DATOS IMARPE-WOA: Área peruana

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: 24730 perfiles Fosfatos: 29098 perfiles Silicatos: 26769 perfiles Clorofila: 19799 perfiles Oxigeno: 53934 perfiles Temperatura: 77289 perfiles Salinidad: 49714 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. 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. 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!