Desarrollo de herramientas numéricas para la observación y la modelación numérica de la dinámica oceánica en el sistema de Humboldt F. Monetti, A. Chaigneau.

Presentación del tema: "Desarrollo de herramientas numéricas para la observación y la modelación numérica de la dinámica oceánica en el sistema de Humboldt F. Monetti, A. Chaigneau."— Transcripción de la presentación:

1 Desarrollo de herramientas numéricas para la observación y la modelación numérica de la dinámica oceánica en el sistema de Humboldt F. 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

2 DATOS IMARPE-WOA: Área peruana
Alta heterogeneidad espacial! Alta heterogeneidad temporal! Nitratos: perfiles Fosfatos: perfiles Silicatos: perfiles Clorofila: perfiles Oxigeno: perfiles Temperatura: perfiles Salinidad: perfiles Orígenes: Botellas IMARPE, CTD WOA, ARGO WOA, Botellas WOA Valores extremas con El Niño

3 Objetivos principales
Establecer un protocolo para asegurar un control de calidad de los datos. Tener disponible una base de datos actualizada regularmente. Facilitar el acceso a los datos a partir de diferentes herramientas numéricas. Definir métodos estadísticos para el procesamiento y el estudio de los datos. 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.

4 Organigrama de la exploración de los datos
Paquete ICEA: funciones en Matlab Lectura de las bitácoras Almacenamiento de los datos en netcdf cruceros Bitácora Control de calidad Extracción de los datos Estudio de los datos Interpolación & Conexión

5 Métodos estadísticos Interpolacion Vertical: Reiniger & Ross

6 Ejemplo de perfil de temperatura
Métodos estadísticos Interpolacion sobre 55 niveles verticales iregulares entre 0 y 1000 metros de profundidad Datos originales Datos interpoladas Ejemplo de perfil de temperatura Ejemplo de perfil de Oxigeno

7 Métodos estadísticos: detección de los «outliers»
Seria temporal original Separación de las 3 distribuciones. índice ENSO zona 1 +2 (NOAA) Calculó de anomalías a partir de las climatologías Niño, Niña y Normal. Aproximación por distribuciones normales Eliminación de los «outliers» a partir de un algoritmo no paramétrico (Schwertman et al., 2004).

8 Métodos estadísticos: «Gaps filling»
Reconstrucción D. Kondrashov and M. Ghil [2006]: Spatio-temporal filling of missing points in geophysical data sets Calculo iterativo de cada modo «Gaps filling» de las series de tiempo Autovectores Autovalores 10 años

9 procesamiento de datos oceanográficas:
herramienta numérica ICEA en Matlab Updating module Saving module Extraction module Graphical window Representation options

10 Otras herramientas numéricas desarrolladas
Interpolación objetiva a partir de una bitacora de crucero Extracción and visualización a partir de las climatologías

11 Forzamientos atmosféricos ROMS : simulaciones interanuales
Nuevo modulo ROMS: datos MERCATOR y ECMWF Nuevos programas en Matlab en Pre-processing de ROMS Forzamientos atmosféricos Temperatura SSH Stress del viento Mercator 0.25º x 0.25º: condiciones oceánicas ROMS : simulaciones interanuales ECMWF 1.5º x 1.5º: forzamientos atmosféricos

12 Modulo Roms2Roms: « zoom »
SIMULACION: INTERANNUAL 2000 – Oct 2008: Región: [10ºS - 20ºS ; 70ºW - 82ºW] Topografía: Gebco 08 Resolución: 1/18º con 54 niveles verticales Viento: 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)

13 Gracias por su atención!