INFORME FINAL I- TÍTULO: Sub-proyecto BB-37:

Transcripción

1 INFORME FINAL I- TÍTULO: Sub-proyecto BB-37: Elaboración de un Atlas hidrográfico digital de la Plataforma Continental Patagónica (PCP, 40-56ºS): Climatología de parámetros oceanográficos y análisis objetivo de las masas de aguas Director: Lic. Raúl Guerrero Investigadores participantes: Lic. Ana Baldón Lic. Patricia Martos Lic. Graciela Molinari Lic. Raúl Reta Colaboradores: Ing. Matías Kruk Lic. Aureliano Guerrero Tecnico Ruben Arias II- RESUMEN DEL PROYECTO En el marco del PNUD-ARG/02/018 se ha conformado una Base Regional de Datos Oceanográficos (BaRDO) INIDEP formada por más de estaciones oceanográficas, que cubre el Atlántico Sud-Occidental al sur de los 27ºS y al oeste de los 40ºW. El 62% de los datos son de alta precisión (CTD) adquiridos fundamentalmente por el INIDEP en los últimos 15 años. La información se organizó siguiendo las recomendaciones del ICES/IOC que responden a requerimientos internacionales de calidad e intercambio de datos. Los controles de calidad referidos a los datos de la estación (posición, fecha/hora) se realizaron utilizando herramientas de desarrollo propio (SIAVO-INIDEP), mientras que para los referidos al perfil y la consistencia regional de los datos se utilizaron herramientas desarrolladas por otros grupos de trabajo (QCed-GTSPP, ODV-AWI, SBE Software). Dado el gran volumen de información incorporada fue necesario realizar una migración desde la SIAVO (Access-MS) hacia una base SQL-Server-MS (BaRDO) que permite el desarrollo de diversas aplicaciones para la extracción de grillas, estadísticas y meta-datos. De esta forma queda conformado: a) un sistema de adquisición y control de la información integrado por la base SIAVO y una serie de herramientas específicamente diseñadas y, b) BaRDO, una base de alta capacidad y rendimiento que permite el manejo eficiente de la información con controles de calidad. BaRDO provee en el área de la PCP de estaciones oceanográficas (58% CTD y 42% botellas). Debido a la heterogeneidad en la distribución anual y mensual, la información fue agrupada según un período frío (Junio a Octubre) y otro cálido (Diciembre a Marzo). La distribución espacial de 1

2 la información es similar en ambos periodos destacándose zonas de alta densidad de estaciones asociadas con áreas de explotación pesquera de los principales recursos sobre la PCP En este informe se presentan las climatologías de superficie y fondo de temperatura y salinidad para ambos periodos. Se utiliza el método geoestadístico de interpolación de kriging que permite, a través de la definición de variogramas, la estimación de puntos de grilla analizando el comportamiento espacial de una propiedad y su variabilidad. El tamaño de la grilla, el radio y el sistema de búsqueda se seleccionaron a partir del análisis de estadísticos espaciales (cantidad de datos por nodo, distancia al nodo más cercano, estadística de vecinos más cercanos). Se realizó el variograma experimental omnidireccional en cada caso que se ajustó al modelo teórico más adecuado. Como herramientas de control y ajuste del variograma se utilizaron: regresión lineal entre variograma experimental y teórico, validación cruzada de las observaciones, cálculo de desvíos estándar de kriging y cálculo de residuos entre datos grillados y observaciones. El método de grillado aplicado ha probado ser de gran utilidad por su objetividad y excelente representatividad de los campos reales. Las climatologías que resultan de este método muestran alta coherencia cuando se lo analiza en el marco del conocimiento actual de los regímenes oceanográficos de la región de estudio. III- ANTECEDENTES En los últimos 20 años, como resultado de una demanda de información pesquera- ambiental de los diversos caladeros de la plataforma continental argentina, el INIDEP viene implementado un sólido sistema de adquisición y procesamiento de datos oceanográficos. En este período la institución incorpora plataformas e instrumental de muestreo y desarrolla el área oceanografía con el apoyo de otras instituciones gubernamentales como la Universidad Nacional de Mar del Plata y el Servicio de Hidrografía Naval. En esta última década se ha automatizado el ingreso de la información, su procesamiento y los procesos de control de calidad. La presencia casi continua de los tres buques de investigación oceanográfico-pesquera en la Plataforma Continental Argentina (PCA) durante los últimos 20 años (1987), con un promedio anual de aproximadamente 1000 estaciones oceanográficas, ha convertido al INIDEP en la principal fuente de datos físicos para la región de la PCA. Cada lance de pesca realizado por el INIDEP, desde 1984, tiene asociado un perfil vertical de temperatura y salinidad y esta información ha contribuido marcadamente en una mayor comprensión del funcionamiento de diversos ecosistemas con alta capacidad de pesca. La investigación y administración pesquera debe acceder a la información ambiental (virgen o elaborada) en tres formas básicas: 1) Información histórica. 2) Información en tiempo real o cuasi-real. 3) Información de pronóstico. Esto permite realizar el análisis retrospectivo de la información 2

