Reporte I: Componente climatológica para el desarrollo de técnicas y metodología del Índice Océano Atmosférico. Metodología e Implementación Dr. Jose Castillo [email protected]
Presentación realizada en base a la consultoría contratada para el componente del Instituto de Oceanografia de la Armada del Ecuador en los talleres realizados en Noviembre del 2013 para difusión del Proyecto INDICES ENOS
Citation preview
Reporte I: Componente climatológica para el
desarrollo de técnicas y metodología del Índice Océano Atmosférico.
• Fenomeno El Niño en Ecuador – Antecedentes – Indices a trabajar seleccionados – Herramientas y Materiales – Sistemas de trabajo – Datos Globales Descargados
• Regiones Niño 4, Niño 3.4, Niño 3 y Niño 1+2
– Cronograma de Actividades
Antecedentes • Caracteristicas de las lluvias en Ecuador
Se ha identificado que las oscilaciones climáticas debidas al Fenómeno El Niño son responsables de gran variabilidad interanual en precipitaciones.
Presenter
Presentation Notes
La idea es permita realizar metodologías para la construcción del Índice Oceánico, y proponga un modelo matemático para su cómputo, a fin de reducir la incertidumbre en el diagnóstico/pronóstico de las condiciones oceanográficas de la región comprendida entre las Islas Galápagos y la costa ecuatoriana y de la estación lluviosa en la costa ecuatoriana, ante la presencia de eventos ENOS y similares, a fin de establecer medidas preventivas para minimizar los impactos negativos ante eventos extremos, y aprovechar los impactos positivos que estos puedan generar. La variabilidad climatica de la costa es tambien interanual y se expresa en grandes diferencias de precipitacion entre un ano y otro, oscilando en Guayaquil entre 300 mm (en 1982) y 3.450 mm (en 1983) (Figura I.1.1-3). Se ha identificado que las oscilaciones climaticas debidas al Fenomeno El Nino son responsables de esa gran variabilidad interanual. El regimen estacional en la costa se caracteriza por un pe- riodo lluvioso unico muy marcado de diciembre a mayo, periodo en el que se concentra del 75 al 95% de las lluvias anuales (Por esta razon, durante el resto del ano, algunas zonas permanecen totalmente secas o con muy bajas precipitaciones, presentan- dose los valores mas extremos hacia el sur.
Objetivo
• Determinar indicadores océano-atmosféricos locales, basados en el comportamiento del Océano Pacífico Tropical (áreas Niño 4, Niño 3, y Niño 3.4), ajustadas para la región del océano Pacífico Ecuatorial Oriental (Niño 1+2).
• Difusión del conocimiento, transferencia de metodología y posible aplicación en políticas locales.
Región de Estudio • Determinar indicadores océano-atmosféricos locales, basados
en el comportamiento del Océano Pacífico Tropical (áreas Niño 4, Niño 3, y Niño 3.4), ajustadas para la región del océano Pacífico Ecuatorial Oriental (Niño 1+2).
Materiales de Trabajo Sistema a Trabajar: GVSIG version 1.12: sistema de información geografica para trabajos geoestadisticos. Este programa es software libre y llama a R para hacer los analisis necesarios. MATLAB R2012B a principio y se tratará de emigrar a R una vez los codigos esten listos si el tiempo lo permite. The Climate Predictability Tool (CPT): Es un paquete que proporciona Ventanas para:
– seasonal climate forecasting – model validation – actual forecasts given updated data
Ventana de tiempo 1981-2010 (Puede Variar) Índices Macroclimáticos • Índice SOI (Southern Oscilation Index) • Índice SST • Índice ENSO bivariado • Índice ENSO Multivariado
Presenter
Presentation Notes
Estos son los indices macrocimáticos mas comunes La ventana de tiempo puede variar Las series de tiempo
Índice SOI (Southern Oscillation Index)
Gráfica Suavisada 1981-2011 Valores negativos sostenidos de esta variable están asociados a episodios de El Niño
http://www.cpc.ncep.noaa.gov/data/indices/soi
Presenter
Presentation Notes
Es calculado a traves de las fluctuaciones mensuales o estacionales de la diferencia en la presion atmosferica entre Tahiti y Darwin (Australia). Valores negativos sostenidos de esta variable estan asociados a episodios de El Nino, mientras que los valores positivos estan ligados a episodios de La Nina (ver Fig. III.2). Los datos fueron tomados de: http://www.cpc.ncep.noaa.gov/data/indices/soi.
