Caracterización
de la velocidad y dirección de viento en la provincia de Chimborazo<=
/span>
Characteriza=
tion
of speed and wind direction in the province of Chimborazo
Diana
Katherine Campoverde Santos. [1],
Amalia Isabel Escudero Villa. [2],
& Silvia Mariana Haro Rivera.[3]
Recibido: 05-12-2019 / Revisado: 22-12-2019 /Aceptado: 17-01=
-2020/
Publicado: 07-02-2020
Abstract. &nb=
sp; =
&nb=
sp; DOI: https://doi.org/10.33262/con=
cienciadigital.v3i1.1.1156
=
The present research main shows the behavior of sp=
eed
and direction wind in Chimborazo province; data were taken from 2014 to 201=
7,
it was applied in eleven weather stations located in strategic places inside
study area. Also, database was structured according to the WorPlot
software requirements for elaboration of wind roses. A descriptive statisti=
cal
analysis was performed to characterize their behavior, contrast of hypothes=
is
was carried out to identify significant differences on a monthly, annual and
stations. Similar behaviors were determined in the wind data between the
Keywords: Statistical Analysis, Wind Speed, Wind Direction,
Chimborazo Province.
Resumen.
La presente investigación
muestra el comportamiento de la velocidad y dirección de viento en la
provincia de Chimborazo, se tomaron los datos del 2014 al 2017 de 11 estaci=
ones
meteorológicas ubicadas en lugares estratégicos de la zona de
estudio. Se estructuró una base de datos de acuerdo con los
requerimientos del software WorPlot para la
elaboración de las rosas de viento. Se realizó un anál=
isis
estadístico descriptivo para caracterizar su comportamiento, se
efectuaron contrastes de hipótesis para identificar diferencias
significativas en forma mensual, anual y por estaciones. Se determinaron
comportamientos similares en los datos de viento entre las estaciones =
Tunshi y Urbina respecto a la dirección de vie=
nto en
todos los meses de cada año año; =
las
estaciones Alao, Cumandá, Espoch,
Matus, Multitud, Quimiag, San Juan y Tunshi presentan velocidades de viento que alcanzaron=
los
2.0 m/s, mientras que en Atillo, Tixán
y Urbina de 3.0 m/s a 4.5 m/s, determinándose que las zonas con mayor
disponibilidad de energía del viento se encuentra en Tixán
y Urbina con velocidades que superan los 4 m/s. Finalmente con la ayuda de
Google Earth se visualizó las rosas de v=
iento
en cada una de las 11 estaciones con el fin de mostrar característic=
as
predominantes de las variables estudiadas.
Palabras claves: Análisis
estadístico, Velocidad de viento, Dirección de Viento, Provin=
cia
Chimborazo
Introducción.
El estudio estadístico de
variables meteorológicas es de vital importancia, puesto que permite
identificar características relevantes de su comportamiento, a=
la
vez que son útiles y coadyuvan a estudios de diversas áreas c=
omo
por ejemplo: el análisis de la relación entre temperatura y
precipitación con Aedes aegypti (Bultó et al., 2008) que es el principal vector=
del
dengue común y hemorrágico (Cruz, Sebran=
go,
Hernández, Pina, Marquetti y Sánc=
hez,
2010); la variabilidad del cambio climático y su impacto en la salud
humana (Ortíz, Pérez, Rivero,
Pérez, Cangas y Lecha, 2008), la temperatura del aire, humedad relat=
iva,
velocidad del viento, radiación solar y precipitaciones para la
estimación de la evapotranspiración de tomate usando el modelo
interacción Suelo (Olioso, Ortega,
Valdés y Antonioletti, 2005); la tempera=
tura,
humedad relativa, nubosidad, dirección y velocidad del viento para
modelar la predicción de heladas mediante redes neuronales (Ovando, =
Bocco y Sayago, 2005); la descripción de la
variabilidad del viento, nivel del mar y temperatura en la costa norte de C=
hile
(Pizarro, Hormazabal, González y Yañez, 1994); frecuencia e intensidad de vient=
o en
Zaragoza de las medias mensuales según las direcciones de las rosas =
de
los vientos (Navarro, 1990), el análisis de estacional caracter&iacu=
te;stico
en las turbinas en Manisa eólicas así como el potencial energ=
ético
eólico, (Tamura, 2015), entre otros.
