observaciones meteorolÓgicas superficiales de …

Vol 42 No2 (2017) 3 − 22

OBSERVACIONES METEOROLÓGICAS SUPERFICIALES DE BUQUES ENNAVEGACIÓN EN EL ATLÁNTICO SUDOCCIDENTAL: CONTROL DE

CALIDAD ESTADÍSTICO

Virginia Palastanga1,5, Elisa C. Nuré2, Estela A. Collini2,4, Olga C. Penalba3,5

1 Departamento Oceanografía, Servicio de Hidrografía Naval, Argentina2 Departamento Meteorología, Servicio de Hidrografía Naval, Argentina

3 Departamento de Ciencias de la Atmósfera y los Océanos, Facultad de Ciencias Exactas y Naturales,Universidad de Buenos Aires, Argentina.

4 Servicio Meteorológico Nacional, Argentina5 Consejo Nacional de Investigaciones Científicas y Técnicas, Argentina

(Manuscrito recibido el 23 de diciembre de 2015, en su versión final el 19 de mayo de 2016)

RESUMENLas observaciones meteorológicas marinas de buques en navegación en el OcéanoAtlántico Sudoccidental son recopiladas históricamente por el DepartamentoMeteorología del Servicio de Hidrografía Naval (DMSHN), institución responsabledel Servicio Público de Seguridad Naútica en las zonas de interés nacional de laRepública Argentina, generándose una base de datos que abarca desde el año 1950hasta la fecha. Debido a la relevancia de esta información a escala regional, elDMSHN lleva a cabo un control de calidad (QC) estricto de los datos siguiendo lasrecomendaciones de la Organización Meteorológica Mundial (OMM) referentes a laclimatología marina. En este trabajo se describe el procedimiento de QC estadísticodesarrollado e implementado para algunas de las variables en esta base de datos,como complemento al proceso de QC realizado a la fecha. El método presentadoconsiste en definir los límites estadísticos superior e inferior para cada variableconsiderada con lo cual aquellos valores que no queden comprendidos en dicho rangoson marcados como valores atípicos, y filtrados de la base de datos a procesar parafines climatológicos. Aquí se analiza la sensibilidad de los resultados frente a ladefinición de los límites estadísticos de QC cuando se consideran diferentes períodosclimáticos, resolución espacial y criterios estadísticos. Finalmente, las climatologíasestacionales de la temperatura superficial del mar y la presión a nivel del marobtenidas son comparadas con las de conjuntos globales pertenecientes a otrasinstituciones.Palabras clave: : base de datos, control de calidad, climatología, temperaturasuperficial del mar, presión a nivel del mar

SURFACE METEOROLOGICAL OBSERVATIONS FROM SHIPS IN THESOUTHWESTERN ATLANTIC OCEAN: AN STATISTICAL QUALITY CONTROL

ABSTRACTSurface marine meteorological observations made on board ships that navigatein the Southwestern Atlantic Ocean are regularly collected and verified at the

Dirección Electrónica: [email protected]

3

Control de Calidad Estadístico de Observaciones Meteorológicas... V. Palastanga y coautores

Meteorological Department of the Naval Hydrographic Service of Argentina(DMSHN). The database that contains this information spans from 1950 to present.Due to the importance of these data at the regional scale, a strict quality control (QC)is applied following the recommendations of the World Meteorological Organization(WMO) for marine climatology. The aim of this paper is to describe the developmentand implementation of an additional QC (statistical). By this technique individualobservations that fall out of the statistical limits defined for each selected variableand grid box are trimmed from the database, after which a database suitable forclimatological purposes is generated. The sensitivity of the results to the definitionof the statistical limits upon different climatic periods, grid spatial resolution andstatistical criteria is analyzed. Finally, the resulting seasonal mean values of seasurface temperature and sea level pressure are compared to those obtained withglobal marine databases.Keywords: dataset, quality control, climatology, sea surface temperature, sea levelpressure

1. INTRODUCCIÓN

El desarrollo de la climatología marina devariables fundamentales como la temperaturasuperficial del mar, la temperatura del airey los vientos en superficie, es esencial parainvestigar la variabilidad del sistema acopladomar-atmósfera y el impacto del cambio climático.La importancia de esta información quedaplanteada desde el Segundo Informe delPanel Intergubernamental de Cambio Climático(IPCC, 1996). El océano Atlántico Sur se hacaracterizado en general por una escasa coberturaespacial y temporal de observaciones marinas insitu, por lo cual se requieren de esfuerzos paragenerar, a partir de la información disponibleregionalmente, bases de datos confiables y útilesa propósitos climatológicos.

En las últimas décadas, el advenimientode la información satelital permitió inferirobservaciones de la temperatura y el viento sobrela superficie del mar, mejorando ampliamentela cobertura espacial de ambas variables. Esto,a su vez, dio como resultado la aparición declimatologías globales y regionales a partir delos análisis de diversa resolución que combinandatos in situ y satelitales (Reynolds y otros,2002; Mesias y otros, 2007; Risien y Chelton,2008). Aun así, las observaciones in situ

continúan siendo críticas para la construcción dedichas climatologías, tanto para la validación ycalibración de las observaciones satelitales, comopara proporcionar información que los satélitesno pueden detectar (Reynolds y otros, 2005).

