Professional Documents
Culture Documents
TESISPARAOPTARELTTULOPROFESIONALDELICENCIADOENFSICA
POR
ELVAROSMERYSOSAGUTIRREZ
ASESORES:ALEXISCHAIGNEAU
RONANFABLET
JORGEQUISPESANCHEZ
LIMAPER
2011
HOJA DE PRESENTACIN
CARACTERIZACIN DE LA ACTIVIDAD TURBULENTA DE SUB-MESOESCALA EN EL
OCANO PACIFICO FRENTE AL PER UTILIZANDO ANLISIS DE DATOS SATELITALES
ELVA ROSMERY SOSA GUTIRREZ
Tesis presentada a consideracin del Cuerpo de Docentes de la Facultad de Ciencias
Naturales y Matemtica de la Universidad Nacional del Callao, como parte de los requisitos
para obtener el Ttulo de Licenciado en Fsica.
Aprobado por:
CALLAO-PER
ii
AGOSTO 2011
FICHA CATALOGRFICA
iii
DEDICATORIA
iv
AGRADECIMIENTOS
Doy gracias a Dios por mostrarme siempre un camino de luz en etapas muy difciles.
Agradezco de manera muy especial a Alexis Chaigneau por haberme dado la oportunidad de
trabajar con l, e investigar sobre un tema desconocido para m, gracias por la paciencia
brindada en todo momento, en cada una de la extensas revisiones de la tesis que eran de
nunca acabar!, gracias por tus valiosos conocimientos, comentarios y sugerencias, los cuales
siempre fueron constructivos para el desarrollo de esta tesis, gracias por todas las lecciones en
Oceanografa Fsica, y por mostrarme un camino que recin empieza, y por supuesto gracias
por tu amistad.
As mismo extender mi agradecimiento al Dr. Ronan Fablet por haber sido una parte esencial
en el desarrollo de esta tesis, gracias por las tantas revisiones hechas a la tesis, y porque
siempre haba una nueva visin o un nuevo clculo para una mejor interpretacin en los
resultados, muchas gracias por su paciencia y el tiempo que me brind.
Al Profesor Jorge Quispe, por haberme guiado en los primeros pasos en esta amplia rea de
investigacin, no solo fue mi asesor sino un gran amigo. A Jos Tenorio por tu valiosa amistad
y entusiasmo en todo momento, y por aquellas reuniones con gente de IMARPE las cuales
siempre fueron muy entretenidas.
Al Instituto de investigacin para el desarrollo (IRD) por haber financiado mi trabajo de tesis, y
por brindar todas las facilidades que un estudiante podra desear, gracias tambin al Instituto
del Mar del Per (IMARPE), por haberme permitido utilizar sus instalaciones durante todo este
periodo.
A mis amigos del IRD, Daniel, Giannina, Zaida, Roci, Ainhoa, Claude, Lula, Jos, por su
amistad y apoyo en todo momento, y por hacer ameno el trabajo en la oficina. De manera muy
especial gracias Daniel por haberme ayudado con cdigos en Matlab y en la definicin de
trminos estadsticos, y especialmente gracias por todos los consejos personales. Gracias
tambin a Diana y Antonio por haber alegrado la convivencia en casa.
Finalmente a mis Padres, que aunque no estn conmigo presencialmente, siempre puedo
escuchar de ellos una palabra de aliento, gracias por siempre confiar en m y apoyarme en todo
momento. Y por supuesto gracias Abuelita por todos los bellos momentos que pas contigo y
que siempre los recuerdo con mucho amor.
RESUMEN
tercer modo
vi
ABSTRACT
The average values of FSLEs in the NHCS range from 0.018 to 0.04 day corresponding to a
mixing time of 30-80 days. The turbulent mixing is relatively strong near the coast and
decreases offshore. The temporal evolution of the FSLEs presents a significant annual cycle
with maximum in winter and minimum in summer in most part of the NHCS. However, identified
a region located south of 12S and offshore, where the annual cycle presents a reverse
evolution, with maximum values of FSLEs in summer.
The analysis of Empirical Orthogonal Functions (EOFs) shows 3 dominant modes that
st
explain 55% of the spatio-temporal variability of the data. The 1 EOF mode corresponds to the
nd
annual cycle, which is maximum north of 12S and near to coast. The 2
annual cycle, with a spatial distribution centered at 85W and 15S and offshore. Finally, the 3
rd
Key words: Sub-mesoscale activity, Lyapunov Exponents, Humboldt Current System, Empirical
Orthogonal Functions, filaments, fractal dimension.
vii
NDICE
Resumen
vi
Abstract
vii
CAPITULO I: INTRODUCCIN
2.1
10
2.2
11
2.3
16
2.3.1
Estadsticas bsicas
16
2.3.2
Anlisis frecuencial
17
2.3.3
19
21
25
26
28
3.2.1
28
3.2.2
Variabilidad temporal
30
33
3.3.1
33
3.3.2
37
41
3.4.1
41
3.4.2
46
53
3.5.1
54
3.5.2
55
3.5.3
56
3.5.4
59
viii
61
CAPITULO V: PERSPECTIVAS
65
BIBLIOGRAFA
67
ix
CAPITULO I
INTRODUCCIN
1.0
INTRODUCCIN
1.1
GENERALIDADES
NivelesTrficos:Esunconjuntodeespecies,odeorganismos,deunecosistemaquecoincidenporelturnoqueocupanenla
circulacin de energa y nutrientes, i.e., a los que ocupan un lugar equivalente en la cadena trfica, el cual es un proceso de
transferencia de energa alimenticia a travs de una serie de organismos, en el que cada uno se alimenta del precedente y es
alimentodelsiguiente.Tambinconocidacomocadenaalimentaria.
