23 Carlos Antonio Morales Mota

SECRETARÍA DE LA DEFENSA NACIONAL
DIRECCIÓN GENERAL DE EDUCACIÓN

MILITAR Y R.U.D.E.F.A.
Licenciatura en Meteorología Militar
TESIS
PRONÓSTICO DE TORMENTAS LOCALES SEVERAS EN EL ÁREA

METROPOLITANA DE GUADALAJARA, MEDIANTE ÍNDICES
TERMODINÁMICOS
Presentado por
Cadete de 4/o Año Carlos Antonio Morales Mota
Junio de 2022
SECRETARÍA DE LA DEFENSA NACIONAL
DIRECCIÓN GENERAL DE EDUCACIÓN
MILITAR Y RECTORÍA DE LA U.D.E.F.A.
Escuela Militar de Especialistas de Fuerza Aérea
DIRECTOR DE TESIS
Tte. F.A. Met. Brenda Osorio González
ASESORES
M. en C. Christian Abel de la Torre Vázquez
Cap. 2/o de F.A. Met. Ret. José Guadalupe Navarro Castro

ÍNDICE
INTRODUCCIÓN........................................................................................................................................ 1
CAPÍTULO I PLANTEAMIENTO DEL PROBLEMA ............................................................. 3
Descripción del problema ................................................................................................................ 3
Pregunta de investigación ............................................................................................................... 5
Propósito de la investigación ......................................................................................................... 5
Justificación ................................................................................................................................................ 5
Viabilidad ...................................................................................................................................................... 6
Objeto de estudio ................................................................................................................................... 7
Hipótesis ........................................................................................................................................................ 7
Variables ........................................................................................................................................................ 7
Objetivos del estudio.......................................................................................................................... 10
CAPÍTULO II. FUNDAMENTACIÓN ............................................................................................. 11
Marco teórico ............................................................................................................................................ 11
Marco normativo .................................................................................................................................. 24
CAPÍTULO III METODOLOGÍA ..................................................................................................... 27
Tipo de investigación ........................................................................................................................ 27
Técnicas e instrumentos de recolección de variables .............................................. 29
CAPÍTULO IV DESARROLLO DEL TRABAJO DE INVESTIGACIÓN ..................... 31
Identificación de TLS que se generaron en el AMG en el periodo 2004-2021

............................................................................................................................................................................ 31
Comparar mediante una correlación los diferentes índices termodinámicos

que se van a utilizar para obtener así la medida en la que estos se asocian.
............................................................................................................................................................................ 41
Programar una serie de tiempo tomando como variables los índices
utilizados obteniendo los valores que pronostiquen la ocurrencia de TLS.
........................................................................................................................................................................... 47
capítulo V presentación y análisis de resultados ........................................................... 51

........................................................................................................................................................................... 59
Capítulo Vi Conclusiones y recomendaciones ............................................................... 63
Conclusiones ........................................................................................................................................... 63
Recomendaciones .............................................................................................................................. 65
FUENTES DE CONSULTA................................................................................................................ 69
ÍNDICE DE FIGURAS
Figura 1. Asignación de valores por municipio, respecto al número de días

con tormenta eléctrica ..................................................................................................................... 13
Figura 2. Delimitación Área Metropolitana de Guadalajara .................................. 14
Figura 3. Tormenta de granizo en Guadalajara............................................................... 15
Figura 4. Energía Potencial Convectiva Disponible (Termodiagrama) ......... 19
Figura 5. Proceso de empuje hidrostático ......................................................................... 22
Figura 6. Proceso bolsa de aire frio ......................................................................................... 22
Figura 7. Archivo xls año 2006 (datos en crudo)............................................................ 32
Figura 8. Encabezado base de datos (Coordenadas) ................................................ 33
Figura 9. Encabezado base de datos (variables) ........................................................... 33
Figura 10. Primer filtro año 2005 ............................................................................................... 34
Figura 11. Carga de datos ................................................................................................................ 47
Figura 12. Determinación de diferencias estacionales y no estacionales ...48
Figura 13. Determinación de ordenes ................................................................................... 49
Figura 14. Prueba residual ............................................................................................................. 49
Figura 15. Script graficas prueba residual........................................................................... 50
Figura 16. Pronóstico serie temporal ..................................................................................... 50
Figura 17. Distribución de tormentas por año en el AMG 2004-2021 .............. 51
Figura 18. Distribución de TLS en el AMG (2004-2021) .............................................. 52
Figura 19. Distribución de TLS por meses en el AMG 2020 .................................... 53
Figura 20. Termodiagrama Guadalajara (76612) 12z 30 de junio 2019 ............ 54
Figura 21. Termodiagrama Guadalajara (76612) 00z 01 de julio 2019 .............. 55
Figura 22. Modelo de correlación Bulck Richardson Number y Lifted ......... 56

Figura 23. Modelo de correlación Convective Available Potential Energy y
BRN ................................................................................................................................................................ 57
Figura 24. Modelo de correlación Convective Available Potential Energy y

Lifted Index ............................................................................................................................................... 58
Figura 25. Serie temporal índice LI .......................................................................................... 59
Figura 26. Serie Estacional índice LI ....................................................................................... 60
Figura 27. Autocorrelación índice LI........................................................................................ 61
Figura 28. Ajuste media móvil Lifted ...................................................................................... 61

ÍNDICE DE TABLAS
Tabla 1. Génesis de formación de nubes asociadas a Tormentas Severas ... 16
Tabla 2. Valores generales del CAPE ....................................................................................... 19
Tabla 3. Valores generales del índice LI ............................................................................... 20
Tabla 4. Valores generales del índice BRN ......................................................................... 21
Tabla 5. Clasificación del tipo de investigación .............................................................. 27
Tabla 6. Días de ocurrencia de TLS en el AMG ................................................................ 36
Tabla 7. Cálculos numéricos primer modelo de regresión .................................... 42
Tabla 8. Obtención de coeficientes de correlación y determinación Tabla 1.

Richardson LI .......................................................................................................................................... 43
Tabla 9. Cálculos numéricos segundo modelo de regresión ...............................44
Tabla 10. Obtención de coeficientes de correlación y determinación

CAPENBR ................................................................................................................................................... 45
Tabla 11. Cálculos numéricos tercer modelo de regresión ..................................... 45
Tabla 12. Obtención de coeficientes de correlación y determinación CAPELI

...........................................................................................................................................................................46
Tabla 13. Indicadores de predicción de TLS ....................................................................... 62
Tabla 14. Coeficientes R y R2 de los índices CAPE, BRN y LI .................................. 64
ÍNDICE DE ANEXOS
Anexo 1. Código QR modelo ARIMA para el índice de inestabilidad CAPE del

periodo 2004 a 2021 con valores de TLS ............................................................................. 67
Anexo 2. Código QR Modelo ARIMA para el índice de inestabilidad Bulck

Richardson Number del periodo 2004 a 2021 con valores de TLS .................. 68
INTRODUCCIÓN
En el transcurso de la historia del hombre, el tiempo atmosférico ha estado

presente afectando directamente sus actividades diarias. Así pues, los primeros
meteorólogos se dieron a la tarea de analizar e interpretar la atmósfera y
predecir su comportamiento. Más tarde comprendieron que nunca es continua,
por lo tanto, elaborar pronósticos meteorológicos no es una tarea fácil.
Teniendo en cuenta lo anterior, y si se cumplen las condiciones

atmosféricas necesarias, provoca diferentes fenómenos meteorológicos como
son las Tormentas Locales Severas (TLS), lo cual causa un conflicto al no
anticiparlas con el tiempo oportuno. Dado que el meteorólogo debe predecir
estas condiciones atmosféricas, se apoya de herramientas meteorológicas que
llegan a apoyar esta predicción de manera eficiente y eficaz. Por otra parte, la
página oficial del Gobierno de México indica que en la Escuela Militar de
Especialistas de Fuerza Aérea capacita al meteorólogo militar, para desarrollar
análisis, predicciones y estudios meteorológicos, así como para asesorar a los
comandantes de los organismos del Ejército y Fuerza Aérea Mexicanos, con
base en la doctrina militar y sentido axiológico integral que les permita
desarrollarse con eficacia en el cumplimiento de las misiones que se le asignen
Secretaría de la Defensa Nacional (SEDENA,2019).
Es necesario comprender que las tormentas se pueden presentar en una

variedad de lugares dependiendo las variables que se presenten a su alrededor.
El IAGUA (s.f.) explica que para la formación de células convectivas asociadas a
tormentas es necesario que un centro de baja presión se desarrolle con un
sistema de alta presión que lo rodea, un contraste térmico y masas de aire
húmedo provocan movimientos ascendentes y descendentes que producen
vientos fuertes y precipitaciones moderadas a fuertes. Así mismo, es importante
mencionar que el ciclo de una tormenta se comprende como:
1
Fase de crecimiento: comienza el desarrollo de nubes del tipo cúmulos,
produciéndose fuertes corrientes ascendentes.
Fase de madurez: la cantidad de vapor es demasiada que la nube se

condensa y comienza a precipitar en forma de chubascos y posibles descargas
eléctricas al igual que vientos descendentes hasta superficie.
Fase de disipación: las corrientes ascendentes ya no tienen demasiado

aporte de humedad hacia las capas altas por lo que la precipitación y los vientos
fuertes paran y la temperatura al interior de la nube y exterior se igualan y
termina por disiparse.
Es importante mencionar que en el Área Metropolitana de Guadalajara

(ÁMG) se realizó una climatología de TLS donde García et al. (2007) define que
para considerar como severa una tormenta, debe tener vientos lineales de 18
m/s o más, presencia de tornado y presencia de granizo de cualquier tamaño.
En concreto, para lograr dar un pronóstico eficiente de una TLS tomando

en cuenta las características anteriormente mencionadas, el meteorólogo
utiliza diferentes instrumentos que son óptimos para entender el
comportamiento de la atmósfera, entre estos se destacan los índices
termodinámicos. Davison y Hernández (2019) definen que estos índices estiman
el potencial que se tiene para ver si existen las condiciones de contar con una
atmósfera estable o inestable de una parcela de aire que se eleva
adiabáticamente (sin transferencia de calor). Es por ello que, para la temprana
identificación de células nubosas convectivas, se utilizarán los índices
termodinámicos que proporcionen una mayor confiabilidad de su presencia en
el área de estudio. En el transcurso del primer capítulo se desarrollarán los
siguientes apartados para la mejor comprensión del tema: planteamiento del
problema generando aquí la importancia y la pregunta de investigación; la
justificación del proyecto y la viabilidad que tiene; la definición que guía al objeto
de estudio; proposición de la hipótesis; identificar las variables a utilizar y
plantear el objetivo general y objetivos específicos por alcanzar.
2
CAPÍTULO I PLANTEAMIENTO DEL PROBLEMA
La identificación de Tormentas Locales Severas es indispensable al tratarse de

un fenómeno meteorológico que origina pérdidas materiales y económicas
tanto para la población civil como para actividades del medio militar. Por
ejemplo, el 24 de septiembre del 2021 el periódico la Jornada (2021) menciona
que debido a una tormenta severa la cual provocó inundaciones con un nivel de
más de dos metros de altura, ocasionó que una camioneta quedará atrapada y
su conductor perdiera la vida.
Por lo anterior, en estos momentos, realizar pronósticos que lleguen a tener

un margen de error mínimo apoyándose de índices termodinámicos tiene
diferentes beneficios tanto para la población civil como para los diferentes
mandos en el Ejército y Fuerza Aérea Mexicana (FAM) ya que estos últimos
mencionados podrán tomar las decisiones oportunas, en caso de ser necesario
la aplicación del Plan DN-III-E. Aunque para esta predicción es conveniente
identificar qué índices son los más eficientes para el ÁMG. Por lo tanto, se debe
tomar en cuenta estudiar cuáles son las diferentes variables y factores
meteorológicos que influyen en gran medida, al surgimiento de la TLS y que a
su vez estas variables sean las que se relacionen de mejor manera con los índices
que se utilizarán al igual que se cuente con información histórica de ellos.
Descripción del problema

García et al. (2007) indica que se han registrado TLS sobre el AMG desde
mayo hasta noviembre, en particular, en los meses de junio, julio y agosto, donde
se destaca que en este último mes es donde se han presentado más ocurrencias
de tormentas con granizo o vientos superiores a 18 m/s y presencia de tornado
en pocos casos, las cuales han causado inundaciones, caída de cableado
eléctrico, automóviles estancados, vientos fuertes que sin duda alguna generan
pérdidas tanto materiales como financieras, como lo fue la TLS del 24 de junio
3
del 2021 que aunque la tormenta no duró tanto, fue demasiado intensa por las
rachas de vientos que ocasionó la caída de árboles en Juan Palomar y Arias, al
igual que el servicio eléctrico presenta intermitencias y se suspendió en
diferentes colonias en la Zona Metropolitana de Guadalajara (ZMG).
Para realizar la predicción oportuna y prever este fenómeno como el

caso anteriormente citado, es importante mencionar que los índices de
inestabilidad se dividen en dos tipos, el método de parcelas y el método
termodinámico. Davison et al. (2016) mencionan que es de parcelas porque se
asume que una burbuja de aire asciende sin intercambiar calor con el medio
ambiente (adiabáticamente) y después se compara con la temperatura exterior,
al igual que no considera todo el radiosondeo, si no los cálculos de los índices
consideran solo dos capas, por lo que estos índices presentan esa desventaja.
Este mismo autor explica que existen diferentes índices de inestabilidad

atmosférica, como lo es el índice K, Lifted Index (LI), SWEAT (Severe Weather
Thread Index), Bulck Richardson Number (BNR), Showalter, entre otros. Se
podría decir que son los más tradicionales, pero en algo más general todos estos
índices inicialmente fueron creados para latitudes medias y por lo tanto no
todos funcionan para el ÁMG.
Sendiña (2006) explica que la observación de los diagramas

termodinámicos permite obtener una información interesante sobre cómo se
comportan las capas del aire en la atmósfera. Por lo que, numerosas estaciones
meteorológicas lanzan radiosondas que van recogiendo mediciones de las
distintas variables del aire.
Una gran ventaja que se tiene para este proyecto de investigación es que
la institución encargada de realizar el radiosondeo en el ÁMG es el observatorio
astronómico de Guadalajara, el cual cuenta con demasiada información
histórica al igual que la universidad de Wyoming E. U. se ha encargado de
recopilar por día esta información.
4
Con respecto al índice termodinámico considera todo el sondeo y con
esto estima si existe la energía necesaria para generar una inestabilidad en la
columna vertical de la atmósfera, pero a pesar de que considera el sondeo
completo, tener una cantidad alta de energía no siempre significa forzosamente
una inestabilidad. Es por lo que no es factible considerar solo el CAPE, ya que se
pueden llegar a conclusiones erróneas al no considerar las desventajas y
ventajas de los índices.
Por consiguiente, es necesario realizar una correlación entre los índices

