1
INSTITUTO POLITÉCNICO NACIONAL CENTRO INTERDISCIPLINARIO DE CIENCIAS MARINAS
PERIODOS MULTIANUALES DE CALENTAMIENTO
Y ENFRIAMIENTO EN EL SISTEMA DE
LA CORRIENTE DE CALIFORNIA
TESIS
Que para obtener el grado de:
DOCTORADO EN CIENCIAS MARINAS
Presenta:
Romeo Edén Saldívar Lucio
La Paz, Baja California Sur, junio de 2015.
2
3
4
CONTENIDO
LISTA DE FIGURAS............................................................................................................................. 8
LISTA DE TABLAS ............................................................................................................................. 15
ACRÓNIMOS ...................................................................................................................................... 17
1. INTRODUCCIÓN ............................................................................................................................ 18
1.1. El Sistema de la Corriente de California ........................................................................... 20
1.2. La Respuesta Biológica ...................................................................................................... 21
1.3. Sardina del Pacífico (Sardinops sagax, Jenyns, 1842) ................................................... 22
ANTECEDENTES Y JUSTIFICACIÓN ......................................................................................... 24
HIPÓTESIS ..................................................................................................................................... 28
OBJETIVOS .................................................................................................................................... 28
General ........................................................................................................................................ 28
Particulares .................................................................................................................................. 28
ÁREA DE ESTUDIO ........................................................................................................................... 29
2. METODOLOGÍA ......................................................................................................................... 32
2.1. Datos .................................................................................................................................... 34
Indicadores climáticos reconstruidos ........................................................................................ 34
Surgencias ................................................................................................................................... 37
Índices climáticos (observacionales) ......................................................................................... 38
Temperatura superficial del mar ................................................................................................ 39
Capturas de sardina ................................................................................................................... 39
2.2. Análisis estadísticos ............................................................................................................ 40
2.2.1. Análisis de Factores de Máxima Autocorrelación (MAFA) ....................................... 40
2.2.2. Densidad espectral ...................................................................................................... 42
2.2.3. Descenso Cíclico y Regresión Periódica (“Periods”)................................................ 44
2.2.4. Análisis de Ondículas (Wavelets) ............................................................................... 47
2.2.5. Modelos Aditivos Generalizados ................................................................................ 49
3. RESULTADOS............................................................................................................................ 50
3.1. Indicadores climáticos y biológicos .................................................................................... 50
3.2. Surgencias ........................................................................................................................... 69
5
3.3. Temperatura Superficial del Mar ........................................................................................ 78
3.4. Pronósticos .......................................................................................................................... 86
3.4.1. Índices climáticos ......................................................................................................... 86
3.4.2. Pronósticos de la actividad de surgencias/subsidencias ......................................... 89
3.4.3. Pronósticos de TSM con Modelos Aditivos Generalizados ..................................... 96
3.4.4. Pronósticos de captura de sardinas (Regresión periódica + GAM) ...................... 100
4. DISCUSIÓN ............................................................................................................................... 106
4.1. Autocorrelación .................................................................................................................. 106
4.2. Detección de periodos y predictibilidad ........................................................................... 109
4.3. Forzamiento de baja frecuencia y gran escala ............................................................... 112
4.4. Modelos predictivos de TSM ............................................................................................ 119
4.5. Modelos predictivos de captura de sardina del Pacífico ................................................ 123
5.CONCLUSIONES .......................................................................................................................... 129
6. BIBLIOGRAFÍA ............................................................................................................................. 130
7.GLOSARIO .................................................................................................................................... 145
8. ANEXOS ....................................................................................................................................... 148
6
RESUMEN
Los procesos decadales y multidecadales de calentamiento / enfriamiento del Sistema
de la Corriente de California (SCC) indican que los cambios de largo plazo del
ambiente físico tienen un comportamiento cíclico. El propósito del presente estudio fue
analizar si el componente cíclico de la temperatura superficial del mar (TSM) es un
rasgo consistente en el SCC, en el contexto del Pacífico Norte y la Corriente de Alaska.
La extracción de señales a la TSM y al índice de surgencias fue aplicada mediante
transformaciones lineales maximizando la autocorrelación; con ello se identificaron
patrones temporales comunes (MAF) a regiones distantes. Los análisis de la estructura
temporal se llevaron a cabo mediante Transformadas de Fourier, análisis de ondículas,
regresión periódica y descenso cíclico. Los periodos de ~60, ~33, ~18.6 y ~11 años
fueron identificados como los más consistentes entre técnicas de análisis y entre
variables. Tales señales periódicas del SCC mostraron coherencia con las señales de
eventos océano-atmósfera de macro escala, geofísicos y astrofísicos. La importancia
relativa de cada periodo detectado no fue fija, sino que varió según la resolución
temporal y la región geográfica considerada, dando noción de la interacción entre
procesos locales y otros forzantes. La utilidad de esta información fue evaluada tanto
en series climáticas como biológicas: 1) La TSM (R2=0.82, 0.75 y 0.79; D.E.= 73, 87 y
90% ); 2) transporte de Ekman (R2 > 0.44; p < 0.01) y; 3) capturas de sardina del
Pacífico (R2 > 0.46; p<0.01) entre Bahía Magdalena (México y Columbia Británica
(Canadá). Los periodos detectados sugieren a eventos naturales que actúan como
forzantes de gran escala y baja frecuencia subyacen a la variabilidad climática local,
además exhibieron ser útiles en la construcción de pronósticos climático-pesqueros.
