ANÁLISIS DE VARIABILIDAD CLIMÁTICA E ISLAS DE CALOR EN EL DISTRITO

METROPOLITANO DE QUITO-ECUADOR, EN EL PERIODO 1990-2020

ANALYSIS OF CLIMATE VARIABILITY AND HEAT ISLANDS IN THE METROPOLITAN
DISTRICT OF QUITO-ECUADOR, IN THE PERIOD 1990-2020
Josué Pilco, Alex Ramos, Alex Toapanta, Allison Chaquinga
Departamento de Ingeniería Ambiental/Facultad de Ingeniería en Geología, Minas, Petróleos y Ambiental/Escuela de Ingeniería
Ambiental/ Universidad Central del Ecuador

jjpilcov@uce.edu.eca, aptoapanta@uce.edu.ecb, agchaquinga@uce.edu.ecc, agramos@uce.edu.ecd,

Resumen: poblacional y proponer medidas para que este sea un

El clima es uno de los factores ambientales que incide
en diferentes aspectos del territorio. De manera
recurrente o cíclica ocurren anomalías climáticas que
impactan en diversa forma y grado, los sistemas
humanos asentados en un determinado territorio; las
fluctuaciones que generan estas anomalías se
denominan variabilidad climática. De otra parte, en el
largo plazo, de manera paulatina las condiciones
climáticas están modificándose debido al denominado
cambio climático, que también afectará cada vez de
manera más marcada a la población y sus actividades.
El presente trabajo analiza la variabilidad
climática del distrito metropolitano de Quito.
La metodología de trabajo incluye la revisión del
comportamiento de datos de precipitación, temperatura
(máxima, mínima y media) y radiación solar durante
un periodo de 1990 –2020, a través de información
recopilada de páginas wed satelitales como Instituto
Nacional de Meteorología e Hidrología. y anuarios de
6 estaciones meteorológicas. El desarrollo del
estudio se efectuó en tres etapas, la primera etapa
comprende la obtención de una base de datos, usando
información de anuarios meteorológicos y obtaining a database, using information from meteorological
haciendo el relleno con ayuda de datos extraídos de
satélites, la segunda etapa se analizó el
comportamiento urbanístico en la zona mediante el
análisis de la temperatura superficial y contrastando
los resultados con el uso de los indicadores NDVI,
NDBI, NDWI para los años 2014 y 2019. Y en la
tercera etapa se menciona posibles escenarios de
Cambio Climático que pudieran suscitarse para el año
2030. Como resultados en las parroquias de Calderón,
Pifo y Puembo existió un aumento de temperatura
superficial en los años estudiados, lo cual demostró la
existencia de islas de calor en esa zona, además se
observó un comportamiento o tendencia creciente en
las variables climáticas estudiadas. Los resultados
obtenidos pueden ser de gran ayuda para la toma de
decisión en materia de ordenanzas ambientales y de
desarrollo urbano, además de mostrar un panorama
más claro del estado y ritmo del crecimiento
crecimiento sostenible.
Palabras clave: Variabilidad climática, temperatura
superficial, urbanización, datos satelitales
Abstract:
Climate is one of the environmental factors that affect
different aspects of the territory. In a recurring or cyclical
manner, climatic anomalies occur that impact, in various
ways and degrees, the human systems settled in a given
territory; the fluctuations that generate these anomalies are
called climatic. On the other hand, in the long term, climatic
conditions are gradually changing due to the so-called
climate change, which will also affect the population and its
activities more and more markedly.
The present work analyzes the climatic conditions of the
metropolitan district of Quito
The work methodology includes the review of the behavior
of precipitation data, temperature (maximum, minimum and
average) and solar radiation during a period of 1990-2020,
through information collected from satellite pages such as
the National Institute of Meteorology and Hydrology. and
yearbooks of 6 weather stations. The development of the
study was carried out in three stages, the first stage included
yearbooks and making the filling with the help of data
extracted from satellites, the second stage the urban behavior
in the area was analyzed by analyzing the surface
temperature and contrasting the results with the use of
indicators NDVI, NDBI, NDWI indicators for the years 2014
and 2019. And in the third stage, possible scenarios of
Climate Change that could arise by the year 2030 are
mentioned. As a result, in the parishes of Calderón, Pifo and
Puembo there was an increase in surface temperature in the
years studied, which demonstrated the existence of heat
islands in that area, in addition, a growing behavior or trend
was observed in the climatic variables studied. The results
obtained can be of great help for decision-making regarding
environmental ordinances and urban development, in
addition to showing a clearer picture of the state and rate of
population growth and proposing measures to ensure that this
growth is sustainable.
Keywords: Climate variability,surface temperature,
urbanization, satellite data
 I. INTRODUCCIÓN
La variabilidad del clima se refiere a las variaciones en
el estado medio y otros datos estadísticos (como las
desviaciones típicas, la ocurrencia de fenómenos
extremos, etc.) del clima en todas las escalas
temporales y espaciales, más allá de fenómenos
