Desarrollo de herramientas numéricas para la observación y la modelación numérica de la dinámica oceánica en el

sistema de HumboldtF. Monetti, A. Chaigneau , S.Illig, M. graco, J. Ledesma, O. Morón, G. Flores, M. Sarmiento, L. Pizarro, C.

Grados, V. Echevin, A. Paulmier, C. Y. Romero, J. Ramos, D. Espinoza, A. Bertrand

DATOS IMARPE-WOA: Área peruana

Nitratos: 24730 perfilesFosfatos: 29098 perfilesSilicatos: 26769 perfilesClorofila: 19799 perfilesOxigeno: 53934 perfiles

Temperatura: 77289 perfilesSalinidad: 49714 perfiles

Orígenes: Botellas IMARPE, CTD WOA, ARGO WOA, Botellas WOA

Alta heterogeneidad

temporal!

Alta heterogeneidad espacial!

Valores extremas con

El Niño

Establecer un protocolo para asegurar un control de calidad de los datos.

Facilitar el acceso a los datos a partir de diferentes herramientas numéricas.

Proporcionar una documentación que presentan cada uno de los programas y métodos.

Proponer una capacitación sobre los diferentes medios técnicos para garantizar la

autonomía del grupo de trabajo.

Tener disponible una base de datos actualizada regularmente.

Definir métodos estadísticos para el procesamiento y el estudio de los datos.

Objetivos principales

cruceros Bitácora

Lectura de las bitácoras

Control de calidad

Interpolación & Conexión

Estudio de los datos

Extracción de los datos

Almacenamiento de los datos en netcdf

Paquete ICEA: funciones en Matlab

Organigrama de la exploración de los datos

InterpolacionVertical:

Reiniger & Ross

Métodos estadísticos

Métodos estadísticos

Datos originales

Datos interpoladas

Ejemplo de perfil de OxigenoEjemplo de perfil de temperatura

• Interpolacion sobre 55 niveles verticales iregulares entre 0 y 1000 metros de profundidad

Métodos estadísticos: detección de los «outliers»

Separación de las 3 distribuciones.

Eliminación de los «outliers» a partir de un algoritmo no paramétrico (Schwertman et al., 2004).

Calculó de anomalías a partir de las climatologías Niño, Niña y Normal.

índice ENSO zona 1 +2 (NOAA)

Seria temporal original

Aproximación por distribuciones

normales

ReconstrucciónD. Kondrashov and M. Ghil [2006]:

Spatio-temporal filling of missing points in geophysical data sets

Autovectores Autovalores

10 años

«Gaps filling» de las series

de tiempo

Calculo iterativo de cada modo

Métodos estadísticos: «Gaps filling»

procesamiento de datos oceanográficas: herramienta numérica ICEA en Matlab

Graphical window

Extraction module

Representation options

Updating module

Saving module

Interpolación objetiva a partir de una bitacora de crucero

Extracción and visualización a partir de las climatologías

Otras herramientas numéricas desarrolladas

Nuevo modulo ROMS: datos MERCATOR y ECMWF

SSH Forzamientos atmosféricosStress del vientoTemperatura

Nuevos programas en Matlab en Pre-processing de ROMS

Modulo Roms2Roms: « zoom »

SIMULACION: INTERANNUAL 2000 – Oct 2008:Región: [10ºS - 20ºS ; 70ºW - 82ºW]Topografía: Gebco 08 Resolución: 1/18º con 54 niveles verticalesViento: QuikSCAT (datos satelitales 22.5 Km de resolución /diario) Flujos: Re-análisis ECMWF (165 Km. de resolución / diarios)Condición de frontera: ROMS «Madre» 1/6º (procesamiento ROMS2ROMS)

Gracias por su atención!