Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/324164898
CITATIONS READS
0 936
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Spatial statistics analysis of the deforestation in the Upper Napo Watershed View project
All content following this page was uploaded by Gabriel Vicente Gaona on 03 April 2018.
at/en
Advisor ǀ Supervisor:
AGRADECIMIENTOS
During the study, it became clear that the highlands of the Andes and remote
areas in the Amazon region lack detailed meteorological information. Therefore,
the regionalization of meteorological variables was less accurate in these areas.
However, it was possible to define broad patterns in the climate that allow the use
of different bioclimatic design strategies. The coastal and Amazonian regions
require active systems for air cooling; while the strategy for the highlands (Sierra)
may vary depending on location and altitude. The resulting zoning simplifies
selection of efficient bioclimatic design strategies for housing development across
Ecuador, including in areas for which we currently lack detailed meteorological
information. This way, it is possible to achieve energy efficient housing in every
region of the country, without compromising the comfort of living.
Keywords: Regionalization of meteorological variables, Bioclimatic design
strategies, Energy efficiency in buildings, Housing climatic zoning, Givoni’s
bioclimatic chart
TABLA DE CONTENIDOS
1 INTRODUCCIÓN............................................................................................. 10
1.1 ANTECEDENTES ......................................................................................... 10
1.2 OBJETIVOS ................................................................................................ 12
1.2.1 General.................................................................................................... 12
1.2.2 Específicos .............................................................................................. 12
1.3 PREGUNTAS DE INVESTIGACIÓN ................................................................... 12
1.4 HIPÓTESIS ................................................................................................. 13
1.5 JUSTIFICACIÓN........................................................................................... 13
1.6 ALCANCE .................................................................................................. 14
2 REVISIÓN DE BIBLIOGRAFÍA ........................................................................... 16
2.1 EL CLIMA DEL ECUADOR.............................................................................. 16
2.1.1 Localización geográfica del Ecuador ....................................................... 16
2.1.2 Las Regiones Macroclimáticas de Ecuador ............................................ 16
2.1.3 Factores que modifican el clima en el Ecuador ....................................... 21
2.1.4 Consideraciones generales para el estudio de la variabilidad climática en
el Ecuador ............................................................................................... 21
2.1.5 Descripción de la red nacional de estaciones meteorológicas. ............... 23
2.2 EFICIENCIA ENERGÉTICA EN EDIFICACIONES.................................................. 25
2.2.1 Relación entre el clima y el confort habitacional ...................................... 25
2.2.2 Tipos de edificaciones clasificadas según su uso ................................... 26
2.2.3 Zonificación climática habitacional .......................................................... 27
2.2.4 Las estrategias de diseño bioclimático para viviendas. ........................... 29
2.3 SISTEMAS DE INFORMACIÓN GEOGRÁFICA .................................................... 37
2.3.1 Regionalización de variables meteorológicas.......................................... 37
2.3.2 Predicción espacial y regionalización de variables meteorológicas ........ 40
2.3.3 Análisis espacial ...................................................................................... 42
2.3.4 R como herramienta de Análisis espacial ................................................ 43
3 METODOLOGÍA ............................................................................................. 44
3.1 ÁREA DE ESTUDIO ...................................................................................... 44
3.2 MÉTODOS ................................................................................................. 44
3.2.1 Recopilación de información y herramientas de trabajo .......................... 46
3.2.2 Escenario para la zonificación de estrategias pasivas ............................ 47
3.2.3 Selección de estrategias de diseño para este estudio. ........................... 50
3.2.4 Depuración y relleno de series meteorológicas ....................................... 51
3.2.5 Regionalización de variables meteorológicas.......................................... 53
3.2.6 Asignación de estrategias para cada ubicación geográfica. .................... 56
3.2.7 Validación de la zonificación. ................................................................... 59
4 RESULTADOS Y ANÁLISIS DE RESULTADOS ...................................................... 61
4.1 REGIONALIZACIÓN DE VARIABLES METEOROLÓGICAS ..................................... 61
4.2 SELECCIÓN Y ZONIFICACIÓN DE ESTRATEGIAS DE DISEÑO BIOCLIMÁTICO. ........ 64
4.3 ANÁLISIS DE LOS RESULTADOS .................................................................... 68
5 CONCLUSIONES Y RECOMENDACIONES .......................................................... 73
6 REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 75
APÉNDICES ............................................................................................................ 87
5
LISTA DE FIGURAS
LISTA DE TABLAS
LISTA DE APÉNDICES
1.1 ANTECEDENTES
10
11
reducidas capacidades para ejecutar los MSEH, se acentúan más las limitaciones
nacionales para la evaluación de la eficiencia energética en las edificaciones.