que se utilizaran, para con esto observar si existe un alto grado de asociación
entre ellos, al igual que obtener el coeficiente de determinación y analizar la
variabilidad que tiene los valores de un índice con respecto del otro y con ello
obtener las ecuaciones que mejor se ajusten, además de poder realizar alguna
interpolación de valores
Pregunta de investigación
¿Cuáles son los índices termodinámicos que tienen un mejor
comportamiento para la predicción temprana de una Tormenta Local Severa en
el Área Metropolitana de Guadalajara?
Propósito de la investigación
El presente proyecto tiene como propósito obtener valores indicativos de
índices termodinámicos que aporten a la predicción eficiente, para la
prevención oportuna de sus efectos de una TLS.
Justificación
Las TLS pueden llegar a ser altamente destructivas, generando con ellas
tornados, granizo, y vientos fuertes, los cuales originan pérdidas como cosechas,
cultivos o daño a las estructuras de las viviendas, automóviles varados, caída de
árboles, en fin, diferentes accidentes en la población civil al igual que en el
5
ámbito militar llegan a ocasionar accidentes aéreos, retraso de operaciones
aéreas, quedar sin servicio eléctrico, inundaciones, afectando así a las diversas
actividades militares.
Una demostración del alcance destructivo de las tormentas severas ocurrió

el 30 de junio del 2019. El Milenio (2019) reportó una fuerte lluvia con granizo que
dejó grandes afectaciones en el oriente del AMG donde autoridades utilizan
maquinaria pesada para despejar las zonas de hielo ya que varios tráileres
quedaron estancados, taxis y vehículos particulares, incluso, los tripulantes de
estos dos últimos, fueron rescatados por bomberos hasta horas después, debido
a que ningún vehículo podía realizar algún movimiento por lo que sus autos
quedaron completamente bajo el hielo y tuvieron que esperar sobre los toldos
hasta ser rescatados.
De lo anteriormente mencionado resalta la necesidad de analizar el

comportamiento que tuvo la atmósfera previa a la TLS, así mismo analizarla en
el momento presente que está afectando. También es relevante conocer su
evolución y comportamiento al igual que la energía convectiva que llegue a
tener, son elementos importantes para llegar a tener el resultado esperado.
De hecho, el desarrollar un pronóstico que resuelva esta problemática

indiscutiblemente generará diferentes beneficios en el ámbito civil y militar, al
poder estar prevenidos de este fenómeno y que organismos como el Sistema
Nacional de Protección Civil (SINAPROC) y mandos del Ejército y Fuerza Aérea
tomen las decisiones oportunas previas a la aparición de una tormenta severa.
Viabilidad
La elaboración de este trabajo de investigación es viable dado que los
recursos con los que se cuenta para la recopilación de información son amplios,
teniendo en cuenta que hay diferentes redes de estaciones meteorológicas en
las cuales se puede solicitar los datos que se necesitan para estudiar las TLS. Es
por esto que la elaboración del proyecto es posible, al igual que no le genera un
6
costo financiero a la SEDENA y además aportaría demasiados beneficios
significativos a la meteorología al proporcionar información reciente sobre
inestabilidad atmosférica en el AMG y con esto a la predicción temprana de las
TLS. Además, se cuenta con el tiempo necesario para la investigación y cualquier
gasto que conlleva su realización será absorbido por el tesista.
Objeto de estudio
Uso de índices termodinámicos (Cape, índice Lifted, Bulk Richardson
Number) en el periodo de 2004 al 2022 en el Área Metropolitana de Guadalajara
con información obtenida de diferentes instituciones, utilizando una
metodología para así tener pasos racionales que guíen a la detección de TLS.
Hipótesis
Las tormentas locales severas en el Área Metropolitana de Guadalajara se
pueden predecir con los índices de inestabilidad CAPE, Lifted y número de Bulk
Richardson.
Variables
Identificación
Las variables consideradas para la detección de TLS son velocidad del

viento, presión atmosférica, temperatura del aire, humedad relativa, Índice
termodinámico CAPE, índice LI y el número de Bulk Richardson. Todas estas
indican diferentes características o aspectos para catalogar una tormenta como
severa o si se está presentando inestabilidad atmosférica. Por ello es
conveniente analizar e interpretar la información con diferentes herramientas
meteorológicas.
7
Definición conceptual
Velocidad del viento: Relación entre la distancia recorrida por el aire y el

tiempo que tarda en recorrerla. La “velocidad instantánea” o con mayor
brevedad, la “velocidad”, corresponde al caso de un intervalo de tiempo
infinitamente pequeño. La “velocidad media” corresponde al caso en que el
intervalo de tiempo es finito. Instituto de Hidrología, Meteorología y Estudios
Ambientales (IDEAM, 2019).
Presión atmosférica: Es la fuerza por unidad de área ejercida por la

atmósfera sobre cualquier superficie en virtud de su peso. Equivale al peso de
una columna de aire de sección transversal unitaria que se extiende desde un
nivel dado hasta el límite superior de la atmósfera (IDEAM, 2019).
Temperatura del aire: Se refiere a la medida del estado térmico del aire
con respecto a su habilidad de comunicar calor a su alrededor (IDEAM, 2019).
Humedad relativa: Es la relación entre la masa del vapor de agua

contenido por unidad de volumen de aire y la del vapor de agua que sería
necesario para saturar este volumen, a la misma temperatura. Normalmente se
expresa en tantos por ciento según Servicios a la Navegación en el Espacio
Aéreo Mexicano (SENEAM, 2016).
CAPE: Energía Potencial Convectiva Disponible representa la energía

potencial que se tiene en las parcelas de aire que ascienden sobre el nivel de
convección libre (LFC) (Davison, 2016).
Índice Lifted: El índice de levantamiento o LI expresa la diferencia de

temperaturas entre una parcela de aire en ascenso y su entorno a una presión
de 500 mb. (Galway, 1956).
Número de Bulk Richardson: Es una relación entre el empuje hidrostático

(medido con la CAPE) y la cizalladura vertical con el entorno que dependiendo
el número medirá si una tormenta es intensa o tenderá a desmoronarse (Meted,
2014).
8
Hodógrafa: Es el lugar geométrico del plano o del espacio determinado
por los extremos de los vectores de un punto que recorre una trayectoria
cualquiera, trasladados a un origen común (Ramírez, 2006).
Definición operacional
Velocidad del viento: Se evaluará la velocidad del viento registrada en los

eventos donde hubo inestabilidad atmosférica o presencia de tormenta, para
conocer si se cumplen los requisitos necesarios de vientos mayor a 18 m/s para
alcanzar la categoría de una TLS.
Presión atmosférica: Para el estudio de las TLS la presión será analizada

para medir cómo ha sido su comportamiento en la atmósfera y relacionarlo a
las interpretaciones que se tengan en los índices termodinámicos.
Temperatura del aire: Se analizará para comprobar y conocer la relación

que exista con la presencia de TLS e islas de calor urbanas.
Humedad relativa: Serán evaluados los datos de humedad para tener un

conocimiento de qué tan saturada se encontraba la atmósfera en los casos que
hubo la presencia de una TLS.
CAPE: Los valores obtenidos de este índice serán analizados para conocer
la cantidad de energía disponible que se encontraba en el momento del
radiosondeo para identificar que parámetros son los necesarios que se deben
tener para que se desarrolle inestabilidad en la atmósfera y posteriormente una
tormenta severa.
Índice Lifted: La información que se obtenga de este índice, será

interpretado para asimilar que tan inestable se encontraba la atmósfera en el
AMG y a su vez relacionarlo con los otros dos índices para identificar la medida
en la que se asocian previo a las TLS.
9
Número de Bulk Richardson: Este índice se utilizará para conocer qué tan
intensa es una tormenta y conocer el balance entre la cizalladura vertical del
viento y el empuje hidrostático para ver si se cumplen las condiciones necesarias
y se presenta una TLS.
Hodógrafa: El uso de la hodógrafa se utilizará para conocer el

comportamiento de la cizalladura vertical, y con ello identificar si es fuerte o
débil y analizar si es posible el surgimiento de células convectivas y que
posteriormente se desarrolle una TLS.
Objetivos del estudio

Objetivo general
Obtener los valores umbrales de los índices de inestabilidad (Energía

Potencial Disponible Convectiva, Lifted y el número de Bulk Richardson) que
permitan realizar el pronóstico de TLS en el AMG.
Objetivos específicos
1. Recopilar información sobre las TLS que se han generado en el Área

Metropolitana de Guadalajara en el periodo 2004-2021 y realizar los filtros
necesarios para identificar las fechas exactas de presencia de TLS.
2. Comparar mediante una correlación los diferentes índices

termodinámicos que se van a utilizar para obtener así la medida en la que estos
se asocian.
3. Programar una serie de tiempo tomando como variables los índices

10
CAPÍTULO II. FUNDAMENTACIÓN
Marco teórico
El marco teórico es la fundamentación válida que tiene un trabajo de
investigación. Son todas las referencias que van a sustentar el proyecto de
estudio. Zamorano (2014) explica que se deben analizar todos los antecedentes
sobre lo que se va a desarrollar, para así tener una especie de guía o camino por
cual llevar el problema a investigar. Al igual que servirá para no cometer los
mismos errores de los diferentes estudios o tratar de evitarlos. También es
importante mencionar que es conocimiento nuevo que alimentará el inicio de
la investigación y le dará estructura al problema de estudio.
Así que, considerando esta aseveración, es pertinente de manera inicial

definir qué son las tormentas como tal, las cuales son fenómenos
meteorológicos que cuando se presentan afectan de menor magnitud que la
escala sinóptica, se caracteriza por tener nubes del tipo cumulonimbus,
presentando inestabilidad vertical atmosférica, suelen presentarse con rayos y
truenos, al igual que se presentan con precipitaciones de diferentes formas. El
IDEAM (2019) lo define como una descarga brusca de electricidad atmosférica
que se manifiesta por un resplandor breve (relámpago) y por un ruido seco o un
estruendo sordo (trueno). Las tormentas se asocian a nubes convectivas y
suelen acompañarse de precipitación en forma de chubascos, lluvia de hielo o
en ocasiones de nieve, nieve granulada, hielo granulado y granizo.
Diferentes estudios catalogan los fenómenos meteorológicos en diferentes

escalas, pero tienen una desventaja de hacerlo muy general. Sin embargo,
Orlanski (1975) menciona que las TLS se desarrollan a mesoescala, ya que esta es
la parte de la meteorología encargada de estudiar los sistemas meteorológicos
que no llegan a tener tanto rango de afectación como lo son los sistemas a
escala sinóptica, pero aun así abarcan más que los sistemas a microescala.
Para comprender mejor las escalas este mismo autor las relaciona con un
fenómeno que se relacione con cada una, por ejemplo, la macroescala o
11
sinóptico lo llega a ser un huracán o un anticiclón por la región tan amplia que
abarca, mesoescala una tormenta por el radio de afectación a algo local y
microescala un torbellino por su mínimo alcance de afectación, claro que cada
uno de estos sistemas o fenómenos generan diferentes daños dependiendo su
magnitud.
En general, las tormentas es probable que puedan presentarse en
cualquier parte del mundo. México se caracteriza por tener una alta influencia
de las lluvias monzónicas de verano, esto genera días con fuertes lluvias en
forma de tormentas mayores a los 20 mm/día (Pineda, 2020). Un estudio de “La
climatología de tormentas locales severas en el área metropolitana de
Guadalajara” realizado por la Universidad Autónoma de México (UNAM), indica
que se presentan en el periodo de mayo a noviembre, resaltando que en los
meses donde se presenta más actividad es en los meses de junio, julio y agosto.
Así mismo, el National Weather Service (NWS,2020) plantea una tormenta,
como severa si se presentan vientos de por lo menos 58 mph y/o granizo con 1
pulgada de diámetro y/o presencia de tornado. Así mismo, todas las categorías
de tormentas implican rayos/descargas eléctricas y el potencial de
inundaciones (NWS, 2020). Sin embargo, García et al. (2007) afirma que para ser
catalogada como una TLS en el AMG debe tener presencia de por lo menos una
de estas 3 características, (vientos lineales igual o mayor a 18 m/s presencia de
granizo de cualquier tamaño y tornado).
En la República Mexicana ocurren 30 días con tormentas en promedio
anual por estados y el máximo es de 100, principalmente sobre las sierras Madre
Oriental, Madre Occidental, Madre del Sur, Madre de Chiapas, Montañas del
norte de Chiapas y Sistema Volcánico Transversal (Vidal, 2007). Todas estas
tormentas ocasionan una serie de desastres ya sean materiales en afectaciones
a viviendas, estancamientos de precipitación que a su vez conlleva a
inundaciones, diferentes accidentes y también afectando directamente a la
economía de todos los afectados por la inversión que se debe realizar al reparar
todos los daños después de la tormenta. Por todo lo anterior mencionado es que
el Centro Nacional de Prevención de Desastres CENAPRED (2012) se dio a la
12
tarea de realizar un mapa de riesgos anual, para ello asignó los niveles de peligro
con base a la información de isolíneas que para este caso fueron isoyetas las
cuales son líneas que unen puntos de igual cantidad de precipitación, esto para
asignar un valor a cada municipio. Cabe mencionar que se realizó tomando en
cuenta el número de días con tormentas eléctricas para cada municipio y el
valor más alto de la isoyeta, es el que se le asignó a cada municipio todo esto
como un promedio anual. Ver Figura 1.
Figura 1
Asignación de valores por municipio, respecto al número de días con tormenta

eléctrica
Fuente: CENAPRED (2012)
A partir de aquí es necesario explicar que para el estudio de las TLS de esta
tesis se delimitó en el AMG, para esto la página oficial del gobierno de Jalisco
(2013) señala que se integra con los municipios de San Pedro Tlaquepaque,
Tonalá, Zapopan, Tlajomulco de Zúñiga, El Salto, Juanacatlán, Ixtlahuacán de los
Membrillos, Acatlán de Juárez, Zapotlanejo y el mencionado Guadalajara que en
conjunto comparten una constante conurbación. Para ser algo más específico
13
el Instituto Metropolitano de Planeación (2012) indica que la superficie total del
AMG es de 3,265.46 km2 donde resalta que los municipios que tiene mayor
superficie son Zapopan con un 31. 15% y Zapotlanejo con 22.12% y los municipios
más pequeños son San Pedro Tlaquepaque con 3.63% y El Salto 2.83% de la
superficie total, como se muestra en la Figura 2.
Figura 2
Delimitación Área Metropolitana de Guadalajara
Fuente: Gobierno del Estado de Jalisco (2013).
Por lo general en Guadalajara no se les da demasiada importancia a las TLS,

ya que su radio de afectación no es demasiado amplio, o bien no se toman las
medidas necesarias una vez ocurrido el fenómeno. Aun así, cuando surge su
presencia, genera demasiados daños que no deberían ignorarse o dejar pasar
tan a la ligera. Muchas veces solo queda como un registro más de una TLS y de
sus consecuencias que dejó.
Por ejemplo, la destrucción que alcanzó a provocar la TLS ocurrida el 30 de

junio del 2019 (Figura 3) en la cual se presentó una fuerte lluvia con granizo
14
afectando gran parte en el Oriente del AMG, ya que se utilizó maquinaria pesada
para despejar las zonas del hielo, la tormenta se concentró más en el municipio
de San Pedro Tlaquepaque, llegando a almacenarse granizo con 30 centímetros
de espesor. Cable News Network (CNN, 2019).
Figura 3
Tormenta de granizo en Guadalajara
Fuente: CNN (2019)
Otro ejemplo fue la tormenta ocurrida el 24 de julio del 2007, afectando el