2
GranEscala:procesosquetienenunaescalahorizontaltpicade500km1000km.
3
4
Mesoescala:procesosquetienenunaescalahorizontaltpicade100km500km.
Submesoescala:procesosquetienenunaescalahorizontaltpicade10km100km.
profunda fra y rica en sales nutritivas [ZUTA and GUILLN, 1970; POCKLINGTON, 1981].
La primera consecuencia del afloramiento es la presencia de agua costera fra en
superficie (~16-18C, figura. 1.2) [BRAINARD and MCLAIN, 1987; FLORES et al., 2011]
que tiene gran implicancia para el clima regional y mundial. La segunda consecuencia es
que el alto contenido en nutrientes de las aguas superficiales costeras permite el
desarrollo de fitoplancton, primer eslabn de la cadena alimentaria marina. En el NHCS,
esta alta productividad primaria (figura. 1.3) mantiene un rico ecosistema marino favorable
a grandes pesqueras, como la de anchoveta, que representan uno de los pilares de la
economa del Per [ZUTA & GUILLN, 1970; CHAVEZ et al., 2008].
Figura 1.2: Temperatura superficial del mar (TSM), temperaturas fras a lo largo de
las costas peruanas ~16-18C (Fuente: Imarpe).
Figura 1.5. Ejemplo de un mapa de anomalas del nivel del mar y corrientes
geostrficas asociadas. En color se muestra las anomalas del nivel del mar (Sea
Level Anomalies, SLA), mientras que las corrientes geostrficas son indicadas por
flechas negras. Los sombreados claros corresponden a la identificacin automtica
de remolinos ciclnicos y anticiclnicos, (Fuente: CHAIGNEAU et al., 2008).
Figura 1.6. Distribucin espacial de los FSLEs para una fecha en particular. Esa
figura muestra numerosas estructuras de sub-mesoescala energticas.
CAPITULO II
MATERIALES Y METODOS
2.0
MATERIALES Y METODOS
altimtrico
AVISO
(Archiving
Validation
and
Interpretation
of
Satellite
) y meridionales (
(2.1)
(2.2)
donde:
2
, es el parmetro de Coriolis.
, es la velocidad de rotacin de la tierra (
7,292
10
).
, es la latitud.
, es la aceleracin de la gravedad (g = 9,81 m/s2).
10
Figura 2.1. Mapa de la anomala del nivel de mar (colores) y las corrientes
geostrficas asociadas (flechas), para el 24 de Octubre del 2007.
11
, ,
(2.3)
5
6
Estructurascoherentes:Barreradetransporte,bordesderemolinos,frentes.
Partculastrazadoras:Partculasinyectadasenuncampodevelocidadesgeostrficasseguidaseneltiempo.
12
donde
= 0. Como se
y la separacin final
. En nuestro caso,
los FSLEs son calculados sobre todos los puntos de una grilla de latitud/longitud con un
espaciamiento de
estructuras de sub-mesoescala, el
las trayectorias hacia atrs en el tiempo (backward) o hacia adelante (forward). La figura
2.2a muestra un ejemplo de esas trayectorias, en relacin a los remolinos de mesoescala
(ciclnicos (C) y anticiclnicos (A)) en la regin (9-17S y 78-86W) para una fecha en
particular. A simple vista se puede observar el punto de interseccin de regiones de
convergencia y divergencia (punto rosado), el cual es llamado punto hiperblico.
13
[LEHAHN et al., 2007] donde las partculas inicializadas en la vecindad del punto
hiperblico son advectadas hacia atrs (azul) y hacia adelante (verde) en el tiempo.
Figura 2.3. Partculas trazadoras advectadas hacia atrs (azul) y hacia adelante
(verde) en el tiempo mostrando las variedades estables e inestables
respectivamente (Fuente: LEHAHN et al., 2007).
14
Los valores altos de con una integracin hacia delante, corresponden a una
divergencia rpida ( pequeo) de 2 partculas inicialmente cercanas. Al contrario, valores
altos de con una integracin hacia atrs son asociados a una convergencia muy rpida
(y entonces una mezcla efectiva) de 2 partculas inicialmente alejadas. Como estamos
interesados en estudiar la mezcla turbulenta y estructuras de convergencia a submesoescala, decidimos trabajar con una integracin backward. La figura 2.4 muestra un
ejemplo de un mapa de FSLE donde se identifica lneas de mxima convergencia
asociadas con una mezcla importante (lneas rojas).
Figura 2.4. Mapa espacial para los exponentes de Lyapunov para el 15 de Enero del
2001.
15
Estos datos abarcan el periodo de Enero 2001 hasta Abril 2009 con una distribucin
espacial en una malla regular de 0,040,04
Mapa Promedio: Un promedio global de los 754 mapas para determinar las
zonas de intensa mezcla turbulenta y zonas de calma.
16
Mapas Mensuales: Promedio por cada mes abarcando todos los aos
(2001-2009), obteniendo as 12 mapas mensuales para determinar las
variaciones promedias durante el ao del FSLE.
Serie interanual: Para cada una de los 754 mapas se calcula el valor
promedio en la regin de estudio, obteniendo as las evoluciones
temporales de la intensidad de la mezcla turbulenta en el NHCS.
