23
ISSN Versión impresa: 1992-2159; ISSN Versión electrónica: 2519-5697
Biotempo, 2018, 15(1), ene-jun.: 23-30.
ORIGINAL ARTICLE / ARTÍCULO ORIGINAL
PROGNOSIS FOR HURRICANE IRMA THROUGH REGRESSION
OBJECTIVE REGRESSION AND ITS IMPACT ON THE VECTOR
POPULATIONS AT THE METEOROLOGICAL STATION OF CAIBARIEN,
VILLA CLARA, CUBA
PRONÓSTICO PARA EL HURACÁN IRMA POR MEDIO DE LA
REGRESIÓN OBJETIVA REGRESIVA Y SU REPERCUSIÓN EN LAS
POBLACIONES VECTORAS EN LA ESTACIÓN METEOROLÓGICA DE
CAIBARIÉN, VILLA CLARA, CUBA
Ricardo Osés-Rodríguez1*; Meylin Otero-Martin1; Nancy Ruiz-Cabrera1;
Rigoberto Fimia-Duarte2 & José Iannacone3,4
1* Centro Meteorológico Provincial de Villa Clara, Cuba. Calle Marta Abreu No 59 Altos. Esquina a Juan Bruno Sayas.
CP 50100. Email: ricardo.oses@vcl.insmet.cu
2 Facultad de Tecnología de la Salud «Julio Trigo López». Universidad de Ciencias Médicas de Villa Clara, Cuba.
E-mail: rigobertofd@infomed.sld.cu
3 Laboratorio de Ecología y Biodiversidad Animal (LEBA). Facultad de Ciencias Naturales y Matemáticas. Universidad
Nacional Federico Villarreal (UNFV). El Agustino, Lima, Perú.
4 Laboratorio de Parasitología. Facultad de Ciencias Biológicas. Universidad Ricardo Palma (URP). Lima, Perú. E-mail:
joseiannacone@gmail.com
ABSTRACT
e hydrometeorological events are intensi ed, cyclones being the most destructive phenomenon in the tropics and
with greater consequences, both for the populations of vector organisms and for human health.  e objective of the
present investigation was to describe the forecast made for Hurricane Irma one year in advance, taking into account the
incidence in populations of vector organisms in the meteorological station of Caibarien, Villa Clara, Cuba.  e study
was carried out based on the forecast of the atmospheric pressure variable, with a series of data, from 1977 to 2016, by
means of the Regression Objective Regression (ROR) methodology. It was shown that the forecast coincides with what
happened during the passage of Hurricane Irma, except for a di erence of three days and six hours, according to the data
from the Caibarien weather station. Increasing the atmospheric pressure increases the larval density of mosquitoes.  e
forecast with one year and eleven years in advance of the tri-horary atmospheric pressure is an important tool to predict
the impact of hurricanes in our territory as well as its direct relationship with the increasing di usion and presentation in
di erent tropical and subtropical regions of infectious entities of viral and parasitic etiology, and the di usion, irradiation
ISSN Versión Imp resa: 1992-2159; ISSN Vers ión Elec tróni ca: 2519-5697
Volumen 15 (1) Enero - Junio 2018
Biotempo (Lima)
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Osés-Rodríguez et al.
24
and propagation of the dierent genera and species of vector organisms, so it should be a daily service of the group of
weather forecasting in the provincial meteorological centers.
Keywords: Caibarien – infectious entities – hurricane Irma – atmospheric pressure trihoraria – prognostic – Regressive
Objective Regression – Villa Clara
RESUMEN
Los eventos hidrometeorológicos se intensican, constituyendo los ciclones el fenómeno más destructor de los trópicos
y con mayores consecuencias, tanto para las poblaciones de organismos vectores como para la salud humana. El objetivo
de la presente investigación consistió en describir el pronóstico realizado para el huracán Irma con un año de antelación,
teniendo en cuenta la incidencia en las poblaciones de organismos vectores en la estación meteorológica de Caibarién,
Villa Clara, Cuba. El estudio se realizó a partir del pronóstico de la variable presión atmosférica, con una serie de datos,
desde el año 1977 al 2016, por medio de la metodología Regresión Objetiva Regresiva (ROR). Se demostró que el
pronóstico realizado coincide con lo ocurrido durante el paso del huracán Irma, excepto una diferencia de tres días y seis
horas, según los datos de la estación meteorológica de Caibarién. Al aumentar la presión atmosférica aumenta la densidad
larval de mosquitos. La predicción con un año y once años de antelación de la presión atmosférica trihoraria es una
herramienta importante para prever el impacto de los huracanes en nuestro territorio, así como su relación directa, con
una mayor difusión y presentación en diferentes regiones tropicales y subtropicales de entidades infecciosas de etiología
viral y parasitaria, y la difusión, irradiación y propagación de los diferentes géneros y especies de organismos vectores, por
lo que debiera ser un servicio cotidiano del grupo de predicción del tiempo en los centros meteorológicos provinciales.
