Taller Cam CA 2015

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/284070945
Instructivo del Taller de Elaboración de Gráﬁcos de Meteorología Operacional en

MATLAB CAMCA 2015
Book · January 2015
CITATIONS READS
0 1,634
2 authors:
Maria Cazorla Miguel Bravo

Universidad San Francisco de Quito (USFQ) INIFAP Instituto Nacional de Investigaciones Forestales Agricolas y Pecuarias
40 PUBLICATIONS 153 CITATIONS 37 PUBLICATIONS 232 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Link to view paper about ozone over the Andes View project
The ECHOz (Ecuadorian Highlands Ozonesondes) project: soundings above the equatorial Andes, an activity under the Viena Convention Trust Fund. View project
All content following this page was uploaded by Maria Cazorla on 18 November 2015.
The user has requested enhancement of the downloaded file.

Instituto de Investigaciones Atmosféricas
de la Universidad San Francisco de Quito
IIA USFQ
Congreso Anual de Meteorología y Calidad del Aire

Segunda Edición
CAMCA 2015
INSTRUCTIVO DEL TALLER DE

Elaboración de Gráficos de
Meteorología Operacional en MATLAB
María del Carmen Cazorla©

y
Miguel Bravo©
Abril 2015
Instructores
María del Carmen Cazorla, Ph. D.
Realizó un Postdoctorado en la NASA (Goddard Space Flight Center, Maryland, USA).

Obtuvo su PhD en Meteorología en Penn State University, USA. Obtuvo un MSc en Control
de la Contaminación Ambiental en Penn State University, USA. Es fundadora del Instituto
de Investigaciones Atmosféricas de la USFQ. Es directora y fundadora de la Estación de
Mediciones Atmosféricas (EMA) de la USFQ. Sus intereses de investigación son la física
atmosférica, la química de la contaminación y el desarrollo de sensores.
Ing. Miguel Bravo
Es Ingeniero Electrónico de la Universidad San Francisco de Quito. Es el Ingeniero de

Operaciones de la Estación de Mediciones Atmosféricas de la USFQ (EMA). Su
especialización es el control, la automatización y la programación. Sus intereses están
enfocados a la automatización de procesos, la investigación y el desarrollo de sistemas de
control.
Agradecimientos
A la Universidad San Francisco de Quito y sus directivos, por el apoyo brindado.
Al Colegio de Ingeniería, en especial a Nancy Castro, Coordinadora Académica, por su

notable labor en la gestión y organización de este evento.
A Julieta Juncosa, Laura Rivadeneira, Carolina Placencia y Jocelyn Valencia, estudiantes

destacadas del Departamento de Ingeniería Ambiental de la USFQ, por contribuir con la
producción de este documento y con la organización y ejecución de este Taller.
PREFACIO
Bienvenidos al taller de Elaboración de Gráficos de Meteorología Operacional en MATLAB.
El IIA USFQ ha organizado este curso con el objetivo de proporcionar a los participantes una
herramienta útil y poderosa para la visualización, interpretación y el análisis operacional de
variables físicas que se miden diariamente en una estación de monitoreo atmosférico.
Como parte del taller, los asistentes recibirán un paquete de datos de la EMA (Estación de
Mediciones Atmosféricas de la USFQ). En la EMA contamos con mediciones y experimentos que
abordan diferentes aspectos de la atmósfera: tanto meteorológicos como de calidad del aire. Los
datos son producidos por instrumentación propia de nuestra estación, que los participantes
habrán tenido la oportunidad de conocer durante el Tour guiado que ofrecimos como
componente del CAMCA 2015.
Por lo mencionado anteriormente, brindamos este curso en calidad de productores de datos,

desde su origen mismo. El archivo que proporcionamos en este curso contiene mediciones
continuas de radiación solar, temperatura ambiente, presión, humedad relativa, velocidad del
viento, dirección del viento, presión, precipitación, y abundancia de ozono en el aire ambiente. Los
datos corresponden al período de tiempo del 7 al 20 de Enero de 2015. La resolución temporal de
los datos es de 1 minuto. En consecuencia, la producción de los diferentes gráficos se iniciará
desde la carga y manipulación misma del archivo de texto de datos.
Iniciaremos ofreciendo fundamentos del comportamiento físico diurno esperado de las variables.
Esta primera parte tiene el propósito de guiar al participante sobre las formas de las gráficas que
debería observar cuando utilice datos de una estación terrena. Seguidamente, procederemos a
dar una breve introducción sobre los comandos de MATLAB para el manejo de matrices de datos,
operaciones simples, visualización, carga de archivos de texto y conversión a matriz. A
continuación, utilizaremos los vectores del archivo de texto para generar series de tiempo con los
datos crudos. Exploraremos la serie de datos en busca de un evento interesante para el que
generaremos perfiles diurnos, un meteograma operacional y una rosa de viento. Junto con el
archivo de texto, los participantes recibirán el código de la EMA que permite llevar a cabo la
producción de diagramas.
Con el espíritu de la USFQ de generar conocimiento y fomentar el avance de la ciencia, esperamos

que este Taller sea del mejor provecho de todos los participantes.
María del Carmen Cazorla
Miguel Bravo
Universidad San Francisco de Quito
Quito, 20 de Abril de 2015

CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
Índice
Agradecimientos ................................................................................................................................. 3
PREFACIO............................................................................................................................................. 4
PRIMERA PARTE: Comportamiento físico de las variables medidas en una estación terrena ........... 6
Radiación solar ................................................................................................................................ 6
Temperatura ambiente y humedad relativa ................................................................................... 7
Velocidad y dirección del viento ................................................................................................... 10
Presión barométrica ...................................................................................................................... 13
Precipitación.................................................................................................................................. 14
Ozono en el aire ambiente ............................................................................................................ 15
SEGUNDA PARTE: Generación de diagramas de Meteorología Operacional ................................... 17
Breves sobre la producción de datos ............................................................................................ 17
Introducción al uso de MATLAB .................................................................................................... 17
Visualización del archivo ema.txt .................................................................................................. 19
Importar archivo de texto a Matlab .............................................................................................. 21
Generación de vectores ................................................................................................................ 23
Scripts de Matlab .......................................................................................................................... 25
Vector tiempo ............................................................................................................................... 27
Producción de gráficos en Matlab ................................................................................................ 27
Series de Tiempo Meteorológicas ................................................................................................. 31
Filtrar lotes de datos y generar perfiles diurnos ........................................................................... 34
Elaboración de Meteogramas con código de la EMA USFQ.......................................................... 36
Generación de rosas de viento...................................................................................................... 38
5
PRIMERA PARTE:
Comportamiento físico de las variables medidas en una estación