meteorológicos determinados.
Influyen cada vez más en el clima y la temperatura de
la Tierra la quema de combustibles fósiles, la tala de
bosques y la cría de ganado.
Las enormes cantidades de gases así producidos se
añaden a los que se liberan de forma natural en la
atmósfera, aumentando el efecto invernadero y el
calentamiento global. Recientemente, el término ha
sido adoptado por La Convención Marco de las
Naciones Unidas sobre el Cambio Climático [1], para
referirse a aquel cambio producto de la actividad
humana a través de su alteración sobre la composición
química atmosférica, debido a la mayor presencia de
Gases de Efecto Invernadero (GEI) en todo el mundo
[4], sin embargo, las variabilidades naturales del clima
deben tomarse en cuenta ya que también son
relevantes en el Cambio Climático [2].
Hace apenas un siglo el 14% de la población mundial
vivía en las urbes (Naciones Unidas, 2001), en tanto
hoy alcanza ya el 50%, si bien en algunos países
desarrollados tales cifras se aproximan a 75 y 80%. El
crecimiento de la población humana continúa su
carrera exponencial a una tasa media de 1% anual,
mientras que el crecimiento urbano hace lo propio a
una velocidad casi dos veces superior (1,8%)
(Naciones Unidas, 2004). [3]. Algunas consecuencias
de la urbanización incluyen pérdida de áreas verdes,
reducción en la captación de gases de carbono, mayor
emisión de contaminantes atmosféricos,
impermeabilidad de los suelos y almacenamiento de
calor en estructuras, superficies y aire, dando origen a
las llamadas islas térmicas (Valor et al., 2000;
Grimmond,2007). La temperatura urbana, no obstante,
es afectada no sólo por condiciones antrópicas como la
altura y densidad[3], de las edificaciones y el tipo de
superficies, sino por variables naturales relativas a
vientos, humedad, precipitación y nubosidad (Givoni,
1998).
Con respecto a las emisiones de carbono urbanas, éstas
son responsables del 97% del CO2 antropogénico, de
los cuales 60% proviene del transporte y la
construcción y 40% del sector industrial (Svirejeva-
Hopkins et al., 2004). Por lo anterior, es un hecho que
la urbanización constituye un cambio drástico de la
naturaleza y ésta incide en los cambios globales
(IPCC, 2002; Foley et al., 2005).
Como efecto de la contaminación atmosférica de origen
antrópico, a partir de 1957 el CO2 se incrementó de 315 a
362 ppm, lo que representa la principal causa del
calentamiento global (Vitousek et al., 1997). Con base en
diferentes escenarios simulados y teniendo en cuenta las
emisiones de 1991 a 2010, se espera que los niveles de
estabilización del CO2 estén entre 450 y 1000 ppmv
(IPCC,2002) y, para tales condiciones, la temperatura del
planeta podría incrementarse en aproximadamente 2°C.
De acuerdo con el IPCC (2001), el clima de la Tierra está
cambiando y la temperatura mundial de la superficie ha
aumentado desde finales del siglo XIX; la mayor parte del
aumento se ha dado después de 1976, siendo la década de los
noventa la más cálida. Este fenómeno, aunque global, ha sido
más notorio en el hemisferio norte. [4].
En los sistemas urbanos las áreas verdes expresan más
sombra, frescura, refugio a la lluvia, humedad y filtración de
aire, en contraposición con las edificaciones que son
estructuras que almacenan calor (Oke, 1989; Olgyay, 1998;
Huang et al., 2007), lo que conduce a la formación de
gradientes térmicos entre las áreas urbanas y rurales.
Estudios realizados por Oke en la ciudad de Vancouver
encontraron que las áreas boscosas son hasta 5,5oC más frías
que las urbanas, mientras que los parques urbanos verdes son
1,1oC más fríos que las áreas edificadas. Las zonas verdes,
por tanto, mitigan los impactos térmicos al interior de las
ciudades (Wong et al., 2005), en tanto las zonas industriales
en primer término, y las comerciales en segundo, generan los
mayores incrementos en las temperaturas (Jusuf et al., 2007).
[5]. Estudios recientes en New York, Calgary, Vancouver,
Montreal y otras ciudades de Europa y Norte América,
muestran que la temperatura urbana es 4 a 7°C mayor que la
de las áreas rurales vecinas y que hay relación directa (vía
exosomática) con el tamaño poblacional. Por demás, se ha
incrementado entre 1,5 y 5oC la temperatura nocturna de las
grandes ciudades (Makar et al., 2006).
Los resultados de dicho índice, se puede comparar junto a
otros como el índice diferenciado de vegetación normalizada
(NDVI) y el índice diferenciado de agua normalizada
(NDWI) que son una vía de análisis territorial en estudios
urbanísticos, infraestructuras y la comparación de la
evolución de las urbes en el tiempo.
Para determinar los cambios en la intensidad de las ICU se
analiza el comportamiento de la temperatura superficial del
distrito metropolotano de los 1990 años y 2020, a través de la
obtención de la temperatura superficial promedio mediante
imágenes del satélite MODIS y su procesamiento en el solar, lluvia y temperatura.
software ArcGIS. Además, se utiliza imágenes del
satélite Landsat 8 para el cálculo de temperatura En cuanto a las características climáticas, la temperatura
superficial promedio a través de la determinación del fluctúa de 12 a 18 ºC.
NDVI. [6].