3 oceanográfica como así también aplicar y adaptar modelos de pronóstico ambiental. Estos tres modos de transferencia de información es además apreciada por toda la comunidad científica, técnica, administradores y usuarios en general que trabajen en el área de influencia de la información ambiental de referencia. Es común presentar la información histórica en forma de climatologías, que debido a sus características geo-referenciadas toma la forma de atlas (colección de mapas con distribuciones espaciales y temporales de los parámetros involucrados). Hasta el presente son muy pocas las climatologías de parámetros físicos (atlas) en la Plataforma Continental Argentina (PCA). Uno de los primeros estudios de compilación es el realizado por Lusquiños y Massonneau (1982) quienes, utilizando datos de 70 campañas existentes hasta el año 1974, proporcionan valores representativos de T-S a profundidades estándar en una grilla de 1 x 1. Piola y García (1993) con datos oceanográficos obtenidos hasta principios de 1988, elaboran mapas con una grilla de baja resolución espacial (5 x 5 ) entre 30 y 50 S. En ambos trabajos los datos sobre la PCA son mediciones realizadas exclusivamente con datos discretos obtenidos con botellas de inversión. Considerando una escala mayor el atlas de Levitus (1982) y sus actualizaciones Levitus (1994, 1998) proveen grillas globales de 1 X 1, describiendo las condiciones medias del océano a partir de datos CTD, XBT y botella. En los trabajos mencionados el suavizado de las diferentes variables, necesario para obtener una climatología completa, enmascara estructuras oceanográficas de menor escala como sistemas frontales. Esto se debe a la baja resolución espacio temporal de los datos sobre la PCA, así como también al tipo de datos utilizado (en su mayoría botellas). Como resultado de algunos programas de investigación realizados en los últimos años sobre la PCA se ha puesto de manifiesto la necesidad de contar con un atlas numérico adaptado a las escalas de los procesos en estudio. En este contexto, la región del Río de la Plata y su frente marítimo ha sido descripta por Guerrero et al. (1997a, 1997b) y Guerrero et al. (2004). En ambos trabajos se realizó la compilación, análisis y mapeo de todo el banco de datos hidrográfico incorporando la base de datos del INIDEP, de alta resolución espacio-temporal y mayor precisión. Queda aún pendiente realizar una climatología de referencia actualizada que abarque la PCP e incorpore los datos CTD obtenidos en las últimas dos décadas. Entre los atlas digitales que actualmente brindan información hidrológica en distintos océanos podemos citar: - Hydrographic Atlas of the Southern Ocean para el Atlántico al sur de 30 S. - World Ocean Atlas 2001 (WOA01) - MEDATLAS Mediterranean Hydrographic Digital Atlas En lo referido a la caracterización de masas de agua sobre la plataforma continental debemos señalar que la misma es más compleja que en el océano profundo. Las propiedades de las aguas, en 3

4 regiones costeras, cambian constantemente como resultado de la interacción mar-atmósfera y la influencia del continente (descarga continental, amplificación térmica). Guerrero y Piola (1997) realizan una síntesis del conocimiento de las masas de agua en la PCA en base a trabajos netamente descriptivos, los cuales además limitan el análisis a las características de superficie. Bianchi et al (1982) presentan el único análisis volumétrico en espacio T-S para la PCP, al sur de los 45º, definiendo las masas de agua a partir de datos de botellas. No fueron considerados en este último análisis los regímenes oceanográficos del sector nor-patagónico ni se realizó un análisis completo de variabilidad estacional. IV- JUSTIFICACION Los datos hidrográficos (T-S) son utilizados con diferentes propósitos: definición de masas de agua, estudios de variabilidad en diferentes escalas, localización de áreas frontales, inicialización de modelos numéricos, programación de nuevos estudios de campo. En la actualidad, acceder a los datos hidrográficos existentes sobre la PCA no es fácil para los usuarios. La mayoría de los datos obtenidos en las últimas décadas y un gran número de datos históricos no han sido aún incorporados a los centros de datos (Centro Argentino de Datos Oceanográfico, CEADO National Oceanographic Data Center, U.S. NODC- World Ocean Data Center, WODC) debido principalmente a la falta de recursos destinados a su procesamiento e incorporación al sistema de distribución. El Atlas digital propuesto pondrá a disposición de la comunidad científica, administradores y usuarios en general un conjunto actualizado de datos T-S y variables derivadas de alta resolución espacio-temporal en grillas con valores estadísticos y en formato electrónico de fácil manejo. Esta digitalización de los campos físicos, en la PCP, podrá ser utilizada como condición inicial para el desarrollo de modelos numéricos en la región. La información podrá eventualmente a sistemas de Información Ambiental y Atlas de Sensibilidad Ambiental como los propuestos por el proyecto Conservación de la Diversidad Biológica y Prevención de la Contaminación Marina en Patagonia (PNUD ARG 02/018) La determinación de las modas dominantes a partir del análisis volumétrico T-S, permitirá realizar un análisis de las diferencias ambientales (zonas de gradiente, ecotonos) en la región y su variación estacional. Conociendo las preferencias ambientales de diferentes organismos se podrá evaluar cómo afectan al ecosistema los cambios en la composición de las masas de agua. Además proveerá información para estudios de circulación e interacción mar atmósfera. Es importante destacar que tanto las climatologías de los diferentes parámetros físicos como la definición modal de las masas de agua, provistas por el Atlas, son la información de base necesaria para desarrollar estudios de interacciones bio-físicas y variabilidad espacio-temporal en diferentes 4

5 escalas, contribuyendo a la comprensión del funcionamiento de diversos ecosistemas con alta capacidad de explotación. El proyecto se ha desarrollado de tal manera de que provea protocolos de uso común en el almacenamiento datos hidrológicos aplicados a la región de estudio, extensible al resto de la PCA, asegurando controles de calidad según estándares internacionales. Los productos resultantes del proyecto contribuirán como herramienta de gestión para los estados provinciales y los organismos involucrados en la conservación de la costa y el mar patagónico. V- OBJETIVOS V.1.- Proveer las climatologías de parámetros oceanográficos de la PCP a partir de un Atlas digital. V Preparación de los datos Recopilación de datos Realización de Controles de calidad a la información Construcción de la Base Regional de Datos Oceanográfica (BaRDO) V Cálculo estadístico de campos y climatologías Clasificación espacio temporal de la información Elección del método de grillado Generación de grillas y estadísticas asociadas (climatologías digitales) Elaboración de mapas horizontales a profundidades estándares V Construcción del Atlas V.2.- Definir las masas de agua de la PCP a partir de un análisis volumétrico en espacio Temperatura-Salinidad (T-S), sus características locales en cuatro (4) sistemas costeros definidos y su variación meridional V Análisis volumétrico temporal en espacio T-S a de las climatologías generadas V Análisis de modas y definición de las masas de agua 5

