I.G.P. Compendio de Trabajos de Investigación Realizado Por Estudiantes Durante El Año 2011 - V.13

Instituto Direccin de Asuntos
Geofsico del Per Acadmicos
ISSN: 2079-696X
Compendio de trabajos de investigacin

realizado por estudiantes durante el ao 2011
Volumen 13
Editora:
Yamina Silva Vidal
Lima, Per
2012
ISSN: 2079-696X
Compendio de trabajos de investigacin realizado por estudiantes

durante el ao 2011
volumen 13
Direccin de Asuntos Acadmicos

Instituto Geofsico del Per
Lima, Per
2012
Ttulo: Compendio de trabajos de investigacin realizados por estudiantes durante el ao 2011.
Ttulo clave abreviado: Compend. trab. investig. realiz. estud. durante ao 2011.
Volumen: 13.
Autor: Direccin de Asuntos Acadmicos, IGP.
Editora: Yamina Silva Vidal.
ISSN: 2079-696X.
Hecho en el depsito legal en la Biblioteca Nacional del Per N 2012-15658.
Copyright 2012 Instituto Geofsico del Per. Direccin de Asuntos Acadmicos.

Correo electrnico: daa@igp.gob.pe
http://www.igp.gob.pe
Calle Badajoz N 169-171
Urbanizacin Mayorazgo, IV Etapa
Lima 03, Per.
Telfono: (01) 317-2300
Diagramacin: Mara Villaverde

Dante Guerra
Tiraje: 500 ejemplares

Fecha de impresin: diciembre 2012
Impreso en el Per
Impreso en: Editorial Sper Grfica EIRL

Direccin: Jr. Ica 344-346, Lima 01.
Telfono: (01) 715-0315
Correo electrnico: edsupergrafica@gmail.com
La informacin estadstica, los mapas y figuras, en esta publicacin, son referenciales, no

tienen valor oficial y son de completa responsabilidad de los autores.
El contenido del documento puede ser reproducido total o parcialmente mencionando la
fuente: Direccin de Asuntos Acadmicos, IGP.
Ministerio del Ambiente
Dr. Manuel Pulgar-Vidal Otrola
INSTITUTO GEOFSICO DEL PER
Dr. Ronald Woodman Pollitt, Presidente Ejecutivo
Dr. Jos Machar Ordoez, Director Tcnico
Dra. Yamina Silva Vidal, Directora de Asuntos Acadmicos
Investigadores responsables de los trabajos publicados:
Sismologa:
Dr. Hernando Tavera Huarache
Variabilidad y Cambio Climtico:
Dra. Yamina Silva Vidal
Dr. Jhan Carlo Espinoza
Aeronoma:
Dr. Jorge Luis Chau
Dr. Marco A. Milla

NDICE
Presentacin................................................................................................................................... 7
1. Modelo emprico de derivas verticales del plasma sobre Jicamarca para estudiar su dependencia en
actividad solar
Empirical model of vertical plasma drifts over Jicamarca to study their dependence on solar activity
Jorge ngel Huamn Yampul ......................................................................................................... 9
2. Determinacin de incrementos de probabilidad en el tiempo (TIP) para la ocurrencia de grandes

terremotos en el Per (aplicacin del algoritmo M8)
Determination of time increasses probabilitidad (TIP) for the ocurrence of strong earthquake in Peru
(application of the algorithm M8)
Edden Christian Flores Guerra.................................................................................................................. 15
3. reas probables de ruptura ssmica en el borde occidental del Per, a partir de la variacin del
parmetro b
Likely areas of seismic rupture in western Peru, from the variation of the b parameter.
Cristobal Condori Quispe......................................................................................................................... 22
4. Determinacin de la superficie de acoplamiento ssmico interplaca en el borde occidental del Per.

Determination of interplate seismic coupling surface on the western border of Peru
Patricia Alejandra Guardia Anampa......................................................................................................... 28
5. Dinmica y modelado numrico de tsunamis en los cauces de los ros: aplicacin para el ro Rmac
(parte I)
Dynamics and numerical modeling of tsunamis in riverbeds: application to Rimac river (part I)
Julio Csar Martnez Herrera ................................................................................................................... 35
6. Variacin espacio-tiempo de los procesos de ruptura de sismos profundos a distancias telessmicas

Space-time variation of the rupture processes in deep earthquakes to telesismic distance
Williams Mamani Puma ................................................................................................................................. 42
7. Caracterizacin de eventos de temperatura mnima extrema en el Per

Characterization of extreme minimum temperature events in Peru
Sofa Marisol Endara Huanca.................................................................................................................... 48
8. Estimacin del riesgo de la poblacin infantil de Loreto debido a cambios bruscos en la temperatura
del aire
Risk estimation of the Loretos child population due to sudden changes in the air temperature
Jos Eduardo Vsquez Alzamora ............................................................................................................. 56
9. Estudio de la variabilidad de la cobertura nubosa en la costa de Ica a travs de procesamiento del

imgenes del satlite GOES
Variability of the clouds covert in the coast of Ica using GOES images
Liz Rocio Rosales Trujillo............................................................................................................... 64
presentacin
La misin del Instituto Geofsico del Per (IGP) es hacer investigacin cientfica en las diversas ramas de la
geofsica, como son: Sismologa, Geodesia Espacial, Geologa, Vulcanologa, Variabilidad y Cambio Climtico,
Aeronoma, Astronoma, entre otras. La investigacin que realiza el IGP est orientada a entender diversos
fenmenos fsicos que ocurren en la Tierra, su atmsfera y el espacio adyacente. Esta actividad es dirigida por
investigadores del IGP, los cuales, en su afn de formar nuevos cientficos, involucran a jvenes egresados de
las universidades peruanas para realizar investigacin y escribir una tesis de pregrado o posgrado.
Como parte de la formacin de los jvenes investigadores, stos son invitados a escribir un pequeo artculo
cientfico relacionado con su trabajo de tesis. Dicho documento es publicado en el compendio y con ello se
espera que los jvenes investigadores desarrollen la habilidad de comunicar a la comunidad cientfica los
resultados de sus investigaciones.
El Compendio de Trabajos de Investigacin es un documento que naci hace ms de una dcada (en 1999)
por iniciativa del Dr. Hernando Tavera, quien comprendi la necesidad de publicar los resultados o avances
de los trabajos que realizaban los practicantes y tesista del IGP. Desde entonces, ya se han publicado 12
tomos y, en el presente ao, se est publicando el tomo 13, el cual rene 9 trabajos de investigacin: cinco
pertenecen al rea de Sismologa, tres al rea de Variabilidad y Cambio Climtico y uno al rea de Aeronoma
Esperamos que esta publicacin no solo sea de utilidad para los profesionales e investigadores en ramas de
la geofsica, sino que tambin se convierta en un instrumento de motivacin para los estudiantes de ciencias
que estn en la etapa de elegir una rama en donde puedan desarrollarse profesionalmente.
Yamina Silva Vidal

Editora
Direccin de Asuntos Acadmicos
7
MODELO EMPRICO DE DERIVAS VERTICALES DEL PLASMA
SOBRE JICAMARCA PARA ESTUDIAR SU DEPENDENCIA EN
ACTIVIDAD SOLAR
EMPIRICAL MODEL OF VERTICAL PLASMA DRIFTS OVER

JICAMARCA TO STUDY THEIR DEPENDENCE ON SOLAR
ACTIVITY
Jorge ngel Huamn Yampul

Universidad Nacional de Ingeniera
Facultad de Ciencias
angeljahy@gmail.com
Asesor: Dr. Jorge L. Chau; Dr. Marco A. Milla
rea de Investigacin, Desarrollo e Innovacin Radio Observatorio de Jicamarca
Resumen Abstract
En el Radio Observatorio de Jicamarca At the Jicamarca Radio Observatory, we have
desarrollamos un modelo emprico de derivas del developed an empirical model for equatorial vertical
plasma ecuatorial para estudiar su variabilidad plasma drifts in order to study their seasonal
estacional y dependencia en actividad solar. variability and dependence on solar activity. The
El modelo fue desarrollado usando medidas model was developed using measurements of
de derivas verticales de la regin de los 150km vertical drifts from the 150km region carried out by
llevadas a cabo por el radar de Jicamarca en the Jicamarca radar operating in CSR (coherent
el modo de operacin de dispersin coherente scatter radar) mode. In our model, we have only
(del ingls coherent scatter radar). En nuestro considered data collected during periods of quiet
modelo, solamente consideramos datos tomados magnetic activity (Kp3) between 2001 and 2009.
durante periodos magnticamente calmados In addition, the model only considers daytime
(Kp3) entre el 2001 y 2009. Adicionalmente, el drifts from 8am to 4pm (local time), which is
modelo solamente considera datos entre las 8am approximately the time interval of radar observation
y 4 pm (tiempo local), que es aproximadamente of the 150 km echoes. The behavior of the drifts
el intervalo de tiempo en el cual el radar observa over Jicamarca is modeled as a function of local
los ecos de 150km. El comportamiento de las time, day of year, and solar flux (f10.7cm). The
derivas sobre Jicamarca es modelado como una interpolation function used to represent the drifts
funcin del tiempo local, da del ao y flujo solar is a third order piecewise polynomial. The number
(f10,7cm). La funcin de interpolacin usada of nodes of our interpolator was chosen applying
para representar las derivas es una aproximacin the goodness of fit criterion. In this work, we show
polinmica de tercer grado por tramos. El nmero that our empirical model captures the complicated
de nodos de nuestro interpolador fue escogido seasonal structure of the drifts, for instance it
Huamn, A., J. Chau y M. Milla, 2012. Modelo emprico de derivas verticales del plasma sobre Jicamarcapara estudiar su
dependencia en la actividad solar. Compendio de trabajos de investigacin realizados por estudiantes durante el ao 2011,
Vol. 13, IGP. 9
Compendio de trabajos de investigacin realizados
por estudiantes durante el 2011 IGP
aplicando el criterio del buen ajuste. En este shows the enhancement of the drift magnitudes
trabajo, mostramos que nuestro modelo emprico during March and September equinoxes, as well
captura la complicada estructura estacional de las as, the decrement of the magnitudes during June
derivas, por ejemplo, muestra el aumento de la and December solstices.
magnitud de las derivas durante los equinoccios
de marzo y septiembre (f10,7cm<100), as como
Keywords: Plasma drifts, equatorial ionosphere,
tambin la reduccin de las magnitudes de las
solar flux.
derivas durante los solsticios de junio y diciembre.
Palabras clave: Derivas del plasma, ionosfera

ecuatorial, flujo solar.
1. Introduccin
La ionosfera es una capa de la atmsfera que se
encuentra aproximadamente entre los 50 y los 2000km
de altura. Esta capa se encuentra altamente ionizada
como para afectar las seales de radio que por ella
se propaguen. El conocimiento del comportamiento
de las caractersticas y la posibilidad de estudiarlos
mediante modelos, son de fundamental importancia
para las aplicaciones que utilizan este tipo de seales
como las de comunicaciones en alta frecuencia,
sistemas de navegacin va satlite (GPS y Galileo),
etc.
El movimiento del gas neutro a travs de las lneas

del campo geomagntico producen corrientes en las
zonas donde la conductividad elctrica es apreciable
(regin E de la ionosfera). Las corrientes no pueden Figura 1. Peculiaridades ionosfricas observadas sobre
fluir libremente en todas las direcciones, ya que Jicamarca (Sep 07, 2005).
existen variaciones horizontales y verticales de la
conductividad que generan cargas de polarizacin. modelo corresponden a las observaciones tomadas
Los campos electrostticos asociados con estas en el Radio Observatorio de Jicamarca. Estos
cargas son transmitidos a la regin F ecuatorial a datos corresponden a las derivas verticales a una
travs de las lneas de campo geomagntico que son altura de 150km (vase la Figura 1). En el modo de
altamente conductoras. En la regin F, estos campos operacin en dispersin coherente conocido como
electrostticos causan las derivas electromagnticas JULIA (del Ingls Jicamarca Unattended Long-term
(ExB), Rishbeth and Garrioth (1969). Investigations of the Ionosphere and Atmosphere).
JULIA est diseada para observar las irregularidades
En el Radio Observatorio de Jicamarca (ROJ) se del plasma sobre el ecuador magntico y las ondas
observan y se reportan este tipo de peculiaridades atmosfricas neutras durante periodos extensos de
desde 1960. tiempo.
El presente trabajo de tesis se encuentra dividido 2.2 Criterio de seleccin de datos

en dos partes principales. En la primera de ellas se
desarrolla un modelo emprico de derivas verticales a Para la seleccin de datos se tomaron en cuenta
partir de los datos tomados en el Radio Observatorio los siguientes parmetros:
de Jicamarca. En la segunda parte, se realiza el
anlisis de la variabilidad de las derivas verticales ndice geomagntico (Kp): ste se calcula a
para diferentes condiciones solares (bajas, medias partir de las variaciones en la componente
y altas). horizontal del campo magntico durante un
intervalo de tres horas, medido por un solo
2. Desarrollo del modelo magnetmetro ubicado en una estacin
emprico de derivas terrestre. Usando una escala cuasi-logartmica,
Kp toma valores entre 0 (muy tranquilas) y 9
2.1. Datos (muy perturbado), Bothmer and Daglis (2007).
Los datos utilizados en el desarrollo de nuestro ndice de flujo solar (f10,7cm): Mediciones de
10
Modelo emprico de derivas verticales del plasma sobre Jicamarca para estudiar
su dependencia en actividad solar IGP
la radiacin del sol (del orden de los )

en la frecuencia de los 2800MHz. Junto
con el nmero de manchas solares, este
ndice es un parmetro clave para medir
la actividad solar (Zhao and Han, 2008) .................................(1)
Los datos de las derivas verticales fueron Donde N es el nmero de derivas verticales y los
agrupados mensualmente desde el 2001 hasta pesos vienen dados por la inversa de la varianza
2009. La actividad magntica fuerte en bajas estimada de los datos de JULIA para cada tiempo ti.
latitudes puede afectar dramticamente a las
derivas (Sherliess and Fejer, 2005), por la cual, Los son valores de las derivas verticales
los datos fueron seleccionados para condiciones tomados en el experimento JULIA y es el
geomagnticas tranquilas (Kp 3). Estos valor correspondiente del modelo desarrollado.
valores se caracterizan por encontrarse entre Cuando se aumenta el nmero de nodos
las 8 am y 4 pm, concentrndose alrededor disminuye el error cuadrtico medio, y si se sigue
del medio da y disminuyendo despus de las aumentado, eventualmente se produce un sobre
3pm hasta desaparecer despus de las 5 pm en ajuste, acercando al valor verdadero de la varianza
todas las estaciones (Chau and Kudeki, 2006). (Draper and Smith, 1981). En la Figura 2 se puede
apreciar la disminucin del valor de al incrementar
Para clasificar nuestros datos basados en la
el nmero de nodos. Para los casos en donde hay
actividad solar, los agrupamos en tres intervalos:
una cantidad considerable de datos se observa que
para condiciones de flujo solar bajo (f10,7cm100),
s2 tiende a estabilizarse en una asntota al agregar
medio (100<f10,7cm<150) y alto (f10,7cm150).
un nmero mayor de nodos (vase la Figura 2).
Luego se procedi a promediar mensualmente
(vase la Figura 3).
2.3 Interpolacin de los datos de

derivas
En esta subseccin describiremos la funcin de

interpolacin desarrollada. El objetivo es modelar
aproximadamente el comportamiento de las derivas
mediante una funcin matemtica que cumpla ciertos
criterios de continuidad.
2.3.1 Interpolacin polinomial por

tramos
Consiste en dividir un intervalo en una serie

de subintervalos, y en cada uno construir un
polinomio de tercer grado, ya que ste ofrece
suficiente flexibilidad para garantizar que la
funcin interpoladora no solo sea continuamente
diferenciable en el intervalo, sino que adems tenga
una segunda derivada continua en el mismo y de esta
manera ganar suavidad (Burden and Faires, 2011).
2.3.2. Eleccin del nmero de nodos
En esta subseccin describiremos el mtodo por

el cual se escogi el nmero de nodos adecuado
en las interpolaciones. Bsicamente se usaron
criterios como el error cuadrtico medio y el criterio Figura 2. Error cuadrtico medio en funcin del nmero
de nodos para el mes de abril y mayo.
del buen ajuste (del Ingles goodness-of-fit).
Para la eleccin del nmero de polinomios En los casos que no se observa un comportamiento
de nuestra funcin interpoladora se examin la asinttico luego de haber seleccionado un nmero
variacin del error cuadrtico medio como una adecuado de nodos se puede decir que hay un
funcin del nmero de nodos (Draper and Smith, grado aceptable de concordancia entre el modelo
1981). El error cuadrtico medio se define como: desarrollado y la data. Por esta razn escogemos seis
como el nmero de nodos adecuado, ya que con este
11
valor se describe muy bien los cambios temporales

interpolados con los modelos y el nuestro
y estacionales de los datos de derivas verticales.
respectivamente.
Con el nmero de nodos adecuados se calcularon
El valor promedio de entre el modelo M0 y el
los coeficientes de la interpolacin haciendo uso
modelo de Alken, entre todos los meses en el intervalo
de las rutinas implementadas en lenguaje de
de flujo solar de f10,7cm100 da como resultado un
programacin Python.
valor de 1,588 m/s, mientras que en el intervalo de
flujo solar de 100<f10,7cm<150 es de 1,739 m/s, y
Finalmente, tenemos doce funciones interpoladas
finalmente en el intervalo f10,7cm150, se obtiene
uno por cada mes del ao. Para introducir el da
2,202 m/s. Estos valores bajos representan una
del ao como parmetro de entrada se realiz una
validacin positiva de nuestro modelo.
segunda interpolacin entre las doce funciones
(utilizando la funcin implementada en Python). Una
Los valores promedio entre el modelo M0 y el
vez implementados los algoritmos, se desarrollaron
modelo de Sherliess, para el intervalo de flujo solar
cuatro modelos basados en los datos de JULIA:
modelo M0 para validar el modelo desarrollado,
modelo M1 para estudiar la variabilidad de las derivas
en condiciones solares medias (100<f10,7cm<150)
y altas (f10,7cm>150), modelo M2 para estudiar
la variabilidad de las derivas en condiciones
solares bajas (f10,7cm<100) y moderadas
(100<f10,7cm<150), finalmente el modelo M3 para
estudiar la variabilidad de las derivas en condiciones
solares bajas (f10,7cm<100).
Figura 4. Derivas verticales en funcin de la estacin y

el tiempo local. Modelo M0 (arriba) y el modelo de Alken
(abajo).
f10,7cm100 es 5,925 m/s. En el intervalo de flujo

solar 100<f10,7cm<150 es de 5,485 m/s, finalmente
en el intervalo f10,7cm150, se obtiene un valor
Figura 3. Series de tiempo de las derivas verticales en de 5,522 m/s. Estos valores relativamente altos se
funcin del tiempo local. producen debido al tratamiento estacional diferente
de los datos.
3. Validacin del modelo

4. Estudio de la variabilidad
En esta seccin describiremos el mtodo de de las derivas en diferentes
validacin de nuestro modelo contra dos modelos condiciones de actividad solar
empricos: El modelo emprico de derivas verticales
de Alken(2008) y el modelo de Sherliess y Fejer En esta seccin estudiamos la variabilidad de
(1999). En la Figura 4 se pueden apreciar el las derivas para diferentes condiciones de actividad
modelo M0 y el modelo contra el cual se validar. solar;
Para validar nuestro modelo contra Comparacin entre condiciones altas y bajas de
los de Alken y Sherlies usamos la raz actividad solar.
cuadrada del error cuadrtico medio (e):
Para esto hicimos uso de los modelos M1 (f10,7
(2) cm>150) y M3 (f10,7cm<100). Vase la Figura 6:
Donde Vi y Vmi corresponden a los datos En M3 la concentracin de valores altos de las
12
Modelo emprico de derivas verticales del plasma sobre Jicamarca para estudiar
su dependencia en actividad solar
IGP
derivas (mayores a 14m/s) se ubica en tres regiones

marcadas (entre enero y abril, mayo y junio, agosto
y noviembre). Mientras que para M1 se concentran
en tres regiones (alrededor de enero, entre marzo y
mayo, junio y octubre) entre las 10am y 1pm (tiempo
local).
La concentracin de valores altos de las derivas

(mayores a 17m/s) para condiciones solares bajas
se ubica en tres regiones marcadas (entre febrero
y abril, marzo y julio, agosto y octubre). Mientras
que para condiciones altas de actividad solar se
concentran en cuatro regiones (alrededor de enero,
entre marzo y abril, junio y julio, agosto y septiembre).
5. Conclusiones
Como una de las conclusiones principales de
este trabajo podemos considerar que el mtodo
de interpolacin basado en polinomios cbicos por
tramos se ajusta muy bien al comportamiento de
las derivas verticales, tanto desde el punto de vista
estadstico como visual. Figura 5. Derivas verticales en funcin de la estacin y el
tiempo local. Modelo M2 (arriba) y el modelo M3 (abajo).
Presentamos un modelo emprico de derivas
verticales basadas en datos tomados en el Radio
Observatorio de Jicamarca usando el modo de
dispersin coherente.
El modelo emprico desarrollado captura la

complicada estructura de las derivas verticales, tanto
la variacin diaria como la estacional.
Las derivas verticales son modeladas como una

funcin del tiempo local, flujo solar y da del ao.
Este modelo nos permitir examinar las

variaciones diarias y estacionales de los campos
elctricos ecuatoriales.
Nuestro modelo se compar contra el modelo de

Alken mostrando que est en un grado muy bueno
de concordancia. En el desarrollo de nuestro modelo
no se tomaron en cuenta los intervalos de tiempo en
el que se presentan un numero de datos reducido, a
diferencia del modelo de Alken que considera todos
los datos contribuyendo de esta manera en errores
en la velocidad de las derivas, comunes alrededor de
las 8 y 16 horas. Figura 6. Derivas verticales en funcin de la estacin y el
tiempo local. Modelo M1 (arriba) y el modelo M3 (abajo).
El modelo de Alken presenta una mayor resolucin
estacional sin embargo nuestro modelo presenta una
mejor resolucin temporal (hora local). de la dependencia de las derivas verticales bajo
actividad solar. Entre las principales conclusiones de
Al calcular las diferencias entre los errores este estudio tenemos:
cuadrticos medios entre nuestro modelo y el modelo
de Sherliess y Fejer, son relativamente altos debido Se presentan valores picos aproximados de 20-
al tratamiento estacional diferente para cada modelo. 25 m/s entre las 10 y las 12 horas (hora local). Estos
valores se presentan para todas las temporadas y
Otra parte importante de esta tesis es el estudio para los tres intervalos estudiados.
13
El nmero de observaciones de las derivas 8. Bibliografa

verticales disminuye con el aumento del flujo solar.
Alken P. (2009). A quiet time empirical model of
En los meses de marzo y septiembre se equatorial vertical plasma drift in the Peruvian
concentran la mayor cantidad de derivas con valores sector based on 150 km echoes, Journal of
altos, coincidiendo con el inicio de los equinoccios. Geophysical Research, Vol. 114, A02308,
doi:10.1029/2008JA013751.
En el mes diciembre se observan derivas con
valores bajos, coincidiendo con el solsticio de Bothmer, V. And Daglis, I. A. (2007). Space Weather-
diciembre. En el mes de junio tambin se presentan Physics and Effects, Springer Praxis Books,
valores relativamente bajos. Esto nos permite decir Chichester, UK.
que en los solsticios se observan una disminucin
del nmero de derivas con valores bajos. Chau J. L. and Kudeki E. (2006). Statistics of 150-
km echoes over Jicamarca based on low-power VHF
Las principales diferencias del comportamiento observations, Ann Geophysics., 24, pages 1305-
de las derivas verticales entre un periodo de alta 1310.
actividad (Modelo M1) y mnima actividad (Modelo
M3) solar son: Draper N. And Smith H. (1981). Applied Regression
Analysis, 2nd Ed, John Wiley & Sons, USA.
El modelo M3 presenta valores altos de las
derivas caractersticos en los equinoccios (marzo Fejer B. G., Scherliess L. (2001). On the variability
y septiembre) a diferencia del modelo M1 que solo of equatorial F-region vertical plasma drifts, Journal
conserva un nmero reducido de derivas con valores of Atmospheric and Solar-Terrestrial Physics, Vol. 63,
altos en el equinoccio de septiembre. La mayor parte pages 893-897.
de valores altos de las derivas se concentran entre
junio y julio, distribuidos entre las 11 y 14 horas (hora Richard L. Burden, J. Douglas Faires (2011).
local). Numerical Analysis, Ninth Edition, Brooks/Cole,
Boston, USA.
El Modelo M3 presenta derivas con valores bajos
en el solsticio de diciembre. En el solsticio de junio Rishbeth H. and Garrioth O. K (1969). Introduction to
se observan derivas con valores relativamente altos. Ionospheric Physics, Academic Press, London/New
A diferencia del modelo M1 que presenta derivas con York.
valores altos en el solsticio de junio.
Scherliess L. and Fejer B. G. (1999). Radar and
6. Trabajo a futuro satellite global equatorial F region vertical drift model,
Journal of Geophysical Research, Vol. 104, NO. A4,
Los resultados mostrados en el presente trabajo pages 6829-6842.
de tesis muestran gran semejanza con otros modelos
empricos. Sin embargo, aun quedan algunas Zhao J. and Han Yan-Ben (2008). Historical Dataset
mejoras y trabajos por desarrollar. A continuacin Reconstruction and a Prediction Method of Solar
sugerimos algunas actividades como trabajo futuro. 10.7cm Radio Flux, Chin J. Astron. Astrophys., Vol.
8, No. 4, 472-476.
Usar una interpolacin cubica en dos dimensiones
por tramos, para modelar los las derivas y as
mejorar la resolucin estacional de nuestro modelo.
Introduciendo el flujo solar f10.7cm como un
parmetro de entrada contino.
Hacer uso de los datos tomados con el radar

principal del Radio Observatorio de Jicamarca,
tomados en el modo de dispersin incoherente. As
disponer de una mayor cantidad de datos y mejorar
nuestras estimaciones de las derivas verticales
ecuatoriales.
7. Agradecimientos
Al Dr. Jorge Chau y al Dr. Marco Milla, por estar
a cargo de mi capacitacin en el Radio Observatorio
de Jicamarca.
14
DETERMINACIN DE INCREMENTOS DE PROBABILIDAD
EN EL TIEMPO (TIP) PARA LA OCURRENCIA DE GRANDES
TERREMOTOS EN EL PER (APLICACIN DEL ALGORITMO M8)
DETERMINATION OF THE TIME INCREASSES PROBABILITIDAD