Clculos estadsticos:
-
Histogramas de distribucin
17
nos permite entonces determinar las frecuencias (w) dominantes en las variaciones de
la seal [BRIGHAM., (1988)]. Para una seal
por:
(2.4)
La energa de la seal para cada frecuencia puede ser representada por el espectro:
(2.5)
(2.6)
18
donde
es el tiempo ,
COMPO, 1998].
La Transformada en ondeletas
TORRENCE and COMPO (1998), un cono de influencia (COI) es definido para remover
los datos
19
y temporal
VENEGAS, 1997] considerando que los dems modos no son significativos para
explicar la variacin espacio-temporal de la variable. Cada modo corresponde a una
informacin no correlacionada de los otros modos (i.e., es independiente si
variando en el espacio ( ) y el
donde
2.7
es el mapa de la distribucin
es la serie temporal de
variacin de la distribucin.
En caso de fenmenos de propagacin, los EOFs no pueden extraer una
representacin compacta de la propagacin que resulta de la extraccin de algunos
modos para representar un solo fenmeno. Las funciones empricas ortogonales
complejas (Complex Empirical Orthogonal Functions, CEOFs) proveen una solucin la
cual permite separar la propagacin con lo estacionario.
En este mtodo se consider que las variables geofsicas estuvieron
representadas no solo por su serie de tiempo original
temporal compleja
, donde
[HOREL, 1984]. Por lo tanto la nueva variable geofsica para el estudio de las CEOFs
estar representada por:
(2.8)
20
, uno de amplitud
y otro de fase
, los
cuales dan una descripcin de la intensidad local y del desfasaje de puntos espaciales
respectivamente;
-
, una de amplitud
y otra de fase
, las
2.3.4
los filamentos
Otro de los objetivos de esta tesis es de caracterizar la geometra,
especialmente
la
regularidad
geomtrica
de
los
filamentos
(lneas
de
21
Dimensin Fractal
Dado la alta variabilidad de las isolneas, nos concentramos en la
caracterizacin de la regularidad geomtrica de esas isolneas y utilizaremos el
clculo de dimensiones fractales, las cuales describen en forma sucinta la
regularidad de conjuntos de curvas [MANDELBROT and VAN NESS., 1968].
El concepto de dimensin fractal fue introducida por MANDELBROT et
al., [1968], debido a la evidencia de muchos fenmenos geogrficos de
naturaleza fractal, incluyendo la configuracin de las costas [GOODCHILD and
MARK, 1987].
Como antes mencionado esta dimensin fractal D caracteriza a la
geometra de las isolneas. Para un proceso fractal, si consideramos dos
puntos a los largo de una curva y medimos su distancia S a lo largo de esta
curva, en promedio esta distancia ser proporcional a la distancia euclidiana R
elevado a la potencia
, i.e.:
(2.9)
donde
(2.10)
22
Figura 2.5. (a). Imagen satelital de la costa Este de Escocia. (b) Lnea de
costa digitalizada mostrando dos puntos a lo largo de esta curva. (c)
Calculo de la pendiente logartmica correspondiente a la dimensin fractal
(Fuente: BOFFETTA et al., 2008).
Winding Angle
Se puede caracterizar tambin la regularidad de una curva utilizando
estadsticas del "winding angle". El "winding angle"
entre la lnea que une dos puntos separados por una distancia
a lo largo de
aumenta con
ley logartmica predicha para las curvas invariantes (curvas con dimensiones
23
(2.11)
donde
angle.
y (ecuacin 2.11)
24
CAPITULO III
RESULTADOS
25
3.0
RESULTADOS
En este captulo se presenta los resultados obtenidos con los FSLEs mediante los clculos
mencionados en la seccin 2.3.
26
valor =0. Recordamos que un valor de 0 indica que en dicha zona, dos partculas
inicialmente separadas por 65 km, no han convergido luego de 100 das de
desplazamiento en el campo de velocidad del fluido. La figura 3.1b, indica que zonas
relativamente calmas (0,01<FSLEs<0,05) ocupan casi 50% del rea total de estudio,
mientras que zonas donde la mezcla es intensa (FSLEs>0,05 dias-1) representan el 11.7%
del rea total.
Figura 3.1. Distribucin espacial de los FSLEs para el 15 de Julio del 2006 y
distribucin de frecuencias
27
que
favorecen
al
desarrollo
de
estructuras
de
sub-mesoescala
proporcionando la mezcla turbulenta. De la misma manera, la zona Sur (al sur de 15S)
28
29
La figura 3.4a muestra tambin la tendencia de baja frecuencia (lnea roja), que se
reconstruy a partir de las bajas frecuencias de las ondeletas. Esta lnea roja muestra
30
una disminucin de la mezcla turbulenta entre 2001 y fines del 2004. Aument
significativamente entre 2005 y la mitad del 2006, fecha a partir de la cual no hay una
tendencia de baja frecuencia marcada. A partir de la serie temporal de los FSLEs
presentada en la figura 3.4a, se determin el espectro de potencia dado por la
transformada de Fourier (figura 3.4b), el espectro de potencia de Ondeletas (figura
3.4c), y el espectro global asociado a la ondeleta (figura 3.4d). El espectro de potencia
(figura. 3.4b) muestra que los FSLEs fluctan con frecuencias predominantes en torno
a ~180 das (ciclo semianual), ~370 das (ciclo anual), y a ms baja frecuencia. Sin
embargo el espectro obtenido por transformada de Fourier no nos proporcionan cmo
la energa asociada a esas frecuencias variaron en el tiempo, por lo que se emple las
ondeletas (figura 3.4c). Con esta tcnica se observ que el ciclo anual (o estacional)
con periodo de 1 ao est presente (y significativo) para todo el periodo de estudio
(2001-2009) y que fue mucho ms marcado en el 2003 como se aprecia tambin en la
figura 3.4a. El promedio temporal de la figura. 3.4c nos proporciona el espectro global
(figura 3.4d) lo cual es muy similar al del espectro de potencia (figura 3.4b), pero esta
mas suavizado. Este espectro global confirma que las fluctuaciones predominantes
estn centradas alrededor del ciclo anual (370 das). Es por ello que en la siguiente
seccin se describir con mayor detalle el ciclo anual promedio (Variaciones mensuales
y estacionales).