Palabras clave: Caibarién – entidades infecciosas – huracán Irma – presión atmosférica trihoraria – pronóstico –Regresión
Objetiva Regresiva – Villa Clara
INTRODUCCIÓN
Cada día que pasa, los desastres naturales se intensican
y amenazan la seguridad de las personas (Zhang &
Krishnamurti, 1999; Gore, 2007; Dodla et al., 2011;
Cepero, 2012). Según el Centro para la Investigación de
la Epidemiologia de los Desastres (CRED, 2017), 102
países habían sufrido algún tipo de desastres natural al
culminar el año 2016, dejando numeras pérdidas de vidas
humanas y cuantiosas pérdidas económicas (Arnell &
Gosling, 2016).
Los eventos hidrometeorológicos se intensican,
constituyendo los ciclones el fenómeno más destructor
de los trópicos, por todo lo que traen a su paso: fuertes
vientos, penetraciones del mar, deslizamientos de tierra
e intensas precipitaciones (Aberson et al., 1998; Goerss,
2000; Gore, 2007; Vecchi et al., 2014; Ruan & Wu,
2018). La temporada de huracanes 2017 marcó varios
valores absolutos, destacándose los huracanes Harvey,
Irma, José y Katia. Irma alcanzó categoría 5, incluso
antes de llegar al mar Caribe; además, fue el de mayor
duración con esta intensidad (Socarrás, 2006). Fue a su
vez, el meteoro más devastador en daños materiales en
la región (CRED, 2017). Vale destacar que se formaron
tres huracanes en la Cuenca Atlántica, lo que no sucede
con facilidad. Los estudios realizados en relación con el
Cambio Climático prevén una mayor intensidad en su
formación, lo que no está lejos de la realidad según el
recién concluido período/temporada ciclónica 2017
(Camargo et al., 2007; CRED, 2017).
Los pronósticos de los huracanes constituyen una ardua
tarea para los cientícos y de suma importancia para
preservar la vida humana (Wu et al., 2000; Emanuel,
2005; Webster et al., 2005; Wang et al., 2007; Halperin
et al., 2013; Vecchi et al., 2014; Li et al., 2016). El primer
pronóstico de un huracán en Cuba fue realizado el 12
de septiembre de 1875 y elaborado por Benito Viñes.
El mismo fue publicado en la prensa habanera y hace
alusión a la caída de presión: “El barómetro que se había
mantenido en estos días pasados, más alto de lo ordinario,
tiene actualmente marcada tendencia a un constante
descenso, bien que no rápido” (Ramos, 1996).
La provincia de Villa Clara, Cuba, situada al centro norte
del país, es continuamente afectada por ciclones tropicales.
Según la Guía Climática de la provincia, Villa Clara ha
sido azotada por 36 ciclones tropicales (CT): 3 casos
con la categoría de depresión tropical (DT), 17 con la
categoría de tormenta tropical (TT) y 16 con la categoría
de huracán (H); de ellos, 7 huracanes de categoría 1
Prognosis for hurricane Irma
25
(H1), 6 huracanes de categoría 2 (H2), 3 huracanes de
categoría 3 (H3), ningún huracán de categoría 4 (H4), y
ninguno de categoría 5 (H5), durante el período 1886-
2005 (120 años) (Socarrás, 2006). Se le debe añadir a
la cronología, el huracán Irma, que afectó primeramente
a la zona nordeste de Villa Clara, trasladándose por la
ciudad de Caibarién, con vientos sostenidos entre los 215
y los 240km/h, y rachas superiores, categoría 4 en la escala
Sar-Simpson y posteriormente por todo el sector norte.