(TIP) FOR THE OCURRENCE OF STRONG EARTHQUAKE IN
PERU (APPLICATION OF THE ALGORITHM M8)
Edden Christian Flores Guerra

Universidad Nacional de San Agustn
Facultad de Ingeniera Geolgica, Geofsica y Minas
edden.flores@igp.gob.pe
Asesor: Dr. Hernando Tavera
rea de Sismologa
Resumen Abstract
En este estudio se aplic el Algoritmo M8 para In this study we have applied the algorithm M8 to
evaluar la formacin de TIPs (Incrementos evaluate the formation of TIPs (Time Increased
de Probabilidad en el Tiempo, por sus siglas Probability) before the occurrence of large
en ingls) antes de la ocurrencia de grandes earthquakes in the western border of Peru and thus
terremotos en el borde occidental del Per y as predict the possible occurrence in the future. In
mismo pronosticar la posible ocurrencia de estos the retroactive analysis we observed the formation
eventos en el futuro. En el anlisis retroactivo of TIPs before each earthquake in Peru, from
se confirm la formacin de TIPs antes de los 1965 to the present. In the prospective analysis
terremotos ocurridos en el Per desde 1965. En identified the formation of two CTIPs (TIP the in
el anlisis prospectivo se identificaron dos CTIPS progress). The first CTIP considers an area of 300
(TIP en progreso). El primer CTIP considera un km around the point: 11,50S y 78,37W, located
rea de 300 km alrededor del punto: 11,15S to the NW of Lima and the second CTIP covers an
y 78,37O ubicada al Nor-Oeste de Lima, y el area of 300 km centered in 19,55S y 69,97W,
segundo CTIP un rea de 300 km con centro en: and it is located in the boarther Peru-Chile. In both
19,55S y 69,97O ubicada en el lmite Per-Chile. areas, it is possible the occurrence of a strong
En ambas reas, es posible la ocurrencia de un earthquake within the time period 2008-2013.
gran terremoto dentro del periodo de tiempo 2008-
2013.
Keywords: Time Increased Probability (TIP),
pattern recognition, Algorithm M8.
Palabras clave: Tiempos de Incrementos de
Probabilidad (TIP), reconocimiento de patrones,
algoritmo M8.
Flores G. C. y H. Tavera, 2012. Determinacin de incrementos de probabilidad en el tiempo (TIP) para la ocurrencia
de grandes terremotos en el Per (aplicacin del algoritmo M8). Compendio de trabajos de investigacin realizados por
estudiantes durante el ao 2011, Vol. 13, IGP.
15
1. INTRODUCCIN A. el algoritmo M8
El proceso de formacin de los terremotos, El Algoritmo M8 es un mtodo de prediccin
altamente complejo, dificulta la elaboracin de un de grandes terremotos de plazo intermedio.
mtodo eficaz para el pronstico de los terremotos. Este algoritmo fue diseado por Keilis-Borok y
Por esta razn los sismlogos evalan y analizan Kossobokov (1990), quienes evaluaron y analizaron
diferentes parmetros geofsicos a fin de aumentar la sismicidad predecesora a grandes terremotos
el conocimiento de este proceso complejo. La (M>8), ocurridos en diferentes partes del mundo,
sismicidad es uno de los parmetros geofsicos ms encontrando determinados patrones ssmicos tales
usados y su anlisis ha dado origen a la elaboracin como; actividad ssmica, fluctuacin de las actividad,
de diferentes metodologas que permiten estudiar interaccin de los terremotos y explosin de rplicas
su comportamiento en un determinado intervalo de que emergen en las secuencia de los terremotos de
tiempo (Keilis-Borok, 2002). magnitudes intermedias antes de la ocurrencia de
grandes terremotos (Figura 2).
El anlisis de la ocurrencia de los grandes
terremotos muestra que stos son recurrentes,
con intervalos de tiempo variados (aleatorios), sin
embargo, el anlisis de su distribucin en el tiempo
y espacio ha mostrado ser una buena herramienta
para empezar con el pronstico de los terremotos
(Tavera y Bernal, 2005). As mismo, el anlisis de
la sismicidad con magnitudes intermedias, tambin
ha permitido encontrar determinados patrones, en la
secuencia de los terremotos, antes de la ocurrencia
de grandes terremotos. Para la sismologa los
patrones ssmicos predecesores (PSP) no son algo
nuevo, ya que estos corresponden a muchos rasgos
bien conocidos en la dinmica de la sismicidad
observada, como las rplicas que ocurren despus
de un gran terremoto y permiten la redistribucin
de los esfuerzos en la corteza. Tambin el estudio Figura 2. Esquema general de prediccin del Algoritmo
y anlisis de la sismicidad simulada en ordenadores M8. Las barras horizontales representan los patrones o
de modelos numricos han demostrado que los funciones calculados y que son usadas para evaluar la
grandes terremotos de magnitud M, son a menudo formacin de una alarma o un TIP, que indica la cercana de
un gran terremoto
precedidos por especficos PSP, que se forman dentro
de una amplia zona, y emergen en la secuencia de
terremotos con magnitudes menores a M, tales Para el estudio de los sistemas altamente
como la intensificacin de la actividad ssmica, el complejos, como los terremotos, Gelfand et. al
agrupamiento de eventos ssmicos, la migracin y (1976) desarrollo la metodologa de reconocimiento
correlacin de la sismicidad en el espacio, cambios de Patrones a fin de poder estudiar indirectamente
en la relacin de Gutenberg-Richter (Figura 1). Los estos sistemas. En la sismologa, el sistema complejo
dos primeros tipos se han encontrado, primero en o no lineal est representado por un sistema de
anlisis de la sismicidad observada y luego en los fallas ssmicamente activas, los grandes terremotos
modelos, y los otros dos tipos de patrones fueron son los eventos crticos (transiciones crticas) que
encontrados primeros en la sismicidad simulada son responsables de la variacin repentina en las
y luego en la sismicidad observada (Vilkovich y propiedades dinmicas del sistema (paso de un
Shnirman, 1979). sistema en orden a uno desordenado, en un intervalo
muy corto de tiempo), y los pequeos terremotos
son la fuente de las perturbaciones del sistema y al
mismo tiempo revelan la escalacin de la respuesta
del sistema a estas perturbaciones. De esta manera,
los grandes terremotos son descritos como una
transicin de fase orden/desorden, donde el sistema
pasa de un estado limitado a uno sin restricciones, el
cual se da cuando la relacin de tensin-deformacin
llega a un nivel crtico (tensin acumulada >
resistencia del material) pudiendo identificarse
patrones en la sismicidad intermedia y moderada
Figura 1. Patrones ssmicos predecesores observados antes (intensificacin de las perturbaciones) antes de la
de la ocurrencia de grandes terremotos.
16
Determinacin de incrementos de probabilidad en el tiempo (TIP) para la
ocurrencia de grandes terremotos en el Per (Aplicacin para algoritmo M8) IGP
ocurrencia de los grandes terremotos (Figura 3). B (t, Mmin, Mmax, 1 ao) = Bi (e)max
Parmetros para las funciones M8
Los parmetros usados por el algoritmo M8

para el clculo de las funciones son los siguientes:
la duracin (ventana de tiempo) del anlisis o
intervalo de tiempo s es de 6 aos, la magnitud
umbral mxima Mmax para N y L se ajusta a Mo,
mientras que para la funcin Z se usa Mmax = Mo-
0,5. Para la funcin B los umbrales son Mmin=Mo-2
y Mmax=Mo-0,2 y e= 2 das.
Figura 3. Representacin de los terremotos como sistemas
altamente complejos.
Normalizacin de la actividad ssmica
b. Funciones del algoritmo M8 La intensidad del flujo de terremotos o actividad

ssmica en las regiones consideradas son
Funcin N - flujo de la actividad ssmica obviamente diferentes. La actividad ssmica es
normalizada ajustando la magnitud umbral mnima
Considera la actividad ssmica o la intensidad del Mmin de modo que la tasa promedio anual de
flujo de terremotos en un intervalo de tiempo (ti-s, ti) ocurrencia de terremotos principales con Mi Mmin
y tienen una magnitud mayor que un lmite mnimo en un rea es igual a un valor en comn. Para un
Mmin. primer conjunto de funciones nombradas como N1,
L1 y Z1 la constante es 10 por ao, y es 20 por ao
N (Mmin, ti, s) = n (ti) n (ti 6) para otro segundo conjunto de n2, l2 y z2.
Tabla 1. Umbrales de magnitud usados por la funciones del
Funcin L - Desviacin de la actividad a largo Algoritmo M8
plazo
M1 L1 Z1 N2 L2 Z2 BMax
Mmin M(10) M(10) M(10) M(20) M(20) M(20) Mo-2
Obtenida a partir de la desviacin de la actividad
Mmax M0-0.5 M0-0.5 M0-0.2
ssmica o fluctuacin de la actividad promedio
equivalente a la diferencia del nmero de terremotos
para un intervalo (ti-s, ti) y el nmero de terremotos
equivalentes para un periodo s para el intervalo (to, Declaracin de Tiempos de Incremento de
ti-s). Donde, to es el tiempo de inicio del catlogo. Probabilidad - TIP
L (Mmin, ti, s, to) = N N; El anlisis de las funciones descritas en la Tabla

1, permiten identificar los tiempos de incremento de
donde: N = n (to, ti 6) * 6 / (( ti-6) to) la probabilidad (TIP). Un TIP es declarado cuando
al menos seis de las siete funciones tienen un valor
Funcin Z - Concentracin o interaccin de los muy grande por encima de sus valores anteriores
terremotos (un aumento del 10% para las funciones N, L y Z,
y del 25% para la funcin b). Cuando, la condicin
Se determina por la concentracin en el espacio es satisfecha en dos sucesivos intervalos de anlisis
e interaccin a gran escala de los terremotos y es un TIP es declarado y tendr una duracin de cinco
aproximadamente equivalente al cociente, entre el aos.
dimetro o longitud promedio de las fuentes l (S/N)
y la distancia media r (N-1/3). El diagrama de flujo (Figura 4) muestra los
principales datos y parmetros de ingreso necesarios
Z(t, Mmin, Mmax, s, , ) = S(t, Mmin, Mmax, s, , para la ejecucin del algoritmo M8.
) / ( N(t, Mmin, s) N(t,Mmax,s) ) 2/3.
Funcin B - Explosin de rplicas
Es representado por el agrupamiento de

terremotos despus de un terremoto principal y es
equivalente al mximo nmero de rplicas ocurridas
en los e das despus de cada terremoto en un
determinado rango de magnitud (Mmin, Mmax).
17
Figura 7. Calculo de la magnitud de completitud

(Mc=4,3Mw) desde la cual, el catlogo es calificado como
homogneo y completo.
Una vez obtenida una base de datos de ingreso

(INPUT) confiable, homognea y completa se
Figura 4. Esquema de los parmetros de ingreso para el ejecuto el algoritmo M8, para lo cual previamente
Algoritmo M8. se ingreso los siguientes parmetros: magnitud a
evaluar (Mo=7,5Mw), el tiempo de inicio del anlisis
2. Anlisis de datos (A. Retroactivo, to=1963; A. Prospectivo, to=1984),
las reas de anlisis (Tabla 2), el radio de anlisis
Para este estudio se han usado los catlogos (R=300) y otros parmetros internos del algoritmo
ssmicos del IGP y NEIC, los cuales han sido usados para el clculo de las funciones.
integrados y analizados a fin de obtener una base de Tabla 2: reas de anlisis
datos homognea y completa, para la aplicacin del
algoritmo M8. A continuacin se muestran algunos
de los principales anlisis realizados:
Figura 4. Esquema de los parmetros de ingreso para el

Algoritmo M8.
Figura 5. Distribuciones de las magnitudes mb, MS, ML a la Los datos de salida (OUTPUT) que contienen
magnitud Mw. los valores de cada una de las funciones para las
diferentes reas de anlisis son graficados a fin
de realizar una mejor interpretacin, identificacin
y presentacin de los TIP encontrados en un
determinado tiempo, dentro o al final de cada anlisis.
3. Resultados
a. Anlisis retroactivo
El objetivo de este primer anlisis es medir la

eficacia del algoritmo M8 para la prediccin de
Figura 6. Distribucin de los eventos ssmicos antes y grandes terremotos en el Per. Por esta razn,
despus de la depuracin de las rplicas asociados a los las reas de anlisis han sido seleccionadas
terremotos principales.
considerando la distribucin temporal y espacial de
18
ocurrencia de grandes terremotos en el Per (Aplicacin para algoritmo M8)
IGP
Figura 8. Resultados del anlisis retroactivo
los grandes terremotos pasados. Desde 1969 hasta empiezan a descender hasta julio de 1996, luego
el ao 2011, han ocurrido seis grandes terremotos comienzan a subir aleatoriamente en los siguientes
con magnitudes mayores a 7,5Mw, los cuales son: tres anlisis, hasta que en Julio de 1998 se observa
terremoto de Chimbote 7,9Mw en 1970; de Lima, un incremento en todas las funciones del algoritmo
7,9Mw en 1974; en el norte del Centro del Per M8 que fue corroborado en el siguiente anlisis
7,7Mw en 1996; de Nazca, 7,8Mw en 1996; de (enero de 1999), dando origen a la formacin de un
Arequipa 8,4Mw en 2001 y de Pisco 8,0Mw en 2007. TIP, justo antes del terremoto de Arequipa (2001).
Los resultados del anlisis retroactivo (Figura

8) muestra la formacin de los TIPs antes de los
terremotos citados arriba. El tiempo de anticipacin
entre la formacin de la alarma (TIP) y la ocurrencia
de cada terremoto en promedio es de 3 aos.
Cada una de las curvas representa las funciones
analizadas con el algoritmo M8, adems ntese
que las funciones ms sensibles con el proceso de
formacin de un gran terremoto son N1, N2, L1, L2
y B, mientras que los incrementos en las funciones
Z1 y Z2 no son bien marcados a excepcin de
lo observado para los terremotos de Arequipa
(2001) y Pisco (2007), ambos con magnitudes Figura 9. TIP encontrado para el terremoto de Arequipa
M8,0Mw, donde si se observa un incremento (Mw=8,4) del 23 de junio del 2001.
marcado en todas las funciones del algoritmo M8.
ii. Terremoto de Pisco 2007 (8,0Mw)
i. Terremoto de Arequipa 2001 (8,4Mw)
Para el terremoto de Pisco 8,0Mw las funciones
La Figura 9, muestra la distribucin de las funciones muestran una tendencia muy similar al terremoto
antes y despus del terremoto de Arequipa (8,4Mw), de Arequipa. Observando un una cada drstica
ocurrido el 23 de junio del 2001. En julio de 1988 se en los valores de las funciones en julio del 2002,
observa un incremento en los valores de las funciones hasta julio del 2004. En julio del 2005 y enero del
pero al no continuar el mismo en el anlisis siguiente 2006 se verifica el incremento de los valores de
(enero de 1989) no se diagnostica ningn TIP. las funciones del algoritmo M8, lo que origina la
Posteriormente se observa que las funciones siguen formacin de un TIP en enero del 2006. El 15 de
una tendencia sin una marcada fluctuacin hasta Agosto del 2007 ocurre el terremoto de Pisco de
enero de 1994, donde los valores de las funciones magnitud 8,0Mw el cual fue pronosticado, con un
19
tiempo de anticipacin de dos aos, por la alarma 19,55S, 69,97O, y abarca un radio de R=300 km.
o TIP formado en enero del 2006 (Figura 10). La distribucin de la funciones en esta rea (Figura
12), muestra una tendencia similar a los valores
de las funciones observadas antes de la formacin
de los TIPS descritos anteriormente, pero con la
diferencia de que en esta rea, la cada y aumento
de las funciones se dan en un periodo ms largo. As,
en enero de 1993, se observa el descenso en todas
las funciones hasta enero de 1997, desde el cual las
funciones Z1 y Z2 comienzan a incrementarse, a
diferencia de las otras que continan descendiendo
hasta julio del ao 2000 para luego tambin ascender.
Luego de ser verificado el incremento en todas las
funciones y en dos periodos de tiempo consecutivos
de anlisis (enero 2001 y julio 2001), se declar el
Figura 10. TIP encontrado para el Terremoto de Nazca, TIP en julio del 2001. Luego de transcurrir el tiempo
ocurrido el 12 de noviembre de 1996 (7,8Mw) y para el de duracin de este TIP (2001-2006) y de no ocurrir
terremoto de Pisco (Mw=8,0) del 15 de agosto del 2007.
ningn terremoto, el TIP es calificado como un FTIP
(Falsa Incremento de Probabilidad). Despus del
b. Anlisis prospectivo FTIP, las curvas continan presentando valores
altos, razn por la cual en julio del 2008 se vuelve
La aplicacin prospectiva del algoritmo M8, se se declara un nuevo TIP, calificado esta vez como un
realiza a fin de evaluar la posibilidad de que ocurra CTIP (TIP en progreso). Considerando la duracin
un gran terremoto en el borde occidental del Per de la alarma de 5 aos, un terremoto con magnitud
para los siguientes aos (periodo 2010-2016). Los M7,5; puede ocurrir dentro del rea evaluada y el
resultados de este anlisis muestra la formacin periodo 2011-2013, tiempo que resta desde que la
de dos TIPs, calificados como CTIP (TIP en alarma fue declarada. Ntese en la Figura 12, que
progreso), los cuales son descritos a continuacin. desde el ao 2010, los valores de las funciones
del algoritmo M8 se incrementan notablemente.
i. Primera zona de alarma
La primera rea de alarma (CTIP) abarca el rea

circular con centro en: 11,15S, 78,37W y Radio =
300km (CP-3), la misma que se ubica al nor-oeste
de la ciudad de Lima. En esta rea la distribucin
de los valores de las funciones (Figura 11), muestra
un comportamiento similar observado antes de los
TIPS encontrados en el anlisis retroactivo para el
terremoto de Arequipa (2001) y Pisco (2007) en los
cuales se observa un descenso antes de que se forme
el TIP. As, tambin en esta rea (CP-3) se observa
un descenso drstico en los valores de las funciones Figura 11. CTIP, identificado en el rea CP-3 (centro; -11,8S
que se inicia en julio del 2001, en un inicio este -77,15W y Radio=300km). El tiempo probable dentro del
cual puede ocurrir un terremoto M7,5, se encuentra entre
descenso es bien marcado pero se va atenuado con
2008/07-2013/07.
el tiempo. En julio del 2007 se observa el incremento
en todos los valores de las funciones, el mismo que
es verificado en dos periodos de tiempo de manera
consecutiva (enero del 2008 y julio del 2008) se
diagnostica la formacin del TIP en julio del 2008. La
duracin de la alarma es de cinco aos, lo cual indica
que existe una alta probabilidad, que dentro del rea
evaluada, y el tiempo de la alarma (hasta el ao
2013) ocurra un terremoto con magnitud M7,5Mw.
ii. Segunda zona de alarma
La segunda rea de alarma (TIP) clasificada como Figura 12. CTIP encontrado en el rea CP-6, que se inicia
en el ao julio del 2008 e indica la posible ocurrencia de un
un CTIP (TIP en progreso) abarca los departamentos gran terremoto (M>7,5Mw) dentro del periodo de 2008/07-
de Tacna, Moquegua, sur de Arequipa y la regin 2013/07.
norte de Chile. El centro de esta rea se encuentra en:
20
ocurrencia de grandes terremotos en el Per (Aplicacin para algoritmo M8) IGP
4. Conclusiones of intermediate-Term earthquake prediction Journal

of Geophysical Research, Vol. 95, No B12, pp.
Luego del anlisis retroactivo se verific la 19,763-19,772 November 10, 1990.
formacin de TIPs antes de los grandes terremotos
ocurridos en el Per, desde 1965, el tiempo de Kossobokov V., Romashkova L., Keilis-Borok V.
anticipacin promedio entre las alarmas (TIP) y la & Healy J. (1999). Testing earthquake prediction
ocurrencia de los grandes terremotos es de 3 aos. algorithms: statistically significant advance prediction
of the largest earthquakes in the Circum-Pacific 1992-
La aplicacin prospectiva permite identificar 1997 . Physics of the Earth and Planetary Interiors
la formacin de dos TIPS, calificados como 111(1999) 187-196.
CTIP (TIP en progreso), en el centro y sur del
Per. El primer CTIP considera el rea de 300 Vilkovich, E. y M. Shnirman (1979). An Algorithm
km alrededor del centro: 11,15S y -78,37O for Establishing the Migration of Strong Earthquake.
ubicado al nor-oeste de Lima, y el segundo CTIP Vychisl. Seismol. 12, 37-44.
abarca el rea de 300 km con centro 19,55S y
69,97O ubicado en el lmite Per-Chile. En ambas Vorobieva I. (1999). Prediction of a subsequent large
reas, se espera la posible ocurrencia de un gran earthquake. Physics of the Earth and Planetary
terremoto dentro del periodo de tiempo 2008-2013. Interiors vol. 111(1999) 187-196.
5. Recomendaciones
Debido que a la fecha no existe ningn mtodo
eficaz para la prediccin de los terremotos, se
recuerda a la poblacin y autoridades tomar
conciencia y no olvidar de la situacin ssmica
en el cual se encuentra el Per, por lo cual se
debe de estar preparado y saber qu hacer antes,
durante y despus de un terremoto a fin de reducir y
mitigar los daos que estos fenmenos involucran.
6. Agradecimientos
Al Instituto Geofsico del Per por brindarme
las facilidades para desarrollar mi tema de tesis.
Al Dr. Hernando Tavera por estar a cargo

de mi capacitacin en el rea de Sismologa.
7. Bibliografa
Gelfand, I., S. Guberman, V. Keilis-Borok, L. Knopoff
y F. Press (1976). Pattern recognition applied to
earthquake epicenters in California. Plzys. Earth
Planet. nter. 11:227-83.
Tavera H. & Bernal I. (2005). Distribucin Espacial

de reas de Ruptura y Lagunas Ssmicas en el
Borde Oeste del Per. Volumen Especial N6 Alberto
Giesecke Matto (2005) pp. 89-102.
Keilis-Borok, V. (2002). Earthquake prediction: state-

of-the-art and emerging possibilities. Annual Review
of Earth and Planetary Sciences, Vol. 30, p. 1-33
(2002).
Keilis-Borok V. (1996). Intermediate-term earthquake

prediction Proc. Natl. Acad. Sci. USA, Colloquium
Paper Vol. 93, pp. 3748-3755, April 1996.
Keilis-Borok V. & Kossobokov V. (1990). Localization
21
REAS PROBABLES DE RUPTURA SSMICA EN EL BORDE
OCCIDENTAL DEL PER, A PARTIR DE LA VARIACIN DEL
PARMETRO b
LIKELY AREAS OF SEISMIC RUPTURE IN WESTERN PERU,