6 VI- METODOLOGIA VI. 1.- Infraestructura y datos oceanográficos: Este proyecto se desarrolló en el laboratorio de oceanografía del INIDEP donde existe un área de oceanografía Física con un equipo de profesionales dedicados a la adquisición y procesamiento de datos Oceanográficos. Esta área posee instrumental oceanográfico de última generación e infraestructura básica necesaria para el desarrollo del subproyecto. A la postulación de este sub-proyecto la base de datos oceanográfica del INIDEP,, contaba con estaciones oceanográficas provenientes de 384 campañas, que se distribuian sobre la PCA y talud adyacente, el 95 % de la misma estaba conformada por datos CTD con resolución vertical de 1 m y alta precisión. Al sur de 40 º S, área de estudio propuesta en este subproyecto, existen 8700 estaciones de las cuales sólo 348 (4%) fueron realizadas con botellas de inversión y las restantes 8352 (96 %) con CTD. La Figura 1 presenta la distribución de estaciones oceanográficas en el área de trabajo propuesta. Figura 1: Distribución de estaciones Oceanográficas para el área Plataforma Patagónica 6

7 En el laboratorio de oceanografía se cuenta además con un Sistema de Integración y Almacenamiento de Variables Oceanográficas - SIAVO, desarrollado e implementado en el laboratorio de Oceanografía en el año 2001, el cuál administra una base de datos implementada en Access. La misma está montada en una unidad central (computadora personal), que permite gestionar y administrar la información oceanográfica proveniente de las campañas. La adquisición de datos en campaña se realiza con SIAVO montado en unidades remotas localizadas en los laboratorio de los buques de investigación. La figura 2 muestra diferentes pantallas de manejo de la base SIAVO. Figura 2: Pantalla de visualización del modulo Campañas, solapas: Estaciones, Datos Básicos y Meteorológicos y, parámetros medidos en la estació 7

8 En el marco de este subproyecto se incorporado a la base de datos SIAVO la información proveniente de centros de datos oceanográficos nacionales (CEADO e internacionales NODC y, de proyectos de ejecución reciente o en curso (ej. GEF-Patagonia y nuevas campañas del INIDEP). Dado el esfuerzo requerido para la ampliación de la base de datos se decidió incluir toda la plataforma continental argentina, el área común Argentino-Uruguaya, sur de Brasil y la cuenca Atlántica Sudoccidental entre 27 y 57 S, y hasta los 40 O (Figura 3). El área así cubierta, incorporando estaciones propias, externas y aquellas provenientes de centros de datos oceanográficos, cuento hoy con estaciones oceanográficas. Figura 3: Distribución de estaciones Oceanográficas para el área total cubierta por BaRDO desde 27 a 57 Sur y desde la línea de costa hasta 40 Oeste. 8

9 VI. 2.- Migración a una nueva base de datos (BaRDO): Debido al aumento significativo en el volumen de estaciones oceanográficas, la incorporación de marcas de calidad en cada dato, la migración a formatos más eficientes, la necesidad de aplicar herramientas de consulta y los requisitos de eficiencia en su manejo, la base SIAVO en ACCESS fue migrada a una nueva Base de Datos. La misma fue denominada Base Regional de Datos Oceanográfica (BaRDO). BaRDO es una base de datos relacional conformada con información proveniente de mediciones in situ de variables oceanográficas realizadas con botellas de muestreo y CTD en la PCA (principalmente) y Océano Atlántico Sud Occidental. BaRDO incorpora e integra esta información poniendo particular énfasis en el control de calidad. El núcleo principal de información oceanográfica se compone de datos colectados principalmente por el INIDEP a partir de la década del 80. Se incorpora además la etapa de exploración de las décadas del 60 y 70 a partir de la recopilación de datos provenientes de buques extranjeros de investigación pesquera y oceanográfica. Otra fuente de datos externos ha sido la Southern Ocean Database (SODB), ( ), de Orsi, A. y T. Whitworth III que reúne los datos pertenecientes a la World Ocean Database 2001 (WOD01 NODC), al World Ocean Circulation Experiment (WOCE) y estaciones oceanográficas provistas por investigadores en forma directa. BaRDO se actualiza permanentemente incorporando nuevas campañas realizadas por el INIDEP u otras instituciones nacionales e internacionales y mediante la digitalización de información histórica que se encuentra en formato papel. Los datos reportados en el presente informe incluyen los incorporados hasta el año Cada uno de los perfiles que la conforman cuenta con marcas de control de calidad para cada una de las variables físicas y para los datos de la estación. En los casos en los que se incorporaron mediciones de parámetros químicos se conservaron las marcas de origen. La Base Regional de Datos Oceanográfica fue montada en una base de datos relacional con el motor SQL Server 2005 (desarrollada por Microsoft Net). La migración desde SIAVO, la base histórica de datos oceanográficos, en formato Access-MS y Meds-ASCII (QCed-GTSPP), a BaRDO con formato SQL fue realizada por Epistémico S.A. Este motor de base permite el Procesamiento de Transacciones en Tiempo Real (OLTP-OnLine Transaction Proceessing), manejando eficientemente el 1.2 millones de líneas (1.5 Giga bytes) de la base oceanográfica con lo que se esta realizando actualmente la construcción del atlas. Por otro lado estamos en condiciones de satisfacer la demanda de servicios y productos de la comunidad científica marina y administradores de recursos. De la misma manera Epistémica desarrolló una serie de aplicaciones o consultas montadas en CorVu ( CorBussines-Data Server Manager de OVERALL), permitiendo el manejo eficaz de los registros a través del tiempo y espacio utilizando como variables independientes los parámetros almacenados y/o calculados en la misma. VI. 3.- Estructura y controles de calidad: 9

