UNIVERSIDAD COMPLUTENSE DE MADRID FACULTAD DE CIENCIAS MATEMÁTICAS Sección Departamental de Astronomía y Geodesia Grado en Ingeniería Matemática ESTUDIO COMPARATIVO DE MÉTODOS DE ANÁLISIS DE MAREA OCEÁNICA Trabajo de Fin de Grado presentado por: Rubén Cabrera Lozano Bajo la dirección de: Carmen de Toro y Llaca Madrid, Junio 2016 Agradecimientos Quiero expresar mi más sincera gratitud a la profesora Carmen de Toro y Llaca que me dio la oportunidad de realizar este trabajo y me transmitió desde el primer momento su entusiasmo e ilusión por este trabajo final de grado. Sin sus consejos, críticas y sobre todo dedicación no me hubiera sido posible llevar a cabo este trabajo. Por último, quiero manifestar mi gratitud a mis amigos y familiares, que han estado a mi lado durante la realización de este trabajo. Aunque enumerarlos a todos no es posible, me gustaría al menos citar a mi hermano y a mis padres. Mira las estrellas. Los grandes reyes del pasado nos miran desde las estrellas así que, cuando te sientas solo, recuerda que esos reyes siempre estarán ahí para guiarte... Y yo también. -El rey león- 2 Resumen En el estudio de la dinámica oceánica es necesario disponer de técnicas de análisis de series temporales, discretas e interrumpidas, adaptadas a las características propias del comportamiento del océano. Se trata de procesos matemáticos mediante los cuales las variaciones de nivel registradas son separadas en constituyentes armónicos que cubren un amplio espectro de frecuencias. Dada la necesidad de disponer de métodos de análisis precisos y eficientes, se ha realizado un estudio comparativo de los principales métodos de análisis de observaciones mareográficas costeras. La correcta aplicación e interpretación de un proceso de modelización matemático requiere el conocimiento del fenómeno objeto de estudio. Por este motivo, se ha iniciado el trabajo estudiando teóricamente los principales fenómenos de mareas. Posteriormente, se han estudiado desde el punto de vista teórico los principales métodos de preproceso y análisis que serían aplicados sobre una serie de observación de largo periodo. A continuación, se ha realizado un estudio individual y comparativo en orden a su aplicación práctica. Se trata de analizar su idoneidad en relación con las diferentes investigaciones que se realizan en la actualidad en el ámbito de los estudios de las variaciones del nivel del mar. Finalmente, se ha examinado, de forma independiente, el comportamiento de los tres métodos alternativos más utilizados. Su validación y comparación se realizó estimando la idoneidad de su respuesta frente a problemas específicos oceanográficos: largos periodos, altas frecuencias y modulaciones astronómicas, entre otros. 3 Abstract In the study of the oceanic dynamic is necessary to dispose of analysis techniques of temporary, discreet and interrupted series, adapted to the intrinsic characteristics of the ocean behavior. It consists in mathematical processes; through them, the registered level variations are separated in harmonic constituents that cover a broad frequency spectrum. Thus, is necessary to dispose of accurate and efficient analysis methods, a comparative study of the principal analysis methods of mareographic coastal observations has been done. The correct application and interpretation of a mathematical modelization process require the knowledge of the phenomena under study. For this reason, the work has started studying theoretically the principal tide phenomena. Lately, from a theorical point, principal preprocess and analysis methods have been studied in order to apply them to a long period observation series. Then, an individual and comparative study has been done in order of their practical application. It consists in analyze their suitability in relation with the different actual investigations in the ambit of studies about variations of sea level. Finally, the behavior of the three alternative methods has been examined independently. Their validation and comparation was done estimating the suitability of their response versus specific oceanographic problems such as long period, high frequencies and astronomical modulation, among other. Índice general 1. Introducción .................................................................................................... 6 2. Marea oceánica ............................................................................................... 8 2.1. Fenómenos de marea ................................................................................. 8 2.2. Principales desarrollos armónicos del potencial de marea ........................ 9 2.3. Términos astronómicos y armónicos compuestos ................................... 11 2.4. Variaciones temporales de las constantes armónicas .............................. 12 3. Preproceso de las series de observación...................................................... 14 3.1. Base de datos mareográfica ..................................................................... 14 3.2. Detección de errores, lagunas y variaciones del cero del mareógrafo ................................................................................. 15 3.2.1. Aplicación de filtros media móvil y Doodson .............................. 15 3.2.2. Errores en tiempo y contenido de la señal .................................... 17 3.3. Programas estándar de preproceso........................................................... 18 3.3.1. MT36 ............................................................................................ 18 3.3.2. TSOFT .......................................................................................... 20 3.3.3. OT2016 ......................................................................................... 21 4. Técnicas de análisis de mareas oceánicas ................................................... 22 4.1. Mínimos cuadrados .................................................................................. 22 4.2. Análisis espectral de Fourier ................................................................... 23 4.3. Métodos mixtos ....................................................................................... 24 4.4. Método de la respuesta ............................................................................ 25 5. Estudio comparativo de métodos de análisis .............................................. 27 5.1. VAV03..................................................................................................... 27 5.2. OT16 ........................................................................................................ 35 5.3. TIDANA .................................................................................................. 36 5.4. SPL64 ...................................................................................................... 41 6. Conclusiones .................................................................................................. 44 Apéndice A. Constituyentes armónicos ............................................................ 46 A.1. Principales constituyentes armónicos ..................................................... 46 A.2. Componentes en aguas someras. Programa VAV03 .............................. 47 Apéndice B. Salidas de programas de análisis ................................................. 48 B.1. VAV03 .................................................................................................... 48 B.1. TIDANA ................................................................................................. 50 B.1. Largos periodos ....................................................................................... 51 B.1. Armónicos compuestos ........................................................................... 52 B.1. Predicción SPL64 .................................................................................... 55 Apéndice C. Código de los programas desarrollados...................................... 56 C.1. Determinación de fechas julianas, señalización de gaps y transformación de formatos .................................................................... 56 C.2. Filtro Media Móvil .................................................................................. 60 C.3. Filtro Doodson 𝑋𝑜 ................................................................................... 61 C.4. Corrección de desfasajes en tiempo ........................................................ 61 Referencias .......................................................................................................... 64 Capítulo 1 Introducción Las variaciones del nivel del mar observadas en una cierta localización son el resultado de la superposición de desplazamientos verticales inducidos por un amplio conjunto de fenómenos. Entre ellos se incluyen armónicos astronómicos puros, de frecuencias conocidas, términos no lineales, característicos de aguas someras, fenómenos locales de carácter geodinámico y efectos atmosféricos. Se suman a los efectos anteriores fluctuaciones globales de la superficie libre del océano ocasionadas por cambios hidrosféricos y litosféricos; es decir, variaciones eustáticas del océano mundial que ocurren con idéntica amplitud, pero en una diferente escala de tiempo. En el estudio de la dinámica oceánica es necesario, en consecuencia, disponer de técnicas de análisis de series temporales, discretas e interrumpidas, adaptadas a las características propias del comportamiento del océano. Se trata de procesos matemáticos mediante los cuales las variaciones de nivel registradas son separadas en constituyentes armónicos que cubren un amplio espectro de frecuencias. Deben proporcionar factores de amplitud, desfasajes y vectores residuales, entre otros parámetros, respecto de un modelo hidrodinámico teórico. Suele considerarse como modelo de comparación la marea de equilibrio, aunque este modelo no es único. Este campo de estudio posee un gran interés práctico, ya que la determinación precisa de las constantes armónicas de marea a lo largo de las costas es un paso previo fundamental en numerosas investigaciones de geodesia marina. En particular, predicciones locales del nivel de marea, necesarias en navegación marítima, validación de modelos globales y regionales, y el estudio de las variaciones del nivel medio del océano en relación con el cambio climático global (Pugh, 2004). Las constantes armónicas obtenidas a través del análisis de series temporales intervienen en la apodización y reconstrucción de la señal. Otra aplicación relevante es el levantamiento de cartas oceánicas donde intervienen como condiciones de contorno. No menos importante es su implicación en la determinación de las edades de la marea y de la paralaje. El término “edad de la marea” fue utilizado por primera vez por Whewell en 1983. Fue designado “edad de la desigualdad de fase” por Wood y “retardo equinoccial” por Dehant (Garrett y Munk, 1971; Pugh, 1996, Ekman, 1998). Estas constantes no armónicas, edades de las mareas diurna y semidiurna y edad de la paralaje. Se obtienen empíricamente a partir del análisis de observaciones mareográficas costeras y pelágicas. En su formación intervienen los armónicos de mayor amplitud lunar y solar (𝑀2 , 𝑆2 , 𝑁2 , 𝐾1 , 𝑂1 ). Su importancia estriba en que proporcionan información relevante sobre la distribución espacial de las anomalías existentes en el modo normal de oscilación 6 Capítulo 