Influencia Variables Macroclimaticas Clima Venezuela

Influencia de las Variables Macroclimticas en el Clima de Venezuela. Ing.
MsC Mara Teresa Martelo

Direccin de Hidrologa, Meteorologa y Oceanologa Direccin General de Cuencas Hidrogrficas - MARN
Repblica Bolivariana de Venezuela

Ministerio del Ambiente y los Recursos Naturales
Direccin General de Cuencas Hidrogrficas
Direccin de Hidrologa, Meteorologa y Oceanologa
INFLUENCIA DE LAS VARIABLES

MACROCLIMTICAS EN EL CLIMA DE
VENEZUELA
Ing. MsC Mara Teresa Martelo
Caracas, Mayo 2003
Influencia de las Variables Macroclimticas en el Clima de Venezuela. Ing. MsC Mara Teresa Martelo
NDICE GENERAL
ndice General
ndice de Tablas
ndice de Anexos
ndice de Figuras
Pg
ii
iii
iii
iv
1.
2.
3.
3.1.
INTRODUCCIN ................................................................................................................... 6
OBJETIVOS........................................................................................................................... 7
EL FUNCIONAMIENTO GENERAL DEL SISTEMA CLIMATICO........................................ 8
Definiciones Bsicas ........................................................................................................... 8
3.2.
Las Interacciones dentro del Sistema Climtico .............................................................. 9
3.3.
La Circulacin General de la Atmsfera .......................................................................... 14
3.4.
Influencia de las Variables Macroclimticas en el Clima de Venezuela ....................... 19
4.
MATERIALES Y MTODOS ............................................................................................... 22
4.1.
Obtencin de los Registros Originales............................................................................ 22
4.1.1.
Datos Climticos de Venezuela .................................................................................... 22
4.1.2.
Variables Macroclimticas ............................................................................................ 22
4.2.
Procesamiento de los Registros Originales.................................................................... 23
4.2.1.
Seleccin de las Estaciones y Perodo Comn .......................................................... 23
4.2.2.
Creacin de Archivos de Precipitacin y de Variables Macroclimticas ................ 23
4.2.3.
Prueba de la bondad del software de interpolacin SURFER................................... 24
4.3.
Anlisis Estadsticos ......................................................................................................... 25
4.3.1.
Seleccin y Anlisis de Variables Macroclimticas ................................................... 25
4.3.2.
Distribucin Espacial de las Correlaciones Lineales entre Anomalas de
Precipitacin y Variables Macroclimticas................................................................................... 25
4.3.3.
Variacin Estacional de las Correlaciones Lineales entre Anomalas de
Precipitacin y Variables Macroclimticas.................................................................................. 25
4.3.4.
Distribucin del Tipo de Influencia (Efectos) de las Variables Macroclimticas
sobre las Anomalas de Precipitacin .......................................................................................... 25
VM Temperatura del Atlntico (enero) clasificada segn los terciles ....................................... 26
Precipitacin marzo ........................................................................................................................ 26
5.
RESULTADOS Y DISCUSIN ............................................................................................ 28
5.1.
Seleccin de Estaciones, Perodo de Anlisis, Generador de Mapas.......................... 28
5.2.
Descripcin somera de la variabilidad decadal de la precipitacin ............................. 30
5.3.
Anlisis Estadsticos ......................................................................................................... 34
5.3.1.
Anlisis de las Variables Macroclimticas.................................................................. 34
5.3.2.
Anlisis de la Relacin Espacial entre la Precipitacin y las VM ............................. 48
5.3.3.
Anlisis de la Relacin Temporal entre la Precipitacin y las VM............................ 54
5.3.4.
Distribucin del Tipo de Influencia (Efectos) de las Variables Macroclimticas
Clasificadas sobre las Anomalas Clasificadas de Precipitacin segn los terciles............... 58
6.
CONCLUSIONES ................................................................................................................ 68
7.
RECOMENDACIONES ........................................................................................................ 70
8.
REFERENCIAS BIBLIOGRFICAS ................................................................................... 71
ii
NDICE DE TABLAS
Pg
1.
Variacin en las Fechas de Inicio del Perodo de Crecimiento segn la temperatura

de los Ocanos Atlntico y Pacfico en tres reas del pas (Occidente, Nor-Centro y
Oriente)
21
Comparacin de Medias y Varianzas para 3 perodos (datos : valores anuales de

Precipitacin (mm) promediados para las estaciones al Norte del Orinoco)
28
3.
Variables Macroclimticas seleccionadas
34
4.
Resumen de las principales Correlaciones Cruzadas entre Variables Macroclimticas

y lags para los que ocurren. Significativas =10%; =5% *; =1%
36
2.
5.
Valores del Coeficiente de Correlacin (r) significativos al 5% y al 10% de probabilidad

para tres nmeros de pares de observaciones de las series
49
6.
Ejemplos de Tablas de Contingencia 3x3 entre la lluvia de Junio y la VM ATNOR

para dos lags (lag 0=junio=ATNOR6 y lag 1=mayo=ATNOR5).
59
Resumen de las Tablas de Contingencia 3x3 que presentan celdas significativas al

0,1% para la clase de lluvia escasa (1) segn los terciles (Porcentajes de casos)
61
Resmen de las tablas de contingencia 3x3 que presentan celdas significativas al

0,1% para la clase de Lluvia 1 (abundantes) segn la clasificacin por los Terciles
(Porcentajes de casos)
63
7.
8.
9.
Resumen de asociaciones entre nmero de casos de meses secos y lluviosos segn

las clases de VM
65
10.
Sntesis del comportamiento decadal de la lluvia y las VM ms estables
65
NDICE DE ANEXOS
1.
Estadsticos Bsicos de los Promedios Espaciales de los valores mensuales y anual de la

Precipitacin para los diferentes perodos Decadales y Normales.
[tabla en
estadsticos1.xls. 1 tabla de 1 pg., total 1 pgina].
2.
Coeficientes de Correlacin lineal entre las Variables Macroclimticas. [soloclima en

rankano.xls. 1 tabla de 1 pg., total 1 pgina].
3.
Principales valores Percentiles para las Variables Macroclimticas.

percvariab.xls. 1 tabla de 2 pg., total 2 pginas].
4.
Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Variables

Macroclimticas en las 67 estaciones al Norte del Orinoco para lag = 0. [largas en
rankano.xls. 1 tabla de 6 pg., total 6 pginas].
[ptiles en
iii
5.
Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Variables

Macroclimticas en las 18 estaciones al Sur del Orinoco para lag = 0. [cortas en
rankano.xls. 1 tabla de 2 pg., total 2 pginas].
6.
Coeficientes de Correlacin entre las Anomalas de Precipitacin clasificadas en cuatro

clases segn la Desviacin Estndar y las VM clasificadas segn los Terciles, para cada
mes y para 5 lags. [datos en grficos.xls. 2 tablas de 1 pg. c/u, total 2 pginas].
7.
Tablas de Contingencia para la precitacin clasificada en tres clases segn los Terciles y
las VM clasificadas en tres clases segn los Terciles (3x3). [cruzadas3.xls. 12 tablas de
3 pg. c/u, total 36 pginas].
8.
Tablas de Contingencia para la precipitacin clasificada en cuatro clases segn la

Desviacin Estndar y las VM clasificadas en tres clases segn los Terciles (3x4).
[cruzadas.xls. 12 tablas de 3 pg. c/u, total 36 pginas].
NDICE DE FIGURAS
Pg.
1.
Ilustracin esquemtica de los componentes del Sistema Climtico
10
2.
Distribucin Espacio-Temporal del balance radiativo del sistema Tierra-Atmsfera
15
3.
Esquema de los cambios de densidad en la Tropsfera con la latitud
16
4.
Esquema del origen de los Vientos del Oeste en la alta Tropsfera
16
5.
Viento Zonal Promedio para los trimestres Diciembre-Febrero y Junio-Agosto
17
6.
Variaciones en el Caudal Promedio Anual del ro Caron en relacin con aos Nio
20
7.
Variaciones en la Fecha de Inicio del Perodo de Crecimiento en aos Nia (1974)
20
8.
Distribucin espacial de de las Ochenta y Cinco (85) estaciones pluviomtricas
29
9.
Comparacin entre la Precipitacin Media Anual Digitalizada a partir de mapas a

escala 1:250.000 dibujados en base a unas 900 estaciones pluviomtricas y la
generada por el SURFER en base a las 85 estaciones pluviomtricas del estudio
30
10.
Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1951-1960
31
11.
31
12.
32
13.
32
14.
Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1991-1998**
33
15.
reas para las que se definen las Variables Macroclimticas Ocenicas
35
iv
16.
Percentiles P33%, P50% y P66% de las Anomalas de las VM ocenicas a travs

del ao
38
Percentiles P33%, P50% y P66% de las Anomalas de las VM de los campos de

viento, campos de presiones e intensidad de la conveccin a travs del ao
39
Percentiles P33%, P50% y P66% de las Anomalas de las VM manchas solares a

travs del ao
39
19.
Distribucin Temporal de las VM ocenicas en el Atlntico (ATNOR, ATSUR)
42
20.
Distribucin Temporal de las VM ocenicas en el Pacfico (NI3, NI34)
43
21.
Distribucin Temporal de las VM campos de viento en la alta Tropsfera (ZON200)

y la baja Estratsfera (QBO50)
44
Distribucin Temporal de las VM campo de presiones (SOI) e intensidad de la

Conveccin (OLR)
45
23.
Distribucin Temporal de las VM manchas solares (WOLF)
46
24.
Media Mvil de 24 meses de las Anomalas de la Variable Macroclimtica

temperaturas ocenicas en el Atlntico Tropical norte (ATNOR), Atlntico Tropical
sur (ATSUR) y Pacfico Ecuatorial rea Nio 34 (NI34))
47
Media Mvil de 24 meses de las Anomalas de las Variables Macroclimticas

Campos de viento (QBO50, ZON200) e Intensidad de la Conveccin (OLR)
48
Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de

Precipitacin, las VM ocenicas (ATNOR, ATSUR, ATTROP, NI3, NI34) y la VM
campo de presiones (SOI) para el lag 0
51
17.
18.
22.
25.
26.
27.
28.
29.
30.
31.

Precipitacin, las VM campos de viento (QBO30, QBO50, ZON200, ALIS850), y la
VM intensidad de la conveccin (OLR) para el lag 0
Precipitacin, y la VM manchas solares (WOLF) para el lag 0
53
Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las

VM ocenicas (ATNOR, ATSUR, NI3, NI34) para 5 lags
55
Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las VM

Campos de viento (QBO50, ZON200), Campos de Presin (SOI) e Intensidad de la
Conveccin (OLR) para 5 lags
56
Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y la VM

Nmero de Manchas Solares (WOLF) para 5 lags
56
52
1. INTRODUCCIN
Un conocimiento adecuado de las condiciones climticas es una herramienta fundamental para
lograr una organizacin y un uso sostenible y eficiente de los recursos suelo y agua, y para las
actividades productivas. Pero nuestro conocimiento de las condiciones climticas del pas es
bastante somero; parte del problema es que, en general, an se maneja el concepto de clima como
las condiciones atmosfricas promedio, mientras que el concepto actual aade tres palabras
clave: las condiciones atmosfricas promedio incluyendo su variabilidad.
En trminos de una poltica eficiente para gestin de los recursos hdricos, la agricultura y
problemas como la sequa, es imprescindible considerar que si la norma es la variabilidad
climtica, entonces la disponibilidad de agua y los rendimientos agrcolas son tambin
variables; la variabilidad climtica introduce cambios significativos en la respuesta de los sistemas
fsicos y socio-econmicos, por lo que estos ltimos deberan ser organizados de modo flexible
para poder responder a los cambios por exceso y por defecto ms eficientemente y usar los
recursos de modo sostenible (Gibbs et al, 1978; Makarau, 1992).
Ese aparentemente simple aadido al concepto de clima representa en realidad un cambio
cualitativo, que ha permitido a la Climatologa avanzar espectacularmente en los ltimos 25 aos a
nivel de investigacin y aplicaciones en los pases desarrollados; bajo esa nueva visin, es factible
optimizar la planificacin estratgica, as como la operativa, dado que al considerar la
incertidumbre se est considerando el riesgo, por lo que los sistemas y/o acciones que se
planifican son flexibles, para adaptarse a esta situacin; adicionalmente, el nuevo concepto abri la
puerta del pronstico climtico, que en pocos aos ser completamente operativo, con hasta un
ao de antelacin; ya existen pronsticos de este tipo en Internet, en las hojas Web de centros de
investigacin como la National Oceanic and Atmospheric Administration (NOAA).
Al considerar a la variabilidad parte intrnseca del clima, comenz una fuerte corriente de
investigacin en climatologa dinmica (termodinmica e hidrodinmica), que ya haba sido
propuesto por Bergeron en 1930 (Stringer, 1972), para comprender y luego predecir mejor dicha
variabilidad, aunque slo a inicios de los aos 70 comenz a trabajarse sistemticamente en este
campo. Al comprenderse el funcionamiento fsico de al menos parte del sistema, se logr el
desarrollo de modelos matemticos que simulan la circulacin atmosfrica, los llamados Modelos
de Circulacin Global (MCG); incluso hoy da, este tipo de modelos slo corre en
supercomputadoras, el tiempo de corrida es de varios meses y se generan salidas en el orden de
terabytes, lo que da una idea de su complejidad terica y operacional. Estos modelos son la
herramienta ms avanzada para estudiar el funcionamiento atmosfrico y el Cambio Climtico, y
sin embargo slo son capaces de reproducir los grandes rasgos de la circulacin y los principales
procesos sinpticos, pero no los procesos convectivos a mesoescala y locales.
Relativamente pronto emergi como factor comn, unificador en tan vasto conjunto de
investigaciones, la visin de un sistema global en que la materia y la energa (que proviene de una
fuente externa pero se transforma dentro del sistema global) se mueven en cascada entre diversos
sub-sistemas (la Atmsfera, los ocanos, la crisfera, la litsfera y la bisfera). Este conocimiento
indicaba para la Tierra como planeta un comportamiento integrado, donde haba que diferenciar
los climas, en el sentido geogrfico del trmino, de el clima como causa y al mismo tiempo
efecto del funcionamiento del sistema global. Para establecer claramente esa diferenciacin entre
los climas y el clima, se desarroll el concepto sinergtico de Sistema Climtico, que es
justamente el conjunto de interacciones entre todos los sub-sistemas.
Aunque se ha avanzado mucho en la comprensin tanto de los climas como del Sistema
Climtico, existen problemas de escala; por la esencia misma del tema la escala espacial de
trabajo es a nivel de grandes reas, no obstante, para que este conocimiento pueda tener
aplicacin prctica, es necesario afinar un poco la escala, al menos a nivel mesoclimtico, y
describir cmo se reflejan en los diferentes climas los procesos del Sistema Climtico.
6
A nivel internacional este tipo de anlisis se ha realizado fundamentalmente usando tcnicas

estadsticas, desde correlaciones mltiples a diferentes tipos de anlisis multivariado, y con series
de tiempo. El modo general de trabajo consiste en seleccionar elementos de algunos de los subsistemas (estos elementos son tambin llamados Variables Macroclimticas) y estudiar su relacin
con los elementos climticos temperatura y precipitacin, a diferentes escalas espaciales. Son
precisamente estas relaciones lo que sienta las bases para la prediccin del clima (WMO, 1999).
De este modo, aunque no se tenga el conocimiento cientfico preciso de cmo y por qu estn
ocurriendo los fenmenos, se tiene un elemento predictivo ya que las observaciones muestran que
los climas en ciertos lugares, responden aproximadamente de la misma forma la mayora de las
veces ante anomalas similares de la temperatura del ocano. La utilidad de los mtodos empricos
de prediccin climtica, pasa por conocer bien la respuesta de los climas, es decir, su reaccin
ante los diversos tipos de anomalas (WMO, 1999).
En el caso de Venezuela, se conocen relativamente bien, aunque no totalmente, los elementos de
dinmica atmosfrica que explican el comportamiento promedio del ciclo anual de los regmenes
de radiacin, temperatura y precipitacin, es decir, lo relativo a la variacin estacional, pero no son
bien conocidas ni las causas, ni la distribucin espacio-temporal, de la variabilidad interanual.
Tampoco se conoce la variabilidad a niveles de dcadas (10 aos) o mayores. Los tipos ms
comunes de variabilidad, la estacional y la interanual, estn por supuesto cuantificadas de modo
general, pero sin detalles, includo el aspecto de si est aumentando o no la variabilidad.
En vista de esta situacin, se consider importante realizar un estudio exploratorio de la influencia
de los componentes del Sistema Climtico en los climas del pas; dada la vastedad del tema, se
decidi analizar slo la posible influencia de los sub-sistemas ocano y Atmsfera especficamente
sobre la distribucin espacio-temporal de la precipitacin. Es importante recalcar que este es un
trabajo exploratorio, y su alcance es slo determinar si una Variable Macroclimtica en particular
est influenciando el monto de la precipitacin.
La condicin exploratoria general del trabajo viene dada tambin por el tipo de datos utilizados;
como Variables Macroclimticas se seleccionaron los valores promedio espaciales a nivel mensual,
con lo cual un solo nmero representa el comportamiento de reas de miles de km2 durante los 30
das del mes, y los datos de precipitacin son las lminas mensuales, por lo que no se analizan
otros aspectos, tales como la distribucin del nmero de das lluviosos en perodos menores que
un mes.
Se espera como resultado general de esta investigacin determinar si efectivamente alguna(s)
Variable(s) Macroclimtica(s) est influenciando a la lluvia en Venezuela y, en consecuencia,
determinar si ser posible en un futuro cercano lograr un pronstico estacional de la precipitacin
con varios meses de antelacin.
2. OBJETIVOS
Objetivo General
Determinar si el comportamiento espacio-temporal de la precipitacin en Venezuela presenta

relacin con el comportamiento de un grupo de Variables Macroclimticas representativas de
los sub-sistemas ocenico y atmosfrico.
Objetivos Especficos
Determinar si las Variables Macroclimticas influencian a la precipitacin del pas de manera

diferencial en el espacio.
7
Determinar si las Variables Macroclimticas influencian a la precipitacin del pas de manera

diferencial en el tiempo (niveles estacional, interanual y decadal).
Determinar si las Variables Macroclimticas influencian de modo uniforme a la precipitacin, o
son sus valores extremos los que actan sobre la lluvia.
Determinar si la precipitacin se ve afectada por las Variables Macroclimticas de modo
uniforme, o son los valores extremos de lluvia los que se ven ms afectados.
Determinar si la influencia de las Variables Macroclimticas sobre la precipitacin se presenta
con varios meses de antelacin (lags 4, 3, 2, 1) o se manifiesta en el mismo mes (lag 0).
Como resultante de cubrir los objetivos especficos, se espera poder conclur en si es posible (o no)
llegar en un futuro cercano a disponer de elementos de pronstico estacional de la precipitacin
con varios meses de antelacin.
Se espera tambin que los resultados del presente trabajo tambin sirvan de base para dar los
pasos siguientes: explicar cmo y por qu ciertas Variables Macroclimticas influencian a la
precipitacin en Venezuela y evaluar algunas relaciones estadsticas que permitan pronosticar la
precipitacin con base a dichas Variables Macroclimticas. Asimismo, se espera que en base a los
resultados puedan definirse futuras lneas de investigacin que contribuyan a mejorar el
conocimiento sobre el funcionamiento del clima del pas, y en consecuencia a aumentar la utilidad
prctica de la informacin hidroclimtica para todo tipo de usuarios.
3. EL FUNCIONAMIENTO GENERAL DEL SISTEMA CLIMATICO
En esta seccin se describir brevemente el comportamiento del Sistema Climtico y los grandes
patrones de circulacin de la Atmsfera; se comienza con una serie de definiciones bsicas sobre
la estructura de la Atmsfera que es imprescindible manejar para la mejor comprensin del tema.
3.1. Definiciones Bsicas
Es importante comenzar definiendo una serie de trminos que se usarn en adelante, y que
constituyen la base misma del presente trabajo:
Tiempo Atmosfrico: Estado instantneo de la Atmsfera en un lugar determinado; incluye el

comportamiento de elementos como radiacin, insolacin, presin atmosfrica, temperatura y
humedad del aire, viento, nubosidad, evaporacin y precipitacin; se caracteriza por ser
extraordinariamente variable temporal y espacialmente.
Clima: Estado promedio del tiempo atmosfrico, incluyendo su variabilidad, en una regin
geogrfica; el perodo de agregacin para obtener el promedio es tpicamente varias dcadas;
la Organizacin Meteorolgica Mundial denomina Normales a los promedios de 30 aos, por
ej., Normales 51-80, 61-90, etc. (OMM, 1990).
Variabilidad Climtica: Conjunto de cambios en las condiciones de tiempo y clima a todas las
escalas espacio-temporales; incluye variaciones de tipo cclico, cuasi-cclico, persistencias,
singularidades, oscilaciones, tendencias e irregularidades (ruido).
Sistema Climtico: Conjunto de interacciones entre la Atmsfera, la hidrsfera, la litsfera, la

crisfera y la bisfera, forzadas o influenciadas por varios mecanismos externos de
forzamiento, siendo el sol el ms importante; las actividades humanas se consideran tambin
un mecanismo externo de forzamiento (IPCC, 2000 a).
Cambio Climtico (definicin oficial de la Convencin Marco de las Naciones Unidas para el
Cambio Climtico): Cambio del clima que se atribuye directa o indirectamente a actividades
8
humanas que alteran la composicin de la Atmsfera global y que se adiciona a la variabilidad

climtica natural sobre perodos comparables de tiempo (IPCC, 2000 a).
Atmsfera: capa gaseosa que rodea a la Tierra cuyo espesor, a efectos prcticos, es de unos
120 km; es la parte del Sistema Climtico que controla tanto la cantidad de energia que llega a
la superficie como la radiacin infrarroja que la Tierra libera al espacio, es decir, es el principal
regulador del balance energtico del planeta. Verticalmente la Atmsfera se divide en varias
capas (Tropsfera, Estratsfera, Messfera, Termsfera) segn la temperatura descienda o se
incremente con la altura, y estas capas principales estn a su vez separadas por capas poco
profundas en las que la temperatura prcticamente no vara con la altura (Tropopausa,
Estratopausa, Mesopausa).
Tropsfera: capa inferior de la Atmsfera donde se desarrollan los fenmenos del Tiempo y el
Clima y que controla, va los procesos de reflexin, absorcin y dispersin la cantidad de
energa que llega a la superficie; concentra ms del 75 % de la masa total de la Atmsfera y
prcticamente todo el vapor de agua. Se caracteriza por presentar, en general, un descenso de
la temperatura con la altura del orden de los 0,5 0,6 C por cada 100 m de altura, tasa que se
denomina gradiente altotrmico. La Tropsfera no tiene el mismo espesor sobre todo el
planeta: es de unos 8-10 km sobre los Polos, 12-14 km en las latitudes medias, y muy profunda
(16-18 km) sobre el Ecuador. Como consecuencia de esas caractersticas, la base de la
Tropsfera (aire sobre la superficie) est ms caliente en el Ecuador y ms fro en los Polos,
pero en altura est ms caliente sobre los Polos y ms fro sobre el Ecuador.
Tropopausa: capa isoterma que separa a la Tropsfera de la capa inmediatamente superior, la

Estratsfera; la Tropsfera no aumenta su espesor desde los Polos hasta el Ecuador de forma
gradual, sino que la Tropopausa est rota en las latitudes medias, donde presenta una fuerte
discontinuidad en su altura. En las dos zonas de mximo gradiente de altura, se ubican
tambin dos zonas de vientos mximos en altura, aproximadamente a los 50 N por el lado
polar y a los 35 N por el lado ecuatorial, conocidos por Jet-Stream, el Polar y el Subtropical.
Estratsfera: segunda capa de la Atmsfera, caracterizada por un incremento de la

temperatura con la altura y que se extiende desde la Tropopausa hasta unos 50 km de altura,
conteniendo 10-20% de la masa total de la Atmsfera; controla la radiacin de onda muy corta
(ultravioleta) que llega a la Tierra va el proceso de absorcin por la Capa de Ozono, rea de
mxima concentracin de ese gas situada a unos 25 km de altura, y la radiacin saliente de
onda larga del planeta; en la parte inferior de la Estratsfera, a unos 20-22 km de altura, se
produce una alternacia cclica (unos 26 meses) de vientos del Este y del Oeste, de la que an
no se conocen sus causas. Como la parte alta de la Tropsfera, la Estratsfera inferior est
ms caliente sobre el Polo que sobre el Ecuador. Actualmente la comunidad cientfica estudia
aceleradamente el comportamiento de la Estratsfera, ya que se supone que su papel en el
Sistema Climtico es grande va la oscilacin del campo de vientos en altura y la
propagacin de ondas hacia abajo y adems con relacin al Cambio Climtico. Si la
Tropsfera est aumentando su temperatura global, la Estratsfera debera disminur su
temperatura global (es decir, aumentar la tasa de emisin de radiacin infrarroja para equilibrar
al sistema), con lo que se estara incrementando el gradiente vertical de temperatura entre
capas, lo que afectara el comportamiento de la Tropopausa (IPCC 2000 c), lo cual a su vez
tendr consecuencias climticas a gran escala.
3.2. Las Interacciones dentro del Sistema Climtico
Como se defini supra, el Sistema Climtico (ver Figura 1) es el conjunto de interacciones entre
cinco sub-sistemas: atmosfrico, ocenico, el contnuo agua-suelo-Atmsfera sobre los
continentes, las capas de hielo y nieve (polares y marinas) y la bisfera, incluyendo a los
forzamientos externos del sol y las actividades humanas. Esta definicin se origin en 1975, en el
9
marco del Global Atmosphere Research Programme (GARP) de la Organizacin Meteorolgica