Los pronósticos estacionales que se realizan en Cuba
están basados en que las condiciones oceánicas y
atmosféricas que precedieron a temporadas ciclónicas
activas o inactivas en el pasado, dan una información útil
sobre tendencias probablemente similares en temporadas
futuras (Xie et al., 2006; Ballester et al., 2010; Vecchi et
al., 2014). En este trabajo se muestra un amplio estudio
de la variabilidad de la actividad ciclónica y su pronóstico,
es de destacar que nuestra metodología es consecuente
con este planteamiento y va más atrás aún, al utilizar
el ciclo de 11 años o ciclo solar para predecir el futuro
comportamiento de la presión atmosférica, aspecto que
comprobó su efectividad en los trabajos de Oses et al.
(2017c). Es nuestra convicción que el impacto de un
huracán está bien determinado con esta antelación y
pudiera ser previsto, incluso con 22 o más años múltiplos
de 11. En el año 2012, se vislumbró por primera vez la
posibilidad de pronosticar la posición de ocurrencia de
un huracán con un año de antelación (Oses et al., 2012),
pero todavía no existía la forma de predecir con exactitud
la fecha de ocurrencia de estos organismos.
El trabajo pretende demostrar cómo se pronosticó el paso
del huracán Irma por el municipio Caibarién con un año
de antelación, a partir de la variable presión atmosférica y
con la metodología Regresión Objetiva Regresiva (ROR),
teniendo en cuanta la incidencia en las poblaciones de
organismos vectores, aunque el modelo corresponde a 11
años de antelación.
MATERIALES Y MÉTODOS
Descripción del área de estudio
La investigación se llevó a cabo en el municipio Caibarién,
perteneciente a la provincia Villa Clara, ubicada en la
región central de la isla de Cuba, (Latitud: 22º 29’40’’ N,
Longitud: 79º28’30’’ W), junto a otros 12 municipios
conforman la provincia, desde el punto de vista político
administrativo. El municipio Caibarién está ubicado en la
costa norte de la provincia, posee límites geográcos con
los municipios, Remedios y Camajuaní (gura 1).
Figura 1. Mapa político administrativo de Cuba y la
provincia Villa Clara.
Regresión Objetiva Regresiva ROR
Para el pronóstico de la presión atmosférica trihoraria
en la estación meteorológica se utilizó la metodología
de la Regresión Objetiva Regresiva ROR (Osés et al.,
2015; Fimia et al., 2017a; Fimia et al., 2017b), para lo
cual se crean en un primer paso, variables dicotómicas
DS (Diente de Sierra), DI (Diente de Sierra Invertido) y
NoC (Tendencia), donde:
NoC: Número de casos de la base.
DS = 1, si NoC es impar; DI = 0, si NoC es par, cuando
DI=1, DS=0 y viceversa.
Posteriormente se ejecutó el módulo correspondiente al
análisis de Regresión del paquete estadístico SPSS, versión
19,0 (IBM, 2010), especícamente el método ENTER,
donde se obtiene la variable pronosticada y el ERROR.
Luego se obtuvieron los autocorrelagramas de la
variable ERROR, con atención a los máximos de las
autocorrelaciones parciales signicativas PACF. Se
calcularon entonces las nuevas variables atendiendo
al retardo signicativo (Lag) del PACF. Finalmente,
se incluyeron en la nueva regresión estas variables
regresadas en un proceso de aproximaciones sucesivas
hasta la obtención de un ruido blanco (Jiménez, 2017)
en los errores de la regresión. Para el caso de la presión
atmosférica se utilizó los retardos de 1 año de antelación,
aunque con 11 años se obtienen buenos resultados (Osés,
2014; Osés et al., 2017b).
RESULTADOS Y DISCUSIÓN
Se logró pronosticar la variable presión con un año de
antelación, como puede apreciarse en la gura 1; entre
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Osés-Rodríguez et al.
26
los días 12 y 13 debía ocurrir un evento meteorológico
extremo, debido a la gran caída de presión que se esperaba
según la modelación ROR (Fimia et al., 2016a; Fimia et
al., 2017a; Osés et al., 2017a).
Figura 1. Presión atmosférica trihoraria a nivel de
estación en Caibarién.
Leyenda: Unstandardized Predicted Value: Valor
Predicho Estandarizado.
Pm: Presión Atmosférica Trihoraria
Lo ocurrido realmente se puede apreciar en la  gura
2, donde la caída de presión del huracán Irma ocurre
aproximadamente tres días antes de lo previsto, pero la
coincidencia de los datos es asombrosa.
