ThesisPDF Available

Zonificación habitacional basada en estrategias de diseño bioclimático para viviendas residenciales en Ecuador Continental

Authors:

Abstract and Figures

A bioclimatic zoning for energy efficiency in buildings requires the use of meteorological information of detailed spatial and temporal resolution. However, weather information available in Ecuador does not meet the required conditions. Therefore, the climatic conditions defined by climatological standards were analyzed as an input of a spatial model of the use of bioclimatic strategies in the design of residential housing. Therefore, monthly climatological normal data were analyzed as input of a spatial model for the use of bioclimatic strategies in energy efficient housing design. The aim was to study the spatial patterns of climate in the mainland Ecuador to identify potential zones for the application of bioclimatic design strategies in construction of new or remodeled houses in mainland Ecuador. In this work, weather data from official governmental sources of Ecuador were analyzed to generate maps of air temperature, relative humidity and humidity ratio for three different macroclimatic regions (coast, highland and Amazon). From these maps, a strategy from Givoni’s bioclimatic chart (Givoni, 1992) was assigned to each geographical unit according to its temperature and humidity. To perform this process, a scenario to analyze the suitability of different bioclimatic design strategies across spatial units (4 ha) was required. The main configurations of this scenario include average level clothing (Clo = 1), standard atmospheric pressure (Pa = 1 atm), and a comfort model based on ASHRAE Standard 55 (ASHRAE, 2005). During the study, it became clear that the highlands of the Andes and remote areas in the Amazon region lack detailed meteorological information. Therefore, the regionalization of meteorological variables was less accurate in these areas. However, it was possible to define broad patterns in the climate that allow the use of different bioclimatic design strategies. The coastal and Amazonian regions require active systems for air cooling; while the strategy for the highlands (Sierra) may vary depending on location and altitude. The resulting zoning simplifies selection of efficient bioclimatic design strategies for housing development across Ecuador, including in areas for which we currently lack detailed meteorological information. This way, it is possible to achieve energy efficient housing in every region of the country, without compromising the comfort of living.
Content may be subject to copyright.
Master Thesis ǀ Tesis de Maestría
submitted within the UNIGIS MSc programme
presentada para el Programa UNIGIS MSc
at/en
Interfaculty Department of Geoinformatics- Z_GIS
Departamento de Geomática Z_GIS
University of Salzburg ǀ Universidad de Salzburgo
Zonificación habitacional basada en estrategias de diseño
bioclimático para viviendas residenciales en Ecuador
Continental
Zoning based on bioclimatic design strategies for residential
dwellings in Continental Ecuador
by/por
Gabriel Vicente Gaona Gaona
01323721
A thesis submitted in partial fulfilment of the requirements of
the degree of Master of Science (Geographical Information Science & Systems)
MSc (GIS)
Advisor ǀ Supervisor:
Leonardo Zurita Arthos PhD
Quito - Ecuador, 20 de diciembre de 2017
COMPROMISO DE CIENCIA
Por medio del presente documento, incluyendo mi firma personal certifico y
aseguro que mi tesis es completamente el resultado de mi propio trabajo. He
citado todas las fuentes que he usado en mi tesis y en todos los casos he
indicado su origen.
Quito - EC, 20 de diciembre de 2017
(Lugar, Fecha) (Firma)
DEDICATORIA
A la memoria de Jerko M. Labus, amigo y
compañero en este camino de
investigación científica.
AGRADECIMIENTOS
Este trabajo fue posible gracias a la colaboración
científico-técnica de diferentes instituciones públicas y
privadas del Ecuador. Principalmente del Instituto
Nacional de Meteorología e Hidrología por los datos, el
Instituto Nacional de Eficiencia Energética y Energías
Renovables INER por el conocimiento científico-
técnico, la Universidad Regional Amazónica IKIAM por
el soporte logístico y espacio de trabajo. El programa
UNIGIS para América Latina por la asistencia
académica, especialmente al Profesor Rafael Beltrán
Ramallo. A mis colegas y amigos de INER e IKIAM.
Un agradecimiento especial a mi familia por su apoyo
incondicional en todo el transcurso del programa de
Maestría.
RESUMEN
Una zonificación bioclimática para la eficiencia energética en las edificaciones
requiere el empleo de información meteorológica de resolución espacial y
temporal detallada. Sin embargo, la información meteorológica disponible en
Ecuador no cumple con las condiciones requeridas. Por lo tanto, se analizaron
las condiciones de clima definidas por las normales climatológicas como insumo
de un modelo espacial del uso de estrategias bioclimáticas en el diseño de
viviendas residenciales. El objetivo general fue estudiar los patrones espaciales
del clima en el Ecuador continental que permitan la identificación de zonas
potenciales de uso de estrategias bioclimáticas en el diseño de viviendas
residenciales nuevas o remodeladas. En este trabajo, se analizó información
meteorológica disponible en las fuentes oficiales de Ecuador para generar mapas
de temperatura del aire, humedad relativa y ratio humedad en las tres diferentes
regiones macroclimáticas (costa, sierra y Amazonía). A partir de estos mapas, se
asignó una estrategia bioclimática de Givoni (1992) a cada unidad geográfica
según su temperatura y humedad. Para este proceso, fue necesario establecer un
escenario para analizar la pertinencia de diferentes estrategias de diseño
bioclimático en cada unidad espacial (4 ha). La configuración del escenario
incluye un nivel de arropamiento (Clo = 1), presión atmosférica estándar (1 atm) y
un modelo de confort de la norma ASHRAE 55 (2005).
Durante el estudio, se encontró que la información meteorológica no tiene
suficiente cobertura para las zonas altas de los Andes y las zonas más alejadas
en la Amazonía. Por tal razón, la regionalización de variables tuvo menos
precisión en estas zonas. A pesar de ello, se hallaron patrones donde son
factibles diferentes estrategias de diseño bioclimático. La Costa y Amazonía
requieren de sistemas activos para enfriamiento del aire; mientras que en la Sierra
varían las estrategias dependiendo de la ubicación y altitud. La zonificación
resultante simplifica el proceso de selección de estrategias de diseño bioclimático
de viviendas en Ecuador, principalmente en áreas carentes de información
meteorológica detallada. Así, todas las regiones del país podrían alcanzar la
eficiencia energética sin comprometer el confort interior en su vivienda.
Palabras clave: Diseño bioclimático, Eficiencia energética en edificaciones,
Zonificación climática habitacional, Diagrama bioclimático
ABSTRACT
A bioclimatic zoning for energy efficiency in buildings requires the use of
meteorological information of detailed spatial and temporal resolution. However,
weather information available in Ecuador does not meet the required conditions.
Therefore, the climatic conditions defined by climatological standards were
analyzed as an input of a spatial model of the use of bioclimatic strategies in the
design of residential housing. Therefore, monthly climatological normal data were
analyzed as input of a spatial model for the use of bioclimatic strategies in energy
efficient housing design. The aim was to study the spatial patterns of climate in the
mainland Ecuador to identify potential zones for the application of bioclimatic
design strategies in construction of new or remodeled houses in mainland
Ecuador. In this work, weather data from official governmental sources of Ecuador
were analyzed to generate maps of air temperature, relative humidity and humidity
ratio for three different macroclimatic regions (coast, highland and Amazon). From
these maps, a strategy from Givoni’s bioclimatic chart (Givoni, 1992) was assigned
to each geographical unit according to its temperature and humidity. To perform
this process, a scenario to analyze the suitability of different bioclimatic design
strategies across spatial units (4 ha) was required. The main configurations of this
scenario include average level clothing (Clo = 1), standard atmospheric pressure
(Pa = 1 atm), and a comfort model based on ASHRAE Standard 55 (ASHRAE,
2005).
During the study, it became clear that the highlands of the Andes and remote
areas in the Amazon region lack detailed meteorological information. Therefore,
the regionalization of meteorological variables was less accurate in these areas.
However, it was possible to define broad patterns in the climate that allow the use
of different bioclimatic design strategies. The coastal and Amazonian regions
require active systems for air cooling; while the strategy for the highlands (Sierra)
may vary depending on location and altitude. The resulting zoning simplifies
selection of efficient bioclimatic design strategies for housing development across
Ecuador, including in areas for which we currently lack detailed meteorological
information. This way, it is possible to achieve energy efficient housing in every
region of the country, without compromising the comfort of living.
Keywords: Regionalization of meteorological variables, Bioclimatic design
strategies, Energy efficiency in buildings, Housing climatic zoning, Givoni’s
bioclimatic chart
TABLA DE CONTENIDOS
1 INTRODUCCIÓN ............................................................................................. 10
1.1 ANTECEDENTES ......................................................................................... 10
1.2 OBJETIVOS ................................................................................................ 12
1.2.1 General.................................................................................................... 12
1.2.2 Específicos .............................................................................................. 12
1.3 PREGUNTAS DE INVESTIGACIÓN ................................................................... 12
1.4 HIPÓTESIS ................................................................................................. 13
1.5 JUSTIFICACIÓN........................................................................................... 13
1.6 ALCANCE .................................................................................................. 14
2 REVISIÓN DE BIBLIOGRAFÍA ........................................................................... 16
2.1 EL CLIMA DEL ECUADOR.............................................................................. 16
2.1.1 Localización geográfica del Ecuador ....................................................... 16
2.1.2 Las Regiones Macroclimáticas de Ecuador ............................................ 16
2.1.3 Factores que modifican el clima en el Ecuador ....................................... 21
2.1.4 Consideraciones generales para el estudio de la variabilidad climática en
el Ecuador ............................................................................................... 21
2.1.5 Descripción de la red nacional de estaciones meteorológicas. ............... 23
2.2 EFICIENCIA ENERGÉTICA EN EDIFICACIONES.................................................. 25
2.2.1 Relación entre el clima y el confort habitacional ...................................... 25
2.2.2 Tipos de edificaciones clasificadas según su uso ................................... 26
2.2.3 Zonificación climática habitacional .......................................................... 27
2.2.4 Las estrategias de diseño bioclimático para viviendas. ........................... 29
2.3 SISTEMAS DE INFORMACIÓN GEOGRÁFICA .................................................... 37
2.3.1 Regionalización de variables meteorológicas .......................................... 37
2.3.2 Predicción espacial y regionalización de variables meteorológicas ........ 40
2.3.3 Análisis espacial ...................................................................................... 42
2.3.4 R como herramienta de Análisis espacial ................................................ 43
3 METODOLOGÍA ............................................................................................. 44
3.1 ÁREA DE ESTUDIO ...................................................................................... 44
3.2 MÉTODOS ................................................................................................. 44
3.2.1 Recopilación de información y herramientas de trabajo .......................... 46
3.2.2 Escenario para la zonificación de estrategias pasivas ............................ 47
3.2.3 Selección de estrategias de diseño para este estudio. ........................... 50
3.2.4 Depuración y relleno de series meteorológicas ....................................... 51
3.2.5 Regionalización de variables meteorológicas .......................................... 53
3.2.6 Asignación de estrategias para cada ubicación geográfica. .................... 56
3.2.7 Validación de la zonificación. ................................................................... 59
4 RESULTADOS Y ANÁLISIS DE RESULTADOS ...................................................... 61
4.1 REGIONALIZACIÓN DE VARIABLES METEOROLÓGICAS ..................................... 61
4.2 SELECCIÓN Y ZONIFICACIÓN DE ESTRATEGIAS DE DISEÑO BIOCLIMÁTICO. ........ 64
4.3 ANÁLISIS DE LOS RESULTADOS .................................................................... 68
5 CONCLUSIONES Y RECOMENDACIONES .......................................................... 73
6 REFERENCIAS BIBLIOGRÁFICAS ..................................................................... 75
APÉNDICES ............................................................................................................ 87
5
GLOSARIO DE ABREVIATURAS Y ACRÓNIMOS
AMT
Año meteorológico típico
ASHRAE
American Society of Heating, Refrigerating & Air-Conditioning Engineers
C-Do
Enfriamiento, con des-humidificación en caso de ser necesario
Clo
Nivel de arropamiento de habitantes
DEC
Enfriamiento evaporativo directo
DEC2
Enfriamiento evaporativo en dos etapas
DGAC
Dirección General de Aviación Civil del Ecuador
Do
Solo des-humidificación
EPN
Escuela Superior Politécnica Nacional
ESPOL
Escuela Superior Politécnica del Litoral
FFV
Enfriamiento por ventilación forzada
H-Ho
Calentamiento, con humidificación en caso de ser necesario
Ho
Solo humidificación
Hr
Humedad relativa del aire
Hrm
Humedad relativa media del aire
HTM
Alta masa térmica
HTMn
Alta masa térmica con pérdida de calor por la noche
IDW
Interpolación ponderada por el inverso de la distancia
IGM
Instituto Geográfico Militar
IHG
Ganancias internas de calor
INAMHI
Instituto nacional de meteorología e hidrología
INER
Instituto nacional de eficiencia energética y energías renovables de
Ecuador
INOCAR
Instituto Oceanográfico de la Armada
MAGAP
Ministerio de Agricultura, Ganadería, Acuacultura y Pesca del Ecuador
MNA
Modelo numérico de altitud
Mr
Ratio de humedad del aire
MSEH
Modelos de simulación energética habitacional
OMM
Organización Meteorológica Mundial
Pa
Presión atmosférica en el sitio de observación
Psv
Presión de saturación del vapor de agua
SDGh
Ganancia pasiva por radiación solar directa - Alta masa
SDGl
Ganancia pasiva por radiación solar directa - Masa Baja
SIG
Sistemas de Información Geográfica
SP
Protecciones solares
SRTM
Misión Topográfica Shuttle Radar
Ta
Temperatura del aire
Tam
Temperatura media del aire
Tan
Temperatura mínima del aire
Tax
Temperatura máxima del aire
USFQ
Universidad San Francisco de Quito
VN
Enfriamiento por ventilación natural
6
LISTA DE FIGURAS
Figura 1. Regiones Macroclimáticas del Ecuador delimitadas por la cota 700
msnm de la Cordillera de los Andes. Sistema de referencia de
coordenadas EPSG:4326. ................................................................... 17
Figura 2. Temperatura media del océano durante El Niño (1998) y La Niña (1989)
............................................................................................................ 18
Figura 3. Depresión de Girón (Ecuador) - Huancabamba (Perú). ........................ 19
Figura 4. Dinámica estacional de la frecuencia de nubes para Ecuador. ............. 20
Figura 5. Ubicación de las estaciones meteorológicas de INAMHI en Ecuador
continental. .......................................................................................... 24
Figura 6. Porcentaje según tipos de viviendas y agrupadas por tipo de usuario y
sector ................................................................................................... 26
Figura 7. Diagrama bioclimático de Givoni (1992b). ............................................. 31