31
Figura 3.4. a). Serie del promedio temporal de las 754 mapas, asociada con una
tendencia de baja frecuencia (lnea roja). b) Espectro de potencia dado por la
transformada de Fourier, muestra frecuencias dominantes alrededor de 180 das
(ciclo semianual) y 370 das (ciclo anual). c) Espectro de potencias de ondeletas,
muestra que el ciclo anual est presente para todo el periodo de estudio. d)
Espectro global asociado a la ondeleta, observndose la frecuencia significativa
es alrededor del ciclo anual (370 das).
Ao
Variable
10
1
2001
2002
2003
2004
2005
2006
2007
2008
21,70,46
21,30,79
21,91,8
20,70,55
21,00,72
22,60,97
21,80,67
22,20,54
55,2
53,7
53,9
53,0
54,2
56,8
56,0
52,0
Tabla 1. Valores promedios de los FSLEs y del tiempo de mezcla turbulenta. Las
cifras indican promedio ms/menos la desviacin estndar.
32
asociados
al
frente
trmico
del
afloramiento
costero,
cuya
de
cada
mapa
obteniendo
doce
valores
de
FSLE
promedios
correspondientes a los meses desde enero a diciembre (figura. 3.6a). En esta grafica
se observa la distribucin global de los FSLEs para cada mes, indicando claramente
que en promedio, la mezcla turbulenta en el NHCS es ms efectiva entre abril y
33
34
Figura 3.5. Mapas promedio en los que se toman los valores promedios de cada
mes considerando todos los aos disponibles, en general muestra la distribucin
espacial de la mezcla turbulenta.
35
36
37
38
de acuerdo a las zonas y periodos. Por lo cual se estudiara la propagacin del ciclo
anual.
Figura 3.7. Ejemplo del ajuste de mnimos cuadrados a partir de la serie temporal
promedia, obteniendo la fase y amplitud del ajuste.
39
40
Para esta tesis el enfoque est en los tres primeros modos que representan
alrededor del 55% de la varianza de los FSLEs (figura. 3.10a). Se puede notar que se
necesitara ms 15 modos para explicar ~97% de la varianza (figura. 3.10b), pero como
se menciono en la seccin 2.3.3 los modos restantes son menos significativos para
representar las variaciones espacio-temporales.
41
42
43
3.12d) muestra que este modo explica ms del 50% de la varianza en la zona mar
adentro centrada a 85W y 15S. Este modo bianual explica tambin ms del 20%
de la varianza (20-30%) cerca de la costa a ~10S y en el Norte-Oeste de la regin
de estudio.
ecuacin
2.7)
(figura
3.13d)
muestra
dipolos
orientados
44
~13S y ~19S. En contrario, esa actividad ser mxima en verano en las regiones
costeras centradas a ~10S y 17S. Este modo permite explicar una gran parte de
la varianza en los datos de FSLE en la regin centrada a 90W y 12S, con valores
superiores a 50% (figura 3.13d). Tambin, este modo explica ms de 30% de la
varianza en las regiones costeras centradas a 9S y ~17S.
Modos
1
2
3
Acumulado
% Variabilidad
27,74
16,22
10,3
54,3
45
3.4.2.
Figura 3.14. a). Varianza explicada para cada modo CEOF. b) Suma
acumulada de los quince primeros modos. Los 3 primeros modos explican
65% de la varianza.
A)
46
muestra que el ciclo anual tiene mayor amplitud al Norte de 10S, cerca de la
costa a 16S-78W, y mar adentro a 19S-88W.
Sin embargo, la amplitud temporal (ga1(t), ecuacin. 2.8) (figura 3.15c)
muestra un ciclo a largo plazo con periodos mayores de 500 das (figura 3.15e).
Esta figura nos indica que el ciclo anual de los FSLEs no es siempre muy marcado
sino que es modulado en el tiempo. Por ejemplo fue mayor durante el 2003, en
acuerdo con lo que se observo en la figura. 3.4a.
La distribucin espacial de la fase (ff1, ecuacin. 2.8, figura. 3.15b) permite
observar que al norte de 12S se presenta un cambio de fase muy rpido (i.e.
presenta una velocidad de propagacin rpida) entre la costa y mar adentro, cuya
direccin de los gradientes es predominante hacia el Nor-oeste (figura 3.16). Al
contrario al sur de 12S la fase cambia lentamente con una componente de
propagacin hacia el sur-oeste entre la costa y 85W, y una componente norteoeste entre 85-100W; en general es el mismo sentido de propagacin presentada
en la figura 3.9b.
47
Figura 3.15. Primer modo CEOF que explica 33,5% de la varianza de los
FSLEs. a) mapa espacial de la amplitud, asociada con su serie temporal y
espectro (c, e). b) mapa espacial de la fase exhibiendo zonas dos zonas
representativas, asociada con su serie temporal y espectro (d, f).