AMG, provocando inundaciones hasta de dos metros de altura, dejó un saldo de
seis personas muertas, al menos 15 familias desalojadas, 21 accidentes
automovilísticos, 45 vehículos varados, 13 árboles caídos, así como semáforos y
postes de luz dañados (La Jornada, 2007).
Para entender mejor las TLS, es necesario conocer ¿Cómo es que se

forman?, y ¿por qué es que se forman? Es así, que el CENAPRED (2010)
desarrolló un fascículo titulado “Tormentas Severas” explicando aquí la génesis
de formación de nubes de este fenómeno, el cual para su mejor comprensión
se optó por realizar la siguiente Tabla 1.
15
Tabla 1
Génesis de formación de nubes asociadas a Tormentas Severas
Tipo de Causa Ejemplo
formación
El ascenso térmico en superficie

enfría el aire, cuando alcanza el
Formación
punto de condensación se formará
por
la primera nube. Esta puede seguir
convección
creciendo y tener desarrollo
vertical atrayendo aire húmedo y
alimentándose por sí mismo.
Las corrientes de aire que fluyen

sobre la tierra producen una capa
Formación
turbulenta de hasta 150 metros de
por fricción
altura, o más de 1,000 metros
turbulenta
(CENAPRED, 2010). La fricción
creada obliga al aire a elevarse por
una expansión adiabática
formándose así las nubes.
Una corriente de aire con flujo

horizontal que alcanza una barrera
Formación
montañosa es forzada a ascender y,
por ascenso
mientras se eleva, el aire tiende a
orográfico
enfriarse. Si el ascenso y el
contenido de humedad son
adecuados, ocurre la
condensación.
Cuando dos masas de aire tienen

un movimiento horizontal y
Formación
convergente hacia una región en
por
particular generan ascenso del aire
convergencia
(movimiento convectivo)
formando nubes de gran desarrollo
vertical (CENAPRED, 2010).
Fuente: Elaboración propia
16
En general estos procesos anteriormente citados originan inestabilidad
atmosférica, y es claro que su inicio de formación es causado por su interacción
con diferentes factores, incluso otros autores explican que frentes fríos generan
TLS, incluso la isla de calor urbana es un factor en el inicio de estas tormentas,
entre otros.
Se han realizado diferentes investigaciones sobre las TLS en el AMG, con

diferentes herramientas meteorológicas, por ejemplo, Andalón (2017) realizó un
estudio sobre la detección de TLS, utilizando el Radar Doppler, pero tomando en
cuenta qué relación tenían con las islas de calor urbanas, y si estas llegaban a
apoyar la inestabilidad atmosférica para el surgimiento de tormentas. Los
resultados que se obtuvieron fueron eventos fuertes de precipitación, que
alcanzaron la categoría de una TLS, presentándose en cuatros días, que al
compararlos con los mapas de islas de calor se identificó que coincidían estas, y
las zonas donde se presentó la mayor cantidad de precipitación.
Teniendo en cuenta diversos factores para su formación, es importante

calcular la inestabilidad en la atmósfera previo a su aparición con índices de
estabilidad. De acuerdo con Salson (2010) los índices termodinámicos son
calculados a partir de radiosondeos que se lanzan en diferentes estaciones
meteorológicas, en frecuencia de las 0:00 y las 12:00 zulú (estas horas en el
ámbito militar son las horas UTC o tiempo universal coordinado), al ser lanzados
los radiosondeos van registrando datos de temperatura, humedad y presión. A
partir de estos datos se realizan los cálculos para obtener los índices de
estabilidad.
En este mismo orden de ideas, Ochoa (2011) menciona que generalmente

estos índices fueron creados para calcular con qué tanta facilidad una parcela
de aire puede generar inestabilidad o mantenerse estable para la predicción del
tiempo a corto plazo y a largo plazo en el estudio de cambios en el potencial de
desarrollo de tormentas severas.
17
Entre los diferentes índices que existen, no todos se cuenta con
información histórica de ellos en Guadalajara, es por ello que se decidió solo
utilizar los que tuvieran registros más completos y además tengan un grado de
confiabilidad alto en el área de estudio, los cuales son los siguientes:
CAPE: Carnesoltas (2017) explica que es una variable para conocer la

energía potencial que tiene una parcela de aire para generar inestabilidad, con
la desventaja que su cálculo parte de una integral entre las curvas de
temperatura de la parcela en ascenso y la de temperatura del entorno y es
probable que nos indique valores iguales con diferentes distribuciones
verticales.
Por otro lado, Thompson (2006) lo define como la integral de la cantidad

de trabajo que la fuerza de flotación que tendría que ejercer en una masa de
aire que asciende en una columna atmosférica, indicando que números
positivos hará que el aire se eleve y números negativos hará que se hunda, en
otras palabras, cuando el CAPE indique valores distintos de cero es apuntador
de inestabilidad, siendo su formula la siguiente:
𝑁𝐸
Tvparcela − Tvamb
𝐶𝐴𝑃𝐸 = ∫ 𝑔 ( ) 𝑑𝑧
𝑇𝑣amb
𝑁𝐶𝐿
Donde:
NCL = altura de nivel de convección libre
NE = flotabilidad neutra (nivel de equilibrio)
Tv parcela = temperatura virtual de la parcela
Tv amb = temperatura virtual del ambiente
g= aceleración gravitatoria
Se tiene que mencionar que las unidades de las alturas son en metros y las
temperaturas utilizadas en escala Kelvin. Como se explicó anteriormente, la
fórmula expresa el trabajo realizado por la fuerza de flotación, menos la fuerza
18
de gravedad, que provoca un exceso de energía, que dependiendo de esos
resultados es posible que se convierta en energía cinética y de ahí son
consistentes las unidades del CAPE que son J/kg. Un ejemplo de cómo se
obtiene el índice en el termodiagrama se muestra en la siguiente Figura 4.
Figura 4
Energía Potencial Convectiva Disponible (Termodiagrama)
Fuente: Meted (2016)
Los valores dados para la relación entre el CAPE y la inestabilidad

atmosférica, de manera general, los establecieron de la siguiente forma, Tabla 2.
Tabla 2
Valores generales del CAPE
Valor CAPE Estabilidad atmosférica
0 Estable
0 a 1000 Marginalmente inestable
1000 a 2500 Moderadamente inestable
2500 a 3500 Muy inestable
3500 o más Extremadamente inestable
Fuente: elaboración propia
19
Índice Lifted: Galway (1956) explica que este índice se obtiene a partir de la
diferencia de temperaturas de una parcela de aire y su entorno a una altura de
500 mb. El LI será negativo cuando la parcela tenga una temperatura más
caliente que su entorno y esto provocará su ascenso. La fórmula para su
obtención es la siguiente:
LI= Tambiente 500 mb-Tparcela 500mb
Para la interpretación de este índice, según su valor al igual que el índice

anterior, se definió la estabilidad atmosférica de la siguiente manera presentada
en la Tabla 3:
Tabla 3
Valores generales del índice LI
Valor LI Estabilidad atmosférica
0a3 Estable
-3 a 0 Marginalmente inestable
-6 a -3 Moderadamente inestable
-9 a -6 Muy inestable
-∞ a -9 Extremadamente inestable
Número de Bulck Richardson: Meted (2016) explica que este índice es la

relación que hay con la cizalladura vertical del viento, y el empuje hidrostático.
En su expresión matemática es el resultado de la división entre los valores del
CAPE y la cizalladura como la mitad del cuadrado del vector entre el viento
medio y capa de 0 a 6 km, y se calcula de la siguiente manera:
𝐶𝐴𝑃𝐸
𝐵𝑅𝑁 =
[(0.5)(𝑈6𝑘𝑚 − 𝑈500𝑚)2
Donde:
U6km = velocidad media del viento a los 6000 metros inferiores.
U500m = velocidad media del viento a los 500 metros inferiores.
20
El índice en sí, es difícil de calcular de manera manual, sin embargo, en los
termodiagramas ya vienen generados por programas informáticos, y al igual
que los índices anteriormente mencionados, el BRN tiene parámetros
establecidos de inestabilidad, qué de manera general se establecieron de la
siguiente forma en la Tabla 4.
Tabla 4
Valores generales del índice BRN
Valor BRN Tormentas observadas
Menor a 10 Tienden a desmoronarse

10 a 35 Favorece la formación de supercélulas
Mayor a 50 Formación de tormentas aisladas o
multicelulares
La cantidad de información sobre índices termodinámicos relacionado a

tormentas en México, es algo escasa, sin embargo, con diferentes estudios a lo
largo del mundo que han analizado las diversas características sobre los factores
que ocasionan tormentas y ayudan a tener una perspectiva más amplia de
células convectivas. Por ejemplo, The University Corporation for Atmospheric
(2016) simplifican tres procesos físicos determinantes para que se presenten
células ordinarias, multi células, y supercélulas los cuales se presentan a
continuación.
1 proceso de empuje hidrostático: Es la relación directa de la fuerza de

ascenso de una parcela de aire (flotabilidad) y las fuerzas convectivas
ascendentes y descendentes de corrientes de viento.
Estas corrientes, y otros factores como densidad, presión y temperatura,

obligan a que se incremente la fuerza que elevará a la parcela de aire y por
consecuencia sea la génesis de células ordinarias, que si persisten las
condiciones necesarias tendrán desarrollo vertical. Véase Figura 5.
21
Figura 5
Proceso de empuje hidrostático
Fuente: Meted (2016)
2 proceso de bolsa de aire frío: la interacción entre la bolsa de aire y la

cizalladura vertical del viento revelan que el flujo de viento que sale de una
tormenta (Figura 6), hace que sea posible la creación de nuevas células
convectivas en niveles bajos y a la vez sean de larga duración.
Figura 6
Proceso bolsa de aire frío
Fuente: UCA (2016)
22
En el segundo objetivo específico del capítulo I, se menciona la correlación
que se desarrollará para los tres índices. Por lo tanto, es necesario explicar que
son los modelos de correlación. Ahora bien, los más utilizados son el de mínimos
cuadrados y el de regresión lineal múltiple. Este modelo permite identificar de
manera lineal el valor dependiente “y” a partir de las variables independientes
“X1” “X2”.
Por otro lado, Montero (2016) menciona que la regresión lineal múltiple
ajusta estos modelos linealizables en una variable dependiente y con más de
una variable independiente. La regresión sirve para identificar el grado de
asociación de la variabilidad de magnitudes estocásticas y en general se espera
que los sucesos tengan una forma funcional del tipo:
y= b0+b1x1j+b2jx2j+…bkxk+uj
Donde el autor indicó que “y” es la variable endógena “x” las variables
exógenas, “u” los residuos y “b” los coeficientes que se estiman entre “x” y “y”.
Ahora, para realizar la serie temporal y posteriormente el pronóstico

matemático, el método a utilizar es ARIMA, que significa Modelos
Autorregresivos Integrados de Medias Móviles. Para entender este modelo, la
primera abreviatura AR indica el orden o número de observaciones retrasadas
de una serie temporal, por ejemplo, AR (1) AR (2) …etc. y para la ecuación de
primer orden se expresaría de la siguiente forma:
Y1=ф0+ф1 Y1*l+a1
Estos modelos generalmente tienen ruido blanco cuando se cumplen tres

hipótesis básicas:
- Media nula
- Varianza constante
- Covarianza nula entre errores correspondientes a observaciones diferentes
De manera genérica el modelo autorregresivo AR(p) en su forma abreviada

se define como:
23
Фp(L)+ Y1= ф0+a1
Donde Фp(L) representa el operador polinomial de retardos: Фp(L)=1- Ф1L-

Ф1L2-…… -ФpLp y el término L al aplicarlo en valores de t, se obtiene el valor de
esa misma variable en t-1:
LY1=Yt-1
Al aplicar sucesivamente p hace que se retarde el valor en p periodos:

LpYt=Yt-p
Ahora bien, para la segunda abreviatura MA, se utiliza un modelo de

medias móviles, que explica el valor de una variable en un periodo t en función
de un término independiente y una continuación de errores que corresponden
a periodos precedentes y ponderados a conveniencia. Y al igual que en los
modelos autorregresivos de orden, para q en términos de error MA(q) se
expresaría de la siguiente forma:
Y1=µ+a1+Ѳ1at-1+Ѳ2at-2+….Ѳq+at-q
Así mismo, se puede abreviar utilizando el polinomio de retardos:
Y1=Ѳq(L)a1+µ
Marco normativo
El presente trabajo se encuentra apegado a diferentes leyes y reglamentos
militares del Ejército y Fuerza Aérea Mexicanos, teniendo así una
fundamentación válida. Al igual que cumple a las disposiciones de la “Guía y
lineamientos para la elaboración de los trabajos de investigación en el Sistema
Educativo Militar” realizada por la Secretaría de la Defensa Nacional SEDENA en
el año 2020.
Aunado a ello, la Ley Orgánica del Ejército y Fuerza Aérea Mexicanos (2021,
última reforma) en su artículo 96 menciona que el Servicio Meteorológico tendrá
a su cargo proporcionar al Ejército y Fuerza Aérea, la información Meteorológica,
24
así como el resultado de los estudios sobre la materia que requieran. Así mismo,
el artículo 97 dice que El Servicio Meteorológico, operará bajo la supervisión de
la Fuerza Aérea y su Director será un General perteneciente a dicho servicio.
Por otra parte, el Reglamento de la Dirección General de Educación Militar