10 VI Estructura de los datos: Se incorporaron formatos universales que integrase la información de cada estación Oceanográfica a la base para su manejo eficiente, Estos formatos permiten conectividad retrospectiva a la información original. Se aplicó el modelo de formatos MEDS (Ocean Profile Data Format: Este formato hace uso de códigos internacionales que describen los datos y la forma en que el mismo fue colectado. Provee además tablas con la codificación internacional de buques y plataformas de observación. VI Controles de calidad: Se implementaron controles de calidad según las recomendaciones del IOC IODE - GETADE (International Oceanographic Comisión - International Oceanographic Data and Information Exchange - Group of Experts on Technical Aspects of Data Exchange) respondiendo a requerimientos internacionales de calidad. VI. 4.- Cálculo de climatologías: Caracterización de los datos: Se realizó una caracterización de los datos con el objeto de evaluar origen, calidad, cobertura espacio- temporal y homogeneidad de la información. La misma comprendió las siguientes etapas: - Descripción de la información utilizada - Caracterización temporal de los datos de superficie - Caracterización geográfica de los datos de superficie - Caracterización geoestadística de los datos de superficie VI. 5.- Determinación de los parámetros de grillado para la interpolación de los campos medios: La interpolación de los campos medios se realizó con el método Kriging (Cressie, N. A. C. (1991), Isaaks and Srivastava, 1989). El mismo consistió en la interpolación y ajuste de grillas, para cada variable, época del año y nivel de profundidad, según las siguientes etapas: - Calculo de variograma teórico lineal. - Interpolación de grillas - Optimización, por validación cruzada, de los datos de entrada con los campos calculados - Nuevo ajuste de variograma - Calculo de grillas con datos optimizados - Generación de mapas 10

11 VII- RESULTADOS Y DISCUSION VII. 1.- Base Regional de Datos Oceanográficos (BaRDO) Con el objetivo de proveer un conjunto de datos de alta precisión y alta resolución espaciotemporal que permita la elaboración de climatologías de los diferentes parámetros oceanográficos y sumistre información de base para estudios oceanográficos y ecosistémicos se diseñó la Base Regional de Datos Oceanográficos del Instituto Nacional de Investigación y Desarrollo Pesquero (BaRDO - INIDEP). VII Migración a la nueva plataforma SQL Existen en ciencias computacionales Bases de Datos que son estructuradas y manejadas por programas del tipo SQL (Structured Query Language) o Lenguaje de Consulta Estructurado. Es un lenguaje de computación de cuarta generación de acceso a bases de datos relacionales que permite especificar diversos tipos de operaciones sobre las mismas. Una de sus características es el manejo del álgebra y el cálculo relacional que permite consultas con el fin de recuperar información de interés de una base de datos, de una forma sencilla. El SQL pasa a ser el lenguaje por excelencia de los diversos Sistema de Gestión de Base de Datos Data Base Management System (SGBD-DBMS). El SQL es un lenguaje de acceso a bases de datos que explota la flexibilidad y potencia de los sistemas relacionales permitiendo gran variedad de operaciones sobre los mismos. Es un lenguaje declarativo de alto nivel o de no procedimiento, que gracias a su fuerte base teórica y su orientación al manejo de conjuntos de registros, y no a registros individuales, permite una alta productividad en codificación. De esta forma una sola sentencia puede equivaler a uno o más programas que utilizan un languaje de bajo nivel orientado a registro. A partir de la información existente en la base de datos Access, se procedió a definir una serie de rutinas y procedimientos para extraer los datos y cargarlos en una base de datos relacional SQL Server Esto se hizo utilizando las herramientas propias de la base conocida como Data Transformation Services (DTS). Los DTS son una herramienta critica de la migración correspondiente a la primer parte de Extracción, Transformación y Carga (ETL - Extraction Transformation and Load) de datos en una base. VII Características de BaRDO-SQL La nueva base tiene controles que evita la redundancia de la información, evita pérdidas, mantiene consistencia de los datos (validación según rangos establecidos) y tiene capacidad para 11

12 representar toda la información en forma eficiente (rapidez de proceso ante consultas o requerimientos extensos y/o complejos). Como parte del procedimiento anteriormente mencionado, se establecieron controles de calidad de información a fin de evitar la existencia de redundancia de información. Dichos controles se vieron optimizados a partir de la utilización de rutinas propias de la base. Esta base permite además el ingreso de datos con formatos ODV, FO22 (NOAA) y uno ASCII genérico Valores Separados por Comas o Tabuladores (CSV o TSV). La arquitectura propuesta y utilizada contempla la incorporación de datos tanto de SIAVO como de cualquier otra aplicación o base de datos. Somos conscientes que no es posible a priori conocer todas las bases de datos ni los formatos asociados que se quieran incorporar en el futuro. Por ello, se desarrollo un marco de trabajo al efecto de que sea fácil y rápida su incorporación. Asimismo, el modelo de datos y las tablas asociadas a la base, también se encuentran diseñadas de forma tal de que dicha incorporación sea sencilla. Una de las formas optimas en que la información oceanográfica se ha muestreado y difundido históricamente son a profundidades estándares (niveles de profundidad pre-establecidos Tabla 1). La información oceanográfica colectada previamente a la era de la electrónica (década del 70) se realizaba mediante un muestreo discreto de la columna de agua con botellas del tipo Nandsen o Niskin. La migración de datos a BaRDO se ha programado de manera que los datos provenientes de botellas completen la matriz de datos a profundidades estándares mediante una interpolación adecuada. Esto permite que cada nivel de profundidad estándar cuente con la máxima información disponible, particularmente de aquella que proviene de muestreos discretos que tienen muy pobre resolución vertical. Niveles de Profundidades estándar y sus correspondientes profundidades (metros) Profund. Nivel Profund. Nivel Profund. Nivel Tabla 1: Niveles de profundidades estándar y sus correspondientes profundidades en metros. BaRDO permite la actualización permanente con información nueva y/o eventual sobreescritura de información ya ingresada. El repositorio de información desarrollado sobre SQL Server 12