48
Figura 3.17. Segundo modo CEOF que explica 21% de la varianza de los
FSLEs. a) mapa espacial de la amplitud, asociada con su serie temporal y
espectro (c, e). b) mapa espacial de la fase, asociada con su serie temporal y
espectro (d, f).
49
C)
50
Figura 3.19. Tercer modo CEOF que explica 12% de varianza de los FSLEs.
a) mapa espacial de la amplitud, asociada con su serie temporal y espectro
(c, e). b) mapa espacial de la fase, asociada con su serie temporal y espectro
(d, f).
51
Modos
% Variabilidad
33,5
Tiempo de
escala
dominante
~ 500 das
(amplitud)
~ 1 ao (fase)
21
~ 3 aos
~ 2 aos (fase)
12
~ 4 aos
~ 2 aos (fase)
Acumulado
66,5
52
y el winding angle .
Figura 3.21. a) Zoom de un mapa de Lyapunov, mostrando que los filamentos son
de naturaleza fractal. b) Calculo de la pendiente, entre la distancia Euclidiana R y
la distancia a lo largo de la curva S en escala logartmica, ecuacin (2.10). c)
Calculo de la pendiente mediante la distancia S y el winding angle ecuacin.
(2.11). La curvas azules corresponden a lo que se obtiene con los mapas de
Lyapunov, mientras que las curvas rojas es un ajuste lineal cuyo pendiente
corresponde a D1 y D2.
53
(ecuacin. 2.10)
el mismo calculo pero considerando la extraccin de las isolneas de los 754 mapas,
obteniendo as dos series representativas del
3.5.1
serie muestra que para el ao 2002 hubo una alta variabilidad de la dimensin fractal
de las isolneas (filamentos)
geomtricamente ms regulares.
Estos mximos y mnimos fluctan alrededor de un periodo bianual (figura.
3.22b-d). Adems se observo que este periodo bianual estuvo presente nicamente en
los aos 2002-2007 (figura. 3.23c).
54
3.5.2
regularidad obtenido D2. Esta serie temporal (figura. 3.23a) presenta un valor promedio
de 1,15, y una mayor irregularidad en las curvaturas en el ao 2002 (1,51), y mayor
regularidad en el 2003 (1,148).
La variabilidad de la regularidad presenta una frecuencia predominante
alrededor de un ao (ciclo anual, figura. 3.23b), pero este ciclo anual solamente est
presente en 2002-2003 y 2007-2008 (figura. 3.23c). De la misma forma el espectro
global asociado a la ondeleta (figura. 3.23d), muestra tambin una frecuencia anual.
Esta frecuencia no aparece significativa debido a que el espectro de la ondeleta es una
suavizacin del espectro de Fourier en el cual se pierde significatividad; pero en
general la variabilidad de D2 presenta una frecuencia anual (figura. 3.23b-d).
55
3.5.3
mostraron los
tiene los mismos patrones para los nueve aos pero con una diferencia debido a que la
amplitud de D2 es mayor, mostrando un ndice de correlacin7 de 0,61.
Adems se realiz un anlisis de correlacin entre las dos series a travs de
una Ondeleta cruzada (Cross-wavelets) (figura. 3.24b). El espectro global de la
ondeleta cruzada proporciona dos informaciones: las zonas donde se encuentra una
correlacin significativa de las variaciones de las dos series y el desfasaje local entre
esas series. La direccin de flechas hacia la derecha indica una correlacin positiva y
direccin de flechas hacia la izquierda una correlacin negativa.
ndicedecorrelacin(r):esunndicequemidelarelacinlinealentredosvariables,elcualesindependientedelaescalade
medida de las variables. El valor del ndice de correlacin vara en el intervalo [1,1]; Si r = 1, existe una correlacin positiva
perfecta,Si0<r<1,existeunacorrelacinpositiva,Sir=0,noexisterelacinlineal,Si1<r<0,existeunacorrelacinnegativa,
Sir=1,existeunacorrelacinnegativaperfecta.
56
estn fuertemente
estn
57
58
3.5.4
la distribucin de estas dos series (figura 3.25a) muestra que en algunos aos como el
2003, 2006-2009, sus distribuciones fueron opuestas.
La relacin inversa entre los FSLEs y
3.25b), en la cual se muestra que para distintas escalas de tiempo durante los nueve
aos, existi una correlacin negativa entre estas dos variables, mostrando igual que
en el caso anterior un lmite cerca de 100 das donde la energa es baja (figura 3.25c).
Para altas frecuencias de la Ondeleta cruzada (zona superior, figura. 3.25b) se
obtuvo que estas dos variables (FSLEs y D2), estn correlacionadas en ambas
direcciones (positivas y negativas) (figura 3.25d), a diferencia de las bajas frecuencias
(zona inferior, figura 3.25b) en donde la direccin predominante es a la izquierda (figura
3.25e), i.e. presenta una correlacin negativa muy intensa, como se aprecia en la figura
3.25a (ao 2003, 2006). La relacin inversa entre la intensidad de la mezcla turbulenta
(FSLEs) y la regularidad de las estructuras de sub-mesoescala (winding angle) se
interpretara en el captulo de Discusin.