Palabras clave: Clima oceánico, ciclos climáticos, Pacífico Oriental, pronósticos
climáticos, pronósticos pesqueros.
7
ABSTRACT
Decadal and multidecadal warming/cooling fluctuations in the California Current System
(CCS) are a surrogate process of cyclic behavior in the ocean´s physical environment.
The CCS is a strategic zone in deepening the knowledge about climate variability
because large scale ocean-atmosphere processes and global scale signals are evident.
The purpose of this study was to analyze whether the cyclic behavior of sea surface
temperature (SST) is a consistent trait in the physical environment of the CCS in the
context of Alaska Current (AC) and North Pacific basin variability. The utility of identified
periodicities in building predictive models was tested. Maximum Autocorrelation Factor
Analysis (MAFA) was applied to extract common signals from SST and upwelling time
series. Several techniques for time series analysis were applied (Fourier transforms,
wavelets, cyclic descend and periodic regressions) to extracted signals (MAF) and
climate indices, allowing comparison of those periods identified by each one. Periods of
~60, ~33, ~18.6 and ~11 years were the most consistent among variables and
techniques. Periodic signals from CCS exhibited coherence with astrophysical,
geophysical and macro-scale ocean-atmosphere processes. The utility of periodic
signals was evaluated both, in climatological and biological time series: 1) SST
(R2=0.82, 0.75 and 0.79; D.E.= 73, 87 and 90% ); 2) upwelling index (R2 > 0.44; p <
0.01) and; 3) commercial catch of Pacific sardine along CCS (R2 > 0.46; p<0.01). The
periods detected suggest natural events (e.g. moon nodal cycle) acting as macro-scale,
low-frequency forcing factors underlying local climate variability. Therefore the cyclic
behavior is potentially useful when building climate-biological forecasting models.
Key words: Ocean climate, climate cycles, forecasting fishing yields, Eastern Pacific,
climate forecast.
8
LISTA DE FIGURAS
Figura 1. Posición de las estaciones donde se miden los campos de presión
atmosférica utilizados por el Laboratorio de Pesca y Ambiente del Pacífico (PFEL-
NOAA) para calcular el índice de surgencias (transporte de Ekman). Las series de
temperatura superficial del mar que se analizaron en el presente trabajo (1854-2013)
fueron extraídas de las mismas posiciones geográficas.
Figura 2. Mapa conceptual de los periodos de calentamiento y enfriamiento como
indicadores de cambio en el Sistema de la Corriente de California y sus regiones
marinas aledañas.
Figura 3. Ajuste de Periods (línea roja) a los valores anuales del índice reconstruido de
la Oscilación Decadal del Pacífico (PDO_rec). La línea negra con círculos representa
los valores observados del PDO reconstruido.
Figura 4. Periodograma del índice reconstruido de la Oscilación Decadal del Pacífico
(PDO_rec). No se muestran los picos espectrales mayores a 60 años. La línea gris
tenue inferior representa el intervalo inferior de confianza de 80% y la línea superior el
de 95%.
Figura 5. Resultados del análisis de ondículas aplicado al índice reconstruido de la
Oscilación Decadal del Pacífico (A; 1470-1998). El desempeño del análisis ante
diferentes grados de suavizado fue evaluado con medias móviles de 5 años (B), 11
años (C), 16 años (D) y con la suma acumulada (E). El límite de significancia (95%) es
marcado por la línea blanca intermitente.
Figura 6. La línea roja muestra el ajuste con la rutina Periods de la tasa de depositación
de escamas de sardina (ES) en la cuenca de Santa Bárbara entre los años 210 y 1970
(Baumgartner et al., 1992). La línea negra con círculos representa los valores
9
observados de la tasa de depositación de escamas. La resolución en el eje del tiempo
es de 10 años.
Figura 7. Densidad espectral de la tasa de depositación de escamas de sardina (ES)
en la cuenca de Santa Bárbara (Baumgartner et al., 1992).
Figura 8. Resultados del análisis de ondículas aplicado a la tasa de depositación de
escamas de sardina en la cuenca de Santa Bárbara, del año 210 al 1970
(A). El desempeño del análisis ante diferentes grados de suavizado fue
evaluado con medias móviles de 5 años (B), 11 años (C), 16 años (D) y con
la suma acumulada (E). El límite de significancia (95%) es marcado por la
línea blanca. La resolución del eje del tiempo es de 10 años.