13 tiene como objeto servir como base de consulta de la información oceanográfica o de cualquier otro origen que sea requerida por el grupo de investigadores. La idea es que esta base no sea actualizada directamente por un operador sino a través de procedimientos y programas especialmente desarrollados que importen, actualicen y corrijan la información allí residente. A tal fin se elaboro un conjunto de programas para trabajar con la actualización de la información procedente de nuevas campañas e ingresadas al SIAVO. Con solo activar un botón en la pantalla y utilizando el usuario de administrador, la base de datos de SQL Server actualizará los datos cabecera de las campañas a partir de la información nueva o corregida existente en el SIAVO, y los detalles de las mismas con sus correspondientes marcas de controles de calidad a partir de archivos de texto con formato MEDS ( De esta manera se mantienen separados los ambientes de actualización y el ambiente de consulta. La estructura desarrollada garantiza el manejo eficaz de registros a través del tiempo-espacio, campañas, estaciones y niveles de profundidad. VII Parámetros derivados en BaRDO: SQL Server, calcula ante requerimiento del usuario las siguientes variables derivadas: Temperatura Potencial (θ), Anomalía de densidad (σ-0/4-sigma), cantidad de calor, Anomalía del Volumen Específico, Altura Dinámica, Alpha y Beta (expansión térmica y salina), Frecuencia de Brunt Väisäla. Para el cálculo de variables derivadas se utilizaron los algoritmos para el calculo de propiedades fundamentales del agua de mar (Fofonoff and R.C Millard, 1983). La escala de temperatura para el calculo de estas variables derivadas es IPTS-68, siguiendo las recomendaciones del Joint Panel of Temperature Standards (JPOTS), donde se asume que T 68 es *T 90 (entre -2 y 35ºC). Las mismas son calculadas para todos los niveles en donde exista información, e incorporadas a las tablas correspondientes para su posterior análisis y elaboración. Esta información se encuentra en la base SQL Server en campos del tipo formulas, creados a tal fin, de esta manera si alguna de las fórmulas utilizadas sufre algún cambio, los valores se modificarán automáticamente sin realizar ningún proceso adicional. VII Aplicaciones en el entorno de BaRDO: CorVu El CorBussines-Data Server Manager de OVERALL.(CorVu) es una herramienta dinámica de administración de servidores de datos que se conecta a la/s fuente/s de dato/s y permite diseñar y programar extracciones de información (Queries) para el análisis de información ante escenarios definidos por el usuario. 13

14 En el marco del sub-proyecto Atlas se implementaros diversas aplicaciones y se capacito al grupo de oceanografía Física en la administración del CorVu y generación de aplicaciones en el entorno del mismo. VII Aplicación 1: Consulta de la base y extracción de información según distintos criterios de selección ó filtros: una ó varias campañas completas, una ó varias estaciones dispersas, estaciones limitados por rangos geográficos, estaciones según condiciones de fecha, registros para niveles específicos, o cualquier combinación posible entre las variables amacenadas o calculadas dentro de la base. VII Aplicación 2: Calculo, para una cuadrícula regular de paso variable, del perfil vertical medio para distintos pasos temporales y los estadísticos descriptivos asociados. Con vistas a la utilización de estadísticas para presentación de gráficos y mapas de climatologías, se han desarrollado los programas que permiten la extracción y exportación de información estadística obtenida a partir de datos individuales. Los programas han sido desarrollados con la flexibilidad necesaria para trabajar con escalas temporales y espaciales variables. Los estadísticos mas comúnmente utilizados son valores medios, para una grilla de n grados de latitud por m grados de longitud, a niveles estándar de profundidad y para meses o periodos específicos. Una vez que el campo es calculado, el mismo puede ser exportado en un formato determinado para su posterior explotación y análisis. VII Aplicación 3: Desarrollo e implementación durante el dictado del curso CorVu el calculo Volumétrico de Masas de Agua en espacio TS. A partir de la climatología, para una determinada area y/o periodo de tiempo y/o tipo de dato, etc., el objetivo de esta aplicación fue proveer una tabla con el espesor integrado en profundidad de pares TS con una resolución de 0.1ºC/0.01UPS. VII Curso CorVu: El objetivo fue la capacitación de técnicos y profesionales del área Oceanografía Física del INIDEP en la Administración y Desarrollo de aplicaciones para la nueva Base de Datos Oceanográfica del INIDEP, utilizando el software CorVu (CorBussines-Data Server Manager) de OVERALL. El mismo comprendió dos etapas: VII Capacitación de administradores: Esta etapa estuvo enfocada a la conectividad con la/s fuente/s de dato/s, la administración del meta esquema de CorVu (Data Server Manager), la definición de usuarios y niveles de accesos, y a la asociación de tareas a la agenda de procedimientos. Ver el desglose temático en el informe de 3er. semestre (18 meses). 14

15 VII Capacitación de usuarios: Esta estuvo enfocada al desarrollo e implementación de rutinas de extracción de información (Queries), a la definición de escenarios para análisis, a manipulación de consultas a través de joins e importaciones, la creación de reportes rápidos y el diseño de menús. Ver el desglose temático en el informe de 3er. semestre (18 meses). 15