(D.O.F., 1938) en el artículo 2 indica que “La D.G.E.M. tiene a su cargo la
supervisión inmediata de la labor educativa en las Escuelas Militares, el estudio
de los problemas que a este respecto se susciten para ser presentados con su
opinión a la aprobación superior por el conducto debido”.
De manera similar, el Reglamento de la Ley de Educación Militar del

Ejército y Fuerza Aérea Mexicanos (2012, última reforma) artículo 167 explica que
La Dirección y Rectoría es el órgano responsable de la investigación en el
Sistema de conformidad con el plan de investigación, en donde se establecen
los objetivos, así como las líneas de investigación respectivas. De este mismo
reglamento el artículo 169.- Los proyectos de investigación aprobados serán
realizados por el personal del sistema con los recursos presupuestales que
proporcione la Secretaría, de conformidad con la disponibilidad financiera.
Así mismo, el Manual de Organización y Funcionamiento de la Dirección

General de Educación Militar y Rectoría de la U.D.E.F.A. (2015) artículo 86 De la
sección de investigación y Doctrina Militar se encargará de Supervisar la
elaboración del procedimiento sistemático de operar la Investigación y
establecer las líneas de investigación que rigen los trabajos de investigación del
Sistema Educativo Militar.
De igual forma, el Reglamento General del Colegio del Aire (D.O.F., 2004)
Capítulo IV De la sección Académica, artículo 17 fracción VII “Coordinar y
supervisar el desarrollo de los trabajos relacionados con la tesis y los exámenes
profesionales o sus equivalentes. Del mismo reglamento, artículo 76 “La
evaluación académica tiene por objeto verificar el nivel de aprovechamiento del
personal en instrucción en el proceso de enseñanza-aprendizaje” y artículo 78
Los exámenes que se aplican en las escuelas militares que dependen del
25
Colegio del Aire son: fracción III “profesional, es el que sustenta al personal en
instrucción que realizó el curso de Piloto Aviador Militar en la Escuela Militar de
Aviación o la carrera de Meteorólogo Militar en la Escuela Militar de Especialistas
de Fuerza Aérea, después de haber cubierto el contenido de los programas de
estudio del curso o carrera respectivo y haber elaborado una tesis o su
equivalente”.
26
CAPÍTULO III METODOLOGÍA
Iglesias y Cortés (2004) mencionan que la metodología de la investigación es la

ciencia que aportará al tesista una serie de conceptos, principios y leyes que le
permitirán obtener una enseñanza, al igual que dirigir el proceso ya
determinado alcanzando los resultados deseados de una manera eficiente y
eficaz. Es por ello, que para este apartado se realizó la siguiente tabla, de manera
que se identifique la orientación, enfoque, alcance, diseño y temporalidad que
se necesita para la elaboración de este trabajo de investigación. Tabla 5.
Tipo de investigación
Tabla 5
Clasificación del tipo de investigación

Orientación Científica
Enfoque Mixto
Alcance Explicativo
Diseño Concurrente
Temporalidad Longitudinal
La elaboración de este proyecto tendrá una orientación científica por el

hecho de que nuestro fenómeno de estudio abarca la meteorología y esta es
una rama derivada de ciencias de la tierra. Al ser una ciencia, utiliza un método
sistematizado y científico que siempre nos guiará a comprobar y experimentar.
Es imposible hacer cualquier planteamiento científico a espaldas de la ciencia,
y bien podría decirse lo mismo de la epistemología. La base y punto de partida
del científico es la realidad, que mediante la investigación le permite llegar a la
ciencia. (Tamayo, 2004) Por lo tanto, en el transcurso de este trabajo se hace el
uso de una investigación científica, para así tener un resultado comprobable y
que sea válido.
27
El enfoque de esta investigación será mixto porque en el ámbito de la
meteorología se miden variables que generan información la cual podemos
llegar a comprobar y a su vez se expresan como una forma contable, que sería
el punto de vista cuantitativo. Por ejemplo, intensidad de viento, presión
atmosférica, temperatura del aire, entre otros, que la información que otorgan
ya son unidades establecidas.
Estas mismas variables se llegan a describir tomando en cuenta sus

cualidades que tengan y así definir algún concepto que nos da una idea de
cómo es que se comportan, como se pueden observar en los termodiagramas
al tener que analizar las isolíneas y observar el comportamiento de la atmósfera.
Por lo tanto, es necesario combinar ambos enfoques para llegar a tener una
investigación mixta donde se complementen los dos enfoques y obtener un
producto de mejor calidad.
El alcance utilizado será explicativo porque son estudios altamente

estructurados que pretenden determinar las causas de los eventos y fenómenos
de cualquier índole, establecen relaciones de causalidad entre conceptos,
variables, hechos o fenómenos en un contexto concreto y generan un sentido
de entendimiento de los fenómenos y problemas que se examinan. (Sampieri,
2018).
El diseño que se necesita utilizar es concurrente por ser de enfoque mixto

y los datos cualitativos y cuantitativos se analizan simultáneamente, este mismo
autor explica que el planteamiento básico de este diseño son proposiciones que
surgen de los datos obtenidos de la investigación, al igual que preguntas sobre
los procesos y relaciones entre conceptos que conforman un fenómeno.
En el estudio de diferentes fenómenos meteorológicos es necesario

indagar sobre varios eventos ya ocurridos para poder así predecir las futuras
consecuencias de estos. Entonces para este trabajo de investigación se requiere
el uso de la temporalidad longitudinal porque se tomarán los últimos 18 años de
estudio de las TLS ocurridas en el AMG.
28
Técnicas e instrumentos de recolección de variables
Para la recolección de datos, se seleccionó la estación de Guadalajara con

el designador MMGL, con las siguientes coordenadas, latitud: 20.51667 longitud:
-103.31667 y una elevación de 5013 ft. y debido a las variables que se utilizaran fue
necesario obtener la información de la página Meso West, ya que era la única
plataforma que cumplía con las exigencias que demanda este proyecto. Al igual
que se utilizó la base de datos de la E.M.M. No. 5 de la B.A.M No. 5 localizada en
Zapopan, Jalisco
Se obtuvo un archivo XLS por cada año del 2004 al 2022 en el que contiene
el altímetro, humedad relativa, dirección e intensidad de viento, la presión,
cobertura nubosa y por último el METAR (Meteorological Aerodrome Report) en
forma horaria por hora, día y mes y que en realidad el de más utilidad es este
último mencionado porque resume todas las variables anteriores mencionada
en una sola codificación.
Al tener todos esos parámetros lo siguiente fue descargar los radiosondeos

de Guadalajara (76612) de las 12:00Z y las 00:00Z del mismo periodo.
Población
En el estado de Jalisco, específicamente en el AMG con base en Mesowest

y la base de datos de la E.M.M No. 5, se presentaron un total de 548 tormentas
en los últimos 18 años. Sin embargo, no todas fueron severas, es por ello que se
realizó un filtro obteniendo así las tormentas que tuvieron vientos lineales de
igual o mayor a 18 m/s presencia de granizo de cualquier tamaño al igual que si
presentaban tornados, esto considerando como referencia la climatología del
2007 de Guadalajara. Una vez identificando esas características fue posible
catalogarlas como TLS. Ahora bien, como el objeto de estudio de este trabajo de
investigación son las tormentas severas se tomó como población a las que sí
cumplieron con esas características y se obtuvo un total de 165 TLS.
29
Muestra
Una muestra es un subgrupo de la población o universo que te interesa,

sobre la cual se recolectarán los datos pertinentes, y deberá ser representativa
de dicha población (Sampieri, 2018). Existen diferentes métodos para
seleccionar una muestra correcta, pero ya que nuestra población es finita se
utilizó la siguiente fórmula:
𝑁 ∗ 𝑍2 ∗ 𝑝 ∗ 𝑞
𝑛= 2
𝑒 ∗ (𝑁 − 1) + 𝑍 2 ∗ 𝑝 ∗ 𝑞
Siendo:
n = Tamaño de muestra
N = Tamaño de población
Z = Parámetro estadístico que depende del nivel de confianza
e = Error de estimación máximo aceptado
p = Probabilidad de que ocurra el evento estudiado
q = (1 – p) = Probabilidad de que no ocurra el evento estudiado
Teniendo como resultado una muestra de 159. Cabe mencionar que el tipo
de muestreo es no probabilístico por lo que se puede escoger un determinado
intervalo de tiempo y como tal esta muestra es definida solo por ecuación sin
considerar otros aspectos de la población.
30
CAPÍTULO IV DESARROLLO DEL TRABAJO DE INVESTIGACIÓN
Identificación de TLS que se generaron en el AMG en el periodo 2004-2021
Para la identificación de TLS en el periodo del 2004-2021 se optó por

obtener la información de diferentes instituciones fidedignas que tuvieran de
forma consecutiva las variables meteorológicas y posiblemente los días de
ocurrencia de tormentas.
En primer lugar, se consultó el Atlas de desastres que publica el Centro

Nacional de Prevención de Desastres (CENAPRED) al igual que se indagó en la
información que brinda el Sistema Nacional de Protección Civil y la Comisión
Nacional del Agua (CONAGUA) pero tienen la deficiencia de no contar con la
información necesaria o la mayoría de datos son promedios hechos por las
Estaciones Meteorológicas Automáticas (EMAS). No obstante, la última
mencionada si cuenta con algunas fechas de presencia de tormenta, aunque de
manera general solo mencionan al AMG, pero no un área en específico, a pesar
de ello también fue tomada en cuenta esa información.
Por lo anterior, fue necesario seguir buscando más fuentes que

proporcionarán las exigencias que demanda esta investigación. Es aquí donde
la plataforma MesoWest de la universidad de Utha E.U. cumple con estas
exigencias la cual proporciona parámetros como temperatura, humedad,
presión, dirección e intensidad de viento, y lo más importante que obtiene el
reporte METAR de la estación de el aeropuerto de Guadalajara por hora, día, mes
y año.
Por lo anterior se procedió a realizar la descarga de los datos en crudo,

teniendo un archivo XLS, en el cual vienen 8594 filas con un ancho de 39
columnas de información tan solo de un año aproximadamente.
31
Tener demasiada información tiene ventajas al contar con todos los
parámetros que se utilizan para interpretar las condiciones atmosféricas. Sin
embargo, no todos los datos son útiles para este trabajo de investigación, ya que
el objeto de estudio son tormentas y mucha información no es importante
analizar, por lo tanto, se deben filtrar los datos ya obtenidos.
El primer archivo en crudo de muestra fue el del año 2006 el cual contiene
5535 filas de información como se observa en la Figura 7.
Figura 7
Archivo xls año 2006 (datos en crudo)
Fuente: Mesowest (2006).
Los archivos de todos los años descargados tienen la ventaja de mostrar

en sus encabezados, las coordenadas exactas de la estación y también se puede
verificar el designador que en este caso fue el de Guadalajara, lo que hace mejor
la comprensión al igual que contiene el nombre del aeropuerto de donde se
extrae el reporte METAR la altitud y elevación a la que se encuentra sobre el nivel
32
del mar, así como las variables por separado y en las unidades en las que se
encuentran, esto hace que se puedan ver y extraer cualquier variable individual
que se requiera como se puede observar en la Figura 8 y 9.
Figura 8
Encabezado base de datos (Coordenadas)
Figura 9
Encabezado base de datos (variables)
Teniendo este reporte se procedió a realizar dos filtros, el primero fue con
base en el METAR, poniendo la abreviatura “Thunderstorm” y “Thunder” ya que
33
con esto es una forma en la que todas las estaciones meteorológicas codifican
que hay o hubo presencia de una tormenta. Cabe resaltar que este filtro se
realizó para el periodo establecido del 2004 al 2022 por el hecho que la
plataforma no contaba con datos anteriores a esa fecha e indagar en periódicos
o alguna otra plataforma no cuenta con la información necesaria o bien un
archivo como tal en el que se pudiera asegurar las características necesarias
para catalogar una tormenta severa al igual que no es posible realizar los
mismos filtros y obtener los días exactos que hubo presencia de tormentas y el
tiempo a emplear sería demasiado.
Al realizar el primer filtro superó las expectativas esperadas, al arrojar con

precisión y exactitud los días con tormenta y su hora y cuantas fueron por año,
teniendo un total de 44 filas de información como a continuación se muestra
en la Figura 10.
Figura 10
Primer filtro año 2005
De todas las celdas arrojadas se identificó que muchas fechas eran las
mismas por el hecho que el reporte METAR se publica cada hora y en diferentes
34
eventos el fenómeno duró aproximadamente 15 a 25 minutos y se realizaban
reportes ESPECI de dos o tres en menos de media hora, es por ello que el
segundo filtro se realizó con los parámetros ya establecidos anteriormente para
que sea catalogada como severa, siendo vientos de 18 m/s o más, presencia de
granizo de cualquier tamaño y presencia de tornado, al igual que se siguió
utilizando la abreviatura “thunderstorm” para observar si esas codificaciones en
donde reportaron tormenta fuerte, alcanzan la categoría de severa y con ello no
excluir algunos eventos importantes que se pudieran estar ignorando al igual
que eliminar las celdas en las que se repetía la misma fecha.
Es importante mencionar que, en los primeros años analizados, no