Figura 9. Serie de tiempo (línea negra) y ajuste con Periods (rojo) de la circulación
atmosférica (CATM) en la región del Pacífico Tropical inferidos por la
duración (en número de días) de los viajes de los Galeones españoles que
navegaron de México (Acapulco) a Filipinas (Manila), entre 1591 y 1720.
Figura 10. Densidad espectral de la duración (en número de días) de los viajes de los
Galeones españoles que navegaron de México (Acapulco) a Filipinas
(Manila), entre 1591 y 1720.
Figura 11. Resultados del análisis de ondículas a los días de trayecto de los galeones
españoles en el periodo (1590-1720), usados como proxy de los cambios
de circulación atmosférica en el Pacífico Norte (A). El desempeño del
análisis ante diferentes grados de suavizado fue evaluado con medias
móviles de 5 años (B), 11 años (C), 16 años (D) y con la suma acumulada
(E). El límite de significancia (95%) es marcado por la línea blanca.
10
Figura 12. Serie de tiempo (línea negra) y ajuste con Periods (rojo) del componente
meridional del viento (VM) en la región de la cuenca de Santa Bárbara
(California), entre 1909 y 1991.
Figura 13. Densidad espectral de las anomalías del componente meridional del viento
en la región de la cuenca de Santa Bárbara (California) en el periodo 1909-
1991.
Figura 14. Resultados del análisis de ondículas de las anomalías del componente
meridional del viento (1909-1991). El desempeño del análisis ante
diferentes grados de suavizado fue evaluado con medias móviles de 5 años
(B), 11 años (C), 16 años (D) y con la suma acumulada (E). El límite de
significancia (95%) es marcado por la línea blanca.
Figura 15. Ajuste con Periods (rojo) a las Anomalías de flujos de diatomeas
reconstruidos de un núcleo de sedimentos laminados en la cuenca de
Santa Bárbara, California.
Figura 16. Densidad espectral detectada en flujos de diatomeas reconstruidos de un
núcleo de sedimentos laminados en la cuenca de Santa Bárbara, California.
Figura 17. Resultados del análisis de ondículas de las anomalías del flujo de diatomeas
(1909-1991) de valores reconstruidos a partir de un núcleo de sedimentos
laminados en la cuenca de Santa Bárbara, California (A). El desempeño del
análisis ante diferentes grados de suavizado fue evaluado con medias
móviles de 5 años (B), 11 años (C), 16 años (D) y con la suma acumulada
(E). El límite de significancia (95%) es marcado por la línea blanca.
Figura 18. Esquema de la relación de gran escala entre los índices reconstruidos y el
Sistema de la Corriente de California. Oscilación Decadal del Pacífico
(PDO_rec), circulación atmosférica (CATM), componente meridional del
11
viento (VM), tasa de depositación de escamas (ES) y el flujo de diatomeas
(FD).
Figura 19. Series de tiempo (1946-2012) del Índice de surgencias (m3·s-1/100m de costa)
en las 15 estaciones de muestreo 21-60°N (Fig.1; líneas grises delgadas) y
la señal de baja frecuencia capturada por el MAF-1 (línea negra). Con fines
de comparación se muestra el primer componente principal calculado
también con las series de las 15 estaciones de muestreo (línea roja).
Figure 20. Coeficientes de correlación entre Factores de Máxima Autocorrelación,
MAF(1-3), y las series del índice de surgencias por estación (izquierda). A la
derecha se muestran las series del índice de surgencias (barras) en dos
estaciones con los valores más altos de correlación y las series
correspondientes de los Factores de Máxima Autocorrelación (línea azul).
Figure 21. Coeficientes de correlación entre Factores de Máxima Autocorrelación,
MAF(4-6), y las series del índice de surgencias por estación (izquierda). A la
derecha se muestran las series del índice de surgencias (barras) en dos
estaciones con los valores más altos de correlación y las series
correspondientes de los Factores de Máxima Autocorrelación (línea azul).
Figura 22. Comparación entre la señal del cambio de régimen en el Pacífico Norte
reportada por Ebbesmeyer et al. (1990) y el cambio detectado por el MAF1
de las surgencias.
Figura 23. Comparación entre las series de tiempo (1950-2012) de la señal de baja
frecuencia de la actividad de surgencias MAF1 (panel superior), el índice
multivariado de El Niño-Oscilación del Sur MEI (b); el índice de la
Oscilación del Pacífico Norte NOI (c) y la Oscilación Decadal del Pacífico
PDO (d). El sombreado con las barras azules indica cambios de régimen
ampliamente aceptados para el Pacífico Noreste. Las líneas rojas delgadas
12
indican tres de los principales eventos El Niño; 1958-59, 1987-88 y 1997-
98.
Figura 24. Series de temperatura superficial del mar (ERSST) por localidad (mapa, fig.
