Título

Evaluación de la predictibilidad Lagrangiana en la circulación profunda del Noreste del Golfo de México

Evaluation of Lagrangian predictability in the deep circulation of the Northeast of Gulf of Mexico

Autor

MIREYA MERCEDES MONTAÑO OROZCO

Colaborador

PAULA PEREZ BRUNIUS (Asesor de tesis)

JOAO MARCOS AZEVEDO CORREIA DE SOUZA (Asesor de tesis)

Nivel de Acceso

Acceso Abierto

Resumen o descripción

La predictibilidad del océano es un tema que ha despertado interés en los últimos años y una manera de abordarlo son los sistemas de modelos operacionales. En este trabajo se simuló un modelo operacional con asimilación de datos a lo largo de la trayectoria para el año 2011 y se evaluó su capacidad de predicción comparando con datos observados de boyas subsuperficiales RAFOS para el Golfo de México a 1500 metros de profundidad. Este es el primer trabajo realizado de predicción lagrangiana en profundidad por lo cual se realizaron diferentes experimentos para esta evaluación. Se obtuvo un ciclo de predicción de 10 días para cada día del 1 de junio al 31 de diciembre del 2011. Se utilizaron las métricas conocidas para la comparación directa entre una partícula observada y una partícula virtual: distancia de separación, tiempo de separación, más una métrica llamada Time-in-Circle (TiC) que considera una incertidumbre en el espacio. Por último se desarrolló una metodología que se basa en funciones de densidad de probabilidad (PDF) y considera una incertidumbre en el espacio y en el tiempo. Para las métricas de tiempo y distancia de separación se obtuvo que después de 8 horas la partícula observada y la partícula virtual se separan ≈5km y después de 10 días la distancia de separación es de 103 km en promedio. Para la métrica TiC los valores obtenidos fueron similares a la métrica de tiempo de separación La métrica de TiC obtuvo valores similares a la métrica de tiempo de separación lo que puede ser indicador de que la deformación del campo del flujo es baja, por lo tanto no juega un rol importante. Con las PDF’s se demostró que, para el área de estudio, la incertidumbre temporal no jugaba un papel importante pero la incertidumbre espacial si. para un radio inicial de 10 km se tiene una buena predicción en las primeras 16 horas del ciclo de predicción, con el ≈40 % de los datos con una densidad normalizada mayor a 0.5 y con el 65 % de los casos totales en un área de búsqueda de 1.89 veces el área inicial. Para un radio inicial de 15 km se tiene una buena predicción en el primer día con un 50 % de los datos con una densidad normalizada en un rango de 0.4 a 1.2 y el 60 % de los datos totales en un área de búsqueda de 1.87 veces el área inicial. Se cree que la asimilación de datos utilizada produce un error debido a la ausencia de observaciones operacionales en la zona profunda del Golfo de México. Finalmente se realizaron cálculos de dispersión absoluta ...

The predictability of the ocean it’s an idea that has been gaining interest over the last few years and one way to handle it is the use of operational systems. In this work, we simulated an operational model with data assimilation ”along track” for 2011 and we evaluated its ability of prediction using RAFOS data for the Gulf of Mexico at a depth of 1500 m. This is the first work of Lagrangian prediction made for depth, so we realized different experiments for the evaluation. We obtain one forecast cycle of 10 days for every day, from June 1 through December 31. We used known metrics to compare between a virtual and observed particle like separation time and separation distance, plus a metric called Time-in-Circle (TiC) that considers a spatial uncertainty, and a new methodology based on probability density functions (PDF) that considers a spatial and temporal uncertainty. For the separation distance and separation time, we got that after 8 hours the observed and virtual particles separate 5 km between each other, and after 10 days the separation distance is about 103 km. For the TiC metric, we obtained similar values as the separation time metric which may indicate that the deformation of the flow field plays a small role. With the PDF’s we demonstrate that accounting a spatial uncertainty is more important than considering a temporal uncertainty, at least for our study area. For an initial radius of 10 km, we have a good forecast for the first 16 hours of our forecast cycle with a ≈40 % of the data with a normalized density higher than 0.5 and a 65 % of the cases in a search area of 1.89 times de initial area. For a 15 km radius, we consider a good forecast on the first day of the cycle, with a 50$ of the data in a normalized density range of 0.4-1.2 and a 60 % of the data in a search area of 1.87 times de initial area. We believe that the data assimilation used produces an error that is caused by the absence of operational observations on depth. Finally, we did calculations on absolute dispersion with the purpose to find a spatial distribution pattern, that wasn’t found, most likely because of the amount of data used.

Editor

CICESE

Fecha de publicación

2018

Tipo de publicación

Tesis de maestría

Formato

application/pdf

Idioma

Español

Sugerencia de citación

Montaño Orozco, M.M. 2018. Evaluación de la predictibilidad Lagrangiana en la circulación profunda del Noreste del Golfo de México. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 75 pp.

Repositorio Orígen

Repositorio Institucional CICESE

Descargas

399

Comentarios



Necesitas iniciar sesión o registrarte para comentar.