terrena
Radiación solar
Es importante empezar discutiendo esta variable, pues la forma de su curva diurna influye en el
comportamiento de la mayor parte de variables restantes.
La medida de radiación solar en una estación terrena corresponde al flujo de energía del sol que,
luego de atravesar la atmósfera, llega a la superficie. Se mide en unidades de flujo de energía por
unidad de área (W m-2).
Esta medición se realiza con un sensor llamado piranómetro. Este instrumento utiliza un principio
de detección termoeléctrico: la radiación entrante es absorbida (casi totalmente) por una
superficie horizontal de color negro, sensible a una amplia gama de longitudes de onda. De esta
manera se produce un incremento de la temperatura, que se mide a través de termopares
(conectados en serie o paralelo) para conformar la termopila. La Figura 1 muestra el sensor
utilizado para estas mediciones.
Figura 1. Piranómetro utilizado para medición de la radiación solar en la EMA USFQ.
La radiación solar varía en función de la hora del día y de la nubosidad. En la Figura 2 se muestran
las mediciones de radiación solar de la EMA tomadas con una resolución temporal de 1 minuto. La
medidas empiezan a las 00h00 del 1 de Octubre de 2014 y terminan a las 24h00, es decir a la
media noche. En la Figura 2 se ve que la radiación es nula durante horas de oscuridad. A las 06h00
de la mañana las medidas comienzan a ascender, alcanzan su pico al medio día y descienden en la
tarde, hasta tornarse cero durante la noche. Este gráfico de alta resolución temporal nos permite
observar, no solo el comportamiento diurno de la luz del día, que nos es familiar a todos, sino la
estructura de las nubes. Efectivamente, los picos que descienden muestran la nubosidad. Cuando
la duración de los picos es corta significa nubosidad intermitente o nubes de buen tiempo. Si la
medida cae en forma prolongada, estaremos frente a un evento de cielo parcial o totalmente
nublado. Curvas sin interrupción indican cielo completamente despejado. El análisis simultáneo
con el resto de variables ayuda a interpretar los eventos, en su conjunto.
6
Figura 2. Perfil diurno de la radiación solar tomado en la EMA USFQ el 1 de octubre de 2014.
Temperatura ambiente y humedad relativa

Para la medición de estas variables se utiliza un sensor del tipo termistor con un escudo de
radiación, como se muestra en la Figura 3. El sensor o sonda tiene una resistencia interna de
platino. La variación de la temperatura del aire provoca cambios en la resistencia de la sonda que
se traducen en diferencias de voltaje. La humedad se mide utilizando las propiedades
higroscópicas del material polimérico que recubre al sensor. Los cambios son detectados,
linealizados y amplificados por un circuito electrónico situado en la sonda, que, además, compensa
la humedad relativa con la temperatura.
Figura 3. Sensor de temperatura y humedad relativa con escudo de radiación utilizado en la EMA
USFQ.
7
La temperatura del aire ambiente es una de las variables más importantes al momento de realizar
mediciones meteorológicas. La temperatura es una propiedad de la materia asociada a la
sensación de calor o frío.
La variación diurna de la temperatura ambiente sigue la tendencia de la radiación solar. En la

Figura 4 se muestran las mediciones de temperatura ambiente (curva azul) tomadas en la EMA
durante cada minuto, el 3 de Octubre de 2014. Como se observa en mencionada Figura, en la
noche, las temperaturas medidas son menores que en el día, debido a la ausencia de sol. A las
06h00 las medidas comienzan a ascender. Durante el día, la temperatura ambiente depende de la
cantidad de insolación y de la cobertura de nubes. El pico de la temperatura sucede entre el medio
día y las 14h00 de la tarde. Luego, los valores descienden nuevamente y durante las horas de
oscuridad, se mantienen por debajo de los valores medidos en la tarde.
En las noches, la temperatura ambiente depende de la nubosidad. Noches con mayor cobertura de
nubes, especialmente cuando son bajas, son más cálidas pues el vapor de agua absorbe la
radiación infraroja que emite la superficie y lo re-irradia a la misma. En contraste, noches
perfectamente despejadas son más frías porque la radiación infraroja escapa sin obstáculos al
espacio.
Figura 4. Valores diarios de temperatura ambiente (azul) y humedad relativa (verde) para el 3 de
octubre del 2014 tomados en la EMA USFQ.
8
La humedad relativa es la relación entre la cantidad real de vapor de agua que contiene el aire
ambiente y la cantidad de vapor de agua que ese mismo aire necesita para saturarse, a la misma
temperatura. Este último término se refiere a condiciones de equilibrio termodinámico que hacen
que, a una cierta temperatura, el aire pueda contener una sola cantidad de vapor de agua y no
otra. Es así, que la humedad relativa se expresa como un porcentaje entre los dos contenidos de
vapor de agua mencionados. Los contenidos de vapor de agua se expresan como presiones
parciales.
La Ecuación (1) permite calcular la humedad relativa en el aire ambiente:

𝑃𝐻2 𝑂
𝑅𝐻 = ∗
𝑃𝐻
∙ 100% (1)
2𝑂
En donde 𝑃𝐻2 𝑂 es la presión parcial del vapor de agua en el aire ambiente y 𝑃𝐻∗ 2𝑂 es la presión
parcial que el vapor de agua ejercería en condiciones de saturación, a la misma temperatura.
Puesto que la expresión permite calcular un porcentaje, tanto numerador como denominador
deben estar en las mismas unidades de medida.
El perfil diurno de la humedad relativa se anti-correlaciona con el de la temperatura ambiente,

como se demuestra con las mediciones de la Figura 4. En esta Figura se muestra en verde las
mediciones de humedad relativa, de resolución temporal de un minuto, tomadas el 3 de Octubre
de 2014. En la Figura se observa que los valores más altos de humedad relativa se presentan
durante la noche, mientras que, descienden en las primeras horas del día, alcanzando mínimos en
el momento del día en que se registra el pico de la temperatura ambiente. Es decir a mayor
temperatura, menor humedad relativa; pero, ¿por qué sucede esto?
En el equilibrio termodinámico, la presión de vapor de saturación es función temperatura, de tal

suerte que, al aumentar la temperatura, aumenta también la presión de vapor de saturación. Por
lo tanto, si durante el día la temperatura sube, su correspondiente presión de vapor de saturación
también se incrementa. Observando la Ecuación (1), se puede ver que la presión de vapor de
saturación se ubica en el denominador de la fracción. Por lo tanto, si el denominador aumenta, el
valor de la fracción disminuye. Por esta razón, alrededor del mediodía usualmente se observa el
mínimo de humedad relativa, mientras en las noches, las humedades relativas son mayores que en
el día. Esta es la razón de la anti-correlación de perfiles diurnos de humedad relativa y
temperatura ambiente.
Existe otro mecanismo que altera el valor de humedad relativa. Si observamos la Ecuación (1), el
valor de la fracción se incrementa si el numerador de la fracción sube. ¿Cómo sucede esto? Por
ejemplo, si existen vientos que transportan masas de aire húmedas a la región de estudio, el
contenido de vapor de agua en el aire local puede incrementarse. Si esto sucede, la presión de
vapor de agua en el aire ambiente (numerador de la ecuación) se puede incrementar. Lo contrario
ocurriría si el transporte es de masas de aire seca. Por cierto, estos posibles episodios no guardan
relación con patrones diurnos.
9
Velocidad y dirección del viento

El viento sopla con una cierta intensidad y viene de una cierta dirección, es decir es una cantidad
vectorial.
La dirección del viento la define el ángulo medido desde donde sopla el viento en el plano
meteorológico. El plano meteorológico es diferente del cartesiano pues el cero se encuentra sobre
el eje Y, es decir sobre el Norte geográfico, y la medición de los ángulos avanza en sentido horario,
como indica la Figura 5. Consecuentemente, el ángulo que marca la dirección del viento se mide
desde el barlovento (punto en el horizonte desde el cual sopla el viento), hasta el sotavento
(punto opuesto).
La magnitud del vector corresponde al módulo de la velocidad del viento, es decir la intensidad
con la que sopla. En el Sistema Internacional, las unidades de velocidad del viento son [ms-1].
Figura 5. Convención matemática y meteorológica para expresar ángulos
En Meteorología Operacional, existe una manera gráfica de representar conjuntamente la