Particularmente, en el océano Atlántico al surde los 35oS los buques realizan observacionesatmosféricas y oceanográficas de visibilidad,nubosidad, viento, temperatura superficial delaire, temperatura superficial del mar (TSM),presión atmosférica a nivel del mar (PNM),estado del tiempo, olas de viento y mar defondo en su ruta de navegación. El DepartamentoMeteorología del Servicio de Hidrografía Naval(DMSHN) recopila estos datos desde el año 1950.Esta información, permanentemente actualizada,es sometida a un control de calidad (QC) apartir de las recomendaciones de la OrganizaciónMeteorológica Mundial (OMM), el cual asignacontenido a campos de control de calidad delregistro, a partir de la verificación de valores,tanto de rangos permitidos como de relacionesentre variables de una misma observación,o sucesivas. Adicionalmente, los datos sonprocesados estadísticamente con el fin de obtenerparámetros básicos para la navegación -valoresmedios, frecuencias relativas- como sus valoresextremos, en un dominio sobre el Atlántico Sur(35o S a 60o S y de 70o W a 20o W). Unadescripción detallada de esta información y su

4

Control de Calidad Estadístico de Observaciones Meteorológicas...

distribución espacial, utilizando un Sistema deInformación Geográfica (SIG), es descripta enNuré y Collini (2011).

Esta información climatológica, necesaria parala navegación, es asimismo útil para finescientíficos, como por ejemplo especificar lascondiciones de borde superficial en los modelosde circulación general, así como evaluar laasimilación de datos en estos modelos y validarlos reanálisis producidos por los mismos. Además,el conocimiento de la TSM es crucial en estudiosambientales y de modelado, ya que ésta influyesignificativamente en los intercambios entre elmar y la atmósfera, y por lo tanto resulta degran importancia para la estimación de los flujosy balance de calor.

El objetivo de este trabajo es discutir el desarrolloy aplicación de un nuevo control de calidadpara las observaciones meteorológicas marinassuperficiales de la base de datos del DMSHN.Este procedimiento se basa en definir porvariable y punto de la retícula seleccionada,un rango estadístico mediante el cual aquellasobservaciones que no estén comprendidas endicho rango son marcadas y descartadas delcálculo de los valores medios (Woodruff yotros, 2011). Se encontró que la implementacióndel nuevo QC estadístico mejora notablementelos valores medios de la TSM y PNM enel Atlántico Sudoccidental. Sin embargo, esde notar que en amplias zonas del dominio,sobre el océano abierto, el QC estadísticoaún está limitado por la escasez de datos.La información climática resultante de esteprocedimiento proporciona por un lado, unvalioso aporte para la seguridad marítima y porel otro, permite avanzar en el conocimiento dela variabilidad del sistema climático, temáticaimportante para la modelización como para lavigilancia del cambio climático.

La organización de este trabajo incluye unaSección 2 de datos donde se describe lainformación utilizada, una Sección 3 donde sedescriben las técnicas de QC aplicadas, unaSección 4 donde se discute la sensibilidad de

los resultados a la técnica de QC estadísticoy se presentan las climatologías estacionalesde la TSM y PNM derivadas a partir de lamedia aritmética de las observaciones mensuales,y finalmente una Sección 5 de conclusiones yrecomendaciones.

2. DATOS

La base de observaciones meteorológicasmarinas (superficiales) del DMSHN contieneobservaciones de la TSM, PNM, temperaturasuperficial del aire (TA), velocidad del vientoen superficie (FF) y su dirección, visibilidad,nubosidad, tiempo presente (WW), altura de laola de viento (HW), entre otras, abarcando elperíodo 1950 – al presente. Esta información,actualizada permanentemente, es codificadaen registros de 97 campos, de los cuales 61corresponden a las observaciones originalesy diversos indicadores, y 36 a los camposresultantes del QC definidos en base a lasRecomendaciones y Normas de la OMM y delKoninklijk Nederlands Meteorologisch Instituut(KNMI) (KNMI, 1991; WMO, 2004). Ademásde las observaciones individuales, en el DMSHNse generan resúmenes mensuales de todas lasvariables, tanto para el período total como porcada década del mismo que son visualizadosmediante aplicaciones de SIG.

La Figura 1 muestra la evolución temporal delnúmero total de observaciones anuales sobre eldominio de estudio (35o S a 60o S; 70o W a 20o

W) desde el año 1950 para variables seleccionadas(TSM, TA, PNM, y FF). Se observa que elnúmero de observaciones en la década de 1950fue mínimo, con un salto abrupto en el número deobservaciones a comienzos de 1962 que persistehasta 1971, resultando ser éste el período conel mayor número de observaciones. Luego seobserva una tendencia decreciente en el númerode observaciones hasta llegar a un períodode mayor estabilidad en la década de 1980,con máximos aislados a fines de 1970 y entre1985-1987. En los últimos 5 años del períodoanalizado se observan máximos, especialmenteen el número de observaciones de la PNM, de

5


Figura 1: Número total de observaciones anuales de la TSM, TA, PNM y FF sobre el dominiode estudio para el período 1950-2009.

magnitud comparable a los de la década de1970. Esta variabilidad temporal se ve tambiénafectada en el dominio espacial, dependiendo delas rutas de navegación. La distribución espacialde las observaciones está dada por una altadensidad sobre el Mar Argentino, y en zonasdel océano abierto que coinciden con las rutas denavegación, mientras que la densidad disminuyenotablemente hacia el sector central y este deldominio (ver p.e. Figura 1 en Nuré y Collini,2011).