2006 (INAMHI, 2006). Esta zonificación describe los climas en función de índices
de humedad obtenidos de la relación Temperatura – Precipitación. Otras
propuestas desarrolladas por diversos estudios se enfocan en el análisis de las
series meteorológicas para describir las condiciones registradas en diferentes
estaciones sin ofrecer un mapeo de las mismas (Barros López y Troncoso
Salgado, 2010; Pourrut, 1983). Entre los estudios meteorológicos más actuales en
el Ecuador se encuentran los trabajos de Gaona et al., (2013) y Miño-Rodríguez
et al., (2014).
1.2 OBJETIVOS
1.2.1 General
1.2.2 Específicos
1.4 HIPÓTESIS
1.5 JUSTIFICACIÓN
Las nuevas políticas energéticas del Ecuador han generado necesidades técnicas
y logísticas entre las cuales resaltan la eficiencia energética en edificaciones. Esto
se debe a que los resultados del balance energético nacional destacan que las
edificaciones como el tercer sector de mayor consumo energético (Palme, Lobato,
Kastillo, Villacreses, y Almaguer, 2016). Dentro de este sector se encuentran las
edificaciones destinadas al sector residencial. Las investigaciones del INER,
Escuela politécnica del Litoral – ESPOL, Escuela Politécnica Nacional – EPN y
Universidad San Francisco de Quito – USFQ muestran que con la
implementación de estrategias pasivas es posible reducir considerablemente el
consumo energético en las edificaciones del Ecuador (Beltrán, Kastillo, Miño-
Rodríguez, Naranjo-Mendoza, y Ávila, 2015; Miño-Rodríguez et al., 2014).
Paralelamente estas investigaciones también evidencian que el país aún no
dispone de insumos suficientes para la implementación de estas estrategias en
todas las localidades (Miño-Rodríguez et al., 2014). La falta de bases de datos
14
1.6 ALCANCE
energética en edificaciones.
Ecuador se localiza en la zona tórrida del planeta. Toma el nombre del paralelo
cero, el cual se conoce como la línea ecuatorial. El territorio de Ecuador está
conformado por una parte continental y una parte insular. La parte continental de
Ecuador se encuentra en el Noroeste de Sudamérica limitado por Colombia y
Perú, mientras que la parte insular corresponde al Archipiélago de Galápagos y la
correspondiente parte marina (IGM, 2013).
Figura 1. Regiones Macroclimáticas del Ecuador delimitadas por la cota 700 msnm de la
Cordillera de los Andes. Sistema de referencia de coordenadas EPSG:4326.
18
Costa.
Figura 2. Temperatura media del océano durante El Niño (1998) y La Niña (1989)
Fuente: NOAA (2005)
19
Sierra
Amazonía
La región toma su nombre debido a que pertenece al sistema hidrográfico del Río
Amazonas. Se trata de una porción de la cuenca alta del Amazonas que se
extiende desde el pie monte oriental de la cordillera de los Andes hasta la frontera
con Perú hacia el Este. Esta zona presenta la mayor cantidad de selvas y
bosques tropicales y recibe una fuerte influencia de la circulación atmosférica del
continente, en especial los vientos alisios de la cuenca del Amazonas (Galeas y
Guevara, 2012). Lo cual puede causar episodios de altas precipitaciones y
humedad asociados a la dinámica de las nubes (Bendix, Rollenbeck, Göttlicher, y
Cermak, 2006). La Figura 4 muestra la frecuencia de nubes para Ecuador, donde
se destaca un comportamiento estacional de la nubosidad de la Amanozía.
McDowall (2007a) describe siete factores que tienen influencia sobre el confort
26
Figura 6. Porcentaje según tipos de viviendas y agrupadas por tipo de usuario y sector
27
al. 2017). La mayoría emplean la temperatura del aire como variable principal,
aunque pueden también ser usadas la humedad, radiación solar, velocidad del
viento, precipitación, entre otras.
