CARACTERIZACIN DE LA ACTIVIDAD TURBULENTA DE SUB-MESOESCALA

EN EL OCANO PACFICO FRENTE AL PER UTILIZANDO ANLISIS DE

DATOS SATELITALES

TESISPARAOPTARELTTULOPROFESIONALDELICENCIADOENFSICA
POR
ELVAROSMERYSOSAGUTIRREZ

ASESORES:ALEXISCHAIGNEAU

RONANFABLET
JORGEQUISPESANCHEZ

LIMAPER
2011

HOJA DE PRESENTACIN
CARACTERIZACIN DE LA ACTIVIDAD TURBULENTA DE SUB-MESOESCALA EN EL
OCANO PACIFICO FRENTE AL PER UTILIZANDO ANLISIS DE DATOS SATELITALES
ELVA ROSMERY SOSA GUTIRREZ
Tesis presentada a consideracin del Cuerpo de Docentes de la Facultad de Ciencias
Naturales y Matemtica de la Universidad Nacional del Callao, como parte de los requisitos
para obtener el Ttulo de Licenciado en Fsica.
Aprobado por:

--------------------------------------------------Lic. Eladio Casapa Almonte

Presidente

--------------------------------------------------Lic. Rolando Juan Alva Zavaleta

Vocal

-------------------------------------------------Dr. Jorge Abel Espichn Carrillo

Secretario

---------------------------------------------------Mg. Roel Vidal Guzmn

Suplente

CALLAO-PER
ii

AGOSTO 2011
FICHA CATALOGRFICA

SOSA GUTIRREZ, ELVA ROSMERY

Caracterizacin de la Actividad turbulenta de Sub-mesoescala en el Ocano Pacifico frente al
Per utilizando anlisis de datos satelitales, Callao (2011).
ix, 71. (UNAC, Licenciado en Fsica, 2011)
Tesis, Universidad Nacional del Callao, Facultad de Ciencias Naturales y Matemtica.
Fsica.

iii

DEDICATORIA

A mi Abuelita Elva, y a mis Padres, Nelly y Jorge.

Los Amo.

iv

AGRADECIMIENTOS

Doy gracias a Dios por mostrarme siempre un camino de luz en etapas muy difciles.
Agradezco de manera muy especial a Alexis Chaigneau por haberme dado la oportunidad de
trabajar con l, e investigar sobre un tema desconocido para m, gracias por la paciencia
brindada en todo momento, en cada una de la extensas revisiones de la tesis que eran de
nunca acabar!, gracias por tus valiosos conocimientos, comentarios y sugerencias, los cuales
siempre fueron constructivos para el desarrollo de esta tesis, gracias por todas las lecciones en
Oceanografa Fsica, y por mostrarme un camino que recin empieza, y por supuesto gracias
por tu amistad.
As mismo extender mi agradecimiento al Dr. Ronan Fablet por haber sido una parte esencial
en el desarrollo de esta tesis, gracias por las tantas revisiones hechas a la tesis, y porque
siempre haba una nueva visin o un nuevo clculo para una mejor interpretacin en los
resultados, muchas gracias por su paciencia y el tiempo que me brind.
Al Profesor Jorge Quispe, por haberme guiado en los primeros pasos en esta amplia rea de
investigacin, no solo fue mi asesor sino un gran amigo. A Jos Tenorio por tu valiosa amistad
y entusiasmo en todo momento, y por aquellas reuniones con gente de IMARPE las cuales
siempre fueron muy entretenidas.
Al Instituto de investigacin para el desarrollo (IRD) por haber financiado mi trabajo de tesis, y
por brindar todas las facilidades que un estudiante podra desear, gracias tambin al Instituto
del Mar del Per (IMARPE), por haberme permitido utilizar sus instalaciones durante todo este
periodo.
A mis amigos del IRD, Daniel, Giannina, Zaida, Roci, Ainhoa, Claude, Lula, Jos, por su
amistad y apoyo en todo momento, y por hacer ameno el trabajo en la oficina. De manera muy
especial gracias Daniel por haberme ayudado con cdigos en Matlab y en la definicin de
trminos estadsticos, y especialmente gracias por todos los consejos personales. Gracias
tambin a Diana y Antonio por haber alegrado la convivencia en casa.
Finalmente a mis Padres, que aunque no estn conmigo presencialmente, siempre puedo
escuchar de ellos una palabra de aliento, gracias por siempre confiar en m y apoyarme en todo
momento. Y por supuesto gracias Abuelita por todos los bellos momentos que pas contigo y
que siempre los recuerdo con mucho amor.

RESUMEN

Con el fin de caracterizar procesos fsicos de sub-mesoescala (filamentos, meandros) y

mezcla turbulenta en la parte Norte del Sistema de Corriente de Humboldt (NHCS), esta tesis
se bas sobre el anlisis de los exponentes de Lyapunov de tamao finito (FSLEs) para el
periodo 2001-2009. Los valores promedios de los FSLEs en el NHCS fluctan entre 0.018-0.04
das-1 correspondiendo a un tiempo de mezcla de 30-80 das. La mezcla turbulenta es
relativamente intensa cerca de la costa y disminuye mar adentro. La evolucin temporal de los
FSLEs presenta un ciclo anual significativo con mximos en invierno y mnimos en verano en la
mayor parte del NHCS. Sin embargo, se identific una regin ubicada al Sur de 12S y mar
adentro donde el ciclo anual presenta una evolucin inversa, con valores mximos de FSLEs
en verano.
El anlisis de las Funciones Empricas Ortogonales (EOFs), muestra 3 modos
dominantes que explican 55% de la variabilidad espacio-temporal de los datos. El primer modo
EOF corresponde al ciclo anual cuya amplitud es mxima al norte de 12S y cerca de la costa.
El segundo modo presenta un ciclo bi-anual importante en la regin centrada a 85W y 15S y
mar adentro. Y por ltimo el tercer modo muestra un ciclo estacional ms complejo con dos
zonas significativas.
Similarmente, el anlisis de los tres primeros modos de las EOFs complejas (CEOFs),
explican 65% de la varianza de los datos; el primer modo CEOFs est asociado al ciclo anual
que mostr una propagacin dominante hacia el Nor-oeste. El segundo y

tercer modo

muestran un ciclo bi-anual con direcciones de propagacin ms complejas, las cuales se

distribuyen en diversas orientaciones pero con predominancia en la direccin paralela a la
costa.
Finalmente la regularidad geomtrica de las estructuras de sub-mesoescala presentes
en los mapas de FSLEs vara de manera inversa a la intensidad de la mezcla turbulenta, lo que
podra ser explicado por el tamao de los remolinos de mesoescala.

Palabras Clave: Actividad de Sub-mesoescala, Exponentes de Lyapunov, Sistema de Corriente

de Humboldt, Funciones Empricas Ortogonales, filamentos, dimensin fractal.

vi

ABSTRACT

In order to characterize physical processes of sub-mesoscale (filaments, meanders)

and turbulent mixing in the Northern part of the Humboldt Current System (NHCS), this thesis is
based on the analysis of Finite Size Lyapunov Exponents (FSLEs) for the period 2001-2009.
-1

The average values of FSLEs in the NHCS range from 0.018 to 0.04 day corresponding to a
mixing time of 30-80 days. The turbulent mixing is relatively strong near the coast and
decreases offshore. The temporal evolution of the FSLEs presents a significant annual cycle
with maximum in winter and minimum in summer in most part of the NHCS. However, identified
a region located south of 12S and offshore, where the annual cycle presents a reverse
evolution, with maximum values of FSLEs in summer.
The analysis of Empirical Orthogonal Functions (EOFs) shows 3 dominant modes that
st

explain 55% of the spatio-temporal variability of the data. The 1 EOF mode corresponds to the
nd

annual cycle, which is maximum north of 12S and near to coast. The 2

mode presents a bi-

annual cycle, with a spatial distribution centered at 85W and 15S and offshore. Finally, the 3

rd

mode shows a more complex seasonal cycle in two significant areas.

Similarly, analysis of the first 3 modes of complex EOFs (CEOFs) explains 65% of the
variance in the data. The frist CEOF mode is associated with the annual cycle which shows a
dominant propagation toward the north-west. The second and third mode show a bi-annual
cycle with more complex directions of propagation, which are distributed in different orientations
but predominantly in the direction parallel to the coast.

Finally, the geometric regularity of sub-mesoscale structures identified in FSLE maps

shows an inverse relationship with the intensity of turbulent mixing which could be related to the
size of the mesoscale eddies.

Key words: Sub-mesoscale activity, Lyapunov Exponents, Humboldt Current System, Empirical
Orthogonal Functions, filaments, fractal dimension.

vii

NDICE

Resumen

vi

Abstract

vii

CAPITULO I: INTRODUCCIN

CAPITULO II: MATERIALES Y MTODOS

2.1

Anomala del nivel del mar

10

2.2

Exponentes de Lyapunov de Tamao Finito (FSLEs)

11

2.3

Procesamiento de los datos de FSLEs

16

2.3.1

Estadsticas bsicas

16

2.3.2

Anlisis frecuencial

17

2.3.3

Descomposicin de la variabilidad espacio-temporal a travs de

Funciones Empricas Ortogonales (EOFs), y complejas (CEOF)

3.2.2 Mtodos de caracterizacin de la regularidad geometrica de las

estructuras de sub-mesoescala
CAPITULO III: RESULTADOS

19
21
25

3.1 Ejemplo de distribucin instantnea de los FSLEs

26

3.2. Variaciones espacio-temporales de los FSLEs

28

3.2.1

Distribucin espacial promedia

28

3.2.2

Variabilidad temporal

30

3.3. Ciclo anual de los FSLEs

33

3.3.1

Variaciones mensuales y estacionales

33

3.3.2

Amplitud y fase del ciclo anual

37

3.4 Modos dominantes de la variabilidad espacio-temporal de los FSLEs

41

3.4.1

Anlisis por EOFs

41

3.4.2

Anlisis por EOFs complejas (CEOFs)

46

3.5 Regularidad geomtrica de las estructuras de sub-mesoescala

53

3.5.1

Regularidad mediante la dimensin fractal(D1)

54

3.5.2

Regularidad mediante el winding angle (D2)

55

3.5.3

Relacin entre la dimensin fractal y el winding-angle (D1 y D2)

56

3.5.4

Relacin entre la dimensin fractal y la intensidad de los FSLEs

59

viii

CAPITULO IV: DISCUSIN Y CONCLUSIONES

61

CAPITULO V: PERSPECTIVAS

65

BIBLIOGRAFA

67

ix

CAPITULO I
INTRODUCCIN

1.0
INTRODUCCIN

1.1

GENERALIDADES

Frente a la costa Occidental de Sudamrica se encuentra una de las reas de

mayor productividad biolgica, que se reflejan en todos los niveles trficos1 del ecosistema
marino [CHAVEZ et al., 2008]. El rea martima frente a la costa del Per, conocida como
la parte Norte del Sistema de Corriente de Humboldt (NHCS), representa 0,1% del rea
ocenica mundial y produce ~10% del total de capturas de peces a nivel mundial
[CHAVEZ et al., 2008]. La alta productividad biolgica se debe principalmente a las
condiciones fsicas muy especiales existentes en el NHCS y en particular a la presencia de
2

celdas de afloramiento costero, a la dinmica de granescala , y a los procesos fsicos de

meso3 y sub-mesoescala4.
La dinmica de gran escala en el NHCS, exhibe distintas corrientes de superficie y
sub-superficie, est directamente relacionada y controlada por el Anticicln Subtropical del
Pacifico-Sur (figura.1.1). En el NHCS, el Anticicln Subtropical del Pacifico-Sur produce
vientos soplando paralelamente a la costa sud-americana hacia el ecuador, cuyas
intensidades promedias disminuyen de 8 m/s en la zona central de Chile a 4 m/s al Norte
del Per (figura. 1.1). Estos vientos paralelos a la costa producen un transporte integrado
de agua en las capas superficiales del ocano a 90 a la izquierda del viento, i.e. desde las
zonas costeras hacia mar adentro (teora de Ekman, 1905), lo cual origina una depresin
de agua cerca de la costa, y por conservacin de masa hay necesariamente una subida de
agua profunda. Este proceso, llamado afloramiento costero, lleva a la superficie agua

NivelesTrficos:Esunconjuntodeespecies,odeorganismos,deunecosistemaquecoincidenporelturnoqueocupanenla
circulacin de energa y nutrientes, i.e., a los que ocupan un lugar equivalente en la cadena trfica, el cual es un proceso de
transferencia de energa alimenticia a travs de una serie de organismos, en el que cada uno se alimenta del precedente y es
alimentodelsiguiente.Tambinconocidacomocadenaalimentaria.
2
GranEscala:procesosquetienenunaescalahorizontaltpicade500km1000km.
3
4

Mesoescala:procesosquetienenunaescalahorizontaltpicade100km500km.
Submesoescala:procesosquetienenunaescalahorizontaltpicade10km100km.

profunda fra y rica en sales nutritivas [ZUTA and GUILLN, 1970; POCKLINGTON, 1981].
La primera consecuencia del afloramiento es la presencia de agua costera fra en
superficie (~16-18C, figura. 1.2) [BRAINARD and MCLAIN, 1987; FLORES et al., 2011]
que tiene gran implicancia para el clima regional y mundial. La segunda consecuencia es
que el alto contenido en nutrientes de las aguas superficiales costeras permite el
desarrollo de fitoplancton, primer eslabn de la cadena alimentaria marina. En el NHCS,
esta alta productividad primaria (figura. 1.3) mantiene un rico ecosistema marino favorable
a grandes pesqueras, como la de anchoveta, que representan uno de los pilares de la
economa del Per [ZUTA & GUILLN, 1970; CHAVEZ et al., 2008].