Mundial (Cuadrat y Pita, 2000).
La idea fundamental es que el Sistema Climtico representa el sistema global a travs del cual
fluyen la materia y la energa en cascada a travs de los diferentes sub-sistemas (Lockwood,
1979). En cada sub-sistema, existen entradas de masa y energa que se almacenan en depsitos
un tiempo y cambian, formando las salidas de masa y energa; existe adems un conjunto de
reguladores que controlan la cantidad de masa y energa que sale y/o queda almacenada en los
depsitos; los reguladores pueden ser propiedades fsicas del depsito en s mismo o tambin
externas al sub-sistema.
Por ejemplo, dentro del ciclo hidrolgico y considerando un solo evento de lluvia en un lugar
especfico, la lluvia representa la salida de materia del depsito Atmsfera y la entrada para el
depsito suelo, mientras que la evaporacin es la salida de materia del depsito suelo y la
entrada para el depsito Atmsfera; ambos procesos (precipitacin y evaporacin) estn
regulados por propiedades de los depsitos en s mismos (contenido de humedad, temperatura,
estabilidad, contenido de aerosoles, mezcla turbulenta en la Atmsfera y caractersticas fsicas del
suelo), pero tambin en cierta medida por factores externos, como el aporte de agua subsuperficial
hacia el lugar desde otros sitios. En esta transferencia de materia entre los dos depsitos est
involucrada tambin la transferencia de energa en forma de calor latente.
Figura 1. Ilustracin esquemtica de los componentes del Sistema Climtico. Fuente: Modificado de
OMM, 1990.
En otro ejemplo, considerando en forma muy simplificada los sub-sistemas atmosfrico y ocenico,
puede hablarse (Lockwood, 1979) de una cascada de energa donde la radiacin (fuente externa)
se convierte en calor (calentamiento del agua que luego calienta al aire, evaporacin del agua que
va como calor latente al aire), que a su vez se transforma en energa cintica (movimiento de las
10
corrientes marinas y viento generado por gradientes horizontales de temperatura que a su vez
generan gradientes horizontales de presin); el movimiento es paulatinamente destrudo por las
fuerzas de friccin, que lo convierten en calor degradado que se pierde hacia el espacio en forma
de radiacin infrarroja : en un balance neto para la Tierra como un todo, y en promedio anual, la
ganancia de energa proveniente del exterior (sol) es completamente compensada por la prdida
de energa hacia el espacio exterior. El ciclo hidrolgico es otro ejemplo que puede ser expresado
en trminos de flujos de energa (potencial, cintica, calor, radiacin infrarroja).
Lockwood (1979) cita un documento de la Academia Nacional de Ciencias de E.U.A. publicado en
1975 (Understanding Climatic Change, a Program for Action, tambin en el marco del GARP),
donde se sugiere clasificar a las propiedades del Sistema Climtico como sigue:
trmicas: temperaturas del aire, agua, hielo y tierra;

cinticas: los desplazamientos horizontales del viento y las corrientes ocenicas as como sus
movimientos verticales, y el movimiento de las masas de hielo;
acuosas: humedad del aire, nubosidad, contenido de agua lquida y slida en las nubes, aguas
subterrneas, nivel de lagos y ros, y contenido de agua de las capas de nieve y hielo marino y
terrestre;
estticas: presin y densidad de la Atmsfera y el ocano, composicin del aire, salinidad del
mar, lmites geomtricos (forma de las cuencas marinas, de lagos y ros e hidrogeolgicas) y
las constantes fsicas del sistema, entre ellas:
radiativas : albedo, emisividad, razn de Angstrom;
balance de calor: razn de Bowen, la temperatura en K de las superficies, el ndice
radiacional de sequedad;
balance de agua: razn escorrenta/precipitacin, humedad de una columna de suelo.
Estas propiedades del sistema global estn interconectadas por los procesos de intercambio de
calor latente y sensible y de momento angular, y son las que permiten caracterizar el estado del
sistema en un momento dado, as como evaluar a los procesos. La tendencia actual es visualizar a
dichos procesos como transformaciones de energa. Por ejemplo, en el sub-sistema atmosfrico
hay una muy estrecha relacin entre la energa potencial y los calores sensible y latente, ya que a
medida que el aire desciende transforma su energa potencial en calor sensible a travs del
calentamiento adiabtico, y cuando el aire asciende transforma su calor sensible de nuevo en
energa potencial; a medida que se enfra adiabticamente y se alcanza la saturacin, se libera
calor latente que retrasa el enfriamiento y refuerza el ascenso, lo que aumenta la energa potencial
de la parcela de aire.
La visin ms global es que el forzamiento radiativo del sol es la entrada al sistema Tierra, los
depsitos son los cinco sub-sistemas y la salida son los climas en el sentido geogrfico (Cuadrat
y Pita, 2000).
En el Sistema Climtico se identifica un agente director y dos agentes modificadores, que
influencian de modo fundamental todo el funcionamiento del sistema, tanto a nivel de muchas de
las propiedades como a nivel de los procesos.
El agente director es la desigual cantidad de energa que llega desde el sol a cada punto de la
Tierra en cada momento del ao. Esto ocurre porque la Tierra es redonda y una superficie curva no
recibe igual cantidad de energa en dos puntos consecutivos, y porque la Tierra gira alrededor del
sol en una elipse que est inclinada respecto al plano del ecuador solar, lo cual implica que en una
poca del ao se recibe mayor cantidad de energa en un hemisferio, es decir se est en verano,
mientras que en el hemisferio contrario se est en invierno, lo cual se invierte cuando la Tierra, 6
meses ms tarde, est en el lado opuesto de su rbita alrededor del sol.
Como consecuencia de la redondez de la Tierra, de su movimiento de traslacin y del
relativamente pequeo ngulo de inclinacin de la eclptica (23,5), en las bajas latitudes (Ecuador)
11
se recibe ms energa que en las altas latitudes (Polos), creando un desbalance energtico
permanente que origina un desbalance tambin permanente de temperaturas y presiones
atmosfricas, por lo que el sistema global reacciona poniendo en marcha la circulacin general de
la Atmsfera y los ocanos para tratar de encontrar el equilibrio. Se han hecho estimaciones que
muestran que en ausencia de radiacin solar, la friccin hara cesar todo el movimiento atmosfrico
en aproximadamente una semana (Barry y Chorley, 1985).
Los dos agentes modificadores de los procesos del Sistema Climtico son:
a) el movimiento de rotacin de la Tierra; el hecho de que la Tierra rote sobre su eje introduce
variaciones en lo que, de no existir esta rotacin, sera un movimiento meridional (Norte-Sur)
desde las Altas Presiones polares hacia las Bajas Presiones ecuatoriales; las principales
modificaciones que introduce la rotacin son dos:
9 en primer lugar, las producidas por la Fuerza de Coriolis, que desva las trayectorias hacia
la derecha en el hemisferio Norte, quedando como resultado que los movimientos del aire y
las corrientes ocenicas tienen una direccin predominantemente zonal (Este-Oeste);
9 en segundo lugar, la aparicin de la vorticidad: un fludo en rotacin tiende a generar
remolinos (vrtices) que modifican la distribucin tanto vertical como horizontal del
intercambio de momento angular;
b) la distribucin y forma de las masas marinas y continentales; acta al menos en tres aspectos:
9 el efecto de continentalidad es importante en la distribucin horizontal de reas con
grandes y pequeos gradientes trmicos, lo cual influencia los movimientos horizontales y
verticales del viento va su influencia en el campo de presiones;
9 en segundo lugar, la posicin de los continentes; estudios paleoclimticos sealan que con
posiciones distintas, especialmente de la Antrtida, la dinmica atmosfrica y de corrientes
marinas cambia significativamente, y en consecuencia cambia tambin la distribucin
espacial de los climas en el sentido geogrfico del trmino;
9 finalmente, las grandes cordilleras (Andes, Rocosas, Himalaya) influencian la circulacin
de la alta Tropsfera, especialmente la posicin de las Ondas de Rossby (ver infra item
3.1.3).
Dado que el Sistema Climtico est en una permanente bsqueda del equilibrio a travs de las
interacciones entre sus componentes, existe una variabilidad intrnseca y existe una enorme
cantidad de causas diferentes, dependiendo del sub-sistema, que explican esa variabilidad;
algunas causas son internas a los sub-sistemas, y otras son externas a ellos.
Para el sistema global, las causas externas de cambio se relacionan con aspectos fsicos y
aspectos antrpicos. Entre las causas fsicas hay cambios tanto en el agente director como en los
agentes modificadores; el agente director (desigual cantidad de energa) sufre modificaciones tanto
por cambios en la rbita terrestre en ciclos de miles de aos como por cambios en el sol mismo
(manchas solares); los agentes modificadores sufren cambios tambin a muy largo plazo (deriva
continental, por ejemplo). Entre las causas antrpicas, se distinguen en primer lugar el aumento de
gases de efecto invernadero (que al disminuir la proporcin de onda larga que abandona la Tierra
estn cambiando todo el balance radiativo), y en segundo lugar el cambio a gran escala de uso de
la tierra, donde se modifican los factores de albedo y rugosidad (lo que altera tanto el balance
radiativo como la tasa de transporte de momento). Como causas internas de cambio en el Sistema
Climtico, se pueden reconocer entre otras (Lamb, 1972, Henderson-Sellers y Robinson, 1984):
Los volcanes introducen una gran cantidad extra de gases y aerosoles a la Atmsfera; las
erupciones normales inyectan material en la Tropsfera (8-15 km altura), desde donde puede
ser removido relativamente rpido (aprox. 1 ao) por la lluvia o por gravedad, pero las grandes
erupciones envan material a la Estratsfera (15-25 km de altura), donde puede permanecer
ms de 10 aos afectando el balance radiativo.
12
Los aerosoles troposfricos controlan en parte el balance radiativo de onda corta (va la
dispersin) y tambin en parte la formacin de gotitas de nubes.
La Nubosidad es a la vez uno de los componentes de la Atmsfera y una de las causas ms

importantes de cambio en el balance energtico de la Tierra, por los controles que ejerce sobre
la radiacin de onda corta (va reflexin por las nubes) y sobre la radiacin de onda larga (va
absorcin del infrarrojo, por el el agua lquida de las nubes y el vapor de agua).
El Ozono estratofrico controla (por absorcin) la cantidad de radiacin ultravioleta que llega a
la Tierra, pero tambin influencia el calentamiento/enfriamiento de la Estratsfera, va la
absorcin sobre el infrarrojo entre los 810 m (onda larga).
En resumen, existen 4 grandes reas de procesos dentro del Sistema Climtico (HendersonSellers y Robinson, 1984) que deben ser considerados para comprender su funcionamiento:
Procesos Radiativos en la Atmsfera: variaciones en las entradas dependiendo del sol, la

reflexin por las nubes, la absorcin (selectiva) por los gases, la dispersin (selectiva) por los
aerosoles, la emisin en onda larga en la Tropsfera y las salidas de onda larga en la alta
Estratsfera.
Procesos Dinmicos: los movimientos de masa y energa a nivel global y a mesoescala,

especialmente los transportes meridionales y verticales de calor latente, calor sensible y
momento (incluye las interrelaciones con el transporte de energa por los ocanos).
Procesos de Superficie: interrelaciones en el intercambio de radiacin (ondas cortas y largas),

calor latente, calor sensible y momento angular entre las superficies agua-tierra-hielo y la
Atmsfera, incluyendo los reguladores como el albedo, la emisividad y la rugosidad.
Feed-backs: retroalimentaciones entre los procesos radiativos, dinmicos y de superficie.
El aspecto de los Feed-backs merece ciertos comentarios; actualmente an se desconoce en gran

medida cmo funcionan muchos de ellos, as como la magnitud de sus efectos, aunque se sabe
que en general las respuestas que producen son no lineales. Algunos Feed-backs son positivos, es
decir, al producirse un cambio en uno de los elementos se refuerza la situacin original, mientras
que otros son negativos (se debilita y/o invierte la situacin original). Es de recalcar que la mayora
de los Feed-backs que se manejan con relativa confianza se refieren a su efecto sobre la
temperatura del aire, pero para la precipitacin la situacin es ms complicada. En este caso, el
ms importante de los Feed-backs es el del vapor de agua, que a travs de su efecto sobre otros
componentes se estima que al menos duplica el efecto de calentamiento directo que ya ejerce el
vapor como gas de efecto invernadero y adems potencia el efecto de otros Feed-backs, como el
de las nubes y el de hielo-nieve (IPCC, 2000 c). Entre los principales Feed-backs que se manejan
actualmente estn (IPCC, 2000 c, Henderson-Sellers y Robinson, 1984):
Superficies de Hielo y Nieve Albedo: es un Feed-back positivo, es decir, si por alguna razn
comienza a disminuir la temperatura habr ms nieve y hielo, afectando el balance de
radiacin de onda corta, ya que por su alto albedo 1 aumentarn las prdidas por reflexin y
habr menos radiacin neta, lo que implica menos disponibilidad de calor sensible de la
superficie para calentar al aire, lo que implica que la temperatura seguir disminuyendo.
Nubes Albedo Absorcin: la nubosidad es uno de los elementos que provocan Feed-backs
ms complicados, ya que es positivo desde el punto de vista de la reflexin de onda corta
Con relacin al albedo del hielo hay discusin; algunos autores sostienen que tiene un albedo relativamente
bajo, menor a 50% (Rosemberg, 1974), mientras otros le asignan valores altos de 50-70% (Petterssen, 1976).
13
(trabaja como el de hielonieve), pero es negativo desde el punto de vista de la absorcin de

onda larga: el agua lquida de las nubes funciona como gas de efecto invernadero, por lo que a
medida que aumente la nubosidad habr menos prdidas radiativas de infrarrojo y en
consecuencia menor enfriamiento. No se conoce con certeza cul de los efectos (positivo o
negativo) pueda ser mayor, ni tampoco si de alguna manera se compensan, ya que adems
depende del tipo de nubes (si son de hielo o de agua, si son estratos o cmulos, de su nivel de
agrupamiento en el caso de los cmulos, de su cantidad total, etc.).
Adems de los Feed-backs con la Atmsfera, existen otros entre los sub-sistemas ocenico,
crisfera y continentes, que afectan al sub-sistema atmosfrico no de modo directo, sino remoto;
por ejemplo, los climas actuales del norte de Europa son relativamente dulces debido al efecto
de la Corriente del Golfo; ahora bien, el aporte de agua dulce de los ros es fundamental para
mantener el equilibrio de las corrientes termohalinas, especialmente en el Atlntico Norte, pero a su
vez, el caudal de los ros est influenciado por cambios en el uso de la tierra que modifican las
relaciones precipitacin-escorrenta en sus cuencas. As pues, cambios significativos en el uso de
la tierra en Amrica, puede terminar afectando los climas en Inglaterra y Escandinavia. En el caso
de la Amazonia, hay un fuerte Feed-back entre el agua en el suelo y la Atmsfera, ya que se ha
demostrado que una gran proporcin de la lluvia en esa cuenca (35% - 50%) proviene de la
evapotranspiracin real (ETR) en la misma cuenca, y la ETR depende en parte de la disponibilidad
de agua en el suelo (Poveda, 2000 a)
Uno de los aspectos ms importantes del Sistema Climtico es la diversidad de escalas espaciales
y temporales en que se producen los diferentes procesos e interacciones (IPCC a, 2000; Gibbs et
al, 1978). As por ejemplo, a escala global la Atmsfera es el sub-sistema que ms rpido responde
a los cambios, aproximadamente en un mes, mientras que los ocanos debido a su gran inercia
cambian ms lentamente, y su influencia se nota al nivel decadal. Pero si bajamos la escala
espacial y nos concentramos slo en los ocanos, se observa que la capa de mezcla
(aproximadamente los primeros 100 m de agua) cambia mucho ms rpido que las aguas
profundas, por lo que tiene influencia en la variabilidad a nivel intra-estacional. Los cambios en la
forma de la tierra pueden ser tan lentos como los movimientos isostticos, que afectan a grandes
reas o tan instantneos como un terremoto, que tiene un efecto local. Los cambios a mesoescala
en las propiedades reflectivas y de emisividad de la superficie terrestre y la Bisfera estn muy
relacionados y varan estacionalmente entre situaciones de poca vegetacin (invierno en zonas
templadas, temporada seca en zona tropical) y mucha vegetacin (verano en zonas templadas,
temporada lluviosa en zona tropical); a nivel local son los componentes ms influenciados por la
actividad antrpica.
Los elementos que componen los cinco sub-sistemas son conocidos como Variables
Macroclimticas. Ejemplos de ellas son la temperatura y salinidad del mar en el sub-sistema
ocanos, el caudal de los ros en el sub-sistema litsfera y la extensin de la capa de hielo
antrtico en el sub-sistema crisfera. En el sub-sistema Atmsfera, tambin hay Variables
Macroclimticas, como por ejemplo la estructura del campo de presiones, la oscilacin del viento
en la Estratsfera o la intensidad del proceso convectivo (conveccin = modo de transporte de la
energa en los fludos lquidos y gaseosos).
3.3. La Circulacin General de la Atmsfera
Se entiende por Circulacin General de la Atmsfera el conjunto de movimientos del aire a escalas
planetaria y sinptica, y cuya funcin principal en el Sistema Climtico es tratar de compensar las
desigualdades en la cantidad de energa que se recibe en superficie a travs de la redistribucin
del calor latente, el calor sensible y el momento angular.
La Radiacin Neta, como la radiacin que se recibe del sol, presenta cambios espaciales y
temporales; en general puede hablarse de una distribucin en franjas zonales, donde al norte de
14
los 85 N la RN es en general negativa, entre los 85-10 N es estacionalmente negativa o positiva,

y entre 10 N 10 S es en general positiva, como se muestra en la Figura 2.
Esto provoca que en la zona ecuatorial los flujos de calor sensible (H) y calor latente (LE) sean
altos, generando una atmsfera permanentemente clida y hmeda, es decir, aire muy poco
denso, mientras que en los Polos el aire es muy fro, en consecuencia con muy baja capacidad
higromtrica (muy seco), y como resultado de ambas condiciones, tambin muy denso. La
resultante final es la existencia en superficie de una Alta Presin polar y una Baja Presin
ecuatorial, mientras que en altura, en los Polos el aire est ms caliente que en el Ecuador, debido
al menor espesor de la Tropsfera polar, por lo que la situacin est invertida, con una Baja
Presin polar y una Alta Presin ecuatorial (Lockwood, 1974).
Figura 2. Distribucin Espacio-Temporal del balance radiativo del sistema Tierra-Atmsfera (Radiacin
-2
-1
-2
-1
-2
Neta en cal cm min ; 1 cal cm min = 698 W m ). Fuente: Lockwood, J.G. (1979). (after Raschke et
al, 1973)
Otro punto muy importante es que debido a la diferencia de espesor de la Tropsfera, a una misma
altura el aire presenta densidades diferentes en el Polo y el Ecuador, como se ve en la Figura 3.
De modo que aunque la tasa de disminucin de la temperatura con la altura sea constante y desde
ese punto de vista el aire a la misma altura debera tener la misma temperatura, no sucede lo
mismo con la densidad, por lo que en la Atmsfera real, dada la relacin entre densidad y
temperatura, dos parcelas de aire situadas a la misma altura no tienen la misma temperatura ni la
misma densidad y en consecuencia, no ejercen la misma presin. En vista de esta circunstancia,
en meteorologa es mucho ms comn porque es ms cmodo, como lo seala Medina (1994),
hablar de superficies isobricas (igual presin), por ejemplo las de 850, 500 o 200 mb, que en la
Atmsfera se encuentran a alturas diferentes. En la atmsfera tropical, al ser menos densa por tres
15
razones (mayor espesor para repartir la misma masa de aire, es ms clida y es ms hmeda), las
superficies isobricas se encuentran a mayor altura que en otras latitudes.
Tropopausa
8 Km
75 % masa
atmosfrica
Polo
16 Km
75 % masa
atmosfrica
8 Km
55 % masa
atmosfrica
Ecuador
Figura 3. Esquema de los cambios de Densidad en la Tropsfera con la latitud. Elaboracin propia
La presin atmosfrica regula el movimiento horizontal del aire, y ste se desplaza desde las zonas
de Alta Presin hacia las de Baja Presin; como esta distribucin es zonal debido a las diferencias
en la Radiacin Neta, el viento debera soplar meridionalmente (desde la Alta Presin Polar en el
Norte hacia la Baja Presin Ecuatorial en el Sur) y cortar a las isbaras perpendicularmente, pero
como ya se explic la Fuerza de Coriolis debida a la rotacin del planeta hace que el movimiento
se desve a la derecha y el viento (en ausencia de friccin) termina soplando zonalmente (EsteOeste) y paralelamente a las isbaras; la friccin modifica esta situacin y hace que el viento corte
en ngulo mximo de 20 a las isbaras, pero en la atmsfera libre por encima de la capa de
friccin (a partir de los 1500-2000 msnm aproximadamente) el viento sopla paralelo a las isbaras,
lo que se conoce como viento geostrfico.
En resumen: las superficies isobricas tienden a estar ms altas en el trpico que en las altas
latitudes; el viento sopla desde las Altas hacia las Bajas presiones, paralelamente a las isbaras en
la Atmsfera libre; en superficie existe sobre el Ecuador una Baja Presin y en el Polo una Alta
Presin, mientras que en altura estn invertidas (Alta Presin en el Ecuador y Baja Presin en el
Polo). En la Figura 4 se muestra la consecuencia de lo expuesto en los prrafos anteriores.
Figura 4. Esquema del origen de los Vientos del Oeste en la alta Troposfera. Elaboracin propia
A una misma altura, por ejemplo de 11 km, las zonas ecuatoriales tienen mayor presin que las
polares, por lo que el viento en altura tiende a ir del Ecuador hacia el Polo, atravesando crculos
latitudinales cada vez ms pequeos, por lo que se acelera, y con el desvo inducido por la Fuerza
de Coriolis termina como un viento del Oeste; esto explica que en toda la Tropsfera los vientos
16
sean mayoritariamente del Oeste, exceptuando a la franja entre aproximadamente los 20 N20 S
(vara ligeramente su posicin entre verano e invierno) donde el viento sopla del Este no slo en
todo el espesor de la Tropsfera, sino tambin en buena parte de la Estratsfera inferior y media,
como se observa en la Figura 5.
Jet-Stream
Jet-Stream
Jet-Stream
Jet-Stream
-1
Figura 5. Viento Zonal Promedio para los trimestres Diciembre-Febrero y Junio-Agosto (ms ).
Fuente: Loockwood, J.G. (1974). (after Newell et al, 1969). Los valores negativos sealan vientos del
Este, los positivos vientos del Oeste.
Sobre la Baja Ecuatorial el aire poco denso tiende a subir, enfrindose adiabticamente hasta
alcanzar la saturacin, momento a partir del cual comienza la condensacin, es decir, la liberacin
del calor latente, lo cual retrasa el enfriamiento y refuerza el ascenso convectivo del aire. Se ha
comprobado que en la Baja Ecuatorial, el ascenso del aire no es generalizado, sino que se
concentra en pequeas reas donde se forman nubes convectivas (Cmulo Nimbus) de gran
desarrollo vertical (ms de 15 km de altura), que en algunas ocasiones rompen incluso la
Tropopausa y llevan calor hasta la Estratsfera. Los cientficos consideran que el transporte de
17
energa concentrado en los Cmulos es lo que equilibra al enfriamiento radiativo en la Estratsfera.