A modo de resumen, en la Tabla I se presentael número total de observaciones de todaslas variables, calculadas para cada década delperíodo 1951-2010. La variabilidad temporalobservada en la Figura 1 se refleja en lostotales decadales y en todas las variables. Sise tiene en cuenta la distribución espacial de lasobservaciones, se observa que para las décadasque registran el mayor número de observaciones,éstas se concentran principalmente en la zonade la plataforma continental argentina (TablaII). En particular, el extraordinario aumentoobservado entre 1962 y 1971 (Figura 1) ocurreen áreas localizadas del interior de la plataformacontinental argentina. Por otro lado, en las

últimas dos décadas, si bien el número total deobservaciones disminuye, se observa un aumentodel número de observaciones sobre el océanoabierto (Tabla II).

Adicionalmente, el número de observacionesdependerá de la época del año. Este análisisindica que en las tres primeras décadas, engeneral, el máximo de observaciones se da enotoño (marzo, abril y mayo), y el mínimo enverano (diciembre, enero, y febrero), mientrasque en las últimas tres décadas esta tendencia semantiene pero con mayor variabilidad, pudiendovariar localmente. Por ejemplo, en la Figura2 se muestran los totales decadales para cadames en una caja de 5o x 5o centrada en 65o

W 45o S, y 50o W 45o S, sobre una zona delMar Argentino y una zona del océano abierto,respectivamente. Ambas regiones presentan unavariación estacional similar en el número deobservaciones en la última década, cuandotambién se observa un aumento en el númerode observaciones sobre el océano abierto. Porotra parte, la baja densidad de datos en la zonade océano abierto indica que un análisis de altaresolución en esta región es de validez limitada.

6


Tabla I: Número de observaciones totales por década sobre el dominio de estudio.

Tabla II: Porcentaje de observaciones (relativo al total, Tabla I) en la zona del dominio conprofundidades menores a los 200 m, y por cada década del período total.

Figura 2: Número de observaciones mensuales de la PNM en una caja de 5o x 5o sobre laplataforma continental argentina centrada en 65oW 45oS (línea roja, eje-y izquierdo) y en unacaja de 5o x 5o sobre el Atlántico Sur centrada en 50oW 45oS (línea azul, eje-y derecho). Lospaneles muestran cada una de las décadas del período 1951-2010.

7


3. MÉTODO DE QC

Hasta el año 2013, el QC aplicado en el DMSHNa las observaciones meteorológicas marinascomprendía cinco niveles de análisis: registrosduplicados (nivel I - repeticiones), rangos deparámetros (nivel II - campo), verificaciones decoherencia entre parámetros de la observación(nivel III - registro), verificaciones de coherenciaentre parámetros de observaciones sucesivashasta 6 horas de diferencia entre sí, cuyosvalores sean correctos según el resultado delos chequeos de los niveles II y III (nivel IV -temporal), y un control de calidad geográficode los datos a través de la visualización de lainformación (derrota del barco) en una aplicaciónde SIG (nivel V - espacial) (para más detalle verNuré y Collini, 2011). Los resultados de estasverificaciones quedan representados en los valoresde los campos de QC de cada registro. Los datosentrantes al DMSHN se actualizan en formacontinua en un archivo temporario sobre el cual,en forma mensual, se realizan estos controles.

A fin de generar una base de datos útil afines climatológicos, se incorporó un nuevo pasoal final del procedimiento integral de QC, esdecir, se definió el último nivel (nivel VI –estadístico). La técnica de QC estadístico sebasa en definir los límites estadísticos superior einferior de las variables seleccionadas, para cadames y punto de retícula, de modo que si unaobservación individual no está comprendida en elrango estimado alrededor de la mediana, o si loslímites estadísticos no están definidos en el puntoconsiderado, esa observación es marcada comoinválida y “filtrada” del conjunto de datos usadopara definir las medias mensuales (Slutz y otros,1985). Esta técnica, conocida como “recorte”(trimming en inglés), tiene por objetivo filtraraquellos datos atípicos pero que, por su carácterde extremos, pueden afectar significativamenteel cálculo de los valores medios. Debe remarcarseque la técnica de recorte presenta limitacionesque pueden resultar tanto en la eliminación devalores extremos válidos (error de tipo I) o enla conservación de valores atípicos en la base dedatos (error de tipo II) (Woodruff y otros, 2011).

Es por ello que, a fin de minimizar estos errores,es necesario evaluar cuidadosamente la definiciónde los límites de recorte previo su aplicación parael QC de la base de datos.

A continuación, se describe en detalle elprocedimiento para el cálculo de los límitesestadísticos de QC para la base de datos delDMSHN, y luego se discuten los resultados desu aplicación cuando se consideran diferentescriterios para la definición de dichos límites(Sección 4).