Índice SOI (Southern Oscillation Index) Variaciones
Lo único que distingue a las formulaciones de los índices de la Oscilación del Sur es la manera de la estandarización, y se resume a contnnuccin: • El IOS NOAA, contiene doble estandarización. El índice es la
estandarización de la diferencia de anomalía mensual estandarizada, de la presión atmosférica reducida al nivel del mar, en Tuhctíy Darwin.
• El índice IOS de Troup es la diferencia de anomalía mensual de la presión
atmosférica reducida al nivel del mar, en Taitiíy Darwin, estandarizada con la desviación estándar de esa diferencia.
• El índice IOS de Trenberth, la diferencia de anomalía mensual
estandarizada de la presión atmosférica reducida al nivel del mar, en Taitiíy Darwin, empleando la desviación estándar, no de las series mensuales, sino de las series anuales de estas localidades.
Presenter
Presentation Notes
En este trabajo veremos cual de los siguiientes Index es el que predice mejor. Por ahora estamos
Índice Sea Surface Temperature SST anomalies
,
Gráfica Suavisada 1994-2013 Fuente NOAA Valores altos de estas anomalías están asociadas a eventos El Niño
15 III.1.2.2 Indice SSTP Asociado a las anomalias de la temperatura de la superficie del mar en el Pacifico Central en la region Nino 3.4 (5°N-5°S y 170°W-120°W) Valores altos de estas anomalias estan asociadas a eventos El Nino . Tomada de http://www.cpc.noaa.gov/data/indices/sstoi.indices. La suavisación normalmente se hace usanod un moving average
Extendimos los datos desde 1982 - 2011 III.1.2.2 Indice SSTP Asociado a las anomalias de la temperatura de la superficie del mar en el Pacifico Central en la region Nino 3.4 (5°N-5°S y 170°W-120°W) Valores altos de estas anomalias estan asociadas a eventos El Nino . Tomada de http://www.cpc.noaa.gov/data/indices/sstoi.indices. Estamos trabajando para mejorar la visualización de los datos.
Serie de tiempo 1981-2011 Serie de tiempo que combina un componente atmosférico del fenómeno ENSO (SOI) y
un componente oceánico (SSTP Niño 3.4)
Presenter
Presentation Notes
Indice ENSO bivariado Serie de tiempo que combina un componente atmosferico del fenomeno ENSO (SOI) y un componente oceanico (SSTP Nino 3.4). Este indice es muy bueno porque mezcla los indices oceanicos con los atmosferico. Note change in SST dataset. We are now using the Hadley SST as the GISST is no longer available and the Hadley is considered a better dataset. The BEST index was designed to be simple to calculate and to provide a long time period ENSO index for research purposes. Nino 3.4 has traditionally been used as a measure of ENSO strength in the tropical Pacific. However, it's use alone neglects explicit atmospheric processes. By adding the SOI or Southern Oscillation Index (the pressure difference between Tahiti and Darwin), these processes are more directly included. In addition, older SST values are at least partially reconstructed and not explicitly measured. By including the SOI, which is better measured historically, the effect of biases in the SST data introduced by the reconstruction technique are reduced. A more detailed explanation how the index was created is available. Based on 1871-2001 SST and SOI indices
El Indice Multivariado del ENSO (MEI).
Presenter
Presentation Notes
El Indice Multivariado del ENSO (MEI). Es un complejo indice disenado por Klaus Wolter (1987) de NOAA-CIRES Climate Diagnostics Center (CDC), para expresar el fenomeno de El Nino- Oscilacion del Sur, ENSO, empleando componentes principales con seis variables: temperatura de la superficie del mar, temperatura del aire, presion atmosferica al nivel del mar, nubosidad, componente zonal del viento y componente meridional del viento. Los datos de estas variables son publicadas en ICOADS (Internacional Comprehensive Ocean Atmosphere Data Set, (anteriormente, COAD). Los sitios de ubicacion de donde provienen los datos de las variables utilizadas en el MEI son senalados por Wolter y Timlin (1998) en la figura 2.
El Indice Multivariado del ENSO (MEI).