magnitud y dirección del viento, en un determinado momento: las barbas de viento. En la Figura 6,
se muestra una barba de viento. En dicha imagen se puede observar que el viento proviene de la
dirección suroeste, es decir 225°. Así, la inclinación del eje de la barba indica de donde viene el
viento. La magnitud del viento, mientras tanto, está representada por la bandera y las barbas, a las
que se les asigna una escala de intensidad. Por ejemplo, en la Figura 5, la bandera corresponde a 5
ms-1, la barba larga 3 ms-1 y la barba pequeña 1 ms-1. Con esto, la sola observación de la barba
permite leer la siguiente información: viento del SO de 9 ms-1.
Figura 6. Barbas de viento
10
En una estación atmosférica, las medidas de viento se realizan a 10 m del nivel del suelo. El
instrumento de medición es un anemómetro. El anemómetro puede ser de copa y veleta o sónico.
En la EMA disponemos de un anemómetro sónico. Los anemómetros sónicos, toman mediciones
utilizando el principio de desplazamiento Doppler, que mide el tiempo que le toma a una onda de
sonido en ir del punto A al punto B. Además, está equipado con una brújula referenciada hacia el
Norte magnético, independientemente de la orientación del sensor, que permite medir la
dirección del viento. En la Figura 7 se muestra un anemómetro sónico de tres ejes, como el
utilizado en la EMA USFQ.
Figura 7. Anemómetro sónico de tres ejes utilizado para mediciones de viento en la EMA USFQ.
Las observaciones de viento también se grafican al estilo de series de tiempo, como el resto de
variables físicas. Precisamente, en la Figura 8 se muestran las observaciones de viento tomadas en
la EMA el día 21 de Marzo de 2015. Los datos graficados corresponden a una resolución temporal
de 1 minuto. En el panel superior de la Figura 8 se observa en verde la intensidad del viento
graficada contra la hora del día. La intensidad del viento también tiene un patrón diurno, al igual
que otras variables. Así, en horas de oscuridad el viento es menos intenso y durante horas de luz
del día, la intensidad describe una curva con máximos durante horas de mayor insolación y
temperatura. En contraste, la dirección del viento, representada en azul, en el panel inferior de la
Figura 8, puede tener un comportamiento errático durante el día. Este comportamiento se debe al
rozamiento que vence el viento cercano a la superficie. Por esta misma razón, las medidas de
viento de estaciones meteorológicas deben ser tomadas a 10 m de la superficie. Sin embargo,
estacionalmente sí se ven patrones de viento sostenido de una sola dirección durante varias horas.
Es importante mencionar que en capas altas de la tropósfera libre, el viento viaja en direcciones
sostenidas y a altas velocidades.
11
Figura 8. Observaciones de velocidad (verde) y dirección del viento (azul) tomadas en la EMA USFQ
el 21 de Marzo de 2015.
Finalmente, la rosa de viento es un gráfico polar sobre el plano meteorológico que muestra la
distribución de las velocidades y direcciones del viento, en un período de tiempo determinado. Por
ejemplo, se puede preparar una rosa de viento para un día, una semana o un mes de interés. En la
rosa de viento, la escala radial corresponde a la intensidad del viento en [m s-1]. Los diferentes
cuadrantes indican la dirección desde donde sopla el viento. Finalmente, las aspas contienen el
porcentaje de puntos que está contenido en un cierto rango de velocidad y dirección. En la Figura
9 se muestra un ejemplo de la rosa de viento obtenida en la EMA para el período de tiempo entre
el 7 al 20 de Enero de 2015.
12
Figura 9. Rosa de viento preparada con datos de un minuto del 7 al 20 de Enero de 2015 en la EMA
USFQ.
Presión barométrica
El barómetro de la EMA funciona con el principio del “sensor capacitivo de silicona” que usa
cambios dimensionales en su membrana de silicona para medir la presión.
La Figura 10 corresponde a mediciones de presión atmosférica, con resolución temporal de 1

minuto, registradas en la EMA el día 22 de Agosto de 2014. En la Figura 10, se observa el patrón
diurno típico de la variación de la presión a nivel de la superficie, en un día normal. La forma de la
curva se debe al movimiento de la atmósfera asociado a la gravitación solar, lunar y al
calentamiento solar. De esta manera, existe una gran correlación entre la evolución diurna de la
temperatura, la radiación neta y la presión atmosférica. El perfil diurno de la presión es la huella
que deja el movimiento de toda la atmósfera sobre la superficie, en el punto de la medición. El
movimiento atmosférico se manifiesta como una onda de gravedad con una frecuencia media de
12 horas. En las observaciones de la EMA, se comprueba este patrón: en la Figura 10, las crestas
de la onda suceden a las 09h00 y las 22h00 y los valles a las 04h00 y 16h00. En este caso particular,
la amplitud de la onda es de 2 hPa, como se puede observar en la Figura 10.
13
Figura 10. Perfil diurno de la presión a nivel de la superficie tomado en la EMA USFQ el 22 de
Agosto de 2014.
Precipitación
Cuando fenómenos atmosféricos de convección o mezcla vertical transportan masas de aire
húmedo desde la superficie hacia capas altas y frías de la atmósfera, sucede la formación de nubes.
Si la temperatura alcanza el punto de rocío, sucede la condensación del vapor de agua.
Adicionalmente, la presencia de núcleos de condensación favorece la acumulación del contenido
de agua en las nubes. Fenómenos microfísicos determinan el crecimiento de las gotas dentro de la
nube y su eventual precipitación en forma de lluvia.
La precipitación se mide determinando el volumen de lluvia que cae sobre una superficie y se la
reporta en [mm]. Así, un milímetro de precipitación equivale a un litro de agua por metro
cuadrado de superficie. El pluviómetro es el sensor que permite medir en tiempo real la cantidad
de precipitación. Los pluviómetros comunes son el de cucharas y el de balanza. En la EMA USFQ
tenemos un pluviómetro de cucharas. La lluvia entra al pluviómetro por una boca ancha y se
recolecta en un embudo de bronce. La lluvia recolectada cae y llena cucharas de volumen
calibrado dispuestas en un sistema de “sube y baja”. Cuando una cuchara se llena, baja y la
segunda sube. El movimiento de las cucharas genera una señal eléctrica que es registrado en el
tiempo. En la Figura 11 se ilustra un pluviómetro de cucharas, como el de la EMA USFQ.
Figura 11. Pluviómetro de cucharas de la EMA USFQ.
14
Las medidas en tiempo real de precipitación se las representa en una serie de tiempo, al igual que
el resto de variables. En la Figura 12, se representa las mediciones de 1 minuto de precipitación
obtenidas el día 16 de Enero de 2015 en la EMA USFQ.
A fin de reportar la precipitación en un determinado lapso de tiempo, se debe totalizar las

mediciones durante ese tiempo. Por ejemplo, la precipitación de un día corresponde a los
mililitros que han caído en forma acumulada durante todos los minutos medidos, todo el día. Por
ejemplo, en la Figura 12, la precipitación acumulada del día 16 de Enero es la suma de la lluvia
registrada cada minuto en el gráfico y corresponde a 18.7 mm.
Figura 12. Serie de tiempo de precipitación el día 16 de Enero de 2015 registrada en la EMA USFQ.
El total de la precipitación fue de 18.7mm.
Ozono en el aire ambiente

