Análisis de la dinámica de series temporales de variables meteorológicas en la estación climatológica Chone, Ecuador

Autores/as

  • María Fernanda Ayala Universidad de las Fuerzas Armadas – ESPE. Ecuador
  • Alfonso Tierra Centro Geoespacial. Universidad de las Fuerzas Armadas – ESPE. Ecuador
  • David Carrera-Villacrés Centro Geoespacial. Universidad de las Fuerzas Armadas – ESPE. Universidad Central del Ecuador. Facultad de Ingeniería Geología Minas Petróleos y Ambiental FIGEMPA.

Palabras clave:

Caos, espacio de fases, mapas recurrentes, variables meteorologicas, test de sustitutos

Resumen

Estudiar el clima ha sido de gran interés a lo largo de la historia, desde el siglo XVII con la creación de los primeros instrumentos de medición de variables meteorológicas, siendo el principal motivo realizar predicciones acertadas. Se suelen utilizar métodos matemáticos, estadísticos y programas informáticos los cuales la mayoría son de naturaleza lineal. Esto provoca que en muchos casos la información relevante y los componentes no lineales permanezcan escondidos. En el trabajo se analizó el comportamiento dinámico, mediante técnicas de análisis no lineal, de las siguientes variables meteorológicas: precipitación, evaporación, temperatura y velocidad del viento, de la estación climatológica principal de Chone (M0162), cuyos registros fueron proporcionados por el Instituto Nacional de Meteorología e Hidrología (INAMHI). Se utilizó el software Matlab para aplicar tres técnicas de medida del caos sobre las cuatro variables en estudio con el fin de buscar algún indicio de caos en las series. La primera técnica que se utilizó fue la distribución de probabilidades, seguida de la reconstrucción de diagramas de espacio de fases y finalmente se elaboraron mapas recurrentes. Se obtuvieron como resultados cuatro histogramas, cuatro diagramas de espacio de fases y cuatro mapas recurrentes correspondientes a las variables estudiadas. Los resultados fueron clasificados de acuerdo a su dinámica. Finalmente, mediante un test de sustitutos y el análisis de recurrencia cuantitativa, se pudo distinguir un leve grado de determinismo en las series, concluyendo así que las variables no son estocásticas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Asesores y Consultores del Litoral Cia. Ltda. (ACOLIT), (2008). Actualización de los estudios definitivos del proyecto de propósito múltiple Chone. Estudio Hidrológico. Documento técnico de apoyo Nº 9: Anexo 2.

Aştefănoaei, C., Pretegiani, E., Optican, L. M., Creangă, D., y Rufa, A. (2013). Eye movement recording and nonlinear dynamics analysis–the case of saccades. Romanian Journal of Biophysics, 23(1-2), 81.

Carbajal, F. P. (2003). Búsqueda de atractores extraños en dinámica cardiaca durante el ciclo onírico. Pro Mathematica, 17(34), 129-141.

Carrasco, R., Vargas, M., Soto, I., Fuertes, G., y Alfaro, M. (2015). Copper Metal Price Using Chaotic Time Series Forecating. IEEE Latin America Transactions, 13(6), 1961-1965. doi: https://doi.org/10.1109/TLA.2015.7164223

Carrera-Villacrés, D., Guevara-García, P., Maya-Carrillo, M., y Crisanto-Perrazo, T. (2015). Variations of Species Concentration in Inorganic Water Dam “Purpose Multiple Chone”, Ecuador Based on Precipitation, Evaporation and Evapotranspiration. Procedia Earth and Planetary Science, 15, 641-646. doi: https://doi.org/10.1109/TLA.2015.7164223

Carrera, D., Guevara, P., Tamayo, L., Balarezo, A., Narváez, C., y Morocho, D. (2016). Relleno de series anuales de datos meteorológicos mediante métodos estadísticos en la zona costera e interandina del Ecuador, y cálculo de la precipitación media. Idesia (Arica), 34(3), 81-90.

Carrión, A., Miralles, R., y Lara, G. (2014). Measuring predictability in ultrasonic signals: An application to scattering material characterization. Ultrasonics, 54(7), 1904-1911. doi: https://doi.org/10.1016/j.ultras.2014.05.008

Coelho, M. C. S., Mendes, E. M. A. M., y Aguirre, L. A. (2008). Testing for intracycle determinism in pseudoperiodic time series. Chaos: An Interdisciplinary Journal of Nonlinear Science, 18(2), 023125. doi: https://doi.org/10.1063/1.2927388

Coppo, J., (2010). Teoría del caos y método científico. Revista Veterinaria, 21(2).