3.1. Cálculo de los límites estadísticos deQC

La nueva técnica de QC estadísticoimplementada para la presente base dedatos se basa esencialmente en la metodologíade QC estadístico utilizada por ICOADS (porsus siglas en inglés, International ComprehensiveOcean Atmosphere Data Set, Woodruff yotros, 2011). Para realizar el QC estadístico,primero se deben generar los resúmenesmensuales y/o estacionales de las observacionesindividuales de las variables seleccionadas parauna retícula elegida, y por cada década delperíodo considerado. Luego, estos resúmenes sonutilizados para calcular los límites estadísticosde cada variable, en cada caja de la retícula. Lassuposiciones previas que se realizan para aplicaresta metodología son las siguientes:

Los límites estadísticos del QC se calculanúnicamente para las variables TSM, TA,PNM y FF, es decir, el QC estadístico no seaplica actualmente a las variables nubosidad,visibilidad, WW, HW y dirección del viento.

Debido a que el número total deobservaciones reveló un aumento apartir del año 1981 sobre el océano abierto(Tabla II), que conlleva a una mejorrepresentación en la distribución espacialde los datos respecto al período total, seconsideraron dos posibles períodos paracalcular los límites estadísticos, 1951 – 2009y 1981 – 2009, a fin de evaluar la posible

8


influencia del cambio sistemático en elnúmero de observaciones en la definición delos límites estadísticos.

Debido a que el patrón de las observacionessobre el dominio de estudio está dado poruna alta densidad sobre la región del MarArgentino (en todas las décadas), y unadistribución sobre el océano abierto asociadaa las rutas de navegación, se utilizaronretículas de resolución variable (de 1o a 5o)para calcular los límites estadísticos.

A continuación se detallan los pasos a seguir parael cálculo de los límites estadísticos de QC paracada mes y punto de retícula:

i En primer lugar, a partir de los resúmenesmensuales de las observaciones por cada décadadel período elegido, se calculan los sextiles s1,s3, y s5, en cada caja de la retícula y messeleccionados, así como para el mes anteriory posterior al mismo. Estos estadísticos sonutilizados en lugar de la media y desviaciónestándar ordinaria alrededor de la media, debidoa que son medidas estadísticas más robustaspara detectar valores atípicos entre los datos(Slutz y otros, 1985). Debido al escaso númerode observaciones en algunas cajas, la medianase calcula siempre que haya al menos unaobservación en la caja considerada, mientrasque para el cálculo de s1 y s5 se requieren almenos tres observaciones.

ii En segundo lugar, se construyen los “cubosdecadales” en cada caja de la retícula. Éstosconsisten en agrupar para cada década delperíodo elegido, las estimaciones de los sextilesen las cajas contiguas espacialmente y lascorrespondientes al mes anterior y posterioral mes considerado, formando así un cubo enlatitud, longitud y mes. Por lo tanto, un “cubodecadal” centrado en una caja determinada,contiene 27 conjuntos posibles de s3 y de ladesviaciones estándar respecto a la mediana,definidas como (s3 − s1) y (s5 − s3).

iii En tercer lugar, se calcula la mediana detodos los valores (M) de s3 (a la que se

denomina g) y de todos los valores (N) de(s3 − s1) y (s5 − s3) (a los que se denominav1 y v5, respectivamente) encontrados en todoslos cubos decadales correspondientes a la cajaseleccionada, con la condición de que M > 4y N > 4 dada por Slutz y otros (1985). Porlo tanto, el valor máximo de M y N es 27por el número de décadas consideradas. Sinembargo,M y N pueden diferir entre sí, debidopor un lado, a la condición más estricta parael cálculo de s1 y s5, y por otro lado, dadoque para preservar los gradientes espacialesy temporales centrados en un cubo decadalde una caja particular, los pares simétricos seincluyen sólo cuando ambos miembros del parse encuentran definidos.

iv Se realiza un QC adicional de los mapasresultantes de g, v1 y v5 de acuerdo a lassiguientes condiciones:

a) Criterio de corte para la mediana gCualquier valor de g que esté por debajo delvalor de corte inferior o por arriba del valor decorte superior se declara como dato faltante.Los valores de corte están dados por variabley por rango latitudinal, de acuerdo a la TablaIII (Slutz y otros, 1985).

b) Criterio de remplazo para las desviacionesPara computar los límites estadísticos, losvalores obtenidos de v1 y v5 se multiplican porun factor λ igual a 3.5. Este factor es elegidoa fin de rechazar el menor número posiblede datos válidos, pero aun así poder detectardatos erróneos entre las observaciones, paraluego poder “marcarlos” como inválidos. Encaso de una distribución normal, los límites derecorte calculados como ±3,5v alrededor de lamediana descartarían 1 observación entre 2500.El criterio para las desviaciones verifica queen caso de que λv sea mayor o menor que elvalor de la desviación límite de cada variable(Dsup y Dinf , respectivamente) y detallado enla Tabla IV (por Slutz y otros, 1985), éste esremplazado por el valor límite establecido. Esdecir,

λv1 = max (mın (λv1, Dsup) , Dinf )λv5 = max (mın (λv5, Dsup) , Dinf )

9


Tabla III: Valores de corte para la medianag.