En la EMA USFQ también llevamos a cabo trabajos y proyectos de calidad del aire. En este Taller,
hemos incluido las mediciones de ozono a nivel de la superficie que detectamos en tiempo real, a
fin de que los participantes adquieran nociones útiles sobre este contaminante del aire ambiente.
El ozono a nivel de la superficie es un contaminante que causa serias afecciones respiratorias. El

ozono es un contaminante denominado criterio que, como tal, es regulado por la normativa
ambiental. El ozono no es una emisión directa de fuentes fijas o móviles de contaminación. El
ozono se forma químicamente en la atmósfera a partir de reacciones entre precursores
antropogénicos, como los óxidos de nitrógeno (NOx) y los compuestos orgánicos volátiles (COVs),
en presencia de luz ultravioleta. Por no ser emisión directa, el ozono es un contaminante
denominado secundario y es uno de los principales constituyentes del smog fotoquímico.
El ozono ambiente se monitorea continuamente en el tiempo en la EMA, mediante un analizador

que utiliza la tecnología de la fotometría. El principio de funcionamiento es la ley de Beer, la cual
expresa que la materia causa atenuación de la luz por absorción, según la longitud de onda en la
15
que absorbe el analito. El sensor de ozono tiene una lámpara de mercurio que emite luz de 254
nm (ultravioleta). En este caso, el ozono del aire ambiente que ingresa al instrumento absorbe la
luz de 254 nm y, la cantidad de luz absorbida es detectada y es proporcional a la concentración de
ozono en el aire.
Al ser un contaminante fotoquímico, la producción de ozono se activa con la luz solar. Por lo tanto,
el comportamiento diurno del ozono tiene correlación con los perfiles diurnos de radiación solar y
temperatura. La Figura 13 corresponde a las mediciones de ozono realizadas en la EMA USFQ el
día 17 de Febrero de 2015. En la Figura 13 se observa una curva típica del comportamiento diurno
del ozono en el aire ambiente en Cumbayá.
Figura 13. Perfil diurno de datos de un minuto de ozono tomados en la EMA USFQ el día 17 de
Febrero de 2015.
En la Figura 13, la curva del ozono se expresa en partes por billón volumétricas. El usuario puede
transformar estas unidades a unidades de concentración, como microgramo por metro cúbico de
aire en condiciones estándar. Este pequeño cálculo que involucra la ley de los gases ideales y
nociones elementales de física y química, supera el alcance de nuestro Taller y, por lo tanto, lo
dejamos como ejercicio para el participante.
16
SEGUNDA PARTE:
Generación de diagramas de Meteorología Operacional
Breves sobre la producción de datos

Las observaciones de una estación terrena se miden de manera continua en el tiempo. Los datos
crudos se obtienen a diferentes resoluciones temporales, dependiendo del sensor. Por ejemplo,
en la EMA:
- La temperatura tiene una resolución de 1 Hz, lo que significa que el sistema de adquisición
de datos toma 1 dato de temperatura por segundo.
- La radiación solar tiene una resolución de 0,033 Hz, lo que significa que se toman 2 datos
por minuto.
- El anemómetro sónico toma datos de velocidad y dirección del viento a una resolución de
10 Hz, es decir 10 datos por segundo.
En la operación diaria de una estación meteorológica, se debe analizar los datos crudos todos los
días, para asegurar que la calidad de la información sea la óptima. Cuando decimos datos crudos,
nos referimos a los datos obtenidos directamente del sensor, a través del sistema de adquisición
de datos, con su resolución temporal original. En algunas ocasiones, los archivos crudos contienen
señales analógicas o digitales del sensor e información inherente a su comportamiento. Estas
señales tienen que ser traducidas a datos de variables físicas, con sus respectivas unidades.
Una vez, que se ha asegurado la calidad de los datos, hay que producir un archivo semi-crudo, que
contenga todas las variables con una misma resolución temporal. Esto, con la finalidad de
proceder con el análisis operacional de las variables medidas en la estación terrena, en un día. Este
análisis operacional consiste en evaluar simultáneamente el comportamiento de todas las
variables medidas en la estación. En la EMA, uno de los archivos semi-crudos, que se proporciona
en este Taller, tiene una resolución temporal de 1 minuto. Precisamente, el archivo ema.txt que se
ha entregado en una flash drive, contiene los datos de esta resolución temporal.
A continuación, empezaremos a explorar comandos de Matlab que nos permitirán trabajar con
nuestro archivo.
Introducción al uso de MATLAB

Antes de empezar, ir al escritorio o “desktop” de la pc y copiar íntegramente la carpeta Taller que
se encuentra en la flash drive que entregamos. Esta carpeta contiene el archivo de datos ema.txt,
los códigos que vamos a utilizar y también en ella desarrollaremos todo el trabajo práctico.
Para acceder a Matlab se procede como cualquier otro programa de Windows: Inicio, Programas,
Matlab, como se muestra en la Figura 14.
Figura 14. Acceso a MATLAB
17
Cuando el programa arranca, se observa una pantalla con el cursor marcando el símbolo “>>”. Esta
es la ventana de “Comando”, en donde se pueden introducir órdenes y códigos a Matlab, a través
del teclado. Por ejemplo, para calcular una suma 2000 + 1300, se debe introducir lo siguiente:
>> 2000 + 1300
ans =
3300
3000
Una vez que tenemos el programa abierto, debemos seleccionar la carpeta en donde vamos a
trabajar: en este caso la carpeta Taller, que está en el escritorio. Este paso es muy importante
porque para que un código corra bien, tiene que estar en la misma carpeta en el que constan los
archivos, matrices y funciones que va a llamar cuando se lo ejecute. Esta selección se hace con el
botón que está junto a la barra que despliega el directorio, como indican las Figura 15 y 16.
Figura 15. Ventana de inicio MATLAB
En este punto, es importante mencionar que Matlab es un programa muy poderoso, con múltiples
capacidades y que pone a disposición una herramienta de “Ayuda” muy útil para los usuarios.
Para acceder a este recurso, se debe ir a la pestaña de “Ayuda” o “Help” de Matlab, en la barra de
herramientas, luego ir a “Function Browser” y ahí ingresar la búsqueda requerida, como se señala
en la Figura 16.
18
Figura 16. Ventana de “Ayuda” de Matlab
También se puede utilizar el comando “help” directamente desde el “prompt” o línea de

comando. Por ejemplo, si queremos saber cómo utilizar el comando de Matlab “log”, procedemos
desde la ventana de comando ingresando “help log” enter. Matlab nos despliega el significado,
sintaxis y uso del comando solicitado, así:
>> help log
LOG Natural logarithm.
LOG(X) is the natural logarithm of the elements of X.
Complex results are produced if X is not positive.
See also log1p, log2, log10, exp, logm, reallog.
Es importante que el usuario explore el recurso de Ayuda, pues dentro de él se encuentra toda la
información de la operación del programa y la sintaxis de los comandos, etc.
Matlab está diseñado para manejar gran cantidad de datos dispuestos como arreglos (arrays) y
matrices. Una aplicación muy útil es la facilidad con la que archivos de texto, pueden ser
convertidos a matrices de Matlab, para su manejo numérico y visualización gráfica. Este uso se lo
tratará en las siguientes secciones, utilizando el archivo ema.txt.
Visualización del archivo ema.txt

Empecemos explorando el archivo ema.txt proporcionado en la flash drive, para este Taller. Este
archivo contiene datos de las variables temperatura, presión, humedad relativa, radiación solar,
precipitación, velocidad del viento, dirección del viento y concentración de ozono (P, T, HR, Rad,
Prec, vel, dir, O3). La resolución temporal de los datos es de un minuto, es decir existe un dato por
19
cada minuto desde las 00h00 del 7 de Enero a las 23h57 del 19 de Enero de 2015. Tenemos, por lo
tanto 18720 mediciones por variable.
Para iniciar, vamos a la carpeta Taller que se encuentra en el escritorio de la PC y abramos el

archivo ema.txt con un editor de texto. En la Figura 17, vemos que el archivo luce de la siguiente
manera:
Figura 17. Archivo de texto ema.txt
El orden de las columnas está dado por la línea de encabezado y corresponde, en su orden las
variables descritas en la Tabla 1:
Tabla 1. Variables del archivo ema.txt