Figura 1.1: Distribucin de la velocidad promedia de vientos. Los colores

representan la intensidad de los vientos, y las flechas la direccin promedia. Los
vientos provienen del satlite QuikSCAT y corresponden al promedio 1998-2010
(Fuente: GUTIRREZ et al., 2011).

Figura 1.2: Temperatura superficial del mar (TSM), temperaturas fras a lo largo de
las costas peruanas ~16-18C (Fuente: Imarpe).

Figura 1.3: Captura de peces como funcin de la productividad primaria en los

cuatro principales ecosistemas de surgencia para el periodo 1998-2005 (Fuente:
CHAVEZ et al., 2008).

El Anticicln Subtropical del Pacifico-Sur es tambin el motor de la circulacin a

gran-escala en el NHCS. En las capas superficiales del ocano frente a las costas
peruanas, los vientos mantienen dos principales corrientes de gran-escala: la Corriente
Ocenica Peruana (Per Oceanic Current (POC)) y la Corriente Costera Peruana (Per
Coastal Current (PCC)), ambas desplazndose hacia el Norte-Noroeste (figura. 1.4)
[PENVEN et al., 2005; MONTES et al., 2010]. Estas corrientes forman la rama Este del
giro-subtropical del Pacifico Sur y transportan en el NHCS agua relativamente fra de

origen sub-Antrtico [STRUB et al., 1998; CHAIGNEAU and PIZARRO, 2005a;

CHAIGNEAU and PIZARRO, 2005b]. Al contrario, en sub-superficie existen 2 corrientes
que fluyen hacia el Sur: la Contra-Corriente de Per-Chile (Per-Chile Countercurrent
(PCCC)) y la Sub-corriente de Per-Chile (Per-Chile Undercurrent (PCUC)), ambas
alimentadas por sub-corrientes de origen ecuatorial (figura. 1.4) [MONTES et al., 2010].

Figura 1.4. Esquema de la Circulacin Ocenica, (Fuente: PENVEN et al., 2010).

Cerca de la costa, las orientaciones opuestas de la corriente superficial PCC y de

la corriente sub-superficial PCUC generan una cizalladura de corrientes que produce
inestabilidades dinmicas, las cuales generan en particular, remolinos de mesoescala
[CHAIGNEAU and PIZARRO, 2005; CHAIGNEAU et al., 2011] que son los homlogos
ocenicos de los ciclones y anticiclones atmosfricos. Tal como en la atmosfera, los
remolinos de mesoescala en el ocano mundial transfieren grandes cantidades de calor,

masa, energa, as como propiedades biogeoqumicas, desde sus lugares de formacin

hacia regiones remotas.
En el NHCS, los remolinos ciclnicos (RCs) girando en el sentido horario, y los
remolinos anticiclnicos (RAs) girando en el sentido anti-horario (figura. 1.5) son
estructuras casi circulares que tienen un radio promedio de ~100-150 km [CHAIGNEAU et
al., 2008; 2009]. Esos remolinos son formados cerca a la costas de Amrica del Sur y se
propagan mar adentro con una velocidad que aumenta hacia el Norte, variando de 5 cm/s
a 20S a mas de 20 cm/s a 5S [CHAIGNEAU and PIZARRO, 2005c; CHAIGNEAU et al.,
2008; 2009]. Recientemente, CHAIGNEAU et al. [2011] han mostrado la importancia de
esos remolinos para la transferencia de calor y de sal entre las regiones costeras y el
ocano abierto. CORREA-RAMIREZ et al. [2007] destacaron tambin la implicancia de
esas estructuras de mesoescala para la extensin ocenica del rea costera productiva.
Entonces, los RCs y RAs de mesoescala tienen un efecto importante sobre la dinmica
fsica y biolgica, y pueden afectar al ecosistema marino en su conjunto desde niveles
trficos inferiores (fitoplancton, zooplancton, etc.) a niveles trficos superiores [BAKUN,
2006, LOGERWELL and SMITH, 2001; SEKI et al., 2002; DOMOKOS et al., 2007; SPEAR
et al., 2001; YEN et al., 2006; COTT et al., 2011].

Figura 1.5. Ejemplo de un mapa de anomalas del nivel del mar y corrientes
geostrficas asociadas. En color se muestra las anomalas del nivel del mar (Sea
Level Anomalies, SLA), mientras que las corrientes geostrficas son indicadas por
flechas negras. Los sombreados claros corresponden a la identificacin automtica
de remolinos ciclnicos y anticiclnicos, (Fuente: CHAIGNEAU et al., 2008).

Adems de las corrientes de gran-escala y de los remolinos de mesoescala, el

ocano, como todo medio turbulento, presenta tambin estructuras fsicas a submesoescala (meandros, frentes, y filamentos) [THOMAS, 1999] en un rango aproximado
de 10-100 km. Mapas a alta resolucin de Temperatura de Superficie del Mar (TSM) y del
color del ocano (Clorofila-a) han permitido observar la prevalencia de frentes y filamentos
a escalas inferiores a 100 km y mostrar su importancia para los procesos de mezcla y el
transporte de calor y de nutrientes. Ha sido tambin estimado que alrededor del 50% del
transporte vertical de las propiedades biogeoqumicas ocurren a esas escalas [LAPEYRE
and KLEIN, 2006]. Sin embargo, los datos satelitales de TSM y de clorofila-a, adquiridos
en las bandas visibles e infrarrojas del espectro electromagntico, son muy contaminados
por la presencia de nubes lo que impide una buena descripcin de la actividad a submesoescala en varios lugares del ocano mundial. Para reducir este inconveniente, se ha
desarrollado tcnicas alternativas que permiten identificar filamentos de sub-mesoescala y
fenmenos de mezcla mediante descripciones Lagrangianas del ocano.
Esas descripciones Lagrangianas requieren un conocimiento detallado del campo
de velocidades que estn por ejemplo disponibles mediante observaciones satelitales
[HALPERN, 2000], o modelos numricos de circulacin [HAIDVOGEL and BECKMANN,
1999; DIETRICH, 1997]. Una de las ventajas de este enfoque Lagrangiano es que puede
ser utilizado como una herramienta para la extraccin de estructuras de transporte a partir
de datos satelitales de altimetra que no son alterados por la nubosidad.Estas estructuras
de sub-mesoescala son relevantes desde un punto de visto terico y crucial para una serie
de cuestiones prcticas como la dinmica del plancton o la dispersin de contaminantes.
Otro de los enfoques Lagrangianos se conoce como los Exponentes de Lyapunov
de Tamao Finito (FSLEs por sus siglas en ingles). Los FSLEs han sido empleados para
estudiar la actividad de sub-mesoescala y la mezcla turbulenta asociada en varias
regiones del ocano mundial tales como el mar Mediterrneo [DOVIDIO et al., 2004;
GARCA-OLIVARES et al., 2007], el mar Adritico [LACORATA et al., 2001] o el Golfo de
Mxico [LACASCE y OHLMANN, 2003]. En el NHCS, ROSSI et al. [2009] estudi

sucintamente la variabilidad temporal de los FSLEs e identific la presencia de un ciclo

anual.
Sin embargo, esos autores no describieron de manera detallada esa actividad en
el NHCS. Es por ello que el propsito de esta tesis es extender el trabajo de [ROSSI et al.
2009], estudiando la intensidad de la mezcla turbulenta y las estructuras de submesoescala frente a la costa peruana a travs de los FSLEs; un ejemplo de un mapa de
Lyapunov es mostrado en la figura. 1.6 para el 3 de enero del 2001.

Figura 1.6. Distribucin espacial de los FSLEs para una fecha en particular. Esa
figura muestra numerosas estructuras de sub-mesoescala energticas.

En el segundo captulo de este trabajo describimos los datos altimtricos utilizados

para el presente trabajo, as como detallamos lo que son y cmo se calculan los FSLEs.
En el tercer captulo se muestran los principales resultados obtenidos durante esta tesis.
En particular, se presenta los principales modos de fluctuacin espacio-temporal de los
FSLEs asociados a la mezcla turbulenta en el NHCS y se estudia una caracterizacin
geomtrica de las estructuras de sub-mesoescala. Tambin, se caracteriza de las
regularidades geomtricas de las estructuras ms energticas de los mapas de Lyapunov.
Finalmente, el cuarto captulo de esta tesis resume los principales resultados y da
perspectivas futuras de este trabajo.

CAPITULO II
MATERIALES Y METODOS

2.0
MATERIALES Y METODOS

2.1 Anomala del nivel del mar

Los datos de anomalas del nivel del mar (Sea Level Anomaly- SLA) proceden del
producto

altimtrico

AVISO

(Archiving

Validation

and

Interpretation

of

Satellite

Oceanographic Data) que consiste en la combinacin de los datos de altmetros

embarcados a bordo de varios satlites (Topex/Poseidn, ERS, Jason, Envisat, etc.).
Esos datos de SLA, que son irregularmente distribuidas en el espacio y tiempo (segn la
configuracin de la rbita del satlite), fueron interpolados cada 7 das en una malla
regular de 1/41/4 en longitud/latitud, utilizando una interpolacin objetiva espaciotemporal [LE TRAON et al., 1998]. El periodo de estudio se extiende de Enero del 2001
hasta Abril del 2009, lo que corresponde a 435 mapas semanales de SLA. Los mapas de
SLA permiten en particular determinar las corrientes geostrficas de superficie que son
debidas al equilibrio entre la fuerza de Coriolis y los gradientes de presin. Las
componentes zonales (

) y meridionales (

) del campo de velocidad geostrfica se

obtienen con las ecuaciones siguientes:

(2.1)

(2.2)

donde:

2
, es el parmetro de Coriolis.
, es la velocidad de rotacin de la tierra (

7,292

10

).

, es la latitud.
, es la aceleracin de la gravedad (g = 9,81 m/s2).

10

La figura 2.1 muestra un ejemplo de un mapa de SLA para la fecha del 24 de

Octubre del 2007, con las corrientes geostrficas asociadas. Se observa claramente la
presencia de remolinos ciclnicos (SLA negativas) y anticiclnicos (SLA positivas) con
rotacin en sentido horario y anti-horario, respectivamente.

Figura 2.1. Mapa de la anomala del nivel de mar (colores) y las corrientes
geostrficas asociadas (flechas), para el 24 de Octubre del 2007.

2.2 Exponentes de Lyapunov de Tamao Finito

Una forma de cuantificar la mezcla turbulenta y caracterizar las estructuras de submesoescala, es asumir un punto de vista Lagrangiano, es decir, mirar explcitamente las
propiedades de transporte a partir del anlisis de la trayectoria de las partculas [DOVIDIO
et al., 2004]. Este enfoque Lagrangiano requiere un conocimiento de la variabilidad
temporal del campo de velocidades, que en nuestro caso es obtenido mediante los datos
de SLA y las ecuaciones (2.1 y 2.2). Uno de los mtodos ms utilizados dentro de este
enfoque Lagrangiano es la determinacin de los exponentes de Lyapunov de tamao
finito.
Los FSLEs, introducidos primero por AURELL et al. [1997] y ARTALE et al. [1997],
tienen dos principales aplicaciones:
1. Caracterizar los procesos de dispersin [LACORATA et al., 2001].

11

2. Detectar y visualizar estructuras coherentes Lagrangianas5 [BOFFETTA et al., 2001;

KOH AND LEGRAS, 2002; JOSEPH AND LEGRAS, 2002; DOVIDIO et al., 2004].
Nos enfocaremos principalmente en la segunda aplicacin que tiene los FSLEs, que
permite caracterizar el estiramiento y contraccin del transporte mediante la deteccin y
visualizacin de estas estructuras coherentes [DOVIDIO et al., 2004]. La importancia de
caracterizar estos estiramientos/contracciones es de conocer las zonas donde existe
mezcla turbulenta ms activa, asociadas a las estructuras de sub-mesoescala. Debido a
su carcter Lagrangiano, los FSLEs describen en detalle estructuras de sub-mesoescala
que no pueden ser detectadas por otros medios como por ejemplo a partir de la inspeccin
de los mapas de SLA de la superficie marina (figura. 2.1).
Ms precisamente, los FSLEs miden la rapidez con que las partculas de un fluido
se separen o se acerquen a una distancia especfica. Se calculan a travs del tiempo , en
que dos partculas trazadoras6, transportadas de manera Lagrangiana en un campo de
velocidades y separadas inicialmente una distancia

, lleguen a una separacin final

El campo de velocidades en el cual son transportadas las partculas ha sido interpolado

bilinealmente (espacio y tiempo), para asignar velocidades a cada punto de la grilla por
debajo de la resolucin de los datos de altimetra. La integracin de esos campos de
velocidades produce entonces procesos de filamentacin a escalas mucho ms pequeas
que las del campo de flujo inicial [CALIL AND RICHARDS., 2010]. Es por ello que el
transporte de propiedades a sub-mesoescala puede ser estudiado mediante el clculo y el
anlisis de los FSLEs a partir de campos de velocidades a mesoescala.

Para una posicin

y un tiempo , el FSLE se expresa [DOVIDIO et al., 2004;

ROSSI et al., 2009; LEHAHN et al., 2007]:

, ,

(2.3)

5
6

Estructurascoherentes:Barreradetransporte,bordesderemolinos,frentes.
Partculastrazadoras:Partculasinyectadasenuncampodevelocidadesgeostrficasseguidaseneltiempo.

12

donde

representa al exponente de Lyapunov que proporciona la tasa de

divergencia/convergencia de los trazadores.