v Se calculan los límites estadísticos inferior(Li) y superior (Ls) siempre que g, v1, y v5están todos definidos; es decir, en caso de noexistir observaciones suficientes para calcularlos límites, éstos se definen como faltantes. Eneste paso se verifica además que los valoresobtenidos tanto de g, como de Li y Ls nosuperen los valores extremos de cada variable deacuerdo a la Tabla V, según lo establecido porSlutz y otros (1985) y considerando los valorespermitidos de las desviaciones de acuerdo a laTabla IV. Como resultado,

g = max (mın (g,Xmin −Dinf ) , Xmin +Dinf )Li = max (g − 3,5v1, Xmin)Ls = max (g − 3,5v5, Xmax)

vi Se realiza un suavizado zonal no-recursivo detipo 1-2-1 a los valores resultantes de g, Li

y Ls. Es decir, si los tres valores adyacentesen longitud se encuentran definidos, el valorcentral se calcula como la media de los tres,dándole el doble de peso al valor central. Encaso de que alguno de los tres valores seencontrara faltante o cayera en tierra, el valorcentral no es modificado.

vii Por último, se realiza una interpolación zonalde los valores de g, Li y Ls a aquellas cajassin dato. Se fijó un umbral de manera quedada una fila de datos faltantes de hasta 6o

de longitud, se realiza una interpolación linealde los valores entre las cajas adyacentes condato. En particular, se decidió no realizarextrapolación alguna a cajas sin datos, ya queéstas se encuentran en su mayoría en zonas delocéano abierto con muy escasas observaciones.

Tabla IV: Cota inferior y superior para lasdesviaciones (Dinf y Dsup) de variablesseleccionadas.

Tabla V: Rango de valores extremos de(Xmin y Xmax) de variables seleccionadas.

A través del procedimiento detallado secalcularon los límites estadísticos de QC conlos que luego se aplicó el último nivel de QCestadístico a las observaciones mensuales de laTSM, TA, PNM, y FF. Ello genera un nuevoconjunto de datos o “base de datos filtrada”que es utilizada para calcular los promediosmensuales y estacionales de dichas variables.Debido a la gran cantidad de casos analizadospara el cálculo de los límites estadísticos (verAnexo), en la siguiente Sección se describen,mediante algunos ejemplos, los resultados másrelevantes de la aplicación del QC estadístico.

4. RESULTADOS

4.1. Sensibilidad al QC estadístico

A continuación se presentan como ejemplo, losvalores medios de la TSM, TA, PNM, y FFpara el mes de noviembre, calculados a partirde los datos del período total, para un casosin la aplicación del QC estadístico y para trescasos con el QC estadístico, tomando distintasdefiniciones de los límites, todos sobre una grillade 1o × 1o (Figuras 3-6). En general, se observaque el QC estadístico resulta crítico para elfiltrado de las observaciones en el cuadrantenoreste del dominio. Por otro lado, el efecto de la

10


Figura 3: TSM media del mes noviembre calculada con las observaciones sin el QC estadístico(caso “SIN FILTRAR”) y las observaciones luego de aplicar el QC estadístico para los casosQC3DEC, QC6DEC, y QC4.5.

aplicación del QC estadístico sobre la definiciónde los valores medios es más notorio en el caso dela PNM y FF (Figuras 5-6), en comparación conla TSM y TA; éstas últimas presentan ademástendencias espaciales similares en todos los casos(Figuras 3-4). En particular, la FF es la variableque presenta una mayor amplitud en el rangode valores medios obtenidos cuando no se aplicaningún QC estadístico (Figura 6).

La técnica de QC estadístico definida conlos límites de QC calculados con todas lasobservaciones del período 1981 – 2009 sedenominó QC3DEC. Al aplicar esta técnica elporcentaje de observaciones que son filtradasvaría de acuerdo a la variable y la resoluciónde la retícula seleccionada. Se encontró que elporcentaje de datos filtrados disminuye a medidaque disminuye la resolución (ver Tablas A-C

en el Anexo). Ello se debe a que a medida queaumenta el área de promedio para el cálculode los límites, el rango comprendido por dichoslímites se amplía y consecuentemente menosobservaciones son rechazadas. Para todos loscasos analizados, el mes con mayor número deobservaciones filtradas es Junio, y las variablescon el porcentaje más alto de observacionesfiltradas resultan ser la TSM y TA. La TSM,y en segundo lugar la TA, son las variables quepresentan el menor número de observacionestotales sobre el dominio en todos los meses, lo queen la técnica de QC estadístico parece reflejarseen un porcentaje más alto de recorte.

Para el caso en que los límites de QC soncalculados con las observaciones del períodototal, 1951 – 2009 (denominado QC6DEC), elporcentaje de observaciones filtradas por variable

11


Figura 4: Ídem Figura 3 pero para la TA.

resulta menor que en el caso QC3DEC (entre un0.2 y 1.9%, ver Tabla D en el Anexo). Si bienla diferencia de recorte entre ambos métodos espequeña, la metodología QC6DEC permite, porejemplo, la determinación de valores medios en elsector este del océano abierto (ver Figuras 5 a 7).Sin embargo algunas de estas estimaciones sonde carácter dudoso, es decir, los valores medioscaen en el extremo del rango observado sobreel dominio y/o regiones cercanas, y en algunoscasos resultan en estimaciones puntuales aisladasespacialmente, particularmente en zonas delocéano abierto. En conclusión, si bien los límitesde QC6DEC representan un menor filtradode las observaciones originales, al definir losvalores medios, dependiendo de la variable yel mes considerado, las diferencias con QC3DECaparecen mayormente en el sector central y estedel dominio, que está a su vez caracterizado poruna escasez en el número de datos y densidad dela información.