1. Introducción de los océanos. Esto se debe a que los desfasajes están asociados con la disipación de energía por fricción, resonancias locales, gradientes batimétricos y efectos radiacionales. En definitiva, proporcionan información fundamental sobre la respuesta hidrodinámica del océano a las fuerzas que derivan del potencial astronómico de mareas. Un claro ejemplo podemos encontrarlo en el golfo de Gabes, donde una extensa región de baja batimetría y fuertes gradientes batimétricos, dan lugar a fuertes anomalías en la distribución espacial de estos parámetros en el Atlántico Nororiental y el Mediterráneo (Gil, De Toro, 2005). Dada la necesidad de disponer de métodos de análisis precisos y eficientes, el objetivo de nuestro trabajo se ha centrado en realizar un estudio comparativo, teórico y práctico, de los principales métodos de análisis de observaciones mareográficas costeras. Dado que la correcta aplicación e interpretación de un proceso de modelización matemática requiere el conocimiento del fenómeno objeto de estudio hemos iniciado el trabajo estudiando teóricamente los principales fenómenos de mareas (Capítulo 1). Se analizan términos astronómicos puros, armónicos compuestos y variaciones temporales de las constantes armónicas asociadas al método de análisis. Para la contrastación de cualquier método de análisis, es imprescindible disponer de una serie de observación conveniente en cuanto a longitud, periodo de discretización y sometida a una estricta etapa de preproceso. La serie de observación utilizada consta de 54 años de lecturas horarias del nivel del mar, realizadas en el puerto de La Coruña. En este tercer capítulo se describen, aplican y comparan diversos métodos de preproceso. Con este objetivo se han desarrollado diversas herramientas de proceso de datos aplicados en combinación con los métodos de preproceso estándar, algunos de los cuales han sido modificados a fin de adaptarlos a nuestras necesidades. Se estudian a continuación (Capitulo 4) las principales técnicas de análisis, distinguiendo entre aplicación de técnicas mínimos cuadrados, análisis espectral de Fourier y métodos mixtos. Se describen además otras técnicas, en particular el método de la respuesta. Finalmente (Capítulo 5) se examina, de forma independiente, el comportamiento de los tres métodos alternativos utilizados de forma generalizada en el análisis de series mareográficas interrumpidas. La validación de los métodos, se ha realizado sobre la base de la serie de observación descrita en el capítulo 3. La comparación se realizó estimando la idoneidad de su respuesta frente a problemas específicos oceanográficos: largos periodos, altas frecuencias y modulaciones astronómicas, entre otros. Presentamos las conclusiones de este estudio en el capítulo 6. 7 Capítulo 2 Marea oceánica 2.1 Fenómenos de marea Consideramos una tierra real, cuya superficie está parcialmente recubierta de agua, y sobre la que actúan fuerzas externas derivadas del potencial astronómico de marea. Bajo su acción, las masas de agua oceánica sufren desplazamientos periódicos de amplitud e inercia determinadas por sus propiedades físico-químicas, la posición geográfica, la forma y profundidad de la cuenca y la constitución de los fondos submarinos. Al mismo tiempo, el fondo oceánico sufre deformaciones por mareas terrestres de amplitud y desfasaje dependientes de las propiedades viscoelásticas del medio. Por otro lado, los desplazamientos de las masas de agua oceánicas dan lugar a fenómenos de carga sobre el fondo, que producen efectos deformantes de sentido contrario a los inducidos por la marea terrestre. Tendremos, por lo tanto, dos superficies, el fondo y la topografía del océano en continuo movimiento, cuya posición determina la marea geocéntrica observada (Schwiderski, 1982; De Toro, 1989). En consecuencia, la marea oceánica es el resultado de dos superficies en continua transformación. Figura 2.1. Desplazamientos verticales del fondo oceánico y de la superficie libre del océano bajo las fuerzas que derivan del potencial astronómico de mareas. Podemos describir el proceso más detalladamente siguiendo el esquema presentado en la Figura 2.1. Suponiendo despreciables otro tipo de desplazamientos, como el determinado por la marea atmosférica, las circulaciones generales oceánicas y los efectos estático y 8 Capítulo 2. Marea oceánica dinámico de las variaciones de presión, las dos superficies, el fondo oceánico y la superficie libre de océano, ocuparían las posiciones 𝐹1 𝑦 𝑆1 . Por efecto de la marea oceánica 𝑚𝑜 , la superficie 𝑆1 pasaría a ocupar la posición 𝑆2 . Al introducir la elevación provocada por la marea terrestre del fondo 𝑚𝑡 , estas superficies se desplazarían a 𝐹2 𝑦 𝑆3 , respectivamente. Finalmente, la carga 𝑚𝑐 ejercida por el incremento de masa oceánica, producirá el hundimiento del fondo hasta la posición 𝐹3 , que se traduce en un descenso de la superficie libre a 𝑆4 . Estos desplazamientos se producirán con los desfasajes correspondientes, característicos de la cuenca oceánica, oscilando en función de (𝑚𝑡 − 𝑚𝑐 ) 𝑦 (𝑚𝑜 + 𝑚𝑡 − 𝑚𝑐 ). El proceso resultante de acciones directas e indirectas de las fuerzas solares, lunares y planetarias es complejo en cuanto a respuesta de las masas oceánicas. Por otro lado, es necesario tener en cuenta que la magnitud y dirección de las fuerzas actuantes es función de la declinación y distancia del astro perturbador. Por lo tanto, existen efectos ligados a la radiación intrínseca solar, que actúan en idénticas frecuencias de mareas. Constituye la denominada marea radiacional. Por último, en zonas poco profundas, como las que se extienden sobre las plataformas continentales y a lo largo de canales en forma de embudo, el rango de marea es amplificado una cantidad inversamente proporcional a la raíz cuarta de la profundidad y a la raíz cuadrada de la anchura. La amplitud es asimismo amplificada en aguas someras por un fenómeno de resonancia que se produce cuando el periodo libre de oscilación de las masas de agua se aproxima al periodo de los constituyentes de marea (Bretreger, 1978). El estudio de este conjunto de fenómenos se realiza a través de un modelo de comparación constituido por la denominada marea de equilibrio. Su construcción es realizada sobre la base de un desarrollo armónico del potencial de marea. 2.2. Principales desarrollos armónicos del potencial de marea La base del análisis armónico es la asunción de que las variaciones de mareas se pueden representar por un número finito N de armónicos de la forma 𝐻𝑛 cos(𝜎𝑛 𝑡 − 𝑔𝑛 ) Donde 𝐻𝑛 es la amplitud, 𝑔𝑛 la fase de la marea de equilibrio en Greenwich y 𝜎𝑛 la velocidad angular. Esto es consecuencia de que las componentes de los movimientos orbitales se pueden separar de forma que el potencial lunisolar y planetario puede ser expresado como una suma de ondas sinusoidales puras, es decir, ondas que tienen como argumento funciones lineales del tiempo y cuyas frecuencias y amplitudes pueden ser consideradas, en un periodo de tiempo próximo al siglo, constantes, pues varían muy 9 Capítulo 2. Marea oceánica lentamente. Además, las amplitudes de estos argumentos sólo dependen de la latitud geocéntrica del punto de observación. Este punto es importante ya que la precisión del análisis y predicción de mareas depende del número de términos utilizados en el desarrollo del Potencial de Marea. El primer desarrollo de este tipo fue realizado por Ferrel en el año 1874, conteniendo un número muy limitado de armónicos principales. Más tarde, Doodson (1921) efectuó un desarrollo armónico puro de los 386 componentes de mayor amplitud, y Cartwright, Tayler y Edden (1971, 1973) calcularon un total de 504 armónicos, distribuidos de la siguiente forma: 127 componentes de largo periodo, 205 componentes diurnos, 155 componentes semidiurnos y 17 componentes terciodiurnos. Siguiendo un proceso similar Büllesfeld (Büllesfeld, 1985) obtiene un desarrollo armónico del potencial con 656 términos. Considera orden 4 para la Luna y orden 2 para el Sol. Tamura (1987) obtuvo un desarrollo de 1200 términos, 285 componentes de largo periodo, 345 diurnos, 377 semidiurnos, 82 terciodiurnos y 10 cuartodiurnos. En este desarrollo del potencial generador de mareas, se considera hasta orden cuatro para la Luna y orden 3 para el Sol. Los coeficientes se dan con seis decimales significativos. En cuanto a la influencia de los planetas, Tamura fue el primero en introducir términos planetarios de Júpiter y Venus, Roosbeek y Harmann – Wenzel introdujeron argumentos adicionales para Marte, Mercurio y Saturno, hasta llegar a un total de 11 elementos astronómicos. A partir de nuevas constantes astronómicas Q. Xi (Xi, 1985, 1987, 1989) repitió el proceso seguido por Doodson para obtener su desarrollo del potencial. Así se corrigieron algunos errores detectados en el desarrollo de Doodson, y se refirieron los cálculos a J200.0 en lugar de 1900.0. Además, se tuvieron en cuenta las variaciones de la oblicuidad eclíptica y de la excentricidad de la órbita terrestre, las cuales producen variaciones seculares que son detectadas en las amplitudes de los distintos armónicos y se calcularon los polinomios de Legendre de orden 4. El desarrollo constaba de 1178 términos en 1987, mejorándose en 1989 con un total de 3070 términos, obtenidos con una precisión de 6 decimales significativos. En la banda semidiurna existen 136 términos de largo periodo, 12 términos diurnos en la banda terciodiurna y 2 términos de largo periodo en la banda cuartodiurna. Más tarde Roosbeek (1996) obtuvo un desarrollo de 6499 términos, Hartmann - Wenzel (1995) obtuvieron 12935 términos. Recientemente, Kudryatsev (2004) propuso un desarrollo del potencial de marea con 28806 términos. 10 Capítulo 2. Marea oceánica 2.3. Términos astronómicos y armónicos compuestos Se designan constituyentes astronómicos o puros aquellos que derivan directamente del potencial generador. En la tabla A.1 (Apéndice A) se pueden ver los principales componentes. Al contrario que en mareas terrestres, que puede ser considerado como medio infinito, las interacciones no lineales con el fondo oceánico dan lugar a una amplificación de las constantes astronómicas de marea que derivan del potencial astronómico. Son muy significativas en el análisis de mareas, ya que se produce una elevación de los factores de amplitud en regiones de baja batimetría (Pugh, 1996). En las zonas costeras, donde las aguas son de baja batimetría, la progresión de las ondas de mareas es modificada, además, por todo un conjunto de procesos hidrodinámicos. El proceso se debe, principalmente, a dos factores: la fricción del fondo marino con la capa límite de agua y la reflexión de las ondas de marea en dicho fondo. Las distorsiones resultantes son función de las potencias sucesivas de la propia elevación (Pugh, 1996). El principal efecto de las interacciones no lineales es la amplificación de las amplitudes de los armónicos fundamentales, como ya hemos indicado, y la elevación del nivel medio observado, al generarse términos constantes. También originan fuertes subarmónicos y nuevos constituyentes, denominados compuestos, cuyos argumentos son suma, diferencia o múltiplos de los argumentos de las ondas derivadas directamente del potencial perturbador de marea (De Toro, 1989). La importancia de los armónicos compuestos estriba en representar la distorsión de los constituyentes principales en las zonas costeras en estudio, Tabla 2.1 Principales armónicos compuestos. 