Figura 8. Ejemplo de dispositivos de para protección solar. ................................. 32
Figura 9. Ejemplo de alta masa térmica: Paredes de adobe para utilizar la inercia
térmica como almacenamiento de energía en climas de alta oscilación
térmica entre el día y la noche............................................................. 33
Figura 10. Ejemplo de ventilación natural: Maximización del flujo de aire mediante
el uso de ventanas grandes................................................................. 34
Figura 11. Ejemplo de ventilación forzada:Ventiladores en el techo en habitaciones
de larga permanencia. ......................................................................... 34
Figura 12. Ejemplo de ganancias internas de calor: calor de las luces, de los
equipos o personas. ............................................................................ 35
Figura 13. Ejemplo de ganancia pasiva por radiación solar directa: Espacios que
capturen el calor de radiación solar y lo transfieran al interior de la
vivienda. .............................................................................................. 36
Figura 14. Arbol de clasificación de 26 métodos de interpolación espacial, según
Li y Heap (2008) .................................................................................. 39
Figura 15. Diagrama de flujo del proceso metodológico....................................... 45
Figura 16. Porcentaje de viviendas en Ecuador continental, por tipo de material
usado en cada uno de sus tres componentes principales, según los
datos del Censo de Vivienda de INEC (2010). ................................... 48
Figura 17.Ejemplo de estrategias bioclimáticas que comparten regiones en el
diagrama bioclimático de Givoni (1992b), generado en Climate
Consultant 6. ....................................................................................... 50
7
Figura 18. Regiones bioclimáticas en el diagrama psicrométrico a 1atm y para clo
de 1. Adaptación del Diagrama Bioclimático de Givoni (1992b) .......... 51
Figura 19. Gráfico de correlación de Pearson entre pares de variables. A) Datos
Mensuales desde 1980 a 2010; B) Normales climatológicas .............. 54
Figura 20. Gráfico de correlación de Pearson entre pares de variables, incluyendo
Mr: A) Datos Mensuales desde 1980 a 2010; B) Normales
climatológicas ...................................................................................... 55
Figura 21. Representación gráfica del proceso de asignación de estrategias
bioclimáticas para cada píxel del área de estudio. .............................. 57
Figura 22. Ejemplo de selección de estrategias bioclimáticas para las estaciones
A) M0001 y B) M0143. ......................................................................... 58
Figura 23. Índice de datos válidos a escala mensual por estación y variable, según
los datos reportados por INAMHI. ....................................................... 61
Figura 24. Gráfico de  y del ajuste de modelos lineales por grupo de
estaciones ........................................................................................... 63
Figura 25. Coeficientes de correlación y eficiencia de estimados vs. observados,
por mes ............................................................................................... 64
Figura 26. Diferencia de estimación de Ta y Hr frente a sus valores observado, por
mes ...................................................................................................... 64
Figura 27. Mapa de estrategias de diseño bioclimático predominantes para un año
promedio. Sistema de referencia de coordenadas EPSG:4326 .......... 65
Figura 28. Zonas de estrategias bioclimáticas según diagrama bioclimático de
Givoni. ................................................................................................. 66
Figura 29. Mapa de diversidad de estrategias aplicables. Sistema de referencia de
coordenadas EPSG:4326 .................................................................... 67
Figura 30. Índice de aciertos medido en porcentaje. ............................................ 68
8
LISTA DE TABLAS
Tabla 1. Metodologías de zonificación climática habitacional oficial por países ... 29
Tabla 2. Métodos de interpolación espacial estudiados por Li y Heap (2008) ...... 38
Tabla 3. Valores típicos de nivel de arropamiento (clo) por conjuntos de ropa. .... 49
Tabla 4. Generación típica de calor metabólico para diversas actividades........... 49
Tabla 5. Número de estaciones por grupo de acuerdo a las condiciones de
operación y localización de la estación. .............................................. 62
9
LISTA DE APÉNDICES
Apéndice 1: Temperatura media del aire regionalizada por mes. ......................... 87
Apéndice 2: Humedad relativa media regionalizada por mes............................... 88
Apéndice 3: Ratio medio de humedad en el aire regionalizado por mes. ............. 89
10
1 INTRODUCCIÓN
1.1 ANTECEDENTES
El plan para el cambio de la matriz energética en el Ecuador ha generado la
necesidad de mejorar e incrementar otros sectores del desarrollo del país. Según
el balance energético del año 2014, el residencial se ubica en tercer lugar (12%)
de los sectores de mayor consumo energético en el país (MICSE, 2016). Por lo
tanto, se están impulsando diferentes acciones para reducir los costos generados
por la demanda energética. Una de las estrategias del gobierno es promover la
eficiencia de las construcciones para aprovechar las condiciones energéticas
naturales de cada sector sin afectar la calidad de vida de las personas (Cadier,
Gómez, Calvez, y Rossel, 1994). En este aspecto algunos países y
organizaciones internacionales han desarrollado técnicas de planificación de
eficiencia energética en viviendas. Para ello se han desarrollado sofisticados
Modelos de Simulación Energética Habitacional (MSEH) (Crawley, Lawrie,
Pedersen, y Winkelmann, 2000; NREL, 2015).
En Ecuador, la mayor parte de los estudios sobre eficiencia energética en
edificaciones los han venido desarrollando diferentes instituciones públicas, a
través de proyectos de investigación (INER, 2014; Jara-Alvear, García, Araujo, y
Fund, 2013). Sin embargo, la mayor parte de los resultados están condicionados
por la poca disponibilidad de bases de datos meteorológicas de alta resolución
espacial y temporal. La escasez, la alta variabilidad micro-climática producto de
diferentes factores naturales limita el empleo directo de las pocas fuentes de
datos meteorológicas existentes (Gaona, 2013; Gaona, Quentin y Labus, 2013;
Peralta, Lopez, Barriga, Sosa, y Delgado (2013); Jara-Alvear et al., 2013).
Mientras tanto, los MSEH requieren conjuntos de datos representativos de las
condiciones atmosféricas más habituales en un sitio determinado. Este conjunto
de datos es conocido como “Año meteorológico típico” (AMT). Sumando la
situación desfavorable de la escasez de información meteorológica y las
11
reducidas capacidades para ejecutar los MSEH, se acentúan más las limitaciones
nacionales para la evaluación de la eficiencia energética en las edificaciones.
Uno de los países que ha incursionado ampliamente en este tipo de evaluaciones
energéticas es Estados Unidos. En mencionado país, la American Society of
Heating, Refrigerating & Air-Conditioning Engineers (ASHRAE) ha propuesto una
zonificación climática habitacional basada en un cálculo sobre el número de horas
de calentamiento o enfriamiento que se requieren durante un año (Humphreys y
Nicol, 2000). La influencia de esta organización en diferentes países ha
promovido el desarrollo y empleo de zonificaciones climáticas similares a la de
Estados Unidos, especialmente en países de los trópicos. Debido a la ubicación
geográfica de Ecuador, el efecto de factores naturales que modifican el clima y las
diferentes limitaciones logísticas de la red meteorológica, el país carece de una
cobertura similar a la propuesta de ASHRAE. Bajo esa consideración, se sugiere
planificar la eficiencia energética en función de las zonas climáticas propuestas
por Holdrige.
Al respecto de la propuesta de Holdrige, las pruebas realizadas por el Instituto
Nacional de Eficiencia Energética y Energías Renovables de Ecuador (INER)
demostraron que estas zonas climáticas no se ajustan a los cambios espaciales
de los climas propios de la Cordillera de los Andes. La elevada incertidumbre que
se genera por un mapa global no permite modelar la eficiencia energética para
todas las regiones del país. A partir de esto surgió la necesidad de estudiar una
nueva alternativa de zonificación que considere las limitaciones del País en los
términos de la disponibilidad información (Miño-Rodríguez, Gaona, Lobato,
Naranjo-Mendoza, y Labus, 2014). Esta nueva alternativa está orientada al uso de
estrategias pasivas de eficiencia energética para los diseños de nuevas
edificaciones. Pero además se basa en técnicas de regionalización espacial que
regionalizar su empleo en el territorio.
Por su parte, el Instituto Nacional de Meteorología e Hidrología (INAMHI) ha
desarrollado varias propuestas de zonificación climática. La primera se basa en
los tipos de clima de Thornwhite y según su página web, fue elaborada en el año
12
2006 (INAMHI, 2006). Esta zonificación describe los climas en función de índices
de humedad obtenidos de la relación Temperatura Precipitación. Otras
propuestas desarrolladas por diversos estudios se enfocan en el análisis de las
series meteorológicas para describir las condiciones registradas en diferentes
estaciones sin ofrecer un mapeo de las mismas (Barros López y Troncoso
Salgado, 2010; Pourrut, 1983). Entre los estudios meteorológicos más actuales en
el Ecuador se encuentran los trabajos de Gaona et al., (2013) y Miño-Rodríguez
et al., (2014).
1.2 OBJETIVOS
1.2.1 General
Zonificar habitacionalmente al Ecuador continental basándose en estrategias de
diseño bioclimático para viviendas residenciales.
1.2.2 Específicos
Analizar y predecir en alta resolución espacial las variables meteorológicas
de temperatura del aire y humedad relativa.
Analizar los patrones espaciales del clima en Ecuador, en función de las
condiciones de aplicabilidad de estrategias de diseño bioclimático en
edificaciones de uso residencial.
Definir un modelo espacial de zonas potenciales para el empleo de
estrategias bioclimáticas en el diseño de viviendas de uso residencial.
1.3 PREGUNTAS DE INVESTIGACIÓN
1. ¿Existe información meteorológica que permita entender las variaciones
espaciales y temporales más comunes de temperatura del aire y humedad
relativa para Ecuador Continental?
13
2. ¿Existen patrones espaciales permitan definir zonas para la aplicación de
las diferentes estrategias de diseño bioclimático para viviendas
residenciales en Ecuador continental?
3. ¿Qué estrategias de diseño bioclimático son aplicables a las condiciones
de habitabilidad, economía y ambientales presentes en Ecuador
continental?
1.4 HIPÓTESIS
A pesar de la alta variabilidad climática en Ecuador continental, existen patrones
espaciales en las condiciones meteorológicas y termodinámicas que pueden ser
detectados con ayuda de predicción y análisis espacial, para definir zonas de
implementación de estrategias en el diseño bioclimático de viviendas
residenciales en el Ecuador.
1.5 JUSTIFICACIÓN
Las nuevas políticas energéticas del Ecuador han generado necesidades técnicas
y logísticas entre las cuales resaltan la eficiencia energética en edificaciones. Esto
se debe a que los resultados del balance energético nacional destacan que las
edificaciones como el tercer sector de mayor consumo energético (Palme, Lobato,
Kastillo, Villacreses, y Almaguer, 2016). Dentro de este sector se encuentran las
edificaciones destinadas al sector residencial. Las investigaciones del INER,
Escuela politécnica del Litoral ESPOL, Escuela Politécnica Nacional EPN y
Universidad San Francisco de Quito USFQ muestran que con la
implementación de estrategias pasivas es posible reducir considerablemente el
consumo energético en las edificaciones del Ecuador (Beltrán, Kastillo, Miño-
Rodríguez, Naranjo-Mendoza, y Ávila, 2015; Miño-Rodríguez et al., 2014).
Paralelamente estas investigaciones también evidencian que el país aún no
dispone de insumos suficientes para la implementación de estas estrategias en
todas las localidades (Miño-Rodríguez et al., 2014). La falta de bases de datos
14
meteorológicas y los pocos profesionales capacitados en la temática son
deficiencias importantes para la implementación de estas estrategias. Países
como Estados Unidos, Dinamarca, Inglaterra China, entre otros, suplieron esta
necesidad generando mapas temáticos de zonas para la implementación de
ciertas estrategias constructivas en las edificaciones (ASHRAE, 2009;
Humphreys, Rijal, y Nicol, 2013). En Ecuador ya existe una primera propuesta
desarrollada en el INER, sin embargo a pesar de sus buenos resultados, ésta no
alcanza la extensión de todo el territorio del país (Miño-Rodríguez et al., 2014). En
este trabajo se pretende, por un lado, apoyar el proceso de validación de la
metodología propuesta por el INER; y por otra parte, propone una zonificación del
territorio ecuatoriano desde la perspectiva del diseño de edificaciones que
incluyan estrategias pasivas de eficiencia energética. Este será un aporte
importante al sector de la construcción de viviendas ya que reduciría tiempo y
costos en planificación de las edificaciones. Y constituye un insumo para la
elaboración de las normas técnicas ecuatorianas enfocadas en la construcción de
viviendas. Además de estos sectores, la población de recientes investigadores en
el tema de eficiencia energética en edificaciones podría así tener un punto de
referencia para el mejoramiento de los MSEH.
1.6 ALCANCE
Durante esta investigación se trata de establecer zonas de aplicabilidad de
estrategias de diseño bioclimático para la eficiencia energética en edificaciones,
basándose en las condiciones meteorológicas del Ecuador continental. Este
trabajo intenta proponer un mapa de zonificación del Ecuador continental visto
desde el potencial de empleo de diferentes estrategias de diseño bioclimático. Los
resultados de esta investigación están estrechamente vinculados con el diseño o
re-modelamiento de viviendas de uso residencial. Por lo cual se espera que
pueda ser utilizado por la población de profesionales que se dedican a estas
tareas y que no dispongan de información meteorológica detallada para asegurar
diseños de viviendas energéticamente eficientes. Consecuentemente, también
pueden servir para establecer normativas locales o nacionales sobre eficiencia
15
energética en edificaciones.
De este estudio se excluye cualquier análisis relacionado con edificaciones cuyo
uso sea distinto a residencial. Esto se debe a que la eficiencia energética de una
edificación está estrechamente relacionada con las actividades que se realizan en
ella. Lo cual implica que en el diseño de la misma se establezcan medidas para
controlar los efectos de dichas actividades en el consumo de la energía y el
confort de los ocupantes (McDowall 2007a; Parsons, 2002).
16
2 REVISIÓN DE BIBLIOGRAFÍA
2.1 EL CLIMA DEL ECUADOR
Ecuador, a menudo ha sido calificado como un sitio mega diverso. Las
condiciones geográficas y físicas del país han permitido la diversificación de
ecosistemas y culturas en espacios relativamente pequeños. El clima puede
cambiar en unos pocos kilómetros de recorrido, por consiguiente, cambian las
condiciones de supervivencia de las especies (Richter, 2003b).
2.1.1 Localización geográfica del Ecuador
Ecuador se localiza en la zona tórrida del planeta. Toma el nombre del paralelo
cero, el cual se conoce como la línea ecuatorial. El territorio de Ecuador está
conformado por una parte continental y una parte insular. La parte continental de
Ecuador se encuentra en el Noroeste de Sudamérica limitado por Colombia y
Perú, mientras que la parte insular corresponde al Archipiélago de Galápagos y la
correspondiente parte marina (IGM, 2013).
Por su ubicación, el país no presenta estaciones meteorológicas definidas
(Landívar, 1989), pero se pueden diferenciar meses con tendencia seca y meses
con tendencia lluviosa durante el año. Según Kiss y Bräuning (2008), en esta
parte del planeta, las variaciones climáticas y estaciones anuales típicas de
latitudes medias se pueden observar en un solo día. Además, estos períodos
pueden cambiar de una localidad a otra en poco espacio (Vuille, Bradley, y
Keimig, 2000; Richter y Moreira-Muñoz, 2005).
2.1.2 Las Regiones Macroclimáticas de Ecuador
La superficie del Ecuador presenta cuatro regiones macroclimáticas naturales.
Estas regiones tienen características particulares tanto de relieve como de clima
que las diferencian entre (IGM, 2013; Nouvelot, Le Goulven, Aleman, y Pourrut,
1995; Pourrut, 1983, 1986). La parte continental presenta tres de las cuatro
17
regiones (IGM, 2013) y su delimitación natural está condicionada por la presencia