Por otro lado, se consideró un caso en que loslímites estadísticos se definen de acuerdo a ±4,5vrespecto a la mediana, por lo que resultan menosrestrictivos, y donde se utilizan las observacionesdel período 1981 – 2009 (denominado QC4.5).El porcentaje de datos filtrados disminuye muypoco en comparación al caso QC3DEC (TablaE en el Anexo). En promedio, la diferenciadel porcentaje de datos marcados inválidosentre ambos procedimientos resulta ser del1%, y las variables que presentan las mayoresdiferencias son la TSM y TA. Sin embargo, lospatrones de los valores medios calculados con lasobservaciones procesadas con un método u otroson muy similares (ver p.e. los casos QC3DECy QC4.5 en la Figuras 3 a 6), lo cual sugiereque para el cálculo de los valores medios amboscriterios estadísticos son igualmente válidos.

Finalmente, se analizó un caso en que los límitesestadísticos del caso QC3DEC fueron sometidos

12


Figura 5: Ídem Figura 3 pero para la PNM.

a un suavizado zonal extra (no mostrado), conlo cual los límites de recorte son relajadosaun más que en el caso QC4.5. Si bien esteprocedimiento conserva un número mayor deobservaciones, los valores medios mensualesresultantes especialmente de la PNM y la FFpresentan un mayor número de casos en losextremos del rango observado sobre el domino.Por lo tanto, se descartó usar este criterio comoQC estadístico.

4.2. Comparación de los valores mediosde la TSM y PNM

El análisis de los resultados de la aplicacióndel QC estadístico revela que la base dedatos del DMSHN es un conjunto de datosconsolidado y factible de utilizar como referenteclimatológico para los estudios en los que seaplique. A modo de ilustración, en esta Secciónse comparan los valores medios estacionales

de la TSM y PNM calculados con la base dedatos filtrada con el método QC3DEC, con lospatrones respectivos del National Center forEnvironmental Prediction (NCEP). Para losprimeros se utilizan mapas de clases, ya que seobservó que el análisis de mapas de isolíneas esconsistente con los mapas de clases en áreas y/omeses del año con alta densidad de observaciones,pero es dudoso en regiones con muy pocas o nulasobservaciones (p.e. principalmente en los mesesde invierno y al este de 40o W ó 50o W).

La Figura 7 muestra el valor medio estacional dela TSM, junto con la media estacional obtenida apartir de las medias mensuales del Reanálisis delNCEP, ambas sobre el período 1950–2009 (datosy análisis disponibles en http://www.esrl.noaa.gov/psd/). La TSM en verano muestrala intrusión de aguas relativamente frías a lolargo del borde de la plataforma continentalargentina (PCA), que corresponde al flujo hacia

13


Figura 6: Ídem Figura 3 pero para la FF.

el norte de las aguas frías y subantárticas dela corriente de Malvinas (CM). Una banda detemperaturas entre 12-14oC se deflecta haciael norte hasta aproximadamente 41o S, 57o

W, región donde la CM se encuentra conel flujo hacia el sur de las aguas cálidas ysubtropicales de la corriente de Brasil (CB),en la llamada Confluencia Brasil-Malvinas(CBM). Los patrones correspondientes de NCEPmuestran una deflexión más suave de lasisotermas de 10-14oC hacia el norte, y de 14-16oChacia el sur asociadas a los flujos de la CMy CB, respectivamente, mientras que sobre elocéano abierto las isotermas tienen un marcadocarácter zonal. Por otro lado, ambos conjuntosde datos muestran características muy similaresen la zona sur del dominio, donde las isotermas,asociadas a la presencia de los frentes Subtropicaly Subantártico, presentan una inclinación en ladirección SW-NE.

Por otro lado, el valor medio de la TSM en otoñomuestra un patrón similar al del NCEP, reflejadoen particular en una mayor intrusión de lasaguas de la CM hasta aproximadamente 38-39o S(Figura 8). Además, ambas conjuntos muestranvalores máximos (18-20oC) alrededor de 35o

S, 50o W. En invierno, la TSM muestra unavariación de 2oC a 12oC sobre la PCA y de 0oCa 18oC sobre el océano abierto, y una máximaextensión hacia el norte (aproximadamente 38o

S) de las aguas frías y subantárticas de laCM (8-10oC). En este caso el patrón de NCEPmuestra valores de TSM más bajos en la PCA sury el ingreso de las aguas frías de la CM alcanzalos 39o S.

En resumen, los patrones estacionales de laTSM en la presente base de datos muestrancaracterísticas muy similares a los obtenidos conlos datos del Reanálisis de NCEP. Se observaque las medias estacionales de NCEP muestran

14


Figura 7: Valor medio de la TSM para (a) verano, (b) otoño, (c) invierno, y (d) primavera,calculado con las observaciones de la base de datos del DMSHN, luego de aplicar el QC estadísticoQC3DEC. Debajo de cada gráfico se muestra el patrón correspondiente del Reanálisis de NCEP.Unidades en oC.