La investigacion para este proyecto tiene como

objetivo elaborar una base de datos climáticos, usando
información de anuarios meteorológicos y
completando la misma con ayuda de datos extraídos de
satélites, para los años de 1990 al 2020; esta base de
datos será utilizada para analizar la variabilidad
climática, mediante el análisis estadístico de las
variables (temperatura (maxima- minima y media),
precipitación y radiación solar) en la en el distrito
metropolitano de quito Ecuador. Además, se analizó el
comportamiento urbanístico en la zona mediante el
análisis de la temperatura superficial y contrastando
esta información con el uso de los indicadores NDVI,
NDBI, NDWI para los años 2014 y 2020. Por último,
se menciona posibles escenarios de Cambio Climático
que pudieran suscitarse para el año 2050 si no Figura 1. Mapa de ubicación de las estaciones
existieran la implementación de las correctas medidas del DQM
de prevención y mitigación.
II. MATERIALES Y METODOLOGÍA
b) Datos e información.
a) Determinación del Área de Estudio
Para el desarrollo el estudio se recopilo información
El Distrito Metropolitano de Quito (DMQ), es un secundaria referente a la temática geográfica y
distrito metropolitano de la provincia de meteorológica de la zona de estudio, de acuerdo con la
Pichincha en el norte de Ecuador. El distrito tabla 1.
metropolitano de Quito es el cantón más poblado
del país. Se divide en 9 administraciones zonales, Tabla 1: Fuente de datos climáticos
las cuales 32 son parroquias urbanas y 33
parroquias rurales y suburbanas. En esta región la Variables Fuente
demanda de agua crece de manera exponencial y Temperatura INAMHI,
proviene en su mayoría de los sectores de riego TerraClimate y ERA-5
para la agricultura, agua potable e industria. El Precipitación INAMHI,
Distrito Metropolitano de Quito tiene una TerraClimate y ERA-5
superficie de 4204 km2, altitudinalmente se Radiación Solar INAMHI,
encuentra desde los 500 m en el noroccidente, TerraClimate y ERA-5
hasta aproximadamente los 4100 m en la Fuente: Grupo N°6
cordillera oriental y 4800 m de altitud en la
cordillera occidental. El DMQ presenta una gran c) Relleno y Validación de datos.
variedad climática y orográfica; desde zonas
tropicales y húmedas al noroccidente, zonas Para el relleno de datos faltantes de las estaciones
áridas, casi desérticas y soleadas en el valle del meteorológicas que se muestran en la tabla 2. se
Río Guayllabamba en su parte interandina, cejas realizó diagramas de dispersión entre los datos de
de montaña permanentemente nubladas hasta las estas estaciones, con datos obtenidos de los satélites
zonas frías montañosas de ambas cordilleras; Terra Climate y ERA-5, los cuales poseen una
dando como resultado una variedad de resolución espacial de 4km y 11km respectivamente.
ecosistemas, y una gran riqueza de flora y fauna; Analizando el coeficiente R2, los datos del satélite
estos ecosistemas difieren en la cantidad de luz
Terra Climate se ajustan de mejor forma a los Guayllabamba, para el período de verano que
datos de los anuarios, por tanto, se procedió a corresponde a los meses de junio, julio, agosto y
rellenar los datos faltantes de los anuarios con septiembre para el 2014 y 2019, con las colecciones
los del sensor. de imágenes satelitales MODIS/006/MOD11A1 y
MODIS/006/MYD11A1, pertenecientes al satélite
MODIS. Se selecciono este satélite, a pesar de que
Tabla 2: Estaciones Meteorológicas
Altitud Longitud Latitud
posee una resolución de 1200 x 1200 km por
Código Nombre
(m) (UTM) (UTM) cuadricula, entrega datos de temperatura superficial
M0002 La tola 2480 792709.7 9974351.84
M0003 Izobamba 3058 772144.9 9959527.4 cada 1 o 2 días, de día y de noche, lo que permite
M5041
M5040
Chillos
Tumbaco
-
-
782469
789174
9966441
9976398
tener un panorama general de la zona de estudio
M5037 Belisario - - 9980700 elegida. De manera que, para la obtención de la
M5038 Camal 2858 2858 9972341.1
San temperatura diurna, se consideró el período entre los
M0015 Ant.Pichinch - 782458 9966874
a días 1 de junio de 2019 y 12 de septiembre de 2019
0°03′33″S
Estación (verano) de igual manera para el año 2014.
78°20′29″ 860 -
O
Virtual 1 En primer lugar, se seleccionó la zona de estudio, con
Estación
Virtual 2
4148 ayuda de polígono. Luego, se seleccionaron las
Fuente: Grupo N° 6 colecciones Terra MODIS (MODIS/006/MOD11A1)
y Aqua MODIS.
La regresión lineal es una técnica estadística que
permite estimar el valor desconocido de una (MODIS/MYD11A1), definiendo para ambas la
variable a partir de un valor conocido de otra temperatura diaria mediante el filtro ‘LST_day_1km’.
variable, es decir, genera una ecuación que Una vez filtradas las temperaturas diarias, se
permite predecir los valores faltantes, estos seleccionó el período de estudio, la cual representa el
datos se representan a través de un diagrama de período de verano de 2014 y 2019 respectivamente.
dispersión que es la que permite representar Una vez obtenidas las temperaturas, se proyecta la
gráficamente los datos para elegir un modelo y imagen a UTM 17S, de debe definir una mejor
para ello la gráfica se realiza con las parejas de resolución, que en este caso fue resample bilinear de
puntos (datos obtenidos de anuarios–local con 10 metros, para su posterior descarga en formato
información de satélites-global) del mismo TIFF a la carpeta de Google Drive.
periodo, permitiéndonos cuantificar la relación Para clasificar las intensidades de la isla de calor, se
en base al coeficiente de correlación el cual nos adaptó la clasificación propuesta por quien define las
provee de información concreta sobre la siguientes intensidades: Débil (0°C - 2°C), moderada
relación lineal existente entre dos variables si (2°C -4°C), fuerte(4°C-6°C) y muy fuerte (mayor a 6
los datos tienen una distribución adecuada se °C).
obtiene una línea de tendencia lineal, si existen
desvíos importantes que generen un punto de
Tabla 3. Adaptación de las intensidades de
quiebre o un desplazamiento paralelo en la
la isla de calor para la temperatura
línea, es necesario analizar y corregir los datos. superficial con el satélite MODIS.
d) Obtención de temperatura superficial
promedio mediante imágenes del Intensidad ICUS (°C) Categoría
satélite MODIS 0°C- 1°C Muy débil
1°C- 2°C Débil
2°C- 3°C Moderadamente débil
3°C- 4°C Moderada
Para la adquisición de las imágenes se utilizó la 4°C- 5°C Fuerte
plataforma Google Earth Engine (GEE), la cual 5°C- 6°C Muy fuerte
permite trabajar catálogos históricos de Fuente: Grupo N°6
imágenes satelitales.
Para la realización de este trabajo, se calculó el
promedio de las temperaturas superficiales e) Cálculo de la temperatura Superficial mediante
diurnas diarias para la Inter cuenca del Río imágenes del satélite LANDSAT-8 para los años
 2014 y 2019.
Las imágenes satelitales fueron obtenidas a
través de la página del EarthExplorer del United
States Geological Survey (USGS), para las
fechas correspondientes del 2014-08-01 y 2019-
09-26, fechas de verano y época seca en nuestra
zona de estudio el Distrito Metropolitano de
Quito.
La temperatura superficial es una fuente de
información cualitativa y cuantitativa, acerca de
los procesos que ocurren en la superficie
terrestre [6], es por ello que el cálculo de este es
necesario es importante para estimar los valores
de la temperatura superficial en cierta época y
determinar las posibles causas. [7]
La metodología que utilizaremos para
determinar la temperatura superficial de nuetra
zona de estudio es la siguiente:
68, fecha de adquisición de las imágenes, valores
numéricos de radiantica multiplicativa y aditiva de la
banda TIRS, constantes de conversión termitica K1 y
K2 para la Banda TIRS. [9]
Radiancia TOA
L=ML∗Qcal+ AL(Ec.1)
Donde:
L λ = Valor de la radiancia espectral en el techo de la
atmosfera (TOA), medido [Watts/(m2∗sradr∗μm)]
M L = Factor multiplicativo de escalado especifico
obtenidos del metadato.
específico de la banda 10, obtenida del metadato),
QCal = Producto estándar cuantificado y calibrado por
valores de pixcel (DN) obtenidos de los metadatos.
A L = Factor aditivo de escalado especifico obtenidos
de los metadatos.