11 Capítulo 2. Marea oceánica En la Tabla 2.1 figuran los principales armónicos compuestos, pertenecientes a las bandas de largo periodo, diurnas y semidiurnas. También se incluyen algunos de los armónicos de frecuencias superiores, tanto compuestas como subarmónicos, que poseen una mayor significación en aguas someras. Para cada uno de ellos se especifican los armónicos que los generan, su argumento y su velocidad angular horaria. La determinación de las frecuencias y argumentos de los armónicos compuestos es fundamental en la etapa de análisis, ya que son necesarios para su separación a través del análisis, así como en la determinación de los parámetros asociados. 2.4. Variaciones temporales de las constantes armónicas Las amplitudes armónicas y los desfasajes de los principales constituyentes de marea sufren variaciones de largo periodo debido a fenómenos de modulación. Tienen su origen en la superposición de constituyentes armónicos puros, armónicos compuestos, marea del polo, oscilaciones oceánicas y atmosféricas de baja frecuencia y componentes de largo periodo de la marea radiacional. Los parámetros de marea son también significativamente afectados por fenómenos transitorios que inducen variaciones sistemáticas claramente aperiódicas. Finalmente, es necesario tener en cuenta otro tipo de variaciones en amplitud de las ondas de marea, que Chojnicki clasificó en variaciones efectivas y ficticias (Chojnicki, 1991). Las variaciones efectivas estarían provocadas por variaciones físicas de la corteza o del interior de la Tierra y las variaciones ficticias tendrían su origen en errores de escala, el método de análisis o efectos puramente locales, relacionados con el emplazamiento del instrumento. El origen de las modulaciones astronómicas reside, esencialmente, en el método utilizado para la separación de las componentes durante el proceso de análisis. Al depender de las diferencias entre sus velocidades angulares, constituyentes con frecuencias próximas deben ser agrupados en términos de la forma 𝑀 𝑁 𝑃 𝐿(𝑡) = ∑ 𝛿𝑗 ∑ 𝐻𝑖 cos(𝜔𝑖 𝑡 + 𝜑𝑖𝑒 − 𝑘𝑗 ) 𝑗=1 𝑖=1 donde L(t) representa la señal de marea en el instante t 𝐻𝑖 la amplitud dada por la marea de equilibrio M es el número de grupos en función de la longitud de la serie de observación (𝛿𝑗 , 𝑘𝑗 ) parámetros de marea comunes, velocidad y periodo de marea Por este motivo, cada constituyente principal recibe la contribución de un conjunto de términos de menor amplitud y frecuencias próximas. En consecuencia, los distintos grupos obtenidos por análisis armónico de series anuales están afectados por ciclos astronómicos, como el movimiento directo del perigeo lunar (8.847 años), de 12 Capítulo 2. Marea oceánica retrogradación del nodo ascendente de la Luna (18.613 años) y del perihelio (20942.2 años) ya que no se pueden determinar individualmente las ondas que presentan una diferencia de fase pequeña. En particular, el movimiento retrógrado del nodo ascendente de la Luna modula todos los grupos separados a través del análisis de series anuales, siendo el motivo de que numerosos autores consideren que los niveles medios del océano deban ser definidos a partir de series que superen los 19 años de observación continuada. Ahora en la Tabla 2.2 se muestra algunas de las principales modulaciones de origen astronómico. Variable 𝑝𝑠 2𝑝𝑠 𝑁′ Periodo 20𝑎 940 𝑅𝑒𝑣𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖ℎ𝑒𝑙𝑖𝑜 𝑠𝑜𝑙𝑎𝑟 10𝑎 470 18𝑎 613 𝑅𝑒𝑣𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑜𝑠 𝑛𝑜𝑑𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑙𝑢𝑛𝑎 Grupos modulados 𝑀2 , 𝑆2 𝐾2 , 𝑃1 𝑆1 𝐾1 𝑆2 𝐾2 𝑀2 , 𝑆2 𝐾2 , 𝑁2 , 𝑃1 𝑆1 𝐾1 , 𝑂1 , 2𝑁2 , 𝑄1 p 8𝑎 847 Revolución del perigeo lunar 𝑀2 ,𝑁2 , 2𝑁2 , 𝑄1 , 𝐿2 2p ℎ − 𝑝𝑠 ℎ 4𝑎 424 365𝑑 260 Año anomalístico medio 365𝑑 242 Año trópico 2(𝑝 − ℎ) 2(ℎ − 𝑝𝑠 ) 205𝑑 892 Semirevolucion sinódica de la linea de los ápsides de la órbita de la luna 182𝑑 630 2𝑁2 , 𝑄1 𝑀2 , 𝑆2 𝐾2 , 𝑃1 𝑆1 𝐾1 𝑀2 , 𝑆2 𝐾2 , 𝑃1 𝑆1 𝐾1 , 𝑂1 , 2𝑁2 , 𝑄1 𝑁2 , 𝑄1 2ℎ 182𝑑 621 𝑆2 𝐾2 𝑀2 , 𝑆2 𝐾2 , 𝑁2 , 𝑃1 𝑆1 𝐾1 , 2𝑁2 , 𝑄1,𝐿2 3ℎ 121𝑑 747 𝑃1 𝑆1 𝐾1 , 𝑂1 , 𝑄1 4ℎ 91𝑑 311 𝑁2 , 2𝑁2 Tabla 2.2: Principales modulaciones de origen astronómico. 13 Capítulo 3 Preproceso de las series de observación Previo al contraste de métodos de análisis, es imprescindible disponer de una serie de observación de alta calidad por lo que es de vital importancia la etapa de preproceso. Aunque no es considerada como tal por algunos autores, consideramos que la etapa de reducción de las observaciones previa al análisis es fundamental para la obtención de una precisa determinación de las constantes armónicas de marea. Indican que se consideran como intervalos erróneos, y en consecuencia son modificadas o eliminados, aquellos que contienen fenómenos geodinámicos e hidrológicos de interés. Sin embargo, como demostraremos en las siguientes secciones, un cuidadoso estudio de los errores determinados en el proceso nos permite aislar errores de tipo instrumental. En esta etapa del trabajo, se ha procedido a analizar una serie de observación mareográfica, obtenida en una estación localizada en el puerto de La Coruña, perteneciente a la Red Nacional de Mareógrafos del IGN. Fue adquirida en el CNIG mediante subvención concedida al Grupo de Investigación UCM ‘GEODESIA’ de la Facultad de Matemáticas (Ref. UCM2005-910505/CAM910505). La elección de estas observaciones del nivel del mar fue realizada en función de tres condiciones: el amplio rango de mareas que caracteriza el Litoral Cantábrico Español, la longitud temporal de la serie disponible, 54 años (1950-2004), y su situación en coincidencia con una estación permanente GPS de alta precisión. 3.1. Base de datos mareográfica Figura 3.1: Edificio del mareógrafo y puerto de La Coruña. 14 Capítulo 3. Preproceso de las series de observación Situación coincidente con la Estación Permanente ERGNSS, situada en el puerto de La Coruña (Figura 3.1), de coordenadas: - longitud −8°23’56,16749’’, latitud 43°21’51,77081’’ y altitud episóidica 66.918 m 3.2. Detección de errores, lagunas y variaciones del cero del mareógrafo El objetivo central de la etapa de preproceso es la detección y corrección de errores groseros, la señalización de lagunas y la determinación de las variaciones del cero del mareógrafo respecto del cero hidrográfico local, que introducen discontinuidades en la serie, y errores en tiempo, entre otros. La importancia del preproceso radica en que sin él no se puede realizar, como ya hemos indicado, una buena etapa de análisis. Con este fin, se han desarrollado una serie de programas para ayudarnos en esta etapa que ha sido: - Determinación de fechas julianas, señalización de gaps y transformación de formatos (TRANSFORMAT.FOR) Filtro de media móvil (FiltroMediaMovil.m) Filtro Doodson 𝑋0 (dibujardatos_y_doodson.m) Corrección de desfasajes en tiempo (DESFASAJES.FOR) Tras una primera visión gráfica de los datos, se aplicaron dos filtros que nos ayudaron a entender y detectar algunos errores, entre los que destacan las variaciones del cero del mareógrafo y el aislamiento de series independientes. 3.2.1. Aplicación de filtros media móvil y Doodson Hemos considerado filtros que operan sobre señales digitales. Su principal aplicación es la separación de frecuencias en una señal. Se trata de una operación matemática que toma una secuencia de números (señal de entrada) y la modifica, produciendo una nueva secuencia (señal de salida) con el objetivo de resaltar o atenuar ciertas características, en nuestro caso fenómenos periódicos de unas ciertas frecuencias. En el análisis de mareas, normalmente es necesario obtener valores filtrados para tener una mayor información sobre el contenido de la señal. En este campo los más utilizados son los filtros paso bajo y paso banda. Para lo cual se han implementado, mediante programas desarrollados al efecto, tanto un filtro de media móvil como el filtro de Doodson. El proceso de filtrado paso bajo elimina las frecuencias altas que dependen de una frecuencia de corte, mientras que el filtro paso banda deja pasar un determinado rango de frecuencias y atenúa el resto. 15 Capítulo 3. Preproceso de las series de observación El filtro Media Móvil es un filtro FIR (Respuesta al Impulso Finita) de paso bajo que se utiliza normalmente para determinar saltos de la muestra (Shenoi,2006), al eliminar las bajas frecuencias. Al haber aplicado el filtro media móvil a la serie de observación sin haber obtenido resultados concluyentes, pero si indicios de la presencia de diversos ceros y sensores diferentes no normalizados, se implementó el filtro de Doodson X0 que es un método más elaborado. El filtro de Doodson 𝑋0 fue propuesto inicialmente por Doodson (1921) y más tarde, ampliado por Pugh (1987). Es un filtro FIR de paso bajo y permite retirar de la señal la parte diurna y semidiurna de la marea (González et al., 2011), dejando intactas las componentes de largo periodo 𝑆𝑎 𝑦 𝑆𝑠𝑎 . El filtro consiste en una media móvil centrada y ponderada. Recordemos que la media ponderada se utiliza cuando en un conjunto de datos cada uno de ellos tiene una importancia relativa (o peso) respecto a los demás datos. Se obtiene multiplicando cada uno de los datos por su ponderación para luego sumarlos, después se divide entre la suma de pesos, dando como resultado la media ponderada (Triola, 2009). En el caso del filtro de Doodson 𝑋0, el valor filtrado 𝑋𝐹 (𝑡) puede expresarse como (Pugh, 1987) 19 1 𝑋𝐹 (𝑡) = (𝐹0 · 𝑋(𝑡) + ∑ 𝐹𝑚 [𝑋(𝑡 + 𝑚) + 𝑋(𝑡 − 𝑚)]) 𝐹0 + 2 ∑19 𝑚=1 𝐹𝑚 𝑚=1 Donde los valores de los coeficientes vienen dados por 𝐹𝑚 = (2,1,1,2,0,1,1,0,2,0,1,1,0,1,0,0,1,0,1) Y el valor central 𝐹0 = 0. Figura 3.2: Representación del filtro de Doodson sobre los datos observados. 16 Capítulo 3. Preproceso de las series de observación En el caso del análisis de mareas, organismos internacionales como NOOA y PMSL recomiendan la aplicación de filtros de Doodson en el estudio de las variaciones del nivel del mar. En este caso, el valor 𝑋𝐹 (𝑡) tiene que ser normalizado dividiendo por un valor que depende de la frecuencia de corte (Pugh, 1996). 3.2.2 Errores en tiempo y contenido de la señal Otro de los problemas que se plantearon fue la posible existencia de problemas en la asignación de tiempos a las lecturas horarias., Para ello se implementó el programa DESFASAJES.FOR. Corrige los errores en tiempo, determinados a partir del estudio de la variación de los desfasajes de los constituyentes principales de marea y asigna un tiempo universal a las ordenadas horarias. Para analizar el contenido de la señal se utilizó el programa FOURIER2016.FOR, que consiste en una FFT con la que se obtienen los espectros de fase y de potencia. En la Figura 3.3 se muestra el espectro de potencia en el que destaca sobre todo la banda semidiurna. El programa en FORTRAN se desarrolló mediante la rutina FORIT, subrutina SSP (Ralston y Wilf, 1960). Figura 3.3: Espectro de potencia de nuestra serie de observación. 17 Capítulo 3. Preproceso de las series de observación Figura 3.4: Organigrama de la etapa de preproceso. 3.3. Programas estándar de preproceso Una vez realizada la primera fase del preproceso se aplicaron dos programas de cálculo que usan técnicas diferentes pero complementarias: MT36 y TSOFT. 