de la Cordillera de los Andes (Emck, 2007).
La separación de las diferentes regiones en el país se ha realizado desde
diferentes aspectos, por ejemplo límites político-administrativos que son muy
útiles en cuestiones de gestión sobre el territorio. Sin embargo, para efectos de
análisis espacial de variables continuas se han propuesto límites regionales
basados en las características físicas del relieve (Deser y Wallace, 1987). La
muestra más reciente es la delimitación de regiones macroclimáticas según Miño-
Rodríguez et al., (2014) mostrada en la Figura 1.
Figura 1. Regiones Macroclimáticas del Ecuador delimitadas por la cota 700 msnm de la
Cordillera de los Andes. Sistema de referencia de coordenadas EPSG:4326.
18
A continuación, se describen características generales de las tres regiones
continentales:
Costa.
La región costera se caracteriza por estar en contacto con el océano Pacífico y se
extiende hasta el pie de monte de las estribaciones occidentales de la Cordillera
de los Andes. La mayor parte de esta región tiende a ser plana, sin embargo, se
pueden encontrar pequeños complejos montañosos hacia el oeste de la región,
que se conocen como la cordillera costanera. El clima en esta región es
modificado fuertemente por las corrientes marinas (Bendix y Lauer, 1992; Galeas
y Guevara, 2012). En ocasiones, estas corrientes marinas pueden causar
condiciones extremas en los regímenes de temperatura y precipitación,
principalmente por el aumento de la temperatura en el océano. Por ejemplo, en la
Figura 2 se muestran las temperaturas del océano que causaron eventos
extremos de precipitación y temperatura en la costa y sierra de Ecuador (Caldwell
et al., 2007), anomalías positivas durante El Niño de 1998 y negativas durante La
Niña de 1989.
Figura 2. Temperatura media del océano durante El Niño (1998) y La Niña (1989)
Fuente: NOAA (2005)
19
Sierra
La característica principal de esta región es la presencia de la Cordillera de los
Andes. Esta parte del Ecuador presenta la mayor cantidad de terrenos inclinados
del país. Las pendientes pueden variar desde 0% hasta sobrepasar más del
100%. Las superficies planas se localizan principalmente en los valles
interandinos entre las cadenas montañosas que conforman la cordillera. La región
Sierra presenta la mayor variabilidad micro-climática debido a la influencia de la
cordillera en la circulación de las masas de aire tanto del Pacífico como del
Amazonas (Vuille et al., 2000). Producto de ello se generan de celdas
meteorológicas locales difíciles de registrar si no se dispone de una densa red de
estaciones meteorológicas (Rollenbeck, Bendix, y Fabian, 2011). Hacia el norte de
esta región se pueden encontrar las montañas más altas en Ecuador, por
consiguiente se pueden apreciar los nevados y volcanes. Mientras que hacia el
sur la cordillera presenta discontinuidad en las cadenas montañosas central y
occidental. En el sur, las montañas son más bajas que la parte norte y las
cadenas montañosas no son tan evidentes. Esta zona se conoce como la
depresión de Girón Huancabamba (Figura 3).
Figura 3. Depresión de Girón (Ecuador) - Huancabamba (Perú).
Fuente: Richter y Moreira-Muñoz (2005)
20
Amazonía
La región toma su nombre debido a que pertenece al sistema hidrográfico del Río
Amazonas. Se trata de una porción de la cuenca alta del Amazonas que se
extiende desde el pie monte oriental de la cordillera de los Andes hasta la frontera
con Perú hacia el Este. Esta zona presenta la mayor cantidad de selvas y
bosques tropicales y recibe una fuerte influencia de la circulación atmosférica del
continente, en especial los vientos alisios de la cuenca del Amazonas (Galeas y
Guevara, 2012). Lo cual puede causar episodios de altas precipitaciones y
humedad asociados a la dinámica de las nubes (Bendix, Rollenbeck, Göttlicher, y
Cermak, 2006). La Figura 4 muestra la frecuencia de nubes para Ecuador, donde
se destaca un comportamiento estacional de la nubosidad de la Amanozía.
Figura 4. Dinámica estacional de la frecuencia de nubes para Ecuador.
Fuente: Bendix et al. (2006)
21
2.1.3 Factores que modifican el clima en el Ecuador
Según varios autores, las condiciones meteorológicas del Ecuador (por
consiguiente, el clima) se modifican principalmente por cuatro factores (Barros
López y Troncoso Salgado, 2010; Bendix, Fabian, y Rollenbeck, 2004; Vuille et al.,
2000). La posición de Ecuador en el planeta permite que existan alrededor de 12
horas la radiación solar durante todo el año. Consecuentemente, se espera la
predominancia de bosques tropicales típicos. Sin embargo, la Cordillera de los
Andes juega un papel importante para la diversificación de los climas. Se ha
comprobado que la altitud y la temperatura están relacionadas inversamente entre
(Fries et al., 2009). Esto quiere decir que la temperatura descenderá
proporcionalmente de acuerdo a cuanto se asciende en la Cordillera. Por otro
lado, las áreas en la costa y oriente son modificados por los efectos de la
circulación del aire en el Pacífico y Atlántico respectivamente (Bendix et al., 2006;
Vuille et al., 2000). Estas masas de aire también modifican las estribaciones de
los Andes generando anomalías meteorológicas diferentes en las laderas de
sotavento y barlovento (Bendix et al., 2004; Bendix, Rollenbeck, Dietrich, Nauß, y
Fabian, 2008; Richter, 2003a; Vuille et al., 2000). En la Costa, las corrientes
marinas marcan las dinámicas estacionales higro-térmicas, por lo tanto las
anomalías pueden variar de acuerdo a la influencia de estas corrientes (Vuille
et al., 2000). Tal como se ha mencionado en el apartado 2.1.2, las principales
corrientes marinas son conocidas como la Corriente Cálida del Niño y la Corriente
fría de Humbolt (Potter y Colman, 2003).
2.1.4 Consideraciones generales para el estudio de la variabilidad
climática en el Ecuador
Según varios autores, la variabilidad climática en los países andinos no ha sido
comprendida en su totalidad (Rollenbeck et al., 2005; Vuille et al., 2000). Estudios
de las variabilidades climáticas en la Sierra (Richter, 2003a; Richter y Moreira-
Muñoz, 2005; Vuille et al., 2000) y Amazonía (Espinoza Villar et al., 2009; Satgé
et al., 2016) han sido realizado empleando extrapolaciones de datos a partir de
22
datos registrados en las estaciones más cercanas. Por ese motivo, no se ha
conseguido una representación precisa de las variaciones climáticas reales de
estas regiones (Bendix et al., 2008). Esta es una situación en la que se
encuentran la mayor parte de los países Andinos y Amazónicos (Vuille et al.,
2000) por la cual se requiere una inversión a escala continental para la ampliación
de las redes meteorológicas.
El estudio de las variaciones espaciales del clima toma importancia en la
planificación de los diferentes ámbitos del desarrollo del país. Richter (2003b), en
su estudio menciona que el clima está estrechamente relacionado con las
características florísticas de una región. Este autor presentó un método empírico
en el que relaciona la presencia de plantas epifitas con las condiciones
meteorológicas en bosques naturales y bosques secundarios. Por otra parte, el
INAMHI, como parte de la Secretaria de Gestión de Riesgos, se encuentra
constantemente emitiendo boletines sobre las condiciones meteorológicas
asociadas con riesgos naturales para la población (Palacios-Tapia y Ontaneda
Rosales, 2012). Otro departamento del mismo Instituto muestra estudios en los
que se destacan que deben considerarse las condiciones meteorológicas de cada
sitio para asegurar el crecimiento de cultivos. Mientras que desde otro punto de
vista, el INER, recientemente, ha incursionado en proyectos de investigación
sobre las condiciones meteorológicas con fines de aprovechamiento energético
desde diferentes aspectos (generación eólica, generación solar, biomasa,
geotermia, entre otros). Así también, lo relacionado con la eficiencia energética en
el transporte, industrias y, en especial, la eficiencia energética de las
edificaciones. Las principales conclusiones de sus diferentes estudios incluyen la
necesidad de contar con una base de datos que refleje las complejas variaciones
del clima en el espacio (Gaona, 2013; Gaona et al., 2013). Otros estudios
relacionados destacan la importancia de comprender las variaciones climáticas
desde diferentes aspectos de la eficiencia energética y energías renovables. Por
ejemplo, para el aprovechamiento de la energía solar los estudios de Peralta
(2013) y Jara-Alvear et al. (2013) muestran situaciones diferentes en las cuales se
requiere entender la radiación solar sobre el espacio.
23
Lo expuesto anteriormente deja entredicho que la variabilidad climática condiciona
el desarrollo de las diferentes actividades socio-económicas y ecológicas. Sin
embargo, ante una deficiente fuente de información meteorológica las
investigaciones sobre eficiencia energética en Ecuador están condicionadas a la
evolución en la adquisición de datos meteorológicos de mayor resolución espacio-
temporal.
2.1.5 Descripción de la red nacional de estaciones
meteorológicas.
La institución encargada del registro, organización y almacenamiento de la
información relacionada al tiempo atmosférico y clima es el INAMHI. Este Instituto
mantiene una red de 107 estaciones (Figura 5).
De las 107 estaciones operativas de INAMHI, 24 son estaciones climatológicas
principales, mientras que el resto son estaciones de diferente tipo
(Agroclimatológico, Radio sondeo, Pluviométricas, etc). Es también importante
diferenciar entre ellas las estaciones convencionales de las automáticas. De
acuerdo a los datos proporcionados por el INAMHI, 25 son estaciones
convencionales en las cuales se registra el tiempo atmosférico en períodos de
tres horas y diarios dependiendo la accesibilidad a los instrumentos de medición.
A partir de estos datos se ponen a disposición del público los valores
correspondientes a cada día o cada mes. Las estaciones automáticas son en total
64. Estas estaciones registran datos en una resolución temporal inferior a una
hora, de donde se calculan los valores correspondientes para una hora.
24
Figura 5. Ubicación de las estaciones meteorológicas de INAMHI en Ecuador continental.
No todas las estaciones estuvieron en funcionamiento entre 1980 y 2015, la
mayoría registraron datos por cortos períodos de tiempo. De los datos geográficos
de INAMHI, se desprende que 88 de las 107 estaciones se encontraron en
funcionamiento en el período mencionado (INAMHI, 2015a, 2015b). Esa es otra
desventaja importante en la información meteorológica, ya que según la
Organización Meteorológica Mundial OMM se sugiere que los estudios
relacionados con el clima se basen en normales climatológicas obtenidas a partir
de 30 años de datos registrados (WMO, 2011). Solo 44 estaciones presentan las
condiciones sugeridas por la OMM. Las estaciones automáticas fueron instaladas
durante los últimos cinco años, por lo tanto, tampoco cumplen con las condiciones
sugeridas por dicha organización.
Basados en las deficientes condiciones que se encuentra la red meteorológica de
la institución oficial, otros organismos públicos y privados han implementado sus
25
propias redes meteorológicas. Entre ellos se citan a la Dirección General de
Aviación Civil DGAC, Instituto Oceanográfico de la Armada INOCAR, el INER,
Universidades (Públicas y privadas), organismos no gubernamentales nacionales
e internacionales, entre otros (Richter, 2003a; INOCAR, 2015; Bendix et al.,
2017). Más estudios durante los últimos os intentan complementar las bases
de datos espacio temporales con información meteorológica obtenida de
modelos numéricos de predicción, sintetizadores de datos basados en tendencias
temporales y sondeo remoto (Rollenbeck, Fabian y Bendix, 2005; METEOTEST
et al., 2013; Rivas y Erazo, 2013).
2.2 EFICIENCIA ENERGÉTICA EN EDIFICACIONES
La terminología eficiencia energética se emplea para referirse al uso adecuado de
la energía en las actividades humanas (McDowall, 2007b). Esta definición fue
adoptada a partir de la concepción que las fuentes de energía no son infinitas ni
recuperables. Por lo tanto, debe asegurarse una cantidad para el futuro próximo.
Lo anterior tiene como principio de conseguir los mismos o más
beneficios/productos empleando la menor cantidad de energía (Patterson, 1996;
Worrell, Bernstein, Roy, Price, y Harnisch, 2008).
2.2.1 Relación entre el clima y el confort habitacional
El confort habitacional es un concepto relacionado con una condición en la cual
los habitantes de un espacio se encuentran en satisfacción con el ambiente
circundante (Humphreys y Nicol, 2000). Varios autores se han enfocado en la
relación de las condiciones ambientales exteriores como causa de las condiciones
en el interior de las edificaciones (por ejemplo, Brager y de Dear, 1998; Hensen,
1990). Sin embargo, las últimas investigaciones sugieren que más allá de las
condiciones ambientales interiores, el confort está en relación con las acciones
que las personas realizan para adaptarse a esas condiciones (Humphreys et al.,
2013).
McDowall (2007a) describe siete factores que tienen influencia sobre el confort
26
térmico. De esos factores, dos de ellos son factores relacionados directamente
con el estado de la persona (Actividad física y nivel de arropamiento). Además,
una característica individual de cada persona es la expectativa de las condiciones
que debería tener el espacio alrededor para sentirse confortable. Y los demás son
factores ambientales y efectos arquitectónicos entre los cuales se encuentran:
temperatura del aire, humedad, velocidad del aire y temperatura radiante de la
vivienda.
2.2.2 Tipos de edificaciones clasificadas según su uso
Los factores relacionados con la actividad de las personas condicionan también el
diseño de las edificaciones. De este modo, se puede hacer una clasificación
desde la perspectiva del uso de las edificaciones usando los datos del Censo de
Vivienda de 2010 (INEC, 2010). El gráfico de la Figura 6 muestra la distribución
porcentual de las edificaciones con uso particular y colectivo, agrupadas por área
urbana o rural en Ecuador Continental.
Figura 6. Porcentaje según tipos de viviendas y agrupadas por tipo de usuario y sector
27
Al respecto, en las guías para construcciones energéticamente eficientes que
propone ASHRAE (2009), se destaca la siguiente clasificación genérica:
Edificaciones de uso residencial. Aquellas edificaciones que están
diseñadas para su uso como vivienda. Entre ellas pueden considerarse las
edificaciones colectivas (los edificios, conjuntos habitacionales verticales,
orfanatos, asilos, entre otros) y edificaciones particulares.
Edificaciones de uso no residencial. Se consideran a todas aquellas
edificaciones que no tienen un uso como vivienda. Entre ellas se pueden
encontrar los edificios de oficinas, hospitales, escuelas, entre otros.
2.2.3 Zonificación climática habitacional
Se entenderá en este estudio a la zonificación climática habitacional como un
mapeo de las áreas cuyas condiciones ambientales y constructivas permiten
alcanzar el confort dentro de una vivienda (Sepúlveda Mellado, 2003). Este tipo
de mapeos se realiza principalmente para la implementación de políticas y
normas en la construcción de las viviendas, para beneficio de sus futuros
ocupantes.
Existen muchas formas de zonificar el espacio desde el aspecto climático para
eficiencia energética en edificaciones (Mahmoud, 2011). Cada metodología
depende principalmente de cuál es el propósito de establecer dicha sectorización
(Lam, Yang, y Liu, 2006; Mahmoud, 2011). Cada mapeo se basa en una
propuesta de estrategias de diseño bioclimático, entre las cuales Walsh, Cóstola,
y Labaki (2017) en su revisión de metodologías de zonificación bioclimática, citan
a:
Diagrama bioclimático de Olgyay (1968) que es una de las primeras
metodologías para selección de estrategias de diseño bioclimático. Se basa
en una selección de estrategias en función de la temperatura y humedad
del aire (Walsh et al., 2017). Sin embargo, es difícil su implementación en
análisis energéticos bajo estándares de construcción en ambientes no
28
acondicionados, especialmente en países en desarrollo (Givoni, 1992a).
Diagrama bioclimático de Givoni (1992a) es una herramienta construida
sobre una carta psicrométrica, en la que se contrasta una zona de confort
definida por la humedad y temperatura del aire, generando estrategias
bioclimáticas para cada situación fuera de esa zona. Esta metodología
requiere de pares de datos de humedad y temperatura, en lo posible a
escala horaria, sin embargo es flexible para períodos más cortos o más
largos (Walsh et al., 2017). Un trabajo de Wan, Li, Yang y Lam, (2010)
presenta una zonificación a partir de un análisis de agregación basada en
una adaptación del diagrama bioclimático. De la misma manera este
diagrama ha sido empleado por otros investigadores para generar
zonificaciones en China e India (Rakoto-Joseph, Garde, David, Adelard, y
Randiramanantany, 2009; Lam et al., 2006). En Ecuador ha sido