La energía eólica =
se
produce como resultado de la transformación de la energía
cinética del aire en movimiento, siendo aprovechada mediante el uso =
de
dispositivos y/o aerogeneradores que operan de forma aislada o en grupos (p=
arques
eólicos) convirtiéndola en energía de diversos tipos,
siendo la más común la energía eléctrica (De
la Cruz Buelvas, Valencia y Vanegas, 2018; Quiñonez, Huanca y Holguino, 2019).
En los últimos año=
s a
nivel mundial existe interés en buscar nuevas fuentes de energ&iacut=
e;a
que no generen contaminación en el medio ambiente (reduciendo efectos
nocivos) con fuentes renovables (energía eólica y solar) que =
no
requieran el uso de reservas de petróleo y gas (Carta, Ramíre=
z y
Velázquez, 2009; Watson, 2014). Köse
(2004) afirma que: dado que la energía eólica es un recurso l=
ocal
y de medio ambiente limpio y ecológico, es vital llevar a cabo la
viabilidad técnica y económica requerida, por lo que deber&ia=
cute;a
intensificarse investigaciones que viabilicen el uso de este recurso que
coadyuvará a la superación los problemas actuales de
energía (p. 1632) especialmente en aquellos que surgen por el
difícil acceso, pero que sin embargo están habitadas por fami=
lias
agricultoras.
Siendo la velocidad y
dirección de viento un recurso limpio y renovable del que se puede
aprovechar para cubrir necesidades de la sociedad en general , en la
última década, numerosos estudios relacionados con la
caracterización del viento y potencial de energía eóli=
ca
se han realizado en diferentes países (Gök=
çek
et al.,2007; B. Natalini y M. Natalini, 2013), la expresión utilizada en estos estudios de
energía eólica para representar las distribuciones de
viento es la distribució=
n de
Weibull.
, donde
: factor de escala y
: es el factor de forma (Ce=
llura
M., Cirrincioneb G., et al, 2008; Ciampoli, Petrini, y Augusti, 2011);
dichos estudios han detectado que la velocidad de los vientos disminuye
considerablemente durante los meses de invierno, estas variaciones son caus=
adas
por las diferencias de temperatura existentes por la desigualdad del
calentamiento en las diversas zonas de la tierra (Cúneo, Cerne y Lla=
no,
2018; Hennessey,
1977).
Sin embargo los resultados no se
pueden generalizar para todos los países del mundo debido a sus
características geológicas propias, es por ello que en Ecuado=
r se
viene incentivando el estudio de variables meteorológicas con el fin=
de
aprovechar estos recursos naturales y con ello a aportar con el cuidar el m=
edio
ambiente, por ello se han instalado estaciones meteorológicas en
diferentes provincias del país, entre estas en la provincia de
Chimborazo, la cual se encuentra a una altura de 156 m.s.n.m. hasta los 6310
m.s.n.m.
Los asentamientos poblacionales
están entre 2200 a 3300 m.s.n.m., según el Instituto
Geográfico Militar (IGM) cuenta con una extensión territorial
cercana a los 6500 km2 , tiene fértiles valles como los de
Guano, Riobamba y Penipe. La provincia tiene
importantes afluentes; entre los principales están: el Chambo, Chanchán y Chimbo. Debido a la presencia de ma=
sas de
aire amazónicas y oceánicas; y sobre todo la altura, se prese=
ntan
cuatro tipos de climas; a los 4.600 ms.n.m. es =
de
tipo glacial, entre los 3.000 y 4.000 ms.n.m. es
páramo, bajando; a los 2.000 ms.n.m. el =
clima
es mezotérmico seco; y en zonas cercanas=
a la
costa el clima es mesotérmico húmedo y s=
emi-húmedo
(Toainga, 2015), por esta presencia de masas se=
da la
necesidad de analizar el comportamiento metereol&oacut=
e;gico
del viento.