15


una clara deflexión hacia el sur de las isotermasasociadas a la intrusión de la CB, mientras queen los valores medios aquí calculados se observauna clara intrusión de aguas frías de la CM sobreel exterior de la PCA, pero no se registra entodas las estaciones la deflexión de las isotermasasociada a la CB en la zona norte del dominio.

En la Figura 8 se presenta el valor medioestacional de la PNM calculada con la base dedatos del DMSHN, junto con el del Reanálisisde NCEP. La PNM en verano muestra unavariación promedio de 990 hPa a 1015 hPa de sura norte, similar al rango de variación mostradopor NCEP. Por otro lado, la presencia de valoresmáximos de la PNM (1015-1025 hPa) sobre laregión noreste del dominio es consistente con lainfluencia del anticiclón del Atlántico Sur, comotambién ilustra el patrón de NCEP.

En otoño, el gradiente de la PNM sobre la PCArefleja el comienzo de la fase de intensificacióndel anticiclón, con la consecuente extensión haciael sur de la faja de bajas presiones; sobre elocéano abierto esta tendencia es menos clara, y enparticular allí se observan algunos valores mediosde la PNM muy bajos (p.e. entre 972-976 hPaalrededor 56oS, 50oW y 985-992 hPa alrededorde 45oS, 50oW), que pueden responder a lainfluencia de la escasez de datos. El patrón dela PNM en invierno refleja el máximo en lafase de intensificación del anticiclón, con unapredominancia de valores altos de la PNM (entre1015-1025 hPa) en la zona norte del dominio yhasta 41o S. La PNM en primavera marca latransición hacia la fase débil del anticiclón; enambos conjuntos se observa la persistencia devalores altos en la región subtropical, con unaextensión hacia el norte de las bajas presiones.

En resumen, los valores medios estacionales de laPNM aquí calculados muestran una variabilidadconsistente con las tendencias mostradas en lasclimatologías de NCEP, en particular existe unbuen acuerdo en los gradientes de la PNM sobrela PCA entre ambos conjuntos. Cabe destacarque para la base de datos del DMSHN los valoresmedios de la TSM (y TA, no mostrado) muestran

gradientes espaciales más uniformes que los de laPNM (y FF, no mostrado), es decir, la PNMy el viento presentan variaciones en escalasespaciales pequeñas superpuestas a las tendenciasdominantes sobre el dominio.

5. CONCLUSIONES YRECOMENDACIONES

En este trabajo se describe un nuevo métodode QC estadístico, como parte integral del QCaplicado a las observaciones meteorológicassuperficiales realizadas a bordo de los buques ennavegación en el Atlántico Sudoccidental. Estainformación está contenida en la base de datosque recopila el DMSHN, y que abarca el período1950 a la fecha.

El análisis de los valores medios de la TSM, TA,PNM, y FF calculados con los datos originales,y luego de aplicar el QC estadístico, muestraque esta técnica de QC mejora notablementela representación espacial de los valores mediossobre el dominio, especiamente, para la PNM yFF. Por otra parte, la técnica de QC estadísticoinduce una pérdida importante de los datos aleste de los 45oW. De esta forma, la informaciónresultante proporciona una mayor robustez en losresúmenes mensuales marítimos para los buquesque navegan en estas regiones.

Para la definición de los límites de QCestadístico de las observaciones se analizarondiferentes casos. Para ello, se tomaron dosperíodos distintos (1950-2009, caso QC6DECvs. 1981-2009, caso QC3DEC) y se considerarondesviaciones de ±3,5v (QC3DEC) y ±4,5v(QC4.5) respecto a la mediana. Tanto en el casoQC6DEC como QC4.5 los límites de QC resultanmenos restrictivos que en QC3DEC, aunque ladiferencia en el porcentaje de datos recortados entodos los casos es pequeña ( 1%). La sensibilidadde la definición de los valores medios frente alos límites de QC3DEC y QC6DEC está acotadaprincipalmente a las estimaciones en regiones delocéano abierto, en el centro y este del dominio,caracterizadas por una muy baja densidad deobservaciones en comparación al sector del

16


Figura 8: Valor medio de la PNM para (a) verano, (b) otoño, (c) invierno, y (d) primavera,calculado con las observaciones de la base de datos del DMSHN, luego de aplicar el QC estadísticoQC3DEC. Debajo de gráfico se muestra el patrón correspondiente del Reanálisis de NCEP.Unidades en hPa.

17


Atlántico Sudoeste. Por lo tanto, los valoresmedios tienden a estar mejor representadoscon la técnica QC3DEC. Por otro lado, eluso de límites estadísticos de QC4.5 no generadiferencias en los patrones de los valores mediosen comparación a QC3DEC. En conclusión,para la implementación y actualización del QCestadístico de esta base de datos, se recomiendautilizar las observaciones del período 1981-2009y usar límites estadísticos de recorte definidoscomo ±3,5v respecto a la mediana. Es de esperarque la futura actualización de la base de datos,incorporando un mayor volumen de informaciónsobre el océano abierto, permitirá realizar nuevosanálisis de la definición de los límites de QCestadístico.

Con la incorporación de la técnica de QCestadístico, podemos afirmar que la base de datosresultante es de alta calidad. La misma permitirállevar a cabo una variedad de estudios climáticos,tales como evaluación de los cambios observadosen los eventos extremos en un dominio espacialno explorado aún, como es el Mar Argentino.Además, proveerá información muy sensible parauna eventual asimilación de dichos datos enmodelos regionales así como para la validaciónde los mismos. Por último, cabe destacar queaún después de aplicar el nivel estadístico de QC,algunos valores atípicos pueden permanecer en labase de datos, especialmente en zonas del océanoabierto con pocas observaciones.