1; líneas grises) y el MAF-1 de TSM (línea azul) en el periodo 1854-2013.
Figura 25. Coeficientes de correlación (r) que denotan la relación entre cada una de las
series MAF y las series originales de temperatura superficial del mar por
estación (°N).
Figura 26. Series de TSM (°C) entre regiones (barras negras y azules) que comparten
los patrones de cambio capturados por cada MAF(n) (líneas rojas) con las
asociaciones más fuertes con cada MAF (línea roja).
Figura 27. Resultados del análisis de ondículas a los Factores de Máxima
Autocorrelación (MAF) de temperatura superficial del mar (TSM), en los que
se modularon el nivel de significancia y el grado de suavizado de las series.
Figura 29. Ajuste y predicciones de índices climáticos basados en mediciones
instrumentales usando los periodos dentro de los rangos más consistentes
que fueron identificados en la sección anterior (indicadores climáticos
reconstruidos).
Figura 30. Densidades espectrales de los MAF(n) de surgencias. Las etiquetas con
números indican valores de referencia de los periodos (en años)
estadísticamente significativos en un rango de confianza entre 80-95%.
Figura 31. Armónicos seleccionados para la proyección del MAF-1 de surgencias.
Figura 32. Resultados de la evaluación del desempeño predictivo de la regresión
periódica usando 3 conjuntos de Armónicos diferentes; 1) Armónicos del
13
procedimiento automático de la rutina Periods, 2) Armónicos artificiales
obtenidos de números aleatorios y 3) Armónicos seleccionados por su
persistencia (figura ).
Figura 33. Evaluación de la habilidad predictiva del MAF-1 (construido con diferentes
rangos temporales) usando las señales de baja frecuencia más
consistentes e incrementando gradualmente el número de valores usados
para entrenar al modelo (línea azul).
Figura 34. Temperatura superficial del mar frente a Ensenada (línea negra), el ajuste
con modelos aditivos (GAM) y su proyección (azul). En rojo se muestra un
periodo de 10 años con valores observados como validación del modelo.
Figura 35. Temperatura superficial del mar frente a Punta Eugenia (línea negra), el
ajuste con modelos aditivos (GAM) y su proyección (azul). En rojo se
muestra un periodo de 10 años con valores observados como validación del
modelo.
Figura 36. Temperatura superficial del mar frente a Bahía Magdalena (línea negra), el
ajuste con modelos aditivos (GAM) y su proyección (azul). En rojo se
muestra un periodo de 10 años con valores observados, como validación
del modelo.
Figura 37. Valores observados, ajustados y predicción de la captura de sardina del
Pacífico en Columbia Británica, Canadá.
Figura 38. Valores observados, ajustados y predicción de la captura de sardina del
Pacífico en los estados de Washington y Oregon, EEUU.
Figura 39. Valores observados, ajustados y predicción de la captura del clupeido
Sardinops sagax en California, EEUU.
14
Figura 40. Valores observados, ajustados y predicción de la captura de sardina del
Pacífico en el puerto de Ensenada, Baja California, México.
Figura 41. Valores observados, ajustados y predicción de la captura de sardina
(Sardinops sagax) en Bahía Magdalena, Baja California Sur, México.
Figura 42. Suma acumulada de las series anuales de algunos índices climáticos.
Figura 43. Comparación de dos estados alternos en el clima del Pacífico Norte,
mostrando la conexión entre los cambios de gran escala, el viento y las
surgencias en la Corriente California.
Figura 44. Comparación de los patrones de largo plazo de dos índices climáticos de
gran escala en el Pacífico Norte; el índice de la Oscilación Decadal del
Pacífico (PDO) y el índice de circulación atmosférica del Pacífico (PCI).
Figura 45. Esquema de los forzantes externos del clima oceánico en el Sistema de la
Corriente de California (SCC).
15
LISTA DE TABLAS
Tabla 1.Índices climáticos basados en datos observacionales; el acrónimo del índice
corresponde a su nombre en inglés. Tabla 2. Índices climáticos reconstruidos a partir de proxies. Tabla 3. Localidad, fuente y extensión temporal de las series de captura de sardina
monterrey en el Sistema de la Corriente de California. Tabla 4. Periodos reportados en la literatura para variables geofísicas y/o de gran
escala. Tabla 5. Comparación de periodicidades (por rangos) detectadas mediante análisis
espectrales (estrellas rojas), análisis de ondículas (estrellas azules) y la rutina Periods (círculos negros). Los valores del ajuste de determinación (R2) y significancia (p) corresponden al ajuste de los periodos detectados con Periods (círculos negros) sobre la variable original.
Tabla 6. Estadísticos descriptivos del índice de surgencias (trasporte de Ekman) por
estación para el periodo (1946-2012). Tabla 7. Resultados del análisis MAFA aplicado a las series del índice de surgencias;
autocorrelación (r) y significancia (p). Tabla 8. Fuerza de la relación entre cada MAF de surgencias y las series originales del
transporte de Ekman por latitud. En negritas se muestran las 4 estaciones con los valores más altos de r. Los valores por encima de 0.24 son significativos.