Temperatura de brillo TB

k2
TB=
K1
ln( + 1) (Ec. 2)
Lλ
Donde:
TB = Temperatura de brillo aparente en grados kelvin
Figura 2. Metodología aplicada para obtención [𝐾].
de temperatura terrestres superficial L λ= Radiancia espectral en el techo de la atmosfera
Fuente: Grupo 6 AMB. (TOA), medidos en [Watts/(m2∗srad∗μm)].
k 1= Constante de conversión térmica específica para
Donde: cada banda, se encuentra en el metadato.
k 2 = Constante de conversión térmica específica para
Banda Roja = Banda 4 cada banda, se encuentra en el metadato. [10]
Banda NIR = Banda 5
Banda TIRS = Banda 10 Posterior a esto calculamos en índice de vegetación
NDVI = Índice de vegetación normalizado normalizado, índice proporcional de vegetación y la
PVI = Índice proporcional de vegetación emisividad de la superficie terrestre. [11]
LSE = Emisivilidad de la superficie terrestre
TOA = Radiancia espectral en el techo de la (Banda NIR−Banda Roja)
atmosfera NDVI = (Ec. 3)
( Banda NIR+ Banda Roja)
BT = Temperatura de brillo
LST = Temperatura de la superficie terrestre.
NDVI −NDVI min
[8] PVI=scuare ( ) (Ec. 4)
NDVI max −NDVI min
Utilizando la metadata proveniente del
desempaquetado de las imágenes descargadas, LSE=0.004∗PVI +0.986 (Ec. 5)
nos proporcionan información que utilizaremos
en el proceso para encontrar la temperatura Por último calculamos también la temperatura de la
superficial terrestre de nuestra zona. Esta superficie terrestre
información es WRS_PATH = 7, WRS_ROw =
 BT
LST =
BT (Ec. 6)
1+ ∗ln ⁡(LSE)
14388
Donde:
TB = temperatura de brillo aparente en grados
Kelvin [𝐾],
𝜆= promedio de las longitudes de onda de la
banda.
LSE = Emisividad de la superficie terrestre.
14388 = valor definido por H*c/o donde: c =
velocidad de la luz, h = Constante de Planck y o
= Constante de Boltzman.
Todo esto siendo trabajado en el software de
ArcGis. Una vez se realizó esta serie cálculos y
obtenido un ráster final, se cortó por
enmascaramiento usando la herramienta
“Extract by Mask” para el distrito metropolitano
de Quito. [12]
También se aplicó a este último ráster la
herramienta “Reclassify”, la que permitió
clasificar la temperatura de la superficie de
nuestra zona de estudio en 10 clases.
f) Cálculo de índices normalizado
Para realizar el cálculo de los índices fue
necesario realizar una corrección radiométrica
de reflectancias a las imágenes obtenidas de
Landsat 8, esto se lo realizó en Google Earth
Engine y ArcMap utilizando las siguientes
combinaciones de bandas. [13]
NDVI
Es el índice diferenciado de vegetación
normalizada que oscila entre los valores de -1 a
1, siendo los negativos correspondientes a áreas
con superficies de agua, estructuras artificiales,
rocas, nubes, el suelo desnudo generalmente cae
dentro del rango de 0.1 a 0.2; y las plantas
tendrán valores positivos entre 0.2 y 1. [15] La
vegetación sana y densa debería estar por
encima de 0.5, y la vegetación dispersa
probablemente caerá dentro de 0.2 a 0.5. todo
esto dependiendo del tipo de vegetación y la
temporada que se haga el estudio.
NIR−RED
NDVI = (Ec. 7)
NIR+ RED
Donde:
NDVI = Índice Diferenciado de vegetación
normalizada
NIR= Valores de la banda de infrarrojo cercano,
Banda 5.
RED= Valores de la banda roja, Banda 4
NDWI
Definido como el índice diferenciado de agua
normalizada se usa para resaltar el aspecto de las
masas de agua en una imagen de satélite. Sus rangos
de valores corresponden a los siguientes: 0.2 a 1
representan superficie del agua, de 0 a 0.2 zonas con
inundación o humedad, de -0.3 a 0 lugares con sequía
moderada o superficies sin agua y de -1 a -0.3 zonas
con gran sequía o superficies sin agua. [14]
NIR−SWI R 11
NDWI= (Ec. 8)
NIR+ SWI R 11
Donde:
NDWI = Índice Diferenciado de agua normalizada
NIR= Valores de la banda de infrarrojo cercano,
Banda 5.
SWIR1= Valor de la Banda 6.
NDBI
El índice diferenciado de construcción normalizada se
utiliza para identificar que tan sensible es el área
urbanizada en la zona de estudio; el intervalo de
valores resultantes oscila entre -1 y 1, donde aquellos
valores negativos indican presencia de zonas con
vegetación. [15]
Valores intermedios comienzan a determinar zonas
desnudas, cultivos en crecimiento o zonas o en fase de
construcción a medida que adquieren valores de