Metodología para
diagnóstico climático para
Otras
País fines de Eficiencia Variables climáticas /adicionales
Clasificaciones
Energética y confort
térmico en edificaciones
Arquitectura Vernácula
Temperatura del aire
Inversión térmica
Amplitud térmica
Clasificación de
Radiación solar
TEC/VMP+IBH
Givoni (1992a)
CBSE (2006)
Precipitación
Grados -Día
Köppen
Viento
Altitud
Chile x x x x x
Argentina x x x
Uruguay x x
Estados
x x x x x x
Unidos
Canadá x x x x x x
México x x x x x x x
Brasil x x
Perú x x x x x
Puerto Rico x x x x x x
Bolivia x x
Ecuador x
Colombia x x x
Fuente: Adaptado de Walsh et at. (2014)
A partir del año 1983, Givoni empieza a desarrollar una metodología que combina
cálculos de termodinámica y psicrometría para detectar las condiciones en las
cuales son efectivos grupos de estrategias de diseño bioclimático (Givoni, 1983).
Su propuesta se resume la zonificación de en una carta psicrométrica de acuerdo
a las características ambientales de cada sitio geográfico específico y las
características arquitectónicas y constructivas de las edificaciones (Figura 7).
2 Lo que quiere que permanecerían la mayor parte del tiempo sentados y haciendo actividades de bajo esfuerzo físico.
32
Figura 9. Ejemplo de alta masa térmica: Paredes de adobe para utilizar la inercia térmica
como almacenamiento de energía en climas de alta oscilación térmica entre el día y la
noche.
Fuente: Palme at al. (2016)
Figura 10. Ejemplo de ventilación natural: Maximización del flujo de aire mediante el uso de
ventanas grandes.
Fuente: Palme et al. (2016)
Figura 12. Ejemplo de ganancias internas de calor: calor de las luces, de los equipos o
personas.
Fuente: Palme et al. (2016)
3
El término “Alta masa” se refiere a que la masa de los materiales de construcción permite almacenar tanto calor en su
cuerpo
4
El término “Baja masa” se refiere a que la masa de los materiales de construcción no permite almacenar tanto calor
36
la vivienda.
Figura 13. Ejemplo de ganancia pasiva por radiación solar directa: Espacios que capturen el
calor de radiación solar y lo transfieran al interior de la vivienda.
Fuente: Palme et al. (2016)
Geostatistical
Non-geostatistical Combined
Univariated Multivariated
Nearest neighbours Simple kriging Universal kriging Classification combined
Triangular irregular Ordinary kriging SK with varying local other interpolation methods
network related Block kriging means Trend surface analysis
interpolations Factorial kriging Kriging with an external combined with kriging
Natural neighbours Dual kriging drift Lapse rate combined with
Inverse distance Indicator kriging Simple cokriging kriging
weighting Disjunctive kriging Ordinary cokriging Linear mixed model
Regression models Model-based Standardised OCK Regression trees combined
Trend surface analysis kriging Principal component with kriging
Splines and local trend Simulation kriging Residual maximum
surfaces Colocated cokriging likelihood-empirical best
Thin plate splines Kriging within strata linear unbiased predictor
Classification Multivariate factorial Regression kriging
Regression tree kriging Gradient plus inverse
Fourier series Indicator kriging distance squared
Lapse rate Indicator cokriging
Probability kriging
Simulation
Fuente: Li et al. (2008)
causalidad) que estas dos variables tienen con la altitud. Antes de regionalizar,
Fries et al. (2009; 2012) agrupan las estaciones de acuerdo al tipo de cobertura
de suelo donde se localizan. A partir de esto, para cada grupo sigue el siguiente
procedimiento:
correspondiente.
muestras entre puntos cercanos que entre puntos alejados (Bunge y Sack, 1973;
Boer, de Beurs, y Hartkamp, 2001; Chica Olmo, 2005; Gallardo, 2006). 2) La
segunda premisa tiene que ver con la asociación o relación espacial entre
variables, y se refiere a que todos los fenómenos están de alguna forma
relacionados con otros (Hutchinson, 1995).
