Probabilidades de ocurrencia de descargas eléctricas atmosféricas para la cuenca del río Mantaro – Perú, utilizando bandas de vapor de agua e infrarroja del satélite goes

Authors

  • Weidi Flores Universidad Nacional Agraria La Molina. Av. La Universidad. s/n. La Molina. Lima – Perú. Lima 12.
  • Delia Acuña Servicio Nacional de Meteorología e Hidrología. Jr. Cahuide 785. Jesús María. Lima - Perú.
  • Victoria Calle Universidad Nacional Agraria La Molina. Av. La Universidad. s/n. La Molina. Lima – Perú. Lima 12.
  • Jerónimo García Universidad Nacional Agraria La Molina. Av. La Universidad. s/n. La Molina. Lima – Perú. Lima 12.

DOI:

https://doi.org/10.21704/rea.v20i1.1690

Keywords:

, descargas eléctricas de origen atmosférico, temperatura de brillo, algoritmo, cálculo de probabilidades, satélite meteorológico, pronóstico de corto plazo.

Abstract

Se encontraron relaciones estadísticas para el cálculo de probabilidades de ocurrencia de rayos, tomando como base la diferencia de temperatura de brillo de la banda de vapor de agua e infrarrojo del satélite GOES y datos de ubicación de rayos del STARNET para las comunidades campesinas de Marcapomacocha (4 479 msnm) y Huayao (3 350 msnm) ubicadas en la cuenca del río Mantaro, en la sierra central de Perú. La aplicación de las relaciones en los algoritmos de probabilidades permitió hacer seguimiento a los sistemas de nubes que presentaron características definidas para la ocurrencia de descargas eléctricas atmosféricas. Los resultados de esta novedosa técnica demostraron que, realizando los adecuados ajustes en la precisión de detección de rayos, se pueden llegar a obtener óptimos resultados utilizando mayor cantidad de datos de ambos sistemas de detección e implementar un sistema de seguimiento de ocurrencia de descargas eléctricas atmosféricas, aportando información relevante ante estos eventos meteorológicos extremos, siendo muy útil para las diversas actividades económicas en el país.

Downloads

Download data is not yet available.

References

Abdoulaev S., Marques V.S., Pinheiro F.M.A., Martinez E.F.A. & Lenskaia O. 2001. Analysis of mesoscale system using-to-ground flash data. Braz. J. Geophys, 19(1): 75-95. DOI: 10.1590/S0102-261X2001000100006.

Arellano L.F. & Escalante S.C. 2014. Estimación del potencial de tormentas vía la combinación de imágenes satelitales e información meteorológica: caso de estudio al noroeste de México. Tecnología y Ciencias del Agua, 5(5): 39-61. http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S2007-24222014000500003&lng=es&nrm=iso.

Baker M.B., Christian H.J. & Latham J. 1995. A computational study of the relationships linking lightning frequency and other thundercloud parameters. Q. J. R. Meteorol. Soc., 121: 1525-1548. https://www.academia.edu/22402807/A_computational_study_of_the_relationships_linking_lightning_frequency_and_other_thundercloud_parameters.

Deierling W. & Petersen W.A. 2008. Total lightning activity as an indicator of updraft characteristics. Journal of Geophysical Research: Atmospheres, 113, D16210: 1 – 11. DOI: 10.1029/2007JD009598.

Falcón N. & Quintero A. 2009. Electrometeoros y aerosoles piroeléctricos en tormentas tropicales. Revista Ingeniería, 16(3): 27-33. http://servicio.bc.uc.edu.ve/ingenieria/revista/a16n3/art4.pdf.

Herzegh P.H. & Jameson A.R. 1992. Observing precipitation through dual polarization radar measurements. Bulletin of the American Meteorological Society, 73(9): 1365-1376. DOI: 10.1175/1520-0477(1992)073<1365:OPTDPR>2.0.CO;2.

Homeyer C.R. & Kumjian M.R. 2015. Microphysical characteristics of overshooting convection from polarimetric radar observations. Journal of the Atmospheric Sciences, 72(2): 870-891. DOI: 10.1175/JAS-D-13-0388.1.

Keith W. & Saunders C. 1990. Further laboratory studies of the charging of graupel during ice crystal interactions. Atmospheric Research, 25(5): 445-464. DOI: 10.1016/0169-8095(90)90028-B.

Kumjian M.R., Khain A.P., Benmoshe N., Ilotiviz E., Ryzhkov A.V. & Phillips V.T. 2014. The anatomy and physics of zdr columns: investigating a polarimetric radar signature with a spectral bin microphysical model. Journal of Applied Meteorology and Climatology, 53(7): 1820-1843. DOI: 10.1175/JAMC-D-13-0354.1.