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
año mes dia hora min seg doy T HR P precip rad dv vv O3
(°) (%) (hPa) (mm) (W/m^2) (°) (m/s) (ppb)
A fin de visualizar las variables en el tiempo, lo primero que necesitamos es generar una matriz
numérica que contenga el tiempo y cada variable de nuestro archivo, como un vector
independiente. A continuación vamos a proceder con los pasos que nos ayudarán a transformar el
texto a matriz numérica para su posterior visualización gráfica de las variables.
20
Importar archivo de texto a Matlab

Ir a la barra de herramientas y escoger Import Data, como muestra la Figura 18. En la ventana que
aparece, ir a la carpeta Taller y escoger el archivo ema.txt.
Figura 18. Procedimiento para importar un archivo de texto a Matlab.
Aparecerá una pantalla que permite importar los datos. En esta pantalla debemos ingresar el
número de líneas de encabezado como 1 (“Variable Names Row”), seleccionar “Tab” como el
separador entre columnas, elegir la opción “Matrix” para que la base de datos se nos guarde como
una matriz y dar click en “Import data”, como se indica en la Figura 19.
21
Figura 19. Import data
Si hemos importado correctamente el archivo de texto, en nuestro espacio de trabajo o

Workspace, aparece una variable llamada data (en algunos casos puede ser que la variable tome el
nombre de ema). Esta variable contiene toda la matriz en formato numérico, como indica la Figura
20. Si desplegamos esta variable, aparecen los valores de todas las columnas correspondientes a
nuestro archivo de texto ema.txt, en el mismo orden del archivo de texto, como se puede ver en la
Figura 20. Esta matriz es tiene un tamaño de 18720x15. Es decir, 18720 filas y 15 columnas. El
orden de las columnas de datos corresponde al detallado en la Tabla 1.
22
Figura 20. Visualización de matriz data (o ema) en Matlab.
Finalmente, grabemos nuestra matriz de datos, a fin de utilizarla en el trabajo que sigue. Para esto,
dar click derecho sobre la matriz y grabarla como data.dat
Ahora que ya tenemos la matriz, es momento de empezar a generar los vectores que nos servirán
para preparar nuestros gráficos de meteorología operacional.
Generación de vectores
En la matriz data, el orden de las variables es el que se muestra en la Tabla 1, como ya lo hemos
mencionado.
Generemos el vector Temperatura. Para realizar esto, hay que crear una variable y poner todos los
valores correspondientes a temperatura de la matriz data. Es decir, tenemos que escoger todas las
filas de la columna 8 de la matriz data y ponerlas en una variable nueva, por ejemplo T. La sintaxis
para esta operación es la siguiente:
>>T=data(:,8);
En la sintaxis anterior los dos puntos “:” significa “todas las filas”, la coma separa filas de columnas
y el 8 indica el número de la columna. Es decir, estamos dando el siguiente comando: “de la matriz
data, dame todas las filas de la octava columna y ponlas en la variable T”.
Al final del comando, añadimos el símbolo “;” para que Matlab no despliegue todo el vector. Si no
lo ponemos, se imprime en la pantalla todo el vector.
Hagamos una pequeña prueba de visualización de los datos. Digitar el siguiente comando:
>>plot(T)
23
El resultado debería ser el que se muestra en la Figura 21.
Figura 21. Visualización de la variable temperatura.
Lo que acabamos de hacer es aplicar el comando “plot” para graficar todos los datos de
temperatura que contiene nuestro vector. Lo que vemos son curvas que suben y que bajan. Es
decir, estamos visualizando los perfiles diurnos de todos los días que contiene nuestro archivo, en
forma de datos crudos. Estas visualizaciones rápidas de datos crudos son importantes pues nos
permiten identificar puntos malos, pérdida de datos, o cualquier otra eventualidad que puede
suceder en la operación diaria de sensores.
Ahora, podemos crear vectores para el resto de variables. Por ejemplo, la sintaxis para el día, hora,
minuto, segundo, humedad relativa, presión, precipitación, etc., es la siguiente:
>>dia=data(:,3);
>>hora=data(:,4);
>>min=data(:,5);
>>seg= data(:,6);
>>HR=data(:,9);
>>P=data(:,10);
24
>>precip=data(:,11);
Continuar y crear vectores para todas las variables.
A estas alturas, nuestro espacio de trabajo (Workspace) debe lucir como indica la Figura 22.
Figura 22. Espacio de trabajo después de crear los vectores de la matriz de datos.
Antes de proseguir, aprendamos a generar Scripts de Matlab, a fin de almacenar todos nuestros
comandos en un solo documento y no perder nuestro código.
Scripts de Matlab
Un Script de Matlab es un archivo *.m que contiene la sintaxis de las órdenes específicas que
damos a Matlab para que genere un trabajo. En otras palabras, un script es un programa que corre
en Matlab. Entonces, creemos un Script y vamos ingresando nuestro trabajo para correrlo como
un programa desde la línea de comando de Matlab.
Para crear un Script, ir al botón “New Script” que aparece como una hoja blanca debajo de File,
que se indica en la Figura 23.
Figura 23. Botón para crear un nuevo Script.
25
Cuando hacemos la selección de un nuevo Script, se abre un editor de texto. En él podemos ir

escribiendo los comandos, línea por línea, directamente, como si se tratara de la línea de comando.
Por lo tanto, cada línea tiene que estar escrita con la sintaxis correcta. Si anteponemos el símbolo
%, la línea se convierte en un comentario que no se ejecuta. En esta ventana, ingresemos la
sintaxis para crear todos los vectores de las variables meteorológicas. Grabemos el archivo con el
nombre met.m dentro de la carpeta Taller. La Figura 24 muestra cómo debe ir quedando el Script.
Figura 24. Script met.m
Ahora vamos a la línea de comando y, corramos el programa de la siguiente manera:
>>met
Vemos que se ejecuta la carga de la matriz (comando “load”) y la creación de todas las variables,
con este solo comando.
Ahora, lo que realmente queremos es graficar las variables meteorológicas versus el tiempo, a fin
de mirar qué ha sucedido cada día de nuestras mediciones. A fin de proceder con esta
visualización de las series de tiempo, necesitamos primero generar el vector tiempo.
26
Vector tiempo
En la Tabla 1 vemos que tenemos vectores separados para los componentes de la fecha y la hora
exacta en la que fueron tomadas las medidas. Visto esto, necesitamos generar el vector tiempo en
forma continua. La mejor manera, en este caso, es generar el vector tiempo como fracción de día.
Por ejemplo:
Un dato tomado el día 7 de enero a las 00h 00min 00seg, tiene un valor de tiempo, en fracción de
día de:
7 + 0/24 + 0/(60*24) + 0/(3600*24) = 7.0000
Un dato tomado el día 7 de enero a las 06h 00min 00 seg, tiene un valor de tiempo, en fracción de
día de:
7 + 6/24 + 0/(60*24) + 0/(3600*24) = 7.25
Un dato tomado el día 7 de enero a las 15h 30min 01 seg, tiene un valor de tiempo, en fracción de
día de:
7 + 15/24 + 30/(60*24) + 1/(3600*24) = 7.6458
Generemos, por lo tanto, el vector tiempo continuo para todas nuestras mediciones, utilizando el
siguiente comando:
>>t = dia + hora/24 + min/(24*60) + seg/(3600*24); (2)
Ingresemos esta línea a nuestro Script met.m y corramos el script.
Listo!
Se ha creado la variable t para el tiempo continuo y ahora podemos empezar a generar gráficos
con nuestras variables.
Producción de gráficos en Matlab