En Chimborazo, un estudio realiz=
ado
por Haro, Lema, Meneses y Escudero (2020), mediante el análisis de
componentes principales de velocidad de viento en el año 2015, enume=
ran
dos tipos de comportamientos; el primero corresponde a la región nor=
te
de la provincia y el segundo a la región del sub trópico, la
primera región se caracteriza por poseer zonas ubicadas a una altura
superior que los 1.000 ms.n.m. totalmente difer=
ente a
la segunda que tiene mayor diversidad con fauna y flora. Estos resultados s=
on útiles
para identificar zonas con velocidades de viento con posibilidades de produ=
cir
energía eólica.
La velocidad de viento est&aacut=
e;
estrechamente asociada a su dirección, es por ello que en el presente
trabajo de investigación se muestra un análisis
estadístico exploratorio sobre la velocidad y dirección del
viento, representando su comportamiento mediante rosas de viento graficadas=
en worplot usando google
La red está conformada po=
r 11
estaciones meteorológicas, ubicadas de manera estratégica en =
toda
la provincia (Tabla 1 y Figura 1).
Tabla 1:=
Ubicación geográfica de las
estaciones meteorológicas de la red INER-ESPOCH.
|
No. |
Nombre de la estació=
n |
Coordenadas (UTM) |
Altura (m.s.n.m) |
|
|
Longitud |
Latitud |
|||
|
1 |
Alao |
773499E |
9793173S |
3064 |
|
2 |
Atillo |
772610E |
9758048S |
3467 |
|
3 |
Cumandá |
706262E |
9755580S |
331 |
|
4 |
ESPOCH |
758398E |
9816965S |
2754 |
|
5 |
Matus |
777402E |
9827879S |
2685 |
|
6 |
Multitud |
722699E |
9764910S |
1483 |
|
7 |
Quimiag<=
/span> |
770084E |
9816393S |
2709 |
|
8 |
San Juan |
746596E |
9818849S |
3232 |
|
9 |
Tixán |
747159E |
9757355S |
4240 |
|
10 |
Tunshi |
764087E |
9806678S |
2840 |
|
11 |
Urbina |
754533E |
9835326S |
3642 |
Fuente:<=
/span> INER-ESPOCH-UNACH.=
Elaborado
por: Ramos, C., Pérez, N.
Fig=
ura
1. Ubicación geográfica estacion=
es
meteorológicas de la red INER-ESPOCH
Fue=
nte: Datos INER-ESPOCH-UNACH
Ela=
borado
por: Ramos, C., Pérez, N.
Se tomaron las velocidades de vi=
ento
por hora en m/s y sus direcciones en grados registrados del 2014 al 2017
mediante el anemómetro con calibración del 5% y almacenados en
Data Logger NRG Symphonie<=
/span>,
Los datos se analizaron de forma mensual, anual y por estaciones, de los cu=
ales
se hallaron velocidades medias y máximas, con el fin de identificar
diferencias significativas entre el comportamiento de dichas variables con
respecto al mes, año y estación, para lo cual se usó el
contraste de hipótesis t-student y para =
probar
su normalidad el test de Shapiro Wilks, posterior a este análisis se
utilizó el software libre Worplot especi=
alista
en la construcción gráfica de rosa de vientos para la
representación gráfica de los datos de viento de cada una de =
las
estaciones en estudio.
Este estudio fue realizado con el
fin de identificar patrones de comportamiento de las variables estudiadas, =
ya
sean en forma mensual, anual o por estaciones, sin embargo, se ha logrado
identificar la existencia de microclimas debido a la estructura
geográfica de la zona estudiada. Los resultados obtenidos
servirán de punto de partida para realizar análisis
estadísticos con técnicas avanzadas como: análisis
estadístico de datos funcionales, redes neuronales, modelación
espacial funcional para estimar datos en zonas no muestreadas,
imputación de datos metereológicos
faltantes, entre otros, tanto de las variables velocidad y dirección=
de
viento como de otras variable meteorológicas (Rivera y Escudero, 201=
7; Tamura,
2015), con el fin de conocer a profundidad el comportamiento de dichas
variables en la provincia de Chimborazo.