16 VII. 2.- Estructura de los datos formato Podemos identificar en la organización de los datos dos grupos principales: a) Datos de la Estación o de Cabecera que comprenden los datos de identificación, posición, tiempo/fecha_hora, instrumento utilizado, también se incluye en este grupo a los datos meteorológicos asociados. b) Datos del Perfil se refiere a las mediciones de los diferentes parámetros en cada uno de los niveles de profundidad. Se utilizan para la denominación de los diferentes campos códigos internacionales ( de forma tal de facilitar el intercambio de información con otros centros de datos y grupos de investigación. Con el mismo propósito se han implementado algunos formatos estándar de salida para la exportación de la información : ASCII, CSV, o TSV, Meds-NOAA. En la Tabla 2 se presentan los diferentes campos almacenados en BaRDO y las unidades respectivas y la Figura 4 representa el modelo de datos correspondiente. ESTRUCTURA VARIABLE UNIDAD PERFIL ESTACION Campaña (Buque + Año + Nro Alfa numérico Campaña) Estación (Nro Estacion general + numérico lanzamiento) Fecha/Hora mm/dd/aaaa HH:mm Latitud [-90 a 90] Longitud [-180 a 180] Profundidad batimetrica (inicial y final) m Instrumento Alfa numérico Presión atmosferica Hpa Humedad relativa % Estado del Mar Pierson-Moskowitz Profundidad m Viento dirección Viento intensidad m/s Temperatura aire seco C Temperatura aire humedo C Presion db Temperatura C Salinidad Fluorometria μg/l Turbidez mg/l Oxigeno μmol/kg Fosfato μmol/kg Silicato μmol/kg Nitrato μmol/kg CFC11 pm/kg Tabla 2: Variables de BaRDO y unidades de medidas. 16

17 Figura 4: Modelo de datos VII. 3.- Controles de calidad (QC) Los controles de calidad sobre BaRDO se implementaron según las recomendaciones del IOC IODE - GETADE (International Oceanographic Comisión - International Oceanographic Data and Information Exchange - Group of Experts on Technical Aspects of Data Exchange) respondiendo a requerimientos internacionales de calidad. 17

18 Las tareas de control de calidad involucran procesos que utilizan programas de desarrollo propio (SIAVO) y aplicaciones desarrolladas por terceros: Quality Control editor (QCed - Global Temperatura-Salinity Pilot Project GTSPP/NODC-NOAA), Ocean Data View (ODV Schlitzer, R ). En la figura 5 se presenta un diagrama global indicando el flujo de información. Los controles de calidad aplicados a BaRDO están agrupados: en primer lugar, los concernientes a datos de la estación (QC0), en segunda instancia, se agrupan los relativos al perfil (QC1) y por ultimo se analiza la consistencia de los datos respecto a la climatología conocida (media anual, estacional o mensual ) (QC2). INIDEP Siavo BASE ACCESS (en control) SIAVO SODB Datos Externos SODB ConvFort Autosal Error Salinidad QC1 QCed Rangos Globales Perfil envolvente Perfil constante Spikes Spikes fondo/ superfice Gradientes Inversiones densidad Exportación QC2 Climatológico WOA01 QC0 Ident. del Perfil Fecha y hora Localización Rangos globales Rangos regionales QC1 Pres. Creciente Duplicados / Visualización ODV BaRDO SQL Marcas QC Visualizacion/ Procesamiento SeaBird Software Productos CorVu Figura 5: Diagrama global de flujo de la información Todos los niveles de control de calidad implican dos categorías: a) automáticos/objetivos y b) visuales/subjetivos. Primero se ejecutan los controles de calidad automáticos y luego el operador realiza un control visual que permite validar o corregir manualmente (subjetivamente) la marca y/o el dato, tomando en consideración la consistencia global de los mismos (aceptar, modificar la marca impuesta y/o corregir el dato). En los casos en los que el operador realiza un cambio en el valor de alguna variable el valor original se guarda y se conserva una marca que indica que el dato ha sido modificado. Además se vuelven a ejecutar el/los control/es de calidad que involucra/n al dato que ha sido modificado. En esta parte del documento se presenta para cada uno de los controles de calidad el nombre y una breve descripción. El orden en los que se presentan no implica un ordenamiento cronológico por lo tanto, cuando son necesarios, se indican los requisitos de ejecución. Una descripción mas 18

19 detallada de cada una de las rutinas de control de calidad puede encontrarse en el informe de Control de Calidad. VII QC0 Cabecera- datos de la estación En este control están involucrados los datos de estación, tanto los campos que la identifican (buque, campaña, posición y fecha) como la información meteorológica asociada. Identificación del Perfil Fecha y hora Localización: mpctd Visualización posición Datos Rangos globales: Esta rutina verifica que los Datos de la Estación poseen valores que se encuentran dentro de rangos globales determinados por datos y escalas genéricas del océano mundial. Rangos regionales: Esta rutina verifica que los Datos de la Estación poseen valores que se encuentran dentro de rangos regionales determinados por climatologías regionales, estadísticas y publicaciones científicas. Requisito: ejecución de Rangos Globales. Marcas de Estación Cada rutina de control tiene asociado un campo donde se almacenan las marcas que se utilizan para realizar las correcciones de cada uno de ellos. Duplicados y duplicados inexactos VII QC1 Perfiles ODV En este nivel de control se agrupan aquellos referidos a los parámetros físicos medidos en cada estación oceanográfica en función de la profundidad (perfil), donde se controla la estructura vertical. La misma se realizó mediante visualización y marcado de los perfiles por campaña utilizando el ODV (Figura 6). Este paquete gráfico permitió también completar el control de posición. Se lista a continuación los parámetros controlados en este módulo: 19

20 Presión creciente. Rangos Globales Perfil envolvente Spikes Spikes de fondo y de superfice Gradientes Inversiones de densidad a) 20

21 b) Figura 6: Pantallas de visualización: a) perfiles verticales, opciones de marcado y ubicación geográfica. b) Diagrama T-S multiple, diagramas T y S en cascada, ubicación de estaciones. VII QC2 Climatologico Este control determina si las observaciones de temperatura y salinidad se encuentran dentro de ciertos rangos del valor medio provisto por la climatología mensual, estacional o anual del World Ocean Atlas 2001 (WOA01) Ocean Climate Laboratory National Oceanographic Data Center (OCL- NODC). No se realizan marcas automáticas en esta etapa del control, el operador tiene la posibilidad de visualizar (figura 7) cada una de las estaciones que no pasan el control y puede efectuar marcas si lo considera necesario. 21