contaban con el reporte con las condiciones horarias, pero si codificaban si había
precipitación, al igual que arrojaba la intensidad y dirección del viento, por lo
que de ahí se tomó como base y extraer solo las TLS obteniendo la fecha, lugar
y descripción del fenómeno teniendo los días de ocurrencia y como ejemplo del
segundo filtro se tomó el año 2006 para verificar si de las primeras 42 tormentas
que se registraban, cuantas alcanzarían la categoría de severa.
Se obtuvo un total de 39 TLS solo para el año 2006. Una vez teniendo estos
resultados y verificar que en las fechas realmente se presentaron las tormentas,
lo siguiente fue realizar ambos filtros para cada archivo y obtener los días de
ocurrencia en el periodo 2004-2022 y verificar que no se repitieran los días, lo
cual no fue una tarea nada fácil porque muchas de las horas arrojaban
constantemente el mismo día. Sin embargo, después de esa limpieza de datos
se optó por realizar la siguiente tabla para exhibir de manera más clara todas las
ocurrencias de TLS en el área de estudio, pero es importante mencionar que en
el año 2004 y 2005 por la escasez de información sólo se detectaron 5, sin
embargo, con los archivos del Instituto de Astronomía y Meteorología de la
Universidad de Guadalajara (UDG) se completó en los demás años e información
proporcionada por la Comisión Nacional del Agua CONAGUA y aunado con los
filtros se obtuvieron los días de ocurrencia como posteriormente se muestra en
la Tabla 6.
35
Tabla 6
Días de ocurrencia de TLS en el AMG
Fecha Lugar Descripción
2004
25 de mayo Aeropuerto Granizo
28 de mayo El Salto Vientos mayor a 18 m/s
17 de julio Aeropuerto Granizo y vientos mayor a 18m/s
30 de julio Aeropuerto Granizo
2005
17 de julio Aeropuerto Vientos mayor a 18 m/s
2006
25 de mayo Zapopan Vientos mayor a 18 m/s
1 de junio Tlaquepaque y Guadalajara Vientos mayor a 18 m/s
13 de junio Guadalajara Granizo
16 de junio En Pinar de la Calma. Granizada
17 de junio Tlaquepaque Vientos mayor a 18 m/s
19 de junio Zapopan Granizada
28 de junio Aeropuerto Granizo
1 de julio Oriente de la ciudad Vientos mayor a 18 m/s
11 de julio Atejamac Granizo
14 de julio Zona de Minerva Vientos mayor a 18 m/s
20 de julio Colonia universitaria Granizada
21 de julio Zapopan Granizada y vientos fuertes
15 de Agosto Lázaro Cárdenas y en González Gallo Vientos mayor a 18 m/s
17 de Agosto Parque de Santa Maria Granizada
19 de Agosto Zona de la Gran Plaza Granizada
20 de Agosto Zapopan Vientos mayor a 18 m/s
4 de septiembre ZMG Vientos mayor a 18 m/s
9de septiembre Colonia olímpica, calle Morelos Vientos mayor a 18 m/s
3 de octubre IAM Tornado
12 de octubre Circunvalación y Alcalde Granizada
11 de septiembre Centro Guadalajara Vientos mayor a 18 m/s
2007
25 de mayo Centro Guadalajara Granizo
25 de junio Zona de Minerva Granizo
2 de julio Tonala y Tlaquepaque. Granizo
6 de julio Col. Universitaria y Tlaquepaque Vientos mayor a 18 m/s
8 de julio Estadio Jalisco Vientos mayor a 18 m/s
9 de julio Cucei Granizada
16 de julio Mariano Otero, Gran Plaza Granizo
17 de julio Col Universitaria y Tlaquepaque Granizo
21 de julio Cerro de Santa María. Vientos mayor a 18 m/s
22 de julio Zapopan Vientos mayor a 18 m/s
Col. Universitaria, El Retiro y
25 de julio Normalista. Vientos mayor a 18 m/s
26 de julio Revolución y Corregidora Vientos mayor a 18 m/s
4 de Agosto Zapopan, Periférico Acueducto Granizo
30 de agosto La Calma, Zapopan Vientos mayor a 18 m/s
5 de septiembre CUCEI Vientos mayor a 18 m/s
13 de septiembre El Coli Granizo
18 de septiembre Colonia universitaria Granizo y vientos mayor a 18 m/s
3 de octubre Hidalgo y Ameritas Granizo y vientos mayor a 18 m/s
5 de octubre Cucei Granizo y vientos mayor a 18 m/s
17 de noviembre ZMG Granizo
36
23 de noviembre ZMG Granizo
2008
19 de mayo ZMG Vientos mayor a 18 m/s
16 de junio ZMG Vientos mayor a 18 m/s
21de junio Iteso, Periférico y San Agustín Vientos mayor a 18 m/s
15 de julio Tlaquepaque y colonia Universitaria Vientos mayor a 18 m/s
16 de julio Colonia universitaria Vientos mayor a 18 m/s
19 de julio Periférico , zona de San Agustín Vientos mayor a 18 m/s
20 de julio Colonia el Coli Urbano Vientos mayor a 18 m/s
24 de julio Zona Minerva Vientos mayor a 18 m/s
30 de julio Centro Guadalajara Vientos mayor a 18 m/s
6 de Agosto Colonia Universitaria y Tlaquepaque Vientos mayor a 18 m/s
10 de septiembre Tlaquepaque Vientos mayor a 18 m/s
10 de octubre Providencia Vientos mayor a 18 m/s
2009
10 de mayo 2009 Tesistan Vientos mayor a 18 m/s
10 de junio Colonia universitaria Vientos mayor a 18 m/s
16 de junio Col. Circunvalación Granizo y vientos mayor a 18 m/s
1 de julio Plan de San Luis Vientos mayor a 18 m/s
6 de julio Belenes y en Patria Granizo y vientos mayor a 18 m/s
10 de julio San Agustín Granizo
21 de julio López Mateo, Periférico Granizo y vientos mayor a 18 m/s
1 de Agosto Centro Guadalajara Granizo y vientos mayor a 18 m/s
8 de agosto Tlaquepaque y Col Universitaria Granizo
4 de septiembre Centro Guadalajara Granizo y vientos mayor a 18 m/s
8 de octubre Centro Guadalajara Vientos mayor a 18 m/s
16 de diciembre Santa Tere, circunvalación Granizo y vientos mayor a 18 m/s
2010
9 de mayo Circunvalación y Alcalde Granizo y vientos mayor a 18 m/s
10 de mayo La Minerva Granizo y vientos mayor a 18 m/s
23 de junio La Minerva Granizo
24 de junio Centro Guadalajara Granizo
29 de junio Centro Guadalajara Vientos mayor a 18 m/s
30 de junio Tlaquepaque Granizo y vientos mayor a 18 m/s
19 de julio Tlaquepaque y Tonala Vientos mayor a 18 m/s
6 de septiembre AMG Vientos mayor a 18 m/s
9 de septiembre San Isidro Granizo y vientos mayor a 18 m/s
2011
16 de abril 2011 Tlajomulco Granizo
11 de junio Colonia universitaria Granizo y vientos mayor a 18 m/s
14 de junio Vallarta Vientos mayor a 18 m/s
29 de junio Vallarta Vientos mayor a 18 m/s
24 de julio San Isidro Granizo
29 de julio Iteso Granizo y vientos mayor a 18 m/s
5 de agosto Atejamac Granizo
26 de agosto Periférico Granizo
27 de agosto Periférico Granizo
28 de SEPTIEMBRE ZMG Granizo y vientos mayor a 18 m/s
29 de SEPTIEMBRE Centro Guadalajara Granizo y vientos mayor a 18 m/s
6 de octubre Minerva Granizo
2012
3 de julio Colonia universitaria y Colomos Granizo y vientos mayor a 18 m/s
11 de julio ZMG Granizo
18 de julio Centro Guadalajara Granizo
26 de julio ZMG Granizo y vientos mayor a 18 m/s
28 de julio Tlaquepaque Granizo
37
1 de agosto Zapopan Granizo
6 de agosto Centro Guadalajara y Zapopan Granizo y vientos mayor a 18 m/s
17 de agosto Centro Guadalajara Granizo y vientos mayor a 18 m/s
18 de agosto Colonia olímpica Granizo y vientos mayor a 18 m/s
23 de agosto Tlaquepaque y Guadalajara Granizo y vientos mayor a 18 m/s
26 de agosto Tlaquepaque y Guadalajara Vientos mayor a 18 m/s
29 de agosto Guadalajara y Zapopan Granizo y vientos mayor a 18 m/s
2013
4 de junio Centro Guadalajara Vientos mayor a 18 m/s
26 de junio Paseo del Sol Granizo
6 de agosto Centro Guadalajara Granizo
10 de agosto Centro Guadalajara Vientos mayor a 18 m/s
23 de agosto Periferico y Mariano Otero. Granizo y vientos mayor a 18 m/s
26 de septiembre Zapopan Granizo
29 de septiembre Periferico y Mariano Otero. Granizo
1 de octubre Plaza del Sol Tornado
2014
14 de mayo ZMG Granizo
15 de mayo Tlaquepaque Granizo
8 de junio San Isidro Granizo
10 de junio Iteso, Palomar Granizo
13 de junio Los Colomos Granizo
16 de julio Minerva Granizo y vientos mayor a 18 m/s
7 de septiembre Plaza Patria Granizo
8 de septiembre López Mateo, Periférico Vientos mayor a 18 m/s
12 de septiembre Colonia universitaria Granizo
2015
29 de mayo 2015 Tlaquepaque Granizo y vientos mayor a 18 m/s
10 de junio Plaza del Sol Granizo y vientos mayor a 18 m/s
11 de junio Colomos Granizo
26 de junio Tlaquepaque Granizo
6 de julio Tlaquepaque Granizo y vientos mayor a 18 m/s
8 de julio Zapopan Granizo
9 de julio Colomos Granizo y vientos mayor a 18 m/s
16 de julio Zapopan Granizo y vientos mayor a 18 m/s
17 de julio San Agustín Granizo
23 de agosto Minerva Vientos mayor a 18 m/s
5 de septiembre Tlaquepaque, Tonalá y GDL Granizo y vientos mayor a 18 m/s
6 de septiembre Zapopan Granizo
29 de septiembre Minerva Granizo
2016
7 de junio 2016 Zona Estadio Jalisco Vientos mayor a 18 m/s
12 de junio CUCEI Vientos mayor a 18 m/s
20 de junio Periferico Granizo
23 de junio Tlaquepaque y Guadalajara Granizo y vientos mayor a 18 m/s
38
4 de agosto Tlajomulco, presa Tapalpa Vientos mayor a 18 m/s
14 de agosto Minerva Vientos mayor a 18 m/s
27 de agosto Tlaquepaque y Guadalajara Granizo y vientos mayor a 18 m/s
2017
7 de junio Zona Chapalita Vientos mayor a 18 m/s
3 de julio CUCEI Granizo y vientos mayor a 18 m/s
6 de julio San Isidro Granizo
7 de julio ITESO, CUCEI Granizo
22 de julio Plaza del Sol Granizo y vientos mayor a 18 m/s
26 de julio Lazaro Cardenas Granizo
28 de julio Andares y Av. Patria Granizo
25 de agosto Vallarta Granizo y vientos mayor a 18 m/s
20 de septiembre Centro Guadalajara Granizo
7 de octubre Centro Guadalajara Granizo y vientos mayor a 18 m/s
2018
5 de mayo San Isidro Granizo
10 de mayo Lázaro Cárdenas y en González Gallo Granizo
7 de junio San Isidro Granizo
9 de junio Zapopan Vientos mayor a 18 m/s
27 de junio Colonia Talpita Granizo
28 de junio Jardin Real Granizo
2 de julio Aguilas y en Buganbilias Granizo
5 de julio San Eugenio Granizo
17 de julio Colonias Olímpica y Universitaria Granizo
28 de julio Colón y Calma Granizo
9 de agosto Puerta de Hierro Granizo
23 de agosto Colonia Universitaria Granizo
6 de septiembre Colonia Universitaria Granizo
26 de septiembre Américas Granizo y vientos mayor a 18 m/s
5 de octubre Americas, Mariano Otero Granizo
12 de octubre Colonia Universitaria Granizo y vientos mayor a 18 m/s
2019
31 de mayo Calzada Independencia y Tula Granizo y vientos mayor a 18 m/s
8 de junio Colomos Granizo
12 de junio Tonalá Granizo
16 de junio Oblatos, Av. Guadalupe Granizo y vientos mayor a 18 m/s
17 de junio Zapopan Granizo y vientos mayor a 18 m/s
18 de junio Zapopan Granizo
30 de junio Tlaquepaque y Guadalajara Granizo
7 de julio Parque Metropolitano Granizo
8 de julio Tlaquepaque y Guadalajara Vientos mayor a 18 m/s
14 de julio Valle Real Zapopan Vientos mayor a 18 m/s
17 de julio Av. Patria y Tepeyac Granizo
21 de julio Av. López Mateo Granizo
29 de julio Cerro del Tesoro Granizo y vientos mayor a 18 m/s
3 de Agosto El Fortín Granizo
5 de agosto Colonia Olímpica Granizo
39
15 de agosto Parque San Rafael Granizo y vientos mayor a 18 m/s
2 de septiembre Atejamac Granizo y vientos mayor a 18 m/s
5 de septiembre Zapopan Granizo y vientos mayor a 18 m/s
7 de septiembre Bosque del Centinela, Zapopan Granizo
2 de octubre Centro Guadalajara Granizo y vientos mayor a 18 m/s
11 de octubre Tlaquepaque Granizo
31 de octubre Zapopan y Guadalajara Granizo y vientos mayor a 18 m/s
2 de noviembre Colonia Olímpica Granizo
2020
4 de mayo Colonia Universitaria Granizo
5 de mayo Av. Colon, La Calma, Iteso Granizo y vientos mayor a 18 m/s
18 de junio Guadalajara Granizo
19 de junio Guadalajara y Zapopan Granizo y vientos mayor a 18 m/s
6 de julio Av. Colon, La Calma, Iteso Granizo y vientos mayor a 18 m/s
13 de julio Santa Maria y Colonia Tapatio Granizo
14 de julio Centro Guadalajara Granizo y vientos mayor a 18 m/s
15 de julio Plaza del Sol Granizo
17 de julio Zonas bosque del centinela Vientos mayor a 18 m/s
18 de julio Colonia Universitaria Granizo
11 de agosto Col Arboleda Granizo
12 de agosto Vallarta Granizo
15 de agosto Guadalajara y Zapopan Granizo
22 de sep Zona centro Granizo y vientos mayor a 18 m/s
25 de sep Colonia Universitaria Granizo
27 de sep Plaza Ciudadela Granizo y vientos mayor a 18 m/s
2021
24 de Junio ITESO Granizo y vientos mayor a 18 m/s
25 de junio Av. Aviación, ITESO Granizo y vientos mayor a 18 m/s
15 de julio Ciudad Granja Vientos mayor a 18 m/s
16 de julio Centro Médico Vientos mayor a 18 m/s
19 de julio Zona Centro Vientos mayor a 18 m/s
22 de julio Av. Patria y Tepeyac Granizo y vientos mayor a 18 m/s
25 de julio Fraccionamiento el Campestre Granizo y vientos mayor a 18 m/s
30 de julio Bosque del Centinela, Zapopan Granizo y vientos mayor a 18 m/s
2 de agosto Bosque del Centinela, Zapopan Granizo
3 de agosto Av. 8 de julio y Washington Granizo
7 de agosto Tonalá, Guadalajara y Zapopan Granizo y vientos mayor a 18 m/s
10 de agosto UAG Granizo
13 de agosto San Isidro Granizo
14 de agosto Chapalita y Gran Plaza Granizo y vientos mayor a 18 m/s
18 de agosto Zona Centro Granizo
3 de septiembre Tlaquepaque y El Salto Granizo y vientos mayor a 18 m/s
30 de septiembre Zona Centro Granizo y vientos mayor a 18 m/s
Fuente: elaboración propia.
40
Comparar mediante una correlación los diferentes índices termodinámicos
que se van a utilizar para obtener así la medida en la que estos se asocian.
Una vez obtenido las fechas de ocurrencia de TLS, fue posible realizar la
correlación entre los índices LI, CAPE y NBR, para lo cual se contempló
inicialmente utilizar la correlación lineal simple porque analiza la influencia de
una variable explicativa que se llamará X en los valores que toma otra variable
que dependerá de la variable anterior, la cual se nombrará Y.
La razón por la cual no fue utilizado el método anteriormente mencionado,