El tiempo mximo de seguimiento de las partculas trazadoras es fijado a 100 das. Si los
trazadores permanecen juntos por periodos mayores a 100 das y no llegan a la
separacin predeterminada

la integracin se detiene y se considera

= 0. Como se

nota en la ecuacin (2.3), el clculo de los FSLEs depende fundamentalmente de escoger

dos escalas de longitud: la separacin inicial

y la separacin final

. En nuestro caso,

los FSLEs son calculados sobre todos los puntos de una grilla de latitud/longitud con un
espaciamiento de

=0,04. Por otro lado, como estamos interesados en estudiar

estructuras de sub-mesoescala, el

fue escogido como

= 0,6 que corresponde

aproximativamente a una distancia de 65 km. En ese contexto, a cada punto de grilla, el

FSLE representa el tiempo inverso que se demorara para mezclar parcelas de fluidos
inicialmente separadas por una distancia 0. Menor es el tiempo de convergencia , ms
eficiente es la mezcla turbulenta y mayor es el valor asociado a los FSLEs.
La tasa de dispersin

de los trazadores puede ser calculada por integracin de

las trayectorias hacia atrs en el tiempo (backward) o hacia adelante (forward). La figura
2.2a muestra un ejemplo de esas trayectorias, en relacin a los remolinos de mesoescala
(ciclnicos (C) y anticiclnicos (A)) en la regin (9-17S y 78-86W) para una fecha en
particular. A simple vista se puede observar el punto de interseccin de regiones de
convergencia y divergencia (punto rosado), el cual es llamado punto hiperblico.

13

Figura 2.2. a) Trayectoria de partculas trazadoras inmersas en un campo de

velocidades geostrficas dominada por remolinos ciclnicos y anticiclnicos. b)
ilustracin del estiramiento de un trazador que est cerca del punto hiperblico
(Fuente: LEHAHN et al., 2007).
La figura 2.2b presenta un esquema ilustrando la adveccin de un conjunto de
partculas trazadoras inicialmente cercanas. Siguiendo esas partculas hacia adelante en
el tiempo, notamos una divergencia rpida a lo largo de una lnea llamada variedad
inestable (lnea de divergencia). Al contrario, las lneas de convergencia son llamadas
variedades estables. A estas variedades (estables e inestables) se les considera barreras
para el transporte, puesto que las partculas advectadas por el flujo no podrn cruzar esas
lneas de convergencia/divergencia. Un ejemplo similar

es mostrado en la figura 2.3

[LEHAHN et al., 2007] donde las partculas inicializadas en la vecindad del punto
hiperblico son advectadas hacia atrs (azul) y hacia adelante (verde) en el tiempo.

Figura 2.3. Partculas trazadoras advectadas hacia atrs (azul) y hacia adelante
(verde) en el tiempo mostrando las variedades estables e inestables
respectivamente (Fuente: LEHAHN et al., 2007).

14

Los valores altos de con una integracin hacia delante, corresponden a una
divergencia rpida ( pequeo) de 2 partculas inicialmente cercanas. Al contrario, valores
altos de con una integracin hacia atrs son asociados a una convergencia muy rpida
(y entonces una mezcla efectiva) de 2 partculas inicialmente alejadas. Como estamos
interesados en estudiar la mezcla turbulenta y estructuras de convergencia a submesoescala, decidimos trabajar con una integracin backward. La figura 2.4 muestra un
ejemplo de un mapa de FSLE donde se identifica lneas de mxima convergencia
asociadas con una mezcla importante (lneas rojas).

Figura 2.4. Mapa espacial para los exponentes de Lyapunov para el 15 de Enero del
2001.

En esta tesis la tcnica de los exponentes de Lyapunov est enfocado en la

dinmica backward en el tiempo ya que las lneas de convergencia, permiten visualizar las
regiones donde la mezcla es mxima as como posibles barreras para el transporte, a
travs del cual el transporte de trazadores queda restringido por lo que resulta una tcnica
diferente para visualizar las variedades estables e inestables y caracterizar la mezcla
turbulenta, y el transporte de estructuras coherentes en la superficie marina [DOVIDIO et
al., 2004; DOVIDIO et al., 2009; LEHAHN, Y., 2007; ROSSI, V., 2008]. El lector interesado
en ms detalles a los FSLEs se puede referir a DOVIDIO et al. (2004; 2009) o LEHAHN et
al. (2007).

15

Los FSLEs fueron proporcionados por el Centro de Topografa de los Ocanos y

de le Hidrosfera

(CTOH-LEGOS, Toulouse, Francia: http://ctoh.legos.obs-mip.fr/).

Estos datos abarcan el periodo de Enero 2001 hasta Abril 2009 con una distribucin
espacial en una malla regular de 0,040,04

en longitud-latitud y una distribucin

temporal de 4 das, obteniendo 754 mapas de FSLEs. Estos datos se extrajeron en el

NHCS, que se localiza entre las latitudes de 5S y 20S y las longitudes de 70W y 100W.

2.3 Procesamiento de los datos de FSLE

Con la finalidad de estudiar las variaciones de sub-mesoescala de la circulacin

superficial del NHCS, se hicieron diversos anlisis de la serie de mapas de los FSLEs.
Estos anlisis se realizaron con Matlab 7.8.
Las variaciones espacio-temporales de los FSLEs en el NHCS son calculados con
herramientas complementarias. En primer lugar se utilizo estadsticas bsicas (ej.
promedios temporales y espaciales). Seguido de un anlisis frecuencial (anlisis de
Fourier y anlisis en ondeleta) de la variabilidad temporal; adems de la caracterizacin de
la variabilidad espacio-temporal basada en mtodos de descomposicin de modos
dominantes (ej. EOFs (Empirical Orthogonal Functions), y CEOFs (Complex Empirical
Orthogonal Functions)). Y por ltimo se caracterizo la regularidad geomtrica de la
estructuras de todos los mapas Lyapunov mediante el clculo de dimensiones fractales.

2.3.1 Estadsticas bsicas

Para estudiar la variabilidad espacio-temporal de los 754 mapas de FSLEs se

procedi hacer clculos como:

Anlisis de distribuciones espaciales

-

Mapa Promedio: Un promedio global de los 754 mapas para determinar las
zonas de intensa mezcla turbulenta y zonas de calma.

16

Mapas Mensuales: Promedio por cada mes abarcando todos los aos
(2001-2009), obteniendo as 12 mapas mensuales para determinar las
variaciones promedias durante el ao del FSLE.

Mapas Estacionales: Promedio por estacin abarcando todos los aos

(2001-2009), obteniendo 4 mapas correspondientes a las 4 estaciones del
ao.

Mapa de varianza total: Clculo de la varianza para los 12 mapas

mensuales, para determinar la estabilidad temporal de los patrones
promedios obtenidos.

Anlisis de variaciones temporales

-

Serie interanual: Para cada una de los 754 mapas se calcula el valor
promedio en la regin de estudio, obteniendo as las evoluciones
temporales de la intensidad de la mezcla turbulenta en el NHCS.

Serie mensual: Promedio del FSLE para los 12 mapas mensuales,

permitiendo reconstruir el ciclo estacional (o ciclo anual) del FSLE en el
NHCS.

Clculos estadsticos:
-

Histogramas de distribucin

Filtros de los mapas y de las series temporales usando promedios mviles

Ajuste por mnimos cuadrados de las series temporales

Se emplearon tambin tcnicas modernas para la descripcin de los FSLEs

como por ejemplo:

2.3.2 Anlisis frecuencial

El anlisis frecuencial consiste en encontrar las frecuencias dominantes

presente en las series temporales (como por ejemplo la serie interanual de FSLEs).
Esto se logra haciendo uso de la transformada de Fourier y transformada de ondeletas
(Wavelets), respectivamente. Estos dos mtodos en general estn descritos a
continuacin.

17

Para el anlisis de seales de diversas variables matemticas, qumicas, biolgicas,

fsicas, etc. (en nuestro caso FSLEs) se hace uso del anlisis de Fourier, el cual
descompone cualquier seal temporal
frecuencias

en una suma de sinusoides de diferentes

. La transformada de Fourier aplicada a las series temporales de FSLE

nos permite entonces determinar las frecuencias (w) dominantes en las variaciones de
la seal [BRIGHAM., (1988)]. Para una seal

, la transformada de Fourier es dada

por:
(2.4)
La energa de la seal para cada frecuencia puede ser representada por el espectro:
(2.5)

El anlisis de Fourier y el espectrograma correspondiente permiti determinar

las frecuencias dominantes de una seal. Sin embargo, cuando se realizo la
transformacin al dominio de frecuencias, se pierde la informacin temporal y es
entonces fue imposible saber si las frecuencias dominantes son temporarias o al
contrario siempre presentes en la seal. Es por ello que se incluye el anlisis por
ondeletas (o wavelet en ingls).

El anlisis por Ondeletas consiste en el estudio de fenmenos no estacionarios

[LAU and WHENG, 1995; TORRENCE and COMPO, 1998], proporcionando
informacin sobre la evolucin temporal de la energa asociada a las diferentes
frecuencias que componen la seal.
La transformada en ondeletas de una serie de tiempo

respecto a la ondeleta (elegida

ac como una ondeleta de Morlet) es definida como:

(2.6)

18

donde

es el tiempo ,

es la ondeleta de Morlet de escala s [TORRENCE and

COMPO, 1998].
La Transformada en ondeletas

descompone la serie de tiempo en el

espacio de tiempo-frecuencia, lo que permite la identificacin de los modos dominantes

de variabilidad y la variacin temporal de esos modos. Adems la distribucin de la
energa se calcula utilizando un ajuste en el espectro de potencia wavelet [LIU et al.,
2007] definida por

y dividida por la escala asociada . A partir del estudio de

TORRENCE and COMPO (1998), un cono de influencia (COI) es definido para remover
los datos

cuya transformada de ondeletas se ve afectada por los efectos de

borde. Tambin, se calcula el promedio temporal del espectro de ondeleta (o espectro

global de ondeleta), que corresponde al espectro de Fourier suavizado [HUDGINS et
al., 1993; TORRENCE and COMPO, 1998]. Finalmente, fueron investigadas
fluctuaciones de baja frecuencia de la serie de tiempo construyendo un filtro de las
ondeletas, sumando las funciones de ondeleta para escalas temporales mayores de 3
aos.

2.3.3 Descomposicin de la variabilidad espacio-temporal a travs

de Funciones Empricas Ortogonales y complejas
Para examinar los principales modos de variabilidad espacial y temporal de los
FSLEs, as como la informacin de la propagacin de esta variabilidad, se hizo uso de
las EOFs y CEOFs. Estos dos mtodos son descritos a continuacin.

El mtodo Funciones Empricas Ortogonales (EOF) o tambin conocido como

Anlisis de componentes principales (Principal Component Analysis, PCA) es una
tcnica estadstica muy utilizada para examinar la variabilidad de diversas variables
meteorolgicas y oceanogrficas. Estas variables geofsicas son caracterizadas por
tener una alta variabilidad, es por ello que se quiere reducir la informacin redundante
con la mnima prdida de variabilidad y encontrar un nuevo conjunto de variables que
capturen la mayor varianza observada de los datos a travs de una combinacin lineal

19

de modos o funciones ortogonales numricas [PREISENDORFER and MOBLEY,

1988]. Con solo unos pocos modos, se puede explicar la mayor parte de la variacin
espacial

y temporal

de una variable [HANNACHI, 2004; BJRNSSON and

VENEGAS, 1997] considerando que los dems modos no son significativos para
explicar la variacin espacio-temporal de la variable. Cada modo corresponde a una
informacin no correlacionada de los otros modos (i.e., es independiente si
variando en el espacio ( ) y el

consideramos procesos Gausianos). Para una variable

tiempo ( ), la descomposicin modal se escribe:

donde

representa el nmero total de modos,

2.7

es el mapa de la distribucin

espacial de la informacin de cada modo, as mismo el

es la serie temporal de

variacin de la distribucin.
En caso de fenmenos de propagacin, los EOFs no pueden extraer una
representacin compacta de la propagacin que resulta de la extraccin de algunos
modos para representar un solo fenmeno. Las funciones empricas ortogonales
complejas (Complex Empirical Orthogonal Functions, CEOFs) proveen una solucin la
cual permite separar la propagacin con lo estacionario.
En este mtodo se consider que las variables geofsicas estuvieron
representadas no solo por su serie de tiempo original
temporal compleja

, donde

sino tambin por su serie

es la transformada de Hilbert de la serie original

[HOREL, 1984]. Por lo tanto la nueva variable geofsica para el estudio de las CEOFs
estar representada por:

(2.8)

20

Las CEOFs tiene el mismo objetivo EOFs al reducir la variabilidad de

encontrar un nuevo conjunto de variables no correlacionadas con la mayor varianza

observada a partir de la combinacin lineal de modos o funciones ortogonales (i.e. no
correlacionadas), pero en este caso los modos y funciones ortogonales estn
compuestos por variables complejas, los cuales darn un enfoque fsico al estudio de la
propagacin. Este enfoque fsico mediante

(ecuacin. 2.8) y la ecuacin. 2.7

estarn representado por:

-

dos mapas espaciales

, uno de amplitud

y otro de fase

, los

cuales dan una descripcin de la intensidad local y del desfasaje de puntos espaciales
respectivamente;
-

dos series temporales

, una de amplitud

y otra de fase

, las

cuales describen las variaciones temporales y la modulacin de esas variaciones

[CROMWELL., D., 2006; CHELTON et al., 2003].
Por lo cual las CEOFs dan una amplia visualizacin de la propagacin de una
seal geofsica, adems resultan ser ms eficientes que las EOFs [FU L. L., 2004],
debido al aumento de la varianza explicada para cada modo.

