Análisis espacio temporal de la variable vapor de agua atmosférico en estaciones GNSS de América

PERALTA BRUNO; BABOLENE VICTOR I.; PEÑA LAUTARO H.; MACKERN, M. VIRGINIA,; ROSELL, P.A.; CAMISAY, M. F.; MATEO, M. L

Buenos Aires

Jornada; 4tas Jornadas de Geociencias para la Ingeniería; 2023

Instituto de Geodeisa y Geofísica Aplicadas , Departamento Agrimensura

La variable atmosférica vapor de agua, es considerada una de las variables esenciales, ya que es reguladora de la temperatura en el planeta. Es una variable muy cambiante, tanto en el espacio como en el tiempo, por lo cual resulta fundamental medirla, monitorearla y analizar su variabilidad.La técnica más utilizada para medir el vapor de agua atmosférico es mediante radiosondeos. Estos por su costo son utilizados generalmente en aeropuertos y respondiendo al requerimiento de la Asociación internacional de aviación civil, son lanzados a las 12 hs y en algunos casos a las 00 hs. Permitiendo conocer el contenido de agua precipitable del perfil atmosférico sobre el sitio a las 00 y 12 h, como máximo.Desde las estaciones continuas de observación GNSS, es posible estimar el retardo cenital troposférico que se produce en la señal por la suma de dos factores, la componente hidrostática del aire seco y la componente húmeda causada por el contenido de vapor de agua de la tropósfera. Contando con la componente húmeda del retardo es posible determinar el vapor de agua integrado en la atmósfera de manera indirecta.En América se dispone de mas de 500 estaciones GNSS, que conforman la red SIRGAS, cuyo principal objetivo es dar coordenadas. Desde el Centro de procesamiento de Ingeniería Mendoza Argentina se calcula el vapor de agua en más de 500 estaciones SIRGAS y se dispone de una serie de datos de más de 10 años (2014 a 2023).En este trabajo se presenta una metodología de análisis de las series temporales del vapor de agua. La misma se basa en el modelado de la serie considerando el valor medio, la tendencia decadal, la variabilidad anual y semi-anual, como también la variabilidad diaria y los residuos respecto del ajuste respecto de los datos. Se presenta la regionalización de las estaciones considerando el análisis de los parámetros determinados en el modelo de ajuste aplicado.El análisis fue realizado a través de scripts de python usando librerías como numpy, pandas, entre otras. Estas bibliotecas nos permitieron realizar cálculos precisos y manipular datos de manera eficiente, brindando una comprensión más profunda de las relaciones entre las variables. Además, para facilitar la colaboración y el control de versiones en nuestro equipo, empleamos GitHub como plataforma central.