Usando estas premisas, Fries et al. (2009; 2012) logran imputar valores de Ta y Hr
en sitios donde no existen estaciones de muestreo. Entre sus hallazgos (los más
relevantes para este estudio), y confirmando los resultados de la investigaciones
difundidas por Beck, Bendix, Kottke, Makeschin, y Mosandl (2008), destacan la
estrecha relación que tienen Ta y Hr con la altitud. Sin embargo, el gradiente
altitudinal de estas variables meteorológicas puede verse afectado por el tipo de
cobertura del suelo que se encuentre en el área. Por otro lado, al igual que lo han
demostrado otros autores (Hancock y Hutchinson, 2006; Xu y Hutchinson, 2013),
la sensibilidad de este método depende de una buena distribución de los sitios de
muestreo en el área de estudio.
Según investigadores del John A. Dutton e-Education Institute a través del College
of Earth an Mineral Sciences de la Universidad del Estado de Pensilvania , se
conocen alrededor de 600 lenguajes de programación útiles para diseño y análisis
espacial en SIG. De los cuales al menos 15 son ampliamente utilizados por los
desarrolladores de esta rama de la informática (Robinson, Hardisty, y Chaplin,
2017).
La lista que presentan Robinson et al. (2017) incluye lenguajes de bajo nivel (por
ejemplo, C, C++, C# y Java) y alto nivel de comunicación usuario-máquina (como
por ejemplo Python, R, Javascript, VB.Net). Estos últimos han sido ampliamente
utilizados en la programación de guiones para reproducir tareas basadas en
objetos debido a la relativa facilidad de aprendizaje e interpretación.
3.2 MÉTODOS
44
45
Figura 16. Porcentaje de viviendas en Ecuador continental, por tipo de material usado en
cada uno de sus tres componentes principales, según los datos del Censo de Vivienda de
INEC (2010).
Arropamiento clo
Pantalón, camisa de manga corta 0.57
Falda a la rodilla, camisa de manga corta y sandalias 0.54
Pantalón, camisa de manga larga, chaqueta de traje o suéter. 0.96
Falda hasta la rodilla, camisa de manga larga, media combinación, 1.10
panty, suéter de manga larga
Bata de manga larga, camiseta 0.72
Fuente: ASHRAE (2005a) citado por McDowall (2007a)
Actividad met
Durmiendo 0.7
Leyendo o escribiendo, sentado en la oficina 1.0
Archivando, de pie en la oficina 1.4
Caminando en la oficina 1.7
Caminando a 2 mph 2.0
Limpiando la casa 2.0 - 3.4
Bailando o en actividades sociales 2.4 - 4.4
Trabajo pesado 4.0
Fuente: ASHRAE (2005a) citado por McDowall (2007a)
tomando en cuenta que las estrategias más estrictas respecto a la zona de confort
prevalezcan sobre las otras en cuanto a la delimitación del diagrama bioclimático.
De este modo se establecen las condiciones en la cuales alguna estrategia tiene
más aplicabilidad que las demás. Aunque esto no significa que sea la única
estrategia aplicable en esas condiciones. Se asume que el profesional diseñador
de la edificación está en condiciones de interpretar las áreas en las cuales se
sobreponen las diferentes estrategias para implementar una de ellas.
análisis que se presentan en este trabajo se ha seguido los siguientes pasos para
la depuración y completado de las series meteorológicas durante el período 1980
– 2015.
Una vez completadas las series meteorológicas para cada estación, se procedió a
calcular las normales climatológicas para Ta y Hr. Se conservaron dos conjuntos
de datos para los ensayos: Los originales provistos por INAMHI y las Normales
Climatológicas6 por cada estación.
6
La normal climatológica corresponde al valor que representa las condiciones meteorológicas más frecuentes en un sitio
específico. Se obtiene a partir del análisis estadístico de una serie temporal de mediciones de un período mayor o igual a
30 años
54
Figura 19. Gráfico de correlación de Pearson entre pares de variables. A) Datos Mensuales
desde 1980 a 2010; B) Normales climatológicas
0.6219 Psv Hr
Mr = (1)
Pa Psv Hr
g M
Γ z R Γ (2)
Pa = P 0 1 0
T0
masa molar del aire seco (0.0289644 kg/mol); R0 es la constante universal de los
Figura 20. Gráfico de correlación de Pearson entre pares de variables, incluyendo Mr: A)
Datos Mensuales desde 1980 a 2010; B) Normales climatológicas
de un factor equivalente a β1 .