2.3.4

Mtodos de caracterizacin de la regularidad geomtrica de

los filamentos
Otro de los objetivos de esta tesis es de caracterizar la geometra,
especialmente

la

regularidad

geomtrica

de

los

filamentos

(lneas

de

convergencia/divergencia) observada en los mapas de Lyapunov. Como se ver en el

captulo siguiente estos filamentos no poseen una estructura regular, es por ello que se
considera a estos filamentos de Lyapunov como isolneas. Para este objetivo, se
utiliza mtodos estadsticos de caracterizacin de procesos fractales [BOFFETTA et al.,
2008].

21

Extraccin de las estructuras geomtricas de las mapas de Lyapunov

Para caracterizar la regularidad geomtrica de las imgenes de
Lyapunov (figura 2.4) nos basaremos en la descripcin de la zona total de
estudio, mediante el clculo de la dimensin fractal de las curvaturas de las
isolneas (filamentos) para cada uno de los 754 mapas. Para obtener as series
representativas de la regularidad en los nueve aos de estudio, mediante los
mtodos que a continuacin se describe.

Dimensin Fractal
Dado la alta variabilidad de las isolneas, nos concentramos en la
caracterizacin de la regularidad geomtrica de esas isolneas y utilizaremos el
clculo de dimensiones fractales, las cuales describen en forma sucinta la
regularidad de conjuntos de curvas [MANDELBROT and VAN NESS., 1968].
El concepto de dimensin fractal fue introducida por MANDELBROT et
al., [1968], debido a la evidencia de muchos fenmenos geogrficos de
naturaleza fractal, incluyendo la configuracin de las costas [GOODCHILD and
MARK, 1987].
Como antes mencionado esta dimensin fractal D caracteriza a la
geometra de las isolneas. Para un proceso fractal, si consideramos dos
puntos a los largo de una curva y medimos su distancia S a lo largo de esta
curva, en promedio esta distancia ser proporcional a la distancia euclidiana R
elevado a la potencia

, i.e.:

(2.9)
donde
(2.10)

22

puede tomar valores entre 1 (representa una lnea) y 2 (representa un plano).

representa la frmula para hallar la dimensionalidad de una isolnea.
En la figura 2.5a, se muestra la imagen por satlite de una porcin de
la costa Este de Escocia [BOFFETTA et al., 2008] con una lnea de costa
digitalizada, que es aproximadamente un polgono (figura.2.5b). El clculo de la
dimensin fractal se puede obtener como una regresin lineal a partir de la
ecuacin. 2.9 de los valores promedios de la distancia entre dos puntos de la
curva en relacin a su distancia a lo largo de la curva. La pendiente de la
regresin da la dimensin fractal

del proceso (figura. 2.5c).

Figura 2.5. (a). Imagen satelital de la costa Este de Escocia. (b) Lnea de
costa digitalizada mostrando dos puntos a lo largo de esta curva. (c)
Calculo de la pendiente logartmica correspondiente a la dimensin fractal
(Fuente: BOFFETTA et al., 2008).

Winding Angle
Se puede caracterizar tambin la regularidad de una curva utilizando
estadsticas del "winding angle". El "winding angle"

se define como el ngulo

entre la lnea que une dos puntos separados por una distancia

a lo largo de

la curva y la tangente local al punto de referencia (figura. 2.5b) [DUPLANTIER

and SALEUR., 1988]. El promedio del winding angle
mientras que la varianza

aumenta con

es muy cercano a cero,

(figura. 2.6) de acuerdo con la

ley logartmica predicha para las curvas invariantes (curvas con dimensiones

23

fractales) [DUPLANTIER and SALEUR, 1988; DUPLANTIER and BINDER,

2002; WIELAND and WILSON, 2003].

(2.11)
donde

es una constante que depende de los detalles de la definicin y que

actualmente es irrelevante, S es la distancia a lo largo de la curva entre P y Q

(figura. 2.5b), y

es la dimensin fractal mediante el clculo del winding

angle.

La figura 2.6 muestra la distribucin de la varianza del winding angle

como funcin de la longitud a lo largo de la curva. Este winding angle ha sido
calculado usando diferentes puntos localizados a lo largo de la curva, y para
cada isolnea, se le considera como descriptor de la regularidad, por lo cual es
de suma importancia el clculo e interpretacin de esta variable [BOFFETTA et
al., 2008].

Figura 2.6. Promedio de la variancia del winding angle como funcin de la

longitud de la isolneas entre los puntos P y Q (figura. 2.5)

En esta tesis, se extrae para cada mapa de la serie de 754 mapas de

Lyapunov las isolneas y se calcula los valores de la pendiente de las
relaciones (ecuacin 2.10)

y (ecuacin 2.11)

. Las series obtenidas

caracterizan la dinmica de la regularidad de los filamentos de los mapas de

Lyapunov en la zona de estudio.

24

CAPITULO III
RESULTADOS

25

3.0
RESULTADOS

En este captulo se presenta los resultados obtenidos con los FSLEs mediante los clculos
mencionados en la seccin 2.3.

3.1 Ejemplo de distribucin instantnea de los FSLEs

Con el fin de describir brevemente la distribucin espacial de los FSLEs en la

regin de estudio, la figura 3.1a presenta el campo de FSLEs para la fecha del 15 de Julio
del 2006.
Los valores de FSLEs (figura. 3.1a) varan entre 0,01 dias-1 y 0,1 dias-1, lo que
corresponde a tiempos de mezcla (1/) de 10-100 das en el cual dos parcelas de agua
separadas inicialmente de ~65 km convergen hasta una separacin de menos de 1 km.
Los FSLEs mayores a 0.05 dias-1 corresponden a periodos de mezcla inferiores a 20 das
representadas por lneas de color viva (amarillo y rojo en la figura 3.1a). Esas lneas de
convergencia intensas asociados a cortos tiempos de mezcla se pueden encontrar por
ejemplo en la parte exterior de los remolinos [DOVIDIO et al., 2004], donde el estiramiento
de las parcelas del fluido es particularmente importante. Esas lneas actan como barreras
de transporte y contribuyen a una mezcla turbulenta importante en el NHCS. Al contrario,
las zonas donde los FSLEs son inferiores a 0,05 dias-1 (zonas azules en la figura 3.1a)
corresponden a zonas ocenicas relativamente calmas donde la mezcla turbulenta es
dbil (periodos de mezcla superiores a 20 das). Se puede observar las lneas rojas y
azules mencionadas anteriormente en la figura 3.1c para la regin (8-11S y 84-87W)
donde predominan fuertes lneas de convergencia (lneas rojas).
Para mayor detalle de la distribucin de los valores de FSLEs, la figura 3.1b
representa el histograma de frecuencia de para la fecha seleccionada. Esta distribucin
no es una distribucin Gausiana (normal), debido a que el 39,2% de los datos tienen como

26

valor =0. Recordamos que un valor de 0 indica que en dicha zona, dos partculas
inicialmente separadas por 65 km, no han convergido luego de 100 das de
desplazamiento en el campo de velocidad del fluido. La figura 3.1b, indica que zonas
relativamente calmas (0,01<FSLEs<0,05) ocupan casi 50% del rea total de estudio,
mientras que zonas donde la mezcla es intensa (FSLEs>0,05 dias-1) representan el 11.7%
del rea total.

Figura 3.1. Distribucin espacial de los FSLEs para el 15 de Julio del 2006 y
distribucin de frecuencias

27

3.2 Variaciones espacio temporales de los FSLEs

A continuacin se mostrara variaciones espaciales y temporales que nos ayudaran
a caracterizar la mezcla turbulenta.
3.2.1 Distribucin espacial promedia
La figura 3.2a, muestra la distribucin espacial promedia de los FSLEs obtenida
promediando temporalmente los 754 mapas disponibles entre 2001 y 2009. En
promedio, la mezcla turbulenta es relativamente intensa cerca de la costa (~0,03 a
0,04 dias-1) y se debilita hacia mar adentro (< 0,02 dias-1). Esa tendencia se confirma
tambin en la figura 3.3a que muestra valores relativamente altos de FSLE entre la
costa y 350 km, luego una disminucin rpida entre los 350 km y 1000 km,
seguidamente de otra disminucin pero esta vez con una pendiente menos fuerte entre
los 1000 km y 2000 km. La figura 3.2a muestra tambin valores altos de en la parte
Norte-Oeste del NHCS, entre los 85W - 100W y 5S - 9S. Esas zonas turbulentas
estn asociadas a un aumento de la presencia de lneas de convergencia (ver figura
3.1a) de sub-mesoescala. Para estimar como varan los FSLEs respecto al promedio
se calculo el mapa de desviacin estndar (figura. 3.2b), obtenindose como resultado
que las zonas donde la mezcla turbulenta es importante (a lo largo de la costa y en el
Norte-Oeste) son zonas altamente variables (fuertes valores de la desviacin estndar)
que pueden exhibir tantos valores muy altos de como valores bajos.
Finalmente, la figura 3.3b muestra que en promedio, la actividad turbulenta en
funcin de la latitud tiene valores promedios de FSLEs del orden de ~0,0225 dias-1.
Una disminucin de los FSLEs se observa entre 10S y 15S, debido a una menor
extensin hacia mar adentro de la actividad turbulenta intensa observada cerca de la
costa (figura. 3.2a). La parte Norte de la zona de estudio, entre 5S y 10S, es conocida
por exhibir una alta tasa de remolinos frente a Chimbote y ser altamente impactada por
la dinmica ondulatoria ecuatorial [CHAIGNEAU et al., 2008]. As mismo, esos
procesos (remolinos y ondas de origen ecuatorial) pueden generar inestabilidades
dinmicas

que

favorecen

al

desarrollo

de

estructuras

de

sub-mesoescala

proporcionando la mezcla turbulenta. De la misma manera, la zona Sur (al sur de 15S)

28

es una zona muy propicia para la formacin de remolinos de mesoescala que se

forman cerca de la costa y se propagan hacia mar adentro por largas distancias
[CHAIGNEAU et al., 2008; 2009]. En esa zona, la interaccin entre remolinos debe ser
responsable de la alta tasa de mezcla turbulenta que se observa.

Figura 3.2: a) Mapa espacial de la distribucin promedia, exhibiendo zonas de

mayor intensidad de FSLEs. b) Mapa de la desviacin estndar muestra las
variaciones de los FSLEs respecto al promedio, mostrando zonas altamente
variables.

29

Figura3.3: a) Distribucin de los FSLEs en funcin a la distancia a la costa,

muestra que la intensidad de los FSLEs es mayor en los primeros 350km. b)
Distribucin de los FSLEs en funcin a la latitud, se observa una disminucin de
la mezcla turbulenta entre 10-15S.

3.2.2 Variabilidad temporal

Con el fin de estudiar las variaciones temporales de la intensidad de la mezcla

turbulenta en la regin de estudio, se calculo el valor promedio de los FSLEs para cada
una de las 754 mapas. La serie temporal obtenida (figura 3.4a) muestra fluctuaciones
importantes con periodos de valores altos de FSLEs (por ejemplo en Julio del 2003) en
comparacin con otros periodos (por ejemplo en Enero del 2003). Sin embargo, los
promedios anuales de los FSLEs (Tabla 1), no muestran variaciones muy significativas,
ya que varia de ~10% entre un valor mnimo de 0,0207 dias-1 en el 2004 a un valor
mximo de 0,0226 dias-1 en el 2006. Esos valores de FSLE corresponden a un tiempo
de mezcla promedio de 53 - 57 das (Tabla 1). Hay que notar que el promedio del ao
2009 no se indica en la Tabla 1 ya que disponemos nicamente de los meses de
Enero-Abril en comparacin con los aos anteriores que tienen datos para los 12
meses del ao. Aunque el ao 2003 present un valor promedio de FSLE similar a los
dems aos (Tabla 1), la figura 3.4a muestra fuertes fluctuaciones dentro de este ao
lo que se traduce por una alta desviacin estndar de 1,810-3 dias-1 (Tabla 1).

La figura 3.4a muestra tambin la tendencia de baja frecuencia (lnea roja), que se

reconstruy a partir de las bajas frecuencias de las ondeletas. Esta lnea roja muestra

30

una disminucin de la mezcla turbulenta entre 2001 y fines del 2004. Aument
significativamente entre 2005 y la mitad del 2006, fecha a partir de la cual no hay una
tendencia de baja frecuencia marcada. A partir de la serie temporal de los FSLEs
presentada en la figura 3.4a, se determin el espectro de potencia dado por la
transformada de Fourier (figura 3.4b), el espectro de potencia de Ondeletas (figura
3.4c), y el espectro global asociado a la ondeleta (figura 3.4d). El espectro de potencia
(figura. 3.4b) muestra que los FSLEs fluctan con frecuencias predominantes en torno
a ~180 das (ciclo semianual), ~370 das (ciclo anual), y a ms baja frecuencia. Sin
embargo el espectro obtenido por transformada de Fourier no nos proporcionan cmo
la energa asociada a esas frecuencias variaron en el tiempo, por lo que se emple las
ondeletas (figura 3.4c). Con esta tcnica se observ que el ciclo anual (o estacional)
con periodo de 1 ao est presente (y significativo) para todo el periodo de estudio
(2001-2009) y que fue mucho ms marcado en el 2003 como se aprecia tambin en la
figura 3.4a. El promedio temporal de la figura. 3.4c nos proporciona el espectro global
(figura 3.4d) lo cual es muy similar al del espectro de potencia (figura 3.4b), pero esta
mas suavizado. Este espectro global confirma que las fluctuaciones predominantes
estn centradas alrededor del ciclo anual (370 das). Es por ello que en la siguiente
seccin se describir con mayor detalle el ciclo anual promedio (Variaciones mensuales
y estacionales).