Metodolog&iacu=
te;a
La transmisión de la
información de las estaciones meteorológicas se la realiza
automáticamente mediante el servicio general de paquetes vía
radio (General Packet Radio Service)
(GPRS) en los lugares en donde existe cobertura de la red celular, y median=
te
un modem GOES en donde no existe dicha cobertura. En la figura 5 se explica=
el
proceso de transmisión de la información hasta el servidor
Protocolo de transferencia de archivos (en inglés File Transfer Protocol o FTP) FTP en la ESPOCH. Para la
transmisión GOES se realizaron gestiones, con el objetivo de obtener=
un
canal de transmisión por parte por parte del Instituto Nacional de
Meteorología e Hidrología (INAMHI). En el estudio se emplearon
datos por hora, información recolectada del Data Logger
y mediante una hoja de Excel, se estructuró una base de datos de acu=
erdo
con los requerimientos del análisis, considerando las variables de
velocidad y dirección de viento. La detección de atípi=
cos
se hizo mediante el método de direcciones ortogonales de máxi=
ma y
mínima curtosis de forma horaria por mes, este procedimiento consist=
e en
eliminar provisionalmente los datos extremos (sospechosos) en estas direcci=
ones
ortogonales, luego calcular la media y la matriz de covarianza con los dato=
s no
sospechosos y después identificar los datos atípicos (valores
mayores que p+3√2p) como aquellos que son extremos con la distancia d=
e Mahalanobis: calculada =
con
las estimaciones sin datos atípicos, este procedimiento se lo
realizó usando el algoritmo “Mskurt”
del paquete “Outliert” de Matlab
(Peña, 2013)
Para la elaboración de las
rosas de viento se dividieron los 360 grados en 12 sectores de 30 grados,
formando un grupo de cuatro direcciones primarias y ocho secundarias que so=
n:
Norte, Este, Sur, Oeste, Nor-noreste, Este-nore=
ste,
Este-sureste, Sur-sureste, Sur-suroeste, Oeste-suroeste, Oeste-noroeste,
Worplot View genera automáticame=
nte
una lista de horas donde existe faltantes, misma que aparece haciendo clic =
en
la opción Incomplete/Missing
Hours de la pestaña Met
Data Information, mismos que son imputados
automáticamente por el software, mediante el promedio de las cuatro
horas que rodean el dato faltante, a excepción de las dos primeras y=
dos
últimas horas, si faltan más de dos horas consecutivas toma l=
os
promedios de 5 o más datos a cada lado del vacío (Atkinson y
Russell, 1992).
Resultados=
Variaciones
anuales: En los
análisis estadísticos se obtuvieron las velocidades medias
anuales (Tabla 2), se halló que durante los cuatro años de
estudio el comportamiento es similar, verificando mayor variabilidad
aproximadamente de una unidad en las estaciones de Ala=
o,
San Juan, Tixán y Urbina. En el añ=
;o
2015 se identificó mayor velocidad de viento promedio en las estacio=
nes
de Alao, Atillo,
Tabla 2:=
Promedios anuales de velocidad de viento de las 11 estaciones
meteorológicas de la Provincia de Chimborazo.
|
N° |
Año |
2014 |
2015 |
2016 |
2017 |
|
1 |
Alao |
1,93 |
2,01 |
2,01 |
1,71 |
|
2 |
Atillo |
3,06 |
3,7 |
3,37 |
3,22 |
|
3 |
Cumandá |
0,74 |
0,6 |
0,48 |
0,36 |
|
4 |
Espoch |
1,89 |
2,13 |
1,98 |
1,82 |
|
5 |
Matus |
- |
1,52 |
1,68 |
1,36 |
|
6 |
Multitud |
0,42 |
0,39 |
0,2 |
0,21 |
|
7 |
Quimiag<=
/span> |
1,84 |
1,93 |
1,95 |
1,69 |
|
8 |
San Juan |
1,73 |
2,31 |
2,13 |
1,53 |
|
9 |
Tixán |
3,59 |
4,66 |
4,24 |
3,41 |
|
10 |
Tunshi |
1,4 |
1,46 |
1,47 |
1,65 |
|
11 |
Urbina |
3,76 |
4,53 |
4,11 |
3,53 |
Elaborado
por: Diana Campoverde
&n=
bsp;
Figura 2=
. Velocidades de viento medios por
estación meteorológica
Elaborado
por: Diana Campoverde
Para identificar el comportamien=
to
de las direcciones de viento predominantes se construyeron gráficos
apilados (Figura 3). Multitud, Tunshi y Urbina
muestran direcciones de viento predominantes hacia el N durante el 2014; por
otro lado, Atillo, Cumandá, Espoch, Multitud y Tixán<=
/span>
con direcciones de viento predominantes hacia el E; mientras que las estaci=
ones
Alao, Espoch y San =
Juan
presentan características de vientos predominantes hacia el ESE.