FROM THE VARIATION OF THE B PARAMETER
Cristobal Condori Quispe

gfcristobalcq@gmail.com
rea de Sismologa
Resumen Abstract
Se ha evaluado la presencia de asperezas para el We assessed the presence of asperities in western
borde occidental de Per, propensas a producir, of Peru. Likely to generate future large earthquakes
en el futuro, sismos de gran magnitud, todos all associated to the subduction process of the
asociados al proceso de subduccin de la placa Nazca plate beneath the South American. We
de Nazca bajo la Sudamericana. Para tal fin, se use the Wiemer and Wyss (1997) methodology
aplica la metodologa propuesta por Wiemer which considers the space-time variation of the b
y Wyss. (1997), y que considera la variacin parameter. We use the IGP catalog for the period
espacio-tiempo del parmetro b. Se utiliza el from 1970 to 2010 with a completeness magnitude
catlogo ssmico del IGP, para el periodo de 1970 of 3,8 Ms. Our results infer the presence of 5 areas
a 2010 con una magnitud de completitud de 3,8 with a high concentration of stress or asperities
Ms. Los resultados infieren la presencia de 5 reas located between the departments of Arequipa,
de acumulacin de energa o asperezas ubicadas Moquegua and Tacna, to the north of Arequipa;
entre los departamentos de Arequipa, Moquegua two asperities off the coast of Lima and Ancash;
y Tacna; hacia al norte del departamento de and other between the departments of Piura and
Arequipa; dos asperezas frente a la costa de Lima Lambayeque. These asperities have maximum
y Ancash, y otra entre los departamentos de Piura values for return periods of 50 years, and for
y Lambayeque. Estas reas y/o asperezas tienen earthquakes with magnitude 7Ms.
valores mximos para periodos de retorno de 50
aos y para sismos con magnitud mayores a 7Ms.
Keywords: Asperities, b-values, Wiemer and
Wyss Methodology.
Palabras clave: Asperezas, valores de b,
mtodo de Wiemer y Wyss.
Condori Q. C. y H. Tavera, 2012. reas probables de rupturas en el borde occidental del Per, a partir de la variacin del
parmetro b. Compendio de trabajos de investigacin realizado por estudiantes durante el ao 2011. Vol. 13, IGP.
22
reas probables de ruptura ssmica en el borde occidental del Per, a partir de la
variacin del parmetro b
IGP
1. INTRODUCCIN agosto del 2007.
El Per forma parte de la regin ssmica ms En el presente estudio, se emplea el mtodo de

activa del mundo debido a que se encuentra ubicado Wiemer y Wyss (1997), para analizar la distribucin
dentro del denominado Cinturn de Fuego del espacial del parmetro b en el borde occidental del
Pacfico, donde se libera ms del 80% de la energa Per (Figura 1), y a partir de los resultados identificar
ssmica a nivel mundial. En Per la actividad ssmica la ubicacin de Asperezas.
est directamente asociada al proceso de subduccin
de la placa de Nazca bajo la Sudamericana, el cual
se da a una velocidad relativa de 6 a 7 cm/ao
(DeMets et al., 1990). Este proceso dio origen a los
terremotos ms grandes ocurridos en el Per, como
los del 17 de octubre de 1966 (7,7Mw Lima), 31 de
mayo de 1970 (7,9Mw Ancash), 3 de octubre de
1974 (7,9Mw Lima), 12 noviembre de 1996 (7,7Mw
Nazca), 23 de junio de 2001 (8,2Mw Arequipa), y
15 de agosto de 2007 (7,9Mw Pisco). Todos estos
terremotos produjeron cuantiosos daos materiales
y prdidas de vidas humanas. En la actualidad se
tiene conocimiento amplio acerca de este peligro,
ms no se sabe cuando ha de ocurrir, es por eso que
durante los ltimos aos varios investigadores han
desarrollado diversos mtodos de prediccin, sin
lograr el objetivo de conocer la fecha de recurrencia
de los grandes sismos (Tavera, 2003). Sin embargo,
s ha sido posible caracterizar y localizar las reas
probables donde podra generarse un futuro
terremoto de magnitud elevada (7,0Ms). Una de
las metodologas propuestas para identificar estas
reas fue desarrollada por Wiemer y Wyss (1997),
y se basa en la distribucin frecuencia-magnitud
de los sismos LogN=a-bM (Gutenberg y Richter,
1944). Estos investigadores, sealan que las zonas
con alta concentracin de esfuerzos (Asperezas) se
caracterizan por presentar valores bajos del parmetro
Figura 1. Mapa topogrfico del Per mostrando la ubicacin
b, siendo sus dimensiones proporcionales a las del rea de estudio delimitado con el polgono de color azul,
del rea de ruptura y a la magnitud del sismo. As y que comprende todo el borde Occidental del Per. Las
mismo; este mtodo permite calcular el periodo de flechas rojas indican la direccin del movimiento de placas.
retorno de los sismos asociados a dichas asperezas.
El trmino Aspereza define a un rea presente en 2. Datos
la superficie de friccin de placas en la cual no ha
ocurrido un sismo de gran magnitud durante un largo La base de datos utilizada en este estudio fue
periodo de tiempo, lo que ocasiona que se acumule extrada del catlogo ssmico del Instituto Geofsico
la energa elstica suficiente como para producir un del Per (periodo 1970 a 2010), y considera 1367
gran sismo. El mtodo propuesto por Wiemer y Wyss eventos ssmicos todos con focos ubicados a
(1997), fue aplicado en diversas zonas de subduccin profundidades menores a 60 km. Con una magnitud
en el mundo, tal es el caso de Ziga y Wyss (2000) de completitud de 3,8Ms. Los valores dependientes
que buscaron localizar las grandes asperezas a lo o rplicas fueron depurados aplicando el algoritmo de
largo de la Costa occidental de Mxico y Katsumata, Reasenberg (1985). El mismo que permiti eliminar
(2006), en el estudio de la variacin del valor del las rplicas correspondientes a los terremotos de
parmetro b en profundidad en la misma regin. En 1970, 1974, 1996, 2001 y 2007.
ambos casos, el objetivo fue identificar la presencia
de asperezas o reas con mayor probabilidad de 3. Mtodo
ocurrencia de sismos de magnitud 7,2Ms. En el
Per, el mtodo fue aplicado por Heras y Tavera Para el anlisis de datos se utiliz el programa
(2002) al borde occidental, llegndose a identificar Zmap, (Wiemer y Ziga, 1994), Por tanto a partir
asperezas frente a los departamentos de Arequipa de la distribucin frecuencia-magnitud de los sismos
e Ica. La primera dio origen el sismo el 23 de junio (Gutenberg y Richter, 1944) (Figura. 3a), se determin
del 2001 y el segundo, el sismo de Pisco del 15 de la completitud del catlogo en 3,8Ms. Finalmente,
23
se presenta una curva acumulativa de forma lineal

(Figura 3b), la cual define la homogeneidad de la
base de datos a utilizar en este estudio.
Figura 3. a) Distribucin frecuencia-magnitud. b) Distribucin

acumulativa de sismos en funcin del tiempo para el periodo
1970-2010. Para la base de datos del IGP.
4. Resultados
4.1 Distribucin de valores de b y
periodos de retorno
Los resultados obtenidos en este estudio para el

borde occidental de Per, son presentados en las
Figuras 4a y 4b. Los valores del parmetro b varan
Figura 2. Distribucin epicentral de los eventos ssmicos que
constituyen el catalogo utilizado en este estudio: periodo
entre 0,5 a 1,1; tal como se muestra en la figura 4a. La
1970-2010. distribucin espacial de estos valores, ha permitido
caracterizar y localizar geogrficamente la presencia
de hasta cinco reas con alta concentracin de
El clculo de los valores de a y b, se obtiene
energa elstica (reas de color rojo) debido a la
a partir de la relacin frecuencia-magnitud (Ec. 1),
friccin y acoplamiento de las Placas de Nazca y
y empleando el mtodo de mxima verosimilitud,
Sudamericana. Estas asperezas se encuentran
ya que presenta mejores limites de confianza (Aki,
distribuidas en forma heterognea en:
1965).
Regin sur del Per, cubriendo las costas
..............(1) de los departamentos de Tacna, Moquegua
y parte sur del departamento de Arequipa.
Donde, N es el nmero acumulado de sismos con
magnitud mayor o igual a M. Luego, en base a esta Al norte del departamento de Arequipa, frente
ecuacin se estima el periodo de retorno de un sismo a la localidad de Yauca.
con magnitud Mmax utilizando la siguiente ecuacin:
Exactamente frente a la costa del departamento
de Lima.
Donde T es el periodo de datos considerados en Al norte del departamento de Lima y frente al
el estudio, Pr o TL es el periodo de recurrencia y Mmax departamento de Ancash.
la magnitud del sismo para el cual se desea conocer
su periodo de recurrencia. Para la elaboracin de los Frente a las costas de los departamentos de
mapas de valores de b y Pr, se utiliz la tcnica de Lambayeque y Piura.
grillado (Wiemer, 1996), codificada en el programa
ZMAP (Wiemer y Ziga, 1994). El espaciamiento El mapa de periodos de retorno (Figura 4b), fue
de nodos en el rea de estudio fue de 0,1 con un calculado a partir de la ecuacin 2 para una magnitud
radio constante de 150 km. alrededor de cada nodo. Mmax=7,0 considerando la distribucin de los
El radio constante es un valor promedio asumido valores de parmetro b. El resultado proporciona
a partir de la longitud de ruptura de los principales un mapa con reas o asperezas definidas con mayor
terremotos ocurridos en el periodo de 1970 a 2010. resolucin, siendo las mismas coherentes con el
mapa de valores del parmetro b. Las reas con
24
IGP
a) b)
Figura 4. Distribucin espacial de los valores del parmetro b en el borde occidental del Per, las barras indican las longitudes
de ruptura estimados para los terremotos histricos. b) Mapa de periodos de retorno local para las asperezas identificados, las
mismas estn enumerados como: A1, A2, A3, A4 y A5.
valores mnimos de tiempo de recurrencia local de 23943 km2 y su magnitud estimada es de 8,2Mw.
oscilan entre 40 y 70 aos.
Aspereza (A4).- Esta aspereza presenta un rea
4.2 Estimacin de la Magnitud y de 46650 km2 y su magnitud estimada es de 8,5Mw.
Probabilidad de ocurrencia
De manera complementaria, es posible determinar de 8207 km2 y su magnitud estimada es de 7,7Mw.
la magnitud de los sismos que se produciran. A partir
de las dimensiones del rea de las estas asperezas, Adicionalmente, se procedi a calcular la
asumiendo que ellas en conjunto forman parte de probabilidad de ocurrencia para un sismo con
toda el rea involucrada en la ruptura. La magnitud magnitud Mmax=7,0, y los resultados obtenidos
momento Mw puede ser estimada utilizando la se muestran en la Figura 5b. De acuerdo a los
ecuacin de Kanamori y Anderson (1975). resultados, las asperezas que presentan la ms
alta probabilidad de producir un sismo de magnitud
...(3) Ms7,0 se encuentran ubicadas:
Frente a las costas de los departamentos

de Tacna, Moquegua y parte sur del
departamento de Arequipa (Aspereza 1).
...(4) Ubicada frente a los departamentos de

Lima y Ancash que en conjunto forman
una gran aspereza (Aspereza 3 y 4).
Aspereza (A1).- El rea estimada para esta 5. Discusin

aspereza es de 89797 km2 y la magnitud que
podra alcanzar el sismo sera del orden de 8,8Mw. Los avances de los diversos mtodos de
estudio que pretenden buscar una solucin para la
Aspereza (A2).- Esta aspereza presenta prediccin de los terremotos hasta la actualidad,
un rea aproximada de 4912 km2 equivalente han permitido caracterizar la geometra e identificar
a una magnitud estimada de 7,5Mw. geogrficamente zonas conocidas como asperezas,
25
a) b)
Figura 5. a) Estimacin de la magnitud en funcin del rea de las asperezas identificadas en este estudio. b) Mapa de
probabilidad de ocurrencia.
mediante la aplicacin de mtodos probabilsticos. Tacna, Moquegua y parte Sur del departamento
Uno de los mtodos que mejor se adopta al estudio de Arequipa, (16,436 a 19,129S).
de prediccin es el propuesto por Wiemer y Wyss
(1997), que permite identificar las asperezas con alta Aspereza ubicada al norte del departamento
probabilidad a generar sismos de gran magnitud, de Arequipa, frente a la localidad de Yauca,
mediante la distribucin de los valores mnimos de (15,564 a 16,147S).
b y periodos de retorno de la distribucin frecuencia
magnitud de los sismos (Gutenberg y Richter, 1944). Aspereza ubicada en la regin centro del
Per, frente a la costa del departamento de Lima
6. Conclusiones (12,130 a 13,367S).
La aplicacin de la metodologa propuesta por Aspereza ubicada frente a las costas de los
Wiemer y Wyss (1997), en el borde occidental del departamentos de Ancash y parte norte del
Per, permite llegar a las siguientes conclusiones: departamento de Lima (9,417 a 11,914S).
1. Los valores del parmetro b a lo largo del Aspereza ubicada en la parte norte del
borde occidental del Per varan entre 0,5 a 1,1 y Per, exactamente frente a las costas de los
los periodos de recurrencia para terremotos con departamentos de Piura y Lambayeque (5,397 a
magnitud mayor a 7,0Ms, oscilan entre 50 y 70 aos. 7,132S).
Estos valores sugieren que la regin de estudio es,
por dems, compleja y heterognea en su proceso 3. Las probables reas de ruptura asociadas
de deformacin y acumulacin de energa. a los grandes sismos ocurridos en el periodo
histrico (1619, 1746, 1868, 1913), coinciden con
2. La distribucin espacial de los valores del la distribucin de las reas de valores anmalos
parmetro b, han permitido identificar la ubicacin del parmetro b; es decir, con las asperezas
geogrfica de 5 asperezas que representan ser identificadas en este estudio.
fuentes probables de producir sismos con magnitudes
mayores a 7,0Ms en el futuro. Estas asperezas son: 4. Las asperezas identificadas en este estudio
presentan geometras y ubicaciones geogrficas
Aspereza ubicada en la regin sur del Per, similares a los propuestos por otros autores basados
frente a las costas de los departamentos de en datos de GPS.
26
IGP
5. Las asperezas con mayor probabilidad a Geophysical Research, vol. 90, No. B7, Pages 5479-
generar un sismo de gran magnitud se encuentran 5495.
frente a los departamentos de Lima, Ancash y frente
a los departamentos Arequipa, Moquegua y Tacna. Tavera, H. (2003). La Prediccin Tectnica. Centro
Nacional de Datos Geofsicos. (CNDG) p. 23 - 25.
7. Recomendaciones
Wiemer S. y Wyss M. (1997). Mapping the frequency-
Es necesario aplicar esta metodologa al estudio magnitude distribution in asperities: an improved
de los sistemas de fallas activas del Per para ver technique to calculate recurrence times? Jour.
los niveles de esfuerzos acumulados e identificar Geophys. Res. 102, 15115-15128.
la posible existencia de asperezas. Asimismo, al
estudio de los volcanes activos presentes del Sur del Wiemer S. y Wyss M. (1994). Seismic quiescence
Per. before the 1993 M=7.5 Landers and M=6.5 Big Bear
(California) earthquake. Bull. Seism. Soc. Am. 84, 3,
De acuerdo a los resultados obtenidos, es 900-916.
importante que las autoridades de las regiones o
departamentos involucrados en este estudio, tomen Wiemer S. y Zuiga R. (1994). ZMAP a software
las medidas necesarias de prevencin y mitigacin. package to analyze seismicity, EOS, Transactions,
Fall Meeting, AGU, 75, 456.
8. Agradecimientos
Zuiga R. y Wyss M. (2000). Most and least likely
Mi agradecimiento al Instituto Geofsico del Per, locations of large to great earthquakes along
por haberme brindado un ambiente agradable de the pacific coast of Mexico, estimate from local
trabajo y la logstica necesaria para realizar esta recurrence times based on b-values, Geophys. Jour.
investigacin. Asimismo, mi eterna gratitud a mi Intern. 90. in press, 2000.
asesor Dr. Hernando Tavera.
9. Bibliografa
Aki K. (1965). Maximum likelihood estimate of b in
the formula log N = a bM and its confidence limits,
Bulletin of the Earthquake Research Institute. Vol. 43
pp.237 239.
DeMest C., Gordon,R., Arhus, A., Stein, S. (1990).

Current plate motions. Geophys. J. Int., 101, 425
-478.
Gutenberg R. y Ritchter C.F. (1944). Frequency of

earthquakes in California. Bull. Seism. Soc. Am. 34,
185-188.
Heras H. y Tavera H. (2002). Localizacin de reas

probables a ser afectadas por grandes sismos en el
borde oeste de Per: Estimacin a partir de periodos
de retorno local basado en distribucin de valores de
b. Centro Nacional de Datos Geofsicos, boletn de
la S.G.P. pp. 7-16.
Kanamori, H., Anderson, D. L. (1975). Theoretical

basis of some empirical relations in seismology. Bull.
Seismology. Soc. Amr., 65, 1073-1096.
Katsumata, K. (2006). Imaging the high b-value

anomalies within the sub ducting plate in the Hokkaido
corner. Earth Planets Space, 58,-e49-e52.
Reasenberg, P. (1985). Second-Order Moment of

Central California Seismicity, 1969-1982. Journal
27
DETERMINACIN DE LA SUPERFICIE DE ACOPLAMIENTO
SSMICO INTERPLACA EN EL BORDE OCCIDENTAL DEL PER
Determination of interplate seismic coupling

surface on the western border of Peru
Patricia Alejandra Guardia Anampa

Facultad de Ingeniera de Geolgica, Geofsica y Minas
patricia.guardia@igp.gob.pe
rea de Sismologa
Resumen Abstract
La continua ocurrencia de sismos en el borde The continued occurrence of earthquakes in the
occidental del Per, hace necesario determinar, western border of Peru is necessary to determine,
en profundidad, las dimensiones de la superficie in depth, the dimensions of the seismic coupling
de acoplamiento ssmico (SAS) a fin de conocer surface (SAS) in order to know higher levels of
los niveles de mayor acumulacin de energa energy accumulation and deformation. This study
y deformacin. En este estudio se hace uso uses two methods, the frequency of earthquakes
de dos mtodos, la frecuencia de sismos vs versus depth and the distribution of P and T
profundidad y la distribucin de los esfuerzos P y stress in depth. For the first method makes use
T en profundidad. Para el primer mtodo, se hace of the catalog of the Geophysical Institute of Peru
uso del catalogo del Instituto Geofsico del Per (1964-2011) and the second from the University of
(1964-2011) y para el segundo, de la Universidad Harvard (CMT). The results obtained indicate that
de Harvard (CMT). Los resultados obtenidos in the southern and northern Peru, the SAS is in
indican que en la regin sur y norte del Per, la the depth levels of 10 to 70 km and the central
SAS se encuentra en los niveles de profundidad region of 10 to 65 km. These results suggest that
de 10 a 70 km y en la regin central de 10 a 65 km. the geometry of the SAS is associated with the
Estos resultados sugieren que la profundidad de subduction type present in Peru, normal in the
la SAS depende del tipo de subduccin presente south and north, and subhorizontal in the central
en el Per, normal en la regin sur y norte y region. Heterogeneous deformation, with less
subhorizontal en la regin central. La deformacin number of earthquakes, defines the presence of
heterognea, con menos sismos, define la the accretionary prism to a depth of 10 km, while
presencia de los prismas de acrecin hasta una the decoupling plate begins to 65-70 km depth.
profundidad de 10 km; mientras que, el desacople
de placas comienza a 65-70 km de profundidad.
Keywords: Seismic Coupling Surface, Stress,
Focal Mechanic, CMT.
Palabras clave: Superficie Acoplamiento Ssmico
(SAS), Esfuerzos, mecanismo focal, CMT.
Guardia, P. y H. Tavera, 2012. Determinacin de la superficie de acoplamiento ssmico interplaca en el borde occidental del Per. Compendio
de trabajos de investigacin realizado por estudiantes durante el ao 2011. Vol.13, IGP.
28
Determinacin de la superficie de acoplamiento ssmico interplaca en el borde
occidental del Per. IGP
1. INTRODUCCIN De acuerdo a esta hiptesis la zona de mayor

acoplamiento entre placas, puede ser estimada a
En el Per, el proceso de subduccin de la partir de la frecuencia de sismos vs la profundidad
placa ocenica (Nazca) bajo la placa continental focal de los mismos (zona 2).
(Sudamericana), genera una constante acumulacin
de energa que se libera en forma de terremotos, en
tanto esto ha motivado a muchos investigadores a
realizar diversos estudios para conocer la geometra
de la subduccin, as como zonificar las reas de
mayor deformacin superficial en el interior del
continente. En este estudio se realiza una contribucin
para el conocimiento de la geometra de la principal
fuente sismognica generadora de terremotos en
el Per (superficie de friccin de placas) y para ello
se hace uso del catlogo ssmico del IGP y la base
de datos de la Universidad de Harvard (CMT). Se
pretende determinar los niveles de profundidad en la
cual las placas presentan un mximo acoplamiento a Figura1. Proceso de subduccin de la placa (Nazca-
lo largo del borde occidental del Per. Sudamericana), ubicacin de la SAS.
2. Superficie de acoplamiento 2.1.2. Metodologa

ssmico
Para determinar la SAS en el borde occidental del
En el Per, la actividad ssmica ms importante Per, se siguen los siguientes pasos:
est asociada al proceso de subduccin de la placa de
Nazca bajo la Sudamericana, siendo ste la principal Se utilizan los catlogos del IGP y NEIC.
fuente sismognica, generadora de los eventos
ssmicos ms destructores ocurridos en Per, en Se divide al borde occidental del Per en tres
comparacin con los que ocurren en continente regiones: sur, centro y norte, con eje mayor del
(Cahill y Isack, 1992; Tavera y Buforn, 1998; Bernal, orden de 300km.
2002). Por ello, es importante conocer la geometra
de la superficie que participa en dicho proceso, En cada curva de frecuencia se identifican los
ms conocida como Superficie de Acoplamiento niveles de profundidad, mxima y mnima, en los
Ssmico (SAS). Para tal objetivo, se har uso de dos cuales se tiene la ocurrencia del mayor nmero de
metodologas, la frecuencia de sismos en funcin sismos, el cual indicar la SAS para cada regin.
de la profundidad de sus focos y las caractersticas
de la distribucin de esfuerzos deducidos de los Se correlacionan todos los sismos que se
mecanismos focales. encuentran dentro del rea de estudio, hasta una
profundidad de 100 km.
2.1 Frecuencia ssmica
Se construye grficas de frecuencia ssmica
2.1.1. Hiptesis en funcin de la profundidad de los focos ssmicos
para cada regin (Figura 2).
En la Figura 1, se presenta un esquema del
proceso de subduccin tpico en el borde occidental 2.2.3. Secciones verticales de sismicidad
del Per: En la zona 1 se inicia el contacto de placas
y la formacin de una estructura llamada prisma de En la Figura 3 se muestran tres perfiles de
acrecin, lugar donde el nmero de sismos es menor sismicidad que han sido trazados perpendicular a la
debido a la fragilidad de la corteza continental; en lnea de costa y en los cuales se ha proyectado la
la zona 2, indicada con una lnea roja, la superficie frecuencia de sismos vs la profundidad de sus focos,
donde se tiene la mayor friccin de placas (SAS) tanto para la base de datos del IGP, como para el NEIC.
lugar donde se espera ocurra el mayor nmero de En el caso de los datos del IGP, las barras de color azul
sismos, sobre todo los de mayor magnitud como representan los niveles de profundidad en las que se
los ocurridos en los aos; 1996 (Nazca), 2002 han producido el mayor nmero de eventos sismos.
(Arequipa) y 2007 (Pisco): la zona 3, similar a la
zona 1, el nmero de sismos disminuye porque a ese De acuerdo al esquema de la Figura 1, se
nivel de profundidad el acoplamiento de placas es procede a realizar el anlisis de la sismicidad para
menor y en general, se espera que los sismos estn cada regin de estudio:
asociados a la deformacin interna de ambas placas.
29
Figura 2. Mapa de sismicidad depurada del Per (19642010). Los tres recuadros indican los perfiles trazados en el
rea de estudio (ML 4,25) .
Regin Norte: el mayor nmero de sismos se ha Estos resultados sugieren que el borde
producido a niveles de profundidad entre 10 y 65 km. occidental del Per, la SAS se encuentra entre
niveles de profundidad de 10-65 km y de 5-70 km.
Regin Centro: se aprecia la misma tendencia que
el perfil de la Regin Norte, el mayor nmero de sismos Por otro lado, en la Figura 3 se puede observar que
ocurre entre los niveles de profundidad es 10 y 65 km. con los perfiles elaborados utilizando informacin del
NEIC es imposible poder visualizar correctamente la
Regin Sur: el mayor nmero de sismos se ha distribucin de los sismos en profundidad, estando el
producido entre los niveles de profundidad de 5 y 70 km. mayor nmero de sismos a una profundidad de 33 km.
30
occidental del Per.
IGP
DATOS IGP DATOS NEIC
Figura 3. Perfiles de frecuencia ssmica vs profundidad de foco para el borde occidental de Per: datos del catlogo
del IGP y NEIC.
En la Figura 4 se presenta el esquema propuesto 2.2 Distribucin de esfuerzos P y T