31

Figura 3.4. a). Serie del promedio temporal de las 754 mapas, asociada con una
tendencia de baja frecuencia (lnea roja). b) Espectro de potencia dado por la
transformada de Fourier, muestra frecuencias dominantes alrededor de 180 das
(ciclo semianual) y 370 das (ciclo anual). c) Espectro de potencias de ondeletas,
muestra que el ciclo anual est presente para todo el periodo de estudio. d)
Espectro global asociado a la ondeleta, observndose la frecuencia significativa
es alrededor del ciclo anual (370 das).

Ao
Variable
10
1

2001

2002

2003

2004

2005

2006

2007

2008

21,70,46

21,30,79

21,91,8

20,70,55

21,00,72

22,60,97

21,80,67

22,20,54

55,2

53,7

53,9

53,0

54,2

56,8

56,0

52,0

Tabla 1. Valores promedios de los FSLEs y del tiempo de mezcla turbulenta. Las
cifras indican promedio ms/menos la desviacin estndar.

32

3.3. Ciclo Anual de los FSLEs

3.3.1. Variaciones mensuales y estacionales

Para estudiar las variaciones estacionales que se encontraron en la seccin

anterior se calcularon los valores medios de cada mes considerando todos los aos
disponibles, obtenindose 12 mapas mensuales (figura 3.5).
Los mapas mensuales muestran una alta variabilidad en las estructuras de
los FSLEs, mostrando el mes de enero estructuras no muy intensas cerca a la costa y
en la zona nor-oeste, intensificndose su distribucin al Sur-Oeste; esta distribucin al
Sur-Oeste disminuye su intensidad en los meses de febrero y marzo pero en contraste
aumenta las estructuras a lo largo de la costa y en la zona nor-oeste. El aumento de
estructuras en la zona costera es significativo en los meses de abril a junio, lo cual est
asociado con valores mximos de los FSLEs. Durante julio y agosto se presenta el
mismo patrn, pero con un incremento de la mezcla turbulenta en la zona nor-oeste.
Luego para los meses de septiembre-diciembre la concentracin de los FSLEs
disminuye cerca a la costa, donde inicia otra vez el aumento de mezcla turbulenta hacia
mar adentro en el sur-oeste de la regin. Este patrn (disminucin cerca de la costa,
aument hacia mar adentro, y viceversa), hace pensar a un ciclo de propagacin desde
las proximidades de la costa hacia mar adentro a escala estacional.
Los altos valores de FSLEs observados cerca de la costa estn
probablemente

asociados

al

frente

trmico

del

afloramiento

costero,

cuya

destabilizacin es propicia para la generacin de estructuras de mesoescala que

generan una mezcla turbulenta importante en sus bordes [CHAIGNEAU et al., 2008].
De los mapas mensuales presentados en la figura 3.5, se calculo el
promedio

de

cada

mapa

obteniendo

doce

valores

de

FSLE

promedios

correspondientes a los meses desde enero a diciembre (figura. 3.6a). En esta grafica
se observa la distribucin global de los FSLEs para cada mes, indicando claramente
que en promedio, la mezcla turbulenta en el NHCS es ms efectiva entre abril y

33

setiembre (otoo-invierno) que durante la primavera y el verano (de octubre a marzo).

Los valores mximos (~0,0224 dias-1) se observan en los meses de junio y julio
mientras que los valores mnimos (~0,0209 dias-1) se observan en diciembre y enero.
Esas variaciones de 5-10% en la intensidad de la mezcla entre invierno y verano esta
probablemente relacionado a la intensidad del afloramiento costero que es tambin
mximo en invierno cuando los vientos son los ms intensos [ZUTA and GUILLN,
1970].
Finalmente, la figura 3.6b presenta la distribucin trimestral promedio de los
FSLEs que se obtuvo promediando los mapas mensuales de la figura 3.5. De nuevo, se
observa una intensificacin de la mezcla turbulenta cerca de la costa en otoo e
invierno, y una propagacin en la zona Sur-Oeste desde las zonas costeras hacia mar
adentro durante primavera y verano.

34

Figura 3.5. Mapas promedio en los que se toman los valores promedios de cada
mes considerando todos los aos disponibles, en general muestra la distribucin
espacial de la mezcla turbulenta.

35

Figura 3.6. a) Serie estacional promedia, obtenida mediante el valor promedio de

los 12 mapas mensuales (figura. 3.5), mostrando que la mezcla turbulenta es
efectiva en abril-septiembre (otoo-primavera). b) Mapas estacionales promedias,
observando la propagacin espacial de acuerdo a las estaciones.

36

3.3.2. Amplitud y Fase del ciclo anual

En las secciones anteriores se llego a la conclusin de la existencia de un ciclo

anual muy marcado para la seal de los FSLEs. Para tener una mejor descripcin del
ciclo anual y ver si impacta de la misma forma toda la zona de estudio, podemos hallar
la amplitud y fase de este ciclo; esto se logro ajustando por mnimos cuadrados una
sinusoide de periodo anual (365,25 das) en las series temporales de cada punto de
grilla (latitud-longitud). La figura 3.7 muestra un ejemplo del ajuste obtenido a partir de
la serie temporal promedia (figura 3.4a). Para este ejemplo, la amplitud fue 0,0016
dias-1 y la fase 180,38 das, lo que corresponde a un mximo de FSLE en fines de junio
como se esperaba a partir de la figura 3.6a.
Mediante este ajuste de mnimos cuadrados de las series de los FSLEs se ha
obtenido la amplitud (diferencia entre el valor mximo y mnimo) y la fase (da del ao
correspondiente al valor mximo) del ciclo anual a cada punto de grilla. El mapa de
amplitud se presenta en la figura 3.8a mientras que el mapa de fase se presenta en la
figura 3.8c. Con el fin de disminuir el ruido presente en esos mapas y de suavizarlos
conservando los grandes patrones espaciales, se le aplicaron un promedio mvil
espacial (figura. 3.8b y 3.8d).
Las figuras 3.8a-b muestran que la amplitud del ciclo anual es siempre menor a
-1

0,005 das ; las mximas amplitudes se observaron principalmente cerca de la costa al

Norte de ~12S y en la zona nor-oeste y la menor amplitud en toda la zona sur. Este
evento se confirma con el mapa normalizado de la amplitud figura. 3.9a (mapa de la
amplitud figura. 3.8b dividido por el mapa promedio figura. 3.2a), mostrando que al
norte de ~12S existen variaciones poco considerables alrededor del valor promedio
(figura. 3.2a), en cambio variaciones importantes al sur de ~12S (figura. 3.8b),
alrededor del valor promedio (figura. 3.2a). Este patrn observado (figura. 3.8b) es muy
similar a los mapas de energa cintica turbulenta [CHAIGNEAU et al., 2008; PENVEN
et al., 2005] como se discutir ms adelante.
Por otro lado, la fase del ciclo anual no es homognea en toda la zona de
estudio (figura. 3.8c-d), debido a que muestra desfasajes en diferentes zonas, i.e.

37

presenta zonas de mezcla turbulenta mxima en pocas de inviernos y otras zonas en

poca de verano y primavera. Por ejemplo al Norte de ~12S, la fase es relativamente
homognea y la mezcla turbulenta es mxima para los meses de invierno (JulioAgosto). Esa homogeneidad en la fase debe indicar que el proceso fsico responsable
de la variacin estacional de la mezcla turbulenta afecta toda la regin al Norte de 12S
de manera que la variabilidad de la fase sea muy dbil, teniendo una propagacin muy
rpida de estructuras entre la costa y mar adentro. En contrario, al sur de 12S,
observamos que el mximo de FSLE ocurre en (i) Mayo-Junio cerca de la costa; (ii)
Julio-Septiembre en una franja paralela a la costa y ubicada a unos 400-700 km de la
costa; (iii) Octubre-Diciembre en la zona ubicada entre 80W y 85W; (iv) Enero-Abril
entre ~90W y 95W; (v) Mayo-Julio al Oeste de 95W. Al Sur de 12S, esa evolucin
de la fase hace pensar en una propagacin del ciclo estacional (propagacin muy lenta
de estructuras) entre las zonas costeras y mar adentro, lo que se observaba tambin
en la figura 3.5.
Con el fin de determinar mejor las caractersticas de la propagacin del ciclo
estacional de la mezcla turbulenta se estimaron los gradientes horizontales de la fase:
,

, dond F representa la fase indicada en la figura 3.8d. La figura 3.9b

muestra los vectores de propagacin cuyos componentes corresponden a esos

gradientes. Esa figura confirma que al norte de 12S existe una homogeneidad de la
variacin de la mezcla turbulenta (i.e. se obtuvieron gradientes dbiles lo cual podran
corresponder a una propagacin muy rpida), lo opuesto ocurre al sur de 12S
observndose que la mezcla turbulenta no es mxima para una sola poca del ao,
sino que vara de acuerdo a la zona y poca, lo cual se puede interpretar como de la
mezcla turbulenta (gradientes fuertes) entre las zonas costeras y mar adentro para
diversas pocas del ao.
Estos resultados concuerdan con los obtenidos en secciones anteriores como
por ejemplo que la mezcla turbulenta ocurre para los periodos de otoo-invierno (Abrilseptiembre) para las zonas costeras y nor-oeste, este mismo evento se observo en el
diagrama de fase (figura. 3.8d). Llegando a la conclusin que existe una transicin en
la propagacin de estructuras de la mezcla turbulenta (movimientos de las estructuras)

38

de acuerdo a las zonas y periodos. Por lo cual se estudiara la propagacin del ciclo
anual.

Figura 3.7. Ejemplo del ajuste de mnimos cuadrados a partir de la serie temporal
promedia, obteniendo la fase y amplitud del ajuste.

Figura 3.8. a) y b) Mapa espacial de la amplitud, obtenido por el mtodo de

mnimos cuadrados, mostrando zonas de mayor amplitud al norte de 12S y zonas
de menor amplitud al sur de 12S. c) y d) Mapa espacial de la fase, observndose
dos zonas muy representativas, 1ra zona al norte de 12S observndose
homogeneidad de mezcla turbulenta en otoo-primavera, 2da zona al sur de 12S
mostrando una propagacin desde las cercanas de la costa hacia mar adentro.

39

Figura 3.9. a) Mapa espacial de la amplitud normalizada por el mapa promedio

(figura 3.2a), muestra variaciones significantes al norte de 12S alrededor del
valor promedio. b) Mapa espacial de la fase respecto a los gradientes
horizontales, observando as la propagacin de la mezcla turbulenta.

40

3.4 Modos dominantes de la variabilidad espacio-temporal de los

FSLEs

3.4.1 Anlisis por funciones empricas ortogonales (EOFs)

De acuerdo a los resultados anteriores, se observ que existe propagacin de

la mezcla turbulenta en diferentes periodos (temporal) y zonas (espacial), por lo cual el
objetivo de esta seccin es examinar los principales modos de variabilidad espacial y
temporal de la mezcla turbulenta y observar si existen variaciones a largo plazo (varios
aos), o a corto plazo i.e. estacionales (cambios invierno - verano), esto se logro
utilizando primero el mtodo de las EOFs [PREISENDORFER and MOBLEY, 1988].

Para esta tesis el enfoque est en los tres primeros modos que representan
alrededor del 55% de la varianza de los FSLEs (figura. 3.10a). Se puede notar que se
necesitara ms 15 modos para explicar ~97% de la varianza (figura. 3.10b), pero como
se menciono en la seccin 2.3.3 los modos restantes son menos significativos para
representar las variaciones espacio-temporales.

Figura 3.10. a) Distribucin de la varianza explicada por modo, utilizando el

mtodo de las EOFs. b) Suma acumulada de los veinte primeros modos.

41

A) Primer modo EOF

En la figura. 3.10a se presenta el primer modo EOF que explica ms del

27% de la varianza de los FSLEs. La evolucin temporal de este modo (g1(t),
ecuacin. 2.7, seccin 2.3.3) (figura 3.11a) y el espectro asociado (figura 3.11b)
muestran que el primer modo est relacionado al ciclo anual como se poda
esperar a partir de la seccin previa. Muestra una variabilidad temporal similar a la
evolucin promedia de los FSLEs (figura 3.4a), exhibiendo una alta variabilidad de
los FSLEs para el ao 2003, y oscilaciones bajas para los aos 2004 y 2005.
Tambin, la amplitud (f1(x), ecuacin. 2.7) asociado al primer modo (figura
3.11c) muestra gran similitud con la amplitud y la fase del ciclo estacional
mostrada anteriormente (figura 3.8): en la regin al Norte de 12S, al Oeste de
95W y cerca de la costa, el ciclo estacional est relativamente en fase (valores
positivos en la figura 3.11c) y los valores mximos de FSLEs sern observados en
invierno (figura 3.11a). En contrario entre ~80W y ~95W y entre 20S y 12S, los
valores negativos en la figura 3.11c indican que el ciclo estacional es invertido, con
valores mximos de FSLE en verano para esa regin.
La figura 3.11d muestra la varianza explicada localmente por este modo.
En cada punto de grilla se calculo la correlacin al cuadrado entre la serie de los
FSLEs originales y la serie de la proyeccin de los mapas sobre el primer modo de
la EOF. El primer modo explica hasta ms de 70% de la varianza de los FSLEs al
norte de 12S. Tambin este modo explica una parte importante de la varianza
(20-30%) cerca de costa alrededor de 12S y entre 85W y 90W al Sur del
dominio de estudio. Este mapa es coherente con la figura. 3.9a que muestra que
la amplitud del ciclo estacional es dominante en la regin Norte y entre 85-90W en
la parte Sur.