Vz = V est β 1 Z – Z
avg
avg est (3)
V xyz = V xyz + β 1 Z – Z
avg
mna avg (4)
Ta, Mr x, y
en la coordenada espacial x, y . La expresión matemática del proceso de
Ta x,y
Zonas mapa k
= x,y
, DB k (5)
Mr
x,y
A)
B)
Figura 22. Ejemplo de selección de estrategias bioclimáticas para las estaciones A) M0001 y
B) M0143.
59
𝐶𝑝 − 𝐷𝑝
𝑟𝑘 = (7)
0.5𝑛(𝑛 − 1)
6 ∑ 𝑑𝑖2
𝑟𝑠 = 1 − (8)
𝑛(𝑛2 − 1)
60
Donde 𝑑𝑖2 son las diferencias entre dos rangos de cada observación; y, 𝑛 es el
número de observaciones.
∑𝑛𝑖=1(𝑦𝑖 − 𝑥𝑖 )2
𝑁𝑆 = 1 − 𝑛 (9)
∑𝑖=1(𝑥𝑖 − 𝑥̅ )2
1 𝑛
𝑝𝑚 = ∑ (𝑧 ≡ 𝑧𝑥𝑖 ) (10)
𝑛 𝑖=1 𝑦𝑖
Donde, 𝑧𝑦𝑖 ≡ 𝑧𝑥𝑖 es la prueba de verdad del valor de zona estimada frente al valor
de zona observado, y 𝑛 es el número de observaciones.
61
Figura 23. Índice de datos válidos a escala mensual por estación y variable, según los datos
reportados por INAMHI.
Tabla 5. Número de estaciones por grupo de acuerdo a las condiciones de operación y localización
de la estación.
Número de
Grupo Región y Clase Descripción
estaciones
Estaciones localizadas en áreas de bosques de gran
1 Amazonía - Arboles 4
altura con predominancia mayor a 70% de árboles
Estaciones localizadas en áreas de cobertura
2 Amazonía - Hierbas 3
herbácea y cultivos de ciclo corto
Estaciones localizadas en áreas con infraestructura
3 Costa - Antrópico 6
antrópica
Estaciones localizadas en áreas de bosques de gran
4 Costa - Arboles 5
altura con predominancia mayor a 70% de árboles
Estaciones localizadas en áreas de vegetación
arbustiva, cultivos semi-permanentes no forestales,
5 Costa - Arbustos 14 cultivos permanentes de baja/mediana altura y
vegetación secundaria con bosques menores a 50%
de presencia.
Estaciones localizadas en áreas de cobertura
6 Costa - Hierbas 24
herbácea y cultivos de ciclo corto.
Estaciones localizadas en áreas con infraestructura
7 Sierra - Antrópico 8
antrópica.
Estaciones localizadas en áreas de bosques de gran
8 Sierra - Arboles 12
altura con predominancia mayor a 70% de árboles
Estaciones localizadas en áreas de vegetación
arbustiva, cultivos semi-permanentes no forestales,
9 Sierra - Arbustos 17 cultivos permanentes de baja/mediana altura y
vegetación secundaria con bosques menores a 50%
de presencia.
Estaciones localizadas en áreas de cobertura
10 Sierra - Hierbas 55
herbácea y cultivos de ciclo corto
Figura 24. Gráfico de 𝛽1 y 𝜀 del ajuste de modelos lineales por grupo de estaciones
Los mapas mensuales muestran una franja de valores más bajos para todas las
variables, en las áreas que corresponden a la cadena montañosa de la Cordillera
de los Andes. Y no se aprecian variaciones mensuales tan evidentes, sin
embargo, se destacan variaciones espaciales muy fuertes en los Andes y la
Costa. Los apéndices 1, 2 y 3 presentan vistas generales de las variables
regionalizadas para cada mes. A partir los mapas mensuales, se compararon los
valores estimados con los observados en las estaciones, hallándose coeficientes
de correlación altos (> 0.9) para Ta y medios (>0.6) para Hr (Figura 25).
64
Figura 25. Coeficientes de correlación y eficiencia de estimados vs. observados, por mes
Figura 26. Diferencia de estimación de Ta y Hr frente a sus valores observado, por mes
Durante los primeros cuatro meses del año no tienen lugar la estrategia de Solo
deshumidificación, mientras que el resto del año aparecen paulatinamente las
zonas donde es posible esta estrategia. Esta estrategia tiene lugar principalmente
en la cadena montañosa de la cordillera costera.