tendencia positivos elevados para indicar zonas
territoriales con coberturas de suelo edificadas o
infraestructuras antrópicas. La reclasificación
supervisada de los valores de píxel nos ayudará a
dejar al descubierto los territorios de análisis e
identificar zonas de vegetación, zonas desnudas y
zonas edificadas pudiendo localizar los núcleos
urbanos e infraestructuras antrópicas como
carreteras y autovías o aeropuertos. [16]
SWIR 2−NIR
NDBI =
SWIR 2+ NIR
Donde:
NDBI = Índice Diferenciado de construcción
normalizada
NIR= Valores de la banda de infrarrojo cercano,
Banda 5.
SWIR2= Valor de la Banda 7
g) Escenarios de Cambio Climático.
Para el análisis de cambio climático se eligió el
modelo RCP 2.5 (Representative Concentration
Pathways) el cual se encuentra en la página
RCP Database – IIASA, para el estudio se
seleccionó el modelo RCP 2.5 y sus variables
analizadas fueron: Temperatura y Precipitación
para una estimación del año 2030. Los
escenarios escogidos para las dos variables
fueron el RCP 2.5 debido a que este escenario
es el más favorable en cuanto a las emisiones
estimadas de gases de efecto invernadero para
las condiciones del clima en la zona, se eligió el
año 2030 debido a que en muchos países de la
región se tiene establecido para el cumplimiento
de sus planes, como fecha máxima para el
cambio de actividades y matriz productiva.
III. RESULTADOS
a) Variabilidad Climática
Temperatura
Gráfico Serie de Tiempo de la Temperatura Promedio de las estaciones del distrito de Quito en el
30
25
Temperatura (ºC)
20
15
10
(Ec. 9)
Un registro temperatura superficial elevado está
relacionado a el incremento de la temperatura la cual, se
presenta en temporadas que varían según la
estacionalidad o también se presentan por años, en el
análisis de la serie de tiempo se optó por interpretar las 3
estaciones más cercanas M0002, M5038 y M5037 que
presenta temperaturas semejantes. En donde se observa
que en los años 2006 y 2017 en el mes de enero
presentas altos valores de temperatura en toda la serie
con un valor de 18.1°C y 17.6°C.
Además, se puede observar que la estación M0002 tiene
mayor temperatura en ciertos años como 2003 y 2007.
Por otro lado, hasta el año 2009 los meses de abril y
octubre son los que presentan valores bajos de
temperatura, registrándose el valor más bajo de
temperatura en mayo 2003. Además, la serie de tiempo
presenta una tendencia creciente de temperatura, que a
partir del año 2006 incrementó gradualmente, a
excepción de los años 2016-2018, donde hubo un
descenso en la temperatura (Figura 2).
Por otro lado, hasta el año del 2009 los meses de
octubre-febrero son los que presentan bajos valores de
temperatura, registrándose el valor más bajo de
temperatura en diciembre del 2007. Además, la serie de
tiempo presenta una tendencia creciente de temperatura,
que a partir del año 2012 incrementó gradualmente, a
excepción de los años 2016-2018, donde hubo un
descenso en la temperatura (Figura 3).
periodo de 1990 - 2020
Tola
Chillos
Camal
San Antonio
Izobamba
Tumbaco
Belisario
Series8
 0
90 90 91 92 93 94 95 96 97 98 99 00 01 01 02 03 04 05 06 07 08 09 10 11 12 12 13 14 15 16 17 18 19 20
a n- ec- ov- ct- ep- ug- Jul- un- ay- pr- ar- eb- an- ec- ov- ct- ep- ug- Jul- un- ay- pr- ar- eb- an- ec- ov- ct- ep- ug- Jul- un- ay- pr-
J D N O S A J M A M F J D N O S A J M A M F J D N O S A J M A
Tiempo (Años)

Radiación Solar
Precipitación En la figura 5 se muestra la serie temporal de la variable de
radiación solar en función del tiempo (años). Se puede
Del mismo modo, en la figura 4 en base a la serie de observar picos altos de radiación solar para la estación
tiempo de la precipitación en el Distrito meteorológica Tumbaco (M5040) con valores de 224.4
Metropolitano de Quito 1990-2020, se puede W/m^2 para el mes de noviembre del año 1995 y 219.7
apreciar que todas las estaciones siguen un mismo W/m^2 para el mes de febrero del año 2007. Del mismo
comportamiento, excepto en los años 1992, 1998, modo se presenta valores máximos en la estación
2008 y 2016 donde existen precipitaciones más meteorológica El Camal (M5038) con un valor 224.2 W/m^2
elevadas. para el mes de diciembre del 2015, además de un
valor ,,mínimo de 114.6 W/m^2 para el mes de octubre del
2007.