Lang T.J. & Rutledge S.A. 2002. Relationships between convective storm kinematics, precipitation, and lightning. Monthly Weather Review, 130(10): 2492-2506. DOI: 10.1175/1520-0493(2002)130<2492:RBCSKP>2.0.CO;2.

Lee A.C.L. 1986. An operational system for remote location of lightning flashes using a VLF arrival time difference technique. J. Atmos. and Ocean. Tech., 3(4): 630-642. https://doi.org/10.1175/1520-0426(1986)003%3C0630:AOSFTR%3E2.0.CO;2.

Machado L., Lima W., Pinto O. (Jr.) & Morales C. 2009. Relationship between cloud-ground Lightning and Penetrative Clouds: A Multi-channel Satellite Application, 93: 304-309. DOI: 10.1016/j.atmosres.2008.10.003.

Mattos E.V., Machado L.A., Williams E.R., Goodman S.J., Blakeslee R.J. & Bailey J.C. 2017. Electrification life cycle of incipient thunderstorms. Journal of Geophysical Research: Atmospheres, 122(8): 4670-4697. DOI: 10.1002/2016JD025772.

Mecikalski J.R. & Bedka K.M. 2006. Forecasting convective initiation by monitoring the evolution of moving cumulus in daytime goes imagery. Monthly Weather Review, 134(1): 49-78. DOI: 10.1175/MWR3062.1.

Mecikalski J.R., Bedka K.M., Paech S.J. & Litten L.A. 2008. A statistical evaluation of goes cloud-top properties for nowcasting convective initiation. Monthly Weather Review, 136(12): 4899-4914. DOI: 10.1175/2008MWR2352.1.

WMO (WORLD METEOROLOGICAL ORGANIZATION). 2017. Thunderstorm (Section 3.2.4.1). In: WMO International Cloud Atlas. Manual on the Observation of Clouds and Other Meteors (WMO-No. 407). 2017 Edition. Consultado entre el 09 y 15 de febrero de 2021 de: https://cloudatlas.wmo.int/es/thunderstorm.html.

WMO (WORLD METEOROLOGICAL ORGANIZATION). 2020. WMO certifies Megaflash lightning extremes. In: Press Release [of WMO], Published 24 June 2020 Number: 26062020. Consultado entre el 09 y 15 de febrero de 2021 de: https://public.wmo.int/en/media/press-release/wmo-certifies-megaflash-lightning-extremes.

Petersen W.A. & Rutledge S.A. 1998. On the relationship between cloud-toground lightning and convective rainfall. Journal of Geophysical Research: Atmospheres, 103(D12): 14025-14040. DOI: 10.1029/97JD02064.

Saunders C.P.R., Keith W.D. & Mitzeva R.P. 1991. The effect of liquid water on thunderstorm charging. Journal Geophys. Res., 96(11): 007-017. DOI: 10.1029/91JD00970.

Snyder J.C., Ryzhkov A.V., Kumjian M.R., Khain A.P. & Picca J. 2015. A z dr column detection algorithm to examine convective storm updrafts. Weather and Forecasting, 30(6): 1819-1844. DOI: 10.1175/WAF-D-15-0068.1.

STARNET (Sferics Timing and Ranging Network). 2017. http://www.zeus.iag.usp.br/ftp/. Consultado entre junio de 2015 y noviembre de 2017.

Tessendorf S.A., Miller L.J., Wiens K.C. & Rutledge S.A. 2005. The 29 June 2000 supercell observed during steps. part i: kinematics and microphysics. Journal of the Atmospheric Sciences, 62(12): 4127-150. DOI: 10.1175/JAS3585.1.

Vila D.A., Machado L.A.T., Laurent H. & Velasco I. 2008. Forecast and Tracking the Evolution of Cloud Clusters (ForTraCC) Using Satellite Infrared Imagery: Methodology and Validation. Weather and Forecasting, 23(2): 233-245. American Meteorological Society. DOI: 10.1175/2007WAF2006121.1.

Wallace J.M. & Hobbs P.V. 2006. Atmospheric Science an Introductory Survey. 2 ed. University Washington.

Downloads

Published

2021-06-09

Issue

Section

Artículos originales

How to Cite

Flores, W., Acuña, D., Calle, V., & García, J. (2021). Probabilidades de ocurrencia de descargas eléctricas atmosféricas para la cuenca del río Mantaro – Perú, utilizando bandas de vapor de agua e infrarroja del satélite goes. Ecología Aplicada, 20(1), 53-63. https://doi.org/10.21704/rea.v20i1.1690