principalmente por investigadores de INER quienes propusieron una
primera zonificación para la región sierra (Miño-Rodríguez et al., 2014).
La metodología para zonificación habitacional más difundida mundialmente es la
propuesta por ASHRAE (2005a) (Walsh et al., 2017). Esta metodología se basa
en el cálculo de grados días de calentamiento y enfriamiento propuesto por
CIBSE (2006). Ha sido replicada en varios estudios de países de África, Asia y
Europa principalmente (Gelegenis, 1999; Mahmoud, 2011; Almonacid, Pérez-
Higueras, Rodrigo y Hontoria, 2013; Borah, Singh y Mahapatra, 2015; Walsh et
al., 2017).
Aunque en la revisión de Walsh et.al. (2017) se presentan las simulaciones
energéticas para edificaciones como una metodología para el mapeo de
estrategias de diseño bioclimático, éstas se pueden considerar como una
aplicación de la metodología de grados-día de CIBSE (2006) dentro de modelos
numéricos, como por ejemplo EnergyPlus (Crawley et al., 2000; EnergyPlus,
2013).
Además, existen otras metodologías de zonificación climática que se basan en el
agrupamiento de condiciones homogéneas según variables ambientales (Walsh et
29
al. 2017). La mayoría emplean la temperatura del aire como variable principal,
aunque pueden también ser usadas la humedad, radiación solar, velocidad del
viento, precipitación, entre otras.
En el año 2014, Walsh, Labaki, y Cóstola estudiaron metodologías de zonificación
climática habitacional usadas en diferentes países del continente americano. Para
ello se basaron en documentos oficiales y entrevistas a investigadores de varios
países. Sus hallazgos se resumieron en la Tabla 1
Tabla 1. Metodologías de zonificación climática habitacional oficial por países
País
Metodología para
diagnóstico climático para
fines de Eficiencia
Energética y confort
térmico en edificaciones
Variables climáticas /adicionales
Otras
Clasificaciones
Givoni (1992a)
Grados -Día
CBSE (2006)
Altitud
Amplitud térmica
Temperatura del aire
Radiación solar
Viento
Precipitación
Humedad del aire
Inversión térmica
Arquitectura Vernácula
Clasificación de
Köppen
Chile
x
x
x
x
x
Argentina
x
x
Uruguay
x
Estados
Unidos
x
x
x
x
x
x
Canadá
x
x
x
x
x
x
México
x
x
x
x
x
x
x
Brasil
x
x
Perú
x
x
x
x
x
Puerto Rico
x
x
x
x
x
x
Bolivia
x
x
Ecuador
x
Colombia
x
x
x
Fuente: Adaptado de Walsh et at. (2014)
2.2.4 Las estrategias de diseño bioclimático para viviendas.
El término estrategias de diseño bioclimático para efectos de este documento se
referirá a cualquiera de las consideraciones dentro del diseño de una vivienda que
permita conseguir mejores condiciones de confort habitacional (Bucking,
Zmeureanu, y Athienitis, 2014; McDowall, 2007a; Patterson, 1996). En ese
30
sentido, varios autores de organizaciones especializadas en el tema, como
ASHRAE, han enfocado la mayoría de sus estudios en optimizar las estrategias
de diseño de edificaciones empleando sofisticados modelos numéricos para
predecir el confort (Crawley et al., 2000; EnergyPlus, 2013; Michalak, 2014). Sin
embargo, otros autores han desarrollado metodologías que permiten mejorar los
diseños basándose en análisis menos sofisticados (Givoni, 1983, 1992a; Lomas,
Fiala, Cook, y Cropper, 2004; Martínez y Freixanet, 2014).
El “Confort” no se trata de una estrategia de diseño como tal, sino de la sensación
promedio de las personas al habitar una vivienda en ciertas condiciones
ambientales. Estas condiciones se convierten en una referencia para el empleo de
diferentes estrategias cuando las condiciones ambientales no permiten alcanzar el
confort con un modelo básico de vivienda. Existen varios modelos de confort que
han sido propuestos para diferentes regiones del mundo. Entre ellos se han
propuesto: el Modelo de confort del California Energy Code (CEC, 2013), Modelo
del Voto Medio Predicho definido en ASHRAE standard 55 (ASHRAE , 2005a),
Modelo de confort de ASHRAE definido en Handbook fundamentals (ASHRAE,
2005b) y el Modelo de confort adaptativo en ASHRAE Standard 55 (ASHRAE,
2010).
A partir del año 1983, Givoni empieza a desarrollar una metodología que combina
cálculos de termodinámica y psicrometría para detectar las condiciones en las
cuales son efectivos grupos de estrategias de diseño bioclimático (Givoni, 1983).
Su propuesta se resume la zonificación de en una carta psicrométrica de acuerdo
a las características ambientales de cada sitio geográfico específico y las
características arquitectónicas y constructivas de las edificaciones (Figura 7).
Tomando como referencia los modelos de confort mencionados y a partir de los
hallazgos de Givoni (1992a) y Milne, Liggett y Benson (2009) proponen una
herramienta que permite analizar la información meteorológica para selección de
las mejores estrategias para una localidad. La mencionada herramienta permite
analizar la información climática bajo estándares internacionales de modo que se
puedan elegir las mejores estrategias para alcanzar el confort en una edificación
31
(Martínez y Freixanet, 2014; Milne et al., 2009).
Figura 7. Diagrama bioclimático de Givoni (1992b).
Fuente: Milne et al. (2009)
Para replicar los análisis de la herramienta de Milne et al. (2009), se requieren un
conjunto de condiciones básicas de información y escenarios de análisis. El
investigador requiere asumir algunas condiciones básicas para el diseño de
edificaciones, tal como se realizó en el estudio de Miño-Rodríguez et al. (2014).
Por ejemplo, en dicho estudio se establecen que, en las nuevas edificaciones, las
personas tendrían un nivel de arropamiento de 1
1
y que la actividad a realizar
equivale a 1.1
2
.
Las estrategias aplicables han sido estudiadas ampliamente y en diferentes
condiciones (Lomas et al., 2004; Mahmoud, 2011; Manzano-Agugliaro, Montoya,
Sabio-Ortega, y García-Cruz, 2015). Ahondar en cada una de ellas puede resultar
confuso y tedioso debido a la diversidad de opciones aplicables a nuevo cada
diseño. Por lo tanto a continuación se describirán grandes grupos de estrategias
1
Equivale a la combinación de pantalón + camiseta + suéter como mínimo.
2
Lo que quiere que permanecerían la mayor parte del tiempo sentados y haciendo actividades de bajo esfuerzo físico.
32
agrupados por las características higro-térmicas ambientales que presentan
(ASHRAE, 2009; Givoni, 1992b).
Protecciones solares (SP). Se trata de implementación de dispositivos o
métodos que permiten reducir la entrada o exposición a la radiación solar
directa. Esto evita las ganancias de calor por temperatura radiante. Por
ejemplo, la Figura 8 esquematiza el uso de extensiones del techo como
estrategia para reducir la exposición directa de las paredes/ventanas al sol.
Figura 8. Ejemplo de dispositivos de para protección solar.
Fuente: Milne et al. (2009)
Alta masa térmica (HTM). Se trata de estrategias para almacenamiento de
energía usando la masa de los materiales. Se usan principalmente en climas
cálidos y secos, donde la fluctuación de la temperatura puede derivar
elevados niveles de calor durante el día y frío durante la noche. Por ejemplo,
las paredes de bareque que usan en los valles secos interandinos (Figura 9).
33
Figura 9. Ejemplo de alta masa térmica: Paredes de adobe para utilizar la inercia térmica
como almacenamiento de energía en climas de alta oscilación térmica entre el día y la
noche.
Fuente: Palme at al. (2016)
Alta masa térmica con pérdida de calor por la noche (HTMn). De la
misma manera que la anterior, este grupo de estrategias, permiten acumular
energía en la masa de los materiales. Sin embargo, se diferencia porque el
diseño con este tipo de estrategias considera una pérdida intencional de
calor durante la noche. Esto es útil en sitios con elevadas temperaturas y
baja humedad.
Enfriamiento evaporativo directo (DEC). Se trata de un grupo de
estrategias que permiten aprovechar el enfriamiento por el cambio de estado
del agua. Esto quiere decir que usando el calor latente de fusión del agua se
puede enfriar el aire evaporando el agua líquida.
Enfriamiento evaporativo en dos etapas (DEC2). Se trata de un
enfriamiento similar al anterior, pero este requiere una etapa previa en la que
se aprovecha el agua para enfriar el exterior de un intercambiador de calor
de donde pasará a la evaporación directa.
Enfriamiento por ventilación natural (VN). Se trata de estrategias que
permiten generar flujos de aire en el interior de la vivienda a velocidades
34
entre los 0.8 y 1.6 m/s (ASHRAE, 2005b). El dimensionamiento de
dispositivos o estructuras para estas estrategias a menudo implican
complejos análisis los cuales no serán detallados en este documento. Sin
embargo, se presenta un ejemplo de ventilación natural en la Figura 10.
Figura 10. Ejemplo de ventilación natural: Maximización del flujo de aire mediante el uso de
ventanas grandes.
Fuente: Palme et al. (2016)
Enfriamiento por ventilación forzada (FFV). Cuando la ventilación natural
no es suficiente para alcanzar el confort, se requieren aplicar medidas
mecánicas para enfriar un ambiente. Estas medidas se requieren
principalmente en ambientes cálidos, pero no húmedos. De la misma
manera, la Figura 11 esquematiza el empleo de una estrategia de ventilación
forzada con ventiladores.
Figura 11. Ejemplo de ventilación forzada:Ventiladores en el techo en habitaciones de larga
permanencia.
Fuente: Palme et al. (2016)
35
Ganancias internas de calor (IHG). Representan las ganancias de calor
que se agregan a una edificación. Por ejemplo, luces, habitantes, equipos y
maquinarias, entre otros (Figura 12). Estas cargas de energía permiten que
la temperatura interior entre en un punto de equilibrio con el exterior, de
modo que no se requiera calor adicional.
Figura 12. Ejemplo de ganancias internas de calor: calor de las luces, de los equipos o
personas.
Fuente: Palme et al. (2016)
Ganancia pasiva por radiación solar directa - Alta masa
3
(SDGh). A
diferencia del anterior, este grupo de estrategias consideran materiales de
construcción con elevada masa térmica. Estos materiales son capaces de
almacenar el suficiente calor durante el día para mantener el ambiente
interior durante la noche. Depende principalmente de exposición interior a la
radiación solar directa, por ejemplo, a través de los vidrios de las ventanas.
Ganancia pasiva por radiación solar directa - Masa Baja
4
(SDGl). Se
trata de grupos de estrategias que aprovechan la exposición directa al sol
para calentar un ambiente por ganancia de calor (Figura 13). El
dimensionamiento de estas estrategias está en función de la radiación solar
disponible, la temperatura exterior y las demás configuraciones del diseño de
3
El término “Alta masa” se refiere a que la masa de los materiales de construcción permite almacenar tanto calor en su
cuerpo
4
El término “Baja masa” se refiere a que la masa de los materiales de construcción no permite almacenar tanto calor
36
la vivienda.
Figura 13. Ejemplo de ganancia pasiva por radiación solar directa: Espacios que capturen el
calor de radiación solar y lo transfieran al interior de la vivienda.
Fuente: Palme et al. (2016)
Solo humidificación (Ho). Se trata de estrategias para agregar humedad al
ambiente mediante sistemas activos. Estos sistemas deben considerar que
la humedad en el interior puede ser incrementada también por los ocupantes
de la vivienda. Se usan principalmente en ambientes térmicamente
confortables, pero muy secos donde se requiere aumentar el contenido de
agua en el aire.
Solo des-humidificación (Do). Al contrario del anterior, en estas estrategias
se requiere disminuir el contenido de humedad en el aire a en ambientes con
temperaturas adecuadas al rango de confort.
Enfriamiento, con des-humidificación en caso de ser necesario (C-Do).
Se trata de estrategias que requieren sistemas de enfriamiento y de ser
necesario humidificación del aire. Principalmente se usan en climas donde
las temperaturas exceden el rango de confort y presentan altos niveles de
humedad.
Calentamiento, con humidificación en caso de ser necesario (H-Ho). Al
contrario de la anterior, se debe calentar y de ser necesario humidificar
mediante sistemas de acondicionamiento de aire. Principalmente se usan en
climas donde las temperaturas están por bajo el rango de confort y el
37
contenido de agua en el aire no es suficiente para alcanzar el confort.
2.3 SISTEMAS DE INFORMACIÓN GEOGRÁFICA
Los sistemas de información geográfica (SIG) son el resultado de una integración
organizada entre hardware, software, información y personas enlazadas por los
diferentes procedimientos (Olaya, 2014; Santovenia, Tarragó, y Andalia, 2009). El
uso extendido de los SIG ha permitido migrar las técnicas puntuales a ambientes
espaciales y espacio-temporales. Al respecto de esto existen muchos casos, de
los cuales se destacan para este trabajo las regionalizaciones de variables
meteorológicas mediante técnicas geoestadísticas (Sosa Paz, 2002; Chica Olmo,
2005; Gallardo, 2006; Portalés, Boronat-Zarceño, Pardo-Pascual, y Balaguer-
Beser, 2006).
2.3.1 Regionalización de variables meteorológicas
Una variable regionalizada puede explicarse por la estructura de correlación que
siga en el espacio (Ginzo Villamayor, 2009). Es decir, la variable presenta una
dependencia espacial que puede ser modelada por algún proceso matemático
(ejemplo: métodos estocásticos o determinísticos).
Las técnicas para regionalización de variables meteorológicas pueden ser
diversas desde las más simples como una generalización de los valores más
próximos (polígonos de Voronoi) hasta las complejas que implican modelos
matemáticos e inteligencia artificial (Bendix y Bendix, 2005; Hurtado Pidal y
Suntaxi Aluisa, 2013; Nouvelot et al., 1995). Las técnicas actuales combinan
procesos estocásticos con inteligencia artificial para descubrir las condiciones
sinópticas que permiten un estado del tiempo (Kumar, Brooks, Thornton, y Dietze,
2012; Lee y Jeong, 2014; Ruiz-Arias, Quesada-Ruiz, Fernández, y Gueymard,
2015). Al respecto de esto, Li y Heap (2008) hicieron una revisión sobre métodos
de interpolación espacial para ciencias ambientales. En su estudio analizan 43
técnicas de interpolación espacial, 12 de ellas son no-geoestadísticas, 23 son
técnicas geoestadísticas y 8 son métodos combinados (Tabla 2).
38
Tabla 2. Métodos de interpolación espacial estudiados por Li y Heap (2008)
Non-geostatistical
Geostatistical
Combined
Univariated
Multivariated
Nearest neighbours
Triangular irregular
network related
interpolations
Natural neighbours
Inverse distance
weighting
Regression models
Trend surface analysis
Splines and local trend
surfaces
Thin plate splines
Classification
Regression tree
Fourier series
Lapse rate
Simple kriging
Ordinary kriging
Block kriging
Factorial kriging
Dual kriging
Indicator kriging
Disjunctive kriging
Model-based
kriging
Simulation
Universal kriging
SK with varying local
means
Kriging with an external
drift
Simple cokriging
Ordinary cokriging
Standardised OCK
Principal component
kriging
Colocated cokriging
Kriging within strata
Multivariate factorial
kriging
Indicator kriging
Indicator cokriging
Probability kriging
Simulation
Classification combined
other interpolation methods
Trend surface analysis
combined with kriging
Lapse rate combined with
kriging
Linear mixed model
Regression trees combined
with kriging
Residual maximum
likelihood-empirical best
linear unbiased predictor
Regression kriging
Gradient plus inverse
distance squared
Fuente: Li et al. (2008)
Entre los resultados de Li y Heap (2008), se encuentra una propuesta de
clasificación de 26 métodos de interpolación espacial según sus características,
los cuales han sido ilustrados en mediante la Figura 14. El mencionado estudio
además presenta resultados sobre comparaciones de diferentes métodos no
geoestadísticos frente a Kriging ordinario, y entre los diferentes métodos
geoestadísticos. Sin embargo concluye que a pesar de que la selección adecuada
de uno u otro método es importante, ésta no es una tarea fácil. Al menos cita tres
factores que deben considerarse para la selección del método: la variable bajo
estudio, la configuración espacial de la muestra y el escenario bajo el cual se
desarrolla la interpolación espacial (Li y Heap, 2008).
39
Figura 14. Arbol de clasificación de 26 métodos de interpolación espacial, según Li y Heap
(2008)
Al respecto de la regionalización de variables ambientales en zonas montañosas,
los estudios de Fries et al. (2009; 2012), muestran una metodología relativamente
fácil y eficaz para la aproximación de valores en estas condiciones. Los métodos
son aplicables a las variables de Temperatura del aire (Ta) y Humedad relativa
(Hr). Y se basan principalmente en la relación lineal (no necesariamente
40
causalidad) que estas dos variables tienen con la altitud. Antes de regionalizar,
Fries et al. (2009; 2012) agrupan las estaciones de acuerdo al tipo de cobertura
de suelo donde se localizan. A partir de esto, para cada grupo sigue el siguiente
procedimiento:
Cálculo de la pendiente (
1
β
) de un modelo lineal
 