59
Figura 3.25. a) Serie promedio de la intensidad de los FSLEs (serie de color azul),
y serie de la regularidad geomtrica de los filamentos (serie de color verde). b)
Diagrama de la Ondeleta cruzada en cual se observa la no correlacin entre los
FSLEs y la regularidad . c) Rosa de vientos que presenta la distribucin de la
fase/desfasaje para las bajas frecuencias, presentando correlaciones positivas y
negativas. d) Rosa de vientos que muestra la distribucin del desfasaje para altas
frecuencias, predominando una correlacin negativa muy fuerte (direccin hacia
la izquierda).
60
CAPITULO IV
DISCUSIN Y CONCLUSIONES
61
4.0
Discusin y Conclusiones
Este estudio se ha basado sobre el anlisis de casi 9 aos de datos de FSLEs (20012009) lo que nos permiti describir de manera detallada las variaciones espacio-temporales de
la mezcla turbulenta en el NHCS y las estructuras de sub-mesoescala asociadas. Se encontr
que la intensidad promedia de los FSLEs flucta entre 0,015-0,04 das-1 que corresponde a un
tiempo de mezcla de 30-80 das. En ROSSI et al. [2009] se presento resultados similares cuyos
valores de FSLEs en el NHCS variaban en el rango de 0,018-0,04 das-1, i.e. el tiempo de
mezcla horizontal es entre 40-90 das. La distribucin espacial promedia de los FSLEs mostro
valores altos cerca de la costa que disminuyen mar adentro. Esta actividad puede estar
relacionada con la actividad de mesoescala (distribucin de remolinos), cuya distribucin
exhibe una alta tasa de remolinos que se forman cerca de la costa y se propagan hacia mar
adentro por largas distancias [CHAIGNEAU et al., 2008].
El anlisis de las EOFs mostro que los 3 primeros modos dominantes explican 55% de
la variabilidad espacio-temporal de los FSLEs. Esos 3 modos permitieron proporcionar las
62
1. La existencia de un ciclo anual muy marcado en los FSLEs muestra una propagacin
de la mezcla turbulenta desde las zonas costeras hacia mar adentro con una direccin
preferencial hacia el Nor-Oeste.
63
64
CAPITULO V
PERSPECTIVAS
65
5.0
Perspectivas
2) Tratar de relacionar los cambios espacio-temporales de los FSLEs con otros ndices
fsicos (vientos, ndices de surgencias, etc.) y en particular si se verifica la relacin
inversa con el tamao de los remolinos.
4) Comparar los resultados obtenidos los cuales proporcionaron una buena descripcin
de la mezcla turbulenta y de las estructuras de submesoescala, con salidas de modelos
numricos regionales para ver si son aptos a reproducir las condiciones observadas.
En turno, los modelos numricos permitiran identificar mejor los procesos fsicos
responsables de los cambios observados.
66
BIBLIOGRAFA
67
ARTALE,V.,G.BOFFETTA,A.CELANI,M.CENCINI,andA.VULPIANI(1997),Dispersionofpassivetracers
inclosedbasins:Beyondthediffusioncoefficient,Phys.Fluids,9,31623171.
AURELL,E.,G.BOFFETTA,A.CRISANTI,G.PALADIN,andA.VULPIANI(1997),Predictabilityinthelarge:
AnextensionoftheconceptofLyapunovexponent,J.Phys.AMath.Gen.,30,126.
BAKUN,A.,2006.Frontsandeddiesaskeystructuresinthehabitatofmarinefishlarvae:opportunity,
adaptiveresponseandcompetitiveadvantage.Sci.Mar.70(2),105122.
BJRNSSON,H.,&VENEGAS,S.(1997).AManualforEOFandSVDanalysesofClimaticData.
BOFFETTA, G., CELANI, A., DEZZANI, D., & SEMINARA, A. (2008). How winding is the coast of Britain
Conformal invariance of rocky shorelines. Geophysical Research Letters, 35(3), 15. doi:
10.1029/2007GL033093.
BOFFETTA,G.,LACORATA,G.,RADAELLI,G.andVULPIANI,A.(2001).Detectingbarrierstotransport:a
reviewofdifferenttechniques.PhysicaD2001,159,5870.
BRAINARD,R.E.,D.R.MCLAIN(1987).Seasonalandinterannualsubsurfacetemperaturevariabilityoff
Per, 1952 to 1984. In D. Pauly and I Tzukayama (eds) The Peruvian anchoveta and its upwelling
ecosystem:Threedecadesofchange.ICLARMStudiesandReviews15,351pp.
BRIGHAM,E.O.1988.TheFastFourierTransformanditsapplications.PrenticeHall.NewJersey.448pp.
CALIL,P.H.R.,&RICHARDS,K.J.(2010).TransientupwellinghotspotsintheoligotrophicNorthPacific.
Journal of Geophysical Research, 115(C2), 120. American Geophysical Union. doi:
10.1029/2009JC005360.
CHAIGNEAU,A.,PIZARRO,O.,2005a.SurfacecirculationandfrontsoftheSouthPacificOcean,eastof
120W.GeophysicalResearchLetters32,L08605.doi:10.1029/2004GL022070.
CHAIGNEAU, A., PIZARRO, O., 2005b. Mean surface circulation and mesoscale turbulent flow
characteristics in the eastern South Pacific from satellite tracked drifters. Journal of Geophysical
ResearchOceans110,C05014.doi:10.1029/2004JC002628.
CHAIGNEAU, A., PIZARRO, O., 2005c. Eddy characteristics in the eastern South Pacific. Journal of
GeophysicalResearchOceans110,C06005.doi:10.1029/2004JC002815.