por Bernal y Tavera (2002) para la geometra de
la placa ocenica (Nazca) dentro del proceso de La sismotectnica del borde occidental de Per
subduccin y sobre ella se ha representado la SAS se caracteriza por la subduccin de la placa de
obtenida en este estudio. Obsrvese que de 0-10 km Nazca bajo la sudamericana; por lo tanto, es sabido
(regin centro y norte) y 0-5 km (regin sur) no existe que al producirse dicho proceso se tiene el desarrollo
acoplamiento debido a que este rango de profundidad de diferentes modos de esfuerzos de compresin o
se desarrolla la deformacin frgil con la formacin eje P y extensin o eje T (Tavera y Buforn, 2001).
de prismas de acrecin y por debajo de los 65 (regin La orientacin de estos ejes son utilizados en este
norte y centro) y 70 km (regin sur) debido al desacople estudio para tipificar el tipo de deformacin en el
de placas; es decir, a este nivel de profundidad borde occidental del Per.
la placa ocenica se separa de la continental.
2.2.1. Catlogo de mecanismos focales
Para desarrollar el estudio, se ha utilizado la base

de datos de mecanismos focales de la Universidad
de Harvard para un periodo de 35 aos (1976-
2011) (Figura 5). Esta base de datos fue construida
utilizando el mtodo de inversin de los elementos
que integran el Tensor Momento Ssmico (CMT),
para sismos con Ms>5,0.
Internacionalmente, este procedimiento (CMT)

ha permitido contar una base de datos homognea
Figura 4. SAS a lo largo de la zona de subduccin en el
borde occidental del Per. para conocer los parmetros focales de los sismos
y/o orientacin de la fuente, Momento ssmico (Mo);
31
magnitud momento (Mw), la orientacin de los

principales ejes de esfuerzos (Presin, P; Tensin,
A)
T). Por lo tanto, es posible realizar cualquier estudio
dada la calidad de este tipo de informacin. Para
el presente estudio se ha considerado nicamente
los sismos y sus mecanismos focales asociados al
proceso de subduccin y deformacin interna de la
placa de Nazca por debajo del Continente.
2.2.2. Distribucin de esfuerzos
En la Figura 5 se presenta la base de datos

utilizados, el tipo de mecanismos focal para cada
evento ssmico y la distribucin de los esfuerzos
derivados de los mecanismos focales. Bsicamente
la actividad ssmica considerada, muestra la
ubicacin espacial de la principal fuente sismognica
(convergencia de placas) y la asociada a la
deformacin interna de la placa Nazca por debajo
del continente.
B)
Los mecanismos focales (Figura 5b)
corresponden, en el primer caso a deformacin por
compresin en segundo, por extensin. Segn la
distribucin de esfuerzos, los correspondientes a la
convergencia de placas son de tipo compresional
con una orientacin aproximada de NE-SO en
las regiones sur y centro, hasta E-O en la regin
norte, siguiendo la geometra de la fosa peruano-
chilena. La deformacin por extensin, asociada a la
deformacin interna de la placa de Nazca por debajo
del continente (lneas blancas), (Figura 5c) muestra
una orientacin ms heterognea, pero en promedio
se acepta una direccin NE-SO.
En la Figura 5, se presenta los mapas de

sismicidad y mecanismos focales sobre los cuales
se construirn secciones verticales perpendiculares
en funcin de la distancia-profundidad de los focos
ssmicos. En total se ha considerado 10 secciones C)
verticales, todas enumeradas de 1 al 10 iniciando
por el extremo sur del Per (Figura 5A). En general,
se ha tratado que cada seccin vertical considere
el mayor nmero de sismos a fin de identificar de
manera correcta la distribucin de esfuerzos o tipos
de esfuerzos a diferentes niveles de profundidad
(Figura 5C). De acuerdo a estas consideraciones,
cada perfil tiene una longitud de 1200 km y un ancho
de 250 km (ver Figura 5A).
En la Figura 6 se muestra un esquema tpico de

la gnesis de terremotos en zonas de subduccin.
Cerca de la fosa se desarrollan estructuras
escalonadas producto de la deformacin superficial
asociada a una corteza de poco espesor, llamadas
prismas de acrecin, las cuales generan sismos de
magnitud moderada y diversidad de tipos de ruptura;
es decir, por compresin y extensin, sin prevalecer Figura 5. Base de datos del CMT (1976-2011),
utilizados para mecanismos focales y distribucin de
un patrn nico de deformacin. esfuerzos.
32
occidental del Per.
IGP
definen el tpico modo de subduccin identificado

para esta regin; es decir, subhorizontal, aunque
a mayor distancia, aproximadamente a 750 km
los mecanismos focales se distribuyen mostrando
una segunda subduccin, lo cual ya fue puesto en
evidencia por Schneider y Sacks (1987).
Perfil 2
Figura 6. Esquema tpico para la gnesis de terremotos

en una zona de subduccin y principales tipos de
esfuerzos.
En este esquema, la zona de amarillo define la

superficie de mayor friccin entre las dos placas y
prcticamente debe definir la geometra de la SAS, Perfil 6
aqu prevalece un tipo nico de deformacin asociado
a fallas inversas (convergencia de placas) o ejes de
presin (P), siendo ms notorio cuando se hace uso Por otro lado, se observa que los mecanismos
de datos a sismos de magnitud moderada o mayor. focales sugieren el desarrollo de procesos
Por debajo de esta SAS, las placas se separan, compresivos entre 10 y 70 km de profundidad, lo cual
quedando la sismicidad restringida a la deformacin indica que hasta estos niveles de profundidad las
interna de cada una de las placas, lo que provoca una placas se encuentran acopladas, estando a niveles
notable disminucin de la sismicidad y/o diversidad superiores (>70 km) e inferiores (<10 km), ausente
de tipos de esfuerzos. la sismicidad o presente de eventos asociados a
deformacin por extensin, lo cual sugiere que no que
Para el clculo de la distribucin de esfuerzos existe acoplamiento a estos niveles de profundidad.
en el borde occidental del Per, se han construido
10 perfiles y de ellos, en el presente informe se PERFIL 10
distinguen 3, considerados como representativos de
la regin Sur, Centro y Norte. El Perfil 10, corresponde al extremo sur del
Ecuador, cerca de la frontera con Per. Este Perfil es
PERFIL 2 similar a los perfiles 1 y 2; es decir, la distribucin de
los mecanismos focales en profundidad muestra la
Este perfil corresponde a la regin sur del Per, y tpica subduccin normal. Los mecanismos focales
en el se observa que la distribucin de mecanismos del tipo compresional se concentran cerca de la
focales en profundidad muestra el tpico modo de superficie hasta una profundidad de 70 km, mayor
subduccin normal definido por autores anteriores a esta profundidad, se observa la presencia de
para estas regiones (Tavera y Buforn, 1998). As deformacin por extensin hasta una profundidad de
mismo, se observa que los mecanismos focales son 180 km. En este caso se deduce que la SAS esta
del tipo normal e inverso hasta una profundidad presente hasta una profundidad de 70 km, y a partir
de 10 km siendo su origen debido a los prismas de sta, las placas estaran desacopladas. A menor
de acrecin. Entre los 10 y 70 km de profundidad profundidad no existe deformacin.
todos los mecanismos focales son inversos y definen
la SAS. Por debajo de 70 km los mecanismos
focales son de extensin los cual indica que a esta
profundidad las placas no estaran acopladas.
PERFIL 6
El perfil 6, representa a la zona central del Per

Perfil 10
y en ella la distribucin de los mecanismos focales
33
2.2.3. Superficie de acoplamiento ssmico subhorizontal.
De acuerdo al anlisis realizado, se observa Estos resultados son similares a los obtenidos
que la distribucin de esfuerzos, en distancia y por Comte et. al, (1994) paral a zona norte de Chile,
profundidad, dentro del proceso de subduccin, es utilizando datos de una red local.
muy heterognea, pero en conjunto ha permitido
identificar los niveles de profundidad a las cuales se 4. Agradecimientos
encuentra la SAS frente al borde occidental del Per.
Al Instituto Geofsico del Per por brindarme las
facilidades para desarrollar la presente investigacin.
De manera muy especial al Dr. Hernando Tavera por
su orientacin y apoyo en todo momento, durante el
desarrollo del presente estudio.
5. Bibliografa
Figura 7, SAS en el borde occidental del Per obtenidos de la Bernal, I. (2002). Aproximacin a un modelo detallado
distribucin de ejes P y T. de la Sismicidad en el Per y caractersticas de
la energa ssmica liberada, Tesis de Ingeniero
Geofsico, UNSA, 169pp.
En la Figura 7 se puede observar que la
deformacin asociada a los prismas de acrecin Bernal, I. y Tavera, H. (2002), Zonas sismognicas en
alcanza una profundidad promedio de 10 km, la SAS Per: volmenes de deformacin, Grficos polares y
se encuentra entre 10 km y 65-70 km de profundidad Zonificacin preliminar. Boletn Sociedad Geolgica
dependiendo del tipo de subduccin que prevalece del Per v. 93 (2003) p. 31-44.
en cada regin. Por debajo de esta profundidad, la
ausencia o presencia de deformacin por extensin/ Cahill, T. y Isacks, B. (1992). Seismicity and shape
compresin indica el inicio de la superficie de no of the subducted Nazca Plate. J. Geophys Res., 97,
acoplamiento entre placas. 17503 17529.
3. Conclusiones Catlogo Ssmico de la Universidad de Harvard

www.globalcmt.org/CMTsearch.html).
En el siguiente recuadro se detalla el resumen los
resultados obtenidos en este estudio utilizando dos Catlogo ssmico de la National Earthquake
mtodos: (1) de Frecuencia Ssmica y (2) Distribucin Information Center http://earthquake.usgs.gov/
de Esfuerzos (P y T). earthquakes/eqarchives/epic/epic_rect.php (NEIC) l.
PROFUNDIDAD
REGIN REA DE ACOPLAMIENTO PERFIL
D. Comte, M. Pardo, L. Dorbath, H. Haessler, L.
SSMICO Rivera, A. Cisternas y L. Ponce3 (1994) Determination
Mtodo 1 Mtodo 2 of seismogenic interplate contact zone and crustal
seismicity around Antofagasta, northern Chile using
10-70 P10
local data. Geophys. J. Int., 116, 553-561.
NORTE 05-65 10-70 P9
10-55 P8 Schneider J. Sacks S. (1987). Stress in the
10-55 P7 contorned Nazca plate Veneta souuther Peru form
CENTRO 10-55 P6 local Earthquake. J Geophys. Res.,92, 13887-13902.
05-65
10-55 P5
Tavera, H. y Buforn, E. (1998). Sismicidad y
10-70 P4
sismotectonica de Peru. Sismicidad y sismotectonica
10-70 P3
SUR 10-70 de centro y Sudamerica.
10-70 P2
10-60 P1 Tavera H. and Buforn E. (2001) Source mechanism
of earthquakes in per. Journal of seismology,
Ambos mtodos permiten obtener resultados 5:519539.
similares, concluyendo que la mxima profundidad
de la SAS est en funcin del tipo de subduccin
presente en el borde occidental del Per; es decir,
hasta los 70 km en la regin sur y norte del Per
donde prevalece la subduccin normal, y hasta 65
en la regin central donde se produce la subduccin
34
DINMICA Y MODELADO NUMRICO DE TSUNAMIS EN LOS
CAUCES DE LOS ROS: APLICACIN PARA EL RO RMAC
(PARTE I)
DYNAMICS AND NUMERICAL MODELING OF TSUNAMIS IN

RIVERBEDS: APPLICATION TO RMAC RIVER
(PART I)
Julio Csar Martnez Herrera

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias Fsicas, E.A.P. Ingeniera Mecnica de Fluidos
jusar_martinez@hotmail.com
rea de Sismologa
Resumen Abstract
Un modelo numrico es una representacin A numerical model is a theoretical representation
terica de un fenmeno natural, por ejemplo los of a natural phenomenon, e.g. tsunamis, which
tsunamis, el cual es tpicamente expresado en is typically expressed in mathematical form,
forma matemtica, a fin de generar escenarios in order to generate risk scenarios for a best
de riesgo para una mayor comprensin del comprehension of risk behavior and development.
comportamiento y desarrollo del peligro. En In the case of a tsunami occurred in the subduction
el caso de un tsunami producido en la zona de zone, the behavior is governed by the associated
subduccin, el comportamiento est regido por equations of fluid dynamics and other geophysical
las ecuaciones asociadas a la dinmica de fluidos processes as the interaction between the plates
y otros procesos geofsicos como la interaccin and the ocean, the seismicity, etc. In general, these
entre las placas y el ocano, la sismicidad, etc. equations are expressed as partial differential
En general, estas ecuaciones se expresan como equations, which describe the future evolution of
ecuaciones diferenciales parciales, las cuales the different relevant variables in function of the
describen la evolucin futura de las diferentes values of the different variables in the present.
variables relevantes en funcin de los valores This study is developed in two stages. The first
de las distintas variables en el presente. Este considers the evaluation of tsunami risk in Callao
estudio se desarrolla en dos etapas. La primera, and the second, the behavior of the riverbed along
considera la evaluacin del riesgo de un tsunami the Rimac River. The preliminary results indicate
en el Callao y la segunda, el comportamiento del that an earthquake of magnitude 8.5 Mw, the
mismo a lo largo del cauce del ro Rmac. Los tsunami reaches the coast of Callao with a time of
resultados preliminares indican que para un sismo 18-20 minutes with waves of the order of 6.5-7.5
de magnitud de 8,5 Mw, el tsunami llega a la costa meters. These results will be used in the second
del Callao con un tiempo de 18-20 minutos con part of this study.
olas del orden de 6,5-7,5 metros. Estos resultados
sern utilizados en la segunda parte de este
Keywords: Tsunami, numerical modeling, Callao.
estudio.
Palabras clave: Tsunami, modelacin numrica,

Callao.
Martnez J. y H. Tavera, 2012. Dinmica y modelado numrico de tsunamis en cauces de los ros: aplicacin para el ro Rmac (Parte I).
Compendio de trabajos de investigacin realizado por estudiantes durante el ao 2011. Vol.13, IGP.
35
1. INTRODUCCIN
El ocano Pacfico tiene el ms alto riesgo de
presencia de terremotos y tsunamis por encontrarse
dentro de un cinturn de gran actividad tectnica
y volcnica el cual recibe el nombre de Cinturn
de Fuego del Pacfico. En tal sentido, el ocano
Pacfico est estructural, topogrfica y ssmicamente
acondicionado para servir de campo propicio al
desfogue de las tensiones tectnicas, convirtindose
as, en el sistema generador de tsunamis ms activo
de nuestro planeta, ver Figura 1.
Figura 2. Esquema de la longitud de onda versus la
profundidad.
Tsunami es una palabra de origen japons que
proviene de dos vocablos: Tsu (puerto) y nami (ola).
Literalmente significa grandes olas en el puerto. No 2.1 Batimetra:
causa daos en alta mar, pero es destructivo en las
a) Batimetra global: Para simular la grilla ms
costas, ver Figura 2.
grande donde se propaga el tsunami. Los datos son
Los tsunamis son una serie de ondas marinas tomados del modelo Etopo2 con una resolucin de
de gran tamao generadas por una perturbacin en 3,60 km y Etopo1 con una resolucin de 1,80 km.
el ocano, al ocurrir principalmente un movimiento
b) Batimetra local: Estos datos corresponden a
ssmico superficial (< 60 km de profundidad) bajo
una batimetra fina y se obtienen a partir de sondajes
el fondo marino y de magnitud mayor a 7,0 Mw
realizados en la zona.
(Magnitud Momento).
2.2 Topografa:
2. Datos y seleccin de los
dominios de integracin a) Topografa global: Para simular la ubicacin
de los maregrafos, para generar mareogramas
Para modelar el proceso de generacin, sintticos a lo largo del litoral. Los datos son tomados
propagacin e inundacin de un tsunami se necesita del modelo Etopo2 con una resolucin de 3,60 km y
de los siguientes datos: Etopo1 con una resolucin de 1,80 km.
Figura 1. Ubicacin del Cinturn de Fuego del Pacifico
36
Dinmica y modelado numrico de tsunamis en cauces de los ros: aplicacin
para el ro Rmac (Parte 1)
IGP
b) Topografa local: Para modelar la inundacin Tabla 2. Parmetros hipocentrales.

producida por el tsunami. Se toman datos de
topografa satelital de la misin Shuttle Radar
Topography Mission (SRTM), con una resolucin de
90 m, Advanced Spaceborne Thermal Emission and
Reflection Radiometer (ASTER) con una resolucin
de 30 m y de las cartas nacionales del Per a escala
1:100000, con curvas de nivel cada 50 m.
Al correlacionar los datos batimtricos y

topogrficos se obtiene un digital elevation model
(DEM) o modelo de elevacin digital, y se procede a
elaborar 4 grillas anidadas: A, B, C y D, ver Figura 3.
Donde la grilla A es la ms grande y contiene al rea
de ruptura. La grilla D es la ms pequea, pero los
datos son ms densos y contiene la regin donde se
desea evaluar la inundacin, ver Figura 4. Los lmites
de las grillas se expresan en la Tabla 1.
Tabla 1. Coordenadas de las grillas.
Figura 5. Ubicacin satelital de la zona del Callao.
2.4 Parmetros de la fuente
A partir de la relaciones empricas de Papazachos

(2004), con la magnitud del momento ssmico Mw se
obtienen los siguientes parmetros: longitud L (km),
ancho W (km), y dislocacin U (m) de la falla para
zonas de subduccin:
Figura 3. Ilustracin de cmo se determina las grillas
....................(1)
Para un sismo de 8,5 Mw
Longitud de ruptura L =305,49 km
Ancho de ruptura W = 101,16 km
Dislocacin de la falla U = 4,57 m
Para un sismo de 9,0 Mw
Longitud de ruptura L = 575,44 km
Ancho de ruptura W = 144,54 km
Figura 4. Representacin de las grillas anidadas para el Dislocacin de la falla U = 9,55 m
presente modelo
El momento ssmico Mo se define como:
2.3 Parmetros hipocentrales
Mo=LWU= (Nm)
Para este estudio se ha visto por conveniente
tomar en cuenta los datos correspondientes al sismo Donde =4,5e+0,10 N/m2 es el mdulo de
de 1746 y que se obtiene del Catlogo de Tsunamis rigidez del medio. Talandier (1993), proporciona una
para el Per basado en el Catlogo de Gusiakov relacin entre el momento ssmico Mo y el potencial
propuesto por Carpio y Tavera (2002), ver Tabla 2. destructivo de un tsunami, ver Tabla 3. El valor de
37
Mo indica que el terremoto probable en el Callao marino y a una profundidad no mayor de 60 km.
generara un Tsunami Potencialmente Destructivo (sismo superficial).
para Mw=8,5 y un Tsunami Grande y Destructivo
para Mw=9,0 (ver Figuras 6a y 6b).
b) Que ocurra en una zona de hundimiento de
3. Fases de un tsunami borde de placas tectnicas en el mar; es decir, que
la falla tenga movimiento vertical y no sea solamente
de desgarre con movimiento lateral. En el Per esta
Tabla 3. Clasificacin de tsunamis (Talandier 1993).
zona es llamada zona de subduccin y se produce
entre la placa de Nazca y la placa Sudamericana.
c) Que el sismo libere suficiente energa en un

cierto lapso de tiempo y que esta sea eficientemente
transmitida. Por lo general: magnitud Mw>7,0.
Para alimentar el modelo numrico en el campo

de generacin es necesario conocer los parmetros
que definen una falla y ellas son: (1) rumbo o
azimut, (2) direccin de buzamiento, (3) ngulo de
buzamiento, (4) dislocacin, (5) rea de ruptura, e
(6) hipocentro del sismo, en otras palabras se debe
conocer los Parmetros Focales de la Fuente, ver
Figura 7.
Figura 6a. Clculo de los parmetros focales.
Figura 7. Representacin de los parmetros de la falla.
Con el escenario ssmico claramente definido, es

Figura 6b. Clculo de los parmetros focales.
posible calcular el campo de deformacin del lecho
marino mediante la aplicacin de modelos numricos
Un tsunami tiene tres fases, que se describen a de deformacin ssmica (por ejemplo Manshina y
continuacin: Smylie, 1971). En este modelo el desplazamiento
vertical del fondo del mar se asume como el perfil
3.1 Generacin de un tsunami inicial del tsunami, sin considerar los efectos
hidrulicos, ya que la longitud de la onda de tsunami
Para que un sismo genere un tsunami es es mucho mayor que la profundidad del agua.
necesario que cumpla los siguientes requisitos:
De acuerdo con el modelo de Manshina y Smylie
a) Que el epicentro del sismo, o una parte (1971), para una falla rectangular de tipo desgarre
mayoritaria de su rea de ruptura, este bajo el lecho
38
para el ro Rmac (Parte 1) IGP
(strik-slip) con una magnitud de dislocacin gravitacional, por lo tanto el movimiento vertical de
U1 en las partculas no tiene efecto sobre la distribucin de
direccin i1 se tiene una deformacin, presiones y la velocidad horizontal de las partculas
de agua es uniforme en la vertical (Goto et al., 1997).
Partiendo de estas aproximaciones, el movimiento de
..........(2)
las ondas largas est controlado por las ecuaciones
de conservacin de momentum y masa,
Para una falla de echado-dislocacin (dip-slip)

con una magnitud de dislocacin , la dislocacin U
es,
.......(3)
Donde x, y son las coordenadas en direccin

oeste-este y en direccin sur-norte, respectivamente;
t es el tiempo; h la profundidad del nivel de referencia
de la columna de agua; el desplazamiento vertical
del agua sobre el nivel de referencia; g la aceleracin
gravitacional; tx , ty es la friccin del fondo en las
direcciones x , y, respectivamente. La friccin del
fondo se expresa segn las siguientes ecuaciones
como,
Figura 8. Se muestra el campo de deformacin en 3D,

calculado para el mecanismo focal proporcionado por el IGP
y los parmetros focales L, W y U.
donde ui es el desplazamiento del fondo del mar

en el punto i, evaluado por la integracin de todos los
puntos fuente que contribuyen al movimiento vertical Donde D es la profundidad total del agua (h +
del plano de falla, es la superficie de falla, es la ) y f es el coeficiente de friccin, el cual se obtiene
de la ecuacin de Manning para la rugosidad (n),
constante elstica de Lam ( 5 x1011 dinas.cm22) y ui2
es el i-esimo componente de desplazamiento en
(X 1 , X 2 , X 3 debido a una fuerza de magnitud unitaria
(
(1 , 2 , 3 ) actuando en una direccin especfica.
El campo de deformacin obtenido sirve como
elemento de entrada para el modelo que calcula la Reemplazando (9) en (7) y (8), las ecuaciones
propagacin de ondas de tsunami. para la friccin producida en el fondo se expresan
as:
Para el presente modelo la mxima altura de
la deformacin es de 4,75 m. Lo cual genera el
denominado efecto pistn que desestabiliza la
columna de agua produciendo las ondas del tsunami,
ver Figura 8.
3.2 Propagacin del tsunami