01 β+xβ=xf
de la
variable a regionalizar en función de la altitud de la estación muestreo.
Ajuste de los valores de la variable, mediante eliminación del efecto de la
altitud del punto de muestreo, mediante
 
ihih zzβV=V 1
. Donde;
h
V
es el valor ajustado a una altitud homogénea para todos los puntos de
muestreo (
h
z
).
i
V
y
i
z
son el valor de la variable y la altitud de la estación
i
correspondiente.
Predicción espacial de valores ajustados a una altitud común. Fries (2012)
emplea una predicción espacial de los
h
V
mediante kriging ordinario. Sin
embargo, no especifica el modelo teórico de varianza que empleó para
conseguir los valores
xyh
V
para una grid similar al modelo numérico de
altitud (MNA). En un apartado posterior se tratará con más detalle la
predicción espacial como herramienta.
Restitución del efecto de altitud sobre el mapa predicho. El efecto de la
altitud es re-establecido mediante la ecuación
 
hxyxyhxy zzβ+V=V
1
.
Una vez obtenidos los
xy
V
para todos los grupos de estaciones, éstos se
combinan en un mosaico de regionalizaciones en función del tipo de cobertura.
2.3.2 Predicción espacial y regionalización de variables
meteorológicas
La predicción espacial a diferencia de la predicción temporal basa su análisis en
dos premisas principales: 1) La primera tiene que ver con la auto-dependencia
espacial de la propia variable. Esto quiere decir que son más parecidas las
41
muestras entre puntos cercanos que entre puntos alejados (Bunge y Sack, 1973;
Boer, de Beurs, y Hartkamp, 2001; Chica Olmo, 2005; Gallardo, 2006). 2) La
segunda premisa tiene que ver con la asociación o relación espacial entre
variables, y se refiere a que todos los fenómenos están de alguna forma
relacionados con otros (Hutchinson, 1995).
Usando estas premisas, Fries et al. (2009; 2012) logran imputar valores de Ta y Hr
en sitios donde no existen estaciones de muestreo. Entre sus hallazgos (los más
relevantes para este estudio), y confirmando los resultados de la investigaciones
difundidas por Beck, Bendix, Kottke, Makeschin, y Mosandl (2008), destacan la
estrecha relación que tienen Ta y Hr con la altitud. Sin embargo, el gradiente
altitudinal de estas variables meteorológicas puede verse afectado por el tipo de
cobertura del suelo que se encuentre en el área. Por otro lado, al igual que lo han
demostrado otros autores (Hancock y Hutchinson, 2006; Xu y Hutchinson, 2013),
la sensibilidad de este método depende de una buena distribución de los sitios de
muestreo en el área de estudio.
Varios autores han separado las técnicas de imputación de datos en función de su
ubicación espacial. Así se pueden agrupar las técnicas de la siguiente manera:
Interpolación. Aquellas que permiten estimar un valor de una variable en
función de los registros de la misma variable en puntos de referencia más
cercanos. No permiten extrapolar valores fuera de los rangos de datos de
entrada. Estos métodos son de bajo costo de procesamiento y menor
precisión en la imputación de datos. Entre ellas, se tiene: Interpolación
ponderada por el inverso de la distancia (IDW), Interpolación por Splines,
Interpolación de vecinos naturales, entre otros.
Predicción. Las técnicas de predicción espacial también basan su
estimación de valores en función de registros cercanos. Sin embargo, éstas
técnicas emplean modelos teóricos de varianza (semivarianza) para
extrapolar datos fuera de los rangos de los datos de entrada. Estas
técnicas requieren mayor costo de procesamiento, pero ofrecen mejor
precisión en la imputación de datos. Entre estos se encuentran, Kriging y
42
Co-kriging, entre otros.
2.3.3 Análisis espacial
El análisis espacial se define como un conjunto de técnicas que permiten extraer
información a partir de las entidades en un espacio, analizando su localización,
características y relaciones con otras entidades (ESRI, 2016). Para ello, se
emplean técnicas analíticas
5
de acuerdo a la pregunta que se pretende abordar
en un espacio abstracto definido por un sistema de coordenadas (Olaya, 2014;
ESRI, 2016).
El análisis espacial no está limitado a los espacios geográficos. Es decir, el
concepto puede ser empleado en estudios de diferentes aplicaciones en espacios
bi-dimensionales (Por ejemplo: Cullis y Gleeson, 1991; Gallardo, Palme, Lobato-
Cordero, Beltrán, y Gaona, 2016; Whallon, 1973). Las coordenadas de estos
espacios pueden estar definidos por la relación de dos variables específicas,
mientras que la variable de interés puede localizarse mediante un par ordenado
de este espacio no geográfico.
Bajo esta última premisa, es posible implementar procedimientos no espaciales
que gobiernen cada unidad de análisis del espacio geográfico. Las herramientas
convencionales disponen de suficientes algoritmos para hacer estos dos tipos de
análisis por separado, pero para lograr esta combinación se requiere de las
bondades que ofrece la integración de los lenguajes de programación dentro de
los SIG.
Según investigadores del John A. Dutton e-Education Institute a través del College
of Earth an Mineral Sciences de la Universidad del Estado de Pensilvania, se
conocen alrededor de 600 lenguajes de programación útiles para diseño y análisis
espacial en SIG. De los cuales al menos 15 son ampliamente utilizados por los
desarrolladores de esta rama de la informática (Robinson, Hardisty, y Chaplin,
2017).
5
Pueden ser de superposición, estadística espacial, relaciones espaciales, entre otras.
43
La lista que presentan Robinson et al. (2017) incluye lenguajes de bajo nivel (por
ejemplo, C, C++, C# y Java) y alto nivel de comunicación usuario-máquina (como
por ejemplo Python, R, Javascript, VB.Net). Estos últimos han sido ampliamente
utilizados en la programación de guiones para reproducir tareas basadas en
objetos debido a la relativa facilidad de aprendizaje e interpretación.
2.3.4 R como herramienta de Análisis espacial
R es software libre de código abierto para análisis estadístico y gráficos
ampliamente utilizado en la ciencia (R Core Team, 2016). A pesar de que no es un
lenguaje de programación como tal, la lógica de programación es la base de todos
los procesos de análisis dentro de R (Bivand, Keitt, y Rowlingson, 2016).
R basa sus procedimientos en la programación funcional orientada a objetos
(Wickham, 2014). Esto se refiere a que en una sesión de R la información se
guarda como objetos y se analiza usando porciones de código organizado en
funciones. Las funciones útiles para SIG se encuentran en un conjunto de
paquetes que permiten utilizar R como herramienta de análisis espacial. Los
paquetes son aportes en su mayoría de comunidad de usuarios de R. Se conoce
que en el repositorio oficial del proyecto R existen 10614 paquetes (R Core Team,
2017), de los cuales al menos 178 aportan funciones para análisis espacial
(Bivand, 2017).
44
3 METODOLOGÍA
3.1 ÁREA DE ESTUDIO
La zonificación de estrategias de diseño bioclimático cubrirá toda la superficie del
Ecuador continental. Las condiciones geográficas y climáticas del área de estudio
se detallan en el apartado 2.1. A continuación, se resumen las características más
importantes para el estudio:
El área de estudio muestra al menos tres macro regiones bioclimáticas: 1) La
Costa que comprende toda la planicie desde el Océano Pacífico hasta los 700
msnm en las estribaciones occidentales de la Cordillera de los Andes; La Sierra,
que comprende las cadenas montañosas principales de los Andes desde los 700
msnm en las estribaciones occidentales hasta los 700 msnm en las estribaciones
orientales de los Andes, incluyendo los valles interandinos; y, Amazonía que
cubre la planicie amazónica en el Ecuador (ver Figura 1). Este trabajo se enfoca
en la parte continental debido a las limitaciones que presentan las fuentes de
datos para el Archipiélago de Galápagos que es la cuarta región natural.
3.2 MÉTODOS
La zonificación propuesta en este trabajo se basó en las estrategias de diseño
bioclimático propuestas por Givoni (1992a). Esto se debió a que es una
metodología de diseño flexible a la situación de disponibilidad de información
meteorológica del país. Además, que su aplicabilidad en Ecuador, ya ha sido
discutida previamente en las investigaciones de INER (Miño-Rodríguez et al.,
2014; Palme et al., 2016).
El cumplimiento de este trabajo de investigación se inicia con una recopilación y
análisis de un conjunto de condiciones, conceptos y técnicas para zonificar
estrategias de diseño bioclimático a partir de información meteorológica mensual
usando herramientas de Sistemas de Información Geográfica. En esta ocasión se
45
utilizó R como un Sistema de Información Geográfica para procesamiento,
análisis y zonificación
El procedimiento, mostrado en la Figura 15, inicia con la recolección de
información tanto para la configuración del escenario de análisis energético
habitacional, como de la información meteorológica espacial necesaria para la
identificación de las zonas climáticas. Las etapas siguientes concentran por
separado en aspectos estadístico-espaciales y aspectos no espaciales de
preparación del escenario de análisis. Al final se combinan los dos tipos de
procesos en una zonificación de las mejores estrategias a nivel mensual y para
cada unidad espacial. Todo el procedimiento es validado en cada etapa mediante
estadísticos de eficiencia y correlación (Pearson, Spearman, entre otros).
Figura 15. Diagrama de flujo del proceso metodológico.
46
3.2.1 Recopilación de información y herramientas de trabajo
A efecto de entendimiento se agruparán las fuentes de información de acuerdo
con procesos generales en el diagrama de flujo, de la siguiente manera:
Conceptos y normas para definición del escenario. Los conceptos principales
de este análisis fueron tomados de los fundamentos de la norma ASHRAE 55
(ASHRAE, 2009) y la guía de diseño bioclimático de Givoni (1992b), debido a
que ambas fuentes son complementarias. A partir de estas fuentes se
estableció el escenario para la zonificación y se seleccionaron las diferentes
estrategias factibles de aplicación en este estudio.
Datos meteorológicos. La fuente principal de información fue la base de datos
del INAMHI, principalmente los datos de las normales climatológicas para Ta y
Hr. Sin embargo, se recurrieron a otras fuentes de datos y modelos de
predicción numérica para hacer pruebas generales. Entre las otras fuentes se
encuentra, la base de datos meteorológicos diez minutales de la Red de
Monitoreo Atmosférico de la Secretaría del Ambiente de Quito.
Específicamente, de las estaciones Belisario, Carapungo, Centro, Cotocollao,
El Camal, Guamaní, Jipijapa, Los Chillos y Tumbaco para el período entre
2010 y 2015. También se recurrió a los archivos de AMT generados por el
INER a partir de Meteonorm 7 en el año 2015. Éstos AMT son valores
meteorológicos teóricos para la localización y condiciones específicas del
área de estudio, de ninguna forma fueron considerados como parte del
conjunto de medidas meteorológicas usadas para la regionalización espacial.
Datos espaciales. Los principales datos espaciales requeridos fueron la
ubicación de las estaciones de INAMHI y de la Secretaría del ambiente de
Quito, obtenidas desde las respectivas instituciones; el MNA que fue obtenido
de la Misión Topográfica Shuttle Radar SRTM y corregido por el Instituto
Geográfico Militar IGM; y modelo de cobertura de la tierra generado por el
Ministerio de Agricultura, Ganadería, Acuacultura y Pesca - MAGAP en 2014,
a escala 1:250000.
47
Durante el desarrollo de este estudio se ha utilizado varias herramientas
informáticas para el procesamiento, análisis y generación de reportes:
Climate Consultant (Milne et al., 2009), para pruebas preliminares para
definición del escenario de análisis bioclimático y generación de explicaciones
gráficas
Qgis 2.18 (QGIS Development Team, 2016) para composición de mapas y
visualización de resultados preliminares.
R-Project (R Core Team, 2016) para programación de algoritmos de análisis,
usando sus paquetes:
o raster (Hijmans, 2016) para análisis espacial y manipulación de capas
raster
o rgdal (Bivand et al., 2016), para análisis espacial, manipulación e
interoperabilidad de capas en diferentes formatos
o ggplot2 (Wickham, 2009), para elaboración de gráficos estadísticos y
visualizaciones.
o sp (Bivand, Pebesma, y Gómez-Rubio, 2013; Pebesma y Bivand, 2005),
para generación y transformación de objetos espaciales en una sesión de
R.
o gstat (Gräler, Pebesma, y Heuvelink, 2016), para interpolación espacial de
variables ambientales.
o geoR (Ribeiro y Diggle, 2015) para interpolación de variables ambientales
y ajuste de modelos de semivarianza.
3.2.2 Escenario para la zonificación de estrategias pasivas
Tal como se describió el en apartado 2.2.2, las edificaciones en Ecuador pueden
ser de diversos tipos. Además, se requiere considerar que las estrategias
aplicables pueden variar en función del tipo de vivienda. Por lo tanto, fue
necesario limitar en este análisis a los requerimientos de edificaciones de tipo
residencial particular (ver Figura 6). Además de este grupo se excluirán las
edificaciones que no se tenga conocimiento del material en sus componentes
principales. Bajo estas consideraciones, se han seleccionado los tipos de vivienda
48
que se muestran en la Figura 16. En la misma figura se presentan los materiales
más usados por tipo de vivienda.
Figura 16. Porcentaje de viviendas en Ecuador continental, por tipo de material usado en
cada uno de sus tres componentes principales, según los datos del Censo de Vivienda de
INEC (2010).
En este escenario se ha intentado generalizar el modelo de vivienda, basándose
en experiencias anteriores de investigadores del INER, para ello se tomará como
referencia el modelo básico de Mino-Rodriguez, et al. (2014). Por otro lado,
considerando que el confort dentro de una vivienda no solo depende de las
características de la vivienda, se asumirán condiciones de habitabilidad bajo
modelo propuesto por ASHRAE 55 -2005:
49
A partir de la Tabla 3, se ha definido un nivel de arropamiento igual a 1 (clo
= 1), lo cual consiste en que el habitante usa habitualmente un pantalón,
camiseta y suéter. En modelizaciones más sofisticadas, el nivel de
arropamiento puede llegar a ser determinante en la selección de una
estrategia bioclimática. Sin embargo, en este estudio no se analizarán las
variaciones por el nivel de arropamiento.
Tabla 3. Valores típicos de nivel de arropamiento (clo) por conjuntos de ropa.
Arropamiento
clo
Pantalón, camisa de manga corta
0.57
Falda a la rodilla, camisa de manga corta y sandalias
0.54
Pantalón, camisa de manga larga, chaqueta de traje o suéter.
0.96
Falda hasta la rodilla, camisa de manga larga, media combinación,
panty, suéter de manga larga
1.10
Bata de manga larga, camiseta
0.72
Fuente: ASHRAE (2005a) citado por McDowall (2007a)
Considerando la Tabla 4 de la típica generación de calor por actividad, se
ha elegido actividad física igual a 1.1 (met = 1.1), lo que implica que el
habitante va a pasar la mayor parte del tiempo sentado y haciendo
actividades con pocos movimientos (por ejemplo, leer o ver televisión).
Tabla 4. Generación típica de calor metabólico para diversas actividades.
Actividad
met
Durmiendo
0.7
Leyendo o escribiendo, sentado en la oficina
1.0
Archivando, de pie en la oficina
1.4
Caminando en la oficina
1.7
Caminando a 2 mph
2.0
Limpiando la casa
2.0 - 3.4
Bailando o en actividades sociales
2.4 - 4.4
Trabajo pesado
4.0
Fuente: ASHRAE (2005a) citado por McDowall (2007a)
En cuanto a las condiciones ambientales se asumirá una presión
atmosférica de una atmósfera (101,325 Pa) y velocidades de viento
ideales. Esto último se refiere a que indistintamente de lo que ocurra fuera
de la vivienda, en el interior se mantendrá una velocidad de viento entre 0.8
y 1.6 m/s según sugiere la guía de diseño bioclimático de Givoni (1992b).
50
3.2.3 Selección de estrategias de diseño para este estudio.
Considerando la disponibilidad de información meteorológica y espacial para
Ecuador se ha previsto limitar el análisis a seis de las 16 estrategias sugeridas en
la norma ASHRAE 55-2005 y la guía de diseño bioclimático de Givoni.
La Figura 18 muestra una adaptación del diagrama bioclimático de Givoni, donde
se muestran coloreadas las regiones exclusivas de las seis estrategias de diseño
seleccionadas. Las líneas curvadas en color verde son las isolíneas de humedad
relativa expresada en porcentaje. Mientras que, las líneas grises horizontales
marcan las condiciones de punto de rocío en intervalos de temperatura de bulbo
seco cada 5 °C y en condiciones de saturación del aire (Hr = 100 %).
En el diagrama original, las estrategias se pueden superponer en ciertas regiones
de otras estrategias. Tal como se puede apreciar el ejemplo en la Figura 17, la
estrategia HTMn ocupa el mismo espacio que la HTM, pero queda una región
específica para HTMn que no se superpone a ninguna otra.
Figura 17.Ejemplo de estrategias bioclimáticas que comparten regiones en el diagrama
bioclimático de Givoni (1992b), generado en Climate Consultant 6.
Fuente: Milne et al. (2009)
A partir de eso y para efectos de cálculo, se han delimitado regiones únicas
51
tomando en cuenta que las estrategias más estrictas respecto a la zona de confort
prevalezcan sobre las otras en cuanto a la delimitación del diagrama bioclimático.
De este modo se establecen las condiciones en la cuales alguna estrategia tiene
más aplicabilidad que las demás. Aunque esto no significa que sea la única
estrategia aplicable en esas condiciones. Se asume que el profesional diseñador
de la edificación está en condiciones de interpretar las áreas en las cuales se
sobreponen las diferentes estrategias para implementar una de ellas.
Figura 18. Regiones bioclimáticas en el diagrama psicrométrico a 1atm y para clo de 1.
Adaptación del Diagrama Bioclimático de Givoni (1992b)
3.2.4 Depuración y relleno de series meteorológicas
Tal como se había mencionado anteriormente, la información meteorológica en
Ecuador tiene algunas deficiencias que deben ser consideradas antes de realizar
predicciones meteorológicas o climáticas. Para reducir la incertidumbre de los
52
análisis que se presentan en este trabajo se ha seguido los siguientes pasos para
la depuración y completado de las series meteorológicas durante el período 1980
2015.
La depuración de los datos consiste en eliminar datos atípicos que pueden
presentarse como falsa alteraciones durante un corto tiempo. Para ello se han
realizado los siguientes controles:
Uso de las etiquetas de calidad. La base de datos del INAMHI muestra
etiquetas en las tablas de datos que indican el tratamiento que ha recibido esa
información. En el caso presente, se han prescindido de todos los valores
marcados como nulos o NoData. Estos valores fueron identificados por su
etiqueta N.
Eliminación de datos atípicos. Complementariamente se analizó la desviación
estándar del dato con respecto a la media móvil en la serie temporal. A partir
de este análisis se han prescindido de todos aquellos valores con más de 2.5
desviaciones estándar.
El último paso en el control de calidad es la eliminación de todas las
estaciones que tengan menos del 75% de datos válidos.
Las variables meteorológicas requeridas para este estudio son principalmente
pares de datos Ta y Hr. Esto significa que para el cálculo de las zonas climáticas
se deben completar al menos las series de estas dos variables para todo el
período de estudio. Sin embargo, se han analizado otras variables adicionales a
fin de que permitan tener más opciones para el relleno de los datos inválidos o
perdidos. Se han usado dos métodos para completar los datos de las estaciones:
El primer método se denomina “vector regional” (Hurtado Pidal y Suntaxi
Aluisa, 2013) y consiste en una aproximación al valor medio de un conjunto
de estaciones pertenecientes a una zona meteorológica homogénea. Este se
requirió para completar los datos perdidos no mayor a tres consecutivos en
una estación específica.
53
El segundo método se trata de una correlación de doble masa con estaciones
cercanas, la ecuación del ajuste entre las dos estaciones permite predecir un
valor aproximado para la estación en análisis. Fue necesario para establecer
una relación teórica entre estaciones cercanas que permita imputar períodos
de datos perdidos mayores a tres consecutivos, pero menores al 20% del total
de datos requeridos para el período.
Una vez completadas las series meteorológicas para cada estación, se procedió a
calcular las normales climatológicas para Ta y Hr. Se conservaron dos conjuntos
de datos para los ensayos: Los originales provistos por INAMHI y las Normales
Climatológicas
6
por cada estación.
3.2.5 Regionalización de variables meteorológicas
La regionalización de variables meteorológicas se realizó con el procedimiento de
Fries, et al. (2012). Esta metodología asume que las variables analizadas en este
trabajo están influenciadas por los cambios en la altitud. Por lo tanto, la gradiente
altitudinal de una relación estadística entre la altitud y la variable sirve como factor
de ajuste de la predicción espacial en las condiciones de heterogeneidad
meteorológica del área de estudio. La Figura 19 es un gráfico de correlación de
Pearson entre pares de variables para Altitud, Ta y Hr. Aquí se puede observar
que Ta está inversamente relacionada con la altitud. Sin embargo, Hr no muestra
una correlación con la altitud.
6
La normal climatológica corresponde al valor que representa las condiciones meteorológicas más frecuentes en un sitio
específico. Se obtiene a partir del análisis estadístico de una serie temporal de mediciones de un período mayor o igual a
30 años
54
Figura 19. Gráfico de correlación de Pearson entre pares de variables. A) Datos Mensuales
desde 1980 a 2010; B) Normales climatológicas
Posterior a la regionalización de Hr requiere de una conversión a ratio de
humedad (Mr) de manera que obtenga una variable que pueda relacionarse con la
altitud (Figura 20). La conversión se realizó mediante aproximaciones
psicrométricas, según ecuación de Miño-Rodríguez et al. (2014) (Ecuación 1):
 