Figura 2. Presión ocurrida durante el huracán Irma en
Septiembre de 2017. Estación de Caibarién. PRE_2:
Presión trihoraria prevista con un año de antelación
según ROR. Pe.: Presión Trihoraria ocurrida en el mes
de septiembre de 2017. Estación Caibarién. Eje X:
Número de observaciones. Eje Y: Presión Atmosférica en
Hectopascales (hPa).
Analizando la crosscorrelación entre PRE_2 y Pe podemos
establecer, que con un retardo de 26 observaciones es que
se presenta la mayor correlación entre estas variables como
son 8 observaciones diarias, tenemos entonces dividiendo
26 entre 8 que es igual a 3 con resto 2, o sea 3 días y 6
h es la diferencia máxima que se equivocó el pronóstico
( gura 3).
Figura 3. Croscorrelación (CCF) entre PRE_2 y Pe en
Caibarién- CUBA. Septiembre 2017.
PRE_2: Presión trihoraria Prevista con un año de
antelación según ROR. Pe: Presión Trihoraria ocurrida
en el mes de septiembre de 2017. Estación Caibarién.
En la tabla 1 podemos observar la correlación entre
Lag26Pe y el pronóstico PRE_2 que es de 0,478
signi cativa al 100 %. Aparentemente Pe y PRE_2 no
presentan correlación signi cativa por lo que pudiera ser
engañoso este parámetro.
Prognosis for hurricane Irma
27
Tabla 1. Correlaciones entre PRE_2 y Lag26Pe.
Caibarién, septiembre 2017.
Correlaciones PRE 2 Pe Lag26 Pe
PRE_2 Correlación de
Pearson
Sig. (bilateral)
N
1
240
,096
,139
240
,478**
,000
214
Pe Correlación de
Pearson
Sig. (bilateral)
N
,096
,139
240
1
240
-,091
,187
214
Lag26 Pe Correlación de
Pearson
Sig. (bilateral)
N
,478**
,000
214
-,091
,187
214
1
214
** La correlación es signicativa al nivel 0,01 (bilateral).
PRE_2: Presión trihoraria Prevista con un año de
antelación según ROR. Lag26Pe: Retardo en 26
observaciones.
Estudiando la crosscorrelación en lo pequeño puede
apreciarse que en el retardo 3, se observa un alto coeciente
signicativo, lo que nos indica la relación estrecha entre el
pronóstico y el valor real.
Figura 4. Croscorrelación (CCF) entre PRE_2 y Pe en
Caibarién CUBA. Septiembre 2017.
Los fuertes y cada vez más frecuentes e inusuales
veranos e inviernos, inundaciones, sequias, disturbios
meteorológicos (vendavales, tormentas tropicales, ciclones,
huracanes, entre otros), reforzados por la intervención
esporádica de «El Niño y La Niña» y más preocupante
aún, la participación inconsecuente del hombre, así como
el incremento ascendente del transporte aéreo y marítimo,
están perpetuando en forma preocupante estos y otros
episodios epidemiológicos (Arenas & Carvajal, 2012;
Roy & Kovordányi, 2012; Arnell & Gosling, 2016). Por
lo que es innegable, la inuencia cada vez mucho más
marcada, que tienen las variables meteorológicas en las
poblaciones de organismos vectores (Fimia et al., 2012;
Osés et al., 2012; Fimia et al., 2016b).
Lo anteriormente analizado tiene repercusión directa
en las especies de organismos vectores transmisores de
entidades infecciosas (Fimia et al., 2016a,b; Fimia et al.,
2017c), a lo cual se une el cambio climático, con sus más
de 20 fenómenos naturales, responsable directo de la cada
vez mayor difusión y presentación en diferentes regiones
tropicales y subtropicales de entidades infecciosas de
etiología viral y parasitaria (Trenberth, 2005; Kundzewicz
et al., 2013; Rivera, 2014; Zhang, 2015), así como de
la difusión, irradiación y propagación de los diferentes
géneros y especies de vectores, principalmente Anopheles,
Aedes aegypti (Linnaeus, 1762) y Ae. Albopictus Skuse
1895, lo cual concuerda con resultados vaticinados por
otros autores (Beck-Johnson et al., 2013; Zhang, 2015;
Fimia et al., 2017b,c).