Los caudales en las direcciones x y y, M y N,
Se emplean modelos numricos de propagacin estn definidos por las siguientes ecuaciones,
de ondas largas en aguas someras (e.g. Titov y
Synolakis, 1996; Goto y Ogawa, 1997). En estos
casos, la aceleracin vertical de las partculas
es despreciable comparada con la aceleracin
39
Remplazando las ecuaciones (10) hasta En la Figura 10 se puede observar que la mxima
(13) en (4) hasta (6) se obtienen las ecuaciones altura de la ola, segn el modelo, en la lnea de costa
fundamentales de clculo, fue de 16 m en la posicin correspondiente a los
13,45 de latitud sur fuera del rea de inters: grilla
D).
Las ecuaciones de conservacin de momentum y

de masa se discretizan en un esquema de diferencias
finitas centrales. La integracin numrica se efecta
por medio del algoritmo de salto de rana, que
consiste en un esquema explcito con aproximacin
de segundo orden. Este modelo utiliza la aproximacin
lineal (por lo cual los trminos de conveccin y
friccin son despreciables) de las ecuaciones de Figura 10. Mxima altura de la ola a lo largo de la costa.
conservacin de masa y de momentum cuando la
onda transita por grandes profundidades, de esta
forma disminuye el tiempo de procesamiento sin En las Figuras 11a y 11b, se observa el mapa de
sacrificar precisin en los resultados (Goto y Ogawa, inundacin por tsunami, segn el presente modelo,
1997; Goto et al., 1997). para la zona del Callao, realizado para dos escenarios
de tsunami: el primer escenario generado por un
sismo de magnitud 8,5 Mw. En el segundo escenario
por un sismo de 9,0 Mw, en el primer escenario se
observa que la altura de ola en la lnea de costa
para la zona del Callao (Chuchito y La Punta) es de
alrededor de los 6,5 m y 7,5 m respectivamente, la
mxima inundacin alcanz 1,3 km (siendo este el
escenario ssmico ms probable de 8,5 Mw). Para el
segundo escenario se observa que la altura de ola
en la lnea de costa para la zona del Callao (Chuchito
y La Punta) es de alrededor de los 10,5m y 11,0 m
respectivamente inundacin alcanzo 2,0 km. La
Figura 13 muestra una comparacin entre las reas
de inundacin propuestas por la DHN (Direccin
de Hidrografa y Navegacin) y el presente modelo
Figura 9.Vista de planta del momento en que se produce el
sismo (En la zona de subduccin).
numrico, observa que el modelo concuerda con
bastante aproximacin con el mapa propuesto por el
DHN, de esta forma se valida el presente modelado
de inundacin por tsunami.
3.3 Inundacin por tsunami
La altura alcanzada por un tsunami al arribar a

la costa se debe a la interaccin de varios factores
fsicos y morfolgicos tales como: caractersticas de
las ondas en mar abierto, batimetra, pendiente del
fondo marino, configuracin del contorno de la costa,
presencia de islas, difraccin, refraccin, reflexin,
dispersin, de los modos normales de resonancia
de las formaciones costeras, y formacin de bordes
en playas, estuarios, fluviales y lagunas costeras.
Estos factores determinan que el arribo del tsunami
a la lnea de costa sea un proceso complejo, lo cual
genera diferencias notables de altura del tsunami an
a cortas distancias a lo largo de la costa (Farreras,
1995). Figura 11a. Mapa de inundacin segn el presente modelo para
Mw=8,5.
40
para el ro Rmac (Parte 1)
IGP
en el caso de un tsunami. La poblacin costera

debe informarse para estar prevenida ante la
ocurrencia de estos eventos.
6. Agradecimientos
facilidades para desarrollar mi tema de tesis.
Al Dr. Hernando Tavera por estar a cargo de mi

capacitacin en el Instituto Geofsico del Per
Figura 11b. Mapa de inundacin segn el
presente modelo para Mw=9,0. Al todo el personal del rea de Sismologa
quienes han tenido mucho que ver con el desarrollo
de la presente tesis.
7. Bibliografa
Okal, E., Dengler, L. (2002). Field Survey of the
Caman, Per tsunami of 23 june 2001. Seismological
Research Letters, vol. 73, number 6, p. 907-920.
Papazachos, B., (2004). Global relations between

seismic fault parameters and moment magnitude of
earthquakes. Bulletin of the Geological Society of
Figura 12. Mapa de inundacin. Greece vol. XXXVI, p. 1482-1489.
4. Discusin Talandier J., (1993). French Polynesia Tsunami
Warning Center (CPPT). Natural Hazards and Earth
Obtenido el mapa de inundacin para el Callao, System Sciencies 7, p. 237-256.
surgen las siguientes incgnitas: Cmo sera el
comportamiento del tsunami al momento de llegar Carpio, J., Tavera, H. (2002). Estructura de un
a la desembocadura del ro Rmac, de avanzar por catlogo de tsunamis para el Per basado en
el cauce del mismo afectar el run-up, la zona de el catlogo de Gusiakov. Boletn de la sociedad
inundacin; as mismo, como reaccionar el ro geolgica del Per v. 94.
Rmac ante un tsunami que avanzara por su cauce,
qu consecuencias traera al cauce del ro y cmo Jimnez, C., Ortega, E. (2008). Clculo de la
afectara a los pobladores que viven en las cercanas inundacin del maremoto del Callao de 1746. Revista
del ro Rmac? .Para dar respuesta se desarrollar en de Investigacin de Fsica, vol. 11, N 1, p. 20-26
una segunda etapa el anlisis netamente enfocado al
ro Rmac y para el cual se tomaran en cuenta otros Direccin de Hidrografa y Navegacin de la Marina
lmites de grilla, a fin de satisfacer las incgnitas de Guerra del Per. Tsunamis. Revista de tsunamis.,
antes mencionadas. v. 2010.
5. Conclusiones Fumihiko Imamura. (1995). Tsunami modelling

manual. School of Civil Engineering, Asian Inst. Tech
Los resultados preliminares permiten deducir lo .(1993-1995) and Disaster Control Research Center,
siguiente: Tohoku University., Sendai, Japan.
La ciudad del Callao est asentada en una Instituto Geofsico del Per. (2002). El terremoto
zona altamente vulnerable ante la ocurrencia de de la regin sur de Per del 23 de junio de 2001.
un tsunami. Publicacin de la Direccin de Sismologa CNDG.
La mxima altura de la ola en la lnea de costa Instituto Geofsico del Per (2008). El terremoto de
para la zona del Callao (Chuchito y La Punta) es Pisco (Per) del 15 de agosto de 2007. Publicacin
de alrededor de los 6,5 m y 7,5 m respectivamente de la Direccin de Sismologa CNDG.
(para el escenario ssmico ms probable de 8,5
Mw). J. P. Sierra y A. Snchez-Arcilla Dep. Ingeniera
Hidrulica, Martima y Ambiental Universidad
Las autoridades correspondientes deben Politcnica de Catalua. Estudio de la propagacin
elaborar planes para la mitigacin de desastres de tsunamis. Aplicacin al Estrecho de Gibraltar.
41
VARIACIN ESPACIO-TIEMPO DE LOS PROCESOS DE
RUPTURA DE SISMOS PROFUNDOS A DISTANCIAS
TELESSMICAS
SPACE-TIME VARIATION THE PROCESSES OF RUPTURE OF

DEEP EARTHQUAKES TO TELESISMIC DISTANCE
Williams Mamani Puma

Universidad Nacional de San Agustn de Arequipa
jperpumas@hotmail.com
rea de Sismologa
Resumen Abstract
En el presente estudio se analizan los procesos In this study analyzes the complex rupture
de ruptura compleja asociados a los sismos de processes, associated to deep earthquakes,
foco profundo, utilizando la metodologa de Fukao using the Fukao methodology. We used 24 station
(1972). Para ello se analizaron 24 registros a records located to telesismic distances. The
distancias telessmicas correspondientes al evento January 1, 2011 occurred an event of 7.0 Mw in
ocurrido el 01 de enero del 2011 con epicentro en the north of Argentina to a depth of 576.0 km. The
la zona norte de Argentina, a una profundidad de results reveal three random events (E1, E2, E3)
576 km y magnitud de 7,0 Mw. Los resultados han separated by distances of 2,15 km, 9,35 km and
permitido identificar la ocurrencia de tres eventos 7,50 km and which rupture directions are; 28
aleatorios (E1,E2,E3) separados por distancias de NE, 2,8 N and 224,3 SW respectively and the
2,15 km, 9,35 km y 7,50 km las direcciones de propagation velocitys of 26%, 64% and 35% to S
propagacin de las rupturas son; 28NE, 2,8N wave velocity.
y 224,3SW respectivamente, y con velocidades
equivalentes de 26%, 64% y 35% con respecto a
Keywords: Processes rupture, origin time and
la velocidad de la onda S.
parameter of source.
Palabras clave: Procesos de ruptura, tiempo de

origen y parmetros de fuente.
Mamani P.W. y H. Tavera, 2012. Variacin espacio-tiempo de los procesos de ruptura de sismos profundos a distancias telessmicas.
Compendio de trabajos de investigacin realizado por estudiantes durante el ao 2011. Vol 13, IGP.
42
Variacin espacio-tiempo de los procesos de ruptura de sismos profundos a
distancias telessmicas IGP
1. INTRODUCCIN les causa estos eventos es an desconocido, pero

se tiene dos teoras que son:
Los terremotos profundos fueron estudiados
desde los aos 20 (Wadati, 1928); sin embargo, su - Hiptesis de cizalladura: Se sabe que a
mecanismo de generacin an no est definido. A profundidades entre los 500 y 700 km, es muy
la fecha se ha propuesto dos hiptesis; la primera probable que los procesos de rozamiento y fractura
los asocia a procesos de cizalla como consecuencia frgil en las zonas de subduccin sean inhibidos
de fuerzas opuestas entre la gravedad y fuerzas debido a las enormes presiones hidrostticas
convectivas (Grigs y Baker, 1969; Kanamori existentes. En la actualidad se acepta que los sismos
et. al. 1998; Karato et. al. 2001). La segunda a de foco profundo tienen su origen en el interior de
transformaciones mineralgicas de olivino a espinela un bloque de litosfera que subduce a estos niveles
(Kirby, 1992; Green y Burnley, 1994). de profundidad, planteando que zonas interiores
del bloque que subduce y que an no es afectado
En general, los terremotos profundos presentan por temperatura de fusin que tiene el manto; por
magnitudes moderadas y por ello no producen daos lo tanto, los mecanismos de fracturamiento an
en superficie; sin embargo, con el adelanto logrado ocurren en su interior como consecuencia de fuerzas
en sismometra se ha llegado a registrar con mayor actuantes como la gravedad y fuerzas de reaccin,
detalle todo el proceso de liberacin de energa segn Molnar et. al. (1979), Huston et. al. (1994),
que producen estos terremotos. Con la informacin Tavera et al,(2003).
actual que se cuenta se puede determinar los
procesos de ruptura de estos eventos profundos, hay - Hiptesis de transformacin mineralgica:
casos de sismo profundos donde liberan energa a La corteza esta compuesta de minerales como el
magnitudes mayores de 7,0 Mw. como la que ocurri silicato, olivino y espinela. A medida que se hunde
el 9 de Junio de 1994 en la frontera Per-Bolivia con la placa se incrementa la presin litostatica, por
una magnitud de 8,4 Mw, siendo percibido hasta lo tanto el cambio de temperatura producira los
distancias tan grandes como Amrica del Norte. cambios fsico-qumicos en la profundidad y estos
cambios serian los causantes de origen de los
A fin de comprender la complejidad de los sismos profundos, el mecanismo de generacin
procesos de ruptura de los sismos de foco profundo, seria el cambio de estado de los minerales de
se ha intentado procedimientos de inversin de ondas oliveno a espinela este proceso ocurre de manera
y clculos del tensor momento, usando informacin explosiva (procesos de nucleacion y crecimiento de
ssmica obtenida a distancias epicentrales entre los los cristales) entonces este fenmeno seria el origen
rangos de 30 y 90 grados, ya que es posible aislar de los sismos profundos, que segn, Kirbyz (1992),
a estas profundidades las fases reflejadas entre las Green y Bumley (1994).
zonas de manto corteza.
A nivel mundial los sismos profundos ocurren en
En este estudio se realiza la aplicacin de la cuatro zonas diferentes, que son las siguientes.
metodologa propuesta por Fukao (1972), que
considera la diferencia de tiempos de llegada de Zona de convergencia de las placas de Nazca
los diferentes trenes de ondas dentro del grupo de y Sudamrica; En esta zona existen 3 reas
la onda P, asumiendo que las formas de la onda de importantes de ocurrencia los terremotos
corresponden a puntos aleatorios de liberacin de profundos Norte de Argentina (direccin N a S de
energa en el espacio y tiempo. Se debe considerar alineamiento), frontera Per- Bolivia (direccin de
una buena cobertura de estaciones ssmicas E-O) y frontera Per- Brasil (direccin de N-S).
ubicadas a distancias telesismicas.
Zona de convergencia de las placas del
La metodologa de Fukao (1972) fue aplicada al Pacifico, Norteamrica y la Euroasitica
evento ocurrido en la zona de Norte de Argentina, el (adems de tres sistemas de microplacas). En
01 de enero de 2011,con foco a una profundidad de esta zona existen tres reas de importancia,
576,0 km y magnitud de 7,0 Mw. zona de Corea del Norte (direccin N-E),
Corea del Norte e Islas Kuriles (direccin N-S)
1.1 Los Terremotos Profundos y la tercera en la zona de las Islas Marianas.
La caracterstica de los terremotos profundos es Zona de convergencia de las placas

por la poca frecuencia de ocurrencia comparando Euroasitica, Filipina y India-Australiana; Se
con terremotos superficiales. Los eventos profundos encuentran dos reas de ocurrencia de estos
ocurren en lmites convergentes de las placas eventos, rea de Indonesia (limite de las microplacas
tectnicas (zonas de subduccin), entre los rangos de Java-Filipinas) y rea al sur de Indonesia.
de profundidad de 500-700 km, el mecanismo que
43
Zona de contacto de las placas de Pacifico y

la India-Australiana. Los terremotos ocurren en el a) b)
rea de Nueva Guinea (orientacin de 0-E) y la de
Fiji-Tonga y Nueva Zelandia con direccin de N-S.
2. Metodologa y Datos
2.1 Parmetros de la fuente ssmica
c) d)
Dependiendo del punto de vista utilizado, al
estudiar el fenmeno de fractura, surgen dos tipos
de modelos de fuente ssmica, los cinemticos
y los dinmicos. Los modelos cinemticas son
descriptivos y tratan de explicar las caractersticas
del desplazamiento de la fractura sobre el plano
de falla. Los modelos dinmicos relacionan los
desplazamientos sobre el plano de falla con las Figura 1. Modelos para la funcin temporal u y su relacin
condiciones de esfuerzos y la resistencia del material. con la dislocacin u (t): (a) funcin triangular de duracin t; (b)
funcin trapezoidal de duracin t (Udas, 1999).
Estos modelos implican una mayor dificultad y tratan
de resolver el problema completo de la fractura
(Madariaga, 1983).
En sismologa se denomina problema inverso a la

deduccin de los desplazamientos producidos en las
estaciones ssmicas donde se registra un terremoto
a partir de un modelo que representa el proceso
fsico que tiene lugar en el foco de dicho terremoto.
La informacin de la evolucin temporal de la ruptura
est contenida en el momento ssmico escalar Mo (t)
Figura 2. Esquena de representacin de la Funcin temporal
y en la funcin u (t). Estas funciones representan compleja.
la relajacin del momento ssmico escalar en el
tiempo y la evolucin de la dislocacin en el tiempo
a lo largo del proceso de fractura respectivamente. 2.2 Anlisis de Eventos Mltiples
Ambas funciones se suelen denominar funciones
El mtodo de anlisis de los procesos de ruptura
temporales de la fuente ssmica (STF).
de los sismos profundos a partir de las formas de onda
Una representacin ms realista y muy utilizada, de los registros ssmicos, fue propuesto por Fukao
consiste en una funcin para la cual la velocidad de en la dcada de los 70. La idea propone analizar las
la dislocacin aumenta linealmente desde cero hasta formas de onda del grupo P, libre de fases reflejadas
un valor mximo, decreciendo hasta cero tras un y refractadas, e identificar la ocurrencia de eventos
tiempo t llamado tiempo de formacin. Este tiempo mltiples. El mtodo permite localizar los subeventos,
sera necesario para que una sola partcula de la estimar su tiempo de origen, la velocidad aparente
fractura alcance su desplazamiento final. Tal es el de ruptura y las caractersticas de los mecanismos
caso de la funcin triangular (Figura 1 a) y la funcin de la falla. Deben utilizarse registros a distancias
trapezoidal (Figura 2 b), siendo la duracin en esta telesismicas. En este caso, los registros utilizados
ltima mayor. son de la red mundial de estaciones ssmicas, por lo
tanto, constituye una base de datos homognea. En
Para representar fuentes complejas se pueden este caso son de la red mundial.
considerar varios tringulos de diferentes alturas que
se solapan en t/2 como se muestran en la Figura En general, los terremotos profundos con
2, de manera que se puede representar una mayor magnitudes mayores a los 6.5 Mw presentan
o menor liberacin de energa en cada instante o procesos de ruptura compleja, esto quiere decir que
incluso paradas en el proceso de ruptura. Pero en liberan la energa de forma aleatoria en diversos
cualquier caso, se tendra la historia temporal del puntos del plano de la falla en la fuente ssmica que
desplazamiento de una sola partcula del plano de lo genera. Por lo tanto, cada punto de liberacin de
falla. la energa, es el inicio o fin entre dos segmentos de
44
distancias telessmicas
IGP
dislocacin, esta informacin se manifiesta en las

fases de los trenes de la onda P.
Asumiendo, se puede construir el proceso de

ruptura en la fuente en base a la llegada de las
ondas P en diferentes puntos considerando el patrn
de propagacin de la onda, los ngulos de salida en
la fuente y tiempos de llegada a cada estacin. Esta
metodologa fue aplicado por Fukao en la dcada
de los 70s, para los eventos profundos ocurridos en
Japn y Colombia. El mtodo asume que existe una
distancia L entre dos subeventos y dentro de stas
hay una diferencia de tiempo . Para determinar el
tiempo de origen ( ) se plantea la siguiente
solucin:
Donde: j = 1, 2, 3,...; n = 2, 3 Figura 3. Esquema de representacin y su orientacin en la

fuente ssmica, para determinar los subeventos entre (o1) y
segundo evento (on) que estn separadas por una distancia L.
De la Figura 3, las variables de , se define
como:
Donde: diferencia de tiempo de arribo

del primer y segundo evento a n-estaciones (jn-
estaciones); tiempo de arribo del primer evento
Reemplazando el valor de en la ecuacin
(1) se tiene lo siguiente: (primer ruptura); tiempo de arribo del segundo
evento(segunda ruptura), L, distancia de separacin
entre los evento; Vp velocidad de la onda P;
ngulo de relacin entre eventos de la fuente y la
Para una solucin se hace el cambio de variables relacin del rayo de propagacin a n-estaciones;
de la siguiente manera. azimut del segundo evento con relacin del primer
evento; ngulo del vertical del segundo evento
en relacin al primero; idj ngulo de incidencia del
rayo ssmico; Azj azimut en cada estacin.
2.3. Procedimiento
Al final las races se obtienen mediante

un algoritmo en base a ajuste lineal (mtodos
numricos):
Figura 4: Mapa de ubicacin de estaciones ssmicas para el

evento, las estaciones seleccionadas (tringulos), estn entre
los rangos de 30 y 90, como se puede observarse.
45
En general, el procedimiento seguido para Tabla N 1. Tiempos de llegada de los subeventos de cada
estimar la propagacin del proceso complejo de estacin ssmica. Donde se aprecia los valores de estacin
ruptura del sismo de Argentina es: fuente, ngulo de incidencia respecto a estacin fuente y la
diferencia de tiempo entre E1,E2 y E3.
Se seleccion un total de 24 estaciones de la red
ssmica mundial ubicadas a distancias entre 30-90.
Se considera el registro del evento en la componente
Figura 5. Registros del evento ocurrido en Argentina el 01 de

enero de 2011, en la estacin de PAB (Espaa), a) identificacin
de la onda P en el registro de componente vertical b)
identificacin del grupo de la onda P en velocidad c) integracin
de la seal a desplazamiento con el fin de identificar los pulsos.
En este caso para el anlisis se ha invertido la seal.
vertical. Se selecciona el grupo de la onda P y se

procede a integrar la data a fin de obtener el registro
en desplazamiento. En la Figura 5 se muestra como
ejemplo el registro para la estacin PAB.
Figura 7: solucin obtenida para determinar la distribucin

espacial de rupturas en la fuente.
el registro de impulsos similares que permita

cuantificar la ocurrencia eventos mltiples.
Luego se procede a realizar la lectura de

Figura 6: Correlacin de los registros en desplazamiento los tiempos de arribo de los subeventos a cada
identificando los eventos E0 y E2.
estacin. Ver la Tabla 1.
Las formas de la onda fueron correlacionadas Los diferentes tiempos obtenidos de cada estacin
de acuerdo al azimut epicentro-estacin y son parmetros de entrada de la ecuacin (1) y cuya
distancia epicentral, a fin de identificar en todos, solucin permite aproximar la variacin del ngulo
46
distancias telessmicas
IGP
presento un complejo proceso de ruptura que duro

del epicentro con respecto a cada estacin. aproximadamente 11 segundos, tiempo en la cual se
Esta aproximacin sigue un funcin de la forma, han producido tres rupturas aleatorias, la duracin
de cada ruptura fue de 1,79; 3,24 y 4,71 seg,
, donde la interseccin de los estando el primer evento con respecto al segundo a
valores calculados representa la 2,15 km a una direccin de 28N, el segundo evento
solucin a la ecuacin. Los datos de entrada estn est a 9,35 km del primer evento y a una direccin
en la Tabla 1. de 2,8N y finalmente el tercer evento esta a una
distancia de 7.50 km del segundo evento y se ubica
La solucin de la ecuacin 1, para el evento a 224,3SW; observando el mecanismo focal que
de Argentina se muestra en la Figura 7, obtenida presento, los resultados obtenidos son coherentes
mediante el mtodo numrico de mnimos a la direccin del slip del mecanismo focal.
cuadrados, para ajustar la relacin de y el

5. Agradecimientos.
. La solucin permite conocer la direccin
de propagacin de ruptura, adems de otros valores, Al Instituto Geofsico del Per por
como el azimut, el tiempo de duracin en la fuente y otorgarme una Beca. A mi asesor al Dr.
la razn de propagacin de la ruptura. Hernando Tavera por su asesora y apoyo.
3. Resultados 6. Bibliografa
Fukao, Y. (1972). Focal Process of a deep focus
La aplicacin de la metodologa propuesta por
Earthquakes as Deduced from Long P and S Waves/
Fukao (1978) ha permitido llegar a los siguientes
Earthquakes Research Institute.vol12, 30-45.
resultados para el sismo de Argentina:
Green, H. & Burnley, P. (1989). Mechanism for Deep-
focus Earthquakes. Nature 341, 733-756.
Griggs, D. & W. Baker,(1969). The origin of deep-
focus earthquakes, in Properties of Matter Under
Unusual Conditions, pp. 2342, John Wiley, New
York.
Kanamori, H, & D. L. Anderson, (1998). Frictional
melting during the rupture of the 1994 Bolivian
earthquake, Science, 279, 839842.
Houston, H. (1994). Deep Earthquakes shake up
debate. Geophysics. Nature vol. 372.
Kanamori, H. & Brodsky, E. (2004). The Physics of
Figura 8. Representacin de la distribucin espacial de la Earthquakes, Seismological Laboratory, California
ruptura compleja en el plano de la falla, para evento de 01 Institute of Technology, Pasadena USA/Rep.Prog.
de enero de 2011, se representa el mecanismo focal de tipo Phys.67,1-67..
normal. Adems se aprecia el registro que corresponde a la
estacin PAB (Espaa), donde se observa la presencia de Kikuchi, M. & Kanamori, H.(1994). The mechanism
tres pulsos (E0, E1,E2) of the deep Bolivia earthquake of June 9, 1994.
Geophysics. Res. Left., 21, 2341-2344.
Se han identificado la ocurrencia de tres rupturas
(E1, E2 y E3), tal como se aprecia en la Figura 7. Kirby, H. & Durham, W. (1991). Mantle phase
changes and deep-earthquake faulting in subducting
La distancia entre los tres sub-eventos son de lithosphere, Science, 252: 21 6-225.
2,15 km, 9,35 km y 7,50 km y con una direccin Karato, S. & M. Riedel, (1970). Rheological structure
de propagacin de 28N, 2,8NE y 224,3SW and deformatio of subducted slabs in the mantle
respectivamente. transition zone: Implications for mantle circulation
and deep earthquakes, Phys. Earth Planet. Inter.,127,
De acuerdo a los tiempos de duracin de 83108.
la ruptura, las velocidades de ruptura para los
Molnar, P. & Freedman, D.(1979). Lengths
subeventos son de 1,2 km/s, 3,24 km/seg y 1,59 of intermediate and deep seismic zones and
km/seg; es decir equivalentes al 24%, 64% y 35% temperatures in down going slabs of lithosphere.
de la velocidad de la onda S. Geophys. J. R.,Astro. Soc. 56, 41-54.
4. Discusin y Conclusiones Tavera H, & Manrique, M.(2003). Anlisis de

mecanismo del sismo de foco profundo del 20 de
El terremoto de Argentina del 1 de enero del 2011, junio de 2003 (Limite-Brasil). Boletn de la Sociedad
geolgica del Per v. 96 (2003) P.87-94.5.1.
47
CARACTERIZACIN DE EVENTOS DE TEMPERATURA MNIMA