HrPsvPa
HrPsv
=Mr
0.6219
(1)
Donde; Psv es la presión de saturación del vapor calculado mediante la ecuación
   ; y Pa es la presión atmosférica medida en la
estación. Debido a que no se cuenta con datos de Pa, se realizó una
aproximación (ecuación 2) usando la altura geopotencial de la estación en la
fórmula barométrica de Berberan-Santos, Bodunov, y Pogliani (1997).
ΓR
Mg
T
zΓ
P=Pa
0
0
01
(2)
Donde,
0
P
es la presión atmosférica a nivel medio del mar (101325 Pa),
Γ
es la
gardiente altitudinal de Ta (0.0065 K/m),
0
T
es la temperatura a nivel medio del
mar (15°C);
g
es la aceleración por gravedad de la tierra (9.80665 m/s2);
M
es la
masa molar del aire seco (0.0289644 kg/mol);
0
R
es la constante universal de los
gases (8.31447 J/(mol · K)); y z es la altitud sobre el nivel del mar
55
Figura 20. Gráfico de correlación de Pearson entre pares de variables, incluyendo Mr: A)
Datos Mensuales desde 1980 a 2010; B) Normales climatológicas
A partir de varios estudios ecológicos se conoce que las medidas meteorológicas
pueden estar influenciadas por el tipo de cobertura de suelo en la cual se ubique
la estación. Además, considerando que la Cordillera de los Andes actúa como una
barrera natural para la circulación atmosférica regional, se han detectado
condiciones climáticas diferentes para cada macro región. Estos dos factores
locales pueden determinar diferentes gradientes altitudinales que deben ser
considerados en la regionalización. Tomando en cuenta estos criterios se requiere
agrupar las estaciones de acuerdo a las condiciones ambientales en las que se
encuentran. La agrupación se realizó de acuerdo a las regiones macroclimáticas
de la Figura 1 y tipo de cobertura de la Tierra (MAE-MAGAP, 2015). La
regionalización de las variables para cada grupo de estaciones se realizó
mediante el lenguaje R y sus paquetes stats, raster, geoR y gstat. Los resultados
de la regionalización por grupos fueron combinados para conformar el mosaico
general que cubre el área de estudio.
El procedimiento de regionalización realizado bajo los lineamientos de Fries et al.
(2012) fue el siguiente:
1. Cálculo del gradiente de altitud. Se ajustó un modelo lineal
01 β+Zβ=V estest
mediante mínimos cuadrados entre la variable (
est
V
) como ordenada y la
altitud de la estación (
est
Z
) como abscisa. A partir del modelo ajustado se
extrajo la pendiente
1
β
que representa un factor de cambio de la variable
con respecto de la altitud.
56
2. Transformación de la variable a una altitud homogénea. Usando la Ecuación
(3), se calculó para cada estación el valor
avg
z
V
que tomaría la variable si
estuviera a la altitud media de las estaciones (
avg
Z
) y cambiase en función
de un factor equivalente a
1
β
.
 
estavgest
avg
zZZβV=V 1
(3)
3. Predicción espacial. La predicción espacial se realizó mediante kriging
ordinario con variograma omnidireccional ajustado a un modelo gausiano. El
resultado de la predicción fue enmascarado por el área que cubre la región
macroclimática y cobertura del suelo al que pertenece el grupo de
estaciones. El ajuste del modelo para el variograma se realizó mediante la
función fit.variogram() del paquete gstat. La predicción se realizó sobre una
capa raster predefinida y ajustada a las dimensiones de un MNA tomado de
SRTM (Farr et al., 2007).
4. Reconstrucción de la variable. A partir de la variable predicha a la altitud
media de las estaciones (
avg
xyz
V
), se requiere ajustar los valores a las
condiciones de altitud originales (
xyz
V
). Para esto se emplea la Ecuación (4),
que es la una inversión de la Ecuación (3), pero aplicada al resultado de la
predicción espacial; donde,
mna
Z
es la altitud provista por el modelo
numérico de altitud en la coordenada
yx ,
.
 
avgmna
avg
xyzxyz ZZβ+V=V
1
(4)
3.2.6 Asignación de estrategias para cada ubicación geográfica.
La asignación de estrategias para cada coordenada se realizó en un ambiente bi-
dimensional controlado por Ta y Mr. Para esto se usó el sistema coordenadas del
diagrama Bioclimático de Givoni (ver Figura 18). Desde este espacio bi-
dimensional se consultó la estrategia correspondiente a cada par ordenado
57
 
yx,
MrTa,
en la coordenada espacial
yx,
. La expresión matemática del proceso de
asignación de estrategia bioclimática por cada coordenada geográfica viene dada
por la Ecuación 5.
k
yx
yx
yxkmapa DB
Mr
Ta
=Zonas
,
,
,,
(5)
Donde; k= 1,…,7 es una de las estrategias de diseño del diagrama bioclimático
DB.
En la Figura 21, se representa gráficamente el procedimiento que se realiza con la
expresión matemática anterior. En dicha figura cada punto geográfico-temporal
tiene condiciones específicas de Ta y Mr que a trasladarse sobre el espacio
euclideano del diagrama bioclimático le corresponde una y solo una zona del
gráfico, la cual equivale a una estrategia bioclimática específica. El procedimiento
se realiza para cada unidad geográfica de análisis dentro del área de estudio.
Figura 21. Representación gráfica del proceso de asignación de estrategias bioclimáticas
para cada píxel del área de estudio.
58
Por ejemplo, la Figura 22 muestra las estrategias de diseño que corresponden a
los datos mensuales (desde enero a diciembre de un año normal) de las
estaciones M0001 y M0033. Esto fue posible gracias al paquete raster en R,
específicamente del método extract.SpatialPointsDataFrame().
A)
B)
Figura 22. Ejemplo de selección de estrategias bioclimáticas para las estaciones A) M0001 y
B) M0143.
59
El siguiente paso en la representación espacial de las zonas de estrategias de
diseño bioclimático, fue un ajuste de los puntos atípicos mediante filtros
espaciales con una ventana de 7 x 7 píxeles. Esto permite eliminar el ruido en el
mapa de zonas de estrategias bioclimáticas, causado por los errores de
predicción espacial de las variables meteorológicas.
3.2.7 Validación de la zonificación.
Usando las coordenadas de las estaciones se construyó una matriz de
verificación donde de las dos variables meteorológicas y la zona que le
corresponde tanto en el mapa y como el correspondiente valor del diagrama
psicrométrico mostrado en la Figura 18. A partir de las dos columnas de variables
meteorológicas se contrastaron los resultados de interpolación frente a las
normales climatológicas usando estadísticos de correlación y eficiencia: Pearson
(Ecuación 6), Kendall (Ecuación 7), Spearman (Ecuación 8) y Nash-
Sutcliffe  (Ecuación 9). Para el caso de validación de las zonas, se calcularon
los porcentajes de aciertos de zonificación mensual (Ecuación 10).
   