Department of Control Systems and Mechatronics, Wroclaw University of Technology, Korus, Ł., Piórek, M., y Department of Computer Engineering, Wroclaw University of Technology. (2015). Compound method of time series classification. Nonlinear Analysis: Modelling and Control, 20(4), 545-560. doi: https://doi.org/10.15388/NA.2015.4.6

Dolan, K. T., y Spano, M. L. (2001). Surrogate for nonlinear time series analysis. Physical Review E, 64(4), 046128. doi: https://doi.org/10.1103/PhysRevE.64.046128

Echi, I., Tikyaa, E. V., y Isikwue, B. C. (2015). Dynamics of daily rainfall and temperature in makurdi. International Journal of Science and Research, 4(7), 493-499.

Espinosa, A. (2004). El Caos y la Caracterización de Series de tiempo a través de técnicas de la dinámica no lineal (Tesis que para obtener el título de Ingeniero en Computación). Universidad Autónoma de México, México D.F.

Fabretti, A., y Ausloos, M. (2005). Recurrence plot and recurrence quantification analysis for detecting a critical regime: examples from financial market inidices. International Journal of Modern Physics C, 16(05), 671-706. doi: https://doi.org/10.1142/S0129183105007492

García, S., Romo, M., y Figueroa, J. (2013). Characterization of ground motions using recurrence plots. Geofísica internacional, 52(3), 209-227.

Gutiérrez, L. y J. Mejía, (2012). Detección de la dinámica y la no linealidad en las señales de tiempo financieras a través del método de los datos sustitutos.

Huth, R., y Pokorná, L. (2004). Parametric versus non-parametric estimates of climatic trends. Theoretical and Applied Climatology, 77(1-2), 107-112. doi: https://doi.org/10.1007/s00704-003-0026-3

Inzunza, J., (2000). Meteorología descriptiva y aplicaciones en Chile. Universidad de Concepción, Chile.

Ivancevic, V. y T. Ivancevic. (2007). High-dimensional chaotic and attractor systems: a comprehensive introduction. Dordrecht, The Netherlands: Springer.

Kliková, B. y A. Raidl. (2011). Reconstruction of phase space of dynamical systems using method of time delay. En Proceedings of the 20th Annual Conference of Doctoral Students-WDS 2011 (pp. 83-87). Prague, Czech Republic.

Lan, L. W., Lin, F.-Y., y Kuo, A. Y. (2005). Identification for chaotic phenomena in short-term traffic flows: a parsimony procedure with surrogate data. Eastern Asia Society for Transportation Studies, 6, 1518- 1533. doi: https://doi.org/10.11175/easts.6.1518

Marwan, N., y Kurths, J. (2004). Cross Recurrence Plots and Their Applications. En Mathematical Physics Research at the Cutting Edge (pp. 101-139) Hauppauge, USA: Nova Science Publishers.

Marwan, N., Carmenromano, M., Thiel, M., y Kurths, J. (2007). Recurrence plots for the analysis of complex systems. Physics Reports, 438(5-6), 237-329. doi: https://doi.org/10.1016/j.physrep.2006.11.001

Marwan, N. (2011). How to avoid potential pitfalls in recurrence plot based data analysis. International Journal of Bifurcation and Chaos, 21(04), 1003-1017. doi: https://doi.org/10.1142/S0218127411029008

Mesin, L., Cattaneo, R., Monaco, A., y Pasero, E. (2014). Pupillometric Study of the Dysregulation of the Autonomous Nervous System by SVM Networks. En S. Bassis, A. Esposito, y F. C. Morabito (Eds.), Recent Advances of Neural Network Models and Applications (Vol. 26, pp. 107-115). Springer International Publishing. doi: https://doi.org/10.1007/978-3-319-04129-2_11

Millán, H., Kalauzi, A., Cukic, M., y Biondi, R. (2010). Nonlinear dynamics of meteorological variables: Multifractality and chaotic invariants in daily records from Pastaza, Ecuador. Theoretical and Applied Climatology, 102(1-2), 75-85. doi: https://doi.org/10.1007/s00704-009-0242-6

Mokhov, I. I., Smirnov, D. A., Nakonechny, P. I., Kozlenko, S. S., Seleznev, E. P., y Kurths, J. (2011). Alternating mutual influence of El-Niño/Southern Oscillation and Indian monsoon: Indian Monsoon-ENSO mutual influence. Geophysical Research Letters, 38(L00F04). doi: https://doi.org/10.1029/2010GL045932

Moore, B. J. (2006). Chaos Theory: Unpredictable Order in Chaos. En B. J. Moore, Shaking the Invisible Hand (pp. 43-74). Palgrave Macmillan UK. doi: https://doi.org/10.1057/9780230512139_3

Mouronte López, M. L. (2004). Caracterización y análisis de sistemas dinámicos no lineales mediante el estudio del mapa de frecuencias y espacio de fases. (Tesis Doctoral). Universidad Politécnica de Madrid, Madrid, España.