EXTREMA EN EL PER
CHARACTERIZATION OF EXTREME MINIMUN TEMPERATURE

EVENTS IN PER
Sofa Marisol Endara Huanca

Universidad Nacional Mayor de San Marcos
Facultad de Ciencias Fsicas
sofiendara84@gmail.com
Asesor: Jhan Carlo Espinoza, Ph D.
rea de Variabilidad y Cambio Climtico
Resumen Abstract
El presente documento sintetiza los resultados This paper summarizes preliminary results of a
preliminares de un trabajo de investigacin que research that aims to characterize the extreme
tiene como objetivo, caracterizar los eventos de temperature events in terms of their intensity,
temperatura extrema en trminos de su intensidad, spatial and temporal evolution in Peru. The
evolucin espacial y temporal en la sierra y selva temperature data used corresponds to in-situ
del Per. La informacin de temperatura utilizada stations within the network of meteorological
corresponde a estaciones in-situ pertenecientes stations CORPAC-Peru. Initially used different
a la red de estaciones meteorolgicas CORPAC- statistical methods with finally to document the
Per. Inicialmente se utilizaron diversos mtodos seasonal variability of temperature extremes in
estadsticos con la finalidad de documentar the study regions. In itself, seasonal indices were
la variabilidad estacional de las temperaturas determined temperature in order to identify spatial
extremas en las regiones de estudio. Asimismo, se dependencies of regions of similar seasonal
determinaron ndices estacionales de temperatura behavior using the method Hierarchical Ascendant
con el propsito de identificar dependencias Classification (HAC). A scale was analyzed annual
espaciales de regiones de comportamiento cumulative frequency distribution of the series of
estacional semejante utilizando el mtodo de minimum temperature for June, July and August
Clasificacin Ascendente Jerrquica (CAH). A (JJA) for all seasons, with the purpose of making
una escala interanual se analiz la distribucin de histograms representing the number of events
frecuencias acumuladas de la serie de temperatura
mnima correspondiente a junio, julio y agosto,
para todas las estaciones, con el propsito de
identificar eventos extremos cuya temperatura
Endara H.S.y J.C. Espinoza, 2012. Caracterizacin de eventos de temperatura minima extrema en el Per. Compendio de trabajos de
investigacin realizado por estudiantes durante el ao 2011.Vol. 13, IGP.
48
Caracterizacin de eventos de temperatura mnima extrema en el Per IGP
mnima es menor al percentil 10. Posteriormente under the percentile temperature 10. Finally, we
se realizaron histogramas que representen el analyzed the frequency distributions of annual
nmero de eventos de temperatura extrema en extreme temperature events at weather stations
cada ao (1973-2010). Finalmente, se analiz la worked.
relacin de las frecuencias de los eventos extremos
de temperatura en las estaciones meteorolgicas
Keywords: Temperature extreme events,
trabajadas.
minimum temperature, triajes.
Palabras clave: Eventos extremos, temperatura

mnima, friajes.
1. INTRODUCCIN Se realiz el control de calidad de datos,

temperatura mnima diaria (Tmin), utilizando el
En el Per, trabajos precedentes han realizado mtodo de diagrama de caja, con el fin de visualizar
diversos estudios relacionados a los eventos fros los posibles datos errneos o outliers. Este anlisis
basados en caso de estudio, por ejemplo, en se tuvo que hacer con mucho cuidado, ya que, se
julio 1975, Marengo (1983), encontr en la zona podra confundir un outliers con un valor extremo.
de Jenaro herrera (439S, 7330W), se encontr Los valores de Tmin que sobrepasan el lmite de tres
vientos fuertes del sur, descenso de humedad, veces la desviacin estndar, fueron considerados
incremento de presin, variacin de nubosidad y como valores errneos.
temperaturas mnimas de hasta 11,4C. Quispe
(2006), en la zona de Puerto Maldonado, encontr Para visualizar con claridad el nmero de datos
que los periodos prolongados de eventos de ola de existentes, y su distribucin espacial, se realiz un
fro estaran asociados a patrones interdecadales, y mapa de las estaciones y su porcentaje del nmero
los periodos de retorno de eventos moderados de de datos, mostradas en la Figura 1.
olas de fro indican oscilaciones de 4-6 aos. En el
ao 2000 se han registrado diez casos de friajes,
de los cuales 4 ocurrieron en el mes de julio, siendo
Tabla 1. Nombre, cdigo, ubicacin geogrfica y porcentaje
los ms intensos los registrados durante los das datos existente (periodo 1973-2010)
11 al 18, pues en la estacin de Puerto Maldonado
se registr una temperatura mnima de 8,3C el da
12 (su temperatura mnima normal flucta entre 19
a 21C) (Flores, 2001). Dado estos antecedentes,
es necesario analizar los mecanismos fsicos y las
caractersticas sistemticas de la ocurrencia de
estos eventos extremos de temperatura y as como,
analizar las variables que influyen en la intensidad y
frecuencia de estos eventos.
El objetivo de este trabajo es caracterizar los

eventos de temperatura mnima en el Per, de
manera sistemtica para el periodo (1973-2010),
en trminos de su intensidad, evolucin espacial y
temporal.
2. Datos
Para alcanzar los objetivos de ste trabajo, es
necesario contar con una base de datos consistente
y con un registro histrico de datos ms extenso
posible en el tiempo. Se utiliz la informacin de
temperatura mnima diaria de la Corporacin Peruana
de Aeropuertos y Aviacin Comercial (CORPAC)
(Tabla 1). Estos datos se encuentra disponible en
internet y es de acceso pblico (ftp://ftp.ncdc.noaa.
gov/pub/data/gsod/).
49
La Figura 1, muestra la distribucin de estaciones cuenta el peso de la magnitud de la temperatura

meteorolgicas y el porcentaje de datos de cada mnima de cada estacin. El indice de temperatura
estacin para el periodo 1973-2010. Se tiene la se estim de la siguiente manera;
informacin meteorolgica de 24 estaciones, los
IT = (Ti -TM ) / TM (1)
Donde :
Ti ; temperatura mnima mensual i= 1-12.
TM ; temperatura mnima promedio de la estacin.
IT ; Indice de temperatura estacional (cada

estacin consta de un vector IT de 12 componentes).
Con la finalidad de presentar las series de Tmin de

una manera ordenada y que facilite la comprensin
e interpretacin de los eventos extremos, se realiz
el anlisis de las curvas de distribucin de frecuencia
acumulada (DFA), para todos los valores del periodo
de junio, julio y agosto (JJA) en las 24 estaciones
analizadas.
Para caracterizar la variabilidad interanual de

los eventos extremos de temperatura, se estim el
nmero de eventos de temperatura mnima menores
e iguales al percentil 10 (P10), esto se realiz para
cada una de las 24 estaciones analizadas.
La variabilidad interanual es analizada mediante

el coeficiente de variacin CV (es una medida de la
Figura 1. Distribucin espacial de las estaciones de temperatura. dispersin relativa, que se define como la desviacin
La cantidad de datos diarios de temperatura mnima est estndar dividido por la media aritmtica), para
expresada en porcentajes en funcin al periodo 1973-2010. las series de temperatura mnima de todas las
estaciones.
crculos ms grandes corresponden a porcentajes
altos de nmero de datos presentes (90 % a 100 Para conocer el comportamiento, del nmero de
%) y estos a su vez se encuentran bien distribuidos eventos extremos y analizar, si existe relacin entre
espacialmente (Tabla 1). Mientras los crculos las series de eventos extremos de las estaciones, se
pequeos muestran estaciones que tienen menor aplic el mtodo de matriz correlacin de Pearson
nmero de porcentaje de datos presentes (20% a a las series de nmero de eventos extremos. Para
30%) (Tabla 1). validar estas correlaciones lineales se utiliz un
criterio de niveles de significancia de p 0,01 y p
0,05.
3. Metodologa
Con el objetivo de analizar la evolucin espacial y
Con el propsito de obtener grupos de estaciones
temporal de los friajes en la selva peruana, se realiz
con semejante comportamiento estacional de
un anlisis de composiciones. Para este anlisis se
Tmin durante un ao tpico, se elabor la curva de
consider el da cero (D+0) como el primer da en
ciclo estacional de las series de datos. Se aplic
que la temperatura mnima desciende por debajo del
el mtodo de Clasificacin Ascendente Jerrjica
percentil 10 en la estacin de Puerto Maldonado, al
(CAH), que consiste en clasificar individuos que
sur del Per. Luego se calcularon las temperaturas
tienen un comportamiento similar sobre un conjunto
mnimas promedio para todas las estaciones de la
de variables, en principio el mtodo, crea una
Amazona Peruana durante los das D-5, D-4, D-3,
particin agregando los elementos (individuos) 2 a
hasta el da D+5.
2 ms prximos, lo cual, hace mediante distancias
euclidianas (Jain y Dubes,1988; Espinoza, et al.
2011). Antes de aplicar este mtodo fue necesario
crear un ndice de temperatura mnima que
represente laa variaciones mensual, sin tomar en
50
4. Resultados
4.1 Variabilidad estacional de
temperaturas mnimas
Luego de aplicar el mtodo CAH al indice

estacional de temperatura mnima promedio de cada
mes, se obtuvo 5 grupos o clases de estaciones
segn su ciclo estacional (Tabla 2).
Tabla 2. Grupos de estaciones, clasificadas segn su ciclo

estacional, luego de aplicar el mtodo CAH.
(c)
(d)
(a)
(e)
Figura 2. Curvas de indice estacional agrupadas, luego de
aplicar el mtodo CAH. Eje x, el tiempo (meses del ao) y en
el eje y la temperatura en C.
En la Figura 2, muestra las curvas de indice

estacional de temperatura agrupadas segn su ciclo
estacional, en el Grupo 1 (en su mayoria de estaciones
de la cuenca amaznica) el indice de temperatura
(b) oscila entre 0,15 y -0,3 esto nos indica que las
temperaturas promedios a lo largo de todo el ao
51
varian gradualmente en dichas estaciones (Figura

2.a, Tabla 2). Las estaciones del Grupo 2 (regiones Tabla 3. Caracterizacin de eventos de temperatura mnima
costeras del Per) presentan mayor similitud en el extrema en Andahuaylas vs Iquitos (JJA), Me, representa el valor
medio y T representa la diferencia entre el P10 y P90.
comportamiento estacional de temperatura, el indice
estacional varia entre 0,2 y -0,15, tambien se observa
que la temperatura mnima promedio se encuentra
entre agosto y setiembre mientras en los otros grupos
se d en el mes de julio (Figura 2.b, Tabla 2). Existe
una mayor variacin del comportamiento estacional
de temperatura en el Grupo 3. El indice estacional
de temperatura vara de 0,3 a -0,3 (Figura 2c). Estas
estaciones estn ubicadas en la sierra y costa sur del
Per (Tabla 2). En la Figura 2.d, se muestra la curva
de indice estacional de Andahuaylas y Cuzco (Grupo temperatura de T=14C, mientras en Iquitos las
4) que tienen un comportamiento muy similar de ciclo observaciones de temperatura varan poco T=3
estacional entre s. En el grupo 4 el indice oscila C, este intervalo de temperatura corresponde a la
entre 1,5 y -1,2. Juliaca es la estacin del Grupo 5. diferencias de P90 y P10 (Tabla 3).
Esta estacin no se agrup con niguna estacin, ya
que tiene un rango de indice estacional de 4,5 y 6 4.3 Evolucin interanual de los
(Figura 2e). eventos de Temperatura extrema
4.2 Distribucin de frecuencia La Figura 4, muestra histogramas

acumulada de la serie de Temperatura
mnima
Para ejemplificar la distribucin de la variable de

Tmin, la Fig. 3 muestra la DFA de Andahuaylas e
Iquitos para el periodo JJA. Las curvas de DFA se
(a)
Figura 3. Curva de DFA para Andahuaylas (azl) e Iquitos

(verde). En el eje x,se presenta la temperatura en C y en
el eje y presenta el porcentaje acumulado. (serie de Tmin
correspondiente a los meses de JJA).
efectuaron para todas las estaciones y permitieron

obtener el nmero de observaciones menores al
percentil 10 (lnea en la Figura 3).
Andahuaylas presenta un P10 de -5 C y su (b)

curva de DFA es ms convexa en comparacin con Figura 4. Grafica que muestra el nmero de das presentes
Iquitos que presenta un valor de P10 de 19 C de la entre JJA (barra azul) y el nmero de das menores e iguales al
serie de Tmin de JJA (Tabla 3). Esto nos indica que P10 (barra roja). Estacin de Iquitos arriba y bajo se muestra la
la distribucin de los datos de temperatura mnima estacin de Puerto Maldonado.
en Andahuaylas tienden a variar con un intervalo de
52
correspondientes a la regin amaznica del Per,

las barras azules muestran el nmero de das para
el periodo JJA de cada ao, mientras que las barras
rojas representan los das de Tmin extrema, cuyos
valores son inferiores al P10.
Se observa que, Iquitos presenta una mejor

continuidad de datos de la serie de Temperatura
mnima (JJA), en comparacin con Puerto Maldonado
que existe una disminucin de datos a partir del ao
1999, a excepcin de los aos 2006, 2007 y 2008
que se encuentra completos.
En 1982 en Iquitos no se produjo ningn evento,

mientras que en Puerto Maldonado en ese mismo
Figura 5. Coeficiente de variacin de las series de Temperatura
mnima (JJA).
ao se produjeron alrededor de 8 eventos extremos,
que resulta tambin menos del normal. En cambio,
en 1988 se observan 20 das fros extremos en 0,63CV2, esto demuestra que la Tmin tiene ms
Iquitos y 22 en Puerto Maldonado, lo que resulta la variabilidad a lo largo del tiempo en dichas regiones.
frecuencia ms elevada de eventos extremos (Figura Un caso particular Ocurre con Andahuaylas que
4, Tabla 4). tiene un CV de 14,31, esto quiere decir que en
Andahuaylas, la temperatura puede tomar valores
4.4 Variabilidad interanual de altos como bajos, su TMIN es de -10C y TMAX es
Temperatura mnima de 13C, y vara entre un intervalo de 23C.
Luego de realizar histogramas que muestren el 4.5 Asociacin espacial de la

nmero de eventos extremos por ao en la regin variabilidad interanual
de estudio, se procedi ha estimar el coeficiente de
variabilidad interanual de las series de temperatura La Tabla 4 muestra los coeficientes de correlacin
mnima (Figura 5) para las estaciones trabajadas. de Pearson (r) calculados entre la frecuencia
interanual de los eventos extremos
La Figura 5 muestra que, Juliaca presenta un CV
negativo de -1,09; esto es debido a que la temperatura de las estaciones correspondiente al Grupo 1
mnima promedio en Juliaca es -3,7 C; si tomamos (Tabla 2), ya que estos se encuentra agrupados por
el valor absoluto del CV de Juliaca se obtiene 1,09, su semejanza en su ciclo estacional.
esto representa que la Tmin en esta regin vara
considerablemente. En las regiones pertenecientes a En la tabla 4 se muestra la variabilidad interanual
la coste y selva peruana, el CV es menor (alrededor de eventos de temperatura mnima extrema entre las
de 0CV0,40) esto quiere decir que los valores de distintas estaciones meteorolgicas pertenecientes
la temperatura mnima no vara considerablemente al Grupo 1 (ver tabla 2). Las correlaciones en
de un ao al otro. En las estaciones pertenecientes a negritas, tiene un nivel de significancia de 0,05
la sierra del Per como Huaraz, Cajamarca y Cuzco (P0,05), mientras que, las correlaciones negritas
presentan un coeficiente de variacin mayor entre y cursivas tiene un nivel de significancia de 0,01
Tabla 4. Asociacin espacial de la variabilidad interanual del nmero de eventos extremos de temperatura
correspondiente al Grupo 1, en negrita valores con significancia p0,05 y negritas cursivas p0,01.
53
(P0,01). Esta prueba de significancia valida las 5. Discusin

correlaciones lineales que existen entre las distintas
estaciones. Existe una gran diversidad de temperaturas
mnimas en el territorio peruano, las mayores
Si analizamos, la correlacin lineal entre Iquitos temperaturas se encuentran en la selva baja del
y Puerto Maldonado (IQUI vs PUMA) se tiene una Per. Mientras que, las menores temperaturas se
correlacin de 0,51, esto quiere decir que estas 2 registran en las zonas altoandinas, principalmente
estaciones no estn fuertemente correlacionadas en el Altiplano. Estas pueden variar de una Tmin
o existe una dbil dependencia entre ellas, aunque de 9C en Iquitos y Tmin de -10 para Juliaca.
es significativa al P0,01. Mientras Moyobamba y Dada esta diversidad un estudio de los eventos de
Yurimaguas tiene un coeficiente de correlacin alto temperatura extrema en el Per, es fundamental.
de 0,85 con un nivel significancia de P0,01. Otro Los coeficientes de variabilidad interanual de las
coeficiente de correlacin alto se encuentra entre series de temperatura mnima interanual, nos
Hunuco y Chachapoyas con un coeficiente de sugieren, que en las regiones correspondientes
correlacin de 0,83 y P0,01 a la costa y selva del Per, son ms homogneas
o tienen un coeficiente de variacin pequeo
El D+0, corresponde al da donde empez 0CV0,40 (Fig. 5). Mientras, en la sierra peruana
el evento fro en Puerto Maldonado, con una en su mayora tiene un coeficiente de variabilidad
anomala promedio de -6 C, al siguiente da D+1, alto mayor de CV 0,3. Esto quiere decir, que en
la temperatura es mnima en Pucallpa con una las regiones de la selva del Per la frecuencia de
anomala de -2,5 C. Entre el D+1 y D+2 se produce que se produzca un evento de temperatura extrema
el evento de temperatura mnima extrema en las es homognea interanualmente. Mientras que en la
dems regiones, como Iquitos, Juanjui y Yurimaguas sierra la frecuencia de que se produzca un evento
con anomalas de -1,5 C a 1 C aproximadamente. extremo de temperatura vara interanualmente.
Estos resultados muestran que las incursiones del
aire fro toman en promedio 2 das en propagarse Asimismo, las correlaciones lineales nos indican
desde el sur (Puerto Maldonado) hasta el norte de la el grado de dependencia entre el nmero de eventos
selva peruana (Iquitos). extremos de temperatura mnima de una estacin
a otra. Una fuerte dependencia se encontr entre
4.6 Anlisis de composicin de los Moyobamba y Yurimaguas que tienen un coeficiente
de correlacin alto de 0,85 con un nivel significancia
de P0,01.
6. Conclusiones
El mtodo de CAH, clasific las estaciones segn
su ciclo estacional, encontrando 5 clases o grupos
de estaciones (Tabla 2), esto fue de gran ayuda
para conocer la variabilidad de la temperatura en las
diferentes regiones del Per.
Las observaciones de temperatura mnima se

produjeron con mayor uniformidad interanualmente
en Iquitos, Puerto Maldonado Pucallpa, etc (regiones
de la selva peruana). Estas estaciones presentan
Figura 5. Anlisis de composiciones de la selva sur del Per. En coeficientes de variabilidad menores alrededor de
el eje x se muestra los das de friaje, en el eje y la anomala 0CV0,27. Mientras que los valores de Tmin en
de temperatura. las regiones de la sierra sur del Per se producen
con mayor variabilidad a largo del periodo de tiempo
eventos extremos analizado, presentando valores de 0,75CV1.
La Figura 1 muestra el resultado de este anlisis En el ao 1988 se produjo un gran nmero de

de composiciones para 5 estaciones meteorolgicas eventos extremos (aprox. 20) en los departamentos
de la selva peruana. La grfica representa la de Iquitos y Puerto Maldonado. Mientras que en
evolucin temporal de los eventos de temperatura 1982 no se encontr ningn evento de temperatura
mnima extrema (desde D-5 hasta D+5) vs. la extrema.
anomala de temperatura.
El anlisis de composiciones del friaje en selva
sur del Per, muestra que la incursin de vientos
54
fros viajan de sur a norte en la selva peruana, Flores, S. (2001). Anlisis de los Friajes en la
recorriendo 1079,9 km (distancia entre Puerto Amazona peruana durante el mes de julio del 2000.
Maldonado e Iquitos) en 2 das (del D+0 al D+2), lo Compendio de trabajos de investigacin realizados
cual corresponde a una velocidad de desplazamiento por estudiantes durante el ao 2000: prcticas pre-
de 6,25 m/s. profesionales. Instituto Geofsico del Per, 2, 21-30
Este trabajo muestra un primer estudio de la IPCC (2001) Glosario de trminos utilizados en el
caracterizacin de los eventos temperatura mnima Tercer Informe de Evaluacin del IPCC.
extremos en el Per, ya que el conocimiento de este
fenmeno brindar mejores herramientas para tener Marengo, JA. (1983). Estudio agroclimtico en
perspectivas de pronstico de eventos extremos de la zona de Jenaro Herrera (Requena - Loreto) y
temperatura y previsin de los impactos sufridos por climtico en la selva baja norte del Per. Universidad
la poblacin principalmente en la Selva Sur y en los Agraria La Molina. Tesis para optar el ttulo de
Andes Ingeniero meteorlogo, 380pp.
7. Trabajo futuro Quispe N. (2006). Caracterizacin de eventos fros

en la selva sur del Per. Boletn de Lima. http://
Estudiar aquellos casos en el cual estos eventos ibcperu.org/doc/isis/12869.pdf.
extremos de Temperatura son relevantes (estudios
de caso). Esto ser posible utilizando los das cero
del anlisis de composiciones.
Aplicar las Tcnicas de sensoramiento remoto,

se utilizarn datos de imgenes satlitales del
parmetro de LST (temperatura superficial del
suelo), para analizar casos relevantes de eventos
de temperatura extrema (estudios de caso). Los
productos ha utilizar son imagenes del sensor MODIS
del satlite TERRA, perteneciente a la NOAA, con
el fin de analizar sus aportes en el estudios de los
eventos extremos de temperatura.
8. Agradecimientos
facilidades para desarrollar mi tema de tesis.
Al Dr. Jhan Carlo Espinoza y a la Dra. Yamina

Silva, por estar a cargo de mi capacitacin y
asesoramiento con respecto a mi tema de Tesis.
Y a todo el personal del rea de clima del IGP,

quienes han tenido amabilidad de responder a mis
preguntas.
9. Bibliografa
Espinoza J.(2011) Clasificacin Ascendente
Jerrquica, notas de clase.
Norte F. A. (2007). Anlisis de una ola de calor

extrema en la Regin subtropical de Amrica del sur.
Revista Brasilera de Meteorologa, v.22, n.3, 373-
386.
Fernndez F.G. Manual de Climatologa Aplicada,

Editorial, SINTESIS, S. A. Vallehermoso, 34. 28015,
Madrid.
55
ESTIMACIN DEL RIESGO DE LA POBLACIN INFANTIL DE
LORETO DEBIDO A CAMBIOS BRUSCOS EN LA TEMPERATURA
DEL AIRE
RISK ESTIMATION OF THE LORETOS CHILD POPULATION DUE