42

Figura 3.11. Primer modo de variabilidad EOF con el 27.7% varianza

explicada. a). evolucin temporal del primer modo g1(t)). b) espectro
asociado. c) mapa espacial del primer modo (f1(x)) EOF. d) mapa de la
varianza explicada en porcentaje.

B) Segundo modo EOF

El segundo modo EOF tiene asociado una varianza explicada de 16,2%

(figura 3.10a). La evolucin temporal del segundo modo (g2(t), ecuacin. 2.7)
(figura 3.12a-b) muestra fluctuaciones con una frecuencia dominante bianual (~2
aos). Los valores mximos del segundo modo temporal fueron observados a
fines de 2002 y de 2004.
Relacionando los valores mximos (figura. 3.12a) con el mapa del
segundo modo EOF (f2(x), ecuacin. 2.7) (figura 3.12c) observamos que cuando la
actividad turbulenta asociada a este modo es mxima cerca de la costa (valores
positivos del f2(x)), es en contrario mnima mar adentro (valores negativos del
f2(x)). Por ejemplo en fines de 2002 y de 2004, los FSLEs asociados a este modo
fueron mximos cerca de la costa y mnimos mar adentro (combinacin de la
figura. 3.12a y c), mientras que durante el 2003 fueron mnimos cerca de la costa y
mximos mar adentro. Por otro lado el mapa local de varianza explicada (figura

43

3.12d) muestra que este modo explica ms del 50% de la varianza en la zona mar
adentro centrada a 85W y 15S. Este modo bianual explica tambin ms del 20%
de la varianza (20-30%) cerca de la costa a ~10S y en el Norte-Oeste de la regin
de estudio.

Figura 3.12. Segundo modo de variabilidad EOF con el 16.2% de varianza

explicada. a) evolucin temporal del segundo modo g2(t). b) espectro de
frecuencias. c) mapa espacial del segundo modo EOF f2(x). d) mapa de
varianza explicada en porcentaje.

C) Tercer modo EOF

La varianza de los FSLEs explicada por el tercer modo es de 10.3% (figura
3.10a). La evolucin temporal del tercer modo (g3(t), ecuacin. 2.7) (figura 3.13a)
muestra nuevamente oscilaciones anuales sobre la cual se sobrepone una
tendencia negativa de largo plazo. La distribucin espacial del tercer modo EOF
(f3(x),

ecuacin

2.7)

(figura

3.13d)

muestra

dipolos

orientados

perpendicularmente a la costa: la actividad turbulenta asociada a este modo es

mxima en invierno (figura 3.13a) en las zonas ubicadas cerca de la costa a ~6S,

44

~13S y ~19S. En contrario, esa actividad ser mxima en verano en las regiones
costeras centradas a ~10S y 17S. Este modo permite explicar una gran parte de
la varianza en los datos de FSLE en la regin centrada a 90W y 12S, con valores
superiores a 50% (figura 3.13d). Tambin, este modo explica ms de 30% de la
varianza en las regiones costeras centradas a 9S y ~17S.

Figura 3.13. Tercer modo de variabilidad EOF con el 10.3% de varianza

explicada. a) evolucin temporal del tercer modo g3(t). b) espectro de
frecuencias. c) mapa espacial del tercer modo EOF f3(x). d) mapa de varianza
explicada en porcentaje.

En la tabla 2 resumimos las caractersticas de los tres modos de variabilidad

EOF.

Modos
1
2
3
Acumulado

% Variabilidad
27,74
16,22
10,3
54,3

Tiempo de escala dominante

~ 1 ao
~ 2 aos
~ 1 ao

Tabla 2. Tabla de modos que explican ms del 50% de la varianza de los

FSLEs

45

3.4.2.

Anlisis por EOF complejas (CEOFs)

Los resultados de las EOFs descritas en la seccin 3.4.1 proporcionaron una

descripcin de la variabilidad espacio-temporal de los FSLEs, mediante modos de
variabilidad, pero este mtodo limitaba la separacin de la parte propagativa y la parte
estacionaria de la seal de estudio; es por ello que se hizo uso de las EOF en forma
compleja (CEOFs, seccin 2.3.3) [CROMWELL. D., 2006; CHELTON et al., 2003].
Los 3 primeros modos CEOFs retenidos representan ms del 65% de la
variabilidad de los FSLEs (figura 3.14a-b) (en comparacin de la figura 3.13 para los 3
primeros modos de las EOFs).

Figura 3.14. a). Varianza explicada para cada modo CEOF. b) Suma
acumulada de los quince primeros modos. Los 3 primeros modos explican
65% de la varianza.

A)

Primer modo CEOF

La varianza explicada para el primer modo de la CEOF es 33.5% (figura.

3.14a). Como lo muestra la serie temporal de la fase (gf1(t), ecuacin 2.8) de la
proyeccin sobre el primer modo (figura 3.15d), el primer modo CEOF est
nuevamente relacionado

al ciclo anual (figura 3.15f). La figura 3.15a (fa1(x),

ecuacin. 2.8), de acuerdo con lo que observamos previamente (figura 3.8b),

46

muestra que el ciclo anual tiene mayor amplitud al Norte de 10S, cerca de la
costa a 16S-78W, y mar adentro a 19S-88W.
Sin embargo, la amplitud temporal (ga1(t), ecuacin. 2.8) (figura 3.15c)
muestra un ciclo a largo plazo con periodos mayores de 500 das (figura 3.15e).
Esta figura nos indica que el ciclo anual de los FSLEs no es siempre muy marcado
sino que es modulado en el tiempo. Por ejemplo fue mayor durante el 2003, en
acuerdo con lo que se observo en la figura. 3.4a.
La distribucin espacial de la fase (ff1, ecuacin. 2.8, figura. 3.15b) permite
observar que al norte de 12S se presenta un cambio de fase muy rpido (i.e.
presenta una velocidad de propagacin rpida) entre la costa y mar adentro, cuya
direccin de los gradientes es predominante hacia el Nor-oeste (figura 3.16). Al
contrario al sur de 12S la fase cambia lentamente con una componente de
propagacin hacia el sur-oeste entre la costa y 85W, y una componente norteoeste entre 85-100W; en general es el mismo sentido de propagacin presentada
en la figura 3.9b.

47

Figura 3.15. Primer modo CEOF que explica 33,5% de la varianza de los
FSLEs. a) mapa espacial de la amplitud, asociada con su serie temporal y
espectro (c, e). b) mapa espacial de la fase exhibiendo zonas dos zonas
representativas, asociada con su serie temporal y espectro (d, f).

Figura 3.16. Rosa de vientos que muestra la distribucin de la direccin de

los gradientes de la fase espacial del primer modo.

B) Segundo modo CEOF

El segundo modo CEOF explica el 21% de la variabilidad total (figura
3.14a). La variacin temporal de la fase (ff2, ecuacin. 2.8, figura 3.17d) muestra
que este modo corresponde a variaciones bianuales (figura 3.17f) de acuerdo al
segundo modo EOF visto previamente. Este modo tiene mayor amplitud al Sur de
12S entre 80W y 90W (figura 3.17a). La amplitud temporal (ga2(t), ecuacin. 2.8)
(figura 3.17c) presenta un ciclo cada tres aos (figura 3.17e), lo que sugiere que
los variaciones bianuales fueron mayores en 2002, 2005, y 2007. Por otro lado el
mapa espacial de la fase (ff2(x), ecuacin. 2.8) (figura 3.17b) presenta diferentes
variaciones en la direccin de propagacin, hacia el norte y hacia el sur a lo largo
de la costa, y mar adentro (la fase decrece y aumenta hacia el sur), i.e. existe una
propagacin de la fase. Esa propagacin de la fase indica una propagacin del
ciclo bianual (figura 3.17f) en la direccin de los gradientes de fase (ver seccin
3.3.2). La distribucin de las direcciones de propagacin es compleja (figura 3.18);
y no es predominante en una sola direccin, sino que existe propagacin en
diversas orientaciones (figura 3.18).

48

Figura 3.17. Segundo modo CEOF que explica 21% de la varianza de los
FSLEs. a) mapa espacial de la amplitud, asociada con su serie temporal y
espectro (c, e). b) mapa espacial de la fase, asociada con su serie temporal y
espectro (d, f).

Figura 3.18. Rosa de vientos que muestra la distribucin de la direccin de

los gradientes de la fase espacial del segundo modo, mostrando diversas
orientaciones de propagacin.

49

C)

Tercer modo CEOF

El tercer modo CEOF representa el 12% de la variabilidad total (figura

3.14a). La evolucin temporal de la fase (gf3(t), ecuacin. 2.8) (figura 3.19d) ndica
que el tercer modo CEOF est asociado con un ciclo bianual (figura 3.19f),
afectando principalmente las regiones costeras al Este de 80W (figura 3.19a), y al
extremo Oeste del dominio de estudio, donde se presenta una mayor amplitud.
La modulacin de la amplitud temporalmente (ga3(t), ecuacin. 2.8) (figura
3.19c) presenta oscilaciones a largo plazo (~4 aos) figura. 3.19e, presentando
que esas variaciones bianuales fueron de mayor intensidad en 2003 y comienzo del
2008 (figura 3.19c).
La distribucin espacial de la fase (figura 3.19b) presenta una variacin de
fase paralelo a la costa de norte hacia el sur, hacia el nor-oeste, y hacia el suroeste (figura 3.19b), como era el caso de la figura 3.15b. La distribucin de las
orientaciones de las velocidades de propagacin muestran efectivamente 2
direcciones dominantes; hacia el Nor-oeste (que ocurre en la mayor parte de la
zona de estudio) y el Sur-este (en zonas de cambios significativos de fase, ~17S89W).

50

Figura 3.19. Tercer modo CEOF que explica 12% de varianza de los FSLEs.
a) mapa espacial de la amplitud, asociada con su serie temporal y espectro
(c, e). b) mapa espacial de la fase, asociada con su serie temporal y espectro
(d, f).

Figura 3.20. Rosa de vientos que muestra la distribucin de la direccin de

los gradientes de la fase espacial del tercer modo, mostrando las direcciones
de propagacin.

51

En la tabla 3 resumimos las caractersticas de los tres modos de variabilidad.

Modos

% Variabilidad

33,5

Tiempo de
escala
dominante
~ 500 das
(amplitud)
~ 1 ao (fase)

21

~ 3 aos
~ 2 aos (fase)

12

~ 4 aos
~ 2 aos (fase)

Acumulado

66,5

Tabla 3. Tabla de modos de los CEOFs que explican ms del 65% de la

varianza de los FSLEs

52

3.5 Regularidad geomtrica de las estructuras de sub-mesoescala

En la seccin 2.3.4 se describi las herramientas necesarias para calcular la

regularidad geomtrica de las estructuras de Lyapunov mediante el clculo de la
dimensin fractal

y el winding angle .

Se muestra un zoom para un mapa de Lyapunov de una fecha en particular (figura

3.21a), en el cual se observa que las isolneas corresponden a los filamentos y permiten
caracterizar la regularidad geomtrica de estos filamentos. Con este fin se clculo el valor
correspondiente de

mediante la ecuaciones. (2.10) y (2.11), los cuales son

presentados en la figura 3.21b-c.

(a)

Figura 3.21. a) Zoom de un mapa de Lyapunov, mostrando que los filamentos son
de naturaleza fractal. b) Calculo de la pendiente, entre la distancia Euclidiana R y
la distancia a lo largo de la curva S en escala logartmica, ecuacin (2.10). c)
Calculo de la pendiente mediante la distancia S y el winding angle ecuacin.
(2.11). La curvas azules corresponden a lo que se obtiene con los mapas de
Lyapunov, mientras que las curvas rojas es un ajuste lineal cuyo pendiente
corresponde a D1 y D2.

53

El valor obtenido para el descriptor de regularidad

corresponde a 1,04, mientras que el valor

(ecuacin. 2.10)

(ecuacin. 2.11) es 1.12. En general se hizo

el mismo calculo pero considerando la extraccin de las isolneas de los 754 mapas,
obteniendo as dos series representativas del

mediante dos clculos diferentes

(ecuaciones. 2.10 y 2.11).

En general valores altos de

reflejan isolneas de alta irregularidad, las cuales

estaran asociadas a la interaccin de pequeos remolinos; mientras que valores bajos de

muestran una mayor regularidad de estas isolneas, las cuales se asociaran a la
interaccin de grandes remolinos intensos.
Estas dos series de

ayudaran a describir y caracterizar la regularidad de los filamentos

de los mapas de Lyapunov para toda la zona de estudio.

Ms adelante se discutir si existe o no conexin entre la regularidad de los filamentos
( ), con la distribucin promedia de la intensidad de los FSLEs.

3.5.1

Regularidad mediante la dimensin fractal

En la figura. 3.22a se presenta la serie temporal de la variabilidad de la

regularidad geomtrica

, presentando un valor promedio de 1,035. Adems esta

serie muestra que para el ao 2002 hubo una alta variabilidad de la dimensin fractal
de las isolneas (filamentos)

=1,05, lo cual correspondera a estructuras

geomtricamente mas irregulares, de modo contrario ocurri para el ao 2003 donde

presento un bajo ndice de variabilidad

= 1,025, correspondiente a estructuras

geomtricamente ms regulares.
Estos mximos y mnimos fluctan alrededor de un periodo bianual (figura.
3.22b-d). Adems se observo que este periodo bianual estuvo presente nicamente en
los aos 2002-2007 (figura. 3.23c).