Si tenemos en cuenta todo lo antes referido, más los
resultados obtenidos en artículos publicados en relación
con la temática objeto de análisis (Osés et al., 2016; Aldaz
et al., 2017; Fimia et al., 2017b), pues es de esperarse,
en un futuro muy cercano, corrimientos/desplazamientos
ecológicos de forma transitoria/temporal para especies
de culícidos, desde los ecosistemas costeros hacia
ecosistemas/asentamientos urbanos, separados incluso,
a más de 50 km de las costas, con las consiguientes
consecuencias epidemiológicas que este fenómeno
pudiese traer consigo, tanto para la salud humana, como
del resto de los animales; es decir, explosiones focales de
entidades zoonóticas en áreas/sitios no coincidentes con la
ecología y biología de las especies vectoras y hospedantes
intermediarios.
Se demostró que el pronóstico realizado coincidió con lo
ocurrido durante el paso del huracán Irma. La predicción
con un año de antelación de la presión atmosférica
trihoraria constituye una herramienta importante para
prever el impacto de los huracanes en nuestro territorio,
así como su relación directa, con la cada vez mayor
difusión y presentación en diferentes regiones tropicales
y subtropicales de entidades infecciosas de etiología viral
y parasitaria, y la difusión, irradiación y propagación de
los diferentes géneros y especies de organismos vectores.
Agradecimientos
Agradecemos al Departamento del Grupo de
Instrumentos y Métodos de Observación (GIMO) del
Centro Meteorológico Provincial de Villa Clara Cuba por
los datos aportados.
REFERENCIAS BIBLIOGRÁFICAS
Aberson, S.D.; Bender, M.A. & Tuleya, R.E. 1998.
Ensemble forecasting of tropical cyclone tracks.
Preprints, 12th Conference on Numerical
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Osés-Rodríguez et al.
28
Weather Prediction, Phoenix, AZ, American
Meteor Society, pp. 290-292.
Aldaz, C.J.W.; Osés, R.R.; Fimia, D.R.; Segura, O.J.J.;
Aldaz, C.N.G.; Segura, O.J.J. & Fundora, G.R.
2017. e climate prediction with a year in
advance through the Bultó`s index for Havana
city, Cuba. International Journal of Current
Research, 9: 45382-45386.
Arenas, V.A. & Carvajal, P.L. 2012. Inuencia de los
cambios climáticos en la denición del sexo en
el Aedes aegypti y su impacto en las epidemias
de dengue. Revista Facultad de Salud, 4: 11-24.
Arnell, N.W. & Gosling, S.N. 2016. e impacts of
climate change on river ood risk at the global
scale. Climatic Change, 134: 387-401.
Ballester, M.; González, C. & Pérez, R. 2010. Variabilidad
de la actividad ciclónica en la región del Atlántico
Norte y su pronóstico. Proyecto 0803. Ed.
Academia. La Habana.
Beck-Johnson, L.M.; Nelson, W.A.; Paaijmans, K.P.; Read,
A.F.; omas, M.B. & Bjornstad, O.N. 2013.
e eect of temperature on Anopheles mosquito
population dynamics and the potential for
malaria transmission. Plos One, 8: 1-12.
Camargo, S.J.; Barnston, A.G.; Klotzbach, P.J. & and
Landsea, C.W. 2007. Seasonal tropical cyclone
forecasts. World Meteorological Organization
Bulletin, 56: 297-309.
Cepero, R.O. 2012. El cambio climático: su efecto sobre
enfermedades infecciosas. REDVET, 13 (05B):
1-15.
CRED. 2017. Centro para la Investigación de la
Epidemiologia de los Desastres. https://
www.voanoticias.com/a/eeuu-huracanes-
datos-record-2017-atlantico-clima-costos-
destruccion/4021059.html
Dodla, V.B.; Desamsetti, S. & Yerramilli, A. 2011. A
Comparison of HWRF, ARW and NMM
Models in Hurricane Katrina (2005) Simulation.
International Journal of Environmental
Research and Public Health, 8: 2447-2469.
Emanuel, K. 2005. Increasing destructiveness of tropical
cyclones over the past 30 years. Nature, 436:
686-688.
Fimia, D.R.; González, G.R.; Cepero, R.O.; Valdés,
A.M.; Corona, S.E. & Argota, P.G. 2012.