Las series meteorológicas disponibles para este estudio fueron insuficientes para
el período de análisis. Esta situación ya habría sido descrita en otros estudios (por
ejemplo: Gaona et al., 2013), por lo tanto, se requirió homogeneizar y completar
las series para el período 1980 – 2010. Los valores obtenidos mediante la
regionalización de las variables, comparados con los observados por las
estaciones no tienen diferencias importantes. Los cuatro coeficientes de
correlación entre valores observados y estimados (ver Figura 25) reflejan una
buena predicción en la regionalización espacial de Ta y Hr. Sin embargo, cabe
anotar que se presenta menor efectividad para Hr en los meses de junio a
octubre. Este período coincide con los meses de mayores anomalías en
precipitación y temperatura reportados por INAMHI en sus anuarios
meteorológicos desde 1990 a 2012 (INAMHI, 2012). Por lo tanto, estos bajos
coeficientes podrían estar relacionados con anomalías climáticas implícitas en los
promedios mensuales y que se remarcan en gráfico de diferencias Observado-
70
7
Presente en las provincias de Manabí y Esmeraldas
72
Las estribaciones de los Andes son las únicas zonas que no requieren de
sistemas activos para acondicionamiento de aire. En estas áreas pueden ser
suficientes estrategias pasivas como el adecuado tamaño de ventanas, grosor de
paredes o tipo de materiales para diseño de viviendas, entre otras.
73
74
detallada. De esta manera, todas las regiones del País podrían alcanzar la
eficiencia energética sin comprometer el confort interior en su vivienda.
6 REFERENCIAS BIBLIOGRÁFICAS
Antolini, G., Auteri, L., Pavan, V., Tomei, F., Tomozeiu, R., y Marletto, V. (2016). A
daily high-resolution gridded climatic data set for Emilia-Romagna, Italy,
during 1961-2010. International Journal of Climatology, 36(4), 1970-1986.
DOI:10.1002/joc.4473
Beck, E., Bendix, J., Kottke, I., Makeschin, F., y Mosandl, R. (Eds.). (2008).
Gradients in a Tropical Mountain Ecosystem of Ecuador (Vol. 198). Berlin,
Heidelberg: Springer Berlin Heidelberg. DOI: 10.1007/978-3-540-73526-7
75
76
Bendix, A., y Bendix, J. (2005). Heavy rainfall episodes in Ecuador during El Niño
associated regional atmospheric circulation and SST patterns. Advances in
Geosciences, 6, 1-7. DOI: 10.5194/adgeo-6-43-2006
Bendix, J., Fabian, P., y Rollenbeck, R. (2004). Gradients of fog and rain in a
tropical montane cloud forest of southern Ecuador and its chemical
composition. Fog Collection and Dew, 3-6.
Bendix, J., Rollenbeck, R., Dietrich, G., Nauß, T., y Fabian, P. (2008). Seasonality
and diurnal pattern of very low clouds in a deeply incised valley of the
eastern tropical Andes (South Ecuador) as observed by a cost-effective
WebCam system. Meteorological Applications, 291(May), 281-291.
Bendix, J., Rollenbeck, R., Göttlicher, D., y Cermak, J. (2006). Cloud occurrence
and cloud properties in Ecuador. Climate research, 30(2004), 133-147.
Bendix, J., Fries, A., Zárate, J., Trachte, K., Rollenbeck, R., Pucha-Cofrep, F., …
Achilles, S. (2017). RadarNet-Sur First Weather Radar Network in Tropical
High Mountains. Bulletin of the American Meteorological Society, 98(6),
1235-1254. DOI: 10.1175/BAMS-D-15-00178.1
Bivand, R., Keitt, T., y Rowlingson, B. (2016). rgdal: Bindings for the Geospatial
Data Abstraction Library. R package version 1.2-15. Recuperado en
noviembre de 2015 a partir de https://cran.r-project.org/package=rgdal
Boer, E. P. J., de Beurs, K. M., y Hartkamp, A. D. (2001). Kriging and thin plate
splines for mapping climate variables. International Journal of Applied Earth
Observation and Geoinformation, 3(2), 146-154. DOI: 10.1016/S0303-
2434(01)85006-6
77
Cadier, É., Gómez, G., Calvez, R., y Rossel, F. (1994). Inundaciones y Sequías en
el Ecuador. En ORSTOM (Ed.), Conferencias por los 20 Años del ORSTOM
en Ecuador (pp. 107-116). Quito, Ecuador: ORSTOM.