Como ya vimos, una vez en altura el viento tiende a soplar hacia el Oeste, y como la Tropsfera va
disminuyendo en espesor, el viento se dirije hacia abajo, calentndose adiabticamente. Alrededor
de los 20 N 30 N se produce, por efectos dinmicos, un mximo en la velocidad del viento en
altura, denominado Jet-Stream Subtropical, y bajo l se produce una subsidencia generalizada, lo
que explica las grandes zonas desrticas subtropicales.
Sobre esas latitudes se produce una aparente contradiccin: una zona de Alta Presin Clida. Al
mismo tiempo que el aire se est calentando mientras desciende, tambin se acumula mayor
cantidad de masa en una columna de aire, por lo que aumenta su presin; como resultado, se tiene
alrededor de la Tierra en esas latitudes un cinturn de Altas Presiones de origen dinmico, no
trmico, como es el caso de la Alta Polar y la Baja Ecuatorial, y mientras el aire est descendiendo,
la Fuerza de Coriolis le imprime un componente zonal, por lo que en superficie el viento sopla
desde el Nor-Este (vientos Alisios).
Al conjunto de la Baja Presin Ecuatorial, la Alta Presin Subtropical, vientos en superficie
soplando desde el E y vientos en altura (ms al norte de los 10 N) soplando desde el W, se le
conoce como Clula de Hadley, y es el principal elemento de la Atmsfera, en la zona intertropical.
En resumen, en la zona del Alisio, la Tierra cede momento angular a la Atmsfera, situacin que se
compensa en las latitudes medias, donde la Atmsfera le devuelve el momento angular a la Tierra
(Cuadrat y Pita, 2000). En cuanto al transporte de energa, los ocanos de la zona subtropical
ceden una gran cantidad de energa a la Atmsfera (calor sensible y calor latente por la altsima
evaporacin), que es transportada primero en superficie hacia el Ecuador por los Alisios, una vez
all, es transportada verticalmente hacia arriba por los Cmulo Nimbus, donde parte del calor
latente se libera por condensacin, contribuyendo as al extraordinario crecimiento de stos, y la
otra fraccin del calor latente y parte del calor sensible son llevados hacia las zonas templadas
primero por los vientos del Oeste en altura, y luego an ms al norte por las borrascas en la zona
del Frente Polar.
Un rasgo del comportamiento atmosfrico que no se considera realmente parte de la Circulacin
General, pero es extraordinariamente importante, es su capacidad para establecer Teleconexiones,
es decir, que la influencia de un fenmeno se hace sentir a muchos miles de kilmetros de
distancia. Cambios en la configuracin del patrn de presiones en la zona del Frente Polar en la
zona del Pacfico Norte, terminan influenciando la posicin del Jet-Stream subtropical, por ejemplo,
lo cual a su vez modifica el comportamiento de la Alta Subtropical y el conjunto de fenmenos
sinpticos (Vaguadas, Ondas del Este) que se producen en la Atmsfera tropical (Lamb, 1972).
De todas estas conexiones remotas, las ms importantes (aunque an no son bien conocidas) son
las que se originan debido a la interaccin Atmsfera-Ocano conocida como El Nio-Oscilacin
del Sur (ENOS), que se produce en la zona del Pacfico ecuatorial. Es una interaccin cclica (2 a 7
aos), que presenta dos fases, una fra y otra caliente; el componente ocenico presenta un
calentamiento/enfriamiento ms fuerte que lo normal para la estacin del ao, y el componente
atmosfrico un cambio en la posicin de las zonas de Alta y Baja presin, lo cual repercute en los
patrones de circulacin como se explica a continuacin.
La manifestacin ocenica de la fase clida (Nio), consiste en dos fenmenos: en la costa de
Chile, Per y Ecuador, un descenso hacia la profundidad de las aguas fras de la Corriente de
Humboldt, por lo que aparece agua caliente en superficie, y tambin por un movimiento de las
aguas permanentemente ms calientes del Pacfico Oriental (Australia) hacia Sudamrica; en la
Atmsfera, se da el proceso de la Oscilacin del Sur (OS), donde se invierten (como en un sube y
baja) las posiciones del campo de presiones: la zona de Baja Presin que est normalmente sobre
Indonesia se mueve hacia el Pacfico Central, quedando sobre Indonesia una Alta Presin; esta
inversin del campo de presiones produce un debilitamiento del Alisio, y en ocasiones en que la
nueva situacin es muy fuerte, pueden llegar a invertirse, conviertendose en Alisios del NW sin
18
haber atravesado el ecuador. Slo hacia 1950 se estableci la relacin entre los fenmenos
ocenicos y atmosfricos, y se not que cuando el Pacfico se calienta se produce conjuntamente
una alteracin de la OS. La fase fra (Nia) es menos conocida que la fase clida; en este caso, el
Pacfico est ms fro de lo normal, y en la Atmsfera los campos de presin estn en su lugar
habitual, pero son ms intensos, as como el Alisio es reforzado.
Dadas las gigantescas cantidades de calor sensible y latente que se intercambian entre la
Atmsfera y el Ocano en el rea del Pacfico, estas alteraciones se reflejan a nivel global,
afectando a muchos lugares de manera diversa; por ejemplo, se ha reportado que los aos Nio
producen sequas en el Nordeste del Brasil e inundaciones en el sur de Brasil y norte de Argentina,
y hacia Norteamrica tienden a producir inviernos suaves. En general, durante aos Nio se
registran temperaturas elevadas en muchas partes del mundo (WMO, 1999).
3.4. Influencia de las Variables Macroclimticas en el Clima de Venezuela
Con relacin a la influencia de las Variables Macroclimticas (en adelante VM) especficamente
sobre el clima de Venezuela no hay hasta los momentos gran informacin. En general, de todas las
VM, la ms analizada a nivel mundial ha sido la temperatura superficial del Pacfico Ecuatorial, ya
que es uno de los principales factores explicativos (no el nico), del fenmeno El Nio-Oscilacin
del Sur (ENOS).
En 1997-98 se produjo un evento Nio de gran intensidad que gener una enorme inquietud
pblica, razn por la cual la Comisin Nacional de Meteorologa e Hidrologa, adscrita al CONICIT,
prepar un informe (CNMeH, 1998) que resume los anlisis sobre el tema realizados en el pas por
los organismos oficiales, fundamentalmente el MARN y EDELCA.
Como conclusin principal resalta el hecho de que el fenmeno ENOS (en sus fases clida y fra)
no afecta de igual forma a todo el pas: hacia el Suroriente (Guayana) y el occidente (parte de los
Andes y Zulia) el Nio (fase clida del ENSO) tiende a producir temporadas secas e inicio de
temporada lluviosa ms secas de lo normal, mientras que en las regiones central, llanera y oriental,
la influencia del ENSO fase clida es mucho menos evidente, dndose casos de eventos Nio con
inicios de temporada lluviosa tempranos, normales y tardos, y es un Pacfico neutro (ni fro ni
caliente) lo que parece asociarse en esas regiones con un inicio temprano de la temporada lluviosa
(Martelo, 2000 a).
La fase fra (eventos Nia) se relaciona generalmente en Guayana con temporadas secas ms
lluviosas de lo normal y caudales relativamente altos del Caron, mientras que en los Llanos la Nia
tiende a producir una entrada tarda de la temporada lluviosa, como se ve en las Figuras 6 y 7.
Los caudales muestran un comportamiento similar: el Caron (Sur del pas) y el Chama (valles
centrales y piedemonte occidental andino) se asocian en general con caudales bajos durante un
evento Nio, pero ros que descienden por el lado llanero del piedemonte andino (especficamente
el Uribante) no muestran una relacin clara (Unidad de Estudios del Clima Tropical, MARN-CIDIAT,
Ing. M.I. Rojas, comunicacin personal).
Otra conclusin del informe de la CNMeH es que el efecto del ENOS es mayor durante la
temporada seca e inicios de la temporada lluviosa, pero es muy dificilmente detectable durante la
plena temporada lluviosa en Junio-Julio-Agosto; esta evidencia coincide con hechos observados en
todo el mundo, y explicados tericamente: el ENOS se manifiesta con mayor fuerza durante el
invierno astronmico (Diciembre a Febrero), debido a que es la poca del ao cuando son mayores
los gradientes de temperatura, energa y transporte (viento).
19
Figura 6. Variaciones en el Caudal Promedio Anual del ro Caron y su relacin con los aos Nio
3 -1
(caudales en m s en rojo). Fuente: Comisin Nacional de Hidrologa y Meteorologa. (1998).
Figura 7. Variacin en la Fecha de Inicio del Perodo de Crecimiento en aos Nia (1974). Fuente:
Comisin Nacional de Hidrologa y Meteorologa. (1998).
20
Otra VM que ha comenzado a analizarse es la temperatura superficial del Atlntico Tropical Norte
(ATNOR); Martelo (2000 a) reporta que un ATNOR caliente tiende a asociarse en las regiones
centro-Norte y oriental con inicios tempranos de la temporada lluviosa, mientras que un ATNOR fro
tiende a asociarse con inicios tardos de la temporada lluviosa; hacia el occidente, el ATNOR no
parece tener tanta influencia como el Pacfico en la fecha de inicio de la temporada lluviosa, como
se observa en la Tabla 1, en la cual el cdigo 1 indica ocanos calientes, el cdigo 0 ocanos
normales y el cdigo 1 ocanos fros.
Tabla 1. Variacin en las Fechas de Inicio del Perodo de Crecimiento segn la temperatura de los
Ocanos Atlntico y Pacfico en tres reas del pas (Occidente, Nor-Centro y Oriente).
Fuente: Martelo, M.T. (2000 a)
EDELCA, donde estn trabajando en el tema desde 1992, ha realizado anlisis con otras VM, entre
ellas el ndice de Oscilacin Sur (SOI), la Oscilacin Quasi-Bianual (QBO), la Radiacin Saliente de
Onda Larga (OLR), la temperatura del Atlntico Tropical Sur y varios ndices del campo de presin
en superficie, pero los anlisis estn referidos bsicamente a la influencia de estas VM sobre el
caudal del Caron, aunque han determinado que un Atlntico Tropical Sur fro parece relacionado
con una temporada lluviosa (Mayo-Octubre) deficitaria sobre Guayana (CNMeH, 1998).
De anlisis realizados en la Unidad de Estudios del Clima Tropical (MARN-CIDIAT) utilizando una
metodologa estadstica y el software SIMOC (Sistema de Modelaje de los Ocanos) desarrollados
en el Instituto Nacional de Pesquisas Espaciais (INPE) de Brasil, se obtuvo que sobre una muestra
de 150 estaciones de precipitacin en el pas, el 80 % de ellas est ms influenciado por el
21
comportamiento del Atlntico que por el del Pacfico, y las estaciones que conforman el 20 % ms
infludo por el Pacfico estn todas al occidente del pas (Ing. M.I. Rojas, comunicacin personal).
En conclusin, el conocimiento de la influencia real de las VM sobre el clima del pas es
relativamente vago; aunque se sabe con certeza que las temperaturas ocenicas afectan
diferencialmente al territorio nacional, y se conocen las principales reas geogrficas afectadas (el
Suroriente y el Occidente del pas), no se conoce an el porqu la afectacin no es siempre igual
(por ejemplo, ha habido aos Nio con caudales del Caron bastante altos).
Es importante sealar que vago no significa inconsistente; en los estudios realizados en EDELCA
y otras instituciones, se usaron metodologas de anlisis muy diferentes y aplicadas a diferentes
elementos del ciclo hidrolgico (lluvias, caudales de ros, fechas de inicio del perodo de
crecimiento) y todos los resultados sealaron en la misma direccin. Desde ese punto de vista, el
escaso conocimiento que tenemos de la influencia de las VM en el clima del pas es "robusto.
4. MATERIALES Y MTODOS
4.1. Obtencin de los Registros Originales
4.1.1.Datos Climticos de Venezuela
Los datos de precipitacin a nivel mensual se obtuvieron del Banco Nacional de Datos de la
Direccin de Hidrologa y Meteorologa del MARN, y datos de varias estaciones en la regin
Guayana fueron suministrados por el Departamento de Prediccin y Estudios Hidroclimticos de
CVG-EDELCA; en principio se solicitaron todas las estaciones del pas que tuvieran un registro
mayor a 30 aos, lo que represent alrededor de 200 estaciones.
4.1.2.Variables Macroclimticas
Estos datos se generan en los grandes centros operativos y de investigacin mundiales, y son en
su mayora, valores para crculos latitudinales completos, generalmente en grillas de 2 x 2 o
menores. Para poner esta ingente cantidad de informacin disponible en un modo ms accesible,
se calculan valores promedio mensuales (el promedio es espacial, de todos los valores de grilla
involucrados, y de los 30 das del mes), que pueden accesarse por Internet. El mayor conjunto de
Variables Macroclimticas (VM) se encuentra en la pgina Web de la National Oceanographic and
Atmospheric Administration (NOAA), en el Climate Prediction Center (CPC), uno de los 9 miembros
del National Center for Environmental Predictions (NCEP); la direccin especfica es la siguiente:
www.cpc.ncep.noaa.gov/data/indices
Del gran conjunto de variables all disponibles, se seleccion un grupo de 11 Variables
Macroclimticas correspondientes a diferentes campos de interaccin del Sistema Climtico, que
incluyeron temperaturas superficiales de los ocanos Atlntico y Pacfico, campos de viento en
altura, campos de presiones (medidos a travs del ndice de Oscilacin Sur, SOI) e intensidad del
proceso convectivo (medido a travs de la Radiacin Saliente de Onda Larga, OLR).
Slo una de las VM, la correspondiente al ndice que mide la actividad de las manchas solares
(Nmero de Wolf), no se obtuvo de la NOAA, sino, tambin a travs de Internet, del Institut Royale
de Meteorologie (Blgica), en la siguiente direccin:
www.oma.be/KSB-ORB/SIDC
Con la excepcin del N de Wolf, para el cual se usaron los valores reales, todas las dems VM se
trabajaron en forma de Anomalas mensuales, donde:
22
Anomalai = ( Xi Xmedia mes ) / Desviacin Estndar mes

No todas las VM tienen el mismo perodo de registro; el Nmero de Wolf se calcula desde 1760
aproximadamente, el ndice de Oscilacin Sur desde los aos 30, las temperaturas de los ocanos
han sido reconstrudas desde 1950, y las variables de campos de viento e intensidad de la
conveccin (OLR), dado que se calculan a partir de datos satelitales, slo estn disponibles desde
mediados de los aos 70.
4.2. Procesamiento de los Registros Originales
4.2.1.Seleccin de las Estaciones y Perodo Comn
En este trabajo, como en cualquiera en que se usen datos de precipitacin, una de las condiciones
de borde es encontrar el perodo de registro ms largo, para cubrir el mayor rango de variabilidad
posible. Bajo esta consideracin, sobre el total de estaciones con ms de 30 aos de registro se
eligieron aquellas que estuvieran en funcionamiento desde 1950, ya que desde ese ao se dispone
de datos de la VM temperatura de los ocanos; esto hizo aparecer el problema de la distribucin
espacial y el perodo comn: no hay ninguna estacin al Sur del Orinoco instalada desde 1950,
todas son posteriores en al menos 15-20 aos, siendo 1968 el ao de instalacin ms comn.
En segundo lugar, se hizo una seleccin de las estaciones en funcionamiento desde 1950 (y de
cualquier ao posterior al Sur del Orinoco) con base en la calidad de su registro; no se hizo ningn
procesamiento para tratar de hallar los valores englobados, y simplemente se asignaron como si
fueran faltantes; sobre esta cantidad final de datos faltantes que se hizo la evaluacin de calidad.
Se hizo un anlisis de perodo comn diferenciado para las estaciones al Norte y al Sur del
Orinoco, y tuvo que elegirse entre las siguientes alternativas:
analizar slo el Norte del pas con un perodo de registro desde 1950, lo que implicaba que no
se determinara completamente una posible variacin espacial de la influencia de las VM;
analizar todo el pas con un perodo de registro aproximadamente desde mediados de los aos
60, lo que permitira en principio determinar variacin espacial de la influencia de las VM, pero
reducira significativamente el nmero de casos para establecer las relaciones temporales
entre la precipitacin y las VM relativas a los ocanos, campo de presiones y manchas solares,
aunque no influira en las relaciones con las VM de los campos de viento y conveccin;
analizar al pas completo, pero con perodos diferentes para el Norte y el Sur del Orinoco; en
verdad, esta no es una prctica ortodoxa, pero si pruebas estadsticas sealaran que en el
Norte los estadsticos bsicos del perodo desde 1969 no difieren significativamente de los
estadsticos bsicos del perodo desde 1950, podra asumirse razonablemente que tampoco lo
hicieron al Sur del Orinoco, por lo que se realizaron dichos anlisis.
Finalmente, se plotearon (usando el software SURFER) las estaciones seleccionadas as como las
curvas de nivel cada 500 m, y se afin el nmero final de estaciones, eliminando algunas por
cercana y manteniendo otras que, aunque cercanas, estuvieran en laderas con diferente
orientacin o a alturas significativamente diferentes.
4.2.2.Creacin de Archivos de Precipitacin y de Variables Macroclimticas
Los archivos de precipitacin mensual, una vez seleccionado el nmero final de estaciones y el
perodo de analisis, debieron ser preparados en diferentes formatos, para cumplir con los
diferentes objetivos del trabajo, e igualmente sucede con los archivos de VM. Los formatos de
archivos de datos bsicos que se prepararon fueron los siguientes:
a) Formato Normal:
23
para cada estacin, una tabla de 12 columnas (meses) y tantas filas como aos de registro se
tuvieran en el perodo de anlisis, de precipitacin en mm;
idem, de anomalas de precipitacin (adimensional);
idem, de anomalas de precipitacin clasificadas en 1, 0 y 1, segn los terciles (P33% y
P66%) de cada mes (adimensional);
para cada VM, una tabla de 12 columnas (meses) y tantas filas como aos de registro se
tienen de cada una de ellas, como anomalas (adimensional);
idem, de anomalas clasificadas en 1, 0 y 1, segn los terciles (P33% y P66%) de cada mes
(adimensional).
b) Formato de Series de Tiempo:

para cada estacin, la serie de precipitacin en mm;
idem, la serie de anomalas de precipitacin (adimensional);
para cada VM, la serie de anomalas (adimensional);
c) Formato Todas:
una tabla de 16 columnas, donde las filas son todos los aos de registro de la estacin N1,
todos los aos de registro de la estacin N 2 y as sucesivamente, de anomalas de
precipitacin clasificadas en 1, 0 y 1 segn los Terciles;
para cada VM clasificada en 1, 0 y 1 segn los Terciles, una tabla de 16 columnas, donde las
filas son todos los aos de registro de la VM; este grupo de aos se repite hasta que el archivo
tenga el mismo nmero de lneas que el de precipitacin.
En el caso particular de este formato, las 16 columnas son los 12 meses ms Septiembre, Octubre,
Noviembre y Diciembre del ao anterior, dado que uno de los objetivos del trabajo es explorar
posibles indicadores para el pronstico con uno o ms meses de anticipacin; en el caso de los
otros Formatos de archivo esto no fue necesario porque el programa estadstico STATGRAPHICS,
que fue junto con el programa EXCEL el utilizado para el trabajo, permite automticamente realizar
clculos para diferentes tiempos de rezago (en adelante, por comodidad se usar el anglicismo
lags).
d) Formato para espacializar con el SURFER
para cada ao, una tabla de 15 columnas (12 meses, latitud de la estacin, longitud de la
estacin y serial identificador de la estacin) y tantas filas como estaciones haya, de
precipitacin en mm;
idem, de anomalas de precipitacin (adimensional);
idem, de anomalas de precipitacin clasificadas en 1, 0 y 1 segn los Terciles
(adimensional).
Las anomalas de las VM se bajaron directamente por Internet, pero las de la precipitacin fueron
calculadas con el STATGRAPHICS, a partir de los archivos Formato Normal de precipitacin en
mm; con el mismo programa se calcularon los estadsticos bsicos de la precipitacin (en mm y
como anomalas) y de las VM (incluyendo los terciles).
4.2.3.Prueba de la bondad del software de interpolacin SURFER
Ya que uno de los objetivos del trabajo es verificar variaciones espaciales de la influencia de las
VM en la precipitacin, se necesitaba un procedimiento rpido de generacin de mapas. Se
seleccion el software SURFER, que por ser un programa de geoestadstica presenta diferentes
alternativas para realizar interpolaciones espaciales, pero primero deba demostrarse que los
resutados de la interpolacin son aceptables. Para esto, se produjo el mapa de la Media de
Precipitacin Anual, con base al nmero de estaciones y el perodo de anlisis finalmente
seleccionado, y se compar con el mapa de la Precipitacin Media Anual para el perodo 19681983 (Martelo, 2000 b), usando como mtodo de interpolacin el Krigging, que se reporta (Isaaks y
24
Srivastava, 1989) como un confiable mtodo de interpolacin espacial. cuando se dispone de

pocos datos irregularmente distribudos, porque minimiza la varianza del error de estimacin.
4.3. Anlisis Estadsticos
4.3.1.Seleccin y Anlisis de Variables Macroclimticas
Para definir si algunas de las VM ofreceran informacin redundante, se analizaron por Correlacin
(lineal y cruzada). Esta parte del trabajo es la ms superficial, ya que se trata simplemente de
definir relaciones gruesas entre VM que permitieran eliminar una o varias del anlisis. Adems,
debe recordarse que las VM con las que se trabaj no son los verdaderos valores de cada grilla
sino los promedios espaciales, con lo que un solo nmero al mes representa el comportamiento de
miles de km2.
Una vez seleccionado el grupo definitivo de VM que seran utilizadas, para caracterizarlas se
calcularon los Percentiles 10%, 25%, 33%, 50%, 66%, 75% y 90%, y se grafic el transcurso anual
de la Mediana y los Terciles. Se prepararon grficos del comportamiento de todos los meses de
todos los aos de las VM, a fin de describir de forma gruesa el comportamiento de las VM a nivel
Decadal (10 aos) y establecer las comparaciones del caso con los promedios Decadales de
precipitacin.
Asimismo, conociendo que varias de las VM presentan ciclos en el orden de los dos aos, como el
campo de vientos a 50 mb (Oscilacin Quasi-Bianual, QBO) y el evento ENOS (que combina dos
VM, la temperatura del ocano, especficamente el Pacfico en las reas Nio3 y Nio34, y el
campo de presiones medido a travs del ndice de Oscilacin Sur, SOI) se calcularon con los
archivos de Serie de Tiempo, las medias mviles de 24 meses, y se grafic una seleccin de ellas.
4.3.2.Distribucin Espacial de las Correlaciones Lineales entre Anomalas de Precipitacin
y Variables Macroclimticas
Una vez seleccionado el grupo definitivo de VM para las cuales se analizar su influencia sobre la
precipitacin, el primer paso fue verificar si existe una variacin espacial en dicha influencia. Se
usaron los archivos de Formato Series de Tiempo para calcular las correlaciones lineales entre
las anomalas de precipitacin de cada estacin y las anomalas de las VM para el lag 0, con el
programa STATGRAPHICS. Los valores del coeficiente de correlacin R de cada estacin se
llevaron luego a archivos de Formato SURFER (un archivo para cada correlacin precipitacin-VM)
para ser espacializados.
4.3.3.Variacin Estacional de las Correlaciones Lineales entre Anomalas de Precipitacin
y Variables Macroclimticas
Para determinar si existen cambios estacionales en la relacin entre la precipitacin y las VM se
calcularon los Coeficientes de correlacin lineal para cada mes del ao; este proceso se realiz
para 5 lags: 0, 1, 2, 3 y 4, con el fin de verificar la posibilidad de contar con indicadores para el
pronstico con un mes o ms de anticipacin. En este caso se utilizaron los archivos en Formato
Todas de las anomalas de precipitacin y de VM.
4.3.4.Distribucin del Tipo de Influencia (Efectos) de las Variables Macroclimticas sobre
las Anomalas de Precipitacin
Este proceso se realiz utilizando los archivos en Formato Todas, para la precipitacin clasificada
en 3 clases, y tambin para 5 diferentes lags (0, 1, 2, 3 y 4) para tratar de definir con ms
precisin cules son, en cada mes en particular y para cada clase particular de precipitacin, las
influencias de las VM que estn funcionando, y con cunto tiempo de retardo, ya que es sabido
que las seales de las VM tardan cierto tiempo en transmitirse desde su sitio de origen hasta un
25
lugar especfico del mundo. Este punto podra ayudar a comprender mejor el funcionamiento de la
dinmica climtica sobre el pas.
Es importante sealar una serie de condicionantes, para ayudar a comprender la seleccin del
procedimiento utilizado, que fue el de tablas de contingencia. En principio, el signo de la correlacin
determina si la relacin entre las VM y la lluvia es positiva o negativa, por ejemplo, que la lluvia
aumenta en junio a medida que la VM temperatura del ocano en el Atlntico Tropical norte
aumenta (correlacin positiva), o que la lluvia disminuye en enero a medida que la temperatura del
Pacfico ecuatorial en el rea Nio34 aumenta (correlacin negativa), pero el coeficiente de
correlacin no da informacin sobre la forma de la relacin, es decir, si se da en todo el rango de
valores o ms bien entre los extremos.
Al unir la informacin proveniente de los mapas de correlacin espacial y la de los grficos del
transcurso anual de los coeficientes de correlacin, se observara, por ejemplo, que en junio se
espera que la lluvia aumente en los Llanos centrales, s la temperatura del Atlntico fue alta en
marzo (correlacin positiva con el lag 3), pero:
se necesita superar un cierto umbral, es decir, ocurre cuando el Atlntico est en el rango
normal o en el rango caliente?
adems cmo fueron realmente las lluvias en junio? ocurri un aumento generalizado de la
precipitacin en todas las estaciones de los Llanos o hubo lluvias muy fuertes pero en pocas
estaciones?
finalmente todos los aos que el Atlntico est caliente en marzo, aumenta la lluvia en los
Llanos en junio, o slo en pocos aos, pero con un efecto tan extremo que es capaz de hacer
aparecer una correlacin donde realmente no la hay?
Para obtener informacin sobre estos aspectos se realiz un proceso de tabulacin cruzada (tablas
de contingencia), de modo de contabilizar el nmero total de casos de precipitacin que se
producen en todas las estaciones, para cada una de las clases de precipitacin, dependiendo de
cada una de las 3 clases de VM clasificadas segn los terciles. Las tablas de contingencia se
calcularon para la lluvia de cada mes del ao cinco veces, con las VM correspondientes a los cinco
lags considerados (0, 1, 2, 3, 4). El proceso se realiz para las anomalas de precipitacin
clasificadas en tres categoras segn los terciles (tablas de contingencia 3x3). El nivel de
significacin se analiz utilizando el valor de 2.
Las tablas de contingencia 3x3 se calcularon con el EXCEL, y para cada fila, el nmero de casos
en cada celda se calcul como porcentaje, bajo la hiptesis nula de que las VM no afectan a la
precipitacin, en cuyo caso seran esperables valores cercanos a 33% en cada celda. Es decir, que
se espera aproximadamente el mismo nmero de valores de precipitacin baja, normal y alta,
independientemente de s las VM son bajas, normales o altas. Para verificar la hiptesis nula, se
calcularon los valores de porcentaje para cada celda que son significativamente diferentes, para un
nivel de probabilidad prefijado, implicando que dicha hiptesis no se cumple, y en consecuencia,
las VM s afectan a la precipitacin.
A continuacin se presenta un ejemplo idealizado de tabla de contingencia 3x3, digamos que de la
precipitacin de marzo vs la temperatura del Atlntico Tropical norte en enero (lag 2), que ayudar
a comprender el razonamiento:
Precipitacin marzo
1
0
1
VM Temperatura del Atlntico (enero) clasificada segn los terciles