 

(6)
Dónde: es el número de observaciones, son los valores observados, son
los valores estimados; y son las medias de cada serie de datos.
  
(7)
Dónde, es el número de pares concordantes entre observados y estimados,
el número de pares discordantes y el número de observaciones comparadas.
  
 
(8)
60
Donde
son las diferencias entre dos rangos de cada observación; y,  es el
número de observaciones.
   


 
(9)
Donde, son los valores estimados, son los valores observados, y  es la
media de los valores observados.
 

(10)
Donde,   es la prueba de verdad del valor de zona estimada frente al valor
de zona observado, y es el número de observaciones.
61
4 RESULTADOS Y ANÁLISIS DE RESULTADOS
El escenario y estrategias de diseño bioclimático descritos en los apartados
anteriores marcaron las pautas para los análisis y sus consiguientes resultados.
4.1 REGIONALIZACIÓN DE VARIABLES METEOROLÓGICAS
A partir de los datos de INAMHI se estudiaron cinco variables meteorológicas
disponibles para 353 estaciones meteorológicas. Las variables estudiadas fueron
temperatura del aire: media (Tam), mínima (Tan) y máxima (Tax); humedad
relativa media (Hrm) y presión de vapor (Psv). De las 353 estaciones analizadas
se encontraron 152 válidas. En la Figura 23, la escala de colores es el índice de
cero a uno de datos válidos de 83 de las 152 estaciones, donde el 1 corresponde
a una serie completa de datos. El eje de las abscisas corresponde a cada
estación identificada por su código INAMHI, mientras que en el eje de las
ordenadas están las diferentes variables Estas estaciones presentaron datos
sobre el 75% en alguna de las variables analizadas, por ese motivo fueron
conservadas.
Figura 23. Índice de datos válidos a escala mensual por estación y variable, según los datos
reportados por INAMHI.
De acuerdo con la Tabla 5, las estaciones operativas durante el período 1980 -
2010 en la Amazonía fueron 7 y fueron agrupadas en 2 categorías. Para la Costa
62
ecuatoriana se hallaron 49 estaciones y principalmente se localizan en zonas de
cobertura vegetal de baja altura, como hiervas (incluidos cultivos de ciclo corto) y
arbustos. La Sierra tiene un total de 92 estaciones operativas en el período de
estudio, de las cuales la mayoría (55) se encuentran instaladas en tierras
cubiertas por cultivos o hiervas.
Tabla 5. Número de estaciones por grupo de acuerdo a las condiciones de operación y localización
de la estación.
Grupo
Región y Clase
Número de
estaciones
Descripción
1
Amazonía - Arboles
4
Estaciones localizadas en áreas de bosques de gran
altura con predominancia mayor a 70% de árboles
2
Amazonía - Hierbas
3
Estaciones localizadas en áreas de cobertura
herbácea y cultivos de ciclo corto
3
Costa - Antrópico
6
Estaciones localizadas en áreas con infraestructura
antrópica
4
Costa - Arboles
5
Estaciones localizadas en áreas de bosques de gran
altura con predominancia mayor a 70% de árboles
5
Costa - Arbustos
14
Estaciones localizadas en áreas de vegetación
arbustiva, cultivos semi-permanentes no forestales,
cultivos permanentes de baja/mediana altura y
vegetación secundaria con bosques menores a 50%
de presencia.
6
Costa - Hierbas
24
Estaciones localizadas en áreas de cobertura
herbácea y cultivos de ciclo corto.
7
Sierra - Antrópico
8
Estaciones localizadas en áreas con infraestructura
antrópica.
8
Sierra - Arboles
12
Estaciones localizadas en áreas de bosques de gran
altura con predominancia mayor a 70% de árboles
9
Sierra - Arbustos
17
Estaciones localizadas en áreas de vegetación
arbustiva, cultivos semi-permanentes no forestales,
cultivos permanentes de baja/mediana altura y
vegetación secundaria con bosques menores a 50%
de presencia.
10
Sierra - Hierbas
55
Estaciones localizadas en áreas de cobertura
herbácea y cultivos de ciclo corto
La Figura 24 muestra los estadísticos de los modelos lineales ajustados entre
altitud y las normales climatológicas de las variables por cada grupo de
estaciones. Los colores identifican las variables de Hr (rojo) y Ta (azul). Los
grupos son los paneles del gráfico definidos por la intersección entre tipo de
cobertura y región macroclimática.
63
Figura 24. Gráfico de y del ajuste de modelos lineales por grupo de estaciones
Los mapas mensuales muestran una franja de valores más bajos para todas las
variables, en las áreas que corresponden a la cadena montañosa de la Cordillera
de los Andes. Y no se aprecian variaciones mensuales tan evidentes, sin
embargo, se destacan variaciones espaciales muy fuertes en los Andes y la
Costa. Los apéndices 1, 2 y 3 presentan vistas generales de las variables
regionalizadas para cada mes. A partir los mapas mensuales, se compararon los
valores estimados con los observados en las estaciones, hallándose coeficientes
de correlación altos (> 0.9) para Ta y medios (>0.6) para Hr (Figura 25).
64
Figura 25. Coeficientes de correlación y eficiencia de estimados vs. observados, por mes
Además, se calcularon las diferencias entre valores estimados y valores
observados por INAMHI, y se encontró que los valores de Ta tienen poca
diferencia entre los dos conjuntos de datos. Al contrario, para Hr las diferencias
son mayores principalmente en los meses entre junio y octubre. El gráfico de la
Figura 26 muestra diagramas de cajas de las diferencias (eje y) agrupados por
mes (eje x) y variable (colores)
Figura 26. Diferencia de estimación de Ta y Hr frente a sus valores observado, por mes
4.2 SELECCIÓN Y ZONIFICACIÓN DE ESTRATEGIAS DE DISEÑO BIOCLIMÁTICO.
El mapa en la Figura 27 resumen las estrategias predominantes por localidad en
un año promedio. La zona que presenta las condiciones de confort se localiza
65
principalmente en la transición de las planicies de la Costa y Amazonía hacia la
Sierra. La estrategia de Ganancias de calor interno se presenta principalmente en
las estribaciones exteriores de la Cordillera. La Costa y Amazonía prevalecen las
zonas donde se requiere enfriamiento y deshumidificación. En la Sierra, cambian
las estrategias de acuerdo con los cambios en la altitud. En toda el área de
estudio se presentan un total de cinco zonas características para un año
promedio. Mientras que a escala mensual se pueden encontrar hasta seis
diferentes zonas.
Figura 27. Mapa de estrategias de diseño bioclimático predominantes para un año
promedio. Sistema de referencia de coordenadas EPSG:4326
La zonificación por meses que se presenta en la Figura 28 , muestra dos
temporadas climáticas marcadas. La primera temporada es de diciembre a mayo
donde se incrementa el área de las zonas cálido-húmedas. Mientras que al
contrario estas áreas disminuyen en el resto del año y solo permanece la
66
humedad. La estrategia Alta masa térmica solo se encuentra presente solo en la
provincia de Loja, al sur del Ecuador en los meses de agosto y septiembre.
Figura 28. Zonas de estrategias bioclimáticas según diagrama bioclimático de Givoni.
Durante los primeros cuatro meses del año no tienen lugar la estrategia de Solo
deshumidificación, mientras que el resto del año aparecen paulatinamente las
zonas donde es posible esta estrategia. Esta estrategia tiene lugar principalmente
en la cadena montañosa de la cordillera costera.
Durante el año pueden presentarse diversas estrategias en una misma ubicación,
tal como se puede observar en el mapa de la Figura 29. En la Sierra pueden tener
67
lugar hasta cuatro diferentes estrategias, principalmente en los valles interandinos
del sur de Ecuador. En las estribaciones externas de los Andes se pueden
encontrar hasta tres estrategias. Mientras que en la Costa y Amazonía máximo
puede dos estrategias diferentes en el año. La mayor parte en estas dos regiones
solo es posible emplear un tipo de estrategia de las analizadas.
Figura 29. Mapa de diversidad de estrategias aplicables. Sistema de referencia de
coordenadas EPSG:4326
La validación de la zonificación mostró que, de los 151 puntos comparados, se
alcanzaron porcentajes de aciertos mayores al 90% en todos los meses, según se
presenta en la Figura 30. Los meses con menor porcentaje de aciertos fueron
octubre y noviembre.
68
Figura 30. Índice de aciertos medido en porcentaje.
4.3 ANÁLISIS DE LOS RESULTADOS
Pregunta de investigación: ¿Existe información meteorológica que permita
entender las variaciones espaciales y temporales más comunes de
temperatura del aire y humedad relativa para Ecuador Continental?
Según los resultados, la hipótesis planteada para esta investigación se cumple, ya
que a partir de los datos de INAMHI y con las técnicas propuestas si se llegó a
definir zonas de implementación de estrategias de diseño bioclimático para
Ecuador continental. Sin embargo, el punto crítico para alcanzar este resultado
fue la regionalización de las variables meteorológicas. Al respecto, Fries et al.
(2009, 2012), al igual que otros autores (Antolini et al., 2016; Daly, Neilson, y
Phillips, 1993) proponen cálculos para reducir los errores de predicción espacial
de las variables eliminando efectos de la topografía. Pero además, Fries et al.
(2009, 2012) incluyen el criterio de cobertura de la tierra para asumir condiciones
homogéneas en la observación de variables meteorológicas. A diferencia de Fries
et al. (2009, 2012), en este trabajo también se incluyó la división en regiones
macroclimáticas como criterio de agrupamiento de estaciones. Esto fue necesario
porque las condiciones meteorológicas en barlovento (laderas orientales de los
Andes) son diferentes a las de sotavento (laderas occidentales) debido al efecto
69
de Föehn (Kiss y Bräuning, 2008). Y además, porque los factores climáticos en la
Costa son diferentes a los de la Amazonía.
Los diez grupos de estaciones presentados en la Tabla 5 tienen condiciones
ambientales y de operación diferentes. No se tuvo conocimiento de las
condiciones de cobertura y uso de la tierra en las que operan las estaciones de
INAMHI, por lo tanto, fue necesario basarse en mapas de cobertura de la tierra. El
criterio de cobertura vegetal considera principalmente la estructura de la
vegetación y predominancia de árboles, arbustos o hierbas que se describen en el
mapa de cobertura y uso de la tierra a escala 1:100,000 del MAE-MAGAP (2015).
A partir de la misma Tabla 5, se halló que la Amazonía es la región que tiene de
menor número de estaciones operativas. Por lo tanto, los modelos de regresión
lineal y modelos de semivarianza tienen menor eficiencia en la predicción de la
variable meteorológica (ver Figura 24 y Figura 25). Por el contrario, la sierra tiene
la mayor cantidad de estaciones y están distribuidas en casi toda la región. Sin
embargo, la orografía causa alta variabilidad en espacios más reducidos por lo
tanto juega un papel importante en la interpolación de variables meteorológicas,
principalmente para predecir Hr.
Las series meteorológicas disponibles para este estudio fueron insuficientes para
el período de análisis. Esta situación ya habría sido descrita en otros estudios (por
ejemplo: Gaona et al., 2013), por lo tanto, se requirió homogeneizar y completar
las series para el período 1980 2010. Los valores obtenidos mediante la
regionalización de las variables, comparados con los observados por las
estaciones no tienen diferencias importantes. Los cuatro coeficientes de
correlación entre valores observados y estimados (ver Figura 25) reflejan una
buena predicción en la regionalización espacial de Ta y Hr. Sin embargo, cabe
anotar que se presenta menor efectividad para Hr en los meses de junio a
octubre. Este período coincide con los meses de mayores anomalías en
precipitación y temperatura reportados por INAMHI en sus anuarios
meteorológicos desde 1990 a 2012 (INAMHI, 2012). Por lo tanto, estos bajos
coeficientes podrían estar relacionados con anomalías climáticas implícitas en los
promedios mensuales y que se remarcan en gráfico de diferencias Observado-
70
Estimado de la Figura 26.
La relación de Ta y Hr con otras variables ambientales permiten su regionalización
conservando la variabilidad espacial y temporal de las mismas. Sin embargo, no
se ha podido corroborar su correcta regionalización en lugares de gran altitud (>
4,500 msnm) o en la Selva amazónica, por no disponer de suficientes sitios de
medición en esas áreas. Por lo tanto, se recomienda incrementar los sitios de
medición, de modo que permita cubrir todo el rango de altitudes y condiciones de
medición.
Pregunta de investigación: ¿Existen patrones espaciales permitan definir
zonas para la aplicación de las diferentes estrategias de diseño bioclimático
para viviendas residenciales en Ecuador continental?
El error de la predicción de las variables meteorológicas tiene un efecto sinérgico
en la selección de las estrategias para cada unidad de análisis. Este efecto se
destaca en la Figura 30, donde los índices de aciertos marcan alrededor de 8
puntos porcentuales por debajo de la predicción ideal. La metodología de
asignación de estrategias que fue seleccionada para este trabajo permitió romper
la acumulación de un nuevo error. Esto fue posible ya que se redujeron los
procesos predictivos en esta etapa, eliminando los cálculos de índices de
calentamiento y humedad como los que proponen los trabajos de Rakoto-Joseph
et al. (2009) o Lam et al. (2006). Lo cual permite centrar la atención en el
mejoramiento de las técnicas de regionalización de las variables meteorológicas a
partir de normales climatológicas.
El escenario propuesto para esta zonificación resalta las variaciones climáticas de
las zonas templadas y frías, principalmente por el Clo seleccionado para este
caso de estudio. Al respecto, tanto Givoni (1992a) como ASHRAE (2009)
mencionan que el nivel de arropamiento y la actividad física a realizar en una
vivienda son determinantes a la hora de elegir una estrategia de diseño (Miño-
Rodríguez et al., 2014). Debido a deficiente información sobre Clo y actividad
física típicas de cada localidad, en este trabajo no se han modelado las
variaciones espaciales de estrategias de diseño en función de esas variables. Por
71
lo tanto se usaron valores fijos en la configuración del escenario de base que
delimita el alcance de estos resultados. El Clo = 1 es un valor que implica sobre
arropamiento para las regiones Costa y Amazonía, pero para la Sierra implica un
nivel de arropamiento normal. Por consiguiente, este análisis es más estricto para
las zonas bajas que para las altas montañas.
Pregunta de investigación: ¿Qué estrategias de diseño bioclimático son