22 Figura 7: Ejemplos de visualización de perfiles sobre climatologías con plantillas de marcas utilizando el programa QCed del GTSPP. VII. 4.- Software de QC Los controles de calidad se realizan mediante la ejecución de una serie de rutinas que forman parte de diferentes programas. En los casos en los que contábamos con datos adicionales que permitían un control de calidad más detallado, se desarrollaron rutinas especificas, por otro lado cuando se requería la visualización de las estaciones y perfiles asociados se utiliza software diseñados a tal fin ya probados por otros grupos de trabajo con amplia experiencia en el tema. En la 22

23 Tabla 3 se presenta un listado de cada uno de los controles realizados y el software utilizado en cada caso. Se realizó una corrida del QCed con la versión 1.5 provista por el GTSPP y posteriormente se generó una nueva versión adaptada (1.51) a los requerimientos locales ajustando los umbrales a valores más estrictos y adaptando el entorno de visualización. SIAVO ODV QCed Identificación del Perfil Visualización posición 1 Visualización pos 2 Fecha/Hora Duplicados y dup. inexactos Rangos Globales Número de Estación creciente Perfil envolvente Velocidad del buque mpctd- Z Rangos globales Rangos regionales Presión creciente Tabla 3: Software utilizado en los controles de calidad VII. 5.- Marcas por estación y por perfil Como resultado de los controles de calidad aplicados cada una de las estaciones oceanográficas almacenadas en BaRDO, cuenta con una marca de control de calidad para la estación y para cada uno de los parámetros medidos en la misma, en cada nivel de profundidad (perfil). En el caso de contar con mediciones de parámetros químicos, si bien no se les realizaron controles de calidad específicos, se conservaron las marcas de origen. Estación: Según los valores obtenidos en cada uno de los campos de control de cabecera se construye un único número hexadecimal para cada estación que resume cuales controles se han ejecutado y si fallaron o no. El número hexadecimal resultante es de seis (6) dígitos, donde cada rutina de control ocupa una posición fija que almacena la condición general del proceso para cada estación. Perfil: Cada uno de los parámetros medidos en la estación posee, para cada uno de sus niveles, una marca coincidente con las utilizadas durante el procesamiento por IGOSS (Integrated Global Ocean Services System), que indica la calidad del dato. 0 = no existe control de calidad asignado a este elemento 1 = el elemento es correcto 23

24 2 = el elemento es inconsistente respecto a otros elementos 3 = el elemento es dudoso 4 = el elemento es erróneo 5 = el elemento ha sido cambiado 6 a 8 = reservados para usos futuros 9 = sin dato VII. 6.- Caracterización de los datos VII Características de la información utilizada Los datos que componen BaRDO pueden clasificarse en dos tipos: a) Datos de botella (OSD Ocean Station Data), referidos a mediciones realizadas a partir de muestreos discretos de la columna de agua realizados con botellas tipo Niskin o Nansen. La temperatura se midió con termómetros de inversión y los datos de salinidad son el resultado de la medición en laboratorio de muestras por método de titulación analítico o con diferentes salinómetros (inductivos o por electrodos). b) Datos CTD (Conductivity-Temperature-Depth). Los instrumentos CTD miden temperatura y conductividad en función de la presión (profundidad) a una relativamente alta resolución vertical (considerada continua) que depende de la marca y el modelo de instrumento utilizado. La salinidad se calcula a partir de las variables medidas (C, T y D). BaRDO cuenta en la actualidad con un total de 26,159 estaciones pertenecientes al período , el 62% corresponden a datos CTD y el restante 38% a datos de botella. En la Figura 8 se presenta la composición de los datos según el tipo y la fuente, observándose que los datos provenientes del INIDEP son mayoritariamente CTD, correspondiendo principalmente a mediciones posteriores a 1980, mientras que los datos incorporados a través de la SODB son fundamentalmente mediciones utilizando botellas de muestreo, realizadas a partir del año 1911 (Figura 3). VII Caracterización temporal de los datos En la distribución temporal presentada en la Figura 3 se observa que el muestreo de variables oceanográficas en la región no fue constante a lo largo de los años. Hasta el año 1984 se realizaron sólo el 25% de las observaciones y el 50% de las mismas fueron realizadas a partir del año Los periodos con menor cantidad de estaciones corresponden a las décadas de 1910, 1920, 1940 y En promedio la cantidad de estaciones anual para el periodo es 55 veces mayor que la correspondiente al periodo

25 CANTIDAD [%] % Botellas % CTD INIDEP TOTAL (INIDEP+Externas) Externas Figura 8: Composición de los datos según tipo y fuente. Las Figuras 9 y 3 dan cuenta de la cobertura temporal y espacial aportada por la SODB complementando los datos provenientes del INIDEP fueron tomados fundamentalmente a partir del año 1978 y se ubican principalmente sobre la plataforma continental Distribución Anual 120 Nro Estaciones Años Inidep Externas Frecuencia % Acum Figura 9. Distribución anual de datos Frecuencia % En la Figura 10 se presenta la distribución mensual de los datos para el área patagónica (sur de 40 S), considerada como un conjunto único sin discriminar el año de adquisición. El número de observaciones por mes varía desde alrededor de 700 en junio hasta cerca de 2000 en enero. Enero, septiembre, noviembre, diciembre, marzo, y febrero son los meses en los que se realizaron más 25