TO SUDDEN CHANGES IN AIR TEMPERATURE
Jos Eduardo Vsquez Alzamora

Pontificia Universidad Catlica del Per
Facultad de Letras y Ciencias Humanas
Especialidad de Geografa y Medio Ambiente
jos.vsquez@pucp.pe
Asesor: Yamina Silva Vidal, Ph D.
rea de de Variabilidad y Cambio Climtico
Resumen Abstract
El presente trabajo tiene como objetivo estimar The objective of this study is to estimate the risk
el riesgo de la poblacin infantil menor a 5 of the child population of less than 5 years in 7
aos de 7 distritos de la provincia de Maynas, districts of the province of Maynas (Loreto region),
(regin Loreto), en Iquitos, Beln, Punchana, which are Iquitos, Beln, Punchana, San Juan
San Juan Bautista, Indiana, Mazn y Napo, Bautista, Indiana, Mazn y Napo, due to sudden
ante los cambios bruscos de la temperatura del changes in air temperature, phenomenon known
aire, fenmeno conocido como friaje, que puede as friaje, that can rise to acute respiratory deseases
llevar al aumento de los casos de Infecciones (ARI). The research is divided into two parts: the
respiratorias agudas (IRA). La investigacin se first one, which is about the identification and
divide en dos partes: la primera, que consiste en characterization of the hazard ( friaje) and the
la identificacin y caracterizacin de la amenaza second one,is characterization the populations
(que viene a ser el friaje) y la segunda, donde se vulnerability is analyzed from a social and
analiza la vulnerabilidad de la poblacin desde el health point of view. The results obtained so far
punto de vista social y sanitario. Los resultados show us that there is no strong relation between
obtenidos hasta el momento nos muestran que temperature variables and the morbidity behavior
no existe una relacin fuerte entre la variable of the respiratory diseases. We found that the
temperatura y el comportamiento de la morbilidad vulnerability in the rural districts (Indiana, Napo
de las enfermedades respiratorias. Asimismo, and Mazn) present more lack of basic services
tenemos que para el caso de la vulnerabilidad, and other elements related to standard of living of
Vsquez A. J. y Y. Silva, 2012. Estimacin del riesgo de la poblacin infantil de Loreto debido a cambios bruscos en la tempratura del aire.
Compendio de trabajos de investigacin realizado por estudiantes durante el ao 2011.Vol 13, IGP.
56
Estimacin del riesgo de la poblacin infantil de Loreto debido a cambios bruscos
en la temperatura del aire
IGP
los distritos ms rurales (Indiana, Napo y Mazn) the population, aspects that could influence in the
presentan mayores falencias en cuanto a los incidence of ARIs and other respiratory diseases.
servicios bsicos y otros elementos relacionados
a la calidad de vida de la poblacin, aspectos que
Keywords: ARI, friaje, child population, risk,
pueden influir en la incidencia de IRAs y otras
vulnerability, Loreto.
enfermedades respiratorias.
Palabras clave: IRA, friaje, selva, poblacin

infantil, riesgo, vulnerabilidad, Loreto.
1. INTRODUCCIN El rea de estudio se encuentra en la regin

Loreto y lo constituye siete distritos de la provincia
La selva peruana se caracteriza por tener de Maynas, que son Iquitos, Beln, Punchana, San
temperaturas clidas durante todo el ao. No Juan Bautista, Indiana, Mazn y Napo y podemos
obstante, existen breves periodos de tiempo en los apreciar en la Figura 1.
cuales la temperatura cae abruptamente y estos
descensos de temperatura pueden ser de hasta
15C. Este fenmeno es conocido regionalmente
como friaje, que es bsicamente la incursin de una
masa de aire fro proveniente de las zonas polares
(Quispe, 2003).
Las infecciones respiratorias agudas (IRA) son

afecciones que se presentan en el tracto respiratorio
y que por lo general afectan ms a los nios
menores de 5 aos, siendo ste el grupo etreo
ms vulnerable, OMS). Existen diferentes tipos de
IRA, entre los que encontramos neumonas, SOB
(sndrome de obstruccin bronquial, entre los que
se encuentra el asma) y otros de menor gravedad
(gripe, amigdalitis, etc.).
Existen estudios previos donde se analiza la

relacin existente entre variables meteorolgicas
los casos de IRA. Aguinaga et. al (2003) analizaron
la relacin entre las variables meteorolgicas y el
nmero de casos de IRA en la provincia del Callao
para el ao 2001, encontrndose una fuerte relacin
entre ambas variables.
Es en este punto donde entra el concepto de riesgo,

el cual, segn el Instituto Nacional de Defensa Civil
(INDECI, 2006) y el Ministerio de Salud (2011) es la
Figura 1: Mapa de ubicacin del rea de estudio.
probabilidad de ocurrencia de efectos perjudiciales o
prdidas esperadas (material y/o humana) resultado
de las interacciones de las amenazas naturales y
las condiciones de vulnerabilidad. En tal sentido,
3 Datos
la amenaza es la probabilidad de ocurrencia de Los datos con los que se ha trabajado para
un fenmeno natural potencialmente daino, que el presente estudio son de tres tipos: datos
puede afectar a determinada poblacin humana, y meteorolgicos, datos provenientes de los puestos
la vulnerabilidad se refiere al grado de exposicin de salud con informacin de la morbilidad de IRAs,
de una poblacin frente a la ocurrencia de alguna neumonas y SOB, y datos de carcter social que se
amenaza. dispone a nivel distrital.
2. Zona de estudio Los datos meteorolgicos corresponden al

periodo comprendido entre los aos 2000 y 2010,
57
y son valores diarios de la temperatura mxima, mnima, rango trmico diario, precipitacin y humedad
temperatura mnima, precipitacin y humedad relativa, y tambin valores mximos y/o mnimos
relativa. Las estaciones de las que se obtuvo esta de algunas de las variables mencionadas. Una vez
informacin se especifican en la Tabla 1. hallados estos valores, se construyen grficos y se
Tabla 2. Relacin de estaciones meteorolgicas.
Los datos de morbilidad de IRAs, neumonas calculan los coeficientes de correlacin de Pearson
y SOB fueron recopilados y compliados de los entre las diferentes variables meteorolgicas (por
diferentes puestos de salud presentes en los distritos estacin) y las variables de morbilidad de IRAs,
que forman parte de nuestra zona de estudio, neumonas y SOB. Posteriormente se pretende
los cuales se obtuvo a nivel semanal (segn el cuantificar esta amenaza (los friajes) a nivel distrital.
calendario epidemiolgico de cada ao). Asimismo,
tambin se cuenta con la relacin de puestos de 4.3 Anlisis de la vulnerabilidad
salud que se ubican en nuestra rea de estudio,
as como la categora a la que pertenece cada uno Para esta parte se presentan los datos recopilados
de ellos (a mayor categora, mayor equipamiento y a nivel distrital y, de forma preliminar, se analizan en
mayor cantidad de recursos humanos). su conjunto, para poder explicar cmo se encuentra
la poblacin de la zona mediante las cifras que se
Finalmente, los datos con informacin social pudo obtener. Posteriormente se pretende cuantificar
provienen de los censos de poblacin del INEI de a nivel distrital la vulnerabilidad tanto del tipo social
los aos 2005 y 2007, as como el mapa de pobreza y sanitaria y llevarla a un modelo de riesgo donde se
publicado por FONCODES (2006). logre relacionar con la amenaza (aspecto climtico).
4. Metodologa 5. Resultados preliminares

La presente investigacin est dividida en tres 5.1 Identificacin de los distritos con
partes, siguiendo las directivas propuestas por mayores ndices de IRAs, neumonas y
el INDECI a travs del Manual de Estimacin del SOB
Riesgo (2006): Identificacin y caracterizacin de
la amenaza (friajes), anlisis de la vulnerabilidad Luego de haber ingresado al software los datos de
(sanitaria y social) y estimacin del riesgo, que ndices de las diferentes enfermedades respiratorias,
viene a ser la conjuncin de las variables anteriores los mapas resultantes se presentan en la Figura 2.
(amenaza y vulnerabilidad).
Segn los mapas que podemos apreciar, tenemos
4.1 Identificacin de los distritos con que para el caso de las IRAs los distritos con tasa
mayores ndices de IRAs, neumonas y mayor de incidencia son Santa Cruz (provincia
SOB. de Alto Amazonas), Alto Tapiche (provincia de
Requena), Alto Nanay, Punchana e Iquitos (provincia
Para este punto, se tom toda la regin Loreto y de Maynas), todos ellos con una tasa superior a 1200
se introdujeron los datos de ndices de morbilidad de por cada mil habitantes (menores de 5 aos). En el
las enfermedades respiratorias a nivel distrital en el caso de neumonas los distritos con ms alta tasa de
software ArcGIS. incidencia son Napo, Iquitos y Alto Nanay (provincia
de Maynas), Yaquerana y Alto Tapiche (provincia
4.2 Caracterizacin de la amenaza: de Requena), y presentan una tasa superior a
relacin entre variables 40 por cada mil habitantes menores de 5 aos.
meteorolgicas y variables de Finalmente, para los SOB los distritos con mayor
morbilidad de IRAs, neumonas y SOB tasa de incidencia son Punchana e Iquitos (provincia
de Maynas), Yaquerana (provincia de Requena) y
En esta parte se calculan los promedios semanales Yurimaguas (provincia de Alto Amazonas), con una
de las variables de temperatura mxima, temperatura
58
Estimacin del riesgo de la poblacin infantil de Loreto debido a cambios bruscos IGP
a) c)
Figura 2. Mapas de Loreto a nivel distrital que muestran las

tasas de incidencia de IRAs (a), neumonas (b) y SOB (c).
b)
tasa superior a 50 por cada mil habitantes menores
de 5 aos. Podemos notar que el distrito de Iquitos
(junto con Punchana y Napo) son algunos de los que
tienen un ndice bastante elevado en comparacin
al resto y que, al ser los dos primeros bastante
poblados, tiene una importancia mayor ahondar el
estudio en los mencionados distritos, conjuntamente
con otros distritos cercanos.
5.2 Caracterizacin de la amenaza

y relacin entre las variables
meteorolgicas y variables de
morbilidad de IRAs, neumonas y SOB
Para esta parte hemos escogido el anlisis

realizado de la data de dos de las 6 estaciones
trabajadas, Puerto Almendra y Mazn.
En la Figura 3 presentan los grficos obtenidos

de la temperatura mnima (T. min) y rango trmico
(RT) a nivel semanal durante el periodo 2000-2010
versus la morbilidad de IRAs para toda la zona de
estudio.
Como podemos apreciar, la relacin existente

entre ambas variables (meteorolgica y de salud)
no resulta evidente (se maneja como hiptesis
que cuando disminuye la temperatura aumenta
el nmero de casos de IRA), ya que en muchos
periodos el comportamiento de las mismas parece
59
Figura 3. Grficos que muestran la relacin entre el comportamiento de la temperatura mnima (y del rango trmico) a nivel
semanal versus la morbilidad de IRAs a nivel de los siete distritos que comprende el rea de estudio, para el periodo 2000-2010.
60
IGP
que fuera independiente uno del otro, aunque existen correlacin de Pearson entre las diferentes variables
pequeos periodos donde s se presenta cierta meteorolgicas y la variable de morbilidad de IRAs,
relacin importante (como por ejemplo alrededor de neumonas y SOB. En la Tablas 2 y 3 se presenta
la semana 170, que correspondera al ao 2003). esta informacin para las estaciones de Puerto
Esto puede deberse a diversos factores, ya sea Almendra y Mazn para las diferentes variables de
debido a la calidad de los datos, o a que puedan temperatura. Cuando al costado de cada coeficiente
existir otros elementos presentes que no estn se presente un asterisco, nos muestra que el valor
considerados en esta parte, tales como aspectos obtenido tiene una significancia de 0,05 y cuando
sociales o econmicos. se presenten dos asteriscos, la significancia ser de
0,01.
5.3 Coeficientes de correlacin de
Pearson Como podemos ver, los coeficientes hallados
son relativamente bajos y los valores ms altos los
Para esta parte, se ha calculado el coeficiente de encontramos cuando se relacionan las variables
Tabla 2. Coeficientes de correlacin de Pearson para las variables de temperatura

y salud en Puerto Almendra siete distritos que comprende el rea de estudio, para el
periodo 2000-2010.
Tabla3. Coeficientes de correlacin de Pearson para las variables de

temperatura y salud en Mazan .
61
Tabla 4. Algunos ndices de carcter social de medicin de la pobreza.
Fuente: INEI (2007), FONCODES (2006)
Tabla 5. Data de incidencia de las enfermedades respiratorias y capacidad resolutiva que

presentan los distritos de la zona de estudio.
Distrito
Fuente: MINSA, 2011
meteorolgicas (especialmente de la estacin 5.4 Anlisis de la vulnerabilidad

Mazn) con la data de neumona, donde se alcanzan
valores de hasta 0,221 con significancia de 0,01. Ello Para la parte social se recopil la informacin
indica que la asociacin entre ambas de variables necesaria sobre algunos indicadores que puedan
resulta ser baja, por lo que podemos afirmar que ayudarnos a analizar la vulnerabilidad existente en
no existe una relacin definida entre las variables nuestra zona de estudio.
de temperatura y la morbilidad de las diferentes
enfermedades respiratorias.
62
IGP
5.4.1 Vulnerabilidad social informacin cualitativa.
En cuanto a la vulnerabilidad social los datos 7. Conclusiones preliminares

obtenidos fueron los que se muestran en la Tabla 4:
De acuerdo al anlisis realizado, podemos
Como podemos ver a travs de estas cifras, afirmar que no existe una relacin fuerte entre el
tenemos algunos distritos que tienen serias falencias comportamiento de las temperaturas y la morbilidad
en cuanto a los servicios bsicos. Los distritos de IRAs, neumonas y SOB, a pesar que puede llegar
con mayores ndices de carencias de servicios a ser el factor desencadenante en ciertos casos.
bsicos y con tasas de analfabetismo en mujeres
y tasa de desnutricin en nios ms altas son los El comportamiento de las diferentes enfermedades
distritos de Indiana, Napo y Mazn, los cuales respiratorias a lo largo del ao resulta ser irregular en
son predominantemente rurales y se encuentran la mayor parte del periodo de tiempo analizado, por
relativamente alejados del centro urbano de Iquitos. lo que no presenta un patrn definido.
5.4.2 Vulnerabilidad sanitaria Con respecto a la parte social, tenemos que la

diferencia entre los distritos predominantemente
Para el caso de la vulnerabilidad sanitaria se rurales y urbanos es bastante marcada en cuanto
calcul la tasa de incidencia de IRAs, neumona a la disposicin de servicios bsicos y otros ndices
y SOB a nivel distrital para el periodo de estudio de calidad de vida, que de cierta manera puede
2000-2011, el cual se muestra en la figura 7. De llegar a influir en la incidencia de las enfermedades
igual manera, gracias al MINSA, se pudo recopilar la respiratorias.
informacin de los establecimientos de salud que se
encuentran en nuestra zona de estudio, para conocer 8. Recomendaciones
la capacidad resolutiva en cuanto a salud por distrito
(capacidad resolutiva: tipo de establecimiento de Se recomienda que, en la medida de lo posible,
salud). las estadsticas del Ministerio de Salud sean
compiladas no slo por semana epidemiolgica, sino
Para el caso de la vulnerabilidad sanitaria, tambin en forma diaria, ya que eso aportara nuevos
los distritos con mayor incidencia de IRA y SOB elementos para el anlisis del presente estudio y
son los que conforman la ciudad de Iquitos y sus otros relacionados con epidemiologa.
alrededores (Iquitos, Punchana, Beln, San Juan
Bautista) mientras que para el caso de neumonas 9. Agradecimientos
son los distritos de Napo e Iquitos. Cabe agregar
que, en cuanto a la capacidad resolutiva (tipo de Al Instituto Geofsico del Per por brindarme las
establecimiento de salud) todos los distritos cuentan facilidades para A la Dra. Yamina Silva por su apoyo
con al menos un puesto de salud con mdico presente como asesora y su aporte en valioso en la presente
(esto corresponde a los centros de salud I-3). investigacin.
6. Discusin Al Dr. Fidel Villena por su apoyo y asesora en

aspectos de salud pblica y epidemiologa
Es preciso sealar que para algunas estaciones
meteorolgicas, la calidad de la data no es muy 10. Bibliografa
buena, no se tiene disponible o existen vacos
recurrentes. Aguinaga M., C. Gutirrez y G. Lazo, (2003).
Relacin entre variables climticas y casos de
Tambin, para el caso de la data proporcionada por infeccin respiratoria aguda en la provincia del
la DIRESA Loreto, presenta ciertas inconsistencias Callao - 2001. Revista Peruana de Epidemiologa.
debido a que se presentan semanas donde no Vol. 11(1). Lima.
se tiene registro o donde el comportamiento del
mismo resulta ser muy extrao (por ejemplo, en una INDECI (2006). Manual bsico para la estimacin
semana se tiene 50 casos, en la siguiente 0 y en del riesgo. Lima.
la subsiguiente 75 casos). Esto sin duda dificulta el
MINSA (2011). Plan de contingencia contra la
anlisis pero lamentablemente es la informacin que
temporada de fro 2011. Lima
se tiene.
Quispe, N. & Avalos, G. (2003). Condiciones
Finalmente, cabe sealar que toda esta
sinpticas de la incursin de una masa de aire fro
informacin ser verificada mediante un trabajo
en Sudamrica: caso julio 2000 y su impacto en la
de campo en la zona de estudio que se realizar
selva peruana. Lima, SENAMHI.
posteriormente, y donde se contar con mayor
63
ESTUDIO DE LA VARIABILIDAD DE LA COBERTURA NUBOSA EN LA
COSTA DE ICA A TRAVS DEL PROCESAMIENTO DE IMGENES DEL
GOES
VARIABILITY OF THE CLOUDS COVERT IN THE COAST OF ICA IN PERU

USING GOES IMAGES
LIZ ROCO ROSALES TRUJILLO
Universit de Versailles Saint Quentin en Yvelines
Estudiante de maestra en Ciencias del Ambiente
lizrosales3@gmail.com
Asesor: Yamina Silva Vidal, Ph. D.
rea de Variabilidad y Cambio Climtico
Resumen Abstract
A travs del programa Vocal Rex, Per We analyze GOES images, through the study
participa en estudios meteorolgicos al sur del of the diurnal cycle of coastal clearing during the
litoral peruano, en busca de entender los procesos period of VOCAL Rex project. We analyze the
fsicos en la costa peruana y comprender porqu variability in time and space of the cloudy zone
Ica presenta constantemente cielos despejados a over the sea and we determinate the area of the
diferencia del resto de la costa peruana. coastal clearing. For the image processing we
use Matlab. Results in visible channel images
En este sentido, en busca de conocer y show the dissipation of cloudy sky area during the
visualizar mejor la variacin de la nubosidad frente diurnal cycle with 15 days images data. We get
a la costa de Ica, analizaremos las imgenes de an approximation of the coastal clearing area and
GOES (por sus siglas en ingles, Geostationary we compare the image processing results with the
Operational Environmental Satellite), a travs top clouds temperature obtained from the infrared
del estudio del ciclo diurno de la nubosidad en data images in the same period.
el periodo del proyecto Vocal REX. Veremos la
variabilidad en tiempo y espacio de la cobertura Keywords: Peruvian coast, cloud cover. Goes
nubosa en el mar y determinaremos el rea de la images, coastal clearing.
zona despejada de nubes. Para el procesamiento
digital de imgenes utilizaremos el software
MATLAB. Los resultados del procedimiento de
imgenes en canal visible durante 15 das muestran
la disipacin y disminucin de la zona cubierta de
nubes, obtenemos as, una aproximacin del rea
de zona despejada. Finalmente, comparamos los
Rosales, L. y Y. Silva, 2012. Estudio de la variabilidad de la cobertura nubosa en la costa de Ica a travs de procesamiento de imgenes
del GOES. Compendio de trabajos de investigacin realizado por estudiantes durante el ao 2011. Vol 13, IGP.
64
Estudio de la variabilidad de la cobertura nubosa en la costa de Ica
a travs del procesamiento de imgenes del GOES IGP
resultados de procesamiento de imgenes visible

con la temperatura de tope de nubes del canal
infrarrojo en el mismo periodo.
Palabras clave: costa peruana, cobertura nubosa,

imgenes GOES, zona costera despejada.
1. Introduccin sobre un continente completo y ocanos. Un satlite

es GOES Este o GOES-12 en posicin 75 W y el
Desde el ao 2005 se han realizado estudios Ecuador y GOES Oeste o GOES-11 en posicin a
atmosfricos alrededor de la costa oeste de 135 W y el Ecuador. La extensin total abarcada
Amrica del Sur y el ocano Pacfico, a travs del es de 20 W a 165 E. En este trabajo, utilizamos
programa VAMOS Ocean-Cloud-Land-Atmosphere los datos proporcionados por el GOES Este, para
Study (VOCALS) con participacin de diferentes visualizar imgenes de Sud Amrica y el Ocano
pases sudamericanos. La importancia para Per Pacifico.
incurre en el mejor entendimiento de los procesos
del ecosistema martimo peruano. Es as que a Con los satlites GOES podemos observar en los
travs del proyecto Vocals Rex,el IGP se particip canales del espectro visible (VIS) como en infrarrojo
en observaciones meteorolgicas al sur del litoral (IR). Los nuevos satlites GOES (a partir del GOES-
peruano. 8) poseen un radimetro con cinco canales.
El programa VOCALS realiz campaas en Chile 2.2 Imgenes en canal visible

y Per a cargo del programa VOCALS Rex, llevado
a cabo entre octubre y noviembre del 2008, que Las imgenes de luz visible ofrecen, en general,
consisti en una campaa observacional intensiva. la mayor resolucin espacial. Durante la noche, no
El IGP estuvo a cargo del estudio atmosfrico, a se pueden obtener imgenes VIS a partir de satlites
travs del lanzamiento de 132 radiosondas desde meteorolgicos estndar. Las imgenes visibles
el BIP Jos Olaya, del IMARPE en una campana muestran el tope de nubes en blanco, observable
crucero oceanogrfico en octubre del 2008 frente durante las horas de da. As, la nieve aparece blanca
a la costa central y sur del Per. A diferencia de y puede ser confundida con las nubes (las nubes se
VOCALS, Vocals Rex tiene una zona de trabajo de mueven pero la nieve es estatica), mientras que la

10-30S y 90-65W. La participacin de Per consta superficie cubierta disminuye durante el deshielo.
en el anlisis de los datos de radiosondeos que se En una presentacin normal las nubes aparecen
encuentran en la fase final del control de calidad blancas o gris claro.
y de correccin de errores, haciendo un estudio
observacional y de modelado numrico (IGP, 2010). 2.3 Imgenes en canal Infrarrojas
2. Procesamiento digital de La banda IR ms comn para los satlites
imgenes satelitales meteorolgicos est ubicada en la ventana de los 10
12,5 m. En esta ventana la atmsfera terrestre es
2.1 GOES, satlites geoestacionarios relativamente transparente a la radiacin emitida por
la superficie del planeta. Las imgenes IR indican la
La misin del GOES provee observaciones temperatura de las superficies radiantes. Las nubes
frecuentes y repetidas que son necesarias para aparecen en general, ms blancas que la superficie
detectar, seguir y predecir los sistemas de tiempo del planeta debido a su menor temperatura
severo. El satlite circula la Tierra en una rbita
geosincrnica, es decir orbitan el plano ecuatorial de 3. Zona de estudio
la Tierra a la velocidad correspondiente a la de la
rotacin de la Tierra. Por su ubicacin a 35,800 km 3.1 Ubicacin geogrfica
sobre la superficie de la Tierra, los satlites GOES La regin Ica se ubica al sur de la ciudad de
pueden tener una vista del disco completo de la Lima, en la costa central del Per. Su superficie es
Tierra. Es as que proveen informacin importante de 21 327,83 km2 y tiene 720 691 habitantes. Ica, su
sobre las condiciones climticas severas como ciudad ms importante se encuentra a 406 msnm y
tornados, huracanes, inundaciones, etc. (extrado de es limtrofe con el ocano Pacfico al oeste (Figura 1).
NOAA). Las alturas mnima y mxima estn en las ciudades
En general se utilizan dos satlites meteorolgicos de Paracas y San Pedro de Huacarpana, a 2 msnm
en rbita geoestacionaria sobre el Ecuador, para y a 3796 msnm, respectivamente (Mincetur, 2009).
proveer la cobertura necesaria de da y de noche
65
Variacin de cobertura nubos en Ica

con procesamiento de imagenes
GOES en Matlab
Estudio preliminar de datos

http://goes.gsfc.nasa.gov/goeseast-
lzw/peru/
Clculo del
ciclo diurno
Figura 1. Ubicacin geogrfica de Ica. (Imgenes de Google