Cumandá presenta un viento predominante hacia el OSO y Quimiag hacia el NE (Figura 3 (a)).
Figura 3. Direcciones predominantes de veloci=
dad de
viento, (a) 2014, (b) 2015, (c) 2016, y (d) 2017.
|
|
|
|
(a) =
2014 |
|
|
|
|
|
(b) =
2015 |
|
|
|
|
|
(c) =
2016 |
|
|
|
|
|
(d) =
2017 |
|
|
&nbs=
p;
Elaborado por: Diana
Campoverde |
|
|
|
|
|
|
En el 2015 (Figura 3 (b)) los
vientos predominantes de Tunshi y Urbina se
direccionan hacia el N; Atillo, Cumandá,=
Espoch, Multitud y Tixán<=
/span>
hacia el E; Alao, Espoch y
San Juan hacia el ESE; Multitud hacia S y Matus hacia el NNO. En el a&ntild=
e;o
2016 (Figura 3 (c)) los vientos predominantes de Multitud, Tunshi
y Urbina son hacia el N; de Quimiag hacia el NE=
; de Atillo, Espoch y Tixán hacia el E; de Alao=
y San Juan hacia el ESE; Atillo hacia el ONO y =
Matus
hacia el NNO. En el año 2017 (Figura 3 (d)) los vientos predominante=
s de
Multitud, San Juan, Tunshi y Urbina son hacia e=
l N;
de Atillo, Cumanda,=
Espoch y Tixán hac=
ia el E;
de Alao hacia el ESE; Quim=
iag
hacia el S y Matus hacia el NNO.
Visualizando las gráfi=
cas
notamos que las estaciones de Cumandá, Multitud, Quimiag
y San Juan son estaciones en las cuales sus direcciones de vientos
predominantes no se mantienen constantes; Cumandá durante el a&ntild=
e;o
2014 su viento predomina hacia el OSO, durante el 2015 hacia el Este, en el
2016 hacia el ONO y regresa hacia el E en el 2017; Multitud presenta
direcciones de viento predominantes hacia el S durante los años
2014-2015 y cambia de dirección durante el 2016-2017, Quimiag presenta direcciones de viento predominantes =
hacia
el NE durante el periodo de tiempo del 2014 al 2016 e inciertamente el
año 2017 cambia de dirección hacia el S, San Juan presenta un
caso similar a esta estación, durante los años 2014, 2015 y 2=
016
sus vientos predominan hacia el ESE y en el 2017 su dirección cambia=
con
dirección hacia el N.
Geográficamente debido=
a
su ubicación las estaciones de Cumandá y Multitud se encuentra
ubicada cerca de la cuenca del rio Chanchan (SE), estas variaciones
están influenciadas por su ubicación en relación al ni=
vel
del mar y la altitud de cada estación.
Variaciones diarias: <=
/b>Los registros de cada estación contienen información de
mediciones de 1 hora entre cada registro durante las 24 horas del dí=
a,
de los 4 años de estudio, cuyo cambio típico consiste en la
velocidad del viento aumenta durante el día y desciende esa velocidad
durante la medianoche y el amanecer, estas variaciones son importantes como=
una
característica para evaluar ese potencial eólico.