Grafico: Serie Temporal de Precipitación de Anuarios de las estaciones del

Distrito de Quito en el periodo de 1990 - 2020
500
450
Precipitación (mm)

400
350
300
250
200
150
100
50
0
90 90 91 92 93 94 95 96 97 98 99 00 01 01 02 03 04 05 06 07 08 09 10 11 12 12 13 14 15 16 17 18 19 20
n- c- v- t- p- g- l- n- y- r- r- b- n- c- v- t- p- g- l- n- y- r- r- b- n- c- v- t- p- g- l- n- y- r-
Ja De No Oc Se Au Ju Ju Ma Ap Ma Fe Ja De No Oc Se Au Ju Ju Ma Ap Ma Fe Ja De No Oc Se Au Ju Ju Ma Ap

Tiempo (Años)

La Tola Los Chillos El Camal San Antonio

Izobamba Tumbaco Belisario

Grafico: Serie Temporal de Precipitación de Anuarios de las estaciones del Distrito de Quito en el periodo de
Grafico: Serie Tempotal de Radiación Solar 1990
de las- estaciones
2020 del Distrito de Quito en el Periodo 1900 -
2020
240.0
Radiación Solar (W/m^2)

450 La La
Tola
Tola
400220.0
350 Los Chillos
Los Chillos
300200.0
Precipitación (mm)

El Camal
250180.0 El Camal
San An-
200 tonio
150160.0 San Antonio
Izobamba
100
140.0 Izobamba
50 Tumbaco
0120.0 Belisario
Tumbaco
90 -91 -92 -93 -94 -95 -96 -97 -98 -99 -00 -01 -02 -03 -04 -05 -06 -07 -08 -09 -10 -11 -12 -13 -14 -15 -16 -17 -18 -19 -20
n- 100.0
n n n n n n n n n n n n n n n n n n n n n n n n n n n n n n Series8
 n- b- r- r- y- n- l- g- p- t- v- c- n- b- r- r- y- n- l- g- p- t- v- c- n- b- r- r- y-
Ja Fe Ma Ap Ma Ju Ju Au Se Oc No De Ja Fe Ma Ap Ma Ju Ju Au Se Oc No De Ja Fe Ma Ap Ma virtual

Tiempo (Años)

b) Islas de Calor
Temperatura superficial con imágenes satelitales
MODIS

En la figura 5 y 6 se muestra la distribucion de la

temperatura superficial diurna (a las 14.30pm ) en
el DMQ durante el verano del 2014 y 2019, asi
como las islas de calor presentes.

Figura 7: Temperatura superficial del DMQ, año 2019

Fuente: Grupo N°6 ING.AMB

En las figuras 6 y 7 se evidencia que, de acuerdo con las

resoluciones de 1000 metros del satélite MODIS, los valores
de temperatura superficial diurna de verano se mantienen
Figura 6: Temperatura superficial del DMQ, año
sobre los 36°C para el 2014. En cambio, para el verano del
2014
2019 presenta valores de temperatura mínima es de 30°C
Fuente: Grupo N°6 ING.AMB
(hacia zonas rurales) y la máxima es de 36°C (hacia el norte
de la ciudad)
En cuanto a las intensidades de las islas de calor, estas se
presentan de forma muy débil (0°C – 1°C) que corresponde a
las zonas montañosas para los años 2014 y 2019
respectivamente y débil (1°C – 2°C) en las zonas rurales de
Puembo y Pifo para 2014 del mismo modo para 2019. Las
zonas características por terrenos agrícolas, se manifiesta
moderadamente débil (2°C-3°C) establecidas en las zonas
del límite urbano. Las zonas norte correspondiente a una
zona de mayor índice de urbanización presenta una
intensidad fuerte de 5°C a 6°C tanto para el 2014 como 2019.
Con el análisis de las figuras 6 y 7 demuestra que la
resolución de 1000 metros del satélite MODIS no considera
detalles de la superficie a escala de microclima, como por
ejemplo la cantidad de áreas verdes, la densidad y altura de
construcción, etc., pero, a su vez, es la base más completa de
temperatura superficial diaria a través de imágenes
satelitales.
Temperatura superficial con imágenes satelitales
LANDSAT 8
Las imágenes satelitales obtenidas del satélite Landsat
8, las cuales fueron procesadas en el Software °C a 20 °C.
Arcmap, presentan diferentes datos en cada una
de las fases del proceso de cálculo de la Y repitiéndose los valores similares de temperatura
temperatura superficial. En el año 2014 se observa superficial en las demás zonas antes mencionadas.
que el intervalo de temperatura cambia y va desde 730000,000000 740000,000000 750000,000000 760000,000000 770000,000000 780000,000000 790000,000000 800000,000000 810000,000000

-6°C hasta 40 °C como se o puede apreciar en la

(figura 1), Registrando zonas más Rojas en los
±

20000,000000

20000,000000
sectores de San Antonio, Puellaro, Guallabanba,
Tabela, Perucho entre otras aledañas registrando

0,000000

0,000000
valores de temperatura entre 30 °C a 36 °C que
revisando el uso y cobertura del suelo nos dice

-20000,000000

-20000,000000
que son zonas pobladas y adicionalmente estos
lugares son de clima cálido y templado; valores
medios de temperatura superficial en las

-40000,000000

-40000,000000
parroquias Pacto de entre 10 °C y 20°C que es una
zona de abundante vegetación y uso de suelo en Leyenda