En construcción
http://www.esrl.noaa.gov/psd/enso/mei/
Presenter
Presentation Notes
El Niño/Southern Oscillation (ENSO) is the most important coupled ocean-atmosphere phenomenon to cause global climate variability on interannual time scales. Here we attempt to monitor ENSO by basing the Multivariate ENSO Index (MEI) on the six main observed variables over the tropical Pacific. These six variables are: sea-level pressure (P), zonal (U) and meridional (V) components of the surface wind, sea surface temperature (S), surface air temperature (A), and total cloudiness fraction of the sky (C). These observations have been collected and published in ICOADS for many years. The MEI is computed separately for each of twelve sliding bi-monthly seasons (Dec/Jan, Jan/Feb,..., Nov/Dec). After spatially filtering the individual fields into clusters (Wolter, 1987), the MEI is calculated as the first unrotated Principal Component (PC) of all six observed fields combined. This is accomplished by normalizing the total variance of each field first, and then performing the extraction of the first PC on the co-variance matrix of the combined fields (Wolter and Timlin, 1993). In order to keep the MEI comparable, all seasonal values are standardized with respect to each season and to the 1950-93 reference period. IMPORTANT CHANGE: The MEI used to be updated every month during the first week of the following month based on near-real time marine ship and buoy observations (courtesy of Diane Stokes at NCEP). However, this product has been discontinued as of March 2011 (ICOADS-compatible 2-degree monthly statistics). Instead, the MEI is now being updated using ICOADS throughout its record. The main change from the previous MEI is the replacement of 'standard' trimming limits with 'enhanced' trimming limits for the period from 1994 through the current update. This leads to slightly higher MEI values for recent El Niño events (especially 1997-98 where the increase reaches up to 0.235 standard deviations), and slightly lower values for La Niña events (up to -.173 during 1995-96). The differences between old and new MEI are biggest in the 1990s when the fraction of time-delayed ship data that did not enter the real-time data bank was higher than in more recent years. Nevertheless, the linear correlation between old and new MEI for 1994 through 2010 is +0.998, confirming the robustness and stability of the MEI vis-a-vis input data changes. Caution should be exercised when interpreting the MEI on a month-to-month basis, since the MEI has been developed mainly for research purposes. Negative values of the MEI represent the cold ENSO phase, a.k.a.La Niña, while positive MEI values represent the warm ENSO phase (El Niño).
Indice NAO (Northern Atlantic Oscillation) Esta basado en la diferencia normalizada de la presion a nivel del mar entre Ponta Delgada (Azores) y Stykkisholmur/Reykiavik en Islandia. Fue tomado de: http://www.cgd.ucar.edu/cas/jhurrell/indices.data.html#naostatdjfm. III.2.5 Indice SSTA Asociado a las anomalias de la temperatura de la superficie del mar en el Atlantico Norte (5°N-20°N y 60°W-30°W). Tomada de: http://www.cpc.noaa.gov/data/indices/sstoi.atl.indices.
METODOLOGÍA FASE I: Impacto de los índices globales en las variables metereológicas. FASE II: Regionalización de impacto sobre la precipitación a lo largo de la costa de Ecuador. FASE III: Entrenamiento Curso???
Fase 1: Índices Standard Globales
• Objetivo: Impacto de los Índices Globales en las variables metereológicas y oceanográficas
Análisis Univariado (Serie de tiempo): Variables de Entrada: Índices Oceánicos-Atmosfericos. Variable de Salida: TSM, TA, Presión atmosférica, precipitación, profundidad de la termoclina. Determinar el retardo del impacto
Presenter
Presentation Notes
Series entrada Series oceanica: Salida: presipitacion Aplicar un modelo de componente principales o funciones ortogomnales iempirica a las series de precipitacion. Para determinar el retardo. De ese impacto. Series de entradas: Probar los indices de Temperaturas presion y combinados que miden el el fenomeno del ni˜õ Serie de Salida: Analisis de funciones orthogonales empiricas de las 5 estaciones metereologica. Para colocar todo en una sola serie temporal que sea representacion de la dimensionalidad de todas las estaciones.
Fase I: Índices Standard Globales
Paso 1: Aplicar un modelo de PCA o funciones ortógonales a las series de precipitación.
ESTACIONES METEOROLOGICAS
LUGAR PROVINCIA LATITUD LONGITUD
MANTA MANABI 00⁰56´06"íS 80⁰43´222W
ESMERALDAS ESMERALDAS 00⁰59´00"íN 79⁰39´00W
LA LIBERTAD GUAYAS 02⁰12´58"S 80⁰43´22"W
PUERTO BOLIVAR EL ORO 03⁰16´0"S 80⁰00´00"W
BALTRA GALAPAGOS 00⁰26´06"S 90⁰17´06"W
Nota: Las series tienen que ser estacionarias, quitando la tendencia y estacionalidad de la serie.