3.3.1. MT36 Este programa fue desarrollado en el International Center of Earth Tides (ICET). El primer problema que nos encontramos fue que estaba inicialmente diseñado para mareas terrestres. Esto no lo invalida, pero los errores detectados deben ser tratados cuidadosamente. El proceso de detección y corrección de errores, así como discontinuidades (ausencia de datos y variaciones del cero del sistema de registro) se efectúa, mediante la aplicación de dos filtros: - Filtro DM47 de DE MEYER, Considera, para cada dato que se desea chequear. los 24 anteriores y los 24 posteriores, sobre la serie se construye un filtro mínimos cuadrados que elimina las frecuencias especiales a 0.15 ciclos/hora ≡ 3.6 18 Capítulo 3. Preproceso de las series de observación ciclos/día≡ T = 6.666 horas, periodo inferior a las terciodiurnas. El problema que presenta este método es la imposibilidad de detectar errores en los 24 primeros datos y los 24 últimos. - Filtro 𝒁𝟓𝟏/𝟐 LECOLAZET. Está basado en la teoría de combinación de ordenadas de Labroust. Determina el nivel de ruido y el valor de las correcciones de deriva 5 por el método de Lecolazet, que aplica el filtro 𝑍1/2 . Su idea está basada en encontrar una combinación de ordenadas que elimine todas las ondas de marea y la deriva instrumental. De esta forma, se separa el ruido y los errores de observación de la señal. Este autor es el primero en definir la idea de la selectividad basada en las propiedades de la combinación de ordenadas. Esencialmente considera combinaciones elementales Y selectividad, también denominada combinación de adición que permiten eliminar las ondas de corto periodo D, SD, TD, etc., aunque amplifica los largos períodos. La combinación elemental Z selectividad o combinación de sustracción, también es considerada. Filtra largos periodos y amplifica las ondas de periodo medio. De esta forma, mediante la aplicación sucesiva de estos dos tipos de combinaciones puede 5 conseguirse el resultado que se desee. El filtro de Lecolazet 𝑍1/2 es en realidad 5 5 𝑍1/2 : [𝑍1/2 𝑍 6 (𝑌3 − 𝑌0 /2)] Elimina todas las ondas de marea y la deriva instrumental. Es claro que, aplicando esta combinación a los intervalos de 24 horas, su resultado nos proporcionara los errores de digitalización (Melchior, 1987). Figura 3.5: Detección de errores instrumentales. 19 Capítulo 3. Preproceso de las series de observación Mediante la aplicación de este proceso fue detectado un periodo continuado de observación con errores regularmente distribuidos (Figura 3.5). Analizados, comprobamos que correspondían al bloqueo del sensor en los mínimos. Como crítica se podría decir que el programa está diseñado para Mareas terrestres, no considera altas frecuencias (no superiores a 0.15 ciclos/hora) características de las mareas oceánicas, donde son significativos armónicos generalmente hasta la sextodiurna. 3.3.2. TSOFT Tsoft es un programa desarrollado por Paul Vauterin et al (2005), con el fin de analizar, en general, series temporales y en particular series de mareas terrestres, implementado en el Real Observatorio de Bélgica. Calcula errores determinados por eventos geodinámicos de muy corto periodo. Este enfoque tiene muchas ventajas, particularmente a la hora de la detección y procesamiento de eventos (oscilaciones libres). Además, Tsoft ofrece la posibilidad de escribir archivos de comando, que permiten simplificar y acelerar las rutinas considerablemente. Su principal ventaja es que permite al usuario procesar los datos de una manera interactiva y gráfica. Además, se pueden introducir calibraciones no lineales dependientes del tiempo, compensar la variación de los desplazamientos del tiempo y calcular tanto el tiempo de retardo como su correlación. Posee un amplio rango de filtros clásicos, FFT, LSQ y ajuste polinomial de orden variable y la posibilidad de realizar el filtro Butterworth. Tiene ventanas móviles dependiendo del ajuste mínimos cuadrados que se quiera hacer y calcula los espectros de fase y de potencia entre otros. La principal desventaja del programa TSOFT es que adolece del mismo problema que el programa MT36 inicialmente desarrollado para mareas terrestres. Figura 3.6: Aplicación de distintos filtros a la serie mareográfica 20 Capítulo 3. Preproceso de las series de observación 3.3.3. OT16 El registro continuado del nivel del mar a lo largo de largos periodos de tiempo tiene como consecuencia la utilización sucesiva de instrumentos de diferentes características eso es lo que hace necesaria la homogeneización de la serie mareográfica (Figura 3.2). Se trata de determinar los factores de normalización de los diferentes bloques que componen la serie. Este proceso se realizó el programa OT16 (De Toro, 1989, 2016), basado en las técnicas mínimos cuadrados, obtiene las variaciones con el tiempo en amplitud y fase de los principales constituyentes de mareas. Como ya hemos indicado, nuestra serie de observación constaba de 54 años, empezando el 01/01/1950 hasta el 31/12/2004. A lo largo de este periodo de tiempo fueron instalados diferentes tipos de instrumentos (flotador, sensores de presión de fondo, compensados o no de presión atmosférica). Por este motivo los datos no eran homogéneos. La normalización se ha realizado respecto del último periodo dado que fueron registrados con el sensor de mejor calidad. Antes de considerar este periodo como base, hemos comprobado que los resultados de este periodo eran coherentes, con los proporcionados por la base de datos BAMAG (De Toro, 1994), el Permanet Service For Mean Sea Level (PSMSL), así como los obtenidos por otros autores en el Litoral Cantábrico Español (González et al, 2011) que utilizaron métodos similares de análisis. Una vez obtenidos, se aplicaron los siguientes factores - 01/01/1950 → 31/12/1955 con factor de homogeneización de 15 01/01/1956 → 31/12/1967 con factor de homogeneización de 10 01/01/1967 → 31/12/1996 con factor de homogeneización 11.2 01/01/1967 → 31/12/2004 con factor de homogeneización 1.635 21 Capítulo 4 Técnicas de análisis de mareas oceánicas Una vez reducidas las observaciones del fenómeno de marea que queremos estudiar, procedemos a estudiar las técnicas de análisis armónico, objetivo central de este trabajo. Se trata de determinar los factores de amplitud y los desfasajes de todos los armónicos que la longitud de registro nos permita separar. Los métodos de análisis actuales pueden ser clasificados en función del método matemático utilizado: • • • Métodos basados en la aplicación de filtros construidos mediante técnicas mínimos cuadrados. En ellos se supone que la diferencia entre la señal observada y la de marea es ruido blanco y su distribución es aleatoria. Los más conocidos son los métodos desarrollados por A.P. Venedikov (en sus distintas versiones: 1966, 1984, 1995, 2000 y 2003), el método desarrollado por Usandivaras-Ducarme en 1969, el de Chojnicki en 1972, Foreman en 1977 y Caldwell en 1998. Métodos espectrales o analíticos. Los fundamentos matemáticos de estos métodos son la determinación de la amplitud y fase reales de las componentes de marea por análisis espectral de Fourier. Los principales son los desarrollados por Sukhwani-Vieira en 1976 y Dejaiffe-Ducarme en 1976. Métodos mixtos. Combinan los métodos mínimos cuadrados con los espectrales. Entre estos métodos destacan el método híbrido de K. Schüller (HYCON, presentado en 1973) y el de H-G. Wenzel, denominado ETERNA (1993 y 1997). 4.1. Mínimos cuadrados El objetivo del método mínimos cuadrados, al igual que el resto de métodos de análisis, es la determinación del factor de amplitud (cociente entre la amplitud real y teórica) y desfasaje (diferencia entre fase real y teórica) de cada componente de marea a partir de la determinación de la amplitud y fase reales, utilizando como modelo de comparación la marea de equilibrio. La separación de las componentes se efectúa mediante la aplicación de filtros numéricos construidos por el método de mínimos cuadrados, suponiendo que la diferencia entre la señal observada y la de marea es ruido blanco y su distribución es aleatoria. En los métodos armónicos de análisis queremos modelar una función 22 Capítulo 4. Técnicas de análisis de mareas oceánicas donde 𝑇(𝑡) altura de marea para el instante t N número de constituyentes de mareas usados para el análisis 𝑍0 altura del nivel medio observado sobre el Cero Hidrográfico Local 𝐻𝑛 amplitud del constituyente n 𝜎𝑛 velocidad angular t tiempo 𝑔𝑛 desfasaje del constituyente en la marea de equilibrio 𝑓𝑛 factor nodal para el constituyente n 𝑉𝑛 + 𝑢𝑛 argumento del constituyente n en el instante t = 0 Donde los parámetros desconocidos son 𝑍0 y las constantes armónicas (𝐻𝑛 , 𝑔𝑛 ). El modelado es tan ajustado que ∑ 𝑆 2 (𝑡) es el cuadrado de la diferencia entre el dato observado y el calculado 𝑆(𝑡) = 𝑂(𝑡) − 𝑇(𝑡) Y lo que se busca es minimizar ∑ 𝑆 2 (𝑡). (Pugh, 1987) 4.2. Análisis espectral de Fourier Los métodos espectrales o analíticos tienen como principal fundamento matemático la determinación de la amplitud y fase reales de las componentes de marea por análisis espectral de Fourier. Este tipo de métodos presenta, en principio, una serie de problemas, que son corregidos en algunos casos. Entre ellos, destacamos la necesidad de un registro de gran longitud sin interrupciones, la aparición de oscilaciones secundarias por el efecto ventana, la necesidad de eliminar la deriva con anterioridad al análisis en las observaciones oceánicas, la disminución de la resolución debido a ondas cuyas frecuencias no son múltiplo de las frecuencias fundamentales del análisis y la necesidad de normalización de los datos horarios. Por otro lado, tiene la ventaja que permite la detección de fenómenos periódicos cuyas frecuencias no coinciden con las de la marea. Existen diversos métodos de análisis espectral, basados en diferentes procedimientos matemáticos para la determinación de las constantes armónicas. Entre ellos, destacamos dos, el desarrollado por Dejaiffe y Ducarme y el desarrollado por Sukhwani y Vieira. 23 Capítulo 4. Técnicas de análisis de mareas oceánicas El método de análisis espectral desarrollado por (Dejaiffe-Ducarme, 1976) se basa en la determinación de las transformadas de Fourier coseno y seno, 𝑢(𝜔)𝑦 𝑣(𝜔) respectivamente, mediante la fórmula integral de Filon, donde estos parámetros están expresados en función de la señal observada en un conjunto discreto de puntos. El método matemático utilizado por Sukhwani-Vieira (Sukhwani, Vieira, 1978) se basa en el algoritmo numérico de Cooley-Tukey para la transformada rápida de Fourier (FFT) pero considerando un número de lecturas que no debe ser una potencia de dos. La deriva (cuando resulta necesario) se ajusta por polinomios de Legendre o método de Pertsev y se elige aquel ajuste que da menores errores cuadráticos medios para las constantes armónicas. Además, utiliza el hecho de que se conoce a priori la frecuencia de cada componente de marea para el cálculo de la serie de Fourier que ocasiona cada onda, estableciendo un sistema de ecuaciones donde las incógnitas son el factor de amplitud y el desfasaje. También se calcula el efecto de las interrupciones sobre el espectro y, a través de convoluciones apropiadas de las series de Fourier para cada onda, se tiene en cuenta este efecto. Este método llamado LEGENDRE, consideraba inicialmente el potencial de Cartwright-Tayler-Edden en la determinación teórica de ondas. Posteriormente fue adaptado al análisis de series mareográficas por C. de Toro en el año 1989 (De Toro, 1989) (programa LEMAG). 