1
0
1
Total
52.1 %
32.7 %
15.2 %
100 %
38.5 %
29.7 %
31.8 %
100 %
39.2 %
39.7 %
21.1 %
100 %
26
Siguiendo con el ejemplo, digamos que los valores que implican diferencias significativas en el
nmero de casos por encima y por debajo, respecto del valor esperado de 33%, son
respectivamente 48% y 18%, para el nivel de = 10%. La nica clase de precipitacin que se ve
afectada es la de la primera fila, correspondiente a las lluvias escasas (clase 1), y slo por los
valores extremos de la VM: predominan las lluvias pobres en marzo si el Atlntico estuvo fro en
enero (el 52,1% de los casos considerando todas las estaciones se concentra en clase 1), y se
presentan muy pocos casos de lluvias escasas si el Atlntico estuvo caliente (slo el 15,2% de los
casos considerando todas las estaciones se concentran en la clase 1). Si el Atlntico estuvo en el
rango normal (clase 0), no se distingue su influencia sobre las lluvias escasas.
En el caso de las lluvias extremas altas (clase 1, tercera fila) no habra una influencia
estadsticamente significativa, pero el nmero de casos de lluvias altas en marzo si el Atlntico
estuvo caliente en enero se acerca al lmite de significancia.
Las tablas de contingencia 3x3 entonces sealan la clase de precipitacin (normal o cualquiera de
las dos extremas) para la que se observa influencia de las VM, y al mismo tiempo indican si son los
valores extremos de las VM los que estn afectando a la precipitacin.
27
5. RESULTADOS Y DISCUSIN
5.1. Seleccin de Estaciones, Perodo de Anlisis, Generador de Mapas
El total de 202 estaciones con ms de 30 aos de registro se redujo a unas 120 instaladas desde
1950 o posteriormente; al Sur del Orinoco, el ao ms antiguo de instalacin para el mayor nmero
de estaciones fue 1969. Con relacin al anlisis de calidad, se seleccionaron slo estaciones con
menos de 15 % de datos faltantes. Al realizar el anlisis de perodo comn, resultaron posibles el
50-98 para las estaciones al Norte del Orinoco y el 69-98 para todo el pas; para el grupo de
estaciones al Norte se calcularon la media y desviacin estndar de los valores anuales de los
perodos 50-68, 69-98 y 50-98, y se realizaron las pruebas de diferencia de medias (t de Student) y
diferencia de varianzas (F de Fischer) de los dos perodos cortos respecto del total 50-98 para
todas las estaciones, resultando no significativas para el nivel de 5 % de probabilidad (no se
muestran estos resultados).
Tambin se obtuvo el promedio espacial, es decir, para cada ao se calcul el valor promedio
anual de todas las estaciones al Norte del Orinoco, y a esta nueva serie tambin se le calcularon
los estadsticos bsicos y se le aplicaron las pruebas de diferencia de medias y varianzas, como se
observa en la Tabla 2. Dado que en ninguno de los dos casos (estacin por estacin y promedio
espacial) se observaron diferencias significativas (a pesar de que el perodo 50-68 tiene una media
ms alta, fue ms lluvioso), se asumi que si dicho perodo no fue especialmente variable al Norte
tampoco debe haberlo sido al Sur del Orinoco; en consecuencia, se opt por analizar
espacialmente a todo el pas, pero en base a dos perodos diferentes: 1950-1998 (49 aos) al
Norte del Orinoco y 1969-1998 (30 aos) al Sur.
Tabla 2. Comparacin de Medias y Varianzas para 3 perodos (datos: valores anuales de precipitacin
(mm) promediados para las estaciones al Norte del Orinoco)
Perodo
1950-1968
1969-1998
1950-1998
Media
1070,0
1032,2
1046,9
Desv.Estndar
122,2
141,4
134,3
Dif. Medias (prueba t)

0,5000
0,6504
-
Dif. Varianzas (prueba F)

0,6798
0,7344
-
Al decidir los dos perodos de anlisis el grupo definitivo de estaciones para el estudio qued en
Ochenta y Cinco (85), 67 de ellas al Norte del Orinoco y con 49 aos de perodo de registro y 18 al
Sur, con 30 aos de perodo de registro. En el Anexo 1 se presenta el listado de estaciones, y en la
Figura 8 su posicin espacial; puede verse que las estaciones no estn uniformemente repartidas,
siendo las zonas de los Llanos, Cordillera de Perij y Sur del Lago de Maracaibo las menos
representadas.
Con relacin a la bondad del SURFER como interpolador, y en consecuencia como la herramienta
generadora de los mapas de este trabajo, en la Figura 9 se muestra la distribucin espacial de la
lluvia promedio anual del perodo 1969-1998 generada con las 85 estaciones para compararla con
el mapa digitalizado que proviene de un conjunto de mapas a escalas 1:250.000, 1:500.000 y
1:1.000.000 y unas 900 estaciones para el perodo 1968-1983 (Martelo, 2000 b).
28
Figura 8. Distribucin espacial de las Ochenta y Cinco (85) estaciones pluviomtricas. Elaboracin
propia
Considerando que se est utilizando una muestra de estaciones que no alcanza al 10 % de las
estaciones del mapa digitalizado, el interpolado reproduce remarcablemente bien los principales
rasgos del patrn espacial; el rango de lluvias mayores de 4000 mm en Guayana est
representado por una sla estacin, as como el rango de menos de 400 mm en el norte de Falcn,
pero el programa los considera. Tambin se reproducen las zonas de mayor precipitacin del
Delta, Barlovento y Costa Oriental del Lago, la zona seca de la Depresin Lara-Falcn, la costa
rida de Unare y la sombra de lluvia del Turimiquire; asimismo se observan los ncleos de mxima
y mnima precipitacin del sur de Amazonas. La complejidad de los Andes, Perij y sur del Lago de
Maracaibo es lo que est peor reproducido, sin embargo en Los Andes se observa un ncleo de
baja precipitacin y, en el piedemonte, un ncleo de alta precipitacin.
Con base en los resultados de esta comparacin se asumi que el SURFER puede reproducir
satisfactoriamente los principales rasgos de la distribucin espacial de la precipitacin, y en
consecuencia puede usarse como generador de los mapas.
29
Figura 9. Comparacin entre la Precipitacin Media Anual Digitalizada a partir de mapas a escala
1:250.000 dibujados en base a unas 900 estaciones pluviomtricas y la generada por el SURFER en
base a las 85 estaciones pluviomtricas del estudio. Fuente: Martelo, M.T. (2000 b) para el Mapa
Digitalizado, elaboracin propia el mapa de SURFER
5.2. Descripcin somera de la variabilidad decadal de la precipitacin

A continuacin se presenta un anlisis somero de la variacin espacial de la variabilidad de la lluvia
a nivel decadal (10 aos en la acepcin de la OMM, es decir 1951-1960, 1961-1970, etc.) La
variabilidad se expres como la diferencia porcentual entre el valor promedio de la dcada y el
valor promedio del perodo total de registro (1950-1998 al norte del Orinoco, 1969-1998 al sur del
Orinoco, como: DP (%) = ( (promedio decadal promedio total) / promedio total ) * 100
En general, se nota una alternancia al nivel decadal como sigue:
Decada
Carcter general
1951-60
Normal
1961-70
Lluviosa
1971-80
Seca
1981-90
Lluviosa
1991-1998**
Seca
En las Figuras 10 a 14 se muestra, para cada mes, la diferencia porcentual de las 5 dcadas
analizadas.
30
Figura 10. Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1951-1960
Fuente de ambas Figuras: elaboracin propia
31
Fuente de ambas Figuras: elaboracin propia
Figura 13. Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1981-1990***
32
Figura 14. Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1991-1998**
Elaboracin propia
En general, las Dcadas secas (1971-1980 y 1991-1998**) presentaron Diferencias Porcentuales

negativas en alguno(s) de los meses de la temporada lluviosa, al menos en alguna zona del pas,
mientras que en las Dcadas lluviosas (1961-1970 y 1981-1990) los meses de la temporada
lluviosa tienden a ser normales (DP en el rango +20% a 20%) o ms bien hmedos en alguna
zona del pas; este es un resultado esperable ya que la distribucin espacial de la Mediana de la
precipitacin seala que en los meses de la temporada seca al Norte del Orinoco, se reciben
menos de 50 mm, lo cual no debera establecer una diferencia significativa.
Sin embargo, aunque en temporada seca se recibe muy poco agua y no se esperara en principio
que un poco ms o menos influencie grandemente a la disponibilidad hdrica, en la vida real
sucede lo contrario; el hecho de sufrir temporadas secas ms secas de lo normal tiene enorme
impacto en los embalses, que se extiende varios meses, ya que generalmente bajo esas
circunstancias se necesita ms agua para riego y para consumo humano; basta con que la
siguiente temporada lluviosa sea slo normal, y ya ser difcil recuperar el nivel del embalse; si es
ligeramente seca, el efecto puede ser grave, porque se mantendr un descenso del nivel que
puede alcanzar la cota crtica.
Otro punto que resalta del anlisis, es que las Diferencias Porcentuales mas extremas tanto en
valor como en extensin espacial, tienden a ocurrir justamente en temporada seca, que coincide
con el invierno astronmico; esto es esperable ya que es durante el invierno astronmico cuando
se presentan los mayores gradientes de energa, temperatura y viento dentro del Sistema
Climtico, y en consecuencia las mayores variaciones de las Variables Macroclimticas.
33
5.3. Anlisis Estadsticos

5.3.1.Anlisis de las Variables Macroclimticas
Como se expuso en Materiales y Mtodos, la idea bsica es determinar la factibilidad de eliminar
alguna de las trece (13) Variables Macroclimticas (VM) originalmente seleccionadas; dichas VM
se agrupan como sigue:
5 VM del subsistema ocenico (temperaturas del Atlntico Tropical norte (ATNOR), Atlntico
Tropical sur (ATSUR), Atlntico Tropical (ATTROP), Pacfico en el rea Nio3 (NI3) y Pacfico
en el rea Nio 34 (NI34);
6 VM del subsistema atmosfrico, diferenciadas en:
4 VM del campo de vientos (Oscilacin QuasiBianual a 30 mb (QBO30), Oscilacin Quasi
Bianual a 50 mb (QBO50), ndice Zonal a 200 mb (ZON200) e ndice del Alisio a 850 mb
(ALIS850);
1 VM del campo de presiones (ndice de Oscilacin del Sur (SOI));
1 VM del proceso convectivo (Radiacin Saliente de Onda Larga (OLR));
2 VM de la influencia externa al Sistema Climtico (Nmero de manchas solares (WOLF) y
Media Mvil del Nmero de manchas solares (WOLFMM)).
El ndice de Oscilacin Sur (SOI) y la Radiacin Saliente de Onda Larga (OLR), se conservaron
ambas ya que son las nicas VM de su clase; en el caso de las dos reas del Pacfico ecuatorial
Nio3 y Nio34 (NI3 y NI34) que estn muy relacionadas se decidi conservarlas a ambas, ya
que en la literatura se seala que en algunos lugares del mundo se encuentran mejores relaciones
estadsticas con NI3 y en otros con NI34. Para definir si las VM estaban correlacionadas
significativamente, se tom como criterio el valor de probabilidad asociada al valor de r,
considerndose que si dicha probabilidad era menor de 0.1 (es decir, 10%), las correlaciones eran
significativas. Con base a los coeficientes de correlacin entre las variables se eligieron las que se
muestran en la Tabla 3. En la Figura 15 se muestran las reas para las cuales se calculan las VM
ocenicas segn los datos satelitales.
Tabla 3. Variables Macroclimticas seleccionadas
Tipo de VM
Temperatura
del Ocano
Campos de
Viento
Campo de
Presin
Balance
Energtico
VM
Atlntico Tropical Norte
Atlntico Tropical Sur
Pacfico Ecuatorial (Nio3)
Pacfico Ecuatorial (Nio34)
Oscilacin QuasiBianual a 50
mb
Indice Zonal a 200 mb
Indice Oscilacin Sur
Radiacin Saliente de Onda
Larga
Nmero de Manchas Solares
Acrnimo
ATNOR
ATSUR
NI3
NI34
QBO50
ZON200
SOI
OLR
WOLF
Ubicacin
5-20 N 30-60 W
0-20 S 10 E-30 W
5 N-5 S 90-150 W
5 N-5 S 120-170 W
A todo lo largo de la lnea ecuatorial
5 N-5 S 110-165 W
Darwin (Australia) y Tahti
160 E-180 180-160 W sobre el
ecuador
Para las VM ocenicas es muy fcil comprender el sentido fsico de las anomalas, ya que los
datos originalmente medidos son temperaturas: anomalas negativas sealan ocanos ms fros
que lo normal y anomalas positivas indican ocanos ms calientes que lo normal; as mismo, en el
caso del Nmero de manchas solares (WOLF), por tratarse de valores originales, es fcil la
comprensin: por ejemplo, un Nmero de Wolf 40 indica menor actividad solar que el 200.
34
Figura 15. reas para las que se definen las Variables Macroclimticas Ocenicas.
El caso de las VM atmosfricas no es tan evidente, por lo cual es conveniente sealar que
representan fsicamente sus anomalas en el Sistema Climtico, para tener una mejor comprensin
de todo el anlisis que hace en esta seccin:
Campos de viento de la Baja Estratsfera (QBO50) y de la Alta Tropsfera (ZON200): como se

explic en el Captulo 1, el viento sopla predominantemente del oeste en casi toda la
Tropsfera, por lo que anomalas positivas sealan vientos fuertes del oeste (W) y anomalas
negativas vientos fuertes del este (E); las anomalas cercanas a cero indican vientos dbiles,
sin importar su direccin.
Campo de Presiones (SOI): el ndice de Oscilacin sur se calcula como la diferencia de
presiones entre Tahiti y Darwin (Australia); la situacin normal en el verano astronmico del
hemisferio sur (diciembre), es de baja presin sobre Australia y alta presin en el Pacfico
central, con un SOI positivo, por lo que anomalas positivas sealan alta presin en el Pacfico
central, mientras que las anomalas negativas indican baja presin en el Pacfico central. Dada
la estrecha interrelacin entre las temperaturas del Pacfico y el SOI, a un Pacfico caliente
(Nio) le corresponden valores negativos del SOI, ya que durante estos eventos se invierte la
posicin normal de las altas y bajas presiones.
Intensidad de la Conveccin (OLR): las anomalas negativas implican conveccin profunda, ya
que las nubes y el vapor de agua absorben la onda larga: cuantas ms nubes menos
Radiacin Saliente de Onda Larga capta el satlite; anomalas positivas indican cielos
despejados, es decir un proceso de conveccin muy dbil. Recurdese que esta VM se mide
sobre la pequea zona del Pacfico central que abarca 40 de longitud alrededor de la Lnea
Horaria (entre 160E180 y 160W180), en la que, bajo condiciones tipo Nio (Pacfico
caliente), se establece una baja presin asociada a lluvias convectivas, por lo cual a tales
condiciones le corresponden valores negativos de la OLR.
Se calcularon las correlaciones lineales y cruzadas para 24 lags, entre todas las VM originalmente
seleccionadas; a continuacin se analizan slo los rasgos ms importantes para el grupo definitivo
de VM. En la Tabla 4 se presentan los valores ms significativos, as como cul serie lidera, y para
cul lag. Un lag positivo indica que la serie 1 lidera a la serie 2 (Statistical Graphic Corporation Inc.,
1988), y as por ejemplo, si serie 1 es SOI y serie 2 es NI34, con r = 0.73 en lag 1, significa que al
que aumentar el ndice del campo de presiones, las temperaturas del Pacfico disminuyen el mes
35
siguiente. Por el contrario, un lag negativo indica que la serie 2 lidera a la serie 1; por ejemplo, si
serie 1 es ATNOR y serie 2 es NI3, con r = 0.44 en lag 5, significa que las temperaturas del
Atlntico estn asociadas, en forma creciente, a las temperaturas que tena el Pacfico 5 meses
antes.
Tabla 4. Resumen de las principales Correlaciones Cruzadas entre Variables Macroclimticas y lags
para los que ocurren. Significativas =10%; =5% *; =1% **
Serie 1
ATNOR
ATSUR
NI3
QBO50
ZON200
SOI
OLR
WOLF
Serie 2
NI3
NI34
NI3
NI3
NI34
NI34
ZON200
ZON200
OLR
OLR
NI34
NI34
OLR
SOI
ATNOR
ATSUR
NI3
NI34
ATNOR
NI3
NI34
SOI
ATNOR
ATSUR
NI3
NI34
ATSUR
Coef. Correlacin (r)

+ 0,44 **
+ 0,45 **
0,21
+ 0,16
0,22
+ 0,94 **
+ 0,18
+ 0,22
+ 0,24
0,36
+ 0,19
0,20
+ 0,47 *
+ 0,43 *
0,23
+ 0,28
0,51 *
0,51 *
0,31
0,68 **
0,73 **
+ 0,49 *
0,25
+ 0,25
0,51 *
0,57 **
0,18
lag
5
5
8
4
8
0
11
20
6
18
19
24
3
1
3
8
1
2
5
0
1
0
6
4
1
1
De 5 a 11
Lder
NI3
NI34
ATSUR
NI3
ATSUR
QBO50
ZON200
QBO50
QBO50
QBO50
NI34
OLR
SOI
ZON200
ATSUR
NI3
NI34
SOI
SOI
OLR
ATSUR
OLR
OLR
WOLF
ATNOR= Atlntico Tropical norte; ATSUR= Atlntico Tropical sur; NI3= Pacfico rea Nio3; NI34=
Pacfico rea Nio34; QBO50= viento a 50 mb; ZON200= viento a 200 mb; SOI=anomalas de presin;
OLR= Radiacin Saliente de Onda Larga; WOLF=Nmero de manchas solares. Elaboracin propia
En general, las anomalas de temperaturas del Pacfico (NI3 y NI34) muestran correlacin muy
significativa (=1% y 5%) con la mayora de las otras VM, como sigue:
la VM ocenica ATNOR muestra que el Atlntico Tropical norte se calienta siguiendo el

calentamiento originado en el Pacfico 5 meses antes;
la VM atmosfrica ZON200 muestra que el viento en la alta Tropsfera tiende a mostrar altas
velocidades del E siguiendo al calentamiento originado en el Pacfico uno dos meses antes;
la VM atmosfrica SOI muestra que el Pacfico se calienta el mismo mes, o el mes siguiente, al
mes en que se inici el movimiento de la Baja Presin desde Australia hacia el Pacfico central;
la VM atmosfrica OLR muestra que el Pacfico se calienta el mes siguiente al mes en que se
inici el aumento de la conveccin en el Pacfico central.
A su vez la VM ATNOR muestra el mismo comportamiento que NI3 y NI34 respecto de las VM
atmosfricas ZON200, SOI y OLR, slo que con menores coeficientes de correlacin; hay sin
embargo una diferencia importante: en el caso del ZON200, no es el viento el que cambia
siguiendo al calentamiento del ocano, sino el ocano el que responde al cambio en el viento.
36
El comportamiento de ATSUR es complejo. Como ATNOR, el Atlntico Tropical sur se calienta

siguiendo el calentamiento originado en el Pacfico 4 meses antes, pero si ATSUR est caliente, 8
meses despus el Pacfico se enfriar. Con relacin al ZON200, muestra un comportamiento
inverso en signo al de los otros ocanos, es decir, que el viento en la alta Tropsfera tiende a
mostrar altas velocidades del W siguiendo al calentamiento originado en el Atlntico sur ocho
meses antes. Con relacin a la OLR tambin tiene un comportamiento inverso, tanto en signo
como en cul variable lidera la respuesta: si el Atlntico sur est caliente, la OLR ser dbil (tipo
Nia) 4 meses despus.
Algunas de las VM atmosfricas tambin muestran correlaciones muy significativas ( =5%) entre
ellas:
la VM ZON200 muestra que el viento en la alta Tropsfera tiende a tener altas velocidades del
E siguiendo el aumento de la conveccin (OLR negativa) iniciado tres meses, as como al
movimiento de la Baja Presin desde Australia hacia el Pacfico central (SOI negativo) iniciado
un mes antes;
las VM SOI y OLR tienen correlacin creciente en el mismo mes.
La VM QBO50 muestra un comportamiento complejo; con respecto al ZON200, presenta