Caldwell, M. M., Heldmaier, G., Jackson, R. B., Lange, O. L., Mooney, H. A.,
Schulze, E. D., y Sommer, U. (2007). Ecological studies: Gradients in a
Tropical Mountain Ecosystem of Ecuador. (E. Beck, J. Bendix, I. Kottke, F.
Makeschin, y R. Mosandl, Eds.) (Uncorrected, Vol. 198). Heidelberg,
Germany: Springer.
CEC, California Energy Commission (2013) 2013 California Energy Code, Title 24,
Part 6 and Associated Administrative Regulations in Part 1
0450(1994)033<0140:ASTMFM>2.0.CO;2
Deser, C., y Wallace, J. (1987). El Nino events and their relation to the Southern
Oscillation: 1925–1986. Journal of Geophysical Research. DOI:
10.1029/JC092iC13p14189
Emck, P. (2007). A Climatology of South Ecuador - With special focus on the major
Andean ridge as Atlantic-Pacific climate divide.
Espinoza Villar, J. C., Ronchail, J., Guyot, J. L., Cochonneau, G., Naziano, F.,
Lavado, W., … Vauchel, P. (2009). Spatio-temporal rainfall variability in the
Amazon basin countries (Brazil, Peru, Bolivia, Colombia, and Ecuador).
International Journal of Climatology, 29(11), 1574-1594. DOI:
10.1002/joc.1791
Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., … Alsdorf,
D. (2007). The Shuttle Radar Topography Mission. Reviews of Geophysics,
45(2), RG2004. DOI: 10.1029/2005RG000183
Fries, A., Rollenbeck, R., Göttlicher, D., Nauß, T., Homeier, J., Peters, T., y Bendix,
J. (2009). Thermal structure of a megadiverse Andean mountain ecosystem
in southern Ecuador and its regionalization. Erdkunde, 63(4), 321-335.
Fries, A., Rollenbeck, R., Nauß, T., Peters, T., y Bendix, J. (2012). Near surface air
humidity in a megadiverse Andean mountain ecosystem of southern Ecuador
and its regionalization. Agricultural and Forest Meteorology, 152, 17-30. DOI:
10.1016/j.agrformet.2011.08.004
Gallardo, A., Palme, M., Lobato-Cordero, A., Beltrán, R., y Gaona, G. (2016).
Evaluating Thermal Comfort in a Naturally Conditioned Office in a Temperate
Climate Zone. Buildings. Multidisciplinary Digital Publishing Institute. DOI:
10.3390/buildings6030027
Humphreys, M. A., Rijal, H. B., y Nicol, J. F. (2013). Updating the adaptive relation
between climate and comfort indoors; new insights and an extended
database. Building and Environment, 63, 40-55. DOI:
80
10.1016/j.buildenv.2013.01.024
Hurtado Pidal, J., y Suntaxi Aluisa, F. (2013). Regionalizacion climática del litoral
ecuatoriano, utilizando 3 metodologías para la agrupación de
zonas/estaciones homogéneas, en torno al proyecto índices – ENOS.
Recuperado en mayo de 2017, a partir de
http://es.scribd.com/doc/176663173/Regionalizacion-Litoral-Ecuatoriano
INER. (2014). Informe de cierre del proyecto «Métodos para el control de calidad y
complementación de datos faltantes en parámetros meteorológicos
relacionados con la utilización de energías renovables». Quito, Ecuador.
Kumar, J., Brooks, B.-G. J., Thornton, P. E., y Dietze, M. C. (2012). Sub-daily
Statistical Downscaling of Meteorological Variables Using Neural Networks.