Tabla 9. Coeficientes de correlación por rangos entre los MAF(n) de surgencias y las
series de índices climáticos relevantes para el Pacífico Norte. En negritas se destacan las asociaciones significativas (p<0.05).
Tabla 10. Descripción estadística de la temperatura superficial del mar (ERSST) en el
periodo 1854-2013.
16
Tabla 11. Resultados del Análisis de Factores de Máxima Autocorrelación (MAFA) a las series de temperatura superficial del mar (ERSST) en 15 estaciones entre los 21 y los 60°N.
Tabla 12. Periodos detectados mediante descenso cíclico y regresión periódica en los
MAF de TSM. Se muestran los coeficientes de determinación (R2) y la significancia (p).
Tabla 13. Periodos detectados en las series de índices climáticos basados en registros
instrumentales. Se muestran los intervalos de los periodos más consistentes identificados en las paleo series y los periodos reportados en la literatura.
Tabla 14. Periodos detectados en los MAF(n) de surgencias. Se muestran los valores
del coeficiente de determinación (R2) y la significancia (p) del ajuste obtenido de la regresión periódica.
Tabla 15. Resultados del ajuste de los modelos GAM a las series de TSM en tres localidades mexicanas frente a la Corriente de California.
Tabla 16. Resultados del ajuste de los Modelos Aditivos Generalizados (GAM) a los
datos de captura de sardina por localidad usando índices climáticos como variables explicativas.
17
ACRÓNIMOS
AFI
ALPI
Índice de Forzamiento Atmosférico
Índice de Presión Atmosférica de las Aleutianas
CA Corriente de Alaska
CC Corriente de California
ENOS El Niño-Oscilación del Sur
GAM Modelos Aditivos Generalizados
MAF Factor de Máxima Autocorrelación
MAFA Análisis de Factores de Máxima Autocorrelación
MEI Índice Multivariado de El Niño-Oscilación del Sur
NOI Índice de la Oscilación del Pacífico Norte
NPGO Índice del Gran Giro del Pacífico Norte
PDO Índice de la Oscilación Decadal del Pacífico
PDOSumCum Suma acumulada de la Oscilación Decadal del Pacífico
PCI Índice de Circulación Atmosférica del Pacífico
SCC Sistema de la Corriente de California
TSM
Temperatura Superficial del Mar
18
1. INTRODUCCIÓN
La temperatura es una variable que ha sido ampliamente usada como un
indicador de cambio de las propiedades del ambiente, particularmente del ambiente
marino. Por ejemplo, las grandes fluctuaciones de algunas poblaciones de peces de
interés comercial, como los pelágicos menores y en particular las sardinas, se han
tratado de explicar en función de los cambios de la temperatura del mar. El problema
es que no es precisamente la temperatura la responsable de los cambios físicos del
ambiente, y por ende tampoco de las variaciones en las poblaciones de peces, sino
que la temperatura es una consecuencia de cambios más profundos en el sistema
físico y no la causa (Lluch-Belda, 1992, 2003). Este hecho deja un conjunto de
preguntas por responder respecto a los factores forzantes del clima oceánico, su efecto
sobre los recursos vivos y los mecanismos involucrados.
En estudios de los cambios a largo plazo de la temperatura superficial del océano, se
tiende a poner más énfasis a un periodo en el que predominan condiciones cálidas o
frías por encima del promedio (e.g. fase fría o cálida del PDO; Francis y Hare, 1994), lo
que ha derivado en interpretaciones de cambios súbitos y opuestos entre dos estados
fijos del ambiente (de cálido a frío y viceversa: Lluch-Belda com. pers.). Si bien tales
interpretaciones han sido importantes en términos descriptivos, al parecer no son
aproximaciones adecuadas para entender los mecanismos que determinan el inicio / fin
de cada fase fría / cálida.
Una característica persistente del ambiente físico en el mar es la transición entre
estados, en este caso, gradual y dinámica en una nueva dirección ya sea de
calentamiento o de enfriamiento (Lluch-Belda et al., 2001). Por ejemplo, a lo largo de
un periodo, la temperatura se incrementa (disminuye) paulatinamente hasta alcanzar
un máximo (mínimo) y después comienza a disminuir (aumentar) de forma gradual. El
cambio en la concepción de los periodos fríos y cálidos por la de periodos de
calentamiento y enfriamiento implica una diferencia aparentemente sutil, sin embargo
es profundamente sustancial ya que el comportamiento de transiciones u oscilaciones
19
graduales y dinámicas entre estados del ambiente permite concentrar la atención en los
componentes cíclicos del ambiente marino.
