|
Resumen:
|
Los datos de la Temperatura Superficial del Mar (TSM) obtenidas in situ por los Laboratorios Costeros del Imarpe, representan uno de los registros históricos diarios más completos de variables oceanográficas en el Perú, los que actualmente son monitoreados con fines de investigación científica y para detectar la ocurrencia de eventos como El Niño y La Niña. Sin embargo, algunos de estos registros presentan vacíos que dificultan calcular la climatología en cada estación costera. El presente trabajo tiene el propósito de completar estos vacíos de datos de TSM in situ diario, usando como predictor la TSM satelital diaria en los modelos estadísticos lineales. Para ello, se emplearon una Regresión Múltiple y una Regresión Múltiple Segmentada (por tramos). Se concluye que se lograron reconstruir las series de tiempo diarias de TSM in situ usando como predictor la TSM satelital. Para las estaciones costeras de Chicama, Chimbote, Huacho, Callao e Ilo, la Regresión Múltiple Segmentada (por tramos) permitió generar con mayor robustez los datos diarios faltantes, con los cuales se han reconstruido las series continuas de datos diarios de todas las estaciones costeras.
ABSTRACT: The in situ Sea Surface Temperature (SST) records collected by IMARPE’s coastal laboratories constitute one of the most extensive daily time series of oceanographic variables available for the Peruvian coast. These datasets are critical for oceanographic research and for monitoring large-scale climate events such as El Niño and La Niña. However, gaps in the daily records persist at several stations, making the development of consistent climatologies and long-term trend analyses difficult. This study aims to estimate missing daily in situ SST values using satellite-derived daily SST as a predictor within a linear statistical framework. Two methods have been applied and evaluated: Multiple Linear Regression (MLR) and Segmented Multiple Linear Regression (SMLR). The analysis shows that satellite SST can effectively serve as a predictor for the reconstruction of in situ SST time series. Among the approaches tested, PMLR provided more robust estimates, particularly for the coastal stations of Chicama, Chimbote, Huacho, Callao and Ilo. The resulting gap-filled time series improve the continuity and reliability of historical SST datasets for climatological assessments and operational monitoring.
|
Lire la suite