54

Figura 3.22. a). Serie temporal de

, mostrando los periodos donde existe
mayor y menor regularidad de los filamentos. b). Espectro de Fourier que
. c) Espectro de
muestra las frecuencias dominantes de la variabilidad
potencias de ondeletas, muestra que el ciclo bianual est presente entre el 20022007. d) Espectro global asociado a la ondeleta, observndose la frecuencia
significativa es alrededor del ciclo bianual.

3.5.2

Regularidad mediante el winding angle

En la figura. 3.23 se presenta los resultados obtenidos para el descriptor de

regularidad obtenido D2. Esta serie temporal (figura. 3.23a) presenta un valor promedio
de 1,15, y una mayor irregularidad en las curvaturas en el ao 2002 (1,51), y mayor
regularidad en el 2003 (1,148).
La variabilidad de la regularidad presenta una frecuencia predominante
alrededor de un ao (ciclo anual, figura. 3.23b), pero este ciclo anual solamente est
presente en 2002-2003 y 2007-2008 (figura. 3.23c). De la misma forma el espectro
global asociado a la ondeleta (figura. 3.23d), muestra tambin una frecuencia anual.
Esta frecuencia no aparece significativa debido a que el espectro de la ondeleta es una
suavizacin del espectro de Fourier en el cual se pierde significatividad; pero en
general la variabilidad de D2 presenta una frecuencia anual (figura. 3.23b-d).

55

Figura 3.23. a) Serie temporal de

, mostrando los periodos donde existe mayor
y menor regularidad de los filamentos. b) Espectro de Fourier que muestra las
frecuencias dominantes de la variabilidad D2. c) Espectro de potencias de
ondeletas, muestra que el ciclo anual est presente entre el 2002-2003 y 20072008. d) Espectro global asociado a la ondeleta.

3.5.3

Relacin entre la dimensin fractal y el winding angle (

En general la variabilidad de la regularidad geomtrica

mostraron los

mismos patrones de variabilidad como se observa en la figura. 3.24a, D1 (serie de color

verde) y

(serie de color azul). Estas dos series como se menciono anteriormente

tiene los mismos patrones para los nueve aos pero con una diferencia debido a que la
amplitud de D2 es mayor, mostrando un ndice de correlacin7 de 0,61.
Adems se realiz un anlisis de correlacin entre las dos series a travs de
una Ondeleta cruzada (Cross-wavelets) (figura. 3.24b). El espectro global de la
ondeleta cruzada proporciona dos informaciones: las zonas donde se encuentra una
correlacin significativa de las variaciones de las dos series y el desfasaje local entre
esas series. La direccin de flechas hacia la derecha indica una correlacin positiva y
direccin de flechas hacia la izquierda una correlacin negativa.

ndicedecorrelacin(r):esunndicequemidelarelacinlinealentredosvariables,elcualesindependientedelaescalade
medida de las variables. El valor del ndice de correlacin vara en el intervalo [1,1]; Si r = 1, existe una correlacin positiva
perfecta,Si0<r<1,existeunacorrelacinpositiva,Sir=0,noexisterelacinlineal,Si1<r<0,existeunacorrelacinnegativa,
Sir=1,existeunacorrelacinnegativaperfecta.

56

Se comprueba en la figura. 3.24b que estas dos series de

estn fuertemente

correlacionadas (positivamente) a distintas escalas de tiempo en los nueve aos de

estudio, y a la vez mostrando desfasajes muy dbiles. Con la ayuda del espectro global
de la ondeleta (figura. 3.24c) se muestra un periodo limite (cerca de 100 das) donde la
energa es muy baja, este hecho justifica la consideracin de dos rangos de periodos
significativos, menor a 100 das (altas frecuencias), y mayor a 100 das (bajas
frecuencias) (figura. 3.24b).
En ambos rangos de frecuencia (altas y bajas), la rosa de vientos muestra la
distribucin de la fase entre las dos series (figura. 3.24d-e), para las altas frecuencias
(figura. 3.24d) muestra que las series

estn correlacionadas positivamente y

en fase cuya direccin predominante es de 0, y para la baja frecuencia (figura. 3.24e)

la correlacin positiva se sigue manteniendo pero se observa que

estn

correlacionadas con mayor intensidad en distintas direcciones positivas (hacia la

derecha).Este hecho se puede apreciar tambin en la figura. 3.24a.

57

Figura 3.24. a) Serie temporal de

(serie de color verde)
(serie de color
azul). b) Ondeleta cruzada de las dos series representativas de D, mostrando alta
correlacin en los nueve aos. c) Espectro global de la Ondeleta cruzada. d) Rosa
de vientos que muestra la distribucin de fase para bajas frecuencias. e) Rosa de
vientos que muestra la distribucin de fase para altas frecuencias, exhibiendo
distintas direcciones de correlacin positiva entre
y
.

58

3.5.4

Relacin entre la dimensin fractal y la intensidad de los FSLEs

Las series representadas en las figuras 3.22a - 3.23a, mostraron en general

alta regularidad geomtrica de los filamentos en el 2003, pero recordando resultados
anteriores (figura 3.4a) se observo que en el 2003 la intensidad de los FSLEs fue alta,
lo cual hace pensar en una conexin entre los FSLEs y la regularidad de los filamentos.

Se comparo una de estas dos series (

), con la serie promedia de los FSLEs,

la distribucin de estas dos series (figura 3.25a) muestra que en algunos aos como el
2003, 2006-2009, sus distribuciones fueron opuestas.
La relacin inversa entre los FSLEs y

se observa con la ondeleta cruzada (figura

3.25b), en la cual se muestra que para distintas escalas de tiempo durante los nueve
aos, existi una correlacin negativa entre estas dos variables, mostrando igual que
en el caso anterior un lmite cerca de 100 das donde la energa es baja (figura 3.25c).
Para altas frecuencias de la Ondeleta cruzada (zona superior, figura. 3.25b) se
obtuvo que estas dos variables (FSLEs y D2), estn correlacionadas en ambas
direcciones (positivas y negativas) (figura 3.25d), a diferencia de las bajas frecuencias
(zona inferior, figura 3.25b) en donde la direccin predominante es a la izquierda (figura
3.25e), i.e. presenta una correlacin negativa muy intensa, como se aprecia en la figura
3.25a (ao 2003, 2006). La relacin inversa entre la intensidad de la mezcla turbulenta
(FSLEs) y la regularidad de las estructuras de sub-mesoescala (winding angle) se
interpretara en el captulo de Discusin.

59

Figura 3.25. a) Serie promedio de la intensidad de los FSLEs (serie de color azul),
y serie de la regularidad geomtrica de los filamentos (serie de color verde). b)
Diagrama de la Ondeleta cruzada en cual se observa la no correlacin entre los
FSLEs y la regularidad . c) Rosa de vientos que presenta la distribucin de la
fase/desfasaje para las bajas frecuencias, presentando correlaciones positivas y
negativas. d) Rosa de vientos que muestra la distribucin del desfasaje para altas
frecuencias, predominando una correlacin negativa muy fuerte (direccin hacia
la izquierda).

60

CAPITULO IV
DISCUSIN Y CONCLUSIONES

61

4.0
Discusin y Conclusiones

Este estudio se ha basado sobre el anlisis de casi 9 aos de datos de FSLEs (20012009) lo que nos permiti describir de manera detallada las variaciones espacio-temporales de
la mezcla turbulenta en el NHCS y las estructuras de sub-mesoescala asociadas. Se encontr
que la intensidad promedia de los FSLEs flucta entre 0,015-0,04 das-1 que corresponde a un
tiempo de mezcla de 30-80 das. En ROSSI et al. [2009] se presento resultados similares cuyos
valores de FSLEs en el NHCS variaban en el rango de 0,018-0,04 das-1, i.e. el tiempo de
mezcla horizontal es entre 40-90 das. La distribucin espacial promedia de los FSLEs mostro
valores altos cerca de la costa que disminuyen mar adentro. Esta actividad puede estar
relacionada con la actividad de mesoescala (distribucin de remolinos), cuya distribucin
exhibe una alta tasa de remolinos que se forman cerca de la costa y se propagan hacia mar
adentro por largas distancias [CHAIGNEAU et al., 2008].

La evolucin temporal del promedio de los FSLEs presenta un ciclo anual

caracterstico, con mximos en invierno y mnimos en verano (fig. 3.6a), corroborando los
estudios de ROSSI et al. [2009]. Sin embargo, a diferencia de los estudios ROSSI et al. [2009]
los cuales no estudiaron la distribucin espacial de este ciclo anual, en esta tesis hemos
encontrado que las variaciones anuales no son homogneas en al NHCS. En particular se
observ que la amplitud del ciclo anual es mxima al norte de ~12S. Esta regin se caracteriza
por una alta energa cintica asociada a remolinos de mesoescala y ondas ecuatoriales
[CHAIGNEAU et al., 2008], cuya interaccin genera filamentos muy energticos. La amplitud
del ciclo anual es entonces mxima en la regin Norte y cerca de la costa, y mnima mar
adentro. Tambin, los valores de FSLEs son mximos en invierno en la mayor parte del NHCS,
salvo en la zona ubicada al Sur de 12S entre 80 - 90W donde la actividad turbulenta es
mxima en verano.

El anlisis de las EOFs mostro que los 3 primeros modos dominantes explican 55% de
la variabilidad espacio-temporal de los FSLEs. Esos 3 modos permitieron proporcionar las

62

caractersticas generales de la distribucin de la mezcla turbulenta en el NHCS, por ejemplo el

primer modo est asociado al ciclo anual que explica una gran parte de la varianza al Norte de
12S. El segundo modo mostr un ciclo bianual, cuya distribucin espacial es significativa en la
zona mar adentro centrada a 85W y 15S. Finalmente el tercer modo tiene un ciclo estacional
ms complejo, mostrando una mayor amplitud en dos regiones cerca de la costa y mar adentro.

Similarmente, los 3 primeros modos de las CEOFs explicaron el 65% de la varianza de

los datos. El primer modo CEOF muestra un ciclo anual, cuya direccin de propagacin es
predominante hacia el Nor-oeste. El segundo y tercer modo presentan ciclos bianuales, con
diferentes variaciones en la direccin de propagacin, por ejemplo hacia el Norte-sur, hacia el
Nor-oeste, y hacia el Sur-este paralelamente a la costa.

La ltima parte de esa tesis caracteriz la regularidad geomtrica de las estructuras de

sub-mesoescala mediante el clculo de la dimensin fractal y del winding-angle. La regularidad
geomtrica muestra una relacin inversa con la intensidad de los FSLEs. Esa relacin inversa
permite plantear que los valores mximos de FSLEs encontrados en diversos aos estn
asociados a la interaccin de grandes remolinos energticos, originando que la interaccin
entre ellos genere estructuras de sub-mesoescala (filamentos) muy regulares en su geometra
(i.e. poseen alto ndice de regularidad (valores bajos de: D1 o D2)). Por el contrario bajas
intensidades de los FSLEs estaran asociadas a la interaccin de remolinos ms pequeos y
dbiles, generando as estructuras de ms alta irregularidad (valores altos de: D1 o D2).

Las conclusiones mayores de esta tesis son:

1. La existencia de un ciclo anual muy marcado en los FSLEs muestra una propagacin
de la mezcla turbulenta desde las zonas costeras hacia mar adentro con una direccin
preferencial hacia el Nor-Oeste.

2. La presencia de modos de variabilidad bianuales que se propagan de manera muy

compleja pero con una direccin dominante Norte-Sur o paralelamente a la costa.

63

3. Una relacin inversa entre la intensidad de la mezcla turbulenta (FSLEs) y la

regularidad de las estructuras de sub-mesoescala (D2). Con el fin de explicar esa anticorrelacin se plantea la hiptesis de que la intensidad de los FSLEs estara ligado al
tamao de los remolinos, i.e. los remolinos de gran tamao produciran filamentos ms
intensos con una geometra ms regular (figura. 4.1b); Al contrario, pequeos
remolinos produciran estructuras de sub-mesoescala menos intensas y con mayor
irregularidad (figura. 4.1a).

Figura 4.1. a) Ilustracin de la interaccin de pequeos remolinos, observando

que los filamentos resultantes de la interaccin muestra estructuras ms
curvadas (irregulares). b) interaccin de grandes remolinos originando
filamentos con estructuras ms regulares.

64

CAPITULO V
PERSPECTIVAS

65

5.0
Perspectivas

La variabilidad espacio-temporal de los FLES y la regularidad de la estructuras de

submesoescala podran tener consecuencias en diversos campos de investigacin, como por
ejemplo en biogeoqumica y en biologa marina. En particular, esta tesis abre 4 perspectivas
importantes para trabajos futuros:

1) Extender el anlisis de los FSLEs para todo el periodo de la altimetra (1992-2011) en

el NHCS, para ver si se confirman los modos de variabilidad descritos en esta tesis.
Esto permitir en particular determinar el impacto de los eventos Nio sobre la mezcla
turbulenta, y ver si el Nio intenso de 1997-1998 impact significativamente sobre la
distribucin y las caractersticas de los FSLEs.

2) Tratar de relacionar los cambios espacio-temporales de los FSLEs con otros ndices
fsicos (vientos, ndices de surgencias, etc.) y en particular si se verifica la relacin
inversa con el tamao de los remolinos.

3) Determinar la relacin entre los FSLEs y varios parmetros biogeoqumicos (por

ejemplo la productividad primaria) o biolgicos (ej. distribucin de anchoveta).

4) Comparar los resultados obtenidos los cuales proporcionaron una buena descripcin
de la mezcla turbulenta y de las estructuras de submesoescala, con salidas de modelos
numricos regionales para ver si son aptos a reproducir las condiciones observadas.
En turno, los modelos numricos permitiran identificar mejor los procesos fsicos
responsables de los cambios observados.