Presenter
Presentation Notes
Serie de Salida: Analisis de funciones orthogonales empiricas de las 5 estaciones metereologica. Para colocar todo en una sola serie temporal que sea representacion de la dimensionalidad de todas las estaciones. *Tambien se puede hacer estación por estación. Ajustar regresion de serie tiempo. Permetir ajustar un modelo predictivo de los indices ENSO y su impacto sobre la lluvias. El retraso se calcula tomado desestacionalizandola quitar componente de tendencia, las series estacionarias se quita la tendencia y estacionalida y calcular la cross correlacion entre ambas series. Y eso me permite calcular el retardo. Dominio del tiempo y el timpo de frecuenta y la funcion coherencia espectral. Tienen que ser estacionaria sin ciclos ni tendencia: R me permite quitarle a estacionalidad Croscorrelacionales.
Fase I: Índices Standard Globales Paso 2: Aplicar un modelo de regresión usando como variable predictora los indices globales basado en presiones atmosféricas y como variable predicha la precipitación ajustadas para la región del océano Pacífico Ecuatorial Oriental (Niño 1+2)
Nota: También se incluyen las áreas Niño4, Niño 3, y Niño 3.4.
Productos: • Identicuccin de desfases en tiempo del índice.
*Análisis de Croscorrelación espectral. • Determinar el tipo de correlación entre los indices.
Presenter
Presentation Notes
probablemente hay que incluir no solo la superficie del mar sino también algunas variables atmosféricas. Retardo: Analisis de corscorrelacion espectral para mirar el retardo las series tienen la mayor correlación. Medir la influencia oceanica en la lluvia y para eso miras temperatuta de la superficie niño 3+4 Ajustar modelo de regrsion. *Tambien se puede hacer estación por estación. Ajustar regresion de serie tiempo. Permetir ajustar un modelo predictivo de los indices ENSO y su impacto sobre la lluvias. El retraso se calcula tomado desestacionalizandola quitar componente de tendencia, las series estacionarias se quita la tendencia y estacionalida y calcular la cross correlacion entre ambas series. Y eso me permite calcular el retardo. Dominio del tiempo y el timpo de frecuenta y la funcion coherencia espectral. Tienen que ser estacionaria sin ciclos ni tendencia: R me permite quitarle a estacionalidad Croscorrelacionales.
FASE II
• Objetivo: Estudiar la relación estadistica entre la precipitación en Ecuador y la Temperatura de la Superficie marina u otras variables atmosféricas.
TAO/TRITON DATA DELIVERED
CTD Cruceros + Estaciones metereológicas Datos históricos http://www.pmel.noaa.gov/tao/
Presenter
Presentation Notes
TAO Prject: http://www.pmel.noaa.gov/tao/ Real-time data from moored ocean buoys for improved detection, understanding and prediction of El Niño and La Niña. Se requiere datos de la temperataura del mar en toda las costa de Galapagos Y ver cual esta teniendo la que tenga mayor impacto de la lluvia. Temperatura de la superficie del mar y precipitación. Metodología: Analisis de correlación Canonica. Analisi de compenetes pricipales de las variables doceanica y una componente de las variables de lluvia. Mira cual es el grado de asociaon entre los dos campos.
Objetivo: Definir la región que tiene mayor impacto sobre la precipitación a lo largo de de la costa de Ecuador. TAO/TRITON DATA DELIVERED
http://www.pmel.noaa.gov/tao/
Presenter
Presentation Notes
Se requiere datos de la temperataura del mar en toda las costa de Galapagos Y ver cual esta teniendo la que tenga mayor impacto de la lluvia. Temperatura de la superficie del mar y precipitación. Metodología: Analisis de correlación Canonica. Analisi de compenetes pricipales de las variables doceanica y una componente de las variables de lluvia. Mira cual es el grado de asociaon entre los dos campos.
Objetivo: Cual es la región que tiene mayor impacto sobre la precipitación a lo largo de de la costa de Ecuador.
NCEP Global Ocean Data Assimilation System (GODAS)
CTD Cruceros + Estaciones metereológicas Datos históricos http://www.cpc.ncep.noaa.gov/products/GODAS/
Presenter
Presentation Notes
GODAS depends on continuous real-time data from the Global Ocean Observing System. This project is to deliver routine ocean monitoring products, and is being implemented by CPC in cooperation with NOAA Ocean Climate Observation Program (OCO) http://www.cpc.ncep.noaa.gov/products/GODAS/clim_gif/xy/mnth.clim.1982-2004.harm3.xy.sst5m.13.gif Se requiere datos de la temperataura del mar en toda las costa de Galapagos Y ver cual esta teniendo la que tenga mayor impacto de la lluvia. Temperatura de la superficie del mar y precipitación. Metodología: Analisis de correlación Canonica. Analisi de compenetes pricipales de las variables doceanica y una componente de las variables de lluvia. Mira cual es el grado de asociaon entre los dos campos.