Procedia Computer Science, 9, 887-896. DOI: 10.1016/j.procs.2012.04.095
Lam, J. C., Yang, L., y Liu, J. (2006). Development of passive design zones in
China using bioclimatic approach. Energy Conversion and Management,
47(6), 746-762. DOI: 10.1016/j.enconman.2005.05.025
Li, J., & Heap, A. (2008). A review of spatial interpolation methods for
environmental scientists. Geoscience Australia, 23. Recuperado en
noviembre de 2017, a partir de
https://pdfs.semanticscholar.org/686c/29a81eab59d7f6b7e2c4b060b1184323
a122.pdf
Lomas, K. J., Fiala, D., Cook, M. J., y Cropper, P. C. (2004). Building bioclimatic
charts for non-domestic buildings and passive downdraught evaporative
cooling. Building and Environment, 39(6), 661-676. DOI:
10.1016/j.buildenv.2003.12.011
METEOTEST, Remund, J., Müller, S., Kunz, S., Huguenin-Landl, B., Schmid, C., y
Schilter, C. (2013). Handbook part II : Theory. Bern, Switzerland: Meteotest.
Milne, M., Liggett, R., y Benson, A. (2009). Climate Consultant 4.0 develops
design guidelines for each unique climate. Buffalo, New. Recuperado en
octubre de 2016 a partir de http://www.energy-design-
tools.aud.ucla.edu/papers/ases09-milne.pdf
http://www.cpc.ncep.noaa.gov/products/analysis_monitoring/ensocycle/ensoc
ycle.shtml
Palme, M., Lobato, A., Kastillo, J., Villacreses, G., y Almaguer, M. (2016).
Estrategias para mejorar las condiciones de habitabilida y consumo de
energía en viviendas. Quito, Ecuador: Instituto Nacional de Eficiencia
Energética y Energías Renovables - INER.
Pebesma, E. J., y Bivand, R. S. (2005). Classes and methods for spatial data in R.
R News, 5(2), 9-13. https://cran.r-project.org/doc/Rnews/
Peralta, J., Lopez, Á., Barriga, A., Sosa, I., y Delgado, E. (2013). Análisis
estadístico de la información meteorológica para la explotación de energías
renovables en el Ecuador. Primer Congreso Internacional y Expo Cientifica
Investigacion Sostenible: Energías Renovables y Eficiencia Energética, 1-9.
84
Ribeiro P.Jr y Diggle P.J. (2015). geoR: Analysis of Geostatistical Data. R package
version 1.7-5.2. Recuperado en mayo de 2015 https://CRAN.R-
project.org/package=geoR
Robinson, A., Hardisty, F., y Chaplin, G. (2017). GEOG 583: Geospatial System
Analysis and Design. Recuperado en mayo de 2017, a partir de
https://www.e-education.psu.edu/geog583/node/67
Rollenbeck, R., Bendix, J., y Fabian, P. (2011). Spatial and temporal dynamics of
atmospheric water inputs in tropical mountain forests of South Ecuador.
Hydrological Processes, 25(3), 344-352. DOI: 10.1002/hyp.7799
Satgé, F., Bonnet, M.-P., Gosset, M., Molina, J., Hernan Yuque Lima, W., Pillco
Zolá, R., … Garnier, J. (2016). Assessment of satellite rainfall products over
the Andean plateau. Atmospheric Research, 167, 1-14. DOI:
10.1016/j.atmosres.2015.07.012
Vuille, M., Bradley, R., y Keimig, F. (2000). Climate variability in the Andes of
Ecuador and its relation to tropical Pacific and Atlantic sea surface
temperature anomalies. Journal of Climate. DOI: 10.1175/1520-
0442(2000)013<2520:CVITAO>2.0.CO;2
Walsh, A., Cóstola, D., y Labakia, L. C. (2017). Review of methods for climatic
zoning for building energy efficiency programs. Building and Environment,
112, 337–350. DOI: 10.1016/j.buildenv.2016.11.046
Wan, K. K. W., Li, D. H. W., Yang, L., y Lam, J. C. (2010). Climate classifications
and building energy use implications in China. Energy and Buildings, 42(9),
1463-1471. DOI: 10.1016/j.enbuild.2010.03.016
Wickham, H. (2014). Advanced R. Boca Raton, FL: CRC Press, Taylor & Francis
Group.
Worrell, E., Bernstein, L., Roy, J., Price, L., y Harnisch, J. (2008). Industrial energy
efficiency and climate change mitigation. Energy Efficiency, 2(2), 109-123.
DOI: 10.1007/s12053-008-9032-8
APÉNDICES