correlacin positiva, es decir que la direccin de los vientos fuertes en la baja Estratsfera y en la
alta Tropsfera tiende a coincidir, pero parecen existir dos ondas, una de abajo (200 mb) hacia
arriba (50 mb), que sera la respuesta de la Estratsfera a las condiciones de la Tropsfera 20
meses antes, y una onda de arriba (50 mb) hacia abajo (200 mb), que sera la respuesta de la
Tropsfera, 11 meses despus, a las condiciones de la Estratsfera. Con respecto a la OLR, la
situacin tambin es compleja: la OLR siempre responde al viento en la Estratsfera, pero de modo
inverso, dependiendo del lag: si el viento en altura es del E (QBO50 negativa), 6 meses ms tarde
las condiciones de OLR sern tipo Nio (negativas), pero 18 meses ms tarde seran tipo Nia
(positivas). En resumen, las correlaciones ms resaltantes pueden resumirse en el siguiente
esquema:
NI3, NI34 y ATNOR calientes SOI y OLR tipo Nio (negativos) ZON200 E (negativo)
ATSUR caliente OLR tipo Nia (positiva) ZON200 W (positivo)
NI3, NI34 y ATNOR fros SOI y OLR tipo Nia (positivos) ZON200 W (positivo)
ATSUR fro OLR tipo Nio (negativa) ZON200 E (negativo)
En este punto simplemente se presentan los resultados de un procesamiento estadstico, pero no
se ofrecen intentos para explicar la relacin temporal entre las VM, ya que buena parte del
comportamiento dinmico que podra aclararlo an se desconoce; por ejemplo, se sabe con
certeza que el comportamiento de las temperaturas del Pacfico lidera en cierta proporcin al de las
del Atlntico, y que el tiempo de respuesta del ltimo es de unos 4 meses (Enfield y Mayer, 1997),
lo que coincide con estos resultados, pero an no est claro si el Atlntico influye al Pacfico.
Aunque todava no se comprende completamente el complejo juego de interrelaciones entre las
VM, desde el punto de vista prctico del pronstico estacional es conveniente tenerlo en mente; si
por ejemplo se encuentra una VM x que aumenta la precipitacin, pero esa VM est liderada por
otra VM y que tambin aumenta a la precipitacin, el efecto total podra multiplicarse, pensndose
errneamente que la VM x ejerce un efecto mucho mayor que el que efectivamente tiene.
Para caracterizar el comportamiento estacional de las VM y su variabilidad, en las Figuras 16 a 18
se presenta el transcurso anual de las medianas y los terciles.
37
Figura 16. Percentiles P33%, P50% y P66% de las Anomalas de las VM ocenicas a travs del ao.
Elaboracin propia
Puede observarse que de las VM ocenicas (ver Figura 16), las anomalas de temperatura en el
Pacfico (NI3, NI34) son mayores que en el Atlntico (ATNOR, ATSUR). Las VM atmosfricas (ver
Figura 17) de los Campos de viento (QBO50, ZON200), Intensidad de la conveccin (OLR) y
Campo de presiones (SOI) son ms variables que las VM ocenicas. La VM relativa a la actividad
de las manchas solares (WOLF), como ya se dijo, se trabaj con los valores originales, no con las
anomalas, por lo cual no es directamente comparable con las otras; sin embargo, se observa que
tiene un transcurso anual relativamente suave.
38
Figura 17. Percentiles P33%, P50% y P66% de las Anomalas de las VM de los campos de viento,
campos de presiones e intensidad de la conveccin a travs del ao. Elaboracin propia
Figura 18. Percentiles P33%, P50% y P66% de las Anomalas de las VM manchas solares en el ao.
Elaboracin propia
Las VM presentan variacin estacional ya que todo el sistema funciona debido a la variacin
estacional de la energa que se recibe del sol, por lo que es prctica comn en la literatura
relacionar el comportamiento de las VM con las estaciones astronmicas primavera (marabr
may), verano (junjulago), otoo (sepoctnov) e invierno (dicenefeb).
39
NI3, NI34 y el SOI son en general ms variables en otoo e invierno, y ATNOR entre mediados de
primavera y mediados de verano; ATSUR presenta un comportamiento tal de los terciles que no se
detectan meses ms marcadamente estables o variables que otros. La OLR es tambin ms
variable en invierno y a principios de primavera, y de nuevo en el mes de agosto, mientras que la
QBO50 es ms variable en verano y principios del otoo.
Al observar la diferencia entre la mediana y los terciles, se concluye que hay meses en los que el
comportamiento de algunas de las VM es ms inestable, por ejemplo, de julio a septiembre para el
viento en la baja Estratsfera (QBO50) y de noviembre a enero para la temperatura en el Pacfico
(NI3 y NI34); esto es de inters prctico para el pronstico estacional, ya que en los meses
intrnsecamente ms variables el pronstico podra verse afectado.
Para tratar de relacionar la variabilidad a nivel decadal de la precipitacin con el comportamiento
temporal de las VM, se prepararon grficos (Figuras 19 a 22) que muestran los valores de las
anomalas de las VM para cada mes de cada ao; en la Figura 23 aparece la misma informacin,
pero para los valores originales de WOLF.
Al analizar la VM anomalas de las temperaturas ocenicas en el Atlntico (Figura 19), puede
observarse que en ATNOR predominaron anomalas ligeramente positivas durante las dcadas
normal (19511960) y hmeda (19611970), as como en la dcada hmeda 19811990, aunque
sta fue ms variable, con las excepciones de marabrmay de los aos 1985 y 1989, cuando
estuvo fro; es de hacer notar que abril 89 fue un evento seco generalizado en el pas. Durante las
dcadas secas de 19711980 y 19911998** ATNOR estuvo mas bien fro, especialmente a
mediados de los aos 70; la excepcin ocurri entre finales de 1997 y todo 1998, lo cual
evidentemente refleja el efecto sobre el Atlntico del potente evento Nio 19971998. Para
ATSUR, los rasgos ms evidentes que se observan son un predominio de anomalas negativas
durante 19511960, y un predominio de anomalas positivas en la dcada lluviosa 19811990, as
como en la dcada seca 19911998**, excepto el ao fro 1992.
Para la VM Anomalas de las temperaturas ocenicas en el Pacfico (Figura 20), tanto en NI3 como
en NI34 es muy evidente el comportamiento cclico frocaliente, y se observan claramente los
eventos ENSO clidos (Nio) del 5758, 6566, 7273, 8283, 8687, 9192 y 9798, as como
los eventos ENSO fros (Nia) del 5556, 7172, 7376 y 8889; dado que en el Pacfico las
anomalas de temperatura son mucho mayores que en el Atlntico, valores entre 1 y 1 se
consideran normales (Hastenrath, 1986), y se observa su predominio en las dcadas normal 1951
1960 y lluviosa 19611970.
Es interesante observar que la literatura (Hastenrath, 1986; Enfield y Mayer, 1997; WMO, 1999),
reporta que el Nio tiende a producir sequas en el norte de Sudamrica; ahora bien, en las
dcadas 19811990 (lluviosa) y 19911998** (seca) se produjeron dos eventos ENOS clidos
(Nio) en cada una, y en ambos casos, uno de ellos fue un Nio excepcional (los dos eventos Nio
reportados como los ms fuertes del siglo, el 8283 y el 9798), lo que implica que la afirmacin
reportada por la literatura es una generalizacin gruesa. Tambin es interesante observar que la
dcada seca 19711980 concentra prcticamente seis aos seguidos con tendencias fras (tipo
Nia), slo interrumpidos por el Nio dbil del ao 72, y es la dcada en la cual la sequa estuvo
determinada por temporadas lluviosas muy pobres.
Otro rasgo interesante que se nota en la VM anomalas de las temperaturas ocenicas, ms
evidentemente en el Pacfico que en el Atlntico, es la aceleracin de los ciclos, es decir, un
incremento de la variabilidad. Para las variables cclicas, el aumento de la variabilidad puede darse
en dos aspectos, la magnitud de la variable o su alternabilidad, es decir, en la longitud del ciclo; por
ejemplo, en el caso del evento ENOS, cuyo ciclo la literatura reporta como de 2 a 7 aos, pueden
observarse eventos ms extremos que otros en trminos de magnitud (por ejemplo el 9798), y
tambin eventos ms cercanos entre s, por ejemplo entre los Nios 6566 y 7273 pasaron 6
aos, pero entre los Nios 8283 y 8687 pasaron slo 3 aos. El evento Nio extremo del 8283
40
parece haber marcado un hito a este respecto; los eventos Nio anteriores tuvieron perodos de
recurrencia en el orden de los 67 aos, mientras que los posteriores se repitieron en lapsos de
unos 4 aos. Este hecho lo reporta la literatura ms reciente, y se incluye como uno de los
hallazgos robustos del Panel Intergubernamental para el Cambio Climtico (IPCC, 2001),
especialmente en el caso de la fase clida del ENOS, es decir, se espera que durante este siglo se
presenten ms a menudo condiciones tipo Nio en el Pacfico.
Para QBO50 y ZON200 (Figura 21) el anlisis est restringido a un menor nmero de aos, ya que
slo se miden desde 1979; en el caso de la QBO50 se observa claramente el ciclo aproximado de
26 meses que le da nombre (Oscilacin QuasiBianual). En la dcada lluviosa 19811990 se
observa que, en general, el ciclo tendi a ser ms largo, mientras que en la dcada seca 1991
1998** fue menor, de unos 24 meses. Esta aceleracin en la "alternabilidad podra estar
relacionada con el que se observa para las temperaturas del Pacfico, pero dado lo corto del
perodo de registro satelital, es difcil asegurarlo. Para el ZON200 lo ms resaltante es que las dos
mayores reas de anomalas negativas (vientos del E) coincidieron con los eventos Nio extremos
para todo el siglo, el 8283 y el 9798; la mayor anomala positiva (vientos del W), por el contrario,
coincidi con el fuerte evento Nia 8889. Estos resultados confirman el esquema general
presentado anteriormente: NI3 y NI34 + (calientes) ZON200 (viento del E); NI3 y NI34 (fros)
ZON200 + (viento del W).
El Campo de presiones (SOI), que se muestra en la Figura 22, presenta un comportamiento muy
variable, pero se observan las coincidencias entre los valores negativos del SOI con los eventos
Nio y los valores positivos con los eventos Nia; en esta VM es tambin evidente en las ltimas
dcadas del siglo XX el aumento tanto de los valores extremos de las anomalas como de su
alternabilidad, y dada la relacin entre el SOI y el ENOS, se observa claramente la intensificacin
de valores negativos del SOI, correspondientes a los valores positivos de NI3 y NI34.
En cuanto a la Intensidad de la Conveccin (OLR), que se mide desde 1974 y se muestra en la
misma Figura, se observa que, en general, las pocas de mxima conveccin (OLR negativa) en el
Pacfico Central coinciden con aos Nio (82, 8687, 9192 y 97). De los eventos de mnima
conveccin, slo coinciden con eventos Nia el del ao 75 y el de 8889, pero OLR fue tambin
dbil en los meses de invierno (entre noviembre y febrero) de los aos 84, 85, 95, 96 y 98, que
corresponden a situaciones normales en el Pacfico.
41
Figura 19. Distribucin Temporal de las VM ocenicas en el Atlntico (ATNOR, ATSUR). Elaboracin propia
42
Figura 20. Distribucin Temporal de las VM ocenicas en el Pacfico (NI3, NI34). Elaboracin propia
43
Figura 21. Distribucin Temporal de las VM campos de viento en la alta Tropsfera (ZON200) y baja Estatsfera (QBO50).
Elaboracin propia
44
Figura 22. Distribucin Temporal de las VM campos de presin (SOI) e Intensidad de la Conveccin (OLR). Elaboracin propia
45
Figura 23. Distribucin Temporal de las VM manchas solares (WOLF) - Fuente: elaboracin propia
46
En el caso de la actividad solar (WOLF) que se muestra en la Figura 23 (ntese que no se trata de
anomalas), se observa claramente el ciclo de aproximadamente once aos de las manchas
solares, con sus respectivas fases de baja y elevada actividad. En este caso, al tratar con los
valores originales, a mayor nmero de manchas solares hay mayor actividad solar; dicha actividad
se manifiesta muy claramente en aspectos no climticos, como el aumento en la cantidad e
intensidad de las auroras boreales, as como en su influencia sobre los sistemas de radio y
satlites (interrupcin de las comunicaciones por tormentas solares). Los dos rasgos ms
evidentes se relacionan ambos con las fases de elevada actividad: la de mediados a finales de los
aos 50 fue muy fuerte, mientras que la de finales de los aos 60 y principios de los 70 fue muy
dbil.
Es conocido que varias de las VM presentan ciclos en el orden de los dos aos; entre ellas estn la
QBO50 y el evento ENOS, que no se analiz como tal en este trabajo, pero s a las dos VM que,
combinadas, lo manifiestan (la temperatura del Pacfico y el SOI). En vista de dicho conocimiento,
se decidi analizar el comportamiento de algunas VM luego de eliminar esta influencia cclica, para
lo cual se calcularon las medias mviles de 24 meses. En las Figuras 24 y 25 se muestran los
resultados para una seleccin de las principales VM.
En la Figura 24 se observa el comportamiento suavizado de la VM anomalas de las temperaturas
ocenicas para el Atlntico Tropical norte, el Atlntico Tropical sur y el Pacfico Ecuatorial en el
rea Nio 34. Puede verse que ATNOR y NI34 estuvieron en fase aproximadamente hasta finales
de los aos 70, luego ATNOR comenz a retardar respecto a NI34, y para la dcada 9198**
estaban desfasados; durante el Nio extremo 9798 ambos ocanos volvieron a estar en fase.
Figura 24. Media Mvil de 24 meses de las Anomalas de la Variable Macroclimtica temperaturas
ocenicas en el Atlntico Tropical norte (ATNOR), Atlntico Tropical sur (ATSUR) y Pacfico Ecuatorial
rea Nio 34 (NI34). Elaboracin propia
Las medias mviles de las anomalas de los Campos de viento y de la Intensidad de Conveccin
en la Figura 25, muestran una excelente concordancia entre ZON200 y OLR, es decir, entre la
conveccin profunda y el viento en la Tropopausa, que se mantuvieron siempre en fase.
47
Ambas VM estuvieron tambin en fase con QBO50 (el viento en la baja Estratsfera) hasta el 81.
Los aos del Nio extremo 8283 correspondieron a una oscilacin fuerte de la QBO50, con el 82
opuesto (OLR creciente, ZON200 y QBO50 decrecientes) y la primera mitad del 83 en fase (las 3
VM crecientes); la QBO50 volvi a desfasarse hasta mediados del 86, incluyendo una total
oposicin en 8485; las tres VM volvieron a estar en fase hasta mediados del 89, luego opuestos
durante 9091 y desde entonces han estado, grosso modo, en fase.
Figura 25. Media Mvil de 24 meses de las Anomalas de las Variables Macroclimticas Campos de
viento (QBO50, ZON200) e Intensidad de la Conveccin (OLR). Elaboracin propia
Como se puede observar, es difcil analizar el efecto de las VM sobre la precipitacin, puesto que
hay que considerar no slo la influencia de cada variable por separado, sino tambin las relaciones
entre ellas. El problema se complica por el hecho de que muchas de las variables son cclicas, con
perodos diferentes y que cambian a lo largo de los aos, bien sea en sus valores o en la
"alternabilidad, por lo que hay que considerar no slo el valor de la variable sino tambin si est en
fase u opuesta a otra variable, y si est presentndose en ciclos ms cortos o largos que lo normal,
entre otras cosas.
5.3.2.Anlisis de la Relacin Espacial entre la Precipitacin y las VM
Con las descripciones previas se ha demostrado que el comportamiento de la lluvia en el pas y el
de las VM estn relacionados, especialmente al nivel de la variabilidad decadal. Se observ que las
dcadas normal (5160) y lluviosa (6170) presentaron preponderantemente anomalas positivas
de ATNOR, anomalas neutras en el Pacfico (NI3 y NI34), y en las manchas solares se tuvo las
dos fases de mxima actividad con valores ms extremos (el mximo maximorum y el mximo
minimorum). ATSUR slo presento una seal clara en la dcada normal 5160, de anomalas
preponderantemente negativas. Por el contrario, en la dcada seca 7180 predominaron
anomalas negativas de ATNOR, NI3 y NI34, especialmente entre mediados de 1973 y comienzos
de 1976, coincidentes con la sequa de los aos 74 y 75 en el pas.
Las dcadas 19811990 y 1991-1998** fueron en Venezuela lluviosa la primera y seca la segunda,
pero con una mayor variabilidad espacial que las tres dcadas anteriores. En la dcada lluviosa
48
8190 la seal de ATNOR no fue clara, pero en la seca 9198** si, predominando anomalas
negativas. En ninguna de las dos dcadas fue clara la seal del Pacfico, excepto por el hecho de
que ste tambin aument su variabilidad. En ambas dcadas, la lluviosa y la seca, ATSUR
present preponderantemente anomalas positivas.
Para conocer con ms detalle el aspecto de la distribucin espacial de la relacin, se calcularon las
correlaciones lineales entre las anomalas de precipitacin de cada estacin y las anomalas de las
VM para el lag cero, usando las series de tiempo (es decir todos los meses). Las correlaciones
calculadas con los archivos del tipo Serie de tiempo fueron realizadas con diferentes longitudes
de registro, pero en todos los casos se tiene una serie suficientemente larga (ms de 200 pares de
observaciones), como para que los resultados sean significativos.
En la Tabla 5 se resumen los coeficientes de correlacin (r) significativos para los niveles de 5% y
10% de probabilidad, calculados en el primer caso segn el estadstico F de Fischer (Mead y
Curnow, 1983), y en el segundo caso con el estadstico t de Student (Bonnier y Tedin, 1966).
Tabla 5. Valores del Coeficiente de Correlacin (r) significativos al 5% y al 10% de probabilidad
para tres nmeros de pares de observaciones de las series
Pares de
observaciones
en las Series
500
Probabilidad
5%
Probabilidad
10%
Variables Macroclimticas
Longitud de registro de
Precipitacin
0,088
0,074
300
0,113
0,095
300
200
0,113
0,139
0,095
0,117
ATNOR, ATSUR, NI3, NI34,

SOI y WOLF
ATNOR, ATSUR, NI3, NI34,
SOI y WOLF
OLR
QBO50 y ZON200
49 aos (norte del

Orinoco)
30 aos (sur del
Orinoco)
25 aos
20 aos
La Tabla 5 indica que, para tener el mismo nivel de significancia que las estaciones al norte del
Orinoco, aquellas al sur del Orinoco deben presentar mayores valores de r, dado su menor perodo
de registro. El mismo criterio se aplica para las VM de menor registro, por lo que para un mismo
mapa de correlaciones, por ejemplo SOI, un rea continua desde el norte al sur del pas con r =
0,09 ser significativa al 5% al norte, pero no ser significativa, ni siquiera al 10%, al sur. En
general, los valores de r > 0,117 son significativos al 10% de probabilidad, tanto al norte como al
sur, para todas la VM analizadas.
Los valores de los coeficientes de correlacin en cada estacin, para cada VM, fueron
espacializados con el SURFER, con lo que se obtuvieron los mapas de correlacin espacial que se
muestran en las Figuras 26 a 28: precipitacin vs VM ocenicas, precipitacin vs VM atmosfricas
y precipitacin vs VM manchas solares, respectivamente. En las tres Figuras aparecen como
punteadas las reas de correlaciones no significativas para la probabilidad de 10%; ntese que la
escala de la Figura 26, correspondiente a las correlaciones con las VM ocenicas, es distinta a las
escalas correspondientes a los Campos de Viento e Intensidad de la Conveccin en la Figuras 27,
pero similar a la escala del Campo de Presiones en la misma Figura 27, y a la de las manchas
solares, en la Figura 28, debido justamente a las diferencias en las longitudes de los registros y en
consecuencia, en el nmero de pares de observaciones en cada serie.
En general, para todas las VM analizadas se detectan reas con correlaciones no significativas, y
el resto presenta coeficientes de correlacin significativos, pero que no superan el valor de 0,3.
Esto indica que, cuando en el futuro se vayan a definir ecuaciones predictoras de la precipitacin,
necesariamente debe tratarse de correlaciones mltiples, ya que es muy bajo el porcentaje de
varianza explicado por los coeficientes de regresin simples.
49
Casi todas las VM analizadas (excepto ATNOR) presentan, en las reas donde hay correlacin
significativa, un claro predominio de signo, por ejemplo, SOI presenta correlaciones significativas
siempre positivas, y NI3 siempre negativas. En las zonas donde la correlacin es no significativa,
se puede presentar un cambio de signo de la correlacin. Se comenzar analizando las
correlaciones con las VM ocenicas, para las cuales, los coeficientes de correlacin significativos
son: r > 0,074 para el norte del Orinoco y r > 0,095 para el sur.
En el caso de ATNOR, hay correlaciones significativas positivas (ocano caliente significa ms
lluvia) en las estaciones de la parte sur de los Llanos occidentales y centrales, todos los Llanos
orientales y Cuenca de Unare. Al norte del pas se observan r significativos al norte de Zulia, el
occidente de la Depresin Lara-Falcn, la zona costera de Aragua-Carabobo, la costa oriental de
Anzotegui y parte del Macizo del Turimiquire. Hacia el sur del pas, las correlaciones significativas
(r > 0.095) se concentran en el norte de Amazonas y sur de Bolvar. Hacia la fachada este del pas
las correlaciones se hacen positivas no significativas, cambian a negativas no significativas, y en el
Delta se hacen negativas significativas.
La temperatura del Pacfico presenta en NI3 y NI34, al igual que ATSUR, correlaciones negativas
con la precipitacin (ocano caliente tiende a producir menos lluvia). Estas VM presentan una
influencia espacial muy similar, alcanzando valores mximos de r entre 0,20 y 0,30 al sur de
Amazonas, la Gran Sabana, la zona NE de Bolvar, y en el caso de NI34, tambin en el extremo
ms oriental del Delta. El rea total donde la influencia es significativa ocupa prcticamente todo
Amazonas, Bolvar, el Delta, y los Llanos orientales hasta el Turimiquire. Es muy interesante
observar que en Bolvar, sobre la cuenca media del Caron, la correlacin se hace menor a 0,074
(no significativa), lo cual implica que incluso en un rea pequea (la cuenca del Caron tiene
95.000 km2 de superficie) una VM puede producir el mismo tipo de efecto, pero con diferente
intensidad. Hacia el norte del pas se distingue una zona de correlaciones significativas que afecta
la parte NW de Cuenca del Unare y llega a Barlovento. Hacia el occidente del pas, el rea con
correlaciones mximas (r entre 0,2 y 0,3) ocupa desde el sur del Lago de Maracaibo hasta
Tchira, y parte del Piedemonte Andino vertiente del Lago, pero el rea total de influencia
significativa es mayor, incluyendo hasta el centro de Zulia, los Andes, el Piedemonte Andino
vertiente llanera, la Depresin Lara-Falcn, y la parte NW de Aragua-Carabobo.
En la Figura 27 aparece la distribucin espacial de los coeficientes de correlacin entre la
precipitacin y las VM Campos de Viento (QBO50, ZON200), Campo de Presin (SOI) e Intensidad
de la Conveccin (OLR).
El campo de presiones del Pacfico, medido a travs del SOI, est muy relacionado con las
temperaturas de dicho ocano (como se vio en la Tabla 4, la correlacin entre estas dos VM es del
orden de 0,7); anteriormente se explic que, cuando el Pacfico ecuatorial est caliente, el SOI es
negativo, y cuando est fro el SOI es positivo; esto explica porqu el rea con correlaciones
significativas entre el SOI y la precipitacin, es muy similar a las de NI3 y NI34, pero con signo
positivo; las zonas con los mximos valores (r entre 0,20 y 0,30) son las mismas que para NI3 y
NI34. El SOI tambin refleja la zona de la cuenca media del Caron donde las correlaciones se
hacen no significativas, lo que refuerza la idea de que all ocurre un efecto local; la estacin en
cuestin es Urimn (Serial 6931), que se encuentra a baja altura (345 msnm) en una zona del valle
del Caron encajonado entre montaas.
La distribucin espacial de las correlaciones entre la precipitacin y la OLR muestra un patrn de
influencia ms reducido que los anteriores, y tambin con valores positivos, es decir, que a mayor
conveccin en el Pacfico central aumenta la precipitacin. En este caso, el valor de r significativo,
tanto al norte como al sur del Orinoco, es r > 0,095; dichos valores slo en encuentran en el
occidente del pas, con una distribucin muy similar a la del SOI, el sur de Amazonas, la parte
oriental de Bolvar y el sur del Delta. Esta VM, como SOI, NI3 y NI34 presenta sus mximos valores
(r > 0,25) en el extremo sur de Amazonas y al sur del Lago de Maracaibo.
50
Figura 26. Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Anomalas de la VM Temperatura
ocenica para el Atlntico Tropical Norte (ATNOR), Atlntico Tropical Sur (ATSUR), y Pacfico Ecuatorial en las reas Nio3 (NI3) y Nio3.4
(NI34), para el lag 0. Elaboracin propia
51
Figura 27. Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Anomalas de las VM Campos de
viento a 50 mb (QBO50) y a 200 mb (ZON200), Campos de Presin (SOI) e Intensidad de la Conveccin (OLR), para el lag 0. Elaboracin propia
52
Figura 28. Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de Precipitacin y los valores originales del Nmero de
Manchas Solares (WOLF), para el lag 0. Elaboracin propia
53
Para los Campos de viento (QBO50 y ZON200), son muy reducidas las zonas del pas con
correlaciones significativas (de hecho, para QBO50 el SURFER no consider ninguna, aunque en
realidad hay unas 4 estaciones con correlaciones ligeramente superiores al r significativo, que para
estas dos VM es r > 0,117). Para ZON200 las correlaciones significativas son positivas, es decir,
que a mayores velocidades del viento del Oeste aumenta la precipitacin, y la influencia se
concentra en el extremo sur de Amazonas, parte NE de Bolvar y el Delta. En el norte del pas, las
zonas influenciadas son Cuenca de Unare, Barlovento, centro y SW de Zulia y Piedemonte Andino
vertiente del Lago de Maracaibo.
En cuanto a las correlaciones entre la precipitacin y las manchas solares (WOLF), que se
observan en la Figura 28, la nica zona que aparece con correlaciones significativas positivas (ms
actividad solar implica ms lluvia) es el norte de Amazonas y Bolvar.
En general, son las fachadas oriental y occidental del pas, as como el centro y sur de Amazonas,
las regiones donde se concentra la influencia de la mayora de las VM analizadas, mientras que
hacia la zona nortecostera la influencia de las VM presenta mayores discontinuidades, lo cual
puede ser debido a efectos topogrficos locales, tal como fue claramente visible en el caso de la
Cuenca media del Caron en la estacin Urimn. Para los Llanos centrales y occidentales, por el
contrario, slo dos VM (ATNOR y ATSUR) presentan una influencia significativa.
Es interesante observar que una misma VM, por ejemplo NI3, afecta con el mismo signo a regiones
del pas con orgenes diferentes de la precipitacin: independientemente de que se trate del sur del
paralelo 4 N, donde siempre acta la ZCIT, o del oeste del meridiano 70 W, donde el patrn de
lluvia es bimodal, en esas zonas un Pacfico caliente tiende a producir menos lluvia. Esta
consideracin hace necesario tratar de definir si la influencia de la VM es uniforme a lo largo del
ao o, por el contrario, presenta variaciones estacionales. En efecto, para poder comprender por
qu en lugares con diferentes regmenes de precipitacin la influencia de la VM es similar,
deberamos ser capaces de definir sobre cul(es) de los mecanismos que producen (o inhiben) la
lluvia est actuando dicha VM, y el primer paso para ello es ver si la influencia se concentra en la
poca seca o en la poca lluviosa.
5.3.3.Anlisis de la Relacin Temporal entre la Precipitacin y las VM
Una vez determinado, a travs de las correlaciones con las Series de Tiempo, que las VM
influencian a la lluvia en diferentes reas de Venezuela, se analiz si a lo largo de todo el ao las
VM ejercen el mismo tipo de efecto, o lo cambian estacionalmente. Para ello se calcularon,
considerando todas las estaciones, los coeficientes de correlacin lineal por mes entre las
anomalas de precipitacin y las anomalas de las VM, para 5 diferentes lags (0, 1, 2, 3 y 4).
Este anlisis permite verificar la posibilidad de contar con indicadores para el pronstico con un
mes o ms de anticipacin. Por ejemplo, si la lluvia de enero se correlaciona con las VM de enero
(lag 0), diciembre del ao anterior (lag 1), etc.
Para calcular las correlaciones se utilizaron los archivos de tipo Todas, que tienen 4165 pares de
observaciones. Para simplificar el siguiente anlisis se fij arbitrariamente el valor de r > 0,1 como
significativo, y son los nicos que se graficaron. En los meses en que no aparece ninguna barra, es
que los valores del coeficiente de correlacin fueron menores que 0,1. En las Figuras 29 a 31 se
observan cambios estacionales tanto en el valor de la correlacin como en su signo; tambin se
observa que las diferentes VM ejercen mayor influencia en diversos momentos del ao.
Es de hacer notar que, si en un mes determinado, todos los lags presentan correlaciones del
mismo signo, y especialmente con valores similares, estamos probablemente en presencia de una
influencia real de la VM sobre la lluvia, y no de una correlacin esprea. En contraste, si para un
mes se presenta correlacin en un slo lag, o en varios lags pero con valores de r muy disimiles o,
finalmente, si cambia el signo de la correlacin con el lag, es mucho ms difcil aceptar que se trata
54
de una correlacin que refleja una causalidad fsica. En el caso de las VM ocenicas, que como ya
se dijo, manifiestan su efecto durante mayores perodos a causa de la enorme inercia del ocano,
los meses en los que se puede asegurar que la correlacin refleja una causalidad fsica, tienden a
ser consecutivos, como se observa en la Figura 29, donde ocurren seguidillas de meses con
condiciones similares tanto de signo como del valor de r.
Figura 29. Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las VM
ocenicas (ATNOR, ATSUR, NI3, NI34) para 5 lags. Elaboracin propia
En el caso de las VM atmosfricas (Campos de Viento, Campos de Presin, Intensidad de la