Figura 4.<=
/b> Variación=
de la
velocidad viento promedio por hora del viento durante el período
2014-2017 de cada una de las estaciones meteorológicas instaladas en=
la
provincia de Chimborazo-ESPOCH.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
La
figura 4 presenta como característica más notable en las 11
estaciones que durante el día la velocidad del viento es superior al
medio día, es decir desde las 12:00 hasta las 18:00, luego esta
velocidad desciende hasta las 06:00, las estaciones de Cumandá y Mul=
titud
presentan un comportamiento especial, no se puede visualizar un patró=
;n
común en los 4 años de estudio.
Se construyeron rosas de viento
(Figura 5) de cada una de las estaciones para los 4 años en estudio,=
que
asocian tanto la distribución de la velocidad como de la
dirección. Las rosas de viento muestran las
direcciones predominantes y las velocidades en 5 clases de de rango por colores: el color verd=
e para
velocidades mayores a 9 m/s, el color azul para velocidades entre 7 y 9 m/s=
, el
color rojo para velocidades entre 5 y 7 m/s, el amarillo para velocidades d=
e 3
a 5 m/s y el color gris claro para velocidades de 0 a 3 m/s.
Finalmente
se exportó las rosas de viento a Google Earth
de las 11 estaciones meteorológicas con el fin de visualizar y asoci=
ar
las variables estudiadas con su posición geográfica (Figura 6=
).
Los resultados mensual=
es
de velocidad y dirección de viento dieron lugar a 528 rosas de viento
(12 meses, 11 estaciones y 4 años), motivo por el cual no se las
presenta en este paper, sin embargo, en la
discusión, se hace hincapié en las características
encontradas en su comportamiento.
<=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
mso-fareast-font-family:"Times New Roman"'>
Figura 6. Rosas de viento de las 11 estaciones
meteorológicas instaladas en la provincia de Chimborazo-ESPOCH de 20=
14
al 2017.
Elaborado por: Diana Campoverde
Conclusiones.
·
El análisis correlacional de las direcciones de vi=
ento
con la temperatura del aire, radiación solar global, humedad y
precipitación no mostró influencia de dichas variables en su
comportamiento, en la actualidad una de las problemáticas es el
desarrollo de fuentes energéticas a partir de recursos eólico=
s,
esto ha motivado a realizar estudios de caracterización que permitan
evidenciar el alto potencial de energía eólica por explorar y
utilizar, que permitan seleccionar de manera decisiva la aplicación =
de
este recurso.
·
El análisis anual y mensual identificó
estaciones con direcciones de viento predominantes estables en: Alao hacia el SE, Atillo =
hacia el
E, Espoch hacia el E, Matus hacia el NNO, Tixán hacia el E, Tunshi<=
/span> y
Urbina hacia el N. Notándose un comportamiento diferente en
Cumandá al estar ubicada en la cuenca del rio Chanchan (SE) y el
río Tixan (NE) provocando cambios brusco=
s en
la dirección de viento, en aproximadamente un ángulo de 135
grados. Las direcciones de viento predominantes durante los años de
estudio se clasificaron en dos grupos: de enero a junio los vientos son
predominantes hacia el E en los cuatro años de estudio y de julio a
diciembre presentan vientos predominantes con dirección hacia el SO =
en
los años 2015 y 2016, mientras que en los años 2014 y 2017
presentó vientos predominantes hacia el NO, característica qu=
e no
está estrechamente asociado con las época cálida y
lluviosa de la región costa (de junio a abril); Multitud está
influenciada por las microcuencas de los ríos M=
aguazo
(NE) y Chimbo (SO) generando direcciones de viento con menor estabilidad de
enero a junio con una dirección de N a S (2014, 2015, 2016 y 2017) y
mayor estabilidad de julio a diciembre con vientos predominantes al E (2014=
y
2015), al SO, S y SE (2016) y al N (2017). Ligeramente se detectaron
comportamientos variantes aproximadamente cada 4 meses en ángulos de=
45
hasta 180 grados, no se identificó comportamiento asociado a l=
as
épocas secas y lluviosas de la sierra y costa; =
Tixán
se encuentra en el centro de las microcuencas de los ríos Zula (SE) y Sibambe (NE)
provocando vientos predominantes con dirección estable hacia e=
l E;
Espoch se halla dentro de la microcuenca del
río Chibunga, la dirección predom=
inante
de viento varía de N, NE, E, SE y S durante todo el año.