aplicables a las condiciones de habitabilidad, economía y ambientales
presentes en Ecuador continental?
La zonificación presentada en las Figura 27 y Figura 28 muestra estrategias
bioclimáticas predominantes en las regiones Costa y Amazonía. La cordillera
costanera
7
genera una zona de microclimas cálido-húmedos que no requieren de
enfriamiento del aire, pero sí de deshumidificación. De la misma manera, todo el
pie de monte costero y amazónico es una zona de microclimas cálido-húmedos
con temperaturas más bajas entre los meses de junio y octubre. Por lo tanto,
varían entre las estrategias de Solo dehumidificación y Enfriamiento, y
deshumidificación si se requiere. Estos resultados permiten dar mayor
aplicabilidad a las regiones climáticas habitacionales que propone el INER (Palme
et al., 2016). Por el contrario, en la Sierra pueden tener lugar diversas estrategias
durante el año. La Figura 29 resalta zonas donde la variabilidad climática en la
Sierra puede dar lugar hasta cuatro diferentes estrategias en una misma
ubicación geográfica. En la mayor parte de la superficie de la costa se deben
considerar hasta dos estrategias diferentes en el diseño de viviendas. Este
resultado puede ser explicado por las dos aparentes estaciones en el clima de
Ecuador según los mismos datos de INAMHI (2012). La primera es la temporada
lluviosa que ocurre durante meses de diciembre a mayo; y la segunda es la
temporada seca (o menos lluviosa) que ocurre en los meses entre junio y octubre.
La misma Figura 29 muestra zonas donde tiene lugar una sola estrategia,
causadas por la frecuente condición de extremos (máximos o mínimos) de calor y
humedad.
7
Presente en las provincias de Manabí y Esmeraldas
72
El diagrama psicrométrico de Givoni (1992b) considera condiciones de
temperatura y humedad en las cuales podrían ser empleadas diferentes
estrategias. Sin embargo, solo tres combinaciones de estrategias se pueden
superponer entre : Alta masa térmica - Alta masa térmica con pérdida de calor
en la Noche; Solo deshumidificación - Enfriamiento, y deshumidificación si es
necesario; y, Ganancias internas de calor - Calentamiento, y humidificación si es
necesario. Todo esto indica que el mapa de estrategias bioclimáticas se podría
resumir en zonas más amplias que engloben características climáticas generales.
Esta investigación presenta un caso particular de análisis que está condicionado
por el tipo de diagrama bioclimático y el escenario base utilizado. Esto limita a
diseñar viviendas bajo el Modelo de Confort de ASHRAE Standard 55, para Clo =
1 y Pa = 1 atmósfera. Por lo tanto, queda abierta la posibilidad de ampliar el
estudio variando estos parámetros.
73
5 CONCLUSIONES Y RECOMENDACIONES
La información meteorológica oficial disponible en el INAMHI es representativa
para la mayor parte de las áreas pobladas de Ecuador continental. A pesar de que
no tiene suficiente cobertura para las áreas no pobladas, se considera suficiente
para modelar su comportamiento en la superficie.
Al menos cinco estrategias de diseño bioclimático se pueden usar para mejorar
las condiciones de confort en las viviendas de Ecuador Continental. La mayor
parte de la Costa y Amazonía requieren de sistemas activos de enfriamiento y/o
deshumidificación de aire. Mientras que en la Sierra las partes más altas de los
Andes y valles interandinos del norte de la cordillera requieren sistemas activos
para calentamiento del aire.
Las estribaciones de los Andes son las únicas zonas que no requieren de
sistemas activos para acondicionamiento de aire. En estas áreas pueden ser
suficientes estrategias pasivas como el adecuado tamaño de ventanas, grosor de
paredes o tipo de materiales para diseño de viviendas, entre otras.
Las condiciones ambientales que propone el diagrama bioclimático de Givoni para
los diferentes tipos de estrategias agrupan un amplio rango de climas por cada
una de ellas. Por lo tanto, las oportunidades de encontrar los patrones que
delimiten zonas de aplicación de cada una de ellas son amplias. Sin embargo, el
proceso matemático en un SIG, para identificar las diferentes zonas es complejo.
Por lo tanto, en esta tesis se ha recurrido a un procedimiento más simple de
asignación de zonas empleando espacios bidimensionales no geográficos. Así se
pudieron encontrar los patrones espaciales que delimitan la aplicabilidad de una u
otra estrategia de diseño bioclimático en cada unidad de análisis del espacio
geográfico.
Finalmente, la zonificación propuesta brinda la oportunidad de simplificar el
proceso de selección de estrategias de diseño bioclimático de viviendas en
Ecuador, principalmente en áreas carentes de información meteorológica
74
detallada. De esta manera, todas las regiones del País podrían alcanzar la
eficiencia energética sin comprometer el confort interior en su vivienda.
75
6 REFERENCIAS BIBLIOGRÁFICAS
Antolini, G., Auteri, L., Pavan, V., Tomei, F., Tomozeiu, R., y Marletto, V. (2016). A
daily high-resolution gridded climatic data set for Emilia-Romagna, Italy,
during 1961-2010. International Journal of Climatology, 36(4), 1970-1986.
DOI:10.1002/joc.4473
Almonacid, F., Pérez-Higueras, P., Rodrigo, P., y Hontoria, L. (2013). Generation of
ambient temperature hourly time series for some Spanish locations by
artificial neural networks. Renewable Energy, 51, 285291. DOI:
10.1016/j.renene.2012.09.022
ASHRAE, American Society of Heating, Refrigerating and Air Conditioning
Engineers (2005a). ASHRAE 55 - 2005. Thermal environmental conditions
for human occupancy.
ASHRAE, American Society of Heating, Refrigerating y Air-Conditioning
Engineers. (2005b). 2005 ASHRAE Handbook - Fundamentals (Inch-Pound).
American Society of Heating, Refrigerating and Air-Conditioning Engineers,
Inc.
ASHRAE, American Society of Heating, Refrigerating y Air-Conditioning
Engineers. (2009). 2009 ASHRAE Handbook - Fundamentals (Inch-Pound).
American Society of Heating, Refrigerating and Air-Conditioning Engineers,
Inc.
ASHRAE, American Society of Heating, Refrigerating y Air-Conditioning
Engineers. (2010). ASHRAE Standard 55-2010:«Thermal Environmental
Conditions for Human Occupancy. American Society of Heating,
Refrigerating and Air-Conditioning Engineers, Inc.
Barros López, J. G., y Troncoso Salgado, A. Y. (2010). Atlas climatológico del
Ecuador. Quito, Ecuador: Escuela Politécnica Nacional.
Beck, E., Bendix, J., Kottke, I., Makeschin, F., y Mosandl, R. (Eds.). (2008).
Gradients in a Tropical Mountain Ecosystem of Ecuador (Vol. 198). Berlin,
Heidelberg: Springer Berlin Heidelberg. DOI: 10.1007/978-3-540-73526-7
Beltrán, R. D., Kastillo, J., Miño-Rodríguez, I., Naranjo-Mendoza, C., y Ávila, C.
(2015). Assessment of Different Natural Ventilation Strategies for an
Educational Building on the Warm-Humid Climate of Guayaquil, Ecuador. En
Volume 2: Photovoltaics; Renewable-Non-Renewable Hybrid Power System;
Smart Grid, Micro-Grid Concepts; Energy Storage; Solar Chemistry; Solar
76
Heating and Cooling; Sustainable Cities and Communities, Transportation;
Symposium on Integrated/Sustainable Buil (p. V002T17A006). ASME.
Bendix, A., y Bendix, J. (2005). Heavy rainfall episodes in Ecuador during El Niño
associated regional atmospheric circulation and SST patterns. Advances in
Geosciences, 6, 1-7. DOI: 10.5194/adgeo-6-43-2006
Bendix, J., Fabian, P., y Rollenbeck, R. (2004). Gradients of fog and rain in a
tropical montane cloud forest of southern Ecuador and its chemical
composition. Fog Collection and Dew, 3-6.
Bendix, J., y Lauer, W. (1992). Die Niederschlagsjahrsezeiten in Ecuador und Ihre
Klimadinamische Interpretation. Erdkunde, 46, 118-134.
Bendix, J., Rollenbeck, R., Dietrich, G., Nauß, T., y Fabian, P. (2008). Seasonality
and diurnal pattern of very low clouds in a deeply incised valley of the
eastern tropical Andes (South Ecuador) as observed by a cost-effective
WebCam system. Meteorological Applications, 291(May), 281-291.
Bendix, J., Rollenbeck, R., Göttlicher, D., y Cermak, J. (2006). Cloud occurrence
and cloud properties in Ecuador. Climate research, 30(2004), 133-147.
Bendix, J., Fries, A., Zárate, J., Trachte, K., Rollenbeck, R., Pucha-Cofrep, F.,
Achilles, S. (2017). RadarNet-Sur First Weather Radar Network in Tropical
High Mountains. Bulletin of the American Meteorological Society, 98(6),
1235-1254. DOI: 10.1175/BAMS-D-15-00178.1
Berberan-Santos, M. N., Bodunov, E. N., y Pogliani, L. (1997). On the barometric
formula. American Journal of Physics, 65(5), 404412.
Bivand, R. (2017). CRAN task view: Analysis of spatial data. Recuperado en
octubre de 2017, a partir de https://cran.r-project.org/web/views/Spatial.html
Bivand, R., Keitt, T., y Rowlingson, B. (2016). rgdal: Bindings for the Geospatial
Data Abstraction Library. R package version 1.2-15. Recuperado en
noviembre de 2015 a partir de https://cran.r-project.org/package=rgdal
Bivand, R. S., Pebesma, E., y Gómez-Rubio, V. (2013). Applied Spatial Data
Analysis with R. (R. Gentleman, K. Hornik, y G. G. Parmigiani, Eds.)
(Second). New York, NY: Springer New York. DOI: 10.1007/978-1-4614-
7618-4
Boer, E. P. J., de Beurs, K. M., y Hartkamp, A. D. (2001). Kriging and thin plate
splines for mapping climate variables. International Journal of Applied Earth
Observation and Geoinformation, 3(2), 146-154. DOI: 10.1016/S0303-
2434(01)85006-6
77
Borah, P., Singh, M. K., y Mahapatra, S. (2015). Estimation of degree-days for
different climatic zones of North-East India. Sustainable Cities and Society,
14, 7081. DOI: 10.1016/j.scs.2014.08.001
Brager, G. S., y de Dear, R. J. (1998). Thermal adaptation in the built environment:
a literature review. Energy and Buildings, 27(1), 83-96. DOI: 10.1016/S0378-
7788(97)00053-4
Bucking, S., Zmeureanu, R., y Athienitis, A. (2014). A methodology for identifying
the influence of design variations on building energy performance. Journal of
Building Performance Simulation, 7(6), 411-426. DOI:
10.1080/19401493.2013.863383
Bunge, W., y Sack, R. D. (1973). Spatial Prediction. Annals of the Association of
American Geographers, 63(4), 566-569.
Cadier, É., Gómez, G., Calvez, R., y Rossel, F. (1994). Inundaciones y Sequías en
el Ecuador. En ORSTOM (Ed.), Conferencias por los 20 Años del ORSTOM
en Ecuador (pp. 107-116). Quito, Ecuador: ORSTOM.
Caldwell, M. M., Heldmaier, G., Jackson, R. B., Lange, O. L., Mooney, H. A.,
Schulze, E. D., y Sommer, U. (2007). Ecological studies: Gradients in a
Tropical Mountain Ecosystem of Ecuador. (E. Beck, J. Bendix, I. Kottke, F.
Makeschin, y R. Mosandl, Eds.) (Uncorrected, Vol. 198). Heidelberg,
Germany: Springer.
CEC, California Energy Commission (2013) 2013 California Energy Code, Title 24,
Part 6 and Associated Administrative Regulations in Part 1
Chica Olmo, M. (2005). La geoestadística como herramienta de análisis espacial
de datos de inventario forestal. Sociedad Española de Ciencias Forestales,
19, 47-55.
CIBSE, Chartered Institution of Building Services Engineers (2006). Degree-Days
- Theory and Application. The Chartered Institution of Building Services
Engineers, London,16.
Crawley, D. B., Lawrie, L. K., Pedersen, C. O., y Winkelmann, F. C. (2000). Energy
plus: energy simulation program. ASHRAE, 42(4), 49-56.
Cullis, B. R., y Gleeson, A. C. (1991). Spatial Analysis of Field Experiments-An
Extension to Two Dimensions. Biometrics, 47(4), 1449. DOI:
10.2307/2532398
Daly, C., Neilson, R. P., y Phillips, D. (1993). A statistical-topographic model for
mapping climatological precipitation over mountainous terrain. Journal
applied of meteorology, 33, 140-1588. DOI: 10.1175/1520-
78
0450(1994)033<0140:ASTMFM>2.0.CO;2
Deser, C., y Wallace, J. (1987). El Nino events and their relation to the Southern
Oscillation: 19251986. Journal of Geophysical Research. DOI:
10.1029/JC092iC13p14189
Emck, P. (2007). A Climatology of South Ecuador - With special focus on the major
Andean ridge as Atlantic-Pacific climate divide.
EnergyPlus. (2013). Auxiliary EnergyPlus Programs. Extra programs for
EnergyPlus. October. California, US.: EnergyPlus.
Espinoza Villar, J. C., Ronchail, J., Guyot, J. L., Cochonneau, G., Naziano, F.,
Lavado, W., Vauchel, P. (2009). Spatio-temporal rainfall variability in the
Amazon basin countries (Brazil, Peru, Bolivia, Colombia, and Ecuador).
International Journal of Climatology, 29(11), 1574-1594. DOI:
10.1002/joc.1791
ESRI. (2016). ESRI Support GIS Dictionary. Recuperado 5 de enero de 2017, a
partir de http://support.esri.com/other-resources/gis-dictionary/term/spatial
analysis
Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., … Alsdorf,
D. (2007). The Shuttle Radar Topography Mission. Reviews of Geophysics,
45(2), RG2004. DOI: 10.1029/2005RG000183
Fries, A. (2012). Implementation of new methods for the regionalization of climate
data. Philips-Universität Marburg.
Fries, A., Rollenbeck, R., Göttlicher, D., Nauß, T., Homeier, J., Peters, T., y Bendix,
J. (2009). Thermal structure of a megadiverse Andean mountain ecosystem
in southern Ecuador and its regionalization. Erdkunde, 63(4), 321-335.
Fries, A., Rollenbeck, R., Nauß, T., Peters, T., y Bendix, J. (2012). Near surface air
humidity in a megadiverse Andean mountain ecosystem of southern Ecuador
and its regionalization. Agricultural and Forest Meteorology, 152, 17-30. DOI:
10.1016/j.agrformet.2011.08.004
Galeas, R., y Guevara, J. E. (2012). Metodología para la Representación
Cartográfica de los Ecosistemas del Ecuador Continental. Quito, Ecuador:
Ministerio del Ambiente. Recuperado en mayo de 2017, a partir de
http://www.ambiente.gob.ec/wp-
content/uploads/downloads/2013/03/Documento_Metodologi?a_28_05_2012
_v2_1.pdf
Gallardo, A. (2006). Geostadística. Ecosistemas, 3(1987), 1-11.
79
Gallardo, A., Palme, M., Lobato-Cordero, A., Beltrán, R., y Gaona, G. (2016).
Evaluating Thermal Comfort in a Naturally Conditioned Office in a Temperate
Climate Zone. Buildings. Multidisciplinary Digital Publishing Institute. DOI:
10.3390/buildings6030027
Gaona, G. (2013). Delimitación y evaluación del área de influencia bioclimática en
el sector de Yachay, Urcuquí. Quito, Ecuador.
Gaona, G., Quentin, E., y Labus, J. (2013). Homogeneidad y variabilidad espacial
de series meteorológicas del área del proyecto Ciudad del Conocimiento -
Yachay. Avances en Ciencias e Ingenierias, 5(2), 22-34. DOI:
10.18272/aci.v5i2.138
Gelegenis, J. J. (1999). Estimation of hourly temperature data from their monthly
average values: Case study of Greece Renewable Energy, 18(1), 4960.
DOI: 10.1016/S0960-1481(98)00779-4
Ginzo Villamayor, M.