Agradecimientos: Este trabajo ha sido realizadoen el marco del Proyecto PIDDEF 045/10“Sistema Integrado Meteorológico-Climáticode procesamiento con control de calidadde observaciones meteorológicas y de hielosmarinos provenientes de buques en navegacióny estaciones antárticas - Implementación en elDepartamento Meteorología para la visualizaciónen tiempo real de los datos y de los resúmenesclimáticos marinos y de bases antárticas”(Palastanga y Nuré, 2013). Programa deInvestigación y Desarrollo para la Defensa(PIDDEF), Subsecretaría de InvestigaciónCientífica y Desarrollo Tecnológico, Secretaría

de Planeamiento, Ministerio de Defensa.

REFERENCIASIPCC, 1996: Climate Change 1995: The

Science of Climate Change. En: Houghton,J.T., L.G. Meira Filho, B.A. Callander,N. Harris, A. Kattenberg, and K. Maskell,Eds., Contribution of Working Group Ito the Second Assessment Report of theIntergovernmental Panel on Climate Change,Cambridge University Press, Cambridge,United Kingdom and New York, NY, USA,572 pp.

KNMI, 1991. Revised Quality ControlProcedures of Marine Climatological Datacollected from Dutch Voluntary ObservingShips and Bureau Marine Affairs. Ing.Stam,MEMO KD-89-01.

Mesías, J. M., Bisagni, J. J. y Brunner, A.,2007. A high resolution satellite derivedsea surface temperature climatology for thewestern North Atlantic Ocean. Cont. ShelfRes., 27, 191-207.

Nuré, E., y Collini E., 2011. Aplicación de laTecnología SIG para la representación deinformación climática marina en el AtlánticoSur. Meteorológica, Vol. 36, No1, 49-56.

Palastanga, V., y Nuré, E., 2013. PROYECTOPIDDEF 0045/10/SHN. Observacionesmeteorológicas de buques en navegación.Descripción de la metodología para el controlde calidad estadístico y cómputo de valoresmedios. CEBA-IT 01/13.

Reynolds, R. W., Rayner, N. A., Smith, T. M.,Stokes, D. C., y Wang, W., 2002. An improvedin situ and satellite SST analysis for climate.J. Climate, 15, 1609-1625.

Reynolds, R. W, Zhang, H., Smith, T. M.,Gentemann, C. L., y Wentz, F., 2005. Impactsof in situ and additional satellite data on theaccuracy of a sea surface temperature analysisfor climate. Int. J. of Climatology, 25, 857-864.

Risien, C.M., y Chelton, D.B., 2008. A globalclimatology of surface wind and windstress fields from eight years of QuikSCATscatterometer data. J. Phys. Oceanogr., 38,2379-2413.

18


Slutz, R.J., Lubker, S.J., Hiscox, J.D., Woodruff,S.D., Jenne, R.L., Joseph, D.H., Steurer,P.M., y Elms, J.D., 1985. ComprehensiveOcean-Atmosphere Data Set Release 1,NOAA Environmental Research Laboratories,Climate Research Program, Boulder, CO, 268pp.

WMO, 2004. Minimum quality controlstandards, MQCS. Version V. Annex 2to Recommendation 9 (JCOMM-I). JointWMO/IOC Technical Commission forOceanography and Marine Meteorology(JCOMM).

Woodruff, S. D., Worley, S.J., Lubker, S.J.,Ji, Z., Freeman, E., Berry, D.I., Brohan,P., Kent, E.C., Reynolds, R.W., Smith, S.R.y Wilkinson, C., 2011. ICOADS Release2.5: Extensions and Enhancements to theSurface Marine Meteorological Archive. Int.J. Climatol., 31, 951-967.

Este es un artículo de acceso abierto distribuido bajo lalicencia Creative Commons, que permite el uso ilimitado,distribución y reproducción en cualquier medio, siempreque la obra original sea debidamente citada.

19


Tabla A: Número total de observaciones sin filtrar (ref) y filtradas (QC3DEC), y el porcentajede observaciones filtradas con el método QC3DEC (%), en una retícula de 1ox1o.

Tabla B: Número total de observaciones sin filtrar (ref) y filtradas (QC3DEC), y el porcentajede observaciones filtradas con el métodoQC3DEC (%), en una retícula de 3ox3o.

20


Tabla C: Número total de observaciones sin filtrar (ref) y filtradas (QC3DEC), y el porcentajede observaciones filtradas con el método QC3DEC (%), en una retícula de 5ox5o.

Tabla D: Número total de observaciones sin filtrar (ref) y porcentaje de observaciones filtradascon los métodos QC3DEC (%3D) y QC6DEC (%6D) en una retícula de 1ox1o.

21


Tabla E: Número total de observaciones sin filtrar (ref) y porcentaje de observaciones filtradascon los métodos QC3DEC (%3DEC) y QC4.5 (%4.5) en una retícula de 1ox1o.

22

observaciones meteorolÓgicas superficiales de …

Documents