4.3. Métodos mixtos Los métodos mixtos de análisis están basados en la utilización combinada de los métodos de transformada de Fourier y métodos numéricos para la obtención del modelo de marea. Uno de los primeros métodos de este tipo fue el método híbrido HYCON de Schüller (Schüller, 1977). Este método aprovecha las propiedades de convolución de la ventana de Hanning para determinar las funciones seno y coseno que dependen del tiempo. Esto da lugar a los términos de una matriz, que establece un sistema de ecuaciones con incógnitas los parámetros de marea. La principal diferencia entre este método y el método mínimos cuadrados es que los parámetros de marea se estiman directamente por sus “realizaciones”; es decir, por las funciones parámetro. El argumento que se emplea es que los errores no deben ser estimados para que sean mínimos, sino que representen una perturbación que pueda no ser mínima. Basándose en este principio y en el método de Chojnicki, Wenzel desarrolló a partir de 1993 un nuevo método de análisis de mareas, llamado ETERNA (Wenzel, 1993, 1996). Utiliza un ajuste mínimos cuadrados con una entrada en varios canales para derivar parámetros de marea, parámetros de marea del polo y coeficientes de regresión de efectos meteorológicos. El espectro de los residuales es utilizado para deducir la desviación estándar de los parámetros ajustados. El modelo matemático usado en esta etapa fue el desarrollado por Chojnicki en 1973 y completado por Schüller y Wenzel. Además, permite elegir entre siete potenciales distintos de marea. También es posible predecir la marea en un punto y calcular el efecto de carga oceánica. 24 Capítulo 4. Técnicas de análisis de mareas oceánicas 4.4. Método de la respuesta Una alternativa a los métodos de análisis armónicos es el método de la respuesta, es la técnica más usada y en la que se desarrollan mejoras, aunque estas no son suficientes para proporcionar predicciones tan precisas como las de los métodos de análisis armónico. El método de la respuesta fue propuesto por Walter Munk y David Cartwright (Munk y Cartwright, 1966). Usan el desarrollo del potencial en la superficie de la Tierra mediante armónicos esféricos complejos ∞ ∞ Ω(𝜃, 𝜆, 𝑡) = ∑ ∑ 𝑔[𝑎𝑛𝑚 (𝑡)𝑈𝑛𝑚 ( 𝜃, 𝜆) + 𝑏𝑛𝑚 (𝑡)𝑉𝑛𝑚 (𝜃, 𝜆)] 𝑛=0 𝑚=0 donde (𝜃, 𝜆, 𝑡) son la colatitud norte, longitud este y la variable tiempo respectivamente 𝑎𝑛𝑚 𝑦 𝑏𝑛𝑚 son la parte real e imaginaria del coeficiente complejo 𝐶𝑛𝑚 calculado directamente de las efemérides lunar y solar (𝑈𝑛𝑚 + 𝑖𝑉𝑛𝑚 ) representa la variación del potencial Las variaciones de marea están representadas de la forma ∞ 𝑇(𝑡) = ∫ 𝑤(𝜏)𝐶(𝑡 − 𝜏)𝑑𝜏 0 Donde 𝑤(𝜏) son los pesos ligados a los valores de Ω en el instante (𝑡 − 𝜏). En el caso oceánico se utiliza la transformada de Fourier ∞ 𝑍(𝜔) = ∫ 𝑤(𝜏) exp(−𝑖𝜔𝜏)𝑑𝜏 −∞ En la ecuación anterior cuantos más pesos y desfasajes son incluidos mayor es la precisión que se obtiene. La amplitud y la fase obtenida por el método de la respuesta son |𝑍(𝜔)| 𝑦 arg(𝑍(𝜔)) que son fácilmente calculados de la parte real e imaginaria. Figura 4.1: Sistema Tierra – Sol 25 Capítulo 4. Técnicas de análisis de mareas oceánicas Una ventaja del método de la respuesta es la introducción por Munk y Cartwright de la idea del potencial radiacional, que varía con la radiación solar incidente en la superficie. Un desarrollo armónico del potencial radiacional ha sido desarrollado para calcular los constituyentes armónicos radiacionales y es definida como 𝑃𝑆 ℜ = 𝑠 ( ) cos(𝜑) 𝑅𝑠 − 𝜋 𝜋 <𝜑< 2 2 Esta aplicación posee un valor incalculable en el estudio de la dinámica oceánica, ya que la distribución espacial está fuertemente influenciada por el efecto de la radiación intrínseca solar. 26 Capítulo 5 Estudio comparativo de métodos de análisis Una vez estudiadas teóricamente las principales técnicas de análisis utilizadas tradicionalmente en la determinación de modelos locales de marea oceánica, se ha realizado un estudio individual y comparativo en orden a su aplicación práctica. Se trata de analizar su idoneidad en relación con las diferentes investigaciones que se realizan en la actualidad en relación con el nivel del mar. Con este objetivo se analizan cuatro de los métodos más utilizados en la actualidad, que han sido: TIDANA (Foreman, 1977), OT16 (De Toro, 1989), y SPL64 (Caldwell, 1998) y VAV03 (Venedikov, 2003). Todos de ellos utilizan técnicas mínimos cuadrados. 5.1. VAV03 El programa VAV03 (Venedikov et al., 2003), basado en un modelo de señal de mareas, es el resultado de una mejora progresiva del algoritmo mínimos cuadrados desarrollado en 1966 e implementado en el programa NSV (Venedikov et al., 1977). El primer paso de este método consiste en la eliminación de la deriva instrumental, que puede ser aproximada mediante un polinomio de grado n, puesto que se superpone a las ondas de marea. Al mismo tiempo, se efectúa la separación de las mareas diurna (D), semidiurna (SD) y terciodiurna (TD), aplicando para cada una de estas especies de marea dos filtros (par e impar) sobre series de N lecturas horarias, generalmente 48 horas. En el caso de las mareas oceánicas no se considera la eliminación de deriva en la determinación de largos periodos y obtención de residuales determinantes del nivel medio del océano. En principio, conoceremos el espectro teórico de la señal, S dado por las amplitudes, frecuencias y fases correspondientes en el caso oceánico a la marea de equilibrio. En las variaciones observadas del nivel del mar, las frecuencias permanecen invariables, pero las amplitudes teóricas deben ser multiplicadas por un factor 𝛿 y su fase inicial incrementada por un desfasaje 𝛼 𝑆 = ∑ 𝛿𝑖 𝐴𝑖 cos(𝜔𝑖 𝑡 + 𝜑𝑖 + 𝛼𝑖 ) 𝑖 debido a la respuesta variable de las masas oceánicas a las fuerzas de mareas en función de las condiciones de contorno. 27 Capítulo 5. Estudio comparativo de métodos de análisis Ahora bien, dada la longitud habitual de las series de observación, es imposible determinar estos factores para todas y cada una de los componentes que constituyen los modelos teóricos (Tamura, 1987). Sin embargo, podemos formar grupos de ondas de frecuencias próximas para las cuales sea válido considerar que 𝛿 y 𝛼 permanecen constantes 𝑆 = ∑ 𝛿𝑗 ∑ 𝐴𝑖 cos(𝜔𝑖 𝑡 + 𝜑𝑖 + 𝛼𝑗 ) 𝑗 𝑖 De esta forma, se reduce el problema a un número razonable de incógnitas. Se inicia el proceso dividiendo el registro en intervalos INT, de longitud N horas, variable en función de las frecuencias que se desean separar. N será así mismo el número de coeficientes de los filtros. La curva de mareas comprendida en el interior de un cierto intervalo puede ser aproximada por ecuaciones que incluirán las principales componentes de marea. El conjunto de filtros que tratamos de construir será un operador lineal que resuelve estas ecuaciones por mínimos cuadrados. Cada una de las lecturas horarias puede ser representada por la suma de un número finito de términos, armónicos y no armónicos, de la forma: 𝑠 𝑅 𝑙𝑡 = 𝑙(𝑇 + 𝑡) = ∑ 𝐴𝑖 cos(𝜔𝑖 (𝑇 + 𝑡) + 𝜑𝑖 ) + ∑ 𝑧𝑗 𝑝𝑗 (𝑡) + 𝑒(𝑡) 𝑖=1 𝑗=1 donde T es la época central del intervalo t es el intervalo de tiempo en horas, tomando como origen el instante T 𝐴𝑖 las amplitudes observadas de las principales componentes de frecuencia 𝜔𝑖 𝜑𝑖 fases iniciales observadas en la época inicial 𝑡0 = 0 elegida como origen convencional 𝐷(𝑡𝑗 ) = ∑𝑅𝑗=1 𝑧𝑗 𝑝𝑗 (𝑡) es una función del tiempo que representa la deriva. En ella se incluye la deriva instrumental, componentes de muy largo periodo, que no es posible separar mediante el análisis en virtud de la longitud finita del intervalo de observación, variaciones estacionales, etc. Esta deriva suele ser aproximada por un polinomio de orden r. El polinomio de deriva no es considerado cuando se trabaja con largos periodos. 𝑒(𝑡) es el ruido, que contiene las imperfecciones de la aproximación finita de la curva registrada por la anterior ecuación, errores de observación no corregidos en la etapa de preproceso, etc. 28 Capítulo 5. Estudio comparativo de métodos de análisis Así, para las N ordenadas sucesivas tendremos un sistema formado por N ecuaciones de observación, que pueden ser escritas de la forma 𝑠 𝑅 𝑙(𝑇 + 𝑡) = ∑ 𝐴𝑖 cos(𝜔𝑖 (𝑇 + 𝑡) + 𝜑𝑖 ) + ∑ 𝑧𝑗 𝑝𝑗 (𝑡) + 𝑒(𝑡) = 𝑖=1 𝑗=1 𝑠 = ∑[𝐴𝑖 cos(𝜔𝑖 𝑡) 𝑐𝑜𝑠(𝜔𝑖 𝑇 + 𝜑𝑖 ) − 𝐴𝑖 sen(𝜔𝑖 𝑡) 𝑠𝑒𝑛(𝜔𝑖 𝑇 + 𝜑𝑖 )] + 𝑖=1 𝑅 + ∑ 𝑧𝑗 𝑝𝑗 (𝑡) + 𝑒(𝑡), 𝑡 = −𝑛, … , 𝑛 𝑗=1 Si realizamos el cambio 𝜚𝑖 = 𝐴𝑖 𝑐𝑜𝑠(𝜔𝑖 𝑇 + 𝜑𝑖 ) 𝜂𝑖 = −𝐴𝑖 𝑠𝑒𝑛(𝜔𝑖 𝑇 + 𝜑𝑖 ) que podemos expresar en función de los parámetros de marea, factor de amplitud y desfasajes 𝜚𝑖 = 𝛿𝑖 𝐴𝑖𝑟 𝑐𝑜𝑠(𝜔𝑖 𝑇 + 𝜑𝑖𝑟 + 𝛼𝑖 ) 𝜂𝑖 = −𝛿𝑖 𝐴𝑖𝑟 𝑠𝑒𝑛(𝜔𝑖 𝑇 + 𝜑𝑖𝑟 + 𝛼𝑖 ) donde los valores teóricos 𝐴𝑖𝑟 , 𝜔𝑖 𝑦 𝜑𝑖𝑟 pueden ser calculados a partir de los potenciales, quedando las ecuaciones en la forma 𝑠 𝑅 𝐿(𝑇 + 𝑡) = ∑ 𝜚𝑖 cos(𝜔𝑖 𝑡) + 𝜂𝑖 𝑠𝑒𝑛(𝜔𝑖 𝑡) + ∑ 𝑧𝑗 𝑝𝑗 (𝑡) + 𝑒(𝑡), 𝑖=1 𝑡 = −𝑛, … , 𝑛 (1) 𝑗=1 donde 𝜚𝑖 , 𝜂𝑖 , 𝑧𝑗 son incógnitas dependientes de T. Es decir, tendremos como incógnitas 𝑥𝑖 (𝑖 = 1, … , 𝑚) donde m=2S+R+1 𝜚𝑖 , … , 𝜚𝑠 → 𝑠 𝜂𝑖 , … , 𝜂𝑠 → 𝑠 𝑧𝑗 , . . , 𝑧𝑅 → 𝑅 + 1 Tendremos además como incógnitas 𝑒(−𝑛) … 𝑒(𝑛) → 𝑁 es decir, en total hay 2𝑆 + 𝑅 + 𝑁 + 1 incógnitas. Sistema de N ecuaciones que puede ser escrito en la forma 𝐿̅(𝑇) = 𝑥1 ̅̅̅ 𝐴1 + ⋯ + 𝑥𝑚 ̅̅̅̅ 𝐴𝑚 + 𝑒̅ ecuación vectorial que tiene por elementos 29 Capítulo 5. Estudio comparativo de métodos de análisis 𝐿(𝑇 − 𝑛) … ̅ 𝐿(𝑇) = ( ) 𝐿(𝑇 + 𝑛) 𝑒(−𝑛) 𝑒̅ = ( … ) 𝑒(𝑛) 𝑥𝑖 : 𝜚1 … 𝜚𝑠 𝜂1 … 𝜂𝑠 𝑧0 … 𝑧𝑅 , 𝑖 = 1, … , 𝑚 𝐴̅𝑖 componentes armónicas en términos 𝑐𝑜𝑠𝜔𝑖 𝑡, 𝑠𝑒𝑛𝜔𝑖 𝑡 o términos de deriva y, por tanto, variables a lo largo de las diferentes ordenadas horarias que componen el intervalo de observación, son los coeficientes de las incógnitas 𝑥1 , … , 𝑥𝑚 𝑠𝑒𝑛𝜔 (−𝑛) 𝑐𝑜𝑠𝜔 (−𝑛) 1 1 𝑠𝑒𝑛𝜔𝑠 (−𝑛) 𝑐𝑜𝑠𝜔𝑠 (−𝑛) … … 𝐴̅𝑖 = ( 𝑐𝑜𝑠𝜔… (𝑛) ) … ( ); ( 𝑠𝑒𝑛𝜔… (𝑛) ) … ( ); 𝑐𝑜𝑠𝜔𝑠 (𝑛) 1 𝑝0 (−𝑛) 𝑝𝑅 (−𝑛) ( … )… ( … ) 𝑝0 (𝑛) 𝑝𝑅 (𝑛) 1 La ecuación anterior puede ser escrita en forma vectorial 𝑠𝑒𝑛𝜔𝑠 (𝑛) 𝐿̅ = ̅̅̅̅ 𝐴𝑋 + 𝑒̅ . Por técnicas mínimos cuadrados se estiman los coeficientes 𝑥𝑖 mediante un algoritmo de separación de variables. Así, si se desea determinar una componente particular 𝑥𝑖 , se trata de construir un filtro 𝐹𝑗 que amplifique esta componente y elimine completamente las otras, es decir, ̅𝑗 ∗ 𝐿 valor filtrado, convolución de F y L 𝑥𝑖 = 𝐹 bajo las condiciones 1, 𝑖 = 𝑗 𝑅𝑖𝑗 = 𝐹𝑗𝑖 𝐴𝑖 = { 0, 𝑖 ≠ 𝑗 𝑖 = 1, … , 𝑚 Recordemos que si 𝐹 ∗ = (𝑓1 , … , 𝑓𝑛 ) son los coeficientes del filtro buscado, el valor filtrado 𝑛 𝑈(𝑇) = ∑ 𝑓𝑡 𝑙𝑡 = 𝐹 ∗ 𝐿 𝑡=−𝑛 es la aplicación de F sobre L o convolución. Los filtros empleados por Venedikov son obtenidos como combinaciones lineales de los vectores ̅𝐴𝑘𝑖 (𝑘 = 1,2; 𝑖 = 1, … , 𝑚𝑘 ), a los que les corresponde el filtro 𝐹̅𝑘𝑖 (𝑘 = 1, 2; 𝑖=1, … , 𝑚𝑘 ) cuyos coeficientes 𝑓𝑘𝑖 (𝑡) son valores de una función del tiempo. Los filtros que buscamos satisfacen dos condiciones - 𝐹̅𝑖 es una combinación lineal de 𝐴1 , … , 𝐴𝑖 - 𝑅𝑖𝑗 = { 0, 𝑗 < 𝑖 1, 𝑗 = 𝑖 30 Capítulo 5. Estudio comparativo de métodos de análisis Eliminando, por lo tanto, todas las componentes situadas a la izquierda de 𝐴𝑖 . Estas condiciones forman un sistema de m ecuaciones con N incógnitas, que proporcionan mediante la aplicación del método mínimos cuadrados los coeficientes del filtro. Las dos condiciones impuestas transforman la expresión (2) en 𝑚𝑘 𝐿̅ = ∑ ∑ 𝑔𝑘𝑖 ̅̅̅̅ 𝐹𝑘𝑖 𝑉𝑘𝑖 + 𝑒̅ 𝑘=1,2 𝑖=1 donde 𝑔𝑘𝑖 = 1 ̅ 𝐹𝑖∗ 𝐹̅𝑖 denominada altura del filtro, y 𝑉𝑘𝑖 son las nuevas incógnitas, cuyo valor estimado por mínimos cuadrados ∗ ̅ 𝑉̃𝑘𝑖 = 𝐹̅𝑘𝑖 𝐿(𝑇) = 𝑢𝑘𝑖 es idéntico al número filtrado. A fin de contrastar el método, sobre la serie de observación seleccionada se realizaron un elevado número de análisis, considerando diversas separaciones tanto en cuanto a las bandas como en la separación en número de constituyentes dentro de cada una de ellas. En la Figura 5.1 presentamos los resultados de las bandas diurna a cuarto diurna. Otro aspecto importante del programa es que elige la variable óptima, 𝑉0 𝑜 𝑉1, a través de un test de hipótesis. Si 𝐻0 es rechazada entonces 𝑉1 es elegida y viceversa. Es realizado por el método de análisis de varianzas. Se computa la F de Fisher, en este caso (𝑆02 − 𝑆12 ) 𝐹= 𝜎02 Cuando 𝐻0 es cierta y 𝑉0 debe ser elegida, F debe tomar valores pequeños; cuando 𝐻0 no es cierta y 𝑉1 debe ser elegida, F debe tomar valores grandes. Para determinar cuándo un valor es grande o pequeño usa la F – Snedecor con nivel de significación 𝛼 = 1 − 𝑃, con 𝑃 = 95% 𝑜 𝛼 = 5%. Se podría encontrar un valor crítico (𝐹𝑐𝑟𝑖𝑡 ) para la F y así determinar cuando la F es grande o pequeña con 𝐹 ≥ 𝐹𝑐𝑟𝑖𝑡 𝑜 𝐹 < 𝐹𝑐𝑟𝑖𝑡 Un inconveniente práctico es que con la F se comparan dos variables únicamente. Cuando tenemos que usar muchas variables se convierte en complicado comparar todas las variables dos a dos. Aquí es donde interviene el criterio Akaike (AIC) (Sakamoto et al., 1986) pues representa una forma más cómoda de elegir la variable óptima. 