CHAIGNEAU, A., GIZOLME, A., GRADOS, C., 2008. Mesoscale eddies off Peru in altimeter records:
identification
algorithms
and
eddy
spatiotemporal
patterns.
Prog.
Oceanogr.
doi:10.1016/j.pocean.2008.10.013.
CHAIGNEAU, A., G. ELDIN, B. DEWITTE, 2009. Eddy activity in the four major upwelling systems from
satellitealtimetry(19922007).Prog.Oceanogr.83:117123,doi:10.1016/j.pocean.2009.07.012
CHAIGNEAU et al., 2011. Vertical structure of mesoscale eddies in the eastern South Pacific ocean: a
compositeanalysisfromaltimetryandArgoprofilingfloats.Inpress.
CHAVEZ,F.,BERTRAND,GUEVARACARRASCO,R.,SOLER,P.,&CSIRKE,J.(2008).ThenorthernHumboldt
CurrentSystem:Briefhistory,presentstatusandaviewtowardsthefuture.ProgressInOceanography,
79(24),95105.doi:10.1016/j.pocean.2008.10.012.
CHELTON,D.,SCHLAX,M.,LYMAN,J.,&JHONSON,G.(2003).EquatoriallytrappedRossbywavesinthe
presenceofmeridionallyshearedbaroclinicflowinthePacificOcean.ProgressInOceanography,56(2),
323380.doi:10.1016/S00796611(03)000089.
68
CORREARAMIREZ, M.A., HORMAZABAL, S. YURAS, G., 2007. Mesoscale eddies and high chlorophyll
concentrations off Central Chile (29S39S). Geophys. Res. Lett. 34, L12604.
doi:10.1029/2007GL029541.
COTT,C.,F.DOVIDIO,A.CHAIGNEAU,M.LVY,I.TAUPIERLETAGE,C.GUINET,2011.Scaledependent
interactions of resident Mediterranean whales with marine dynamics. Limnology and Oceanography,
56(1),219232.
CROMWELL,D.(2006).TemporalandspatialcharacteristicsofseasurfaceheightvariabilityintheNorth
AtlanticOcean.OceanScienceDiscussions,3(3),609636.doi:10.5194/osd36092006.
DIETRICH, D. E. (1997), Application of a modified Arakawa a grid ocean model having reduced
numericaldispersiontotheGulfofMexicocirculation,Dyn.Atmos.Oceans,27,2012177.
DOMOKOS, R., SEKI, M.P., POLOVINA, J.J., DONALD, R.H., 2007. Oceanographic investigation of the
AmericanSamoaalbacore(Thunnusalalunga)habitatandlonglinefishinggrounds.Fish.Oceanogr.16
(6),555572.
DOVIDIO, F., ISERNFONTANET, J., LOPEZ, C., HERNANDEZ GARCA, E., & GARCA LADONA, E. (2009).
ComparisonbetweenEuleriandiagnosticsandfinitesizeLyapunovexponentscomputedfromaltimetry
in the Algerian basin. Deep Sea Research Part I: Oceanographic Research Papers, 56(1), 1531. doi:
10.1016/j.dsr.2008.07.014.
DOVIDIO, F., FERNNDEZ, V., HERNNDEZGARCA, E., & LPEZ, C. (2004). Mixing structures in the
MediterraneanSeafromfinitesizeLyapunovexponents.GeophysicalResearchLetters,31(17),14.doi:
10.1029/2004GL020328.
DUPLANTIER, B., and I. A. BINDER (2002), Harmonic measure and winding of conformally invariant
curves,Phys.Rev.Lett.,89,264101,doi:10.1093/imrn/rnm060.
DUPLANTIER, B., and H. SALEUR (1988), Windingangle distributions of two dimensional selfavoiding
walksfromconformalinvariance,Phys.Rev.Lett.,60,2343.
FLORES, R., CHAIGNEAU, A., VSQUEZ, L., TENORIO, J., & LUQUE, G. (2011). Temporal variations of
subsurfacetemperatureoffPerubetween1961and2009.Inpress.
FU,L.L.(2004).TheinterannualvariabilityoftheNorthAtlanticOceanrevealedbycombineddatafrom
TOPEX/Poseidon and Jason altimetric measurements. Geophysical Research Letters, 31(23), 14. doi:
10.1029/2004GL021200.
GARCAOLIVARES,A.,ISERNFONTANET,J.,yGARCALADONA,E.(2007).DispersionofPassiveTracers
andFiniteScaleLyapunovExponentsintheWesternMediterraneanSea.DeepSeaRes.I,54,253268.
GOODCHILD,M. F., and D. M. GOODCHILD (1987), The fractal nature of geographic phenomena, Ann.
Assoc.Am.Geogr.,77,265
HAIDVOGEL,D.B.,andA.BECKMANN(1999),NumericalOceanCirculationModeling, ImperialCollege
Press,London.
HALPERN,D.(Ed.)(2000),Satellites,OceanographyandSociety,ElsevierSci.,NewYork.
HANNACHI,A.(2004).APrimerforEOFAnalysisofClimateData.Reading(pp.133).
69
HOREL, J. D. (1984). Complex Principal Component Analysis: Theory and Examples. Journal of Climate
andAppliedMeteorology,23,114.
HUDGINS, L., C. A. FRIEHE, and M. E. MAYER, 1993: Wavelet transforms and atmospheric turbulence.
Phys.Rev.Lett.,71,32793282.