Algunos cambios cíclicos de duración variable se han identificado en parámetros como
la temperatura, precipitación pluvial, cobertura de hielo y vientos. Por ejemplo, Minobe
(1997) reportó señales con periodicidades en escalas de 50-70 y de 20-30 años en la
TSM y en la presión atmosférica del Pacífico Norte. Así mismo, la señal de 50-70 años
se ha reportado en la reconstrucción de temperaturas de los últimos 1500 años a partir
de núcleos de hielo de Groenlandia, en anillos de crecimiento de árboles del Ártico y
California, así como en las abundancias de sardinas y anchovetas reconstruidas a
partir de depósitos de escamas en los últimos 1700 años en zonas de surgencias en
California (Baumgartner et al., 1992; Klyashtorin y Lyubushin, 2007).
Las señales cíclicas permiten generar pronósticos del clima ya que la regularidad de
sus cambios pueden extenderse en el tiempo una vez caracterizadas sus propiedades
numéricas (Lluch-Belda et al., 2002; Burroughs, 2007). En este sentido, las corrientes
de bordes orientales representan una oportunidad para detectar cambios cíclicos en el
océano, dado que son parte del circuito formado por los grandes giros oceánicos de los
que reciben las señales climáticas de escala global. También reflejan cambios de la
región tropical y polar, y se propagan en múltiples variables físicas como el viento, la
termoclina, surgencias, nivel del mar y anomalías de TSM (Ebbesmeyer et al., 1990;
Lluch-Belda et al., 2003; Mörner, 2010). Las corrientes de bordes orientales también
son las regiones marinas más productivas en términos ecológicos y pesqueros (Carr,
2002); suman el 5% de la productividad primaria marina y el 17% de la captura
pesquera global a pesar de que ocupan menos del 1% del área total de los océanos
(Blanchette et al., 2009).
En el presente trabajo se analiza el comportamiento cíclico (decadal y multidecadal) del
ambiente físico en una de estas regiones, el SCC y se evalúa su componente cíclico
con fines de predicción, siguiendo diferentes estrategias de modelación numérica.
20
1.1. El Sistema de la Corriente de California
La CC es el borde oriental del gran giro anticiclónico del Pacífico Norte. Fluye a
lo largo del año en dirección al ecuador, se extiende desde la plataforma continental
hasta aproximadamente los 1000 km fuera de la costa, alcanza una profundidad de
hasta 500 metros y las mayores velocidades se dan en la superficie (Lynn y Simpson
1987; Hickey, 1998). El flujo de esta corriente conduce agua fría y rica en nutrientes, se
extiende unos 3000 kilómetros desde la punta norte de la isla de Vancouver hasta Baja
California Sur. La CC posee diversas características distintivas de circulación que
determinan el estado del ambiente físico donde se desarrolla el ciclo de vida de
diversos organismos marinos (Bograd et al., 2010; Bograd y Lynn, 2003).
Hacia el norte corre un flujo en superficie más estrecho y débil a lo largo de la costa
que, al sur de Punta Concepción (California, EE.UU.) se conoce como Contracorriente
de California, mientras que al norte de aquella localidad se conoce como Corriente de
Davidson (Bograd y Lynn, 2003). Adicionalmente, la Contracorriente Subsuperficial de
California se origina en el ecuador y se desplaza hacia el norte; generalmente es
detectable de la punta sur de la Península de Baja California (México) hasta Punta
Concepción (California, EE.UU.) a lo largo del talud continental (Lynn y Simpson, 1987;
Bograd et al., 2010). En conjunto, la CC, la Contracorriente de California y la
Contracorriente Subsuperficial, conforman el SCC. La zona del sistema que se
encuentra entre los 200-300 km fuera de la costa se caracteriza por la formación de
meandros y es altamente dinámica (Norton et al., 2013). Esta porción del sistema es la
transición entre la región dominada por procesos costeros y el flujo hacia el sur del
borde oriental del giro oceánico subtropical (CC; Di Lorenzo, 2003).
Las velocidades máximas del SCC se presentan generalmente del verano a inicios del
otoño, tanto para la CC como para la Contracorriente Subsuperficial de California. La
velocidad máxima de las contracorrientes de California y Davidson se presenta en el
invierno (Bograd et al., 2010). La CC es impulsada por vientos locales que interactúan
con la circulación atmosférica a escala cuenca (Lynn y Simpson, 1987; Mantua et al.,
1997). Los vientos que soplan en dirección al ecuador asociados al sistema de alta
21
presión del Pacífico Norte, son los principales responsables del afloramiento de agua
profunda, fría y rica en nutrientes durante la primavera y el verano (Bakun, 1990). Estos
afloramientos o surgencias permiten el contacto de los nutrientes con la capa iluminada
del océano, disparando la productividad biológica en una banda costera que llega a
alcanzar los 500 km de amplitud (Rykaczewski and Checkley, 2008).