31 Capítulo 5. Estudio comparativo de métodos de análisis Figura 5.1: Componentes armónicas significativas. Bandas centrales del espectro Número de iteración 0 1 2 3 4 5 AIC 356825 299353 274240 259973 252095 248251 Tabla 5.1: Variación del AIC en el proceso iterativo 32 Capítulo 5. Estudio comparativo de métodos de análisis Dado por 𝐴𝐼𝐶 = 𝑛 log(2𝜋) + 𝑛 log(𝜎 2 ) + 𝑛 + 2(𝑚 + 2) donde n es el número total de datos m es el número total de desconocidos 𝜎 2 es una estimación de la varianza A la hora de elegir una variable óptima basta con observar cual es la variable con menor valor AIC. El programa VAV03 presenta un número de ventajas considerables, empezando porque permite el análisis de la marea atmosférica, imprescindible cuando se apodizan las constituyentes de marea para determinar el nivel medio observado. Un error muy común consiste en eliminar dos veces las componentes solares, al eliminar el efecto Barométrico Inverso. También posee una entrada multicanal y realiza una iteración de análisis de la misma serie en las que se eliminan los intervalos que presentan perturbaciones geodinámicas o instrumentales. En este caso se observa la disminución del valor AIC (Tabla 5.1). Otra gran ventaja es la aplicación del criterio AIC para calcular para cada frecuencia y tanto el valor individual como el valor global correspondiente. Permite la utilización o no de la deriva, gracias a eso pueden ser halladas con precisión las componentes de largo periodo, aunque dada la longitud de nuestra serie de observación los resultados no fueron muy significativos dado un test de significación 3𝜎. Sabiendo que la variabilidad del nivel del mar en los largos periodos contiene componentes astronómicas, radiacionales y metereológicas con amplitudes para una componente anual (28-39 mm), semianual (19-21 mm), mensual (3-6 mm) y semimensual (2 mm), valores que oscilan en función de los bloques analizados. En virtud de la longitud del registro no se han obtenido componentes significativas como se observa en Figura 5.2. También es el programa que permite la determinación el número más elevado de componentes armónicas en aguas someras. En la Figura 5.3 se muestran los constituyentes significativos desde la banda terciodiurna hasta la banda de 11 ciclos por día, observando que los constituyentes no son significativos a partir de la banda 8. Presentamos en la Tabla 5.2 el valor AIC para cada uno de los análisis realizados. 33 Capítulo 5. Estudio comparativo de métodos de análisis Figura 5.2. Análisis de largos periodos Figura 5.3: Análisis en aguas someras Componentes armónicas Análisis simple Largos periodos Aguas someras AIC 108884 109581 356825 Tabla 5.2: Comparación del valor AIC en el cálculo de diferentes componentes 34 Capítulo 5. Estudio comparativo de métodos de análisis La alta complejidad para su uso es su principal inconveniente. Otra ventaja del método VAV03 es la salida de los residuales con los que a través de un test de significación 3𝜎 se observa cuales son significativos (Figura 5.4) Figura 5.4: Residuales de la serie mareográfica 5.2. OT16 El programa OT16 (De Toro, 1989) además de haber sido utilizado para determinar los factores de normalización en nuestra serie mareográfica con el objetivo de homogeneizar la serie también se usa para realizar un análisis armónico de los constituyentes de marea. Usa las mismas técnicas que el programa VAV03, aunque tiene como principal innovación la incorporación del cálculo del vector residual respecto de la marea de equilibrio. Su determinación es de gran interés ya que, al estar contenidos en él todos los efectos y perturbaciones no eliminados, nos permite, a través de su distribución espacial analizar las características hidrodinámicas de las diferentes cuencas oceánicas. Expresa los constituyentes en forma vectorial y se efectúa la diferencia entre el teórico y el observado. 35 Capítulo 5. Estudio comparativo de métodos de análisis Figura 5.5: Salida OT16 5.3. TIDANA Esta versión utilizada ha sido una mejora de los métodos tradicionales incluyendo una mejor precisión de corrección nodal, inferencia y ajuste del argumento astronómico mediante su directa incorporación en la matriz mínimos cuadrados, inferencias de un solo constituyente, matriz de correlaciones y error estimado que facilita que constituyentes elegir para el análisis. Esta nueva metodología ha sido evaluada mediante comparaciones con resultados de viejas técnicas y posteriormente aplicados a dos problemas que no pueden ser resueltos con precisión mediante el software antiguo. El método implementado en el TIDANA ha sido el mismo que el de Venedikov (mínimos cuadrados) pero modificado con el algoritmo de Gram-Schmidt (Foreman, 1977). 36 Capítulo 5. Estudio comparativo de métodos de análisis El sistema original para determinar las ecuaciones que nos proporciona los mínimos cuadrados es: 𝑀 𝑦(𝑡𝑖 ) − 𝑦𝑖 = 𝐴0 + ∑ 𝐴𝑗 𝑐𝑜𝑠2𝜋(𝜎𝑗 𝑡𝑖 − 𝜙𝑗 ) − 𝑦𝑖 = 0 ∀𝑖 = 1, … , 𝑁 𝑗=1 𝑀 𝑦 ′ (𝑡𝑖 ) = − ∑ 2𝜋𝐴𝑗 𝑠𝑖𝑛2𝜋(𝜎𝑗 𝑡𝑖 − 𝜙𝑗 ) = 0 ∀𝑖 = 1, … , 𝑁 𝑗=1 Sustituimos 𝐶0 = 𝐴0 , 𝐶𝑗 = 𝐴𝑗 𝑐𝑜𝑠2𝜋𝜙𝑗 , 𝑆𝑗 = 𝐴𝑗 𝑠𝑖𝑛2𝜋𝜙𝑗 𝑝𝑎𝑟𝑎 𝑗 = 1, … , 𝑀 y las ecuaciones de arriba se convierten 𝑀 𝐶0 + ∑ 𝐶𝑗 cos(2𝜋𝜎𝑗 𝑡𝑖 ) + 𝑆𝑗 sin(2𝜋𝜎𝑗 𝑡𝑖 ) = 𝑦𝑖 𝑗=1 𝑀 ∑ 2𝜋𝜎𝑗 (𝐶𝑗 sin(2𝜋𝜎𝑗 𝑡𝑖 ) − 𝑆𝑗 cos(2𝜋𝜎𝑗 𝑡𝑖 )) = 0 𝑗=1 Que son lineales con los parámetros nuevos 𝐶0 , 𝐶𝑗 , 𝑆𝑗 . Los 𝐴𝑗 𝑦 𝜙𝑗 pueden ser calculados por las fórmulas 𝐴𝑗 = (𝐶𝑗2 + 𝑆𝑗2 )1/2 2𝜋𝜙𝑗 = 𝑡𝑎𝑛−1 𝑆𝑗 𝐶𝑗 Para preservar la precisión es preferible computar la solución mínimos cuadrados directamente por procedimientos de ortogonalización, como la triangularización Householder. Aunque el número de ecuaciones N, es mucho mayor que el número de parámetros M la aproximación de ecuaciones normales tiene sus ventajas. No solo da la solución de estas ecuaciones, sino que también requiere la mitad de ecuaciones que los procesos de ortogonalización. Se utiliza este procedimiento para salvar memoria. Figura 5.6: Esquema TIDANA 37 Capítulo 5. Estudio comparativo de métodos de análisis Algunos constituyentes lunares, notablemente 𝐿2 , son afectados por el ciclo de 8.85 años y todos los constituyentes lunares son afectados por el ciclo nodal de 18.6 años; estas modulaciones, que no pueden ser separadas, determinadas de un año de datos deben ser representadas de otra manera. Cuando se representan todos los armónicos estos aparecen separados del principal término con velocidades angulares 𝑖4 𝑤4 ; 𝑖5 𝑤5 Los términos que son separados por 𝑖6 𝑤6 pueden ser considerados constantes para todos los objetivos prácticos. Las modulaciones que no pueden ser resueltas como constituyentes independientes por análisis de un año de datos son representadas por pequeños ajustes de factores f y u. Cada constituyente es escrito en grados. 𝐻𝑛 𝑓𝑛 cos[𝜎𝒏 𝑡 − 𝑔𝑛 + (𝑉𝑛 + 𝑢𝑛 )] donde 𝑉𝑛 es el ángulo de fase en el momento 0 𝑓𝑛 y 𝑢𝑛 factor nodal y ángulo nodal respectivamente. La aplicación de términos nodales puede ser ilustrada por la variación de 𝑀2 . Si el análisis de un año está hecho a través de un periodo nodal de 18.61 años, la amplitud de la 𝑀2 aumenta y disminuye sobre un 4%. Además, expresando todos los armónicos, cerca de la principal 𝑀2 (con velocidad angular 2𝜔1 ) existen muchos términos, el único importante tiene como velocidad angular 2𝜔1 + 𝜔5 y una amplitud de -0.0373. Si lo escribimos tenemos: 𝐻𝑀2 𝑐𝑜𝑠(2𝜔1 𝑡) − 𝛼𝐻𝑀2 𝑐𝑜𝑠(2𝜔1 𝑡 + 𝜔5 𝑡) tenemos 𝐻𝑀2 [(1 − 𝛼𝑐𝑜𝑠(𝜔5 𝑡)) cos(2𝜔1 𝑡) − 𝛼𝑠𝑖𝑛(𝜔5 𝑡)sin(2𝜔1 𝑡)] = = 𝐻𝑀2 [𝑓𝑐𝑜𝑠(2𝜔1 𝑡 + 𝑢)] donde 𝑓𝑐𝑜𝑠(𝑢) = 1 − 𝛼cos(𝜔5 𝑡) 𝑓𝑠𝑖𝑛(𝑢) = −𝛼sin(𝜔5 𝑡) y para valores pequeños de 𝛼 se verifica que 𝑓 2 = 1 − 2𝛼𝑐𝑜 𝑠(𝜔5 𝑡) + 𝑢2 𝑓 2 ≈ 1 − 𝛼𝑐𝑜 𝑠(𝜔5 𝑡) = 1 − 0.0373 cos(𝜔5 𝑡) de tal manera que tan(𝑢) = −𝛼sin(𝜔5 𝑡) 1 − 𝛼cos(𝜔5 𝑡) 38 Capítulo 5. Estudio comparativo de métodos de análisis donde u está en radianes 𝑢 ≈ −𝛼 sin(𝜔5 𝑡) = −2.1° sin(𝜔5 𝑡) La fase del ángulo nodal 𝜔5 𝑡 está medida desde el momento donde asciende el nodo lunar, cuando la luna cruza la eclíptica desde el sur hasta el norte, en el Primer Punto de Aries. Cercano a este tiempo se alcanza una máxima declinación de 28° 36’ y el valor f de la 𝑀2 tiene un valor mínimo de 0.963. Después de un intervalo de 9.3 años cuando la luna tiene una declinación de 18° 18’ el valor de f alcanza su máximo 1.037. Si los ajustes nodales no hubieran sido hechos, el análisis de la serie anual en el momento de máxima declinación hubiera dado valores que son un 7.5 % menor que los valores que hemos obtenido 9.3 años después. Los factores que determinan f y u son mayormente constituyentes nodales. Para los constituyentes 𝐾1 𝑦 𝐾2 sólo la parte lunar tiene una modulación nodal y esto ha sido posible gracias a este desarrollo anterior. Los términos que representan los cambios en la declinación tienen las mayores variaciones nodales. La amplitud de 𝑂1 varía un 18.7%, la amplitud de 𝐾1 varía un 11.5% y la amplitud de 𝐾2 varía por un 28.6%. 𝑴𝒎 𝑴𝒇 𝑸𝟏 , 𝑶𝟏 𝑲𝟏 𝟐𝑵𝟐 , 𝝁𝟐 , 𝝊𝟐 , 𝑵𝟐 , 𝑴𝟐 𝑲𝟐 f 1.000 − 0.130cos(𝑁) 1.043 + 0.414cos(𝑁) 1.009 + 0.187cos(𝑁) 1.006 + 0.115cos(𝑁) 1.000 − 0.037cos(𝑁) 1.024 + 0.286cos(𝑁) u 0.0° −23.7°sin(𝑁) 10.8°sin(𝑁) −8.9°sin(𝑁) −2.1°sin(𝑁) −17.7°sin(𝑁) Tabla 5.3: Modulaciones nodales básicas para los mayores constituyentes lunares. Como principal ventaja, el programa TIDANA además de un análisis armónico aplica también el método de inferencia. Además, TIDANA incorpora factores nodales y argumentos astronómicos a su análisis. Aunque no posee un número tan elevado de componentes en aguas someras como el programa VAV03, tiene la posibilidad de obtener hasta 77 armónicos compuestos, que no es un número despreciable teniendo en cuenta que VAV03 proporciona a lo más 95. Es de recalcar su sencillez, tanto para la entrada de datos como la interacción con el programa. 