Conveccin), la literatura reporta tiempos de respuesta en el orden del mes, por lo que no es
necesariamente esperable que se presenten seguidillas de meses con condiciones similares de
valor de r y signo de la correlacin en todos los lags. Sin embargo, se pueden observar algunas en
casi todas las VM analizadas.
Es importante recalcar que las correlaciones que se analizan en este tem son espaciales, en el
sentido de que se est calculando la correlacin para todas las estaciones entre la lluvia en un mes
y la VM de ese mes y los 4 meses previos, mientras que en el tem anterior, aunque se obtuvieron
mapas de los Coeficientes de Correlacin, se trataba de correlaciones temporales, ya que se
calcularon para cada estacin usando los datos de todos los meses. En otras palabras, el anlisis
del tem anterior indica, por ejemplo, que NI3 est relacionado negativamente con la lluvia en la
Gran Sabana, pero no seala en que meses se da realmente esta relacin. En el anlisis que
sigue, se obtiene como resultado, por ejemplo, que NI3 se correlaciona negativamente con la lluvia
entre agosto y marzo, pero se ignora en cules estaciones.
55
Figura 30. Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las VM Campos
de viento (QBO50, ZON200), Campos de Presin (SOI) e Intensidad de la Conveccin (OLR) para 5 lags.
Elaboracin propia
Figura 31. Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y la VM Nmero
de Manchas Solares (WOLF) para 5 lags. Elaboracin propia
En principio, la solucin para conocer ambos factores (cules meses y cules estaciones estn
relacionados) parece obvia: calcular las correlaciones para cada mes en cada estacin. En este
trabajo exploratorio no se realiz, ya que implica el clculo de 45.900 correlaciones (85 estaciones
x 12 meses x 9 VM x 5 lags).
El Atlntico Tropical norte (ATNOR) presenta correlaciones positivas con la lluvia (ocano caliente
significa ms precipitacin) entre mayo y agosto, prcticamente en todos los lags, lo que indica en
principio que podra estimarse la precipitacin de inicios y mediados de la temporada lluviosa con
56
varios meses de anticipacin; para mayo los valores de r estn entre 0,15 y 0,25, y en junio son tan
elevados como 0,25 a 0,30. En enero y febrero hay correlaciones significativas en los lags 1 y 2,
ambas positivas, igual que en abril; es interesante que en marzo la nica correlacin significativa
sea negativa (ocano caliente significa menos lluvia), para el lag 1. En este primer anlisis se
observa algo que ser una constante con todas las dems VM: los coeficientes de correlacin
simple son muy bajos, en el mejor de los casos del orden de 0,30, lo cual implica que el porcentaje
de varianza explicado es muy pequeo (coeficiente de determinacin 0,09 o menos); esto permite
inferir que las ecuaciones de pronstico que se desarrollen deben usar correlaciones mltiples.
El Atlntico Tropical sur (ATSUR) presenta correlaciones un poco menores, en general negativas
(ocano caliente significa menos lluvia) entre diciembre y febrero, y luego entre abril y junio. Marzo,
tal como lo hizo en ATNOR, aqu tambin rompe la tendencia, y no presenta correlaciones
significativas en ninguno de los lags. Las correlaciones cambian de signo, para todos los lags, en
agosto y septiembre, indicando que para esos dos meses la lluvia aumenta si el ocano estuvo
caliente en cualquiera de los 4 meses anteriores. Los valores de r son, en general, menores que
los de ATNOR, excepto en septiembre (r entre 0,15 y 0,20) y enero, donde r alcanza 0,25.
El Pacfico ecuatorial, en las dos reas analizadas, Nio3 (NI3) y Nio34 (NI34), presenta un
comportamiento de las correlaciones con la lluvia bastante similar. En general, la correlacin es
negativa en 8 meses consecutivos (agosto a marzo) en todos los lags, indicando que un Pacfico
caliente provoca menos lluvia. NI3 presenta valores de r ligeramente mayores que los de NI34
entre agosto y noviembre, y entre diciembre y marzo es NI34 quien presenta r ms elevados. En
ambos casos los valores de r van disminuyendo entre agosto y noviembre, para aumentar
bruscamente en diciembre. Entre diciembre y enero se alcanzan valores de r entre 0,30 y 0,35.
En abril la correlacin se hace no significativa en todos los lags, y mayo es el nico mes en que se
invierte (ocano caliente significa ms lluvia), alcanzando en NI3 valores de r > 0,15. Junio y julio
son meses inestables, con valores negativos en algunos lags en NI3, mientras que en NI34 no
presentan correlacin significativa.
Para los Campos de Viento se observa un comportamiento de los coeficientes de correlacin ms
irregular que en las VM ocenicas; son mucho menos frecuentes las correlaciones en un mes para
todos los lags, y es difcil definir seguidillas de meses con condiciones similares de signo y valor
de r. En la Baja Estratsfera (QBO50), se observan correlaciones positivas (vientos fuertes del
oeste provocan ms lluvia) en febrero, marzo, abril, junio, agosto y octubre, y correlaciones
negativas entre noviembre y enero, y, para un solo lag, en julio. En mayo y septiembre las
correlaciones son no significativas en todos los lags. Los mayores valores de r se observan en
marzo (0,15 a 0,20) y enero (0,15 a 0,20). Los meses en los que aparecen al menos dos lags
consecutivos con valores similares de r y de signo son diciembre, enero, marzo, junio y agosto,
para los lags 1 y 2.
En el caso de esta VM es interesante observar que en el anlisis de las distribuciones espaciales
de las correlaciones, fue la nica que no mostr valores significativos en ninguna regin del pas;
es probable que la causa sea lo que se observa en estos resultados, ya que presenta 6 meses del
ao correlaciones positivas, 4 meses del ao correlaciones negativas y 2 meses del ao son no
significativas, adems de que los valores de r son, en todos los casos, relativamente pequeos.
Sera muy interesante, para esta VM en particular, realizar las correlaciones estacin por estacin y
mes a mes, para verificar si efectivamente no ejerce efecto o, por el contrario, ejerce un efecto
espacial y temporal bien diferenciado, pero que al analizarlo en conjunto se elimina.
El viento en la alta Tropsfera (ZON200) presenta en general correlaciones positivas (vientos
fuertes del oeste implican ms lluvia) en casi todos los meses, pero con mucha inestabilidad;
aquellos en los que la correlacin es ms segura, en el sentido de que presentan valores de r y
signo similares en casi todos los lags son enero, febrero y marzo, y luego en agosto y diciembre,
donde hay al menos 3 lags consecutivos con un comportamiento similar. Las correlaciones son
negativas slo en dos meses del ao, abril y mayo; en septiembre se presenta el caso de un lag
57
con correlacin negativa, mientras los otros 4 son positivos. Los mayores valores de r se presentan
en enero (0,25 a 0,30) y en mayo (0,15 a 0,20).
En el caso de los Campos de Viento es difcil determinar s la alternancia en el signo de la
correlacin de un mes al siguiente, o entre lags, son problemas de la serie o no; la atmsfera
responde generalmente en el orden de un mes, por lo que es posible que para este grupo de VM la
alternancia en el signo de las correlaciones si est reflejando situaciones reales.
La Intensidad de la Conveccin (OLR), presenta un patrn relativamente parecido al del SOI (como
se vio en la Tabla 4, la correlacin entre estas dos VM es de 0,49). Presenta correlaciones
positivas entre agosto y febrero (mayor conveccin en el Pacfico central significa ms lluvia), los
menores valores de r en noviembre y el aumento brusco de los valores en diciembre. En marzo,
como ocurre en el Atlntico, la correlacin se hace no significativa, y en abril y mayo, como en
ZON200, cambia el signo a negativo; Junio y julio presentan un comportamiento inestable. Entre
enero y febrero se encuentran valores de r entre 0,30 y 0,35, y en mayo de 0,20 a 0,25.
El campo de presiones (SOI) muestra su estrecha relacin con el Pacfico entre agosto y marzo,
cuando al continuo de correlaciones negativas en NI3 y NI34, corresponde el continuo de
correlaciones positivas del SOI. Como en el caso del Pacfico, tambin el SOI muestra
correlaciones que van disminuyendo entre agosto y noviembre, para saltar bruscamente en
diciembre a valores de r > 0,25. En abril, junio y julio las correlaciones son no significativas (la
nica significativa, positiva, es en junio la del lag 0, que no es til para pronstico). En mayo
aparece una correlacin negativa, pero slo para un lag. Esta VM, junto con NI3 y NI34, es la que
presenta coeficientes de correlacin ms altos, alcanzando en enero valores entre 0,30 y 0,35.
Adems de las VM analizadas en este estudio, hay un factor al que la literatura le asigna cada vez
ms importancia, que es la variabilidad intraestacional, controlada en gran medida por las
Oscilaciones MaddenJulian OMJ (NOAA, 1999); ste es un fenmeno cclico del Pacfico
ecuatorial, en el orden de los 4080 das; se cree que las OMJ pueden influir significativamente
tanto a la temperatura ocenica como al campo de presiones, y se est discutiendo que el evento
extremo Nio 9798 fue modulado fuertemente en sus inicios por estas OMJ. Quiz esta pueda ser
la explicacin del comportamiento errtico del SOI entre mayo y junio, as como de la inversin del
signo de las correlaciones en NI3 y NI34 en esos mismos meses.
5.3.4.Distribucin del Tipo de Influencia (Efectos) de las Variables Macroclimticas
Clasificadas sobre las Anomalas Clasificadas de Precipitacin segn los terciles
Una vez demostrado que las VM muestran una influencia diferenciada sobre la lluvia en el pas,
tanto en el espacio como a lo largo del ao, a continuacin se analiza si la interaccin VM
Precipitacin se da en todo el rango de valores de esos dos elementos o si ms bien tiende a
concentrarse en los valores extremos de alguno de ellos, para lo cual se utilizaron tablas de
contingencia.
Como ya se explic, en dichas tablas el nmero de casos se expres en porcentaje, por lo que
cada fila puede considerarse una tabla 3x1, donde se analiza la ocurrencia de un tipo de
precipitacin (por ejemplo, clase 1, lluvia escasa) segn cada una de las tres clases de VM. Bajo
la hiptesis nula de que las VM no afectan a la precipitacin, es esperable en cada celda de la fila
un valor aproximado al 33%. Para negar la hiptesis nula (las VM s afectan a la precipitacin) se
us como criterio el estadstico 2, calculando los porcentajes de casos significativamente
diferentes (muy altos y muy bajos respecto de 33%) para un nivel de significacin = 10%; dichos
umbrales resultaron 20,8% y 45,8% (Mead y Curnow, 1983). Como es sabido, en las tablas de
contingencia debe contarse con un mnimo de casos por celdas, en nmero absoluto no menor de
cinco; en este trabajo, el nmero absoluto de casos en todas las celdas de las 540 tablas de
contingencia (12 meses x 5 lags x 9 VM) es al menos 20 casos.
58
En la Tabla 6 se muestran ejemplos de las Tablas de Contingencia 3x3 calculadas para la lluvia de
junio con la VM ATNOR para el lag 0 (ATNOR6=junio) y el lag 1 (ATNOR5=mayo).
Tabla 6. Ejemplos de Tablas de Contingencia 3x3 entre la lluvia de Junio y la VM ATNOR para dos lags
(lag 0=junio=ATNOR6 y lag 1=mayo=ATNOR5).
La Tabla indica que si en una celda en particular, por ejemplo lluvia escasa (clase 1) con ATNOR
fro (clase 1) aparece un porcentaje de casos 50,9%, hay significancia estadstica que relaciona al
ATNOR fro en mayo con lluvias escasas en junio. Es importante sealar que esto no implica
necesariamente lo contrario, es decir, que ATNOR caliente significa lluvias abundantes, al menos
para el nivel estadsticamente significativo de = 10%. La razn es la no linealidad de muchas de
las interacciones en el Sistema Climtico, por lo que no es automticamente esperable que
condiciones opuestas del comportamiento de las VM produzcan reacciones contrarias en el
comportamiento de la precipitacin.
Slo si la celda complementaria, la de lluvias abundantes (clase 1) con ATNOR caliente (clase 1)
muestra un alto porcentaje de casos, se tendra la seguridad de que efectivamente la temperatura
del Atlntico Tropical norte produce un efecto sobre la lluvia en las dos direcciones (ocano fro
significa menos lluvia y ocano caliente significa ms lluvia). Se observa que ese no es el caso
para el porcentaje de casos de lluvias abundantes en junio asociadas a un ATNOR caliente en
mayo, que es de 40,3% (no supera el valor lmite de 45.8%, aunque la tendencia es a un nmero
grande de casos).
Otra observacin interesante en la Tabla que sirve de ejemplo, es que el porcentaje de lluvias
abundantes (clase 1) asociadas a un ocano fro (clase 1) es significativamente bajo (menor que
20,8%), por lo que se puede asegurar que en junio, si ATNOR estuvo fro en mayo, es probable la
ocurrencia de lluvias escasas y poco probable la ocurrencia de lluvias abundantes.
En general, del anlisis de las tablas de contingencia puede concluirse que en la enorme mayora
de los casos, la fila correspondiente a la lluvia normal (clase 0), presenta el porcentaje esperado de
casos, entre 20,8% y 45,8%, para las tres condiciones de la VM, lo que indica que son los valores
extremos de lluvia, por encima y por debajo, las que se ven ms influenciadas por las VM.
Asimismo, la columna correspondiente a las VM en el intervalo normal (clase 0, es decir, ocanos
ni fros ni calientes, Campos de Viento de baja velocidad sin importar su direccin, Campo de
Presiones con la alta presin normal en el Pacfico central, Intensidad de la Conveccin normal
en el Pacfico central, actividad promedio de Manchas Solares), no muestra influencia diferenciable
en la precipitacin, ya que los porcentajes de casos para los tres tipos de lluvias (escasas,
normales y excesivas), estn en el intervalo esperado de 20,8% a 45,8%. Este resultado indica que
son los valores extremos de las VM los que ms afectan a la precipitacin.
59
Hay sin embargo algunas excepciones a estos resultados generales. En las tablas de contingencia
se observa en ocasiones que la celda correspondiente a la clase normal (0) de una VM presenta
muy bajo porcentaje de casos, mientras que las celdas correspondientes a los valores extremos de
la VM muestran porcentajes de casos relativamente altos, aunque quiz no pasen los umbrales de
significancia. En dichos casos parece que la VM est modulando a (o siendo modulada por) otros
procesos, dado que no es lgico que condiciones opuestas de una VM produzcan el mismo tipo de
efecto sobre la precipitacin en el mismo mes; puede hacerlo en un mes diferente, si se invierte la
tendencia, como se vio anteriormente. Un ejemplo se muestra en la tabla de contingencia de lluvias
escasas (clase 1) en marzo con OLR de enero (lag 2). Los resultados indican que si la
Intensidad de la Conveccin es normal en enero, casi no se producen lluvias escasas (14,4%) en
marzo, pero tanto si la Intensidad de la Conveccin es fuerte (1) como dbil (1), predomina la
lluvia escasa (47,9% y 37,68% de casos, respectivamente).
Por el contrario, en ocasiones se tiene una celda de VM en la clase normal con un porcentaje muy
alto de casos, y una de las celdas extremas con un porcentaje muy bajo (ejemplo las lluvias
escasas clase 1 de abril con la QBO50 de febrero, lag 2). Aqu los resultados indican que si en
febrero el viento en la Estratsfera es dbil sin importar su direccin, predominan en abril las lluvias
escasas (50,27%), si el viento es fuerte del oeste (positivo), casi no hay lluvias escasas (16,69%) y
si el viento es fuerte del este (negativo) no se puede diferenciar ninguna influencia (33,02%). En
estos casos es muy difcil concluir respecto al resultado, ya que pueden estar ocurriendo al menos
tres situaciones distintas: a) la VM en condicin normal est generando realmente lluvias escasas;
b) la VM en una de las condiciones extremas impide que ocurran lluvias escasas; c) la VM est
modulando a alguna(s) otra(s) VM.
Hay otra consideracin que debe mantenerse en mente al hablar de una alta proporcin de casos,
ya que es posible obtener el mismo resultado por dos causas diferentes. Usando nuevamente el
primer ejemplo analizado, lluvia escasa (clase 1) en junio, relacionada con un ATNOR fro (clase
1) en mayo, en un 50,9% de los casos, se observa que dicho porcentaje puede resultar de
cualquiera de estas dos situaciones:
lluvias escasas en pocas estaciones del pas cuando ocurre un ATNOR fro en mayo, pero muy
frecuentemente (es decir, en muchos de los junios del perodo de registro),
lluvias escasas en muchas estaciones (evento seco generalizado) cuando ocurre un ATNOR
fro en mayo, pero slo en algunos de los junios del perodo de registro.
Los anlisis de distribucin espacial de los coeficientes de correlacin de la precipitacin con las
VM muestran concentracin espacial, por lo que siguiendo con el ejemplo, es ms probable que
esa alta proporcin de casos (50,9%) se deba a la primera situacin sealada, es decir, que las
lluvias escasas ocurren en muchos de los junios, si ATNOR estuvo fro en mayo, concentradas
espacialmente en las zonas de influencia de ATNOR sealadas en los mapas.
Desde el punto de vista prctico del pronstico estacional esto tiene una importancia fundamental;
slo en el caso de que exista una estabilidad temporal en la respuesta de la lluvia a ciertos
umbrales de las VM, es posible obtener ecuaciones con buen potencial de pronstico. Si la
situacin es que se tiene una respuesta generalizada de la lluvia en el espacio, pero muy irregular
en el tiempo, quiz puedan obtenerse buenas ecuaciones en la muestra de calibracin, e incluso
en la de validacin, pero no sern de utilidad prctica en el pronstico. Asimismo, esto evidencia la
necesidad de regionalizar los pronsticos, es decir, es difcil que una sola ecuacin predictiva
funcione bien para todo el pas.
Al analizar las 540 tablas de contingencia 3x3 se observa que existen porcentajes significativos al
10%, de lluvias extremas asociadas a los valores extremos de las VM en prcticamente todos los
meses, en los diferentes lags. Cuando se trate de encontrar ecuaciones para el pronstico
estacional, debern considerarse todos ellos, as como su interaccin. Sin embargo, para tratar de
simplificar un poco el anlisis en este nivel exploratorio, a continuacin se presenta un resumen de
60
las celdas de las diferentes tablas de contingencia que presentan valores significativos para =
0,1%, para las lluvias extremas escasas (clase 1) y excesivas (clase 1), en las Tablas 7 y 8,
respectivamente.
En dichos Tablas, el nombre de la VM incorpora un nmero que representa al mes para el que se
calcula la tabla de contingencia; as por ejemplo, OLR1 significa OLR en el mes 1, es decir enero;
NI3412A significa NI34 en diciembre del ao Anterior, etc. Para las VM del Campo de Vientos se
simplificaron los nombres eliminando el 50 de QBO50 y el 200 de ZON200, quedando por
ejemplo, QBO8, que significa QBO50 en el mes 8 (agosto) y ZON9, que significa ZON200 en
septiembre. Se sealan en color las celdas especficas que sobrepasan los umbrales significativos
de los porcentajes (20,8% y 45,8%).
Anlisis de las lluvias escasas (clase 1) segn los terciles