Una vez puestas en marcha, las surgencias costeras provocadas por vientos, pueden
ser intensificadas o atenuadas por ondas costeras atrapadas de origen local o remoto
(Norton et al., 2013). Un ejemplo de estas ondas costeras son las provocadas por los
eventos ENOS, las cuales producen la disminución de la actividad de surgencias por
medio del abatimiento de la termoclina (Bakun, 1990). Las variaciones del estado físico
en el SCC se encuentran estrechamente acopladas a la variabilidad de la CA; al mismo
tiempo, ambas corrientes responden a la dinámica de procesos océano-atmósfera a
escala cuenca, incluyendo las interacciones del trópico con el resto del Pacífico Norte
(King et al., 1998; Di Lorenzo et al., 2008).
1.2. La Respuesta Biológica
La respuesta biológica que es detonada por los cambios en el estado físico del
SCC, podría visualizarse como una intrincada red de causas y efectos que se entreteje
en y entre niveles tróficos y que adopta diferentes configuraciones según la escala
espacio-temporal con la que se analice. Por ejemplo, la respuesta inmediata ante el
forzamiento físico, por el aumento de la actividad de surgencias, es el aumento de la
producción primaria (PP) la cual determina la biomasa provista a niveles tróficos
superiores (Field et al., 1998). Kahru et al. (2009) describieron un incremento en los
valores máximos anuales de PP neta a lo largo de la costa en la CC entre 1997 y 2007.
Este incremento gradual fue acompañado por mayores concentraciones de clorofila a
(Chl-a), tal y como ocurre también en las corrientes de otros bordes orientales (Kahru y
Mitchell, 2008). Existe la idea generalizada de que el aumento de la actividad de
22
surgencias en la CC se correlaciona positivamente con incrementos de Chl-a, PP y
producción secundaria (Kahru et al., 2009).
La respuesta biológica que generan los cambios físicos se extiende de los productores
primarios a los consumidores secundarios (zooplancton; McGowan et al., 1996;
Sugimoto y Tadokoro, 1998), peces (MacCall, 1996) y macro fauna como el calamar
gigante o amniotas marinos (Salvadeo et al., 2011). Entre el conjunto de procesos que
desencadenan las surgencias en las redes tróficas del gran ecosistema marino del
SCC, las fluctuaciones poblacionales de los pelágicos menores, particularmente de la
sardina del Pacífico, en comparación con cualquier otra especie del ecosistema, se
cuentan entre las más importantes en términos de biomasa acumulada (e.g. captura >
221,600t en el año 2012). Los cambios en la abundancia de la sardina, representan
una oportunidad para analizar la propagación de los componentes cíclicos del clima
oceánico, desde su manifestación hasta la respuesta biológica que provocan.
1.3. Sardina del Pacífico (Sardinops sagax, Jenyns, 1842)
La sardina del Pacífico es un pelágico menor que forma grandes cardúmenes y
habita aguas subtropicales y templadas. Esta especie es considerada una de las más
importantes en el mundo por las actividades de pesca que se le vinculan, así como por
su contribución para sostener poblaciones de otros peces, mamíferos marinos y aves
(Martínez-Porchas, 2012). Aunque existen fluctuaciones en su rango de distribución, la
sardina del Pacífico llega a extenderse desde el norte de Canadá (~60°N) hasta la
porción mexicana de la CC y dentro del Golfo de California (Lluch-Belda et al., 1986;
Rodríguez-Sánchez et al., 2002; Felix-Uraga et al., 2004).
Este pequeño pez pelágico puede alcanzar una talla de 41cm y llega a vivir hasta 14
años, aunque es poco común que los individuos sobrepasen los cinco años de edad y
30 cm de talla (Hill et al., 2006). Es un organismo de hábitos omnívoros, ya que su
dieta se compone principalmente de copépodos, huevos y diatomeas (McFarlane et al.,
2005). Durante la época cálida del año se desplaza hacia el polo, internándose algunos
23
años tan al norte como el Golfo de Alaska, mientras que en invierno su rango de
distribución se contrae hacia el sur.
La población de sardina del Pacífico nororiental puede dividirse en tres componentes
de acuerdo con la afinidad térmica de cada uno: 1) stock frío (17 ºC), 2) stock templado
(22 ºC) y 3) stock cálido (>22 ºC; Félix-Uraga et al., 2005). El stock frío (norteño) ha
presentado múltiples episodios cíclicos de incremento y reducción de biomasa
poblacional (Zwolinski y Demer, 2014) que han sido encontrados también en diversos
indicadores, tales como paleo-reconstrucciones (Soutar e Isaacs, 1969; Baumgartner et
al., 1992), registros históricos de captura pesquera (Kawasaki, 1994), en diversos
estudios publicados sobre su distribución y abundancia (Lluch-Belda et al., 1989;
Schwartslotse et al., 1999; Rodríguez-Sánchez et al., 2002;) y en la variabilidad de
áreas de desove y reclutamiento (Zwolinski y Demer, 2014).