39 Capítulo 5. Estudio comparativo de métodos de análisis Figura 5.7: Salida TIDANA 40 Capítulo 5. Estudio comparativo de métodos de análisis 5.4. SPL64 Este programa analiza lecturas horarias de una serie de observación. Amplitudes y fases son calculadas por el método mínimos cuadrados respecto de Greenwich, introduciendo factores nodales para los constituyentes que pueden ser dados por la longitud del registro. Este programa fue desarrollado por Caldwell y utiliza el mismo método de análisis armónico y de predicción que el programa TIDANA (Foreman, 1977). La predicción utiliza los constituyentes armónicos calculados por el análisis de marea, realiza una predicción espaciados igualmente (en tiempo), en la Figura 5.8 se puede observar la predicción de la marea de La Coruña en el año 2008. Figura 5.8: Predicción del año 2008 en La Coruña. Como principal innovación presenta un gran número de programas en PYTHON, con una gran utilidad, tanto para dibujar la entrada de datos como para pintar salidas, también realiza cambios de formatos, por ejemplo, a formato CSV, lista la ausencia de datos, realiza bloques de los datos ausentes y puede añadir un valor constante a la serie de observación. Su principal inconveniente es que solo determina un máximo de 68 constituyentes para una longitud de registro de 366 días pues los datos de entrada deben tener a lo más trece meses de observaciones, aunque dispone de la posibilidad de realizar análisis de más de 41 Capítulo 5. Estudio comparativo de métodos de análisis 1 año, pero se ha de adaptar el programa FORTRAN original para ello, por lo que es un gran inconveniente para el usuario. Figura 5.9: Salida SPL64 42 Capítulo 5. Estudio comparativo de métodos de análisis Se incluyen, a modo de ejemplo, una selección de salidas estándar de los programas VAV03, TIDANA y SPL64 en el apéndice B. Entre ellas destacan la sección B.3 y B.4. donde figuran la comparación de distintas componentes de largo periodo y los armónicos de aguas someras proporcionados por los tres programas. Así como la predicción del año 2008 en La Coruña en la sección B.5. proporcionada por el programa SPL64. 43 Capítulo 6 Conclusiones De acuerdo con el objetivo del trabajo, se ha realizado un amplio estudio comparativo, teórico y práctico, de métodos de preproceso y análisis de series de observación de marea oceánica. Se ha realizado en primer lugar un estudio teórico de los fenómenos de marea, ya que su conocimiento es necesario en la interpretación de los resultados obtenidos. Posteriormente, se han estudiado desde el punto de vista teórico los principales métodos de preproceso y análisis que serían aplicados sobre una serie de observación de largo periodo. A continuación, se ha realizado un estudio individual y comparativo en orden a su aplicación práctica. Se trata de analizar su idoneidad en relación con las diferentes investigaciones que se realizan en la actualidad en el ámbito de los estudios de las variaciones del nivel del mar. Finalmente, se ha examinado, de forma independiente, el comportamiento de los tres métodos alternativos más utilizados. Su validación y comparación se realizó estimando la idoneidad de su respuesta frente a problemas específicos oceanográficos: largos periodos, altas frecuencias y modulaciones astronómicas, entre otros. Los resultados obtenidos en este estudio ponen de relieve: - En cuanto a los métodos de preproceso, el programa Tsoft tiene la ventaja de que se pueden introducir calibraciones no lineales dependientes del tiempo, compensar la variación de los desplazamientos de tiempo y calcular tanto el tiempo de retardo como su correlación. - 5 Por otro lado, la aplicación de los filtros DM47 de De Meyer y 𝑍1/2 de Lecolazet proporcionan de forma simultánea para cada ordenada el ruido y los errores de observación de la señal, lo que facilita la corrección. Proporcionan los valores corregidos en un número de iteraciones relativamente bajo. - Es de señalar que TSOFT y MT36 están diseñados para reducción de series de observación en mareas terrestres. Es de señalar que, en particular el método de Lecolazet es fácilmente modificable adaptando sus resultados a marea oceánica, que bastaría incluir combinaciones Y o Z selectividad adecuadas. 44 Capítulo 6. Conclusiones - En cuanto a los métodos de análisis comparados, los tres proporcionan resultados esencialmente coincidentes en las bandas centrales del espectro (diurna, semidiurna y terciodiurna). Los resultados obtenidos fueron coherentes con los publicados por diferentes organismos (NOAA, PSMSL, …). Una comparación sobre los resultados obtenidos para el constituyente 𝑀2 se presenta a modo de ejemplo en la Tabla 6.1. Amplitud Fase Desviación típica VAV03 119.9998 111.61 0.1706 TIDANA 119.96213 113.988 0.13 SPL64 120.2951 270.06 - Tabla 6.1: Componente 𝑀2 - La más precisa determinación de las componentes armónicas características de aguas someras, generadas por interacciones no lineales con el fondo, resultan de la aplicación del método VAV03. Además, es el que considera un mayor número de constituyentes, 95 frente a los 77 del método TIDANA. - El método TIDANA aplica técnicas mínimos cuadrado al igual que los anteriores, su única diferencia radica en la triangularización Householder, que rebaja su tiempo de ejecución. Quizás su principal característica es que permite el estudio directo de las modulaciones astronómicas ya que proporciona el valor de los factores nodales. Optativamente, aplica el método de inferencia. A pesar de su simplicidad de uso proporciona óptimos resultados. - En cuanto a la predicción, el programa con una mayor facilidad de uso ha sido el SPL64, que predice un año de observaciones mediante la entrada de una serie de observación de un año. Al no incluir largos periodos, evidentemente la predicción proporciona únicamente la elevación que determinaría la composición de los constituyentes principales. Podemos concluir que el resultado óptimo provendría de la aplicación combinada de los métodos de análisis estudiados ya que cada uno de ellos posee características propias idóneas en relación con diferentes investigaciones. 45 Apéndice A Constituyentes armónicos En este apéndice se presentan tablas de constituyentes armónicos. A.1 Principales constituyentes armónicos Tabla A.1 Componentes diurnas, semidiurnas y de largo periodo. 46 Apéndice A. Constituyentes armónicos A.2. Componentes en aguas someras. Programa VAV03 Figura A.2: Componentes compuestas aguas someras 47 Apéndice B Salidas de programas de análisis B.1. VAV03 48 Apéndice B. Salidas de programas de análisis Figura B.1: Salida VAV 03. Bandas D, SD, TD y QD. Altas frecuencias hasta los 11 ciclos por día 49 Apéndice B. Salidas de programas de análisis B.2. TIDANA Figura B.2: Salida TIDANA. Análisis estándar, incluye largos periodos y altas frecuencias hasta las sextodiurnas. 50 Apéndice B. Salidas de programas de análisis B.3. Largos periodos Se observa en la siguiente figura la comparación de distintos componentes de largo periodo que nos proporcionan los programas. VAV03 TIDANA SPL64 Figura B.3: Comparación de los métodos para componentes de largo periodo 51 Apéndice B. Salidas de programas de análisis B.4. Armónicos compuestos Se observa en la siguiente figura la comparación de distintos componentes de aguas someras que nos proporcionan los programas. VAV03 52 Apéndice B. Salidas de programas de análisis TIDANA 53 Apéndice B. Salidas de programas de análisis SPL64 Figura B.4: Comparación de los métodos para componentes en aguas someras 54 Apéndice B. Salidas de programas de análisis B.5. Predicción SPL64 En la siguiente figura se observa una pequeña parte de la salida de la predicción del año 2008 en Coruña Figura B.5: Predicción año 2008 La Coruña 55 Apéndice C Código de los programas desarrollados Adjuntamos aquí los programas desarrollados en MATLAB y FORTRAN. C.1. Determinación de fechas julianas, señalización de gaps y transformación de formatos El primer programa desarrollado en FORTRAN realiza cambios a formatos de datos que necesitamos para la entrada de datos en distintos programas (TSOFT, TIDANA, VAV03 y SPL64), además calcula la Fecha Juliana y señaliza los gaps (TRANSFORMAT.FOR). C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C C TRANSFORMACIÓN DE FORMATO: DE DATOS ORIGINALES DE LA ESTACIÓN DE CORUÑA A DIVERSOS FORMATOS DESCRITOS A CONTINUACIÓN CORUÑA 24 LECTURAS HORARIAS, AÑO MES, DIA READ(5,6666) (M24(J66),J66=1,24),IIA,IIM,IID FORMAT(24I5,3(3X,I2)) FORMATO INTERNACIONAL DE MAREAS: COMPONENTE, INSTRUMENTO, ESTACIÓN, FECHA JULIANA, AÑO, MES DIA INDICE HORARIO(O-11HORAS:0 ---12-23HORAS:2) WRITE(1,400) IC,INS,IES,LJD,LA,LM,LD,LH,(M24(N),N=1,12--13,24 ) FORMAT(I1,I3,I4,I5,3I2,I1,12I5) FORMATO TSOFT AÑO, MES, DÍA, HORA(0-23), MINUTO, SEGUNDO, JM24 FORMAT(I4,2(1X,I2),2X,3(I2,1X),1X,E15.7) FORMATO VENEDIKOV AÑO, MES, DÍA, HORA(0-23), MINUTO, SEGUNDO, JM25 WRITE(10,125)KAC,LM,LD,LHOO(I),LMIN,LSEC,JM25(I),JM25(I),JM25(I),JM25(I) FORMATO FOREMAN DIA, MES, AÑO, HORA, MINUTO, JM25 WRITE(9,124)LD,LM,KAC,LHO2(I),LMIN,JM25(I) FORMATO SPL64 '003CORUNA', AÑO, MES, DIA, INDICE HORARIO (O-11HORAS:1 ---12-23HORAS:2) WRITE(11,126) KAC,LM,LD,(MW24(J66),J66=1,12) WRITE(11,127) KAC,LM,LD,(MW24(J66),J66=13,24) SEÑALIZACION DE LAGUNAS "GAPS", DETERMINA LA ÉPOCA Y EL NUMERO DE DATOS INEXISTENTE 56 Apéndice C. Código de los programas desarrollados IMPLICIT REAL*4(A-H,O-Z) IMPLICIT INTEGER*4(I-N) DIMENSION M24(24),MW24(24), LHOO(24),LHO2(24) CHARACTER*4 IT(5),UNID*8,NFD*12,D(30) DOUBLE PRECISION JM24(24),JM25(24) DATA IT/' SEG',' MIN',' HOR',' DIA',' MES' C APERTURA DE FICHEROS DE ENTRADA Y SALIDA WRITE(*,47) 47 FORMAT(25(/),1X,'=== FICHERO DE DATOS DE ENTRADA?') READ(*,49)NFD 49 FORMAT(A12) OPEN(5,FILE=NFD,STATUS='OLD',ERR=444) OPEN(6,FILE='RES.RES') OPEN(7,FILE='COR-FIM.RES') OPEN(8,FILE='COR-TSOF.RES') OPEN(9,FILE='COR-FOREMAN.RES') OPEN(10,FILE='COR-VENEDIKOV.RES') OPEN(11,FILE='COR-SLP64.RES') C INICIALIZACION DE VARIABLES LMIN=0 LSEC=0 IC=0 INS=141 IES=1062 LJD=0 KAC=0 IFN=1 FN=1 C FORMATO DATOS DE CORUÑA 7886 READ(5,6666,END=33) (M24(J66),J66=1,24),LA,LM,LD DO 35 KJW=1,24 35 MW24(KJW)=M24(KJW)+6000 6666 FORMAT(24I5,3(3X,I2)) C DETECCION DE GAPS. IC999 NUMERO DE DATOS EQ=0 DE LA FECHA IC99=0 C FMI DO 777 K=1,24 IF(M24(K).NE.0) GO TO 777 WRITE (6,555) M24(K), LA,LM, LD, K IC99=IC99+1 777 IC999=IC99 IF(IC999.EQ.0) GO TO 365 555 FORMAT(1X,I5,4(2X,I2)) 57 Apéndice C. Código de los programas desarrollados 100 365 C WRITE(6,100) IC999 FORMAT(2X, '** NUMERO DE CEROS ', I2) LH=0 CALL JULIAN(LA,LM,LD,LH,LJD,KAC) WRITE(7,7777) IC,INS,IES,LJD,LA,LM,LD,LH,(M24(J66),J66=1,12) FORMATO SPL64 WRITE(11,126) KAC,LM,LD,(MW24(J66),J66=1,12) LH=2 CALL JULIAN(LA,LM,LD,LH,LJD,KAC) WRITE(7,7777) IC,INS,IES,LJD,LA,LM,LD,LH,(M24(J66),J66=13,24) C FORMATO SPL64 WRITE(11,127) KAC,LM,LD,(MW24(J66),J66=13,24) 7777 FORMAT(I1,I3,I4,I5,3I2,I1,12I5) 126 FORMAT('830LA COR',2X,I4,2I2,'1',12I5) 127 FORMAT('830LA COR',2X,I4,2I2,'2',12I5) C FORMATO TSOFT, FOREMAN Y VENEDIKOV DO 27 I=1,24 LHOO(I)=I-1 LHO2(I)=I JM24(I)=M24(I) JM25(I)=M24(I)/10.0 IF(IFN.EQ.1) JM24(I)=JM24(I)* FN C FORMATO TSOFT WRITE(8,123)KAC,LM,LD,LHOO(I),LMIN,LSEC,JM24(I) C FORMATO FOREMAN WRITE(9,124)LD,LM,KAC,LHO2(I),LMIN,JM25(I) C FORMATO VENEDIKOV 123 124 125 27 444 445 33 99 WRITE(10,125)KAC,LM,LD,LHOO(I),LMIN,LSEC,JM25(I),JM25(I),JM25(I) *,JM25(I) FORMAT(I4,2(1X,I2),2X,3(I2,1X),1X,E15.7) FORMAT(2I2,I4,2I2,F10.3) FORMAT(I4,2I2,1X,3I2,4F10.3) CONTINUE GO TO 7886 WRITE(*,445) FORMAT(25(/),20X,'** ERROR ** - FICHERO INEXISTENTE !'//) CONTINUE STOP END 58 Apéndice C. Código de los programas desarrollados C ******************************************************************** C* SUBRUTINAS * C ******************************************************************** C (1) DETERMINACION DE LA FECHA JULIANA. SUBROUTINE JULIAN(KAN,KME,KDI,LHO,JDR,KAC) IMPLICIT REAL*8(A-H,O-Z) IF(KAN.GT.40) KAC=KAN+1900 IF(KAN.LE.40) KAC=KAN+2000 AC=KAC FJA=(4712.