Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/284070945
CITATIONS READS
0 1,634
2 authors:
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.
IIA USFQ
CAMCA 2015
Abril 2015
Instructores
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.
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.
Miguel Bravo
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
PRIMERA PARTE:
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
Figura 2. Perfil diurno de la radiación solar tomado en la EMA USFQ el 1 de octubre de 2014.
Figura 3. Sensor de temperatura y humedad relativa con escudo de radiación utilizado en la EMA
USFQ.
7
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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].
10
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
13
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
14
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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.
15
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
SEGUNDA PARTE:
- 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.
Para acceder a Matlab se procede como cualquier otro programa de Windows: Inicio, Programas,
Matlab, como se muestra en la Figura 14.
17
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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:
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
19
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
El orden de las columnas está dado por la línea de encabezado y corresponde, en su orden las
variables descritas en la Tabla 1:
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
22
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
>>precip=data(:,11);
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.
25
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
>>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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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:
Un dato tomado el día 7 de enero a las 06h 00min 00 seg, tiene un valor de tiempo, en fracción de
día de:
Un dato tomado el día 7 de enero a las 15h 30min 01 seg, tiene un valor de tiempo, en fracción de
día de:
Generemos, por lo tanto, el vector tiempo continuo para todas nuestras mediciones, utilizando el
siguiente comando:
Listo!
Se ha creado la variable t para el tiempo continuo y ahora podemos empezar a generar gráficos
con nuestras variables.
>>plot(t,T);
Además podemos cambiar el aspecto del gráfico; por ejemplo, si únicamente queremos puntos de
color rojo, tendríamos:
>> plot(t,T,'.r');
27
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
28
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
29
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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.
30
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
%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)')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
%Ozono
subplot(3,1,3)
plot(t,O3, 'g.');grid
xlabel('Enero');ylabel('Ozono (ppbv))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
figure
%Humedad relativa
subplot(3,1,1)
plot(t,HR, 'm.');grid
xlabel('Enero');ylabel('HUMEDAD RELATIVA (%))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
%Presi?n
subplot(3,1,2)
plot(t,P, 'k.');grid
xlabel('Enero');ylabel('PRESION (hPa))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
%Precipitaci?n
subplot(3,1,3)
plot(t,precip, 'c*');grid
xlabel('Enero');ylabel('PRECIPITACION (mm))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
figure
%Velocidad del Viento
subplot(2,1,1)
plot(t,ws, 'b.');grid
xlabel('Enero');ylabel('VEL VIENTO (m/s))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
%Direcci?n del viento
32
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
subplot(2,1,2)
plot(t,wd, 'g.');grid
xlabel('Enero');ylabel('DIRECCION DEL VIENTO (deg))')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
>>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:
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:
día=16
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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;
>>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));
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
figure
subplot(2,2,1)
plot(h16,rad16,'y');grid
xlabel('Hora');ylabel('RADIACION SOLAR (W m^{-2})')
title('ESTACION DE MEDICIONES ATMOSFERICAS EMA USFQ')
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))')
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
36
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
Figura 31. Meteograma del día 16 de Enero de 2015 de la Estación de Mediciones Atmosféricas de
la USFQ.
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)
38
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
>>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.
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.
39
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
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
CAMCA 2015 – TALLER: Elaboración de diagramas de meteorología operacional.
Lecturas recomendadas
41