es porque solo toma en cuenta dos variables que las ajusta a algo lineal. Al
considerar sólo la ecuación lineal no realiza el mejor ajuste cómo lo haría una
ecuación cuadrática, lo cual es indispensable contemplarlo porque los tres
índices jamás tienen un comportamiento constante.
Es por lo anterior, que, para alcanzar este objetivo exigía un método que
pudiera utilizar las variables que permitieran la correlación esperada. Así pues,
el utilizado fue el modelo obtenido por mínimos cuadrados, aquí se puede tener
más de una variable explicativa lo que hace que la construcción del modelo
arroje más información y se puedan hacer estimaciones exactas y precisas.
Es importante mencionar que en todos los años que se recabo información,

no en todos los días se realizaba un sondeo, por cuestión económica de lanzar
un globo meteorológico diario para el AMG, así que se tenían fechas sin
información del termodiagrama. Para dar solución a este problema, se tomó el
año que tuviera todos o al menos la mayoría de radiosondeos del mismo día en
que se presentó una TLS.
El año que tuvo la mayoría de datos completos fue el 2019, faltando solo la
fecha del 18 de junio. Es por ello que se procedió a tomar este año como muestra
para el modelo.
41
Para dar inicio, se definieron cuáles serían las variables explicativas y cuál
sería la variable dependiente y así obtener los coeficientes “a0”, “a1” y “a2”, para
construir el modelo que se requiere obtener el cual es el siguiente:
𝑎0 + 𝑎1𝑥1 + 𝑎2𝑥2
Se tomó la variable “Y” para los valores del índice NBR y “X” para los datos
del LI. Una vez definiendo las variables explicativas y dependiente lo siguiente
fue realizar los siguientes cálculos numéricos que se muestran en la siguiente
Tabla 7, los cuales apoyaran a la construcción de una matriz que se resolverá
posteriormente.
Tabla 7
Cálculos numéricos primer modelo de regresión
∑𝑌 ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑ 𝑋4 ∑𝑋 ∗ 𝑌 ∑ 𝑋2 ∗ 𝑌
377 10134.69 594.8 -1302.03 5026.5213 -21382.0 57564.2

Al tener todos los valores calculados, se realizó una matriz para con ella
obtener los coeficientes “a0”, “a1” y “a2”. Cabe resaltar que para resolverla existen
demasiados métodos como Gauss Jordan, Cramer, ecuaciones no lineales, solo
por mencionar algunos, pero el método utilizado fue el de la matriz inversa,
aunque es indiferente apoyarse de cualquiera de los otros procedimientos
porque el resultado será el mismo.
𝑁 ∑𝑋 ∑ 𝑋2 ∑𝑌
𝐴= ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑𝑋∗ 𝑌
2
(∑ 𝑋 ∑ 𝑋3 ∑ 𝑋4 ) ∑ 𝑋2 ∗ 𝑌
159 −171.91 −29.29 377

𝐴 = (−171.91 594.82 −85742.6) 91885.24
−29.29 −85742.6 94.8987 −212.06
Siendo la matriz inversa:
42
0.055875774 −4.4992𝐸 − 07 0.016839262
𝐴−1 = (−4.4992𝐸 − 07 1.03365𝐸 − 09 7.95052𝐸 − 07)
0.016839262 7.95052𝐸 − 07 0.016453249
Para obtener los coeficientes “a0”, “a1” y “a2” se multiplicó la inversa por todos
los valores de la columna 4, dando como resultado una matriz de 1x3, siendo
estos los coeficientes para construir la ecuación.
𝑎0 = 1.97
𝑎1 = −23.08
𝑎2 = 29.52
Siendo la construcción de la ecuación siguiente que se nombrará BRLI:
𝑌 = 1.97𝑥 2 − 23.08 + 29.52
Una vez construido el modelo de regresión el último paso fue obtener los
coeficientes de correlación y determinación con los siguientes cálculos que se
muestran en la Tabla 8. Es importante mencionar en este punto que el valor YP,
diferentes autores lo expresan como el valor pronosticado, utilizando la
ecuación para sustituir los datos de la variable X1 y para obtener el valor de la
variable que definan en “Y”.
Tabla 8
Obtención de coeficientes de correlación y determinación Richardson LI
2 2
∑ 𝑌𝑃 ∑(𝑌 − 𝑌𝑃𝑟𝑜𝑚) ∑(𝑌𝑃 − 𝑌𝑃𝑟𝑜𝑚) ∑(𝑌 − 𝑌𝑃)2
377 2616.962963 671.5125074 1945.450456

Para la segunda correlación (ver Tabla 9) se tomó “X” para los valores del
índice CAPE y “Y” para los datos del NBR, repitiendo el mismo procedimiento
del primer modelo.
43
Tabla 9
Cálculos numéricos segundo modelo de regresión
∑𝑌 ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑ 𝑋4 ∑𝑋 ∗ 𝑌 ∑ 𝑋2 ∗ 𝑌
377 10134.69 594.8 -1302.03 5026.5213 -21382.0 57564.2

La matriz para este segundo caso, se nombrará con la letra B para no causar
alguna confusión siendo el ejemplo:
𝑁 ∑𝑋 ∑ 𝑋2 ∑𝑌
𝐵= ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑𝑋 ∗ 𝑌
2
(∑ 𝑋 ∑ 𝑋3 ∑ 𝑋4 ) ∑ 𝑋2 ∗ 𝑌
27 9072.62 34281.48 377

B = ( 9072.62 7551355.17 37456530) 78714.13
34281.48 37456530 10483220 91885.24
Siendo la matriz inversa para el segundo caso:
0.062631561 −7.91105𝐸 − 05 7.78485𝐸 − 07

−1
B = (−7.91105𝐸 − 05 2.60877𝐸 − 07 −6.73412𝐸 − 09)
7.78485𝐸 − 07 −6.73412𝐸 − 09 1.16906𝐸 − 09
A la vez está siendo multiplicada por los componentes que se encuentran

en la columna 4.
0.062631561 −7.91105𝐸 − 05 7.78485𝐸 − 07 377

(−7.91105𝐸 − 05 2.60877𝐸 − 07 −6.73412𝐸 − 09) ∗ (78714.13)
7.78485𝐸 − 07 −6.73412𝐸 − 09 1.16906𝐸 − 09 91885.24
Teniendo como coeficientes en el segundo caso:
𝑎0 = −0.0001
𝑎1 = 0.2538
𝑎2 = 8.069
Obteniendo la segunda ecuación que para esta regresión tendrá el nombre

de CAPBR expresándose de la siguiente manera:
𝑌 = −0.0001𝑥 2 + 0.2538𝑥 ∓ 8.069
44
Al tener la segunda ecuación lo siguiente es realizar los cálculos previos a
los coeficientes de regresión y determinación, los cuales van a expresar el grado
de asociación que tiene un índice con respecto del otro y la variabilidad que
tiene el CAPE y los datos arrojados del NBR cómo se identifica en la Tabla 10.
Tabla 10
Obtención de coeficientes de correlación y determinación CAPENBR
2 2
377 2616.962963 525.244716 2091.718247

Para el tercer modelo de mínimos cuadrados la variable “X” fueron

igualmente los valores del CAPE pero ahora los valores de “Y” serán los datos del
índice LI, realizando nuestro primer paso de realizar las sumatorias que se
exponen en la Tabla 11.
Tabla 11
Cálculos numéricos tercer modelo de regresión
∑𝑌 ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑ 𝑋4 ∑𝑋 ∗ 𝑌 ∑ 𝑋2 ∗ 𝑌
377 10134.69 594.8 -1302.03 5026.5213 -21382.0 57564.2

Como se en los casos anteriores, es necesario cambiar la letra de la última

matriz la cual fue construida de la siguiente manera:
𝑁 ∑𝑋 ∑ 𝑋2 ∑𝑌
𝐶= ∑𝑋 ∑ 𝑋2 ∑ 𝑋3 ∑𝑋 ∗ 𝑌
2
(∑ 𝑋 ∑ 𝑋3 ∑ 𝑋4 ) ∑ 𝑋2 ∗ 𝑌
27 9072.62 −29.29 377

C = (9072.62 7551355.17 −23103.0) 78714.13
−29.29 −23103.0 94.8987 −212.06
45
La matriz inversa de C es la siguiente:
0.062489696 −6.29779𝐸 − 05 0.003955169

C −1 = (−6.29779𝐸 − 05 5.82432𝐸 − 07 0.000122355)
0.003955169 0.000122355 0.041545575
Multiplicación de la inversa de C por la columna 4
0.062489696 −6.29779𝐸 − 05 0.003955169 377

(−6.29779𝐸 − 05 5.82432𝐸 − 07 0.000122355) ∗ (78714.13)
0.003955169 0.000122355 0.041545575 −212.06
Coeficientes:
𝑎0 = 2𝑥10−6
𝑎1 = −0.0061
𝑎2 = 0.3076
La última ecuación de regresión se nombrará CAPELI que se quedó de la

siguiente manera:
𝑌 = 2𝑥10−6 𝑥 2 − 0.0061𝑥 + 0.3076
Por último, los cálculos para la obtención de los coeficientes de regresión

y determinación expuestos en la Tabla 12
Tabla 12
Obtención de coeficientes de correlación y determinación CAPELI
2 2
377 2616.962963 525.244716 2091.718247

46
El modelo de programa que se utilizó fue “SARIMA, modelo ARIMA

estacional” o ARIMA de producto, en el cual existen diferentes scripts
predeterminados, en los que se tuvieron que adecuar a los datos que se tenían
de los tres índices (CAPE, LI, NBR) para que se pudiera realizar la serie temporal.
Estas series de tiempo pueden ser desarrolladas en diferentes programas,

pero para este trabajo de investigación se utilizó Matlab por ser una de las
aplicaciones de fácil uso. Si bien los datos de índices que se obtuvieron no tienen
una secuencia estacional o no estacional, por el hecho que las TLS se presentan
de mayo a noviembre, se acomodaron de tal forma que se acomoda el tiempo
y después los índices, por ejemplo (Tiempo, CAPE, LI, NBR) y realizar la carga de
datos como se muestra en la Figura 11.
Figura 11
Carga de datos
El segundo paso fue determinar las diferencias que estuvieran, es decir si

son estacionales o no, donde programadores de Rstudio (2019) indican que casi
siempre la diferencia estacional sólo se presenta una vez y la diferencia no
estacional se identifica entre 0 y 3, de manera general en todas las series
temporales para realizar modelos como lo es ARIMA, es necesario comprobar o
hacer la serie estacionaria como se representan en la Figura 12.
47
Figura 12
Determinación de diferencias estacionales y no estacionales
El siguiente paso se determinan los cuatro órdenes siguientes:
• Orden Ar que se expresa con la letra “p”

• Orden MA que se expresa con la letra “q”
• Orden SAR que se expresa con la letra “P”
• Orden SMA que se expresa con la letra “Q”
Estos ordenes se obtienen con base en los métodos PCA y FPCA que a su
vez se basan en el criterio AICBIC, es importante conocer nociones de lo que
abarca el modelo ARIMA por lo que si desea más información puede encontrarla
en el anexo 1.
Es importante mencionar que la mayoría de estos métodos utilizados ya

fueron pre programados y para esta investigación se ajustó el script para poder
correr el programa, lo cual tiene un grado de dificultad al tener que buscar los
comandos correctos, ya que en el programa alterar alguna línea de comando o
hacer mal uso de alguna función establecida, cambiará por completo el
producto en esa ejecución. Por lo tanto, también debe conocer la interpretación
del algoritmo y las diferentes gráficas y modelos de correlación y medias
móviles, además que MATLAB identifica los errores que se presenten, la Figura
13 muestra la obtención de los órdenes de la serie temporal.
48
Figura 13
Determinación de órdenes
Al arrojar el orden determinado, lo siguiente fue realizar una prueba

residual, que esto significa la señal resultante después de restar la señal ajustada
por el modelo de la señal original, es importante saber cuál fue el orden, porque
de ahí dependerá si el modelo se comportara como SARIMA o ARIMA siendo el
primero más difícil por la complejidad de su estructura quedando de la
siguiente manera en la Figura 14 y 15.
Figura 14
Prueba residual
49
Figura 15
Script graficas prueba residual
Por último, se ajustó el script para realizar el pronóstico del modelo de serie
de tiempo, en el cual es realizado con un 95% de intervalo de confianza,
aceptando un 5% de error, que para su análisis se realizará en el capítulo
siguiente y verificar si en realidad los resultados son precisos, incluso si es posible
definir parámetros de los índices para el AMG. El algoritmo del pronóstico se
muestra en la Figura 16.
Figura 16
Pronóstico serie temporal
50
CAPÍTULO V PRESENTACIÓN Y ANÁLISIS DE RESULTADOS
En este capítulo se muestran los resultados obtenidos para lograr los diferentes
objetivos específicos desarrollados en el trabajo de investigación. A a su vez, son
expuestos los diferentes análisis para su posterior conclusión y las
recomendaciones pertinentes que se presentarán en el último apartado.
Distribución de TLS que se generaron en el AMG en el periodo 2004-2021