Inuencia de algunas variables climáticas
sobre la malacofauna uvial con importancia
zoonótica en la provincia Villa Clara. REDVET,
13 (7): Disponible en: http://www.veterinaria.
org/revistas/redvet/n070712.html [Consulta:
22 Febrero 2018].
Fimia, R.; Osés, R.; Carmenate, A.; Iannacone, J.;
González, R.; Camacho, L.; Cepero, O. &
Cabrera, A. 2016a. Modeling and forecasting for
mollusk’s with angiostrongilosis in the province
Villa Clara, Cuba using Objective Regressive
Regression (ROR). Neotropical Helminthology,
10: 61-71.
Fimia, D.R.; Iannacone, J.; Osés, R.R.; González,
G.R.; Armiñana, G.R.; Gómez, C.L.; García,
C.B. & Zaita, F.Y. 2016b. Asociación de
algunas variables climáticas con la fasciolosis,
angiostrongilosis y la malacofauna uvial de
la provincia Villa Clara, Cuba. Neotropical
Helminthology, 10: 259-273.
Fimia, R.; Osés, R.; Iannacone, J.; Carmenate, A.;
Diéguez, L.; González, R.; Gómez, L. & Cepero,
O. 2017a. Modelación y predicción hasta el año
2020 para la angiostrongilosis total utilizando
la Regresión Objetiva Regresiva. Villa Clara,
Cuba. e Biologist (Lima), 15 (Suplemento
Especial) 1:S16-S16.
Fimia, R.; Osés, R.; Aldaz, J.W.; Iannacone, J.; Zaita, Y.;
Osés, R. & Cabrera, M. 2017b. Modelación
matemática del cólera por medio de la Regresión
Objetiva Regresiva y su relación con las variables
climáticas. Caibarién, Villa Clara, Cuba. e
Biologist (Lima), 15 (Suplemento Especial) 1:
S128-S128.
Fimia, D.R.; Alarcón, E.P.M.; Osés, R.R.; Argota,
P.G.; Iannacone, O.J. & Capote, C.J. 2017c.
Modeling of Equivalent Eective Temperature
and its possible incidence on larval density of
Anopheles mosquitoes (Diptera: Culicidae) in
Villa Clara province, Cuba. Revista de Biología
Tropical, 65: 565-573.
Goerss, J.S. 2000. Tropical cyclone track forecasts using
an ensemble of dynamical models. Monthly
Weather Review, 128: 1187-1193.
Prognosis for hurricane Irma
29
Gore, A. 2007. An Inconvenient truth [videocinta] EUA:
Paramount Classics and Participant Productions.
Halperin, D.J.; Fuelberg, H.E.; Rhart, R.E.; Cossuth,
J.H. & Sura, P. 2013. An evaluation of tropical
cyclone genesis forecasts from global numerical
models. Weather and Forecasting, 28:1423-
1445.
Jiménez, G.J. 2017. Efecto de la nubosidad en los paneles
fotovoltaicos. Tesis de Culminación de estudios
de la especialidad de Ingeniería Eléctrica.
Universidad Marta Abreu de Las Villas. Facultad
de Ingeniería Eléctrica.
Kundzewicz, Z.W.; Kanae, S.; Seneviratne, S.I.;
Handmer, J.; Nicholls, N.; Peduzzi, P. et al.
2013. Flood risk and climate change: global and
regional perspectives. Hydrological Sciences
Journal, 59: 1-28.
Li, Q.; Lan, H.; Chan, J.C.L.; Cao, C.; Li, C. & Wang,
X. 2016. An operational statistical scheme for
tropical cyclone-induced rainfall forecast. Chapter
10. Recent developments in tropical cyclone
dynamics, prediction, and detection. pp. 217-232.
Disponible en: http://www.intechopen.com/
books/recent-developments-intropical-cyclone-
dynamics-prediction-and-detection.
Osés R.; Saura G. & Pedraza A. 2012. Pronóstico de
huracanes en el Mar Caribe utilizando la Regresión
Objetiva Regresiva (ROR), 20 al 23 Marzo/2012.
Disponible en: http://www.lidar.camaguey.cu/
sometcuba/taller/resumen.php.
Osés, R. 2014. Modelación Matemática ROR aplicada
al pronóstico total de terremotos a nivel global
- Mathematical Modeling (ROR) applied to
the forecast of earthquakes in the global level.
Revista Electrónica de Veterinaria, 15 (08B).
Osés, R.; Burgos, I.; Osés, C.; Otero, M. Fimia, R.