Hemos llegado al punto en el que podemos empezar a generar gráficos continuos en el tiempo, de
las variables físicas. El comando de Matlab que vamos a utilizar es “plot”, como sigue:
>>plot(t,T);
Además podemos cambiar el aspecto del gráfico; por ejemplo, si únicamente queremos puntos de
color rojo, tendríamos:
>> plot(t,T,'.r');
El resultado es el que se muestra en la Figura 25.
27
Figura 25. Serie de tiempo de la temperatura del 7 al 20 de enero de 2015.
En la Tabla 2 se muestran las opciones de color y símbolos para los gráficos:
Tabla 2. Opciones de color y símbolos para gráficos de Matlab.
Matlab plot simbols . Point

y Yellow o Circle
m Magenta x x-mark
c Cyan + Plus
r Red - Solid
g Green * Start
b Blue : Dotted
w White -. Dashdot
k Black -- Dashed
Los atributos del aspecto del gráfico se pueden cambiar con código. Sin embargo, Matlab nos
permite realizar cambios de una manera muy fácil utilizando el editor de gráficos. Por ejemplo,
podemos añadir el nombre a los ejes, cambiar el color del gráfico, añadir títulos, etc.
Para realizar cambios de atributo de gráficos, en la ventana de la figura, ir a la barra de

herramientas, Edit, Axes Properties, como se indica en la Figura 25. Se nos abrirá una ventana con
nuestro gráfico y varias opciones.
28
Figura 26. Propiedades de los gráficos
Hecho esto, la ventana que contiene nuestro gráfico tiene una barra de herramientas que nos
permite modificar el gráfico, hacer acercamientos o “Zoom In” al gráfico y navegar por el gráfico.
En la parte inferior tenemos la opción de añadir títulos y nombres a los ejes, como se observa en la
Figura 27.
Figura 27. Barra de herramientas para examinar gráficos.
29
Para añadir nombres a los ejes, se debe ingresar en el recuadro correspondiente a X Axis o Y Axis.
Para añadir la cuadrícula se debe seleccionar las opciones de Grid, como se aprecia en la Figura 28.
Figura 28. Edición de atributos de un gráfico de Matlab
Para modificar la resolución de la escala del gráfico, nos dirigimos a “Ticks” y allí tenemos la opción
de configurar la posición la escala X e Y. La escala puede ser automática, manual o de acuerdo a un
intervalo asignado. En la Figura 29, se ilustra esta configuración.
Figura 29. Configuración de la escala del gráfico
30
Es importante que el usuario se familiarice con las herramientas de edición de gráficos, pues el
aspecto visual influye mucho en la claridad de los resultados.
Para generar una nueva figura, sin perder el gráfico anterior, es necesario utilizar el comando
“figure”. En el siguiente ejemplo, estamos generando dos figuras adicionales, una contiene la
presión y otra la humedad relativa versus el tiempo. Se puede enviar toda la orden separando los
comandos con “;” como sigue:
>>figure
>>plot(t,P)
>>figure; plot(t,HR)
Matlab brinda herramientas poderosas para la producción de gráficos de alta calidad. Los gráficos
que se producen se pueden guardar con formato *.fig que es un archivo de Matlab, para ediciones
futuras. Una vez que el gráfico está listo, Matlab permite guardar gráficos en diferentes formatos,
por ejemplo *.jpg o *.tif, etc. De entre estas opciones, la opción “*.tiff sin compresión” brinda alta
calidad al momento de insertar la figura en un documento, por ejemplo de Word.
Una vez que hemos practicado cómo modificar o añadir atributos y cómo grabar nuestros gráficos,
podemos generar series de tiempo y perfiles diurnos del resto de variables meteorológicas, para
su análisis operacional. Procedamos, entonces, con la siguiente sección.
Series de Tiempo Meteorológicas

Con lo aprendido en secciones anteriores, produzcamos las series de tiempo de todas las variables
que contiene el archivo ema.txt que se encuentra en la carpeta Taller. Las series de tiempo que
vamos a generar son de: radiación solar, temperatura, humedad relativa, presión atmosférica,
precipitación, velocidad del viento, dirección del viento y concentración de ozono a nivel de la
superficie. Los datos de las series de tiempo inician el 7 de Enero y terminan el 20. Es importante
escoger una escala de tiempo apropiada, en este caso por días.
Utilicemos nuestro Script met.m para ingresar los comando de creación de series de tiempo.
Además es el momento oportuno para aprender a poner varios gráficos en una misma figura, con
el comando subplot y también, podemos incluir código para poner la cuadrícula y los nombres en
los ejes. El código que debemos añadir a nuestro script met.m es el siguiente:
31
%SERIES DE TIEMPO DE LA EMA USFQ DEL 7 AL 20 DE ENERO DE 2015
%Radiación solar
figure
subplot(3,1,1)
plot(t,rad, 'y');grid
xlabel('Enero');ylabel('RADIACION SOLAR (W m^{-2})')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
%Temperatura
subplot(3,1,2)
plot(t,T, 'b.');grid
xlabel('Enero');ylabel('Temperatura (deg C)')
%Ozono
subplot(3,1,3)
plot(t,O3, 'g.');grid
xlabel('Enero');ylabel('Ozono (ppbv))')
figure
%Humedad relativa
subplot(3,1,1)
plot(t,HR, 'm.');grid
xlabel('Enero');ylabel('HUMEDAD RELATIVA (%))')
%Presi?n
subplot(3,1,2)
plot(t,P, 'k.');grid
xlabel('Enero');ylabel('PRESION (hPa))')
%Precipitaci?n
subplot(3,1,3)
plot(t,precip, 'c*');grid
xlabel('Enero');ylabel('PRECIPITACION (mm))')
figure
%Velocidad del Viento
subplot(2,1,1)
plot(t,ws, 'b.');grid
xlabel('Enero');ylabel('VEL VIENTO (m/s))')
%Direcci?n del viento
32
subplot(2,1,2)
plot(t,wd, 'g.');grid
xlabel('Enero');ylabel('DIRECCION DEL VIENTO (deg))')
Ahora corramos el script desde la línea de comando
>>met
Ejecutado esto, obtenemos tres figuras con tres paneles en las que constan las variables
ingresadas. Si estudiamos el comando subplot, vemos que el mismo crea subfiguras en una misma
figura y funciona de la siguiente manera:
subplot(filas, columnas, número de gráfico)
Las series de tiempo de alta resolución temporal nos permiten apreciar la estructura de las
variables físicas en el tiempo. Por ejemplo, en la serie de tiempo de la radiación solar, podemos
ver la estructura de las nubes durante en el período del 7 de Enero al 20 de Enero de 2015. Vemos,
además un día particularmente seco el 11 de Enero, si se compara con las humedades relativas del
resto de días.
Adicionalmente, en Matlab podemos hacer acercamientos (zoom in) para explorar qué sucedió en
detalle cada día, en cada serie. Por ejemplo, si hacemos un acercamiento al día 8 de Enero, vemos
que existió un viento sostenido de entre 100° y 150°, es decir de la dirección SE (sureste) desde el
mediodía (t=8.5) durante casi 6 horas (hasta t=8.74).
Podemos observar otro ejemplo, haciendo un acercamiento a la serie de radiación solar en el día
16 de enero. Vemos que al tiempo t=16.586 ocurre una violenta caída de los niveles de luz del día,
atribuibles a gran nubosidad. Recordemos que un tiempo t=16.586 corresponde al tiempo
continuo como fracción de día. Para obtener la hora exacta, procedemos en el sentido inverso de
la Ecuación 2, como sigue:
t = 16.586 por lo tanto:
día=16
hora = 0.586*24 = 14.054
minuto = 0.054*60 = 3.8
segundo = 0.8*60 = 50.4
Hora del evento: 14h 03m 50.4s del 16 de Enero.
Si nos fijamos con detenimiento, podemos detectar un escalón en la serie de la temperatura, que
desciende a la misma hora.
En la serie de la humedad relativa, vemos que este evento estuvo acompañado de un incremento
súbito en la humedad relativa a las 15h21 (t=16.64). El evento de lluvia en ese día sucedió a las
15h50 (t=16.66).
33
Como vemos, la ventaja de tener alta resolución temporal de datos se traduce en la exactitud con
la que podemos determinar el momento y la intensidad de los eventos.
El evento del 16 de Enero luce interesante como para producir perfiles diurnos de las variables
para ese día y, posteriormente, para producir un meteograma y una rosa de viento. Pero antes
necesitamos aprender a filtrar datos. Veamos esto en la siguiente sección.
Filtrar lotes de datos y generar perfiles diurnos