66

BIBLIOGRAFA

67

ARTALE,V.,G.BOFFETTA,A.CELANI,M.CENCINI,andA.VULPIANI(1997),Dispersionofpassivetracers
inclosedbasins:Beyondthediffusioncoefficient,Phys.Fluids,9,31623171.
AURELL,E.,G.BOFFETTA,A.CRISANTI,G.PALADIN,andA.VULPIANI(1997),Predictabilityinthelarge:
AnextensionoftheconceptofLyapunovexponent,J.Phys.AMath.Gen.,30,126.
BAKUN,A.,2006.Frontsandeddiesaskeystructuresinthehabitatofmarinefishlarvae:opportunity,
adaptiveresponseandcompetitiveadvantage.Sci.Mar.70(2),105122.
BJRNSSON,H.,&VENEGAS,S.(1997).AManualforEOFandSVDanalysesofClimaticData.
BOFFETTA, G., CELANI, A., DEZZANI, D., & SEMINARA, A. (2008). How winding is the coast of Britain
Conformal invariance of rocky shorelines. Geophysical Research Letters, 35(3), 15. doi:
10.1029/2007GL033093.
BOFFETTA,G.,LACORATA,G.,RADAELLI,G.andVULPIANI,A.(2001).Detectingbarrierstotransport:a
reviewofdifferenttechniques.PhysicaD2001,159,5870.
BRAINARD,R.E.,D.R.MCLAIN(1987).Seasonalandinterannualsubsurfacetemperaturevariabilityoff
Per, 1952 to 1984. In D. Pauly and I Tzukayama (eds) The Peruvian anchoveta and its upwelling
ecosystem:Threedecadesofchange.ICLARMStudiesandReviews15,351pp.
BRIGHAM,E.O.1988.TheFastFourierTransformanditsapplications.PrenticeHall.NewJersey.448pp.
CALIL,P.H.R.,&RICHARDS,K.J.(2010).TransientupwellinghotspotsintheoligotrophicNorthPacific.
Journal of Geophysical Research, 115(C2), 120. American Geophysical Union. doi:
10.1029/2009JC005360.
CHAIGNEAU,A.,PIZARRO,O.,2005a.SurfacecirculationandfrontsoftheSouthPacificOcean,eastof
120W.GeophysicalResearchLetters32,L08605.doi:10.1029/2004GL022070.
CHAIGNEAU, A., PIZARRO, O., 2005b. Mean surface circulation and mesoscale turbulent flow
characteristics in the eastern South Pacific from satellite tracked drifters. Journal of Geophysical
ResearchOceans110,C05014.doi:10.1029/2004JC002628.
CHAIGNEAU, A., PIZARRO, O., 2005c. Eddy characteristics in the eastern South Pacific. Journal of
GeophysicalResearchOceans110,C06005.doi:10.1029/2004JC002815.
CHAIGNEAU, A., GIZOLME, A., GRADOS, C., 2008. Mesoscale eddies off Peru in altimeter records:
identification
algorithms
and
eddy
spatiotemporal
patterns.
Prog.
Oceanogr.
doi:10.1016/j.pocean.2008.10.013.
CHAIGNEAU, A., G. ELDIN, B. DEWITTE, 2009. Eddy activity in the four major upwelling systems from
satellitealtimetry(19922007).Prog.Oceanogr.83:117123,doi:10.1016/j.pocean.2009.07.012
CHAIGNEAU et al., 2011. Vertical structure of mesoscale eddies in the eastern South Pacific ocean: a
compositeanalysisfromaltimetryandArgoprofilingfloats.Inpress.

CHAVEZ,F.,BERTRAND,GUEVARACARRASCO,R.,SOLER,P.,&CSIRKE,J.(2008).ThenorthernHumboldt
CurrentSystem:Briefhistory,presentstatusandaviewtowardsthefuture.ProgressInOceanography,
79(24),95105.doi:10.1016/j.pocean.2008.10.012.
CHELTON,D.,SCHLAX,M.,LYMAN,J.,&JHONSON,G.(2003).EquatoriallytrappedRossbywavesinthe
presenceofmeridionallyshearedbaroclinicflowinthePacificOcean.ProgressInOceanography,56(2),
323380.doi:10.1016/S00796611(03)000089.

68

CORREARAMIREZ, M.A., HORMAZABAL, S. YURAS, G., 2007. Mesoscale eddies and high chlorophyll
concentrations off Central Chile (29S39S). Geophys. Res. Lett. 34, L12604.
doi:10.1029/2007GL029541.
COTT,C.,F.DOVIDIO,A.CHAIGNEAU,M.LVY,I.TAUPIERLETAGE,C.GUINET,2011.Scaledependent
interactions of resident Mediterranean whales with marine dynamics. Limnology and Oceanography,
56(1),219232.
CROMWELL,D.(2006).TemporalandspatialcharacteristicsofseasurfaceheightvariabilityintheNorth
AtlanticOcean.OceanScienceDiscussions,3(3),609636.doi:10.5194/osd36092006.
DIETRICH, D. E. (1997), Application of a modified Arakawa a grid ocean model having reduced
numericaldispersiontotheGulfofMexicocirculation,Dyn.Atmos.Oceans,27,2012177.
DOMOKOS, R., SEKI, M.P., POLOVINA, J.J., DONALD, R.H., 2007. Oceanographic investigation of the
AmericanSamoaalbacore(Thunnusalalunga)habitatandlonglinefishinggrounds.Fish.Oceanogr.16
(6),555572.
DOVIDIO, F., ISERNFONTANET, J., LOPEZ, C., HERNANDEZ GARCA, E., & GARCA LADONA, E. (2009).
ComparisonbetweenEuleriandiagnosticsandfinitesizeLyapunovexponentscomputedfromaltimetry
in the Algerian basin. Deep Sea Research Part I: Oceanographic Research Papers, 56(1), 1531. doi:
10.1016/j.dsr.2008.07.014.
DOVIDIO, F., FERNNDEZ, V., HERNNDEZGARCA, E., & LPEZ, C. (2004). Mixing structures in the
MediterraneanSeafromfinitesizeLyapunovexponents.GeophysicalResearchLetters,31(17),14.doi:
10.1029/2004GL020328.
DUPLANTIER, B., and I. A. BINDER (2002), Harmonic measure and winding of conformally invariant
curves,Phys.Rev.Lett.,89,264101,doi:10.1093/imrn/rnm060.
DUPLANTIER, B., and H. SALEUR (1988), Windingangle distributions of two dimensional selfavoiding
walksfromconformalinvariance,Phys.Rev.Lett.,60,2343.
FLORES, R., CHAIGNEAU, A., VSQUEZ, L., TENORIO, J., & LUQUE, G. (2011). Temporal variations of
subsurfacetemperatureoffPerubetween1961and2009.Inpress.
FU,L.L.(2004).TheinterannualvariabilityoftheNorthAtlanticOceanrevealedbycombineddatafrom
TOPEX/Poseidon and Jason altimetric measurements. Geophysical Research Letters, 31(23), 14. doi:
10.1029/2004GL021200.
GARCAOLIVARES,A.,ISERNFONTANET,J.,yGARCALADONA,E.(2007).DispersionofPassiveTracers
andFiniteScaleLyapunovExponentsintheWesternMediterraneanSea.DeepSeaRes.I,54,253268.
GOODCHILD,M. F., and D. M. GOODCHILD (1987), The fractal nature of geographic phenomena, Ann.
Assoc.Am.Geogr.,77,265
HAIDVOGEL,D.B.,andA.BECKMANN(1999),NumericalOceanCirculationModeling, ImperialCollege
Press,London.
HALPERN,D.(Ed.)(2000),Satellites,OceanographyandSociety,ElsevierSci.,NewYork.
HANNACHI,A.(2004).APrimerforEOFAnalysisofClimateData.Reading(pp.133).

69

HOREL, J. D. (1984). Complex Principal Component Analysis: Theory and Examples. Journal of Climate
andAppliedMeteorology,23,114.
HUDGINS, L., C. A. FRIEHE, and M. E. MAYER, 1993: Wavelet transforms and atmospheric turbulence.
Phys.Rev.Lett.,71,32793282.
JOSEPH,B.,andB.LEGRAS(2002),Relationbetweenkinematicboundaries,stirring,andbarriersforthe
Antarcticpolarvortex,J.Atmos.Sci.,59,11981212
KOHTY,LEGRASB(2002)Hyperboliclinesandthestratosphericpolarvortex.Chaos12:382394.
LACASCE, J., OHLMANN, C., 2003. Relative dispersion at the surface of the Gulf of Mexico. Journal of
MarineResearch61(3),285312.
LACORATA,G.,E.AURELL,andA.VULPIANI(2001),Drifterdispersionintheadriaticsea:Lagrangiandata
andchaoticmodel,Ann.Geophys.,19,121129.
LAPEYRE,G.,andP.KLEIN(2006),Impactofsmallscalefilamentsontheoceanicverticalpump,J.Mar.
Res.,64,835851.
LAU KM, WENG HY (1995) Climate signal detection using wavelet transform: How to make a time
seriessing.BullAmMeteorolSoc76:6178.
LEHAHN,Y.,DOVIDIO,F.,LVY,M.,&HEIFETZ,E.(2007).StirringofthenortheastAtlanticspringbloom:
ALagrangiananalysisbasedonmultisatellitedata.JournalofGeophysicalResearch,112(C8),115.doi:
10.1029/2006JC003927.
LE TRAON, P., NADAL, F., DUCET, N., 1998. An improved mapping method of multisatellite altimeter
data.JournalofAtmosphericandOceanicTechnology15,522534.
LIUY,LIANGXS,WEISBERGRH(2007)Rectificationofthebiasinthewaveletpowerspectrum.JAtmos
OceanicTechnol24:20932102.
LOGERWELL, E.A., SMITH, P.E., 2001. Mesoscale eddies and survival of late stage Pacific sardine
(Sardinopssagax)larvae.Fish.Oceanogr.10(1),1325.
MANDELBROTB.B.andJ.VANNESS,Fractionalbrownianmotions,fractionalnoisesandapplications,
SIAMReview,pp.422437,1968.
MONTES, I., COLAS, F., CAPET, X., & SCHNEIDER, W. (2010). On the pathways of the equatorial
subsurface currents in the eastern equatorial Pacific and their contributions to the PeruChile
Undercurrent.JournalofGeophysicalResearch,115(C9),116.doi:10.1029/2009JC005710.
PENVEN,P.,&ECHEVIN,V.(2005).Averagecirculation,seasonalcycle,andmesoscaledynamicsofthe
Peru Current System: A modeling approach. Journal of Geophysical Research, 110(C10), 121. doi:
10.1029/2005JC002945.
POCKLINGTON,R.1981.OrganicmatterinupwellingoffNorthernPer,November1977.Bol.Inst.Mar
Per(Vol.extraordinarioICANE):714.
PREISENDORFER, R. W. and MOBLEY, C. D. (1988). Principal component analysis in meteorology and
oceanography.Elsevier,Amsterdam.

70

ROSSI,V.,Lo,C.,SUDRE,J.,&HERNA,E.(2008).Comparativestudyofmixingandbiologicalactivityof
the Benguela and Canary upwelling systems. Geophysical Research Letters, 35, 15. doi:
10.1029/2008GL033610.
ROSSI, V., LOPEZ, C., HERNANDEZGARCA, E., SUDRE, J., GARON, V., & MOREL, Y. (2009). Surface
mixingand biological activityin the four EasternBoundaryUpwelling Systems. Nonlinear Processes in
Geophysics,16,557568.
SEKI,M.P.,LUMPKIN,R.,FLAMENT,P.,2002.Hawaiicycloniceddiesandbluemarlincatches:thecase
studyofthe1995HawaiianInternationalBillfishtournament.J.Oceanogr.58,739745.
SPEAR, L.B., BALANCE, L.T., AINLEY, D.G., 2001. Response of seabirds to thermal boundaries in the
tropicalPacific:thethermoclineversustheEquatorialFront.Mar.Ecol.Prog.Ser.219,275289.
STRUB,P.T.,MESIAS,J.M.,MONTECINO,V.,RUTLANT,J.,SALINAS,S.,1998.Coastaloceancirculationoff
westernSouthAmerica.In:Robinson,A.R.,Brink,K.H.(Eds),TheSea,vol.11.JohnWiley,Hoboken,N.J,
pp.273313.
THOMAS,C.(1999).Seasonaldistributionsofsatellitemeasuredphytoplanktonpigmentconcentration
alongtheChileancoastrelativelyhighastrongseasonalcycleispresent,mgmtheseasonalcyclewithin
10kmofshoreispresentbutmuch.JournalofGeophysicalResearch,104,877890.
TORRENCE,C.,&COMPO,G.P.(1998).APracticalGuidetoWaveletAnalysis.BulletinoftheAmerican
MeteorologicalSociety,79(1),6178.
WIELAND, B., and D. B. WILSON (2003), Winding angle variance of Fortuin Kasteleyn contours, Phys.
Rev.E,68,056101,doi:10.1103/PhysRevE.68.056101.
YEN, P.P.W., SYDEMAN, W.J., BOGRAD, S.J., HYRENBACH, K.D., 2006. Springtime distributions of
migratorymarinebirdsinthesouthernCaliforniaCurrent:oceaniceddyassociationsandcoastalhabitat
hotspotsover17years.DeepSeaRes.II53(34),399418.
ZUTA,S.&O.G.GUILLN.1970.OceanografadelasaguascosterasdelPer.Bol.Inst.MarPer(2):157
324.

71