·
Los resultados obtenidos a partir de este estudio identif=
icaron
que las estaciones con más altas velocidades de viento son Tixán y Urbina, ya que presentan registros de
velocidades entre los 3 y 4,0 m/s del 2014 al 2017, causando la posibilidad=
de
aplicar modelos de generación de energía mediante molinos de
viento previo a un estudio de rentabilidad.
·
El comportamiento de las velocidades y direcciones de vie=
nto
no presentan patrones comunes de comportamiento, es decir, la provincia de
Chimborazo presenta múltiples ecosistemas debido a la diversidad de
comportamientos de dichas variables, puesto que van en función de la
ubicación geográfica de la zona.
·
El software Wrtplot no destac=
a las
características atípicas de la velocidad y dirección de
viento, los resultados no mostraron diferencias significativas entre el
análisis de estas variables con y sin un proceso previo de limpieza =
de
datos, por lo que es una ventaja, ya que al no poseer suficiente conocimien=
to
estadístico para realizar dicho análisis no imposibilita la
detección de vientos predominantes. Otra ventaja del software, se
destaca al momento de realizar la imputación; W=
rtplot
realiza el relleno automático de datos faltantes sin ningún
problema.
Referencias
bibliográficas.
Atkinson,
D., & Russell, F. L. (1992). Procedures
for Substituting Values for Missing NWS Meteorological Data for Use in
Regulatory Air Dispersion Models.
Bichet<=
/span>, A., Wild, M., Folini=
, D.,
& Schär, C. (2012). Causes for decadal
variations of wind speed over land: Sensitivity studies with a global clima=
te
model. Geophysical Research Letters, 39(11).
Bultó, P. L. O., Rodríguez, A. E. P., Valencia, =
A.
R., Carreras, A. P., Cangas, J. R., & Estela, L. B. L. (2008). <=
span
lang=3DES-EC style=3D'font-size:12.0pt;line-height:115%;font-family:"Times =
New Roman",serif'>La
variabilidad y el cambio climático en Cuba: potenciales impactos en =
la
salud humana. Revista Cubana de Salud Pública, 34(1).
Carta,
J. A., Ramírez, P., & Velázquez, S. (2009). A review of wind speed probability distributions u=
sed
in wind energy analysis. Case studies in the Canary Islands. Renewable and
Sustainable Energy Reviews, 13(5), 933–955.
Cellura
M., Cirrincioneb G., & Miraoui,
A. (2008). Wind speed spa=
tial
estimation for energy planning in Sicily: Introduction and statistical
analysis. Renewable Energy, 33(6), 1237-1250.
Ciampoli, M., Petrini, F., &am=
p; Augusti, G. (2011). Performance-based wind engineerin=
g:
towards a general procedure. Structural
Safety, 33(6), 367-378.
Cruz,
C., Sebrango C., Hern&aacu=
te;nez,
M., Pina, C., Marquetti, M., & Sánch=
ez, L.
(2010) Comportamiento estacional y temporal de Aedes a=
egypti
(Diptera: Culicidae=
) en
Sancti Spíritus, 1999-2007. Revista Cubana de Salud Públic=
a,
62(1), 1-10.
Cúneo,
L. M., Cerne, S. B., & Llano, M. P. (2018). Descripción prelimin=
ar
de la velocidad y dirección del viento medio mensual en Trelew. Centro Argentino de Meteorólogo=
s; Meteorológica;
44; 1; 4-2018; 66-80
De
la Cruz Buelvas, J., Valencia Ochoa, G., & Vanegas Chamorro, M. (2018).=
Statistical study of wind speed and direction in t=
he
departments of Atlántico and Bolivar in Colombia. Ingeniare.
Revista chilena de ingeniería,
26(2), 319-328.
Gökçek,
M., Bayülken, A., & Bekdemir,
S. (2007). Investigation =
of
wind characteristics and wind energy potential in Kirk=
lareli,
Turkey. Renewable<=
/span>
Energy, 32(10), 1739-1752.