Existen muchas maneras de filtrar datos en Matlab. Aquí aprenderemos operaciones lógicas
simples que nos permitirán seleccionar lotes de datos de interés, de manera rápida.
Por ejemplo: deseamos producir gráficos únicamente para el día 16 de Enero. Podemos hacer esta
selección muy fácilmente asignando un índice a todos los datos de nuestros vectores que
correspondan a ese día; así:
>>i = dia==16;
Si quisiéramos, por ejemplo, los datos de los días 8, 9 y 10, tendríamos:
>>i= dia>=8&dia<=10;
Lo mismo se puede hacer si se quiere filtrar paquetes de datos de horas específicas o de valores de
variables específicos, etc.
Volvamos al ejemplo del 16 de Enero. Necesitamos utilizar el índice escogido para producir
nuestro gráfico. Digamos que queremos graficar la precipitación versus el tiempo, únicamente del
día 16 de enero. Los comandos son los siguientes:
>>i = dia==16;
>>figure;plot(t(i), precip(i));
¿Y si queremos el gráfico contra la hora del día?
Manipulemos el vector tiempo de tal manera que nos quede solo la hora del día:
Hemos dicho que i=16, es decir t(i)=t(16). Es decir t(i) son todos los tiempos correspondientes al
día 16. Si a este tiempo le restamos 16, nos queda solo la fracción del día en el vector, es decir las
horas expresadas como fracción de día.
Por ejemplo: si t=16.5, tenemos que: 16.5-16=0.5 y si a este resultado le multiplicamos por 24
horas que tiene el día, nos da las 12 horas.
El código para es el siguiente: t(i)-floor(t(i) y a este resultado hay que multiplicarle por 24.
Una vez comprendido esto, podemos generar vectores de tiempo y de variables para el día 16
únicamente. Con estos vectores podemos generar perfiles diurnos para este día de interés.
Añadamos, entonces, las siguientes líneas a nuestro scrip met.m.
34
%Caso de estudio: Evento de precipitacion del dia 16 de enero

i = dia==16;
t16 = t(i);
h16 = (t16 - floor(t16))*24;
rad16=rad(i); T16 = T(i); HR16=HR(i); precip16=precip(i); P16=P(i); ws16=ws(i); wd16=wd(i);
figure
subplot(2,2,1)
plot(h16,rad16,'y');grid
xlabel('Hora');ylabel('RADIACION SOLAR (W m^{-2})')
subplot(2,2,2)
plot(h16,T16,'b');grid
xlabel('Hora');ylabel('Temperatura (deg C)')
subplot(2,2,3)
plot(h16,HR16,'m');grid
xlabel('Hora');ylabel('HUMEDAD RELATIVA (%))')
subplot(2,2,4)
plot(h16,precip16,'r.');grid
xlabel('Hora');ylabel('PRECIPITACION (mm))')
%Precipitacion total 16 enero

totprecip16 = sum(precip16)
La última línea corresponde a la precipitación total del día 16 de enero, que la obtenemos
totalizando las medidas de precipitación de toda la serie de tiempo.
Cuando corremos el script desde la línea de comando, obtenemos un gráfico con cuatro paneles
en los que se encuentran los perfiles diurnos. Además el código nos calcula el total de
precipitación que, para ese día, corresponde a 18.7 mm. Luego de editar los atributos del gráfico,
como aprendimos previamente, obtenemos el resultado que se muestra en la Figura 30.
35
Figura 30. Perfiles diurnos de radiación solar (negro), temperatura (azul), humedad relativa
(magenta) y serie de tiempo de precipitación (rojo) para el día 16 de Enero de 2015, obtenidos en
la EMA USFQ.
Al momento hemos aprendido algunas herramientas que nos permiten explorar de manera
eficiente matrices de observaciones atmosféricas de alta resolución temporal.
Es momento de aprender a utilizar funciones que contienen código más complejo, que nos
permitirá generar otros diagramas que se utilizan diariamente en las operaciones de las estaciones
terrenas.
Elaboración de Meteogramas con código de la EMA USFQ

Un meteograma es un gráfico de Meteorología Operacional; es decir, es un gráfico que se genera
diariamente durante las operaciones de las estaciones terrenas a fin de evaluar el
comportamiento de las variables físicas. El meteograma sirve para monitorear a las variables
medidas en su conjunto, respecto del día anterior y respecto del día después. El gráfico al estilo
meteograma contiene los perfiles diurnos de todas las variables y adicionalmente indicadores del
viento en forma de barbas, cada tres horas.
36
En este Taller vamos a generar meteogramas con el código personalizado que hemos desarrollado
en la EMA USFQ para las operaciones diarias de la estación. Aplicaremos este código como una
función (o comando) de Matlab y no entraremos en detalles de cómo está escrito, pues ello
correspodería a un ejercicio de programación profesional que escapa al alcance de este Taller.
NOTA IMPORTANTE: Si el usuario va a utilizar en el futuro esta función, solicitamos citar la