JOSEPH,B.,andB.LEGRAS(2002),Relationbetweenkinematicboundaries,stirring,andbarriersforthe
Antarcticpolarvortex,J.Atmos.Sci.,59,11981212
KOHTY,LEGRASB(2002)Hyperboliclinesandthestratosphericpolarvortex.Chaos12:382394.
LACASCE, J., OHLMANN, C., 2003. Relative dispersion at the surface of the Gulf of Mexico. Journal of
MarineResearch61(3),285312.
LACORATA,G.,E.AURELL,andA.VULPIANI(2001),Drifterdispersionintheadriaticsea:Lagrangiandata
andchaoticmodel,Ann.Geophys.,19,121129.
LAPEYRE,G.,andP.KLEIN(2006),Impactofsmallscalefilamentsontheoceanicverticalpump,J.Mar.
Res.,64,835851.
LAU KM, WENG HY (1995) Climate signal detection using wavelet transform: How to make a time
seriessing.BullAmMeteorolSoc76:6178.
LEHAHN,Y.,DOVIDIO,F.,LVY,M.,&HEIFETZ,E.(2007).StirringofthenortheastAtlanticspringbloom:
ALagrangiananalysisbasedonmultisatellitedata.JournalofGeophysicalResearch,112(C8),115.doi:
10.1029/2006JC003927.
LE TRAON, P., NADAL, F., DUCET, N., 1998. An improved mapping method of multisatellite altimeter
data.JournalofAtmosphericandOceanicTechnology15,522534.
LIUY,LIANGXS,WEISBERGRH(2007)Rectificationofthebiasinthewaveletpowerspectrum.JAtmos
OceanicTechnol24:20932102.
LOGERWELL, E.A., SMITH, P.E., 2001. Mesoscale eddies and survival of late stage Pacific sardine
(Sardinopssagax)larvae.Fish.Oceanogr.10(1),1325.
MANDELBROTB.B.andJ.VANNESS,Fractionalbrownianmotions,fractionalnoisesandapplications,
SIAMReview,pp.422437,1968.
MONTES, I., COLAS, F., CAPET, X., & SCHNEIDER, W. (2010). On the pathways of the equatorial
subsurface currents in the eastern equatorial Pacific and their contributions to the PeruChile
Undercurrent.JournalofGeophysicalResearch,115(C9),116.doi:10.1029/2009JC005710.
PENVEN,P.,&ECHEVIN,V.(2005).Averagecirculation,seasonalcycle,andmesoscaledynamicsofthe
Peru Current System: A modeling approach. Journal of Geophysical Research, 110(C10), 121. doi:
10.1029/2005JC002945.
POCKLINGTON,R.1981.OrganicmatterinupwellingoffNorthernPer,November1977.Bol.Inst.Mar
Per(Vol.extraordinarioICANE):714.
PREISENDORFER, R. W. and MOBLEY, C. D. (1988). Principal component analysis in meteorology and
oceanography.Elsevier,Amsterdam.
70
ROSSI,V.,Lo,C.,SUDRE,J.,&HERNA,E.(2008).Comparativestudyofmixingandbiologicalactivityof
the Benguela and Canary upwelling systems. Geophysical Research Letters, 35, 15. doi:
10.1029/2008GL033610.
ROSSI, V., LOPEZ, C., HERNANDEZGARCA, E., SUDRE, J., GARON, V., & MOREL, Y. (2009). Surface
mixingand biological activityin the four EasternBoundaryUpwelling Systems. Nonlinear Processes in
Geophysics,16,557568.
SEKI,M.P.,LUMPKIN,R.,FLAMENT,P.,2002.Hawaiicycloniceddiesandbluemarlincatches:thecase
studyofthe1995HawaiianInternationalBillfishtournament.J.Oceanogr.58,739745.
SPEAR, L.B., BALANCE, L.T., AINLEY, D.G., 2001. Response of seabirds to thermal boundaries in the
tropicalPacific:thethermoclineversustheEquatorialFront.Mar.Ecol.Prog.Ser.219,275289.
STRUB,P.T.,MESIAS,J.M.,MONTECINO,V.,RUTLANT,J.,SALINAS,S.,1998.Coastaloceancirculationoff
westernSouthAmerica.In:Robinson,A.R.,Brink,K.H.(Eds),TheSea,vol.11.JohnWiley,Hoboken,N.J,
pp.273313.
THOMAS,C.(1999).Seasonaldistributionsofsatellitemeasuredphytoplanktonpigmentconcentration
alongtheChileancoastrelativelyhighastrongseasonalcycleispresent,mgmtheseasonalcyclewithin
10kmofshoreispresentbutmuch.JournalofGeophysicalResearch,104,877890.
TORRENCE,C.,&COMPO,G.P.(1998).APracticalGuidetoWaveletAnalysis.BulletinoftheAmerican
MeteorologicalSociety,79(1),6178.
WIELAND, B., and D. B. WILSON (2003), Winding angle variance of Fortuin Kasteleyn contours, Phys.
Rev.E,68,056101,doi:10.1103/PhysRevE.68.056101.
YEN, P.P.W., SYDEMAN, W.J., BOGRAD, S.J., HYRENBACH, K.D., 2006. Springtime distributions of
migratorymarinebirdsinthesouthernCaliforniaCurrent:oceaniceddyassociationsandcoastalhabitat
hotspotsover17years.DeepSeaRes.II53(34),399418.
ZUTA,S.&O.G.GUILLN.1970.OceanografadelasaguascosterasdelPer.Bol.Inst.MarPer(2):157
324.
71