OMM. (2011). Guía de Prácticas Climatológicas. OMM- No. 100. Ginebra, Suiza: Organización Metereológica Mundial (OMM).

Özer, A. B. y, A. Erhan, (2005). Tools for detecting chaos. Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 9(1), 60-66.

Palomares Calderón de la Barca, M. (2015). Breve historia de la Agencia Estatal de Meteorología AEMET: el servicio meteorológico español.

Pecar, B. (2004). Visual recurrence analysis as an alternative framework for time series characterization (pp. 241-251). En M. Costantino, y C. A. Brebbia (Eds.), Computational Finance and its Applications. Southhamptpon, UK: WIT Press.

Pizarro, R., Ausensi, P., Aravena, D., Sangüesa, C., León, L., y F. Balocchi. (2009). Evaluación de métodos hidrológicos para la completación de datos faltantes de precipitación en estaciones de la región del Maule, Chile. Aqua-LAC: revista del Programa Hidrológico Internacional para América Latina y el Caribe, 1(2), 172-184.

Rickles, D., Hawe, P., y Shiell, A. (2007). A simple guide to chaos and complexity. Journal of Epidemiology & Community Health, 61(11), 933-937. doi: https://doi.org/10.1136/jech.2006.054254

Rivera, E. T. (2004). Group Chaos Theory (GCT) A research model and analysis of group process. Journal of Social Complexity, 2(1), 33-49.

Rong Yi, Y. y H. Xiao-Jing, (2011). Phase space reconstruction of chaotic dynamical system based on wavelet decomposition. Chinese Physics B, 20(2), 020505.

Secretaría nacional del agua (SENAGUA), (2015). Gobierno Nacional inaugura Proyecto Multipropósito Chone (PPMCH), cuyo objetivo es mitigar los efectos de las inundaciones. Recuperado de http://www.agua.gob.ec/

Steinhaeuser, K., Chawla, N. V., y Ganguly, A. R. (2011). Complex networks as a unified framework for descriptive analysis and predictive modeling in climate science. Statistical Analysis and Data Mining, 4(5), 497-511. doi: https://doi.org/10.1002/sam.10100

Suresh, A. y Selvaraj, R. (2017). A complete chaotic analysis on daily mean surface air temperature and humidity data of Chennai. Journal of Indian Geophysical Union, 21(4), 277-284.

Tsonis, A. y J. Elsner, (1989). Chaos, strange attractors, and weather. Bulletin of the American Meteorological Society, 70(1), 14-23.

Webber, C. L., y Zbilut, J. P. (2005). Recurrence Quantification Analysis of Nonlinear Dynamical Systems. En M. Riley, y G. Van Orden. (Eds.), Tutorials in Contemporary Nonlinear Methods for the Behavioral Sciences (pp. 26-94). USA: National Science Foundation.

Wendi, D., Marwan, N., y Merz, B. (2018). In Search of Determinism-Sensitive Region to Avoid Artefacts in Recurrence Plots. International Journal of Bifurcation and Chaos, 28(01), 1850007. doi: https://doi.org/10.1142/S0218127418500074

Williams, G. (1997). Chaos theory tamed. Washington D.C., USA: Joseph Henry Press.

Zou, Y., Donner, R. V., Donges, J. F., Marwan, N., y Kurths, J. (2010). Identifying complex periodic windows in continuous-time dynamical systems using recurrence-based methods. Chaos: An Interdisciplinary Journal of Nonlinear Science, 20(4), 043130. doi: https://doi.org/10.1063/1.3523304

Descargas

Publicado

2018-12-20

Cómo citar

Ayala, M. F., Tierra, A. ., & Carrera-Villacrés, D. (2018). Análisis de la dinámica de series temporales de variables meteorológicas en la estación climatológica Chone, Ecuador. Geoacta, 43(1). Recuperado a partir de https://revistas.unlp.edu.ar/geoacta/article/view/13319

Número

Sección

Trabajos científicos