Analizando la Tabla 7, se observa que para la clase de lluvias escasas (1) segn los terciles, se
encuentran porcentajes de casos significativos al 0,1% de relaciones con las VM en casi todos los
meses, excepto enero y noviembre.
Tabla 7. Resumen de las Tablas de Contingencia 3x3 que presentan celdas significativas al 0,1% para
la clase de lluvia escasa (1) segn los terciles (Porcentajes de casos)
Clase de VM
Mes
VM
FEB NI310A
NI341
NI3412A
ZON12A
ZON11A
ZON10A
OLR1
OLR12A
OLR11A
OLR10A
SOI1
SOI12A
SOI10A
-1
22.79
17.34
19.10
51.14
56.16
50.00
63.96
49.82
46.08
57.82
47.62
48.59
45.07
27.72
38.73
33.36
33.79
25.34
26.71
20.61
40.21
41.99
27.04
41.37
32.48
37.23
48.85
43.92
46.91
15.06
18.49
23.28
15.42
9.96
11.92
15.12
11.00
18.30
17.07
11.49
11.91
11.61
19.52
24.16
12.67
42.61
25.95
20.88
29.13
23.02
13.77
12.51
Nivel de
Signif. Mes
0.0093
0.0077
0.0088
0.0002
0.0000
0.0054
0.0000
0.0000
0.0001
0.0000
0.0000
0.0032
0.0058
VM
MAY QBO3
ZON1
SOI1
JUN ATNOR5
ATNOR3
JUL OLR6
OLR5
AGO ZON5
OLR6
OLR5
SEP ZON6
ZON5
OLR8
Clase de VM
-1
0
1
27.50
20.62
29.10
50.90
49.01
51.04
30.27
42.38
57.35
37.30
40.12
46.09
48.57
52.25
53.83
51.37
23.93
31.14
23.95
50.08
40.55
24.51
50.61
43.00
39.71
34.95
20.23
25.54
19.51
25.16
19.83
25.00
19.64
17.06
18.12
12.07
16.87
14.19
16.47
16.91
19.26
16.02
13.91
12.98
14.13
14.31
11.96
26.57
22.98
12.31
17.08
15.57
Nivel de
Signif.
0.0007
0.0002
0.0011
0.0030
0.0047
0.0027
0.0025
0.0075
0.0000
0.0000
0.0064
0.0007
0.0014
MAR QBO11A 28.70 50.09 21.19 13.49 0.0037
OLR7
49.57 29.41 21.00 12.93 0.0048
ZON12A 49.90 33.14 16.95 16.28 0.0010

OLR1
47.90 14.40 37.68 17.68 0.0005
OLR6
OLR5
55.12 30.92 13.94 25.69 0.0000

40.13 49.57 10.29 25.22 0.0000
35.41 47.88 16.69 14.78 0.0020 OCT ZON9

33.02 50.27 16.69 16.91 0.0007
ZON6
56.13 23.66 20.20 23.56 0.0000

50.43 26.07 23.48 13.25 0.0041
ABR QBO3
QBO2
QBO12A 25.84 49.43 24.71 11.69 0.0085

OLR3
37.67 17.76 44.56 11.62 0.0088
DIC
OLR7
OLR6
48.77 29.14 22.08 11.47 0.0094

56.28 27.30 16.41 25.49 0.0000
ZON9
55.86 26.37 17.75 23.95 0.0000
Antes de comenzar el anlisis, recordaremos lo que significan las clases 1, 0 y 1 para cada una
de las VM utilizadas en el trabajo:
ATNOR, ATSUR, NI3 y NI34: 1 ocano fro, 0 normal, 1 ocano caliente;

QBO50 y ZON200: 1 viento fuerte E, 0 viento dbil en cualquier direccin, 1 viento fuerte W;
SOI: 1 situacin tipo Nio, 0 normal, 1 situacin tipo Nia
OLR: 1 conveccin fuerte (tipo Nio), 0 normal, 1 conveccin dbil (tipo Nia).
61
Las VM ocenicas que aparecen son NI3 y NI34, asociando febreros secos con un Pacfico
caliente en lags 1 y 2, corroborado por pocos febreros secos asociados a un Pacfico fro, y
ATNOR, asociando junios secos con un Atlntico fro en lags 1 y 3, corroborado por pocos junios
secos asociados a un Atlntico caliente.
De las VM del Campo de Vientos, aparece ms frecuentemente la alta Tropsfera (ZON200) que la
baja Estratsfera (QBO50). El ZON200 asocia a febreros, marzos, septiembres, octubres y
diciembres secos con vientos fuertes del E, preponderantemente en los lags 3 y 4. Los mayos
secos, por otro lado, se ven asociados a los vientos dbiles sin importar su direccin, en lag 4. En
general, casi todos los casos son corroborados por pocos de dichos meses secos asociados a
fuertes vientos del W.
Para la QBO50, su efecto se nota en la asociacin de marzos, abriles y mayos secos con vientos
dbiles en cualquier direccin, corroborado por pocos de estos meses secos asociados a vientos
fuertes del W. En esta VM las asociaciones aparecen fundamentalmente en los lags 2 y 4, es
decir, la lluvia responde al comportamiento que tuvo el viento dos cuatro meses antes.
La VM Campo de Presiones (SOI) aparece asociando a febreros y mayos secos, pero con
variacin del comportamiento. Los febreros secos ocurren con SOI tipo Nio en lags 1 y 2,
resultado esperable que confirma el efecto del Pacfico caliente. En cambio, los mayos secos se
asocian al SOI normal en el lag 2, es decir, en marzo. Ambos casos se corroboran por los pocos
febreros y mayos secos asociados al SOI tipo Nia.
En general, para las VM QBO50, ZON200 y SOI en la clase 1 es significativo el bajo porcentaje de
casos de lluvias escasas que producen, lo que pareciera indicar que de alguna forma los vientos
del W en altura y una alta presin ms fuerte que lo normal en el Pacfico central impiden o
debilitan a las situaciones sinpticas que producen buen tiempo (=poca lluvia), lo cual no implica
necesariamente, como ya se dijo, que tales condiciones vayan a producir lluvias fuertes.
La Intensidad de la Conveccin (OLR) muestra un comportamiento complejo. La conveccin fuerte
se asocia a febreros, septiembres y octubres secos, corroborados por pocos de dichos meses
secos si la conveccin es dbil; en febrero y septiembre la asociacin se presenta en los cuatro
lags, mientras que en octubre slo en los lags 3 y 4. Los marzos secos se asocian tambin a
conveccin fuerte en lag 2, pero hay pocos marzos secos si la conveccin es normal, mientras
que si es dbil no muestra influencia. Abril es un caso especial: se asocian muy pocos abriles
secos a OLR normal en lag 1, mientras que hay muchos abriles secos (aunque no transponen el
umbral de significancia) asociados tanto a la conveccin fuerte como a la dbil, lo cual es poco
lgico, e indica que probablemente la OLR de marzo est siendo modulada por algn otro proceso,
que se manifiesta en lluvias escasas en abril.
Los julios, agostos y octubres secos se asocian tanto a conveccin fuerte durante el mes de junio,
como a conveccin normal durante el mes de mayo; en general, se corrobora por pocos julios,
agostos y octubres secos si la conveccin fue dbil en mayo o junio, por lo que se puede asegurar
que si la conveccin es dbil, es poco probable que ocurran lluvias escasas, mientras que una
probabilidad elevada de que ocurran eventos secos depende, en los diferentes meses y para los
diferentes lags, de s la conveccin fue normal o fuerte.
Anlisis de las lluvias excesivas (clase 1) segn los terciles

A continuacin se presenta un anlisis similar, pero realizado para las lluvias de clase 1, es decir,
lluvias de normales a excesivas segn la clasificacin de los terciles.
Lo primero que se observa en la Tabla 8 es que se encuentran porcentajes de casos significativos
al 0.1% del efecto de las clases de VM sobre las lluvias abundantes slo en pocos meses, al
contrario que con las lluvias escasas, que ocurren prcticamente todos los meses. Para las lluvias
62
abundantes slo aparecen casos significativos de diciembre hasta junio, y ninguno entre julio y
noviembre; el mes que presenta influencia del mayor nmero de VM es enero. Como para la Tabla
7, se muestran sombreadas las celdas significativas para cada clase de variable.
Las nicas VM ocenicas que aparecen para el nivel de significacin de 0,1% son NI34 y NI3,
asociando eneros y febreros lluviosos con un Pacfico fro en el lag 1, lo cual muestra
complementariedad con la Tabla 7, por lo que podemos concluir que si el Pacfico est caliente
entre noviembre y diciembre disminuirn las lluvias en enerofebrero (produce temporadas secas
ms secas de lo normal), mientras que si el Pacfico est fro las aumentar (produce temporadas
secas ms lluviosas de lo normal). Por supuesto, este efecto debe estar localizado espacialmente
hacia el occidente y el sur del pas, as como en la fachada este, como lo muestran los mapas de
distribucin espacial de los coeficientes de correlacin ya analizados.
Tabla 8. Resumen de las Cuadros de contingencia 3x3 que contienen celdas significativas al 0,1%
para la clase de lluvia 1 (abundantes) segn los terciles (Porcentajes de casos)
Clase de Variable
Mes
ENE
FEB
MAR
ABR
MAY
JUN
DIC
Variable
NI3412A
NI3411A
NI3410A
QBO12A
QBO10A
QBO9A
ZON11A
ZON10A
OLR10A
OLR9A
SOI11A
SOI9A
NI31
NI341
OLR1
SOI11A
OLR2
QBO3
QBO2
OLR3
OLR2
OLR1
ZON3
OLR2
OLR1
OLR5
OLR2
SOI4
SOI8
-1
53,15
48,73
46,42
43,55
35,58
28,83
17,17
14,11
17,70
15,10
15,75
17,43
49,12
50,07
30,87
17,74
50,89
36,65
37,54
35,56
58,55
47,53
51,30
55,38
54,55
29,96
57,53
51,76
16,96
1
21,84
26,89
33,82
42,33
48,46
55,21
42,94
46,62
28,64
40,62
49,15
30,67
27,02
26,06
15,21
50,87
19,53
17,08
16,19
47,68
22,31
15,36
20,52
23,61
13,53
48,78
21,71
28,84
38,10
22,47
21,84
17,22
14,11
15,95
15,95
39,87
39,26
53,64
44,27
32,56
49,36
23,85
23,85
53,91
28,84
29,57
46,26
46,26
16,74
19,13
37,10
28,17
20,99
31,90
21,25
20,74
19,39
44,92
2
19,27
12,32
12,9343
16,65
16,08
24,0355
11,88
17,44
20,36
15,15
16,80
15,50
11,37
12,69
22,73
17,11
15,3895
13,26
14,36
14,5845
28,76
16,16
15,40
21,98
25,3339
11,87
26,37
16,62
12,75
Nivel de
Significancia
0,0002
0,0064
0,0048
0,0008
0,0011
0,0000
0,0078
0,0006
0,0001
0,0017
0,0008
0,0014
0,0099
0,0053
0,0000
0,0007
0,0015
0,0041
0,0025
0,0022
0,0000
0,0010
0,0015
0,0001
0,0000
0,0078
0,0000
0,0008
0,0052
El hecho de que no aparezca el Atlntico en la Tabla 8, permite concluir que el Atlntico fro en
mayo se asocia a junios secos, pero para este nivel de significancia (0,1%), no se puede afirmar
63
que el Atlntico caliente se asocie junios lluviosos, aunque para un nivel de seguridad menor (5%)
s puede hacerse la afirmacin. Tambin se tratara de un efecto espacialmente localizado segn
muestran los mapas de coeficientes de correlacin.
Para las VM del Campo de Viento, slo se observa su influencia en enero (QBO50 y ZON200),
abril (QBO50) y mayo (ZON200). Analizaremos primero el efecto de ZON200.
Ocurren pocos eneros lluviosos asociados al viento fuerte del E, para los lags 3 y 4, lo cual
corresponde con la asociacin de la Tabla 7 entre los febreros secos con vientos del E; aunque no
se trata del mismo mes, si se baja el nivel de seguridad a 95% se observa que la tendencia para
enerofebrero es consistente, esperndose eneros y febreros secos y pocos de ellos lluviosos si el
vientos fue fuerte del E en los meses previos; no se pueden asegurar eneros lluviosos con vientos
fuertes del W. El efecto del viento del E se invierte en mayo, pasando a asociarse en el lag 2 con
mayos lluviosos, mientras que hay pocos mayos lluviosos asociados a los vientos dbiles, lo cual
es complementario con lo que muestra la Tabla 7, mayos secos asociados al viento dbil; en este
mes tampoco se observa una influencia clara del viento del W.
La influencia del viento en la baja Estratsfera (QBO50), slo se manifiesta en enero y abril. En
este caso se asocian eneros lluviosos con vientos dbiles sin importar su direccin, en los lags 3 y
4, y pocos eneros lluviosos asociados con vientos fuertes del W. El efecto del viento dbil se
invierte en abril, pasando a asociarse pocos abriles lluviosos con el viento dbil, y porcentajes
similares en las celdas extremas, lo cual indica, como en el caso de la OLR en abril explicado en la
Tabla 7, que la QBO50 en abril tambin est modulando a otros procesos.
Para el Campo de Presiones (SOI) se observa en los meses del invierno astronmico la
concordancia esperable con el comportamiento del Pacfico: se asocian pocos diciembres, eneros
y febreros lluviosos con el SOI negativo en los lags 3 y 4, lo cual es el tpico efecto del Nio en
nuestra temporada seca (una temporada seca ms seca de lo normal). Los diciembres, eneros y
febreros lluviosos, sin embargo, no se relacionan automticamente con SOI tipo Nia, sino que
muestran un comportamiento complicado: los diciembres y eneros lluviosos se asocian tanto con
SOI normal como positivo, dependiendo del lag, mientras que los febreros lluviosos se asocian con
SOI normal. El SOI invierte su efecto en junio, pasando a asociarse con junios lluviosos en lag 2,
lo que indicara que las situaciones tipo Nio, adems de producir temporadas secas ms secas de
lo normal, invierten la tendencia en verano y provocan junios ms lluviosos de lo normal, mientras
que las situaciones tipo Nia provocan pocos mayos secos, como lo muestra la Tabla 7.
La influencia de la Intensidad de la Conveccin (OLR) es complicada; los eneros y febreros
lluviosos se asocian a conveccin dbil, lo cual es complementario con la Tabla 7 (febreros secos
con conveccin fuerte), lo que permite establecer un patrn estable. La OLR invierte su efecto en
marzo y mayo, asocindose los marzos y mayos lluviosos a la conveccin fuerte. En el caso de
marzo, la OLR est probablemente tambin modulando a (o siendo modulada por) otro proceso, ya
que el Cuadro 7 muestra as mismo marzos secos asociados a conveccin fuerte; esto tambin
podra interpretarse como que la OLR es un disparador de diferentes tipos de procesos, ya que lo
consistente en marzo es que si la OLR es normal, no hay lluvias extremas, ni por encima ni por
debajo. En el caso de abril, cuando para las lluvias escasas la OLR aparece como un modulador,
tambin para las lluvias abundantes se presenta una situacin compleja: dependiendo del lag, hay
muchos abriles lluviosos con conveccin normal y fuerte, y pocos abriles lluviosos para conveccin
normal y dbil.
El resumen de las influencias ms estables encontradas en el anlisis se muestra en la Tabla 9;
para simplificar, no se incluyen los lags para los que se notan las asociaciones.
Para verificar si las asociaciones aqu descritas se manifiestan al nivel decadal, se presenta en la
Tabla 10 una sntesis para cada dcada, de como fue el carcter general tanto de la lluvia como
de las VM ocenicas y del Campo de Presiones, y sus efectos. Se eligieron slo ATNOR, NI3 y
64
SOI porque son, entre las VM analizadas, las que presentan un comportamiento ms estable en los
meses particulares en que cada una de ellas acta, y adems porque son algunas de las VM para
las que se puede aceptar, con un elevado nivel de confianza, que tienen un efecto de doble va,
es decir, que si por ejemplo un ocano caliente provoca ms lluvia, ese ocano fro provoca menos
lluvia; esto ltimo tambin puede decirse, por ejemplo, de la OLR, pero slo para enerofebrero,
mientras que el resto del ao tiene un comportamiento inestable. El carcter general de la lluvia se
tom de los anlisis de variabilidad de los promedios nacionales del monto anual a nivel decadal, y
el de las VM, de manera muy gruesa, de las Figuras 19 a 23.
Tabla 9. Resumen de asociaciones entre nmero de casos de meses secos y lluviosos segn las
clases de VM
Mes
Eventos Secos
Muchos casos
Pocos casos
*
*
ENE
FEB
MAR
ABR
MAY
JUN
JUL
AGO
SEP
OCT
NOV
DIC
NI3 y NI34 +; ZON200

E; OLR ; SOI
ZON200 E; QBO50
dbil; OLR (a)
QBO50 dbil; OLR + y
(c)
ZON200 y QBO50
dbiles; SOI normal
ATNOR
OLR (0/ segn el lag)
OLR (0/ segn el lag)
ZON200 E; OLR
ZON200 E; OLR
*
ZON200 E
Eventos Lluviosos
Muchos casos
Pocos casos
NI3 y NI34 ; QBO50
ZON200 E; QBO50 W;
dbil; OLR +
OLR ; SOI
OLR +; SOI normal
OLR normal; SOI
NI3 y NI34 ; ZON200

W; OLR +; SOI +
ZON200 W; OLR
normal
QBO50 W
OLR (b)
OLR normal
QBO50 E y W (d)
QBO50 dbil
QBO50 W; SOI +
ZON200 E; OLR
ZON200 dbil
ATNOR +
OLR +
ZON200 W; OLR +
OLR +
*
ZON200 W
*
*
*
*
*
*
*
*
*
*
*
*
*
SOI
(a), (b), (c), (d): meses en que la VM sealada parece estar modulando a (o siendo modulada por) otros
procesos. Elaboracin propia
Tabla 10. Sntesis del comportamiento decadal de la lluvia y las VM ms estables
Dcada
ATNOR
NI3
SOI
5160 (Normal)
N/+
Variable
N/+
6170 (Lluviosa)
N/+
7180 (Seca)
N/
N/+
Muy
variable
Muy
variable
Temporadas secas ms lluviosas (por SOI N)
Muy
variable
N/+
Temporadas lluviosas ms lluviosas (por SOI ).

Temporadas secas ms secas (por NI3 + y por SOI )
8190 (Lluviosa
Muy variable
espacialmente)
9198** (Seca
Muy variable
espacialmente)
NOTA: N = normal;
N = normal;
+ = caliente;
+ = tipo Nia
CONSECUENCIA
Temporadas lluviosas ms lluviosas (por ATNOR +) y sin
lluvias extremas (por SOI +). Temporadas secas ms
lluviosas (por SOI N)
Temporadas lluviosas ms lluviosas (por ATNOR +).
Temporadas secas ms lluviosas (por SOI N)
Temporadas lluviosas ms secas (por ATNOR ) y sin
lluvias extremas (por SOI +). Temporadas secas ms
lluviosas (por NI3 , y por SOI N)
= fro
= tipo Nio
(Para las VM ocenicas)

(Para la VM campo de presiones)
65
Los resultados generales sealados en la Tabla 10 se confirman con el anlisis de la Diferencia

Porcentual de los promedios decadales para cada mes respecto al promedio del perodo de
registro total (19501998 al norte del Orinoco y 19691998 al sur del Orinoco).
En la dcada normal 5160 se tuvieron meses de la temporada lluviosa de normales a hmedos, y
marzos muy lluviosos hacia oriente. En la dcada lluviosa 6170 no slo hubo temporadas
lluviosas normales a hmedas, sino tambin fue hmeda entre noviembre y enero, aunque los
febreros y marzos fueron muy secos. En la dcada seca 7180 el efecto de temporadas secas ms
lluviosas por el SOI normal slo se manifest en marzo, mientras que los otros meses de la
temporada seca fueron muy secos, as como en los mayos y los julios de la temporada lluviosa,
especialmente hacia el centro y oriente del pas, lo que confirma la influencia del Atlntico fro. En
la dcada lluviosa muy variable espacialmente 8190 efectivamente se tuvieron febreros y abriles
lluviosos, mientras que el efecto del SOI normal no se not en los eneros, que fueron secos hacia
nor-occidente, ni en los marzos, que fueron secos en oriente y los Llanos occidentales. Durante la
dcada seca muy variable espacialmente 9198** efectivamente el lapso diciembrefebrero fue
extremadamente seco en todo el pas, pero los marzos fueron lluviosos; el efecto del SOI negativo
en la temporada lluviosa no se not, ya que mayo y junio fueron tambin secos, especialmente
hacia los extremos oriental y occidental del pas, lo que probablemente se deba (en oriente) a que
especficamente entre marzo y junio del 94 y en marzo del 97 ATNOR estuvo fro; de hecho marzo
97 aparece como uno de los eventos secos generalizados.
Sobre la base de todos los resultados del trabajo, se puede concluir que efectivamente las VM
tienen una influencia significativa sobre la precipitacin en Venezuela, notable especialmente a
nivel decadal; esa influencia se manifiesta, para cada VM, en momentos distintos del ao (hay
variacin estacional) y adems, en muchos casos, la lluvia responde con uno o ms meses de
retardo, lo que permitira, en principio, contar con elementos predictores para los diferentes meses
con varios meses de antelacin, aunque muy probablemente las ecuaciones deban ser del tipo de
correlacin mltiple o basarse en algn tipo de anlisis multivariado, debido al bajo coeficiente de
determinacin que muestran las correlaciones aqu calculadas.
Asimismo, hay una variacin espacial, por lo que las VM afectan significativamente a unas regiones
del pas con un signo, y a otras regiones con el signo opuesto o no las afectan, lo que permitira, en
principio, hacer el pronstico de forma regional; esto resalta la necesidad de ampliar este tipo de
anlisis al nivel regional, como se seal anteriormente, aumentando el nmero de estaciones
analizadas aunque se deba disminuir el perodo de registro.
Asimismo, se pudo notar un ritmo en la variabilidad a nivel decadal, (dcadas lluviosas y secas
alternadamente), lo cual est probablemente relacionado con el comportamiento de los ocanos
Pacfico y Atlntico, debido a la inercia de este componente del Sistema Climtico.
Es tambin notable el aumento de la variabilidad espaciotemporal en los ltimos 20 aos
(dcadas 19811990 y 19911998**); este resultado coincide con resultados al nivel internacional,
que sealan un punto de inflexin en las series estadsticas que caracterizan las condiciones
climticas del planeta (el promedio y la variabilidad), a mediados de los aos 70 (IPCC, 2000 a).
Los resultados sealan que, si se desarrollan ecuaciones predictivas, puede contarse con una
herramienta fundamental para optimizar la toma de decisiones estratgicas sobre manejo de
recursos hdricos, especialmente a mediano plazo y para grandes cuencas. Si efectivamente puede
pronosticarse con base en el comportamiento de los ocanos, aunque slo sea a nivel de
tendencias y no valores precisos, que los prximos 10 aos sern en general ms secos o ms
lluviosos que lo normal, las implicaciones en trminos de optimizacin del manejo, inversin en
obras, etc., seran altamente beneficiosas para el pas. Sera conveniente ampliar este tipo de
anlisis para el conjunto de las temporadas seca y lluviosa, ya que el pronstico, incluso a nivel de
tendencia, del carcter general de la prxima estacin lluviosa tendra tambin una enorme utilidad
prctica para muchos usuarios de la informacin climtica.
66
Para el sector productivo, por los momentos, la situacin no es tan promisoria. En el caso de la
agricultura, incluso el concepto de evento extremo es muy particular (Puche, 2000); en efecto, un
veranito de 1015 das en la etapa crtica del cultivo puede tener consecuencias desastrosas en el
rendimiento final, pero climticamente hablando puede tratarse de un evento relativamente normal.
En este caso, dado que se trata de seres vivos que responden en tiempos muy cortos a situaciones
de estrs, para que cualquier tipo de pronstico sea realmente til, es imprescindible conocer antes
tres aspectos:
a) el comportamiento de la lluvia con mucho mayor detalle espaciotemporal, incluyendo su
distribucin en perodos menores que un mes;
b) los valores umbrales del comportamiento de la lluvia que afectan a los seres vivos y a la
organizacin de las actividades agrcolas;
c) la situacin actual de los diferentes sistemas de produccin agrcola.
Desde este punto de vista, las VM atmosfricas, aunque de anlisis ms complicado, son
realmente promisorias, puesto que establecen cambios en los patrones de lluvia en tiempos de un
mes, por lo que deben continuar estudindose, especialmente con relacin a la distribucin de la
lluvia en perodos menores de un mes. Recurdese que en este trabajo las VM se analizaron al
nivel de los valores promedio espaciotemporales (todas las grillas, los 30 das del mes), pero
existen los datos de cada grilla y para cada da del mes en el Comprehensive OceanAtmosphere
Data Set (COADS), lo que permitira un anlisis temporal adecuado a las necesidades agrcolas.
En este orden de ideas, sera tambin de gran utilidad comenzar el estudio sistemtico de la
influencia de otros elementos del Sistema Climtico, como las Oscilaciones Madden-Julian, sobre
la lluvia en el pas, ya que se trata de variaciones a nivel intraestacional, con ciclos de 40-80 das,
y cuya influencia parece notarse al nivel de grupos aproximadamente semanales a decadiarios (Dr.
Daniel Pavn, Instituto de Estudios Ambientales, IDEAM, Colombia, comunicacin personal).
67
6. CONCLUSIONES
Los anlisis se realizaron en base a una muestra total de ochenta y cinco (85) estaciones, 67 al
Norte del Orinoco y 18 al Sur del Orinoco, con datos de buena calidad que tienen como
mximo un 15 % de datos faltantes; se considera que el nmero de estaciones representa
adecuadamente los principales rasgos del patrn de la precipitacin, pero su distribucin
espacial no es ptima, especialmente en Zulia y los Llanos centro-orientales.
No se seleccion un perodo comn para todo el pas, sino que se trabaj con dos :
9 1950-1998 (49 aos) para las 67 estaciones al Norte del Orinoco y
9 1969-1998 (30 aos) para las 18 estaciones al Sur del Orinoco.
Se hicieron las pruebas estadsticas de diferencia de medias y varianzas para las estaciones al
Norte entre los perodos 1950-1968 y 1969-1998 respecto del total 50-98; como no se
encontraron diferencias significativas entre ambos ni con respecto al total, se asumi que si el
50-68 no fue especialmente variable al Norte del Orinoco tampoco debi haberlo sido al Sur,
por lo que se decidi utilizar el doble perodo de anlisis, a fin de contar con mayor nmero de
casos para garantizar la estabilidad temporal de los resultados.
Es factible, dadas las limitaciones impuestas por la consideracin del doble perodo de anlisis
y de la irregular distribucin espacial de las estaciones, que algunos de los resultados aqu
sealados puedan ser matizados en posteriores anlisis, que consideren en ms detalle
espacial, el comportamiento de la lluvia a nivel regional.
La precipitacin muestra variabilidad a nivel Decadal: la Dcada 1951-1960 fue normal, la 6170 lluviosa, la 71-80 seca, la 81-90 lluviosa y la Dcada incompleta 91-98** seca, en lo que
parece un patrn alternado bastante consistente, aunque de los aos 80 en adelante hay
adems un aumento significativo de la variabilidad espacial. En las tres primeras Dcadas se
observ un vaiven espacial: cuando Oriente se comport muy lluvioso, Occidente fue seco, y
viceversa.
Las Dcadas normal y lluviosas (51-60, 61-70 y 81-90) se caracterizan porque los meses de la
temporada lluviosa fueron de normales a lluviosos en buena parte del pas, y en la 61-70
incluso parte de la temporada seca fue, en promedio, ms lluviosa de lo normal. Las Dcadas
secas (71-80 y la incompleta 91-98**) se caracterizaron porque alguno(s) de los meses de la
temporada lluviosa fue relativamente seco en alguna(s) de las regiones del pas; asimismo, en
esta Dcadas, especialmente la 91-98**, la temporada seca fue mucho ms seca de lo normal.
Del grupo de Variables Macroclimticas (VM) originalmente seleccionadas, se decidi, en base