+AC)*365.25 TJA=DINT(FJA) DIF=FJA-TJA JA=TJA IF(DIF.EQ.0.) JA=JA-1 3728 IF(KAC.GE.1583.AND.KAC.LE.1700) JA=JA-10 IF(KAC.GE.1701.AND.KAC.LE.1800) JA=JA-11 IF(KAC.GE.1801.AND.KAC.LE.1900) JA=JA-12 IF(KAC.GE.1901.AND.KAC.LE.2100) JA=JA-13 IEN=KAC*10000+KME*100+KDI CALL DIAN(IEN,KAC) NDA=IEN-KAC*10000 JDR=JA+NDA IF(LHO.EQ.0) JDR=JDR-1 JDR=JDR-2400000 RETURN END C (2) DETERMINACION DEL DIA DEL ANO. 786 785 778 779 780 777 SUBROUTINE DIAN(IEN,IA) DIMENSION NDM(12) DATA NDM/0,31,59,90,120,151,181,212,243,273,304,334/ NBB=0 CALL BIS(NBB,IA) MD=IEN-IA*10000 M=MD/100 ND=MD-M*100 IF(M.EQ.0.OR.ND.EQ.0) GO TO 4 IEF=NDM(M)+ND IF(M.EQ.12) GO TO 786 IEEB=NDM(M+1) GO TO 785 IEEB=365 IEFB=IEEB+NBB IF(M.EQ.2) GO TO 778 IF(IEF.LE.IEEB) GO TO 777 GO TO 779 IF(IEF.LE.IEFB) GO TO 777 WRITE(1,780) FORMAT(10X,'********** ERROR EN FECHA **********'///) IEN=IA*10000+NDM(M)+ND IF(M.GE.3) IEN=IEN+NBB 59 Apéndice C. Código de los programas desarrollados 4 CONTINUE RETURN END C (3) DETERMINACION DE BISIESTOS: 31 SUBROUTINE BIS(NBB,LA) IC=LA-(LA/100)*100 IF(IC.EQ.0) GO TO 31 AM4=(FLOAT(LA)/4.)-FLOAT(LA/4) IF(AM4.EQ.0.) NBB=1 RETURN AM400=(FLOAT(LA)/400.)-FLOAT(LA/400) IF(AM400.EQ.0.) NBB=1 RETURN END C (4) CAMBIO DE FECHA 1 2 SUBROUTINE CAMFECH(IA,IM,ID,ICF) DIMENSION NDM(12) DATA NDM/31,28,31,30,31,30,31,31,30,31,30,31/ NBB=0 ICF=1 ID=ID+1 IF(IM.NE.2) GO TO 1 CALL BIS(NBB,IA) WRITE(1,*) NBB IF(NBB.EQ.1) NDM(2)=NDM(2)+1 IF(ID.LE.NDM(IM)) GO TO 2 ID=1 IM=IM+1 IF(IM.LE.12) GO TO 2 IM=1 IA=IA+1 RETURN END C.2. Filtro Media Móvil El segundo programa desarrollado en MATLAB calcula el Filtro de Media Movil a través del comando filter y representa los datos brutos junto a este filtro (FiltroMediaMovil.m). clear all A=load('BRUTOS_CON_0.C54'); D=A(1:20089,[1:24])'; t=210300:211440; windowSize=18; b = (1/windowSize)*ones(1,windowSize); a = 1; y = filter(b,a,D(210300:211440)); plot(t,D(210300:211440),'y') hold on plot(t,y,'m') 60 Apéndice C. Código de los programas desarrollados legend('Input Data','Moving-Average Filter','Location','NorthWest') title('Plot of Input and Filtered Data') C.3. Filtro Doodson 𝑿𝒐 El tercero programa desarrollado en MATLAB calcula el Filtro de Doodson 𝑋0 tal y como se describe en la sección 3.2.1 y representa los datos brutos junto a este filtro (dibujardatos_y_doodson.m). clear all A=load('BRUTOS_CON_0.C54'); D=A(1:20089,[1:24])'; L=length(D); M=[]; F=[1 0 1 0 0 1 0 1 1 0 2 0 1 1 0 2 1 1 2 0 2 1 1 2 0 1 1 0 2 0 1 1 0 1 0 0 1 0 1]; k=length(F); n=1; while k<=(24*L) X=D(n:k); suma=0; for i=n:k suma=F*X'; i=i+1; end med=(1/30)*suma; M(n)=med; k=k+1; n=n+1; end hold on v=0; for v=1:24*L plot(v,D(v)); end u=0; hold on for u=1:482098 plot(u,M(u),'m'); end legend('Input Data','Doodson Filter','Location','SouthWest') title('Plot of Input and Filtered Data') C.4. Corrección de desfasajes en tiempo El cuarto programa fue desarrollado en FORTRAN, corrige los errores en tiempo, desfasajes determinados a través de constituyentes, también asigna un tiempo universal a las ordenadas horarias (DESFASAJES.FOR). IMPLICIT REAL*8 (A-H,O-Z) DIMENSION JUL(600),IA(600),IM(600),ID(600),IHC(600),JDAT(600,12), *IDAT(7200),LDAT(7200),ILH(12) 61 Apéndice C. Código de los programas desarrollados C APERTURA DE FICHEROS OPEN(5,FILE='DATOS.DES',STATUS='OLD') OPEN(7,FILE='RES.DES') C ENTRADA DE LOS CONTROLES NC=0 IF(NC.EQ.8) GO TO 1002 WRITE(*,101) 101 FORMAT('INTRODUZCA EL NUMERO DE HORAS QUE SE DESEA DESPLAZAR'/ *5X,'-NH <=== ] ===> +NH') READ(*,100) NH 100 FORMAT(I3) NHP=IABS(NH) WRITE(*,102) 102 FORMAT('INTRODUZCA LAS LECTURAS HORARIAS'/ *5X,'ILH(L), L=1...NH') DO 33 I=1,NHP READ(*,103) ILH(I) 103 FORMAT(I5) 33 CONTINUE 91 C ENTRADA DE LOS DATOS 37 INDI9=9999 N=0 NN=1 1 N=N+1 READ(5,500) NC,INS,NES,JUL(N),IA(N),IM(N),ID(N),IHC(N), *(JDAT(N,K),K=1,12) 500 FORMAT(I1,I3,I4,I5,3I2,I1,12I5) WRITE(*,500) NC,INS,NES,JUL(N),IA(N),IM(N),ID(N),IHC(N), *(JDAT(N,K),K=1,12) IF(N.NE.1) GO TO 1111 NCC=NC INSS=INS NESS=NES 1111 IF(NC.EQ.9.OR.NC.EQ.8) GO TO 9 DO 2 K=1,12 IDAT(NN)=JDAT(N,K) 2 NN=NN+1 IF(N.LT.60) GO TO 1 9 NR=N-1 NHR=NN-1 C FORMACION DEL VECTOR DE ORDENADAS NCOMP=NR*12 IF(NCOMP.NE.NHR) GO TO 1000 IF(NH.LT.0) GO TO 3000 62 Apéndice C. Código de los programas desarrollados C DESPLAZAMIENTO + NH DO 10 LL=1,NH 10 LDAT(LL)=ILH(LL) NNR=NHR-NH LLR=NH+1 NN=1 DO 20 LL=LLR,NHR IF(NN.GT.NNR) GO TO 30 LDAT(LL)=IDAT(NN) 20 NN=NN+1 30 DO 40 L=1,NH ILH(L)=IDAT(NN) 40 NN=NN+1 GO TO 6000 C DESPLAZAMIENTO -NH 3000 NNR=NHR-NHP NNR1=NNR+1 II=NHP DO 50 LL=1,NNR II=II+1 50 LDAT(LL)=IDAT(II) L=1 DO 60 LL=NNR1,NHR LDAT(LL)=ILH(L) 60 L=L+1 DO 70 L=1,NH 70 ILH(L)=IDAT(L) 6000 LL=0 DO 3 N=1,NR DO 4 K=1,12 LL=LL+1 4 JDAT(N,K)=LDAT(LL) WRITE(7,500) NCC,INSS,NESS,JUL(N),IA(N),IM(N),ID(N),IHC(N), *(JDAT(N,K),K=1,12) 3 CONTINUE IF(NC.NE.9.AND.NC.NE.8) GO TO 37 WRITE(7,527) INDI9 527 FORMAT(I4) GO TO 91 1000 WRITE(7,1001) 1001 FORMAT('ERROR EN LA DISTRIBUCION DE DATOS') 1002 STOP END 63 Referencias Büllesfeld, F.J., (1985). Ein Beitrag zur harmonischen Darstellung des gezeitenererzeugenden Potentials. Tesis doctoral, Ins. Theor. Gëodesie, Univ. Bonn. Bretreger, K., (1978). Earth Tide Effects on Geodetic Observations. UNISURV REPORT noS16. Caldwell, P., y Kilonsky, B. (1992). Data processing and quality control at the TOGA Sea Level Center. Joint IAPSO-IOC Workshop on Sea Level Measurements and Quality Control, Paris, 12-13 October, 1992. IOC Workshop Report No. 81, UNESCO. pp. 122-135. Caldwell, P. (1998). Sea Level Data Processing on IBM-PC Compatible Computers, Version 3.0 (Year 2000 Compliant). JIMAR Contribution No. 319, SOEST, University of Hawaii, 72 pp. Cartwright, D. E. y Tayler, R. J. (1971). New computations of the Tide-Generating Potential. Royal Astron. Soc. Geophys. Jour. 23: 45-59,67-83 Cartwright, D. E. y Edden, A. C. (1973). Corrected Tables of Tidal Harmonics. Royal Astron. Soc. Geophys. Jour. 33: 253-264. Chojnicki, T. (1991). Continuation of Modulation Research. Bull. d’Inf. Marées Terrestres, n. 110, 8002-8010. Ducarme, B.; Dejaiffe, R. (1976). Spectral Analysis of Transworld Tidal Gravity Profile Stations by using the Filon Integration Formulas. Proc. VIIIth Int. Sym. Earth Tides. Bonn. Eckert, W.J.; Jones, R.M; Clark, H.K. (1954). Improved lunar ephemeris 1952-1959. U.S. Govt. Print Off., 283-363. Washington D.C. Eckman, M. (1998). Secular change of the seasonal sea level variation in the Baltic Sea and secular change of the winter climate. Geophysica 34 (3), 131-140. Foreman, M.G.G., (1977). Manual for Tidal Heights Analysis and Prediction. Pacific Marine Science Report 77-10, Institute of Ocean Sciences, Patricia Bay, Sidney, B.C., 58 pp. (2004 revision). Garrett, C. J. R.; Munk, W. H. (1971). The age of the tide and the “Q” factor of the oceans. Deep-Sea Res., v. 18, 493-503. Gil, E. (2001). Variaciones temporales del nivel del mar. Aplicaciones geodésicas, geofísicas y oceanográficas. Tesis Doctoral. Universidad Complutense de Madrid. Gil, E., De Toro, C. (2005). New determinations of the Ages of Tide in the North Atlantic Ocean. Marine Geodesy. 64 Referencias González M.; Fontán A.; Esnaola G.; Valencia V. (2011). Variaciones multidecadales notables en la temperatura atmosférica, temperatura superficial y nivel del mar en el sudeste del golfo de Vizcaya, detectadas mediantes filtros Kolmogorov-Zurbenko. Heiskanen, W. A. y Moritz, H. (1985). Geodesia física. Instituto de Astronomía y Geodesia – Instituto Geográfico Nacional. Madrid. Lisitzin, E., (1974). Sea-Level Changes. Elsevier Publishing Company, Amsterdam, pp286. Melchior, P. (1983). The tides of the planet Earth. Observatoire Royal de Belgique. Bruxelles. Ed. Pergamon Press. Oxford. Munk W. H., Cartwright, D. E. (1966). Tidal Spectroscopy and Prediction. DOI: 10.1098/rsta.1966.0024. Pawlowicz R., Beardsley, B., y Lentz, S. (2002). Classical tidal harmonic analysis including error estimates in MATLAB using T_TIDE, Computers and Geosciences 28, 929-937. Pugh, D.T. (1996). Tides, surges and Mean Level. ISBN 0 471 91505 X; Univer. International, S.L. Pugh, D. T. (2004). Changing sea levels. Effects of tides, weather and climate. Cambridge University. Press. Ralston, A., Wilf, H. (1960). Mathematical methods for digital computers. New York, chapter 24. Ruiz, A., (1984). Introducción a la Oceanografía. Ed. Antonio Ruiz Cañavete. San Fernando (Cádiz). Sakamoto, Y., M. Ishiguro, and G. Kitagawa. (1986). Akaike information criterion statistics. D. Reidel Publishing Company, Dordrecht, The Netherlands. Sanchez, R. G. y Zabaleta, V. C. (1982). Curso de meteorología y oceanografía. Dirección General de la Marina Mercante. Madrid. Shenoi, (2006). Surface freshwater from Bay of Bengal runoff and Indonesian Throughflow in the tropical Indian Ocean. Geophysical Research Letters. Schüller, K (1977). Standard tidal analysis and its modification by frecuency domain convolution. Proc. VIIIth Int. Sym. Earth Tides. Bonn. Schüller, K (1977). Tidal analysis by the hybrid least squares domain convolution method. Proc. VIIIth Int. Sym. Earth Tides. Bonn. Schüller, K (1977). Simultaneous tidal and multi-channel input analysis as implemented in the HYCON-method. Proc. Xth Int. Sym. Earth Tides. Madrid. 515-520. Schwiderski, E. W. (1982). Ocean Tidal Research and its Applications Highlighted to Promote Worldwode Cooperation. NSWC/K104. 65 Referencias Sukhwani, P.K., Vieira, R. (1978). Spectral Analysis of Earth Tides. Proc. Of the VIIIth Int. Symp. Earth Tides. Bonn, 50-65. Tamura, Y., (1987). A harmonic development of the tide-generating potential for the epoch J2000.0. Bull. d’Inf. Marées Terrestres, n.99, 6786-6812. Triola, M. (2009). Estadística. Editorial Pearson. México. Décima edición. De Toro, C. (1989). Determinación y evolución de las variaciones periódicas de la gravedad y de las desviaciones de la vertical en la Península Ibérica producidas por las mareas oceánicas. Tesis doctoral. Universidad Complutense de Madrid. Van Camp, M., and Vauterin, P. (2005). Tsoft: graphical and interactive software for the analysis of time series and Earth tides. Computers & Geosciences, 31(5) 631640, doi: 10.1016/j.cageo.2004.11.015. Vieira, R. (1984). Investigaciones sobre Mareas Terrestres en la Península Ibérica. Aplicaciones geodésicas, geofísicas y oceanográficas. Venedikov, A.P.; Vieira, R.; de Toro, C. (1995). The Computer Program NSV used in Madrid for Tidal Data Processing. Bull. d’Inf. Marées Terrestres, n. 121, 9108-9126. Venedikov, A.P.; Vieira, R.; de Toro, C.; Arnoso, J. (1997). A new Program Developed in Madrid for Tidal Data Processing. Publ. 189. Instituto de Astronomía y Geodesia (CSIC-UCM). Madrid, Bull. d’Inf. Marées Terrestres, n. 126, 9669-9704. Venedikov, A., Arnoso, J., Vieira, R., (2001). Program VAV/2000 for tidal analysis of unevenly spaced data with irregular drift and colored noise. Journal Geodetic Society Japan, 47,1,281-286. Venedikov, A., Arnoso, J., Vieira, R., (2003). VAV: A program for tidal data processing. Computers & Geosciences. 29, 487-502. Wenzel, H. G. (1993). Tidal data processing on a personal computer. Proc. Xth Int. Sym. Earth Tides. Beijing. 235-244. Wenzel, H. G. (1996). The nanogal software: Earth tide data processing package Eterna 3.30, Bull. d’Inf Marées Terrestres, n.124,9425-9439. Xi, Q., (1985). The Algebraic Deduction of the Harmonic Development for the Tidegenerating Potential with the IBM-PC. Proc. of the Xth Int. Symp. Earth Tides, Madrid, 481-489. Xi, Q., (1987). A New Complete Development of the Tide-generanting Potential for the Epoch J2000.0. Bull. d’Inf. Marées Terrestres, n.99, 6780-6812. Xi, Q., (1989). The precision of the Development of the Tide-generating Potential and some explanatory notes. Bull. d’Inf. Marées Terrestres, n.105, 7396-7404. 66