- Positive temperature anomalies in the c. and w. Pacific presented and propagated slowly eastward.
- Negative temperature anomalies in the e. Pacific did not have clear propagation.
- However, the differences between TAO and GODAS were still large in the c. and e. Pacific (165W, 100W). What causes the differences?
Pentad Mean Equatorial Pacific
Temperature Anomaly
TAO GODAS-TAO
http://www.cpc.ncep.noaa.gov/products/GODAS/
Presenter
Presentation Notes
Aqui lo que quiero resaltar es que GODAS usa modelos de asimilación de datos con TAO y sin embargo existen anomalias. Nosotros tendremos que estudiar: 1. La resolución espacial que tiene GODAS a lo largo de la costa de Ecuador o\ Usar los datos de TAO directamente y hacer analisis con ellos.
– Principal Components Regression (PCR) – Canonical Correlation Analysis (CCA) – Multi Linear Regression (MLR) – Global Model Output (GMO)
FASE II: Metodología
Se utilizarán datos de las estaciones costeras, las cuales tienen diferentes longitude de las series de tiempo. Se hará la Correlación Canónica con las datos del SST provenientes de TAO o GODAS, juntamente con los datos de las estaciones costeras y oceanográficas de cruceros. Se investigará las co-relaciones entre la SST y las precipitaciones registradas, mediante el Análisis Canónico de Correlación (CCA)
Presenter
Presentation Notes
Canonical correlations are chosen because it is a good method to analyse the 12 2.2 Methodology relationship of multivariate time series. Climate Predictability Tool (CPT) is a program for performing Canonical Correlation Ana- lysis and used in this study. The following description is based on the CPT user guide. CPT was developed by the International Research Institute (IRI) for Climate and Society of the University of Columbia, USA. CPT is a powerful tool to forecast seasonal climate in tropical and sub-tropical areas.
CPT Framework
Todos los métodos de análisis requieren 2 set de datos: “X variables” o
“Predictores” “Y variables” or “Predecibles” .
CPT Framework
Presenter
Presentation Notes
For gridded and station datasets, CPT lets you choose the spatial domain over which you want to perform your analysis. For the X file you should choose a domain from where the predictors are known to affect climate over the region to be predicted.
Ejemplo de productos a entregar
Fuente: Oceanic influence on precipitation in Venezuela, under current and future climate. Universitat Hamburg
Caso Venezuela, Edo. Vargas
Presenter
Presentation Notes
The patterns of the spatial loadings for SST and precipitation agree perfectly with the results of every single region. Negative ano- malies in the Pacific and northern equatorial Atlantic, positive anomalies in the southern Atlantic domain and in Vargas
Cronograma Actividad 1 Actividad 2
Semana 1 Cálculo de los Indices ENSO Globales: Bivariado Multivariado
Descarga de Datos TAOS y GODAS Visualización y analisis con el CPT
Semana 2 Analisis Estadistico Datos Locales: Precipitación SST Presión Atmosférica
FASE I: Aplicar un modelo de PCA o funciones ortógonales a las series de precipitación.
Semana 3 FASE I: Aplicar un modelo de regresión usando como variable predictora los indices Globales en diferentes regiones del niño.
FASE II: Anallizar la relacion entre la precipitación y el SST utilizado Canonical Correlation Analysis (CCA) en el CPT.
Semana 4 FASE I: creación de los indices Oceanicos para el Ecuador
Entrega de Informe Final
Nota: Cada viernes se entregará un avance de los objetivos alcanzados.
Datos Necesarios
• Series de Tiempo Presión y Temperatura Atmosférica
• Series de Tiempo Temperatura Superficie del Mar.
• Series de Tiempo Precipitaciones • Datos de viento (para el calculo de IME) Frecuencia: Diaria, Mensual, Trimestral, Anual. Formato: Lat, Long, yyyy-mm-dd, hh-min-ss Variable
Nota: Los datos deben estar en la misma frecuencia y para los mismos períodos de las precipitaciones.
Presenter
Presentation Notes
en la misma frecuencia y para mismo período de la lluvia.