Earth)
Imgenes Imgenes IR
banda visible
3.2 Condiciones climticas en Ica
El clima es clido, desrtico y sin lluvias en la Clculo de rea de

zona despejada
costa, con una temperatura promedio de 23C.
Especficamente, el clima es templado - clido en Figura 2. Esquema de la metodologa
las Yungas, templado de altitud en las Quechuas,
templado fro en las Sunis y sectores de Puna que
pertenecen a su territorio. Es as que la temperatura 5. Procesamiento de imgenes
anual mxima es de 20,4 C en octubre y la mnima
es de 11,5 C en junio. En cuanto a su topografa, 5.1. Estudio preliminar de datos
su relieve es poco accidentado, con pequeas
elevaciones de terreno que limitan extensas pampas Se trabaja con 362 imgenes obtenidas del
y tablazos desrticos de arenas y rocas. Los vientos satlite GOES 12 cada 30 minutos de los das 01 al
predominantes llegan del sudeste (Mincetur, 2009) y 15 de octubre de 2008.
(ENFEN, 2003).
Inicialmente se pens trabajar con imgenes del
4. Metodologa canal visible ya posicionadas en la zona frente a Ica
y que mostraban su posicin en latitud y longitud,
La metodologa est basada en la aplicacin adems de visualizarse en ellas la lnea de costa.
del anlisis numrico utilizando el software Matlab Sin embargo, esta representacin no coincida
para el procesamiento digital de 362 imgenes con las lneas de la costa de mapas del Per
satelitales del GOES Este (cada 30 minutos) en el georeferenciadas
canal visible con una resolucin de 4 km, imgenes
Siendo necesario obtener imgenes en la posicin
correspondientes a los 15 primeros das de octubre
geogrfica correcta, pues es nuestro objetivo calcular
del 2008. De esta manera, para visualizar la
el rea de la zona despejada. Se decidi trabajar con
variabilidad de la nubosidad y de la zona despejada
las imgenes (sin ningn procesamiento) disponibles
en la zona frente a Ica, calcularemos primero el ciclo
diurno de la nubosidad, y posteriormente, el rea de
en la pgina web del GOES (http://goes.gsfc.
la zona de cielo despejado de cada hora. nasa.gov/goeseast-lzw/peru/). De esta manera,
se identific y delimit la zona de estudio en las
Utilizamos tambin 628 imgenes del canal imgenes que muestran la zona de Amrica del Sur
infrarojo o imgenes IR4. Calculamos el ciclo diurno y el ocano Pacfico. Se escogieron los siguientes
de temperatura para establecer correlaciones de puntos, que determinan la zona de inters:
referencia con los resultados anteriores.
xini=470; % Numero de pixel inicial en x
Se presenta el proceso de la metodologa
mediante el esquema de la Figura 2: xfin=630; % Numero de pixel final en x
yini=655; % Numero de pixel inicial en y
yfin=797; % Numero de pixel final en y
Asimismo colocamos a nuestra data las matrices

de latitud y longitud disponibles. La posicin de inicio
66
de coordenadas es, para todas las imgenes: Debemos tener en cuenta, que para la aplicacin
de los diferentes comandos se realiza un bucle
11,2299S, 79,8653 W general que da lectura a las imgenes segn su las
horas escogidas, como se muestra a continuacin.
16,6336S, 80,0036 W
for it=12:14
5.2. Clculo del ciclo diurno lista=[lista num2str(it) 15.txt];
nombre=textread(lista,%s);
Para estudiar toda la data de imgenes, realizamos el end
anlisis a travs del promedio de todas las imgenes
en la misma hora y as, se calcul el ciclo diurno. Para trabajar en un mismo rango de valores en todas
De esta manera obtenemos 11 imgenes de cada las matrices de imgenes, realizamos una regresin
hora desde las 06h15 hasta las 17h15 resultado del lineal segn los valores mximo y mnimo que
promedio de 15 das. queremos. Hallamos la pendiente m y despejamos
El mtodo aplicado en Matlab consiste en hallar b con una relacin de tres simple para obtener
el promedio de las matrices para cada hora. Primero, la matriz de datos ajustado al nuevo rango de b
creamos una matriz de ceros del mismo tamao de obtenido, ver Figura 4.
la zona ya definida, para luego sumar esta matriz
con las matrices de datos de cada hora, para luego %Rango (degager b)/regresion lineal, hallar b
dividir la matriz resultante entre el numero total de maxorig=max(max(sumaorig));
imgenes para la misma hora de los 15 das. minorig=min(min(sumaorig));
maxfin=90;
Para que el procesamiento sea slo en la zona
del mar, debemos crear una matriz mscara sobre minfin=10;
el continente. Tendremos as valores ceros 0 en m=(maxfin-minfin)/(maxorig-minorig);
esta zona de la matriz, visualizando en color negro el data20=m*(sumaorig-minorig)+minfin;
continente como se muestran en la Figura 3. suma2=data20;
Aplicamos as la matriz mascara mask2 a 5.3 Representacin de la zona
suma2, que es la matriz de promedio obtenida
despejada
anteriormente.
La zona despejada o sin nubosidad es fcil de
Procedemos en Matlab de la siguiente manera:
visualizar, est representada por valores de pixel
suma(1:ny2,1:nx2)=0; %Matriz de ceros interiores, sin embargo necesitamos determinar lo
ms exacto posible esta zona para saber cual es,
suma=suma+double(data2);%bucle de la suma aproximadamente, el rea despegada.
de matrice
suma2=suma/length(nombre);%promedio de
matriz entre cada hora
%Aplicacion de la mscara:
suma2(find(double(mask2)<1))=NaN;
Figura 4 . Ciclo diurno de nubosidad en el mar frente a Ica, rango de

valores de pixel de 10 a 90
Empezamos con la delimitacin de la zona

despejada segn su variacin en el tiempo.
Identificamos la zona despejada y le damos el valor
mnimo cero o negro, escogiendo para ello los
pixeles menores o iguales a 30. De la misma manera,
Figura 3. Mascara del continente la zona con nubosidad tendr el valor mximo o
67
blanco, es decir, los valores de pixel mayores a 30 se Recordando el criterio inicial, en el cual creamos
les designan el valor 255. De esta manera tenemos la matriz contornos con valores igual a cero. Para la
la matriz de zona despejada con mayor contraste, visualizacin de la imagen final contornos, decimos
la cual ayudar a identificar esta zona con mayor que si NaN de la matriz contornos es igual a 1,
facilidad. entonces contornos es igual a NaN o ceros matrices
de contorno.
suma2(find(suma2<=30))=0;
contornos(find(isnan(contornos)==1))=NaN;
suma2(find(suma2>30))=255;
Asimismo, se realizan los bucles para hallar el
rea y el gradiente a las 9 imgenes.
5.6 Clculo del rea de cielo

despejado
El mtodo consiste en dar valores de 1 a cada

pixel de la zona despejada (que tienen valores igual
a 0 designados anteriormente). Asimismo, se da un
valor no numrico o NaN al resto de pixeles mayores
a 1 o fuera de la zona despejada. Se suma los
pixeles de valor 1 y se multiplica el resultado por
la distancia equivalente de un pixel en tierra, que
es 4km. Para obtener el rea de la zona despejada
Figura 5. Contornos suavizados del borde a las 15h15 multiplicamos por 16km2.
area2=suma2;
5.4 Suavizado de contornos area2=double(area2);
area2(find(area2<1))=1;
Para obtener los contornos suavizados, es decir,
que se distinga con mayor facilidad los pixeles del area2(find(area2>1))=NaN;
contorno de la zona despejada en blanco de los
otros pixeles, realizamos un promedio de cada sub area2=nansum(nansum(area2));
matriz de 3x3 en la imagen, que designar un valor
para el blanco o negro para cada sub matriz, segn areatodas(it-11)=area2*16
resulte mayor a 5 la suma de la matriz de unos. En
este caso los pixeles son de color blanco o 255,de lo
contrario sino los pixeles son negros o 0. De esta
manera veremos una imagen con contornos que
representen mejor la zona de blancos (Figura 5).
5.5 Gradiente para hallar contorno
El mtodo de la gradiente consiste en encontrar

contornos segn la intensidad de la imagen. El
resultado es otra imagen del mismo tamao pero con
1s donde la funcin encuentra contornos y 0s en Figura 6. Variacin del rea de la zona despejada
los otros lados. Con contornos de tipo Prewitt, vemos desde las 6h15 hasta las 15h15
los contornos en los puntos donde la gradiente de la
imagen es mxima. Obtenemos as los respectivos
contornos de las zonas despejadas de valor de pixel Observamos un valor mnimo de rea despejada
igual a 100 y en todo el resto de la imagen pixeles de nubes de 2608 km2 a las 6h15 y mximo de
con valor no numrico o NaN. 43184 km2 a las 15h00. Lo que quiere decir que
la nubosidad disminuye y se disipa de manera
[BW,thresh,gv,gh] = edge(data10,prewitt); constante durante todo el da, como observamos en
la (Figura 6). Asimismo, vemos el aumento del rea
f1=sqrt(gv.^2+gh.^2); de la zona despejada entre las 10h15 y las 12h15, es
decir menor cobertura de nubes en esas horas de la
sumaorig(find(f1>95))=100;
maana.
f1(find(f1>95))=100;
5.7 Ciclo diurno de imgenes
f1(find(f1<95))=NaN; Infrarrojas
68
Se calcul el ciclo diurno de temperatura de las zona despejada en el mar frente a la costa de Ica.
628 imgenes IR4. Para ello, se utiliza el mismo Esta variacin es representada por los valores bajos
mtodo descrito anteriormente para el clculo del ciclo de pixeles con valor mnimo en 20. Esta zona se
diurno de la nubosidad. Se remplazan los nombres encuentra dentro del contorno (Figura 7).
de variables al script realizado anteriormente y
se obtienen 12 imgenes, promedio de 11 horas, De las imgenes de banda visible, observamos
desde las 6h15 a las 17h15. De hecho las imgenes primeramente, el aumento constante de la zona
infrarrojas permiten procesar informacin durante despejada en mar frente a la costa de Ica en el
las 24 horas, adems estas ofrecen mayor cantidad transcurso del da, desde las 6h15 hasta las 17h15.
de imgenes a diferencia de las del canal visible. Esta zona despejada presenta una variacin
Recordamos la frmula de conversin de datos de con direccin predominante al noroeste en las
infrarrojo a temperatura (Weinreb, Johnson, Han, primeras horas de la maana hasta las 14h15 y se
July 2010): extiende ms hacia el oeste hasta las 17h15; es
decir, la distribucin de las nubes bajas de la zona
(estratocmulos) disminuye alejndose de la costa
de forma constante durante el da hasta las 17h15
For 163K <= T <= 242K, Xa = 418 - T.
(Figura 8)
For 242K <= T <= 330K, Xa = 660 - 2T.
Si analizamos la representacin de valores de
5.8 Posibles errores pixeles, observamos que la zona cubierta de nubes
(colores claros) es vista durante todo el ciclo diurno,
Se emplearon algunas aproximaciones para lo cual se debe a la Corriente Peruana o de Humboldt
escoger los valores de pixel en los comandos del y el afloramiento, que determina la inversin trmica
script en Matlab. Segn el criterio del analizador, y genera as las nubes estratos. Como lo habamos
las aproximaciones pueden variar, en este caso descrito antes, en Ica y la costa sur del Per el clima
empleamos aproximaciones para establecer el es templado clido, adems de ser muy hmedo y
rango de pixeles para la representacin de imgenes con pocas precipitaciones en invierno, pero presenta
y se escogi lmites de colores que distinguan una densa masa de nubes, tal como se observa en
principalmente, las zonas despejadas de otras. las imgenes de ciclo diurno de la nubosidad.
De hecho, diferentes autores han estudiado el

a) efecto de la corriente de Humboldt y el afloramiento
en la costa sur de Per y Chile. En resumen, sabemos
que la corriente de Humboldt es una de los causantes
del enfriamiento de la costa y la inversin trmica
que no permite la ascensin del aire y formar nubes
bajas tipo estratocmulos sin lluvias significativas, lo
que genera zonas ridas y desierto en plena regin
tropical.
b)
Figura 7. Nubosidad y zona despejada en el mar frente a Ica a las

9h15, canal visble (a) eIR (b)
Figura 8 . Variacin de la nubosidad y zona despejada en el mar frente a

6. Resultados Ica desde las 6h15 hasta las 17h15
Los resultados de las imgenes infrarrojo desde

El procesamiento digital de imgenes en Matlab
las 05h15 hasta las 17h15, nos dan otra hiptesis
permite visualizar la variacin en el tiempo de la
a discutir. Observamos valores de temperaturas
69
mximas de 40C a las 5h15 y mnimas de 7C a las

11h15 (Figura 9) de la maana. La temperatura de tope
b)
de nubes de 40C parece ser muy alta, sin embargo,
si analizamos el efecto de la inversin trmica (que
se produce principalmente en tempranas horas de
la maana) podramos suponer la razn de los altos
valores de temperatura. Durante el transcurso del
da, la temperatura disminuye significativamente, a
6h15 a 30C, la siguiente hora a 12C a las 8 h 15 a
10, hasta llegar hasta los 7C a las 11 h 15. Luego
empieza a aumentar la temperatura (Figura 9).
Figura 10. Imgenes canal visible (a) e infrarrojo (b) a las 14h15
Debemos tener en cuenta, para todos los

resultados anteriormente discutidos, que no hemos
considerado en el procesamiento digital de imgenes
los factores fsicos como temperatura superficial del
mar, velocidades y direcciones de viento, etc., que
podran modificar los resultados segn la relacin
que, pudiera haber entre ellos.
Figura 9. Variacin del ciclo diurno de la temperatura frente a
Ica desde las 6h15 hasta las 17h15
7. Conclusiones
En la costa frente a Ica se observa una
Analizamos a continuacin dos imgenes a las variabilidad de la cobertura nubosa que genera una
14h15 (Figura 10), solo para ver la relacin existente zona despejada visible fcilmente. Visualizada mejor
entre el visible e infrarrojo. La imagen en canal en los meses de invierno, esta zona despejada no
visible muestra una amplia zona despejada propicia es vista en el resto de la costa peruana y es ello el
a expandirse y crecer en direccin noroeste, lo que inters de este estudio.
se visualiza en la imagen infrarrojo que tendra una
temperatura aproximada de 0C, que representa Utilizando informacin disponible en imgenes
principalmente la temperatura superficial del mar, la del satlite GOES y haciendo uso del procesamiento
misma que se observa fuera de la zona despejada, digital de las mismas, hemos realizado el estudio de
lo que indica que la nubes bajas se disiparan aun la variacin de la cobertura nubosa en la costa iquea
mas en las prximas horas o que la zona despejada del Per, que representa un estudio alternativo para
puede ser en realidad mucho ms amplia de lo que evaluar a futuro los parmetros fsico atmosfricos
se observa. de la zona y la interaccin entre ellos, lo que ayudar
a tener ms informacin sobre la influencia de estos
parmetros u otros en la variabilidad de la cobertura
a) nubosa en esta zona.
8. Agradecimientos
Mi agradecimiento sincero a la Dra. Yamina
Silva por brindarme la oportunidad de conocer la
investigacin cientfica que se realiza en Per. As
mismo agradezco al Mag. Kobi Mosquera por su
asesora constante en procesamiento digital de
imgenes. Agradezco tambin a todas las personas
del Instituto que me brindaron su apoyo e hicieron
muy agradable mi estada.
9. Glosario
Cicln o centro de baja presin: Regin donde
la presin atmosfrica es relativamente ms baja en
comparacin a la observada en regiones vecinas.
70
Como resultado de la convergencia del flujo hacia la producir llovizna o nieve, muy rara vez produce
zona de baja presin el aire asciende sobre la zona precipitaciones fuertes. Las nubes que producen
ciclnica, lo cual favorece el desarrollo de nubosidad, precipitaciones fuertes pueden estar ubicadas sobre
y en general de condiciones de mal tiempo. Por de una capa de estratos. Su nombre viene del latn y
efecto de la rotacin de la Tierra, en la zona de un significa capa.
cicln el aire se mueve alrededor del ncleo de
mnima presin, en el sentido de los punteros del 10. Referencias
reloj en el Hemisferio Sur, y en direccin contraria en
el Hemisferio Norte. ENFEN, 2008 Comit Multisectorial Encargado del
Estudio Nacional Del Fenmeno El Nio, Informe
Conveccin: Se refiere a los movimientos Tcnico, Setiembre 2008.
turbulentos que ocurren el interior de un fluido
produciendo mezcla y transporte de sus propiedades. CONAMA. Captulo IlI: Principales Ecosistemas
En meteorologa se utiliza generalmente para Naturales de la V Regin y su Estado.
referirse a los movimientos verticales que involucran
transporte de energa y vapor de agua. European community Directorate General XII.
Convergencia: Movimiento horizontal en donde
Fog as a new water resource for the sustainable
el aire se concentra en una regin determinada
development of the ecosystem of the Peruvian and
y debido a la conservacin de la masa produce
Chilean coastal desert.
ascenso de aire. Debido al roce del viento con la
superficie de la tierra, al interior de un cicln existe Mathworks: http://www.mathworks.com/
convergencia.
Corriente Peruana: Corriente ocenica fra Michael P. Weinreb, Joy X. Johnson, and Dejiang
que se mueve hacia el Norte a lo largo de la costa Han, NOAA NESDIS Office of Satellite Operations,
de Chile y Per activada por el rgimen de viento july 2010: http://www.oso.noaa.gov/goes/goes-
predominante en el borde oriental del anticicln calibration/gvar-conversion.htm
subtropical del Pacfico, que se caracteriza por una
MINCETUR. Informacin de Regiones del Per del
componente desde el sur.
Ministerio de Comercio Exterior y Turismo: http://
Cmulos: Una de las tres categoras en que www.mincetur.gob.pe/newweb/Portals/0/ICA.pdf
suelen clasificarse las nubes. Es una nube que se
produce debido al ascenso de aire en su interior. NOAA satlite and information service: http://
Tiene una base plana y oscura y en su parte superior noaasis.noaa.gov/NOAASIS/ml/genlsatl.html
semeja a una coliflor. La base de los cmulos se
ubica a unos 1000 metros sobre el suelo, y su altura Rafael C. Gonzlez, Tratamiento de imgenes,
es variable. Cuando estas nubes son pequeas y Adison-Wesley Iberoamericana.
separadas se les asocia con buen tiempo (cumulus
humilis). Al calentarse la superficie de la tierra por Ricardo C. Muoz and Rosa A. Zamora. The
efecto de la radiacin solar, el ascenso de aire Coastal Boundary Layer at the Eastern Margin of
hmedo hace que estas nubes se desarrollen the Southeast Pacific (23.4S, 70.4W): Cloudiness-
verticalmente para transformarse en cumulonimbos Conditioned Climatology
que son las clsicas nubes tormentosas desde
donde caen fuertes chaparrones, granizo y ocurren Proyecto VOCALS, Instituto Geofsico del Per:
descargas elctricas. http://www.met.igp.gob.pe/proyectos/vocals/
Inversin trmica: Se habla de inversin trmica Rubinos ediciones, Ocho regiones naturales del
cada vez que la temperatura aumenta con la altura. Per.
En este caso la estabilidad atmsferica es intensa y
la inversin trmica inhibe los movimientos verticales. http://www.oso.noaa.gov/goes/index.htm
Stratus: Uno de tres gneros de nubes bsicas http://www.nssl.noaa.gov/projects/pacs/http://www.

(las otras son cirrus y cumulus). Es tambin uno de comet.ucar.edu/nsflab/web/satellite/224.htm
dos tipos de nubes bajas. Es una nube con apariencia
de sbana sin elementos individuales y es, quizs, la http://www.mincetur.gob.pe/newweb/portals/0/ICA.
ms comn de las nubes bajas. Gruesa y gris, se pdf
le distingue por sus capas bajas, uniformes y rara
vez se eleva a ms de 1.5 km sobre la superficie http://www.bcrp.gob.pe/docs/Sucursales/Huancayo/
de la tierra. Un velo de estratos puede darle al cielo Ica-Caracterizacion.pdf
una apariencia nublada. Puede originar la formacin
de neblina si llega a tocar la tierra. Aunque puede
71
Sismologa
Vulcanologa
Magnetismo Terrestre
reas
de investigacin Geodesia Espacial y Peligro Geofsico
del IGP
Variabilidad y Cambio Climtico
Aeronoma
Astronoma
Calle Badajoz N 169 - Urb. Mayorazgo, 4ta. Etapa. Ate.

Apartado Postal N 3747 - Lima 3
www.igp.gob.com

I.G.P. Compendio de Trabajos de Investigación Realizado Por Estudiantes Durante El Año 2011 - V.13

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

I.G.P. Compendio de Trabajos de Investigación Realizado Por Estudiantes Durante El Año 2011 - V.13

Uploaded by

Copyright:

Available Formats

Instituto Direccin de Asuntos

Geofsico del Per Acadmicos

Compendio de trabajos de investigacin

Compendio de trabajos de investigacin realizado por estudiantes

Direccin de Asuntos Acadmicos

Hecho en el depsito legal en la Biblioteca Nacional del Per N 2012-15658.

Copyright 2012 Instituto Geofsico del Per. Direccin de Asuntos Acadmicos.

Diagramacin: Mara Villaverde

Tiraje: 500 ejemplares

Impreso en: Editorial Sper Grfica EIRL

La informacin estadstica, los mapas y figuras, en esta publicacin, son referenciales, no

Dr. Manuel Pulgar-Vidal Otrola

INSTITUTO GEOFSICO DEL PER

Dr. Ronald Woodman Pollitt, Presidente Ejecutivo

Dr. Jos Machar Ordoez, Director Tcnico

Dra. Yamina Silva Vidal, Directora de Asuntos Acadmicos

Investigadores responsables de los trabajos publicados:

Dr. Hernando Tavera Huarache

Variabilidad y Cambio Climtico:

Dra. Yamina Silva Vidal

Dr. Jhan Carlo Espinoza

Dr. Jorge Luis Chau

Dr. Marco A. Milla

2. Determinacin de incrementos de probabilidad en el tiempo (TIP) para la ocurrencia de grandes

4. Determinacin de la superficie de acoplamiento ssmico interplaca en el borde occidental del Per.

6. Variacin espacio-tiempo de los procesos de ruptura de sismos profundos a distancias telessmicas

7. Caracterizacin de eventos de temperatura mnima extrema en el Per

9. Estudio de la variabilidad de la cobertura nubosa en la costa de Ica a travs de procesamiento del

Yamina Silva Vidal

EMPIRICAL MODEL OF VERTICAL PLASMA DRIFTS OVER

Jorge ngel Huamn Yampul

Asesor: Dr. Jorge L. Chau; Dr. Marco A. Milla

rea de Investigacin, Desarrollo e Innovacin Radio Observatorio de Jicamarca

Palabras clave: Derivas del plasma, ionosfera

El movimiento del gas neutro a travs de las lneas

El presente trabajo de tesis se encuentra dividido 2.2 Criterio de seleccin de datos

la radiacin del sol (del orden de los )

2.3 Interpolacin de los datos de

En esta subseccin describiremos la funcin de

2.3.1 Interpolacin polinomial por

Consiste en dividir un intervalo en una serie

2.3.2. Eleccin del nmero de nodos

En esta subseccin describiremos el mtodo por

valor se describe muy bien los cambios temporales

Figura 4. Derivas verticales en funcin de la estacin y

f10,7cm100 es 5,925 m/s. En el intervalo de flujo

3. Validacin del modelo

Donde Vi y Vmi corresponden a los datos En M3 la concentracin de valores altos de las

derivas (mayores a 14m/s) se ubica en tres regiones

La concentracin de valores altos de las derivas

El modelo emprico desarrollado captura la

Las derivas verticales son modeladas como una

Este modelo nos permitir examinar las

Nuestro modelo se compar contra el modelo de

El nmero de observaciones de las derivas 8. Bibliografa

Hacer uso de los datos tomados con el radar

DETERMINATION OF THE TIME INCREASSES PROBABILITIDAD

Edden Christian Flores Guerra

Asesor: Dr. Hernando Tavera

Parmetros para las funciones M8

Los parmetros usados por el algoritmo M8

b. Funciones del algoritmo M8 La intensidad del flujo de terremotos o actividad

L (Mmin, ti, s, to) = N N; El anlisis de las funciones descritas en la Tabla