Cruz, L. 2015. How much methodology ROR
explains the rain errors in Caibarién, Cuba.
International Journal of Current Advanced
Research, 4: 17-21.
Osés, R.R.; Rigoberto, D.R.; Iannacone, O.J.; Saura,
G.G.; Gómez, C.L & Ruiz, C.N. 2016.
Modelación de la temperatura efectiva
equivalente para la estación del Yabú y para la
densidad larval total de mosquitos en Caibarién,
provincia Villa Clara, Cuba. Revista Peruana de
Entomología, 51:1-7.
Osés, R.; Sánchez, M.; Fimia, R.; Gascón, B.C.;
Iannacone, J.; Zaita, Y.; Osés, C. & Burgos, I.
2017a. La Regresión Objetiva Regresiva más allá
de un ruido blanco para los virus que circulan
en la provincia Villa Clara, Cuba. e Biologist
(Lima), 15, Suplemento Especial, 1:127-127.
Osés, R.; Aldaz, J.; Fimia, R.; Jagger, J.; Aldaz, N.; Segura,
J. & Osés, C. 2017b. e ROR´s Methodology
and it´s possibility to nd information in a
White Noise. International Journal of Current
Research, 9: 47378-47382.
Osés, R.; Domínguez, I.; Pedraza, F.A. & Jiménez, F.
2017c. Modelación y Pronóstico de la Presión
Atmosférica Tri-horaria a nivel del mar con 11
años de antelación de la provincia Villa Clara,
Cuba. Centro Meteorológico Provincial de Villa
Clara. (Inédito).
Ramos, L.E. 1996. Benito Viñes, S. J. Ed. Academia, La
Habana.
Roy, C. & Kovordányi, R. 2012. Tropical cyclone track
forecasting techniques ― A review. Atmospheric
Research, 104-105: 40-69.
Ruan, Z. & Wu, Q. 2018. Precipitation, convective
clouds, and their connections with tropical
cyclone intensity and intensity change.
Geophysical Research Letters, 45: 1098–1105.
Socarrás, J. 2006. Guía Climática de la provincia de Villa
Clara. Proyecto de Investigación del Centro
Meteorológico Provincial de Villa Clara.
(Inédito).
Trenberth, K. 2005. Uncertainty in Hurricanes and
global warming. Science, 309: 1753-1754.
Vecchi, G.A.; Delworth, T.; Gudgel, R:, Kapnick,
S.; Rosati, A.; Wittenberg, A.T.; Zeng, F.;
Anderson, W.; Balaji, V.; Dixon, K.; Jia, L.;
Kim, H.S.; Krishnamurthy, L.; Msadek, R.;
Stern, W.F.; Underwood, S.D.; Villarini, G.;
Yang, X. & Zhang, S. 2014. On the seasonal
forecasting of regional tropical cyclone activity.
Journal of climate, 27: 7994-8016.
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Osés-Rodríguez et al.
30
Wang, B.; Xu, Y. & Baogui, B. 2007. Forecasting and
warning of tropical cyclones in China. Data
Science Journal, 6, Supplement, 13: S723-S737.
Webster, P.J.; Holland, G.J.; Curry, J.A. & Chang,
R.H. 2005. Changes in tropical cyclone
number, duration, and intensity in a warming
environment. Science, 309: 1884-1847.
Wu, C.C.; Bender, M.A. & Kurihara, Y. 2000. Typhoon
Forecast with the GFDL Hurricane Model:
Forecast skill and comparison of predictions
using AVN and NOGAPS global analyses.
Journal of the Meteorological Society of Japan,
78: 777-788.
Xie, L.; Bao, S.; Pietrafesa, L.J.; Foley, K. & Fuentes,
M. 2006. A real-time Hurricane surface wind
forecasting model: formulation and verication.
Monthly Weather Review, 134: 1355-1370.
Zhang, Z. & Krishnamurti, T.N. 1999. A perturbation
method for hurricane ensemble predictions.
Monthly Weather Review, 127: 447-469.
Zhang, Y.; Feng, C.; Ma, C.; Yang, P.; Tang, S.; Lau,
A.; Sun, W. & Wang, Q. 2015. e impact
of temperature and humidity measures on
inuenza A (H7 N9) outbreaks-evidence
from China. International Journal Infectious
Diseases, 30: 122-124.
Received February 5, 2018.
Accepted June 28, 2018.