26 muestras, en orden decreciente. Y los meses menos muestreados fueron junio, mayo, julio, abril, ago y oct ahora en orden creciente, con menor cantidad de observaciones que el 8% del total. Distribución Mensual Total NOV OCT DIC ENE FEB MAR ABR SEP MAY AGO JUL JUN Frecuencia [Cantidad estaciones] Figura 10: Distribución mensual de los datos colectados al sur de 40 S. Para detectar la variabilidad intra-anual, los datos se agruparon según el mes de muestreo en dos períodos: uno frío y uno cálido. El frío se definió abarcando los meses de junio a octubre, y el llamado cálido comprendió los meses de diciembre a marzo. La Figura 11 muestra la distribución porcentual estacional del total de los datos, y la Figura 12 la distribución mensual para cada uno de los períodos. A partir de ambas puede establecerse que la clasificación en datos fríos ó calidos es casi homogénea, garantizándose así la caracterización de la componente de variabilidad con escala estacional. Para cada año se calculó la frecuencia de ocurrencia de estos dos períodos estacionales. Luego la diferencia entre ellos como medida del aglutinamiento de la distribución estacional. TRANSICIÓN 23% Distribución % Estacional FRÍOS 36% CÁLIDOS 41% 26

27 Figura 11: Distribución porcentual estacional. 50 Distribución Mensual Frecuencia % Transición Frecuencia % Fríos Frecuencia % Cálidos Frecuencia % Total 40 Frecuencia [%] ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC Mes Figura 12: Distribución mensual de los datos clasificados. VII Caracterización geoestadística de los datos Los datos, distribuidos en forma no uniforme, se mapearon regularmente espaciados sobre un conjunto de nodos de grilla. Como técnica de estimación se usó la interpolación lineal de kriging. El método kriging está asociado con la sigla en inglés B.L.U.E. (best linear unbiased estimator) ya que: es lineal, por que los estimadores se forman por la combinación lineal de los datos disponibles, se dice mejor por que minimiza la varianza del error y no posee sesgo, porque intenta que la media del error sea cercana a cero (Journel y Huijbregts, 1978). Estas dos últimas características, minimizar la media y la varianza del error, son las que distinguen a kriging de los otros métodos. (Isaaks y Srivastava, 1989). Mediante este método se obtiene la estimación de la variable en un dominio de la misma, a partir de un conjunto de muestras obtenidas tanto en el interior como en el exterior de dicho dominio, y del conocimiento del semivariograma correspondiente. La estimación del variograma, el cual relaciona la variable con la distancia, consiste en el cálculo del variograma experimental, que es una simple interpolación de los datos; y luego en el ajuste de éstos valores al modelo de variograma teórico que mejor describa la curva obtenida. Con el fin de obtener un parámetro que midiera el grado de dicho ajuste, se exportaron los datos numéricos del variograma experimental, se calculó el variograma teórico en las diferentes distancias (lags) h en las que se calculó este último, y se realizó una regresión lineal utilizando el método de los mínimos cuadrados para ajustar los valores del variograma teórico a la serie de observaciones del variograma experimental. Del resumen de estadísticos de la regresión, se analizan el coeficiente de determinación R2 y la pendiente entre los valores teóricos y experimentales. 27

28 Para aproximar estadísticamente la distribución real de la variable muestreada, es necesario definir los parámetros que definen la geometría de la grilla y el sistema de búsqueda. Para respaldarlos cuantitativamente se calcularon algunos estadísticos espaciales, que requieren que se los evalúe en conjunto. Para proveer de un procedimiento sistemático, las herramientas usadas para determinar los parámetros de la geometría de la grilla y el sistema de búsqueda fueron: Cálculo de cantidad de datos por nodo: Computado para diferentes tamaño de grilla y radios de búsqueda específicos, cálculo de distribución de frecuencia, estadísticos principales de la distribución de frecuencia. Los radios de búsqueda se definieron de manera de evitar la superposición de los datos entre nodos adyacentes r1; y de evitar regiones para las que no se consideran los datos entre los dominios de nodos adyacentes r2. Se puntualizaron grillas regulares de tamaño = 0,1º, 0,25º, 0,5º, 0,75º, 1º y 2º y radios de búsqueda r1 = /2 y r2= 1/2. Distancia al nodo más cercano: Generación de mapas con las isolíneas correspondientes. Para cuantificar el radio de búsqueda, se calculó la distancia desde cada nodo hasta el punto más cercano para grillas de tamaño 0,1º, 0,2º, 0,25º y 0,5º y para un radio de búsqueda que no limitara la cantidad de datos a considerar. Estadística de vecinos más cercanos: Una primera aproximación a la estadística espacial se tuvo a través de la estadística de los vecinos más cercanos, la que representa relaciones entre las observaciones y la ubicación de los datos. El vecino más cercano se calcula como una simple distancia de separación entre los datos. Una vez establecido el sistema de búsqueda y los parámetros de grillado, se realizaron los variogramas experimentales con el fin de modelar la variabilidad de las variables en función de la distancia. Esta distancia puede ser considerada con respecto a su dirección y módulo, para evaluar la presencia de anisotropía, o simplemente teniendo en cuenta su módulo. De esta manera, se calcularon los variogramas para los registros clasificados geográfica y temporalmente para la distancia máxima de variograma establecida en 18º. Para detectar si existe alguna orientación de preferencia del fenómeno físico, se realizaron primero los variogramas experimentales en las cuatro direcciones cardinales principales E-O (Dirección 0 ), SO-NE (Dirección 45 ), N-S (Dirección 90 ) y NO-SE (Dirección 135 ); con una tolerancia angular de 22.5º y una distancia máxima de variograma establecida como la máxima distancia dentro del área de dominio, para identificar las direcciones en el que la meseta se alcanza con mayor y menor rapidez. Luego se realizó un variograma experimental omnidireccional para la distancia máxima de isotropía, definiendo la grilla de variograma según la distancia de lag máxima, la cantidad de divisiones angulares y la cantidad de divisiones radiales. La distancia de validez de la isotropía se estableció en 2º; teniendo en cuenta a la distancia máxima aceptable entre observaciones 28