-60000,000000

-60000,000000
lstquito_Clip -11,81 - -5,789

producción de diferentes productos agrícolas ; y Temperatura °C

-39,26 - -29,11
-5,788 - 0,2458
0,2459 - 6,281

finalmente valores bajos de temperatura -29,1 - -23,07 6,282 - 12,04

-80000,000000

-80000,000000
-23,06 - -17,59 12,05 - 17,8

superficial Lloa presentando valores negativos -17,58 - -11,82 17,81 - 30,7

hasta un valor de 10 °C, este lugar es

730000,000000 740000,000000 750000,000000 760000,000000 770000,000000 780000,000000 790000,000000 800000,000000 810000,000000

característico por su clima frio y de abundante Figura 9. Temperatura superficial de DMQ, año 2019
vegetación y zonas de cultivos

±
730000 740000 750000 760000 770000 780000 790000 800000 810000

c) Índices Espectrales
20000

20000

NDVI
0

La figura 10, se puede observar que en el DMQ nuestra zona

de estudio, entre el periodo de año de 2014 al año 2019, ha
-20000

-20000

existido una pérdida de vegetación considerable en las zonas

de Nayon, Cumbayá, Guangopolo, San Antonio,
-40000

-40000

Guayllabamba, entre otros registrando valores de NDVI

Leyenda
entre 0.05 a 0.11, por otro lado existen zonas con presencia
de vegetación sana y densa con valores de NDVI altos entre
-60000

-60000

LST_QUITO.tif 16,6 - 19,18

Temperatura °C 19,19 - 21,4
-6,699 - 4,208
4,209 - 9,568
21,41 - 23,8
23,81 - 26,57
0.38 a 0.61 en las zonas de Nanegal, Calacali y Nono con
9,569 - 13,64 26,58 - 30,64
vegetación nativa y tierras agrícolas.
-80000

-80000

13,65 - 16,59 30,65 - 40,44

730000 740000 750000 760000 770000 780000 790000 800000 810000

Figura 8. Temperatura superficial de DMQ, año

2014
Comparando los dos años se observa que el año
del 2014 y 2019 los rangos de temperatura
cambian de entre -39°C a 30°C teniendo una
considerable variación en los rangos, pero
pudiendo ser explicados con diferentes factores
antropogénicos y climáticos en ese año como
pueden ser el crecimiento poblacional identificado
por el cobertura y uso del suelo. Estos cambios
son más evidentes en la zona de Pintag que (a) (b)
registra valores de temperatura superficial de 15 Figura 10. Índice NDVI de DMQ, año 2014 (a), año 2019 (b)
Fuente: Grupo 6 ING. AMB
 tener valores entre 0.07 a 0.65 notándose la disminución de
área vegetal. Y los valores mínimos que están en las zonas de
NDWI vegetación más prominente en casos y zonas de cembrios
teniendo valores entre -0.49 a -0.12 en las zonas de Pacto,
La Figura 11, nos indica que en al comparar desde el Nono, Nanegal y Llloa.
año 2014 al 2019 con el índice de agua normalizado
obtenemos valores máximos del año 2014 de 0.64 y en
comparación al 2019 disminuyen a un valor de 0.43.
Teniendo zonas con valores bajos de este índice en
San Antonio, San Juan de Minas, parte de Nanegal,
Pintag, entre otros aledaños, con valores de 0.04 a
0.16, por otro lado, se registra zonas que registran más
altos entre 0.29 a 0.43 determinando una presencia de
agua y zonas húmedas más determinadas en las zonas
de Pacto y Lloa, todo esto en el año 2019.

(a) (b)
Figura 12. Índice NDBI de DMQ, año 2014 (a), año 2019 (b)
Fuente: Grupo 6 ING. AMB

d) Escenarios Climáticos
Al analizar los cambios de la temperatura media con el
modelo DELTA para Ecuador utilizando el escenario RCP
2.5, esta presenta un ligero aumento, principalmente en la
zona interandina en donde su temperatura media aumenta en
0.2°C en 20 años.

(a) (b)
Figura 11. Índice NDWI de DMQ, año 2014 (a), año 2019
(b)
Fuente: Grupo 6 ING. AMB

NDBI

La Figura 12, relacionando el año 2014 con el año 2019

tenemos los valores de índices para el análisis del área
urbanizada entre los valores máximos en el año 2014
de 0.63 y como máximo en el año 2019 de 0.65 que
indica un crecimiento de zonas urbanas en nuestra
zona de estudio. Teniendo los valores más altos en las
zonas del Calderon, Carapungo, Cumbaya, San
Antonio y de una manera más considerable en Pintag
que el color azul oscuro es más intenso llegando a
Figura 13. RCP 2.5 Temperatura Proyección 2030
Al analizar los cambios de la temperatura en las distintas
zonas del Ecuador utilizando el escenario del sistema
ambiental Isoterma, esta presenta un ligero aumento,
principalmente en la zona interandina en donde su
temperatura media aumenta en 2°C en 14 años.