a los resultados de la correlacin lineal, trabajar con un grupo de 9, clasificadas como sigue:
9 Ocenicas (4): temperaturas del Atlntico (ATNOR y ATSUR) y del Pacfico (NI3 y NI34);
9 Campo de presiones (1): ndice de Oscilacin Sur (SOI);
9 Campo de Vientos (2): Tropsfera a 200 mb (ZON200) y Estratsfera a 50 mb (QBO50);
9 Intensidad de la Conveccin (1): Radiacin Saliente de Onda Larga (OLR);
9 Manchas Solares (1): Nmero de Wolf (WOLF).
De la comparacin entre los grficos del comportamiento de las VM a lo largo del tiempo y los
promedios Decadales de precipitacin, se obtuvo una primera visin gruesa de la relacin
entre la lluvia en el pas y las VM, que muestran relacin al nivel Decadal. En el Atlntico Norte,
las Dcadas 51-60 y 61-70 fueron normales a calientes, la 71-80 preponderantemente fra, y
las 81-90 y 91-98** presentaron mucha variabilidad. En el Pacfico la temperatura del mar fue
variable en la Dcada 51-60, la 61-70 normal, la 71-80 de normal a fra, la 81-90 fue muy
variable y la 91-98** fue normal a caliente; el campo de presiones del Pacfico present
condiciones de normal a tipo Nia en la Dcada 51-60, muy normal en la 61-70, de nuevo de
normal a tipo Nia en la 71-80, normal en la 81-90 y tipo Nio en la 91-98**.
68
Los anlisis estadsticos de las relaciones entre las Variables Macroclimticas y la precipitacin
se realizaron para 5 lags (0, 1, 2, 3, 4), a fin de determinar si es posible el pronstico
estacional con al menos un mes de antelacin.
Existe relacin estadsticamente significativa entre el comportamiento de la lluvia y el de las

VM, como muestran los anlisis de correlacin lineal, aunque los valores del Coeficiente son
bajos (R entre 0,1 y 0,3), por lo que se espera que en los modelos predictivos haya que inclur
a muchas de estas variables, a fin de aumentar el porcentaje explicado de varianza.
Hay un efecto espacial diferenciado de las VM en el pas. Las VM ocenicas y del campo de
presiones presentan efecto en zonas ms extensas que las de campo de viento, intensidad de
la conveccin y manchas solares, que se concentran en ncleos sobre todo al Norte del
Orinoco. El Pacfico (tanto por la temperatura del mar como por el campo de presiones) afecta
la fachada Este del pas, Amazonas, centro y sur de Bolvar y el extremo Nor-Occidental (Zulia,
los Andes, Lara-Falcn y Yaracuy). El Atlntico Tropical Norte influencia a los Llanos y a parte
centro-oriental de la regin Norte-Costera.
Hay un efecto temporal diferenciado de las VM en el pas: no todas las VM ejercen influencia
en el mismo momento del ao, y una misma VM puede cambiar el signo de su influencia
dependiendo del mes. En general, se encuentra relacin con mayor nmero de VM para los
meses de la temporada seca que para los de la temporada lluviosa.
Al analizar mediante las tablas de contingencia el tipo de efecto de las VM clasificadas segn
los Terciles sobre los rangos extremos de precipitacin (lluvias altas y lluvias escasas), se pudo
conclur que, en general, son los valores extremos de las VM los que aparecen ejerciendo ms
efecto sobre los valores extremos de la precipitacin, aunque en algunos casos se observa un
mayor efecto del rango normal de la VM.
En algunos casos, especialmente con la conveccin (OLR) y los campos de viento (QBO50),
se observa que dichas VM funcionan como moduladores de otros procesos que son los que
realmente originan las lluvias extremas (altas y/o escasas).
Slo para algunas de las VM puede decirse con un elevado grado de confianza que funcionan
coherentemente en dos vas, por supuesto en su respectiva rea de influencia espacial;
fundamentalmente se trata de la VM ocenicas. El Pacfico caliente provoca temporadas secas
muy secas, y si est fro, temporadas secas ms lluviosas de lo normal; el Atlntico Tropical
Norte caliente provoca temporadas lluviosas muy lluviosas, y si est fro, temporadas lluviosas
pobres; para alguna de las otras VM puede afirmarse lo mismo, pero slo en uno o dos meses
del ao, mientras que de la mayor parte de las VM puede afirmarse que producen efecto con
uno de sus signos, pero no el efecto opuesto cuando cambian de signo.
Con relacin al efecto de las VM de los campos de viento (ZON200 y QBO50), intensidad de la
conveccin (OLR) y manchas solares (WOLF), su efecto es mucho ms complejo, ya que
parecen estar funcionando con un solo mes de retardo, lo cual era esperable ya que la
Atmsfera responde ms rpido que los ocanos. Distinguir un patron estable de influencia
sobre la lluvia ha sido casi imposible, aunque su influencia es muy importante por dos razones:
9 aparecen en muchos casos no con un efecto directo, sino como moduladores de otros
procesos;
9 a pesar de su inestabilidad, son las VM que muestran correlacin durante parte de la
temporada lluviosa, cosa que no hacen las VM ms estables (las ocenicas y el campo de
presiones).
Del cuadro resumen que se muestra en la pgina 65, se concluye que efectivamente las VM
afectan de modo consistente a la lluvia sobre Venezuela, al menos para el nivel Decadal, lo
que tiene gran importancia prctica. Si efectivamente la lluvia tiende a presentarse en dcadas
69
predominantemente secas o predominantemente lluviosas, el manejo de los recursos hdricos

podra optimizarse en base a estas consideraciones, especialmente en las grandes cuencas;
para el sector agrcola, sin embargo, hay que conocer con mucho ms detalle espacio-temporal
el comportamiento de la precipitacin, dado que en agricultura un evento extremo que
provoque grandes daos puede ser, climticamente hablando, un hecho normal. Desde ese
punto de vista, es necesario hacer hincapi en el anlisis de las VM atmosfricas, que son las
que presentan un tiempo de respuesta ms corto (un mes), as como comenzar a analizar la
influencia de procesos que controlan la variabilidad intra-estacional, como las Oscilaciones
Madden-Julian, a fin de poder tener pronsticos estacionales ms efectivos para la agricultura.
7. RECOMENDACIONES
A continuacin se sealan algunos temas de investigacin que se considera necesario realizar
para comprender mejor la dinmica climtica del pas y, en consecuencia, obtener aplicaciones
prcticas de este conocimiento mucho ms efectivas. Entre las principales lneas y temas de
investigacin que se recomienda continuar o iniciar estn los siguientes:
Continuar la lnea de investigacin para incorporar un aspecto de inters prctico

importantsimo en agricultura, como es el de la distribucin de la lluvia en perodos menores de
un mes (por ejemplo analizando el comportamiento del nmero de das lluviosos).
Continuar la lnea de investigacin amplindola a los ros como resumidores del

comportamiento integrado de las relaciones precipitacin-escorrenta, lo cual es de gran
importancia para la planificacin y el manejo de los recursos hdricos; en este caso se
recomienda tomar grandes cuencas (Orinoco, Apure, Caron, por ejemplo) para minimizar el
impacto sobre los datos de escorrenta que provoca la actividad antrpica.
Continuar la lnea de investigacin amplindola al comportamiento de los acuferos, ya que

stos, adems de su propia importancia como recurso hdrico fundamental en muchas
regiones del pas, controlan el comportamiento de los ros en temporada seca, y con tiempos
de retardo mayores, incluso en la temporada lluviosa.
Continuar la lnea de investigacin para obtener las ecuaciones predictivas del comportamiento
de la precipitacin a nivel estacional.
Continuar esta lnea de investigacin pero a nivel regional, lo que permitira ampliar el nmero
de estaciones aunque se disminuya el perodo de anlisis, adems de considerar los efectos
locales, muy especialmente los topogrficos.
Como investigacin bsica de la dinmica del Sistema Climtico a mesoescala, se recomienda

iniciar una lnea de investigacin sobre las relaciones entre el caudal del Orinoco y el
comportamiento del Atlntico Tropical Norte en el rea del Caribe; en este caso se recomienda
utilizar no los datos promedio espacio-temporales que se usaron en este trabajo, sino los
verdaderos valores de grilla del COADS (Comprehensive Ocean-Atmospheric Data Set).
Como investigacin bsica de la dinmica del Sistema Climtico a mesoescala, se recomienda

iniciar una lnea de investigacin sobre el efecto de las VM en los sistemas sinpticos (Ondas
del Este, Vaguadas en Altura, Restos de Frentes Fros) que atraviesan Venezuela, lo que
permitira no slo comprender mejor el funcionamiento de nuestro clima, sino tambin una
mejora sustancial en el pronstico estacional, ya que dichos sistemas sinpticos son los
causantes de una gran proporcin de las precipitaciones en el pas.
70
8. REFERENCIAS BIBLIOGRFICAS
Aguilera, J.A. (mimeografiado, s/f). Distribucin Estacional y Espacial de la Pluviosidad en

Venezuela. Caracas, Venezuela. 49 p.
Alvarez Bernal, F. (1983). Atlas Climatolgico de Venezuela 1951/70. Departamento de Ingeniera
Hidrometeorolgica, Facultad de Ingeniera, Universidad Central de Venezuela. Imprenta Universitaria,
UCV. Caracas, Venezuela. 132 p.
Barry, R.G., Chorley, R.J. (1985). Atmsfera, Tiempo y Clima. Ediciones Omega. Barcelona, Espaa.
500 p.
Bonnier, G., Tedin, O. (1966). Bio-Estadstica. Editorial Agribia. Zaragoza, Espaa.233 p.
Bradshaw, M., Weaver, R. (1993). Physical Geography An Introduction to Earth Environments.
Mosby Year Book. Saint Louis, USA. 420 p.
Cuadrat, J.M., Pita, M.F. (2000). Climatologa. Ediciones Ctedra Grupo Anaya. Madrid, Espaa.
496 p.
Garca, L.F., Guerra, A. (1993). Manual de Pronsticos Meteorolgicos. Departamento de Alerta
contra Inundaciones y Sequas, Direccin de Hidrologa y Meteorologa, Ministerio del Ambiente y los
Recursos Naturales. Caracas, Venezuela. 76 p.
Garca, L.F., Guerra, A. (1999). Identificacin de Patrones Sinpticos Meteorolgicos en Venezuela
Resumen 1988-1997. Asesora Meteo C.A., Proyecto Pronsticos y Proyectos Hidrometeorolgicos
D.F., preparado para la Direccin de Hidrologa y Meteorologa, Ministerio del Ambiente y los Recursos
Naturales. Caracas, Venezuela. 89 p. ms Anexos.
Gibbs, W.J; Maher, J.V.; Coughlan, M.J. (1978). Patterns of shorterterm change and variability En:
Climatic Change and Variability: a southern perspective. (135-199). Editores: A.B. Pittock, L.A. Frakes, D.
Jenssen, J.A. Peterson and J.W. Zillman. Cambridge University Press, Cambridge, Inglaterra. 455 p.
Goldbrunner, A. (1984). Atlas Climatolgico de Venezuela 1951/70. Servicio de Meteorologa,
Fuerza Area. Maracay, Venezuela. 68 p.
Gonzlez, M., Crdova, J.R. (1992). Anlisis Estadstico de Precipitacin Mxima Probable en
Venezuela, En: Ponencias del IV Encuentro Nacional de Clima, Agua y Tierra, IV Jornadas Nacionales
de Hidrologa, Meteorologa y Climatologa. 2 (231-247). Caracas, Venezuela. 410 p.
Henderson-Sellers. A., Robinson, P.J. (1984). Contemporary Climatology. Longman Scientific &
Technical, Londres, Inglaterra (Copublicado en EUA con John Wiley & Sons, Nueva York). 440 p.
Hidalgo, L., (1992). Reconsideracin de los Mecanismos Convectivos en la Regin Tropical de
Sudamrica, En: Ponencias del IV Encuentro Nacional de Clima, Agua y Tierra, IV Jornadas
Nacionales de Hidrologa, Meteorologa y Climatologa. 1 (150-156). Caracas, Venezuela. 410 p.
Intergovernmental Panel on Climatic Change (IPCC) (2000a). IPCC Working Group 1 Third
Assessment Report Government and Expert Review Draft. Chapter 1: The Climate System: an
Overview, 17 p. Geneve, Suiza.
(2000b). IPCC Working Group 1 Third Assessment Report Government and Expert
Review Draft. Chapter 2: Observed Climate Variability and Change, 130 p. Geneve, Suiza.
(2000c). IPCC Working Group 1 Third Assessment Report Government and Expert
Review Draft. Chapter 7: Physical Climate Processes and Feedbacks, 72 p. Geneve, Suiza.
(2001). Climate Change 2001: The Scientif Basis. Contribution of Working Group I to
the Third Assessment Report of the IPCC. Technical Summary of the Working Group I Report.
Cambridge University Press, Cambridge, Inglaterra. 83 p.
Isaaks, E..H., Srivastava, R.M. (1989). An introduction to Applied Geostatistics. Oxford University
Press, Nueva York, E.U.A. 561 p.
Lamb, H.H. (1972). Climate, Present, Past and Future. Vol. 1: Fundamentals and Climate Now.
Methuen & Co., Londres, Inglaterra. 613 p.
Loockwood, J.G. (1974). World Climatology. An Environmental Approach. Edward Arnold
Publishers, Londres, Inglaterra. 330 p.
(1979). Causes of Climate. Edward Arnold Publishers, Londres, Inglaterra. 260 p.
Makarau, A. (1992). Informe del Ponente sobre Sequa para la Undcima Reunin de la Comisin
de Climatologa. Organizacin Meteorolgica Mundial, La Habana, Cuba. Mimeografiado, 6 p.
Martelo, M.T. (2000a). Estudio sobre la posible influencia del Fenmeno El NioOscilacin del
Sur (ENOS) sobre el clima de los Llanos en Venezuela, En: Reunin de Expertos de las
Asociaciones Regionales AR-III y AR-IV sobre Fenmenos Adversos (111-118). Organizacin
Meteorolgica Mundial, 2000. Ginebra, Suiza. 254 p.
(2000b). Responsable del Proyecto CONICIT N 96001922 Reforzamiento de los
Sistemas de Informacin Hidroclimtica Digitalizada de Venezuela. Direccin de Hidrologa y
71
Meteorologa, Ministerio del Ambiente y los Recursos Naturales. Caracas, Venezuela. (3 CD con archivos
digitalizados de: Mapas mensuales y anual de Precipitacin, Mapas anuales de Temperatura Mxima
Media y Temperatura Mnima Media, 8 Mapas de Clasificacin Agroclimtica para 11 Estados al Norte
del Orinoco, Mapa Hidrogeolgico, 2000 Registros Geoelctricos. Fuente de los mapas y Registros
Geoelctricos: 21 estudios del Departamento de Agrometeorologa de diversos autores, estudios del
Departamento de Aguas Subterrneas de diversos autores).
Mead, R., Curnow, R.N. (1983). Statistical Methods in Agriculture and Experimental Biology.
Chapman and Hall, Londres, Inglaterra. 335 p.
Medina, M. (1994). Iniciacin a la Meteorologa. Editorial Paraninfo, Madrid, Espaa. 260 p.
Ministerio del Ambiente y los Recursos Naturales Renovables (s/f). El Clima de Venezuela.
Mimeografiado. Departamento de Agrometeorologa, Direccin de Hidrologa y Meteorologa. Caracas,
Venezuela. 7 p.
National Oceanic and Atmospheric Administration. (1999). Frequently Asked Questions. Tropical
Intraseasonal Activity. Climate Prediction Center, tomado en Internet de la direccin:
http://www.cpc.ncep.noaa.gov/products/intraseasonal/intrasesasonal_faq.html.
Organizacin Meteorolgica Mundial. (1990). Gua de Prcticas Climatolgicas. OMM-N 100.

Geneve, Suiza. 274 p.
Poveda, G. (2000a). Mecanismos Fsicos Asociados a la Variabilidad Interanual del Ciclo

Hidrolgico en Colombia, mimeografiado para: Taller sobre el Papel de la Bisfera en el Sistema
Climtico, el caso del Trpico Suramericano, organizado por la Universidad Simn Bolvar, Caracas,
Venezuela. 6 p.
Rosenberg, N.J. (1974). Micro-Climate: the biological environment. John Wiley & Sons. New York,
USA. 315 p.
Sanchez Carrillo, J. (1981). Mesoclimas en Venezuela. Centro Nacional de Investigaciones

Agropecuarias, Fondo Nacional de Investigaciones Agropecuarias, Ministerio de Agricultura y Cra.
Maracay, Venezuela. 34 p., 9 mapas anexos.
Statistical Graphics Corporation, Inc. (1988). Statgraphics: Users Guide System.
World Meteorological Organization (1999). The 19971998 El Nio Event: a scientific and technical
retrospective. InterAgency Committee for the Climate Agenda (WMO, IOC, UNEP and ICSU). WMO
N 905. Geneve, Suiza. 96 p.
(2000). Steering Committee on World Climate Programme Water. First Meeting. World
Climate Applications and Services Programme (WCASP) 51. WMO/TD-N 1048. Geneve, Suiza. 72 p.
72

Influencia Variables Macroclimaticas Clima Venezuela

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Influencia Variables Macroclimaticas Clima Venezuela

Uploaded by

Copyright:

Available Formats

Influencia de las Variables Macroclimticas en el Clima de Venezuela. Ing.

MsC Mara Teresa Martelo

Repblica Bolivariana de Venezuela

INFLUENCIA DE LAS VARIABLES

Caracas, Mayo 2003

Las Interacciones dentro del Sistema Climtico .............................................................. 9

La Circulacin General de la Atmsfera .......................................................................... 14

Descripcin somera de la variabilidad decadal de la precipitacin ............................. 30

Variacin en las Fechas de Inicio del Perodo de Crecimiento segn la temperatura

Comparacin de Medias y Varianzas para 3 perodos (datos : valores anuales de

Variables Macroclimticas seleccionadas

Resumen de las principales Correlaciones Cruzadas entre Variables Macroclimticas

Valores del Coeficiente de Correlacin (r) significativos al 5% y al 10% de probabilidad

Ejemplos de Tablas de Contingencia 3x3 entre la lluvia de Junio y la VM ATNOR

Resumen de las Tablas de Contingencia 3x3 que presentan celdas significativas al

Resmen de las tablas de contingencia 3x3 que presentan celdas significativas al

Resumen de asociaciones entre nmero de casos de meses secos y lluviosos segn

Sntesis del comportamiento decadal de la lluvia y las VM ms estables

Estadsticos Bsicos de los Promedios Espaciales de los valores mensuales y anual de la

Coeficientes de Correlacin lineal entre las Variables Macroclimticas. [soloclima en

Principales valores Percentiles para las Variables Macroclimticas.

Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Variables

Coeficientes de Correlacin entre las Anomalas de Precipitacin y las Variables

Coeficientes de Correlacin entre las Anomalas de Precipitacin clasificadas en cuatro

Tablas de Contingencia para la precipitacin clasificada en cuatro clases segn la

Ilustracin esquemtica de los componentes del Sistema Climtico

Distribucin Espacio-Temporal del balance radiativo del sistema Tierra-Atmsfera

Esquema de los cambios de densidad en la Tropsfera con la latitud

Esquema del origen de los Vientos del Oeste en la alta Tropsfera

Viento Zonal Promedio para los trimestres Diciembre-Febrero y Junio-Agosto

Variaciones en la Fecha de Inicio del Perodo de Crecimiento en aos Nia (1974)

Distribucin espacial de de las Ochenta y Cinco (85) estaciones pluviomtricas

Comparacin entre la Precipitacin Media Anual Digitalizada a partir de mapas a

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1951-1960

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1961-1970

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1971-1980

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1981-1990

Diferencias Porcentuales de los promedios Decadales de lluvia mensual 1991-1998**

reas para las que se definen las Variables Macroclimticas Ocenicas

Percentiles P33%, P50% y P66% de las Anomalas de las VM ocenicas a travs

Percentiles P33%, P50% y P66% de las Anomalas de las VM de los campos de

Percentiles P33%, P50% y P66% de las Anomalas de las VM manchas solares a

Distribucin Temporal de las VM ocenicas en el Atlntico (ATNOR, ATSUR)

Distribucin Temporal de las VM ocenicas en el Pacfico (NI3, NI34)

Distribucin Temporal de las VM campos de viento en la alta Tropsfera (ZON200)

Distribucin Temporal de las VM campo de presiones (SOI) e intensidad de la

Distribucin Temporal de las VM manchas solares (WOLF)

Media Mvil de 24 meses de las Anomalas de la Variable Macroclimtica

Media Mvil de 24 meses de las Anomalas de las Variables Macroclimticas

Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de

Distribucin Espacial de los Coeficientes de Correlacin entre las Anomalas de

Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las

Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y las VM

Coeficientes de Correlacin por mes entre las Anomalas de Precipitacin y la VM

A nivel internacional este tipo de anlisis se ha realizado fundamentalmente usando tcnicas

Determinar si el comportamiento espacio-temporal de la precipitacin en Venezuela presenta

Determinar si las Variables Macroclimticas influencian a la precipitacin del pas de manera

Determinar si las Variables Macroclimticas influencian a la precipitacin del pas de manera

Tiempo Atmosfrico: Estado instantneo de la Atmsfera en un lugar determinado; incluye el

Sistema Climtico: Conjunto de interacciones entre la Atmsfera, la hidrsfera, la litsfera, la

humanas que alteran la composicin de la Atmsfera global y que se adiciona a la variabilidad

Tropopausa: capa isoterma que separa a la Tropsfera de la capa inmediatamente superior, la

Estratsfera: segunda capa de la Atmsfera, caracterizada por un incremento de la

marco del Global Atmosphere Research Programme (GARP) de la Organizacin Meteorolgica