fuente de dónde obtuvo el código, de la siguiente manera: “Código de generación de
Meteogramas, cortesía de la Estación de Mediciones Atmosféricas (EMA) de la USFQ”.
En la carpeta Taller hemos incluido la función meteograma.m cuya sintaxis requiere que
insertemos los vectores de las variables físicas de un día en el siguiente orden:
>>meteograma(tiempo,temperatura,humedad,presión,lluvia,radiación,direccion_viento,v
elocidad_viento)
En nuestro caso, para generar el meteograma del día 16 de enero, tenemos que ingresar los
vectores con el nombre de las variables con las que fueron creados. Apliquemos, entonces, la
función meteograma con los vectores que preparamos para el día 16 de Enero. La línea de código
es la siguiente:
>>meteograma(t16,T16,HR16,P16,precip16,rad16,wd16,ws16)
Es importante notar que la función requiere el tiempo continuo como fracción de día, es decir el
vector t16. Si hemos aplicado la función correctamente, el meteograma que obtenemos
automáticamente, luce como se ilustra en la Figura 31.
Como se puede observar, en los gráficos operacionales al estilo meteograma, la representación del
viento se la realiza con barbas, cada tres horas sinópticas. Este es un gráfico típico que toda
estación profesional maneja y archiva diariamente como producto de sus operaciones.
A más del meteograma, para realizar un análisis más detallado del viento, se utiliza las rosas de
viento. Procedamos, finalmente, con esta sección.
37
Figura 31. Meteograma del día 16 de Enero de 2015 de la Estación de Mediciones Atmosféricas de
la USFQ.
Generación de rosas de viento
Gracias a la comunidad Mathworks, existe mucho código libre que, diferentes programadores
comparten con el resto de usuarios de Matlab. Así, para proceder con la preparación de nuestra
rosa de viento, vamos a utilizar la function WindRose de Mathworks, MATLAB Central de Daniel
Pereira, 16 Jul 2014 (Updated 13 Mar 2015)
(http://www.mathworks.com/matlabcentral/fileexchange/47248-wind-rose)
La sintaxis para el uso de esta function es la siguiente:
38
>>WindRose(direction,speed,varargin)
La primera variable corresponde a la dirección del viento en grados, la segunda es la velocidad del
viento en m s-1 y, la última variable, en realidad corresponde a diversas opciones de atributos del
gráfico. El usuario puede explorar libremente la función WindRose y su uso para el cambio de
atributos o de ejes. En nuestro caso, la sintaxis correcta para aplicar los cuadrantes
meteorológicos a nuestros vectores es la siguiente.
>>WindRose(wd16,ws16,'anglenorth',0,'angleeast',90,'ndirections',24);
title({['OBSERVACIONES EMA USFQ ' zz '/' mesn '/' aa];'Rosa de Viento';' '},...
'color','b','fontweight','bold');
Estas líneas de código, al igual que el resto de comandos que hemos aprendido, se las puede
copiar directamente en la línea de comando y en las líneas de nuestro script met.m.
El resultado de la aplicación de esta función es el gráfico que se muestra en la Figura 32.
Figura 32. Rosa de viento para el día 16 de enero de 2015, obtenido con datos de 1 minuto de la
EMA USFQ.
Por cierto, como se explicó en la primera parte de este documento, la rosa de viento es un
diagrama de distribución de datos y, por lo tanto, se pueden crear rosas de viento con datos
continuos de un día, una semana, un mes, etc. Las variables físicas tienen un comportamiento
estacional, por lo que es conveniente escoger períodos de tiempo estadística y estacionalmente
significativos. Por ejemplo, es más significativo crear gráficos por meses y estaciones que, por
ejemplo, de un año entero o incluso de más de un año. Esto, porque al juntar todos los datos, por
ejemplo, de todo un año, se pierden la estructura y detalles estacionales de la variable.
Hasta aquí nuestro Taller.
39
CIERRE
El participante curioso podrá darse cuenta de que hay mucha más tela que cortar, tanto
en el análisis físico como en el uso de Matlab para el mismo. En este Taller, hemos
proporcionado herramientas básicas pero poderosas, con el objetivo de iniciar a los
participantes en el uso de Matlab para el análisis de variables atmosféricas. De aquí en
adelante, alentamos a que los participantes exploren por sí solos las múltiples
herramientas que Matlab ofrece para el análisis y visualización de datos.
¡Que disfruten!
40
Lecturas recomendadas
 Ahrens, D. C. (2009). Meteorology today: an introduction to weather, climate, and

the environment. Belmont, CA: Brooks/Cole, Cengage Learning.
 Brock, F. and Richardson, S. (2001). Meteorological Measurement Systems. Oxford

University Press.
 Cazorla, M. y Tamayo, E. (2014). Atmospheric measurement station at Universidad

San Francisco de Quito (EMA): ground-based physical meteorology
instrumentation and assessment of initial measurements. Avances en Ciencias e
Ingenierías, 21-30.
 Wallace, J. M., & Hobbs, P. V. (2006). Atmospheric Science: An Introductory

Survey. Amsterdam: ElsevierAcademic Press.
41
View publication stats

Taller Cam CA 2015

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller Cam CA 2015

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Instructivo del Taller de Elaboración de Gráﬁcos de Meteorología Operacional en

Book · January 2015

Maria Cazorla Miguel Bravo

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

Congreso Anual de Meteorología y Calidad del Aire

INSTRUCTIVO DEL TALLER DE

María del Carmen Cazorla©

María del Carmen Cazorla, Ph. D.

Realizó un Postdoctorado en la NASA (Goddard Space Flight Center, Maryland, USA).

Ing. Miguel Bravo

Es Ingeniero Electrónico de la Universidad San Francisco de Quito. Es el Ingeniero de

A la Universidad San Francisco de Quito y sus directivos, por el apoyo brindado.

Al Colegio de Ingeniería, en especial a Nancy Castro, Coordinadora Académica, por su

A Julieta Juncosa, Laura Rivadeneira, Carolina Placencia y Jocelyn Valencia, estudiantes

Bienvenidos al taller de Elaboración de Gráficos de Meteorología Operacional en MATLAB.

Por lo mencionado anteriormente, brindamos este curso en calidad de productores de datos,

Con el espíritu de la USFQ de generar conocimiento y fomentar el avance de la ciencia, esperamos

María del Carmen Cazorla

Universidad San Francisco de Quito

Quito, 20 de Abril de 2015

Comportamiento físico de las variables medidas en una estación

Figura 1. Piranómetro utilizado para medición de la radiación solar en la EMA USFQ.

Temperatura ambiente y humedad relativa

La variación diurna de la temperatura ambiente sigue la tendencia de la radiación solar. En la

La Ecuación (1) permite calcular la humedad relativa en el aire ambiente:

El perfil diurno de la humedad relativa se anti-correlaciona con el de la temperatura ambiente,

En el equilibrio termodinámico, la presión de vapor de saturación es función temperatura, de tal

Velocidad y dirección del viento

Figura 5. Convención matemática y meteorológica para expresar ángulos

En Meteorología Operacional, existe una manera gráfica de representar conjuntamente la

Figura 6. Barbas de viento

La Figura 10 corresponde a mediciones de presión atmosférica, con resolución temporal de 1

Figura 11. Pluviómetro de cucharas de la EMA USFQ.

A fin de reportar la precipitación en un determinado lapso de tiempo, se debe totalizar las

Ozono en el aire ambiente

El ozono a nivel de la superficie es un contaminante que causa serias afecciones respiratorias. El

El ozono ambiente se monitorea continuamente en el tiempo en la EMA, mediante un analizador

Generación de diagramas de Meteorología Operacional

Breves sobre la producción de datos

Introducción al uso de MATLAB

Figura 14. Acceso a MATLAB

>> 2000 + 1300

Figura 15. Ventana de inicio MATLAB

Figura 16. Ventana de “Ayuda” de Matlab

También se puede utilizar el comando “help” directamente desde el “prompt” o línea de

>> help log

LOG Natural logarithm.

LOG(X) is the natural logarithm of the elements of X.

Complex results are produced if X is not positive.

See also log1p, log2, log10, exp, logm, reallog.

Visualización del archivo ema.txt

Para iniciar, vamos a la carpeta Taller que se encuentra en el escritorio de la PC y abramos el

Figura 17. Archivo de texto ema.txt

Tabla 1. Variables del archivo ema.txt

Importar archivo de texto a Matlab

Figura 18. Procedimiento para importar un archivo de texto a Matlab.

Figura 19. Import data

Si hemos importado correctamente el archivo de texto, en nuestro espacio de trabajo o

Figura 20. Visualización de matriz data (o ema) en Matlab.

El resultado debería ser el que se muestra en la Figura 21.

Figura 21. Visualización de la variable temperatura.

Continuar y crear vectores para todas las variables.

7 + 0/24 + 0/(6024) + 0/(360024) = 7.0000

7 + 6/24 + 0/(6024) + 0/(360024) = 7.25

7 + 15/24 + 30/(6024) + 1/(360024) = 7.6458

>>t = dia + hora/24 + min/(2460) + seg/(360024); (2)