Figura 14. RCP 2.5 Precipitación Proyección 2030
El escenario de precipitación del sistema ambiental
Isoyeta del Inamhi nos indica que en la zona
ecuatoriana tendrá valores entre 500 a 7000 mm como
máximo, las variaciones en el rango de precipitación
presentarían un comportamiento intenso, esto
proyectado de 2010 a 2030.
IV. DISCUSIONES DE RESULTADOS
Al relacionar la figura 3, 4 y 5 que representan la
variación del comportamiento de la temperatura,
precipitación y radiación solar respectivamente en el
Distrito Metropolitano de Quito se observa que tienen
comportamiento o tendencia creciente, además se
observan picos en sus respectivos comportamientos,
pudiendo destacar en el año 2006 y 2018, años en el
que se registró el evento del niño en Ecuador.
En la figura (8) y (9) la temperatura superficial
terrestre relacionándolo con las estaciones terrestres
van variando de mayor a menor dependiendo del tipo
de clima de donde se encuentre las estaciones
registradas los datos; por otro lado dependiendo las
zonas con mayoy vegetación presentan menos
temperatura superficial y en zonas que tenemos más
uso de suelo en edificaciones, escasa vegetación y
bajas concentraciones de humedad son las zonas que
tienen mayor cantidad de temperatura superficial en
nuestra zona de estudio (DMQ). En el año 2019 existe
un crecimiento urbano o de construcciones urbanas
que hacen este año con más temperatura superficial
que el año 2014. Destacando las zonas de alto
crecimiento poblacional y de construcciones como
Cumbaya, Calderon, San Antonio, Guayllabamba los
lugares con más temperatura superficial terrestre.
Los índices NDVI, NDWI y NDBI (figuras 10,11,12) nos
ayudan en conjunto a corroborar la información de que las
zonas con mayor temperatura superficial en nuestra zona de
estudio son las correctas; debido a que las zonas de
vegetación nativa han idos disminuyendo o transformándose
en vegetación antrópica por la urbanización de estas zonas
que lo corroboramos con el índice NDBI.
V. CONCLUSIONES
Una vez realizado el análisis de cada serie temporal se
observó que el comportamiento de las variables climáticas
estudiadas muestra una leve tendencia creciente, lo que
indica que en la zona que abarca el Distrito Metropolitano de
Quito en los últimos 30 años ha habido actividades que han
influido en el comportamiento del clima, por lo cual se
pretende mitigar el cambio climático también es importante
impulsar medidas que normalicen algunas actividades
antropogénicas en esta zona.
Al comparar la temperatura superficial de DMQ entre el año
2014 y 2019 con imágenes LANDSAT 8 y MODIS se
observó que para las de Calderón, Nayon, Cumbaya,
Guangopolo, San Antonio y Guayllabamba su temperatura
aumento en aproximadamente 10°C debido al crecimiento
poblacional que se ha evidenciado en los últimos años en
diferentes zonas de nuestro lugar de estudio. Teniendo en
claro que los 10°C no son relacionados con la temperatura
del ambiente de nuestra zona de estudio sino de la
temperatura que emanan la superficie terrestre en una fecha
determinada en nuestro estudio.
Estos resultados se corroboraron con el uso de índices como
el NDVI, NDBI y NDWI, con los cuales se apreció una
disminución de las áreas vegetales y un aumento de las
áreas antrópicas, propiciando un aumento en las islas de
calor urbana en DMQ.
VI. REFERENCIAS
[1] CMNUCC, «Convención marco de las
naciones unidas sobre el cambio climático,
protocolo de montreal.,» 1987.
[2] T. Jiménez, «Tendencias del clima en el
salvador.,» de Minerva Revista en Línea CIC-UES,
2007, p. págs. 1– 11..
[3] Wan, H. S. y H. G., «MOD11A1 MODIS/Terra
Land Surface,» 2015. [En línea]. Available:
https://Ipdaac.usgs.gov/products/mod11a1v006.
[4] (Acuña Coloma, Vulnerabilidad climática en el
barrio Laderas de San Francisco, Quito, Ecuador
 [15] Palacios, E. y S.Serrano. 2011. Validación de los
modelos de cambio climático hidrostáticos y no
[5] (Angel, Isalas de calor y Variedad
hidrostáticos sobre la climatología del ecuador en las
climatica, 2015)
variables de precipitación y temperaturas extremas. La
[6] (Inca Inca, Guía climática Granja, 13(1)(1390-3799): 21–30.
agroecoturística para el cantón Quito-Provincia
[16] Landsat 8 (L8) Operational Land Imager (OLI)
de Pichincha 2014, 2016)
and Thermal Infrared Sensor (TIRS) Calibration Notices.
[7] D. Baño, «Estudio de la isla de calor <http://landsat.usgs.gov/calibration_notices.php>
urbano del Distrito Metropolitano de Quito
mediante técnicas de percepción remota,»
Quito, 2017, p. 36.

[8] R. Matínez, «Estimación de la

temperatura superficial en imágenes históricas
Landsat 5 mediante corrección atmosférica
monocanal en el térmico para la cuenca del río
Tempisque-Bebedero (Costa Rica),» 2019.

[9] MasterGIS [MasterSIG]. (2021, diciembre

19). Temperatura de la superficie terrestre con
ArcGIS. Youtube.
https://www.youtube.com/watch?
v=rLehOKv5Xuw

[10] P. Cubillo, K. Valverde, D. Orellana y P.

Maigua, «Análisis de la distribución espacial de la
temperatura superficial y la valoración de
criterios que influyen en la islas de calor urbano
(ICU) en el Distrito Metropolitano de Quito,»
CIUQ, pp. 50-51, 2020.

[11] A. Ariza, «Descripción y corrección de

productos Landsat 8,» IGAC, 2013, p. 36.

[12] Suarez, F. (2000). Measuring vegetation

(NDVI & EVI). 2, 5.
https://earthobservatory.nasa.gov/features/Mea
suringVegetation/measuring_vegetation_2.php

[13] D. Baño, J. Salazar y M. Delgado,

«Percepción Remota en el Diseño de Estrategias
de planificación Urbana, Caso de Estudio Isla De
Calor Urbano del Distrito Metropolitano de
Quito,» 2018.

[14] Rajasekar, U., Weng, Q. (2009). Urban

heat island monitoring and analysis using a non-
parametric model: A case study of Indianapolis.
ISPRS Journal of Photogrammetry and Remote
Sensing. 64, 86-96