Haro,
S., Zúñiga, L., Vera, L., Meneses, A., & Escudero, A. (20=
18).
Métodos de clasificación en minería de datos
meteorológicos.
Hennessey Jr, J. P. (1977). Some aspects of wind power statistics. Journal of applied meteoro=
logy,
16(2), 119-128.
Köse, R. (2004). An evaluation of wind energy potentia=
l as
a power generation source in Kütahya, Turk=
ey. Energy
conversion and management<=
/span>,
45(11-12), 1631-1641.
Natalini,
B., & Natalini, M. (2013). Revisión =
de
velocidades de viento extremas en tres localidades del sur de Argentina.
Navarro,
M. (1990). Frecuencia e intensidad del viento en Zaragoza. Geographicalia,
27, 63-75.
Olioso,
A., Ortega, S., Valdés, H., & Antonioletti<=
/span>,
R. (2005) Estimación de la Evapotranspiración de Tomate Usand=
o el
Modelo Interacción Suelo - Vegetación - Atmósfera (ISB=
A). Agricultura
Técnica, 65(3), 284-294.
Ortíz,
P., Pérez, A., Rivero, A., Pérez, A., Cangas, J., &
Bartolomé, L. (2008). La variabilidad y el cambio climático en
Cuba: potenciales impactos en la salud humana. Revista Cubana de Salud
Pública, 34(1).
Ovando,
G., Bocco, M., & Sayago, S. Redes neuronale=
s para
modelar predicción de heladas. Agricultura Técnica, 20=
05,
65(1), 65-73.
Peña,
D. (2013). Análisis de datos multivariantes. McGraw-Hill Españ=
;a.
Pérez, N., Salomón, H. & Marcatoma,
J. (2020). Análisis del cambio climático en un ecosistema alto
andino, Riobamba-Ecuador. Rev. Perfiles, 1(23), 4-11.
Pizarro,
O., Hormazabal, S., González, A., & =
Yañez, E. (1994). Variabilidad del viento, niv=
el del
mar y temperatura en la costa norte de Chile. Investigaciones marinas,
22, 85-101.
Quiñonez
Choquecota, J., Huanca Cal=
lata,
E., & Holguino Huarza<=
/span>,
A. (2019). Caracterización del recurso eólico en la ciudad de
Juliaca. Revista de Investigaciones Altoandinas, 21(1), 57-68.
Rivera,
S., & Escudero, A. (2017). Interpolación de datos faltantes medi=
ante
spline cúbico y mínimos cuadrados=
. Rev. Perfiles, 1(17), 63-66.
Tamura, A. (2015). Advanced structural wind
engineering. A. Kareem (Ed.). Springer Verlag, Japan.
Ucar, A. & Balo, F. (2=
008).
A Seasonal Analysis of Wind Turbine Characteristics and Wind Power Potentia=
l in
Manisa, Turkey. International Journal of gre=
en energy,
5, 466-479.
Valencia, G., Vanegas, M., & Polo, J. (2016). =
Análisis
Estadístico de Velocidad y Dirección del Viento en la
Región Caribe Colombiana con Énfasis en la Guajira.
Watson, S. (2014). Quantifying the variability of =
wind
energy. Wiley Interdisciplinary Reviews: Energy and Environment, 3(4=
),
330-342..
PARA CITAR EL
ARTÍCULO INDEXADO.
Campoverde Santos, D. K., Escudero
Villa, A. I., & Haro Rivera, S. M. (2020). Caracterización de la
velocidad y dirección de viento en la provincia de Chimborazo. ConcienciaDigital, 3(1.1), 389-407. https://doi=
.org/10.33262/concienciadigital.v3i1.1.1156
El
artículo que se publica es de exclusiva responsabilidad de los autor=
es y
no necesariamente reflejan el pensamiento de la Revista Conciencia Digital.
El
artículo queda en propiedad de la revista y, por tanto, su
publicación parcial y/o total en otro medio tiene que ser autorizado=
por
el director de la Revista Concienc=
ia
Digital.