Al contar con toda la información de las fechas de ocurrencia de tormentas,
se realizó la siguiente gráfica que se observa en la Figura 10 para que se pudiera
observar la distribución del fenómeno que hubo por cada año.
Figura 17
Distribución de tormentas por año en el AMG 2004-2021
60
51
50
43
39
TOTAL DE TORMENTAS
40 38
34 35
33
29 29 28
30 26 26
24 25 25
23
21
19
20
10
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
AÑO
Es importante mencionar que el año en el que se presentaron más

tormentas fue el año 2020, teniendo un total de 51 tormentas, a diferencia de los
51
otros años que tenían un promedio de 30 casos por año. La razón por la cual se
presentaron tantas tormentas en ese año se desconoce, pero la mayoría de los
casos presentaron fuertes rachas de viento y precipitación acumulada alta, por
lo que es interesante estudiar qué originó el incremento de inestabilidad
atmosférica ese año.
Ahora bien, después del filtro que se realizó considerando las

características para ser catalogadas como severa, igualmente se elaboró una
distribución de los años en las que se presentó una TLS (ver Figura 18).
Figura 18
Distribución de TLS en el AMG (2004-2021)
30
28
25
NUMERO DE TORMENTAS
22
21 21
20
20 19
16
15
15 14
13
12 12 12
10 10
10 9
5 4
1
0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
AÑO
Los años estudiados no fueron tantos como para considerarse como una
climatología, pero sí suficientes para identificar en qué años fueron donde se
presentan más TLS, identificando que el 2019 fue en el que se presentaron más
que en el resto en el que con la información recolectada se calculó el promedio
52
presentándose 16 TLS por año aproximadamente. Por lo anterior se consideró
analizar todos los años para identificar desde qué mes es cuándo comienzan las
tormentas, al igual que obtener el mes en el que más tuvo la ocurrencia de este
fenómeno.
Del análisis realizado se concluye que las tormentas se presentaron desde

mayo hasta noviembre, siendo Julio el mes donde fue la mayor acumulación del
fenómeno estudiado con un 28% del porcentaje total (ver Figura 19).
Figura 19
Distribución de TLS por meses en el AMG 2020
30%
25%
20%
PORCENTAJE
15%
10%
5%
0%
MESES
El resultado de las diferentes distribuciones ya presentadas, coinciden con

la climatología realizada en Guadalajara el año 2007, y aunque el total de años
con los que se trabajó no fue tan extenso, sí permitió analizar el comportamiento
de todas las TLS en el periodo establecido.
53
Igual se consideró pertinente analizar el día que presentó la granizada más
fuerte en el periodo establecido, la cual fue el 30 de junio y madrugada del 1 de
julio del 2019. Para su análisis se sacó el radiosondeo de las 00Z de esos días e
identificar el comportamiento de la temperatura y punto de roció, al igual que
los valores de otros índices de inestabilidad, así como la distribución de los
vientos en la columna vertical como a continuación se expone en la Figura 20 y
Figura 21.
Figura 20
Termodiagrama Guadalajara (76612) 12z 30 de junio 2019
Fuente: University of Wyoming (2019).
54
Figura 21
Termodiagrama Guadalajara (76612) 00z 01 de julio 2019
Fuente: University of Wyoming (2019).
Conforme a los parámetros establecidos del CAPE y LI, establecen una

atmósfera estable en la mañana, pero para la tarde el CAPE fue de 64.52 j/kg lo
cual significa que se encontraba moderadamente inestable conforme a las
cantidades ya establecidas. Por otro lado, el índice NBR indica que es posible la
formación del inicio de células convectivas aisladas, incluso supercélulas y el
índice LI fue de -0.96 lo que indica lo mismo que el CAPE, y se concluye que fue
el inicio del desarrollo de una tormenta que posteriormente se convirtió en
severa.
55
Correlación de los diferentes índices termodinámicos que se utilizaron
obteniendo así la medida en la que estos se asocian
Los dos primeros índices en el que se les aplicó la regresión por mínimos
cuadrados, fue el BRN y LI de los cuales se obtuvo la siguiente ecuación:
𝑌 = 1.979𝑥 2 − 23.081𝑥 + 29.522
Esta ecuación indica de manera cuadrática el comportamiento de los

índices, al igual que se pueden realizar pronósticos matemáticos y al contar ya
con los cálculos numéricos, se obtuvo el coeficiente de correlación y de
determinación para cada modelo obtenido. En la siguiente Figura 22 se
presentan ambos coeficientes y se observa el comportamiento de la ecuación
obtenida a partir de los valores de cada índice.
Figura 22
Modelo de correlación Bulck Richardson Number y Lifted
500
Bulck Richardson Number
y = 1.9799x2 - 23.081x + 29.522

400 R² = 0.3013
R= -0.548
300
200
100
0
-5 -4 -3 -2 -1 0 1 2 3 4
-100 Lifted Index
Los coeficientes obtenidos a partir de las sumatorias finales, explican que

La R= 0.54 (coeficiente de correlación) indica la relación que existe entre la
56
variable NBR respecto al índice LI, es positiva regular, por lo que con los cálculos
de mínimos cuadrados o mejor dicho de manera matemática su grado de
asociación entre los dos índices es considerable para decir que las cantidades
del LI influyen en los valores del BRN.
Ahora bie, la R2=0.30 (coeficiente de determinación) es un valor por debajo

de la mitad, exponiendo que la variabilidad que hay entre los dos índices es del
30% y el otro 70% es por diferentes causas.
En la segunda correlación entre el CAPE y el BRN, la ecuación cuadrática

obtenida fue y = -0.0001x2 + 0.2538x + 8.069 con un coeficiente de correlación de
0.632 y el coeficiente de determinación 0.4004 como se muestra en la Figura 23.
Figura 23
Modelo de correlación Convective Available Potential Energy y BRN
500
450
400
Bulck Richardson Number
y = -0.0001x2 + 0.2538x + 8.0694

350 R² = 0.4004
R= 0.63
300
250
200
150
100
50
0
-200 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Convective Potencial Energy
En la gráfica anterior se pudo identificar que la ecuación entre los dos

índices fue más proporcional que en la primera, al igual que la correlación fue
más alta. Esto significa que la relación que existe entre los dos índices es de un
57
63.2%. y el coeficiente de determinación representa que los valores del CAPE
influyen en un 40% en los resultados del BRN, lo que igual tiene lógica, ya que
para sacar los números de Bulck Richardson en la fórmula se considera a la
Energía Potencial Convectiva.
El último modelo fue con el CAPE y el LI, presentando un coeficiente de
determinación del 0.6541 y de correlación de 0.8087, lo cual no se tenía
esperado. De hecho, se esperaba que tuviera más correlación entre el modelo
del CAPE y BRN, por que en teoría es la fuerza del empuje hidrostático que va
acompañada de la energía disponible y desde la obtención matemática se ve
una relación evidente. Pero los resultados en este último modelo arrojaron que
del 100 % de los valores del índice LI el 40% son por influencia del CAPE y la
ecuación que se obtuvo fue. 𝑌 = 2𝑥10−6 𝑥 2 − 0.0061𝑥 + 0.3076 , representada en la
Figura 24.
Figura 24
Modelo de correlación Convective Available Potential Energy y Lifted Index
3
y = 2E-06x2 - 0.0061x + 0.3076
2
R² = 0.6541
1 R= -0.808
Lifted Index
0
-200 0 200 400 600 800 1000 1200 1400 1600 1800 2000
-1
-2
-3
-4
-5
Convective Potencial Energy
58
utilizados obteniendo los valores que pronostiquen la ocurrencia de TLS
En el primer modelo que se realizó, se utilizaron los valores del índice LI de

cada evento que se presentó de tormentas que fueron catalogadas como
severas, tomando para el eje “x” el total de los eventos presentados. Para el eje
“y” los valores del LI. Lo anterior descrito fue para que se pudiera observar el
comportamiento del índice de inestabilidad con respecto a los días en el que se
presentó una TLS, el cual se describe de mejor manera en la Figura 25.
Figura 25
Serie temporal índice LI

Valores LI
Casos TLS
Al tener la primera serie de tiempo, para realizar el modelo exige que sea
estacionaria y con los algoritmos explicados en el capítulo anterior se hizo que
la serie se comporte de esa manera. Sin embargo, no basta con solo verse
59
gráficamente así, por lo tanto, se realizó el Test Dickey-Fuller para corroborar lo
anterior arrojando dos hipótesis.
yt = c+ℓt+фyt-1+ẞ1Δyt-1+…ẞpΔyt-p+єt
H0: Φ=1
Ha: Φ <1
Conforme a las especificaciones de la prueba y a la hipótesis nula y

alternativa, la serie temporal se comporta de manera estacionaria regular como
se observa en la Figura 26.
Figura 26
Serie Estacional índice LI

Valores LI
Casos TLS
Una vez teniendo la serie estacional es posible realizar la primera parte del
modelo (ARp) o en otras palabras el modelo autorregresivo. Ver Figura 27.
60
Figura 27
Autocorrelación índice LI
Una vez realizado la primera parte del modelo, se procedió a hacer la

siguiente fase del modelo MAq (Figura 28) en la que se puede apreciar el ajuste
con medias móviles, o explicado de otra forma, el suavizado de la serie de
tiempo, en la que la línea azul representa la tendencia del índice original y la
línea roja el ajuste de los datos pasados para ofrecer el valor promedio del LI.
Figura 28
Ajuste media móvil Lifted

Valores LI
Casos TLS
61
Al tener AR y MA se realizó el último paso, integrando ambos métodos para
tener un polinomio que arrojará el valor umbral del LI para la predicción de una
TLS el cual fue el siguiente:
(1-L) (1-L12) yt = (1+θ1L) (1+Θ12+L12+Θ24L24) εt
Los mismos procedimientos anteriormente presentados, se realizaron con

los índices CAPE y el BRN (véase anexo 1 y 2), y en la siguiente Tabla 13 se
describen los resultados finales de los tres índices, después de haber sido
evaluados en sus polinomios respectivamente, donde se muestran los
parámetros que indicarán los valores de cada índice para que se genere una TLS
en el AMG con un 85% de exactitud.
Tabla 13
Indicadores de predicción de TLS
Índice Valor
CAPE 2600
Lifted -2.5
Bulck Richardson Number >10
62
CAPÍTULO VI CONCLUSIONES Y RECOMENDACIONES
Conclusiones
Conforme al planteamiento del problema de este trabajo de investigación
y el análisis de los resultados, es posible decir que la hipótesis propuesta se
comprueba y con ello los objetivos específicos se cumplen al igual que el
objetivo general. Así mismo, la metodología empleada y los diferentes
procedimientos matemáticos utilizados, contribuyen a la predicción temprana
de TLS para el AMG.
La identificación de ocurrencia de tormentas severas no fue una tarea fácil,

sin embargo, se logró obtener un total de 164 TLS el periodo establecido 2004-
2022 en el área de estudio. De todo el conteo se optó por realizar una tabla en la
que se describió el lugar y fecha en el que se presentó y las características que
la catalogaron como severa. Lo anterior tiene diferentes ventajas, ya que, si se
desea estudiar alguna tormenta en específico, simplemente ubica la fecha y
lugar para posteriormente descargar herramientas meteorológicas como la
hodógrafa, termodiagrama o cartas sinópticas de ese día y realizar un análisis
concreto y obtener conclusiones de lo que provocó dicho fenómeno, pero desde
otra perspectiva.
De la distribución en meses de las TLS a lo largo de diferentes años, se tuvo

la conclusión que concuerdan con la climatología de Guadalajara realizada en
2004, puesto que las tormentas se presentaron desde mayo hasta noviembre,
sin embargo, las que alcanzaron la categoría de severa se presentaron con
mayor frecuencia en el mes de julio. Un punto importante que se identificó fue
que, de todos los años estudiados, el que más tuvo relevancia fue el 2020, ya que
se presentaron más tormentas fuera del promedio habitual, obteniendo un total
de 52 casos a diferencia de los demás que solo presentaron 30 eventos
aproximadamente por año.
63
Con la fecha de ocurrencia de TLS se obtuvo los valores de los índices CAPE,
BRN y LI de cada día, y se realizó la correlación por el método de mínimos
cuadrados obteniendo los siguientes resultados que se muestran en la Tabla 14.
Tabla 14
Coeficientes R y R2 de los índices CAPE, BRN y LI
Índices Coeficiente de Coeficiente de
correlación determinación
BRN & LI 0.087 0.0077
Cape & BRN 0.187 0.0351
Cape & LI 0.46 0.22
Para el AMG, los índices que presentaron mayor correlación fueron entre el
CAPE y LI, lo cual no se tenía esperado superando las expectativas, ya que en
teoría se esperaba inicialmente que el Cape & BRN tuvieran los valores más altos
porque para obtener los números de Bulck Richardson se considera la energía
del CAPE y la cizalladura vertical entre otros aspectos. Pero hablando en
términos matemáticos su correlación fue 0.18 y coeficiente de determinación
0.0351 lo que significa que la medida en la que se asocian es muy débil y los
valores del CAPE no influyen más que un 3.51% en los resultados del BRN y el
resto es por influencia de otros factores.
Por otro lado, los índices BRN & LI fueron los que presentaron los valores
más bajos lo que indica prácticamente que no tienen relación. Cabe mencionar
que las correlaciones realizadas en los tres índices mencionados, solo fueron
para el AMG, y que por diferentes factores como latitud, orografía, fenómenos a
escala sinóptica como frentes fríos o advección de aire marítimo tropical entre
otros sistemas van a influir en la inestabilidad o estabilidad atmosférica y por
consecuencia en las cantidades arrojadas por los índices termodinámicos.
Por último, el modelo ARIMA que se realizó, cumplió con el objetivo

planeado al igual que se respondió la pregunta de investigación planteada, así
64
mismo la hipótesis se cumple pronosticando la serie temporal con los
parámetros de los tres índices (CAPE, BRN y LI) para determinar con un nivel de
confianza del 95% el día en el que se presente una TLS.
Recomendaciones
Es recomendable que para futuras investigaciones que aborden el tema de
TLS, en el AMG utilicen las fechas de ocurrencia que se obtuvieron y
posteriormente descargar diferentes herramientas meteorológicas para
analizar sus características y patrones de este fenómeno, incluso determinar a
escala sinóptica los sistemas que provocaron el surgimiento del desarrollo de
células convectivas que originaron tormentas y con ello aportar nueva
información y a su vez determinar la predicción de manera oportuna y precisa
de TLS.
Así mismo, extender el periodo de tiempo analizado y realizar una nueva

climatología para el AMG, ya que los años que se tomaron en cuenta no alcanzan
el tiempo para ser denominada como tal.
También se recomienda que se realicen correlaciones para los índices

termodinámicos de diferentes áreas, ya que los considerados en esta tesis
(CAPE, BRN, y LI) no son de manera general en todos lados, porque por factores
como latitud, orografía y sistemas como frentes fríos, zonas de convergencia e
incluso huracanes, alteran de manera significativa la estabilidad de la zona de
estudio y por consecuencia los resultados de los índices.
La última recomendación sugiere que se utilicen series temporales de

análisis de datos de variables como temperatura, humedad, velocidad de viento,
entre otras para transformar del dominio del tiempo al dominio de frecuencias
y observar el comportamiento de estas, e incluso generar pronósticos
matemáticos.
Al igual que se utilicen para realizar el modelo ARIMA para otros índices de
inestabilidad atmosférica que no se contemplaron en esta investigación, como
lo es Showalter, Total de Totales, índice K, índice de Galvez Davidson entre otros,
65
y obtener los parámetros de cada uno en las diferentes estaciones militares que
se encuentran desplegadas en las diferentes Bases Aéreas y Zonas militares.
66
“2022, Año de Ricardo Flores Magón,
Precursor de la Revolución Mexicana”.
D.G.E.M. y R.U.D.E.F.A. Esc. Mil. Espls. F.A.

Secc. Inv. Doc. Mil.
Anexo 1
Código QR modelo ARIMA para el índice de inestabilidad CAPE del
periodo 2004 a 2021 con valores de TLS
Por la extensión de los productos obtenidos del modelo ARIMA a partir de

los datos históricos del índice CAPE y BRN, se optó por realizar los siguientes dos
códigos QR que los enviará directo a los resultados completos de cada modelo,
para con ello no excluir ninguna información, además de comprender de mejor
forma las dos series temporales arrojadas del programa MATLAB.
Primer producto completo
67
“2022, Año de Ricardo Flores Magón,
Precursor de la Revolución Mexicana”.
D.G.E.M. y R.U.D.E.F.A. Esc. Mil. Espls. F.A.

Secc. Inv. Doc. Mil.
Anexo 2
Código QR Modelo ARIMA para el índice de inestabilidad Bulck
Richardson Number del periodo 2004 a 2021 con valores de TLS
68
FUENTES DE CONSULTA
Andalón, C., Rivas, M., y Bernal, J. (2017). Detección de tormentas eléctricas

severas por el Radar Doppler en Agosto de 2017 y su relación con las zonas
de mayor temperatura de la Isla de calor en el Área Metropolitana de
Guadalajara. Universidad de Guadalajara.
http://iam.cucei.udg.mx/sites/default/files/adjuntos/proyecto_final.pdf
Berman, A., Bischof, S. (2013). Campos de circulación asociados a extremos de

indice Showalter en Argentina. Geoacta. https://cutt.ly/zUoiixR
Carnesoltas, M. (2017). Una normalización de la Energía Potencial Disponible

para la convección. Revista Cubana de Meteorología.
http://rcm.insmet.cu/index.php/rcm/article/view/242
CENAPRED (2010). Tormentas Severas. Secretaría de Seguridad y Protección

Ciudadana.
http://www.cenapred.unam.mx/es/Publicaciones/archivos/189-
FASCCULOTORMENTASSEVERAS.PDF
Chourio, A. (2009). Aplicación de índices de estabilidad atmosférica al pronóstico

meteorológico de la región centro norte costera de Venezuela.
Universidad Central de Venezuela. https://cutt.ly/IUoyn7B
Davison, M., Gálvez, J. (2004). Índices de Estabilidad. NOOA. WPS International

Desks. https://ftp.wpc.ncep.noaa.gov/mike/CHILE_2016/Presentations-
PDF/3_%C3%8Dndices%20de%20Estabilidad.pdf
Doswell, C. (1996). On Convective Indices and Sounding Classification. In Prepints

5th Australian Severe Storm. Bureau of Meteorology at Voca Beach.
https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.535.8523&rep=r
ep1&type=pdf
Galway, J.G. (1956) The lifted index as a predictor of latent instability. Bulletin of
the American Meteorological Society
69
https://journals.ametsoc.org/view/journals/bams/37/10/1520-0477-
37_10_528.xml
García, O., Sanchez, H., Gutierrez, J., Peña, A. y Guadalupe, M. (2007). Climatología
de las tormentas locales severas (TELS) en la Zona Metropolitana de
Guadalajara. UNAM. https://doi.org/10.14350/RIG.29907
Zarsa, F. (s.f.). ¿Qué es y cómo se forma una tormenta?, IAGUA.

https://www.iagua.es/respuestas/que-es-y-como-se-forma-tormenta
IDEAM. (2019). Glosario Meteorológico. Instituto de Hidrología. Imprenta

Nacional de Colombia.
http://www.ideam.gov.co/documents/11769/72085840/Anexo+10.+Glosari
o+meteorol%C3%B3gico.pdf/6a90e554-6607-43cf-8845-9eb34eb0af8e
Instituto Metropolitano de Planeación (2012). Superficie Área Metropolitana de

Guadalajara. Congreso del Estado de Jalisco.
https://www.imeplan.mx/en/ciudad#:~:text=Superficie%20AMG,de%20la
%20superficie%20total%20metropolitana.
Jiménez, M., Baeza, C., Matías, L. y Eslava, H. (2012). Mapas de Índices de riesgo a
escala municipal por fenómenos hidrometeorológicos. CENAPRED.
http://www.atlasnacionalderiesgos.gob.mx/descargas/Metodologias/Hidr
ometeorologico.pdf
Montero, G. (2006) Modelos de regresión lineal múltiple. Documentos de Trabajo

en Economía Aplicada. Universidad de Granada
https://www.ugr.es/~montero/matematicas/regresion_lineal.pdf
Nadal, S. (2006). Análisis de los diagramas termodinámicos. Fundamentos de la

Meteorología, Santiago de Compostela: Universidade de Santiago de
Compostela. https://library.wmo.int/doc_num.php?explnum_id=4712
National Weather Service (2020). Emergency Preparedness: Severe

Thunderstorms, NOAA.
https://www.weather.gov/abq/EmergencyPrepSevere
70
MIlenio (2019). Granizada historica en Guadalajara.
https://www.milenio.com/politica/comunidad/videos-de-la-granizada-
historica-en-guadalajara
Ochoa, A., y Cantor, D. (2011). Tendencias de largo plazo en cinco índices de

estabilidad atmosférica en Colombia. Universidad Nacional de Colombia.
https://cutt.ly/bUoeQ9t
OMM. (1992). Vocabulario Meteorológico Internacional. Organización

Meteorológica Mundial, Ginebra: Secretaría de la Organización
Meteorológica Mundial.
https://library.wmo.int/doc_num.php?explnum_id=4712
Orlanski, I. (1975). A rational subdivision of scales for atmospheric processes.

B.A.M.S. https://www.jstor.org/stable/26216020
Página Oficial Gobierno Jalisco (2 de febrero del 2022). Área Metropolitana de

Guadalajara. Gobierno del Estado de Jalisco.
https://www.jalisco.gob.mx/es/jalisco/guadalajara
Pineda, L., León, J., y Carbajal, N. (2020). Análisis de tormentas severas y

formación de tornados en la región norte de México. Revista Biociencias.
http://revistabiociencias.uan.mx/index.php/BIOCIENCIAS/article/view/88
5
Qu, C., & Kang, J. (2014). Hodograph transformations and Cauchy problem to
systems of nonlinear parabolic equations. Studies in Applied
Mathematics, 132(2), 81-111.
Santos, J., (2021). Lluvias en Guadalajara dejan un muerto y daños materiales. La

MIJornada.
https://www.jornada.com.mx/notas/2021/09/25/estados/lluvias-en-
guadalajara-deja-un-muerto-y-danos-materiales/
71
Salson, S. (2010). Equipo de Radiosondeo. CMATI.
https://www.meteogalicia.gal/datosred/infoweb/meteo/docs/observacio
n/radiosondaxe/radiosondaxe_es.pdf
Sampieri, R. (2018). Concepción o elección del diseño de investigación en la ruta

cuantitativa, METODOLOGÍA DE LA INVESTIGACIÓN: LAS RUTAS
CUANTITATIVA, CUALITATIVA Y MIXTA. McGRAW-HILL INTERAMERICANA
EDITORES.
Secretaría de la Defensa Nacional. (1938). Reglamento de la Dirección General

de Educación Militar.
http://www.sedena.gob.mx/pdf/reglamentos/rglmto_dir_gral_edu_mil.p
df
Secretaría de la Defensa Nacional. (2004). Reglamento General del Colegio del

Aire.
http://www.sedena.gob.mx/pdf/reglamentos/rglmto_gral_col_aire.pdf
Secretaría de la Defensa Nacional. (2012). Reglamento de la Ley de Educación

Militar del Ejército y Fuerza Aérea Mexicanos.
http://www.diputados.gob.mx/LeyesBiblio/regley/Reg_LEMEFAM.pdf
Secretaría de la Defensa Nacional. (2015). Manual de Organización y

Funcionamiento de la Dirección General de Educación Militar y Rectoría
de la U.D.E.F.A..
https://www.gob.mx/cms/uploads/attachment/file/48569/M.O.F._Direcci_
n_General_de_Educaci_n_Militar.pdf
Secretaría de la Defensa Nacional. (2021). Ley Orgánica del Ejército y Fuerza

Aérea Mexicanos.
http://www.diputados.gob.mx/LeyesBiblio/pdf/LOEFAM.pdf
SEDENA. (2019). Información General de la Escuela Militar de Especialistas de

Fuerza Aérea. Página oficial del Gobierno de México.
72
https://www.gob.mx/sedena/acciones-y-programas/informacion-
general-de-la-escuela-militar-de-especialistas-de-fuerza-aerea
Showalter, A. (1953). A stability Index for Thunderstorm Forecasting. Bulletin of

the American Meteorological Society.
https://www.jstor.org/stable/26242131
Tamayo, M. (2004). La ciencia. El proceso de la investigación científica, Limusa.

https://cutt.ly/bULYYMi
The University Corporation for Atmospheric (2014). Dominio del diagrama

oblicuo T-Log p. MetEd.
https://www.meted.ucar.edu/mesoprim/skewt_es/navmenu.php?tab=2&p
age=6-1-1&type=flash
Thompson, R. (2006) Explicación de los parámetros de clima severo. Centro de

predicción de tormentas.
https://stringfixer.com/pt/Convective_Available_Potential_Energy
Vidal, R. (2007). Número de días con tormenta eléctrica. Nuevo Atlas Nacional de
México, Instituto de Geografía UNAM.
http://www.igeograf.unam.mx/Geodig/nvo_atlas/index.html/
Zamorano, J. (2014). El Marco Teórico. Universidad Autónoma del Estado de

Hidalgo. https://www.uaeh.edu.mx/scige/boletin/prepa4/n2/m4.htm
73

23 Carlos Antonio Morales Mota

Cargado por

Información del documento

Descripción original:

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

23 Carlos Antonio Morales Mota

Cargado por

Copyright:

Formatos disponibles

SECRETARÍA DE LA DEFENSA NACIONAL

DIRECCIÓN GENERAL DE EDUCACIÓN

Licenciatura en Meteorología Militar

PRONÓSTICO DE TORMENTAS LOCALES SEVERAS EN EL ÁREA

Escuela Militar de Especialistas de Fuerza Aérea

Tte. F.A. Met. Brenda Osorio González

M. en C. Christian Abel de la Torre Vázquez

Cap. 2/o de F.A. Met. Ret. José Guadalupe Navarro Castro

CAPÍTULO I PLANTEAMIENTO DEL PROBLEMA ............................................................. 3

Descripción del problema ................................................................................................................ 3

Pregunta de investigación ............................................................................................................... 5

Propósito de la investigación ......................................................................................................... 5

Objeto de estudio ................................................................................................................................... 7

Objetivos del estudio.......................................................................................................................... 10

CAPÍTULO II. FUNDAMENTACIÓN ............................................................................................. 11

Marco teórico ............................................................................................................................................ 11

Marco normativo .................................................................................................................................. 24

CAPÍTULO III METODOLOGÍA ..................................................................................................... 27

Tipo de investigación ........................................................................................................................ 27

Técnicas e instrumentos de recolección de variables .............................................. 29

CAPÍTULO IV DESARROLLO DEL TRABAJO DE INVESTIGACIÓN ..................... 31

Identificación de TLS que se generaron en el AMG en el periodo 2004-2021

Comparar mediante una correlación los diferentes índices termodinámicos

capítulo V presentación y análisis de resultados ........................................................... 51

Programar una serie de tiempo tomando como variables los índices

Capítulo Vi Conclusiones y recomendaciones ............................................................... 63

Figura 1. Asignación de valores por municipio, respecto al número de días

Figura 2. Delimitación Área Metropolitana de Guadalajara .................................. 14

Figura 3. Tormenta de granizo en Guadalajara............................................................... 15

Figura 4. Energía Potencial Convectiva Disponible (Termodiagrama) ......... 19

Figura 5. Proceso de empuje hidrostático ......................................................................... 22

Figura 6. Proceso bolsa de aire frio ......................................................................................... 22

Figura 7. Archivo xls año 2006 (datos en crudo)............................................................ 32

Figura 8. Encabezado base de datos (Coordenadas) ................................................ 33

Figura 9. Encabezado base de datos (variables) ........................................................... 33

Figura 10. Primer filtro año 2005 ............................................................................................... 34

Figura 11. Carga de datos ................................................................................................................ 47

Figura 12. Determinación de diferencias estacionales y no estacionales ...48

Figura 13. Determinación de ordenes ................................................................................... 49

Figura 14. Prueba residual ............................................................................................................. 49

Figura 15. Script graficas prueba residual........................................................................... 50

Figura 16. Pronóstico serie temporal ..................................................................................... 50

Figura 17. Distribución de tormentas por año en el AMG 2004-2021 .............. 51

Figura 18. Distribución de TLS en el AMG (2004-2021) .............................................. 52

Figura 19. Distribución de TLS por meses en el AMG 2020 .................................... 53

Figura 20. Termodiagrama Guadalajara (76612) 12z 30 de junio 2019 ............ 54

Figura 21. Termodiagrama Guadalajara (76612) 00z 01 de julio 2019 .............. 55

Figura 22. Modelo de correlación Bulck Richardson Number y Lifted ......... 56

Figura 24. Modelo de correlación Convective Available Potential Energy y

Figura 25. Serie temporal índice LI .......................................................................................... 59

Figura 26. Serie Estacional índice LI ....................................................................................... 60

Figura 27. Autocorrelación índice LI........................................................................................ 61

Figura 28. Ajuste media móvil Lifted ...................................................................................... 61

Tabla 1. Génesis de formación de nubes asociadas a Tormentas Severas ... 16

Tabla 2. Valores generales del CAPE ....................................................................................... 19

Tabla 3. Valores generales del índice LI ............................................................................... 20

Tabla 4. Valores generales del índice BRN ......................................................................... 21

Tabla 5. Clasificación del tipo de investigación .............................................................. 27

Tabla 6. Días de ocurrencia de TLS en el AMG ................................................................ 36

Tabla 7. Cálculos numéricos primer modelo de regresión .................................... 42

Tabla 8. Obtención de coeficientes de correlación y determinación Tabla 1.

Tabla 9. Cálculos numéricos segundo modelo de regresión ...............................44

Tabla 10. Obtención de coeficientes de correlación y determinación