En aguas de Columbia Británica, la pesquería de sardina fue la más importante desde
mediados de la década de 1920 hasta mediados de la década de 1940, promediando
40,000 toneladas anuales y llegando a alcanzar las 80,000 t en algunos años. En 1947,
la pesquería colapsó repentinamente y las sardinas desaparecieron por completo de
Canadá y del norte de los Estados Unidos (McFarlane y Beamish, 2001). En el año de
1992, individuos de la especie reaparecieron en aguas del sur de Vancouver después
de 40 años de ausencia absoluta y continuaron sus capturas en pequeñas cantidades
hasta 1999 (McFarlane et al., 2005). En Canadá, las capturas incrementaron 700% en
cuatro años, de 200 t en 1995 a 1500 t en 1999 (McFarlane y Beamish, 2001).
Los desoves de sardina en aguas canadienses han sido considerados como raros y
suelen suceder durante periodos inusualmente cálidos (e.g. verano de años El Niño).
Por ello la fracción adulta, la fracción juvenil y el éxito del desove en el extremo norte
de su distribución (~50N), son particularmente sensibles a la expansión (y contracción)
del resto de la población. Es posible que estos cambios poblacionales de la sardina
estén relacionados con los cambios físicos que generan periodos de
calentamiento/enfriamiento en los distintos hábitats que ocupan estos peces durante su
24
ciclo de vida (McFarlane y Beamish, 2001; McFarlane et al., 2005). Si bien la relación
entre el clima y la dinámica poblacional de la sardina del Pacífico se ha ido clarificando
en las décadas recientes, los mecanismos subyacentes aún deben ser elucidados
(Zwolinski y Demer, 2014).
ANTECEDENTES Y JUSTIFICACIÓN
Después de la variación circadiana, el ciclo estacional es la oscilación climática
más evidente debido a que su corta duración permite observarle en múltiples
repeticiones durante el lapso de vida humana. Por eso el ciclo estacional es una de las
escalas de variación mejor descritas, tanto en parámetros físicos como biológicos. Los
cambios inducidos por el ciclo estacional en el SCC han sido descritos por diversos
autores (Lynn y Simpson, 1987, Schwing et al., 2002, McClatchie, 2014).
La siguiente escala temporal importante en la variabilidad climática del SCC y el
Pacífico Norte es la interanual, la cual se encuentra estrechamente ligada a los eventos
ENOS. Las consecuencias de la variabilidad interanual sobre el ambiente físico y
biológico del SCC son relativamente bien conocidas, ya que el ENOS es un fenómeno
recurrente cuyos mecanismos generales están bien descritos. La capacidad para
pronosticar el ENOS en el corto y mediano plazo, se encuentra ya en desarrollo y ha
podido anticiparse con seis meses a un año de antelación (Lluch-Belda et al., 2003,
Ludescher et al., 2014). En adición a lo anterior, en los últimos 30 años se han
comenzado a tomar en cuenta escalas de variación más grandes para tratar de
entender mejor los cambios en el clima y su efecto en los ecosistemas. Para expandir
el conocimiento más allá de las fronteras del ciclo estacional y la variabilidad interanual
de corto plazo (e.g. ENOS), se puede hacer referencia a estudios que se enfocan en
escalas de tiempo de más de 10 años, las cuales son el objeto de estudio del presente
trabajo.
25
Analizando los mecanismos físicos asociados a las diferentes escalas de variabilidad
en la CC, Lluch-Belda et al. (2003) mencionan la presencia de fluctuaciones decadales
(~10 años), bi-decadales (~20-30 años) y de baja frecuencia (~50-75 años) en series
de anomalías de temperatura, altura del mar, el PDO, el AFI y el ALPI. Sugieren que
todas las frecuencias de variación interanual se encuentran relacionadas a condiciones
climáticas de dos estados opuestos del sistema: 1) el primero, asociado con el
relajamiento del flujo de la CC, se caracteriza por la intensificación del centro de baja
presión de las Aleutianas, intensificación de la CA y la Contracorriente de California;
anomalías positivas de TSM en la costa, aumento del nivel del mar, mayor frecuencia
en la formación y persistencia de giros de meso-escala, y un aumento de la advección
hacia el norte con intrusión de fauna sureña; 2) el segundo estado del sistema, cuando
éste se intensifica, se asocia con condiciones opuestas. Los autores concluyen que la
variabilidad climática del SCC muestra cualidades similares en las escalas de tiempo
que analizaron (≥10 años).
McGowan y colaboradores (1996) destacan la aparición súbita y sincrónica de
anomalías térmicas a lo largo de la costa frente a la CC. Con base en el conocimiento
de las ondas Kelvin, sugieren que se esperaría la propagación de las anomalías cálidas
de sur a norte y que esa señal sería particularmente alta durante episodios de El Niño
(ecuatorial). Por ejemplo, el nivel del mar si presenta cambios que se propagan de sur
a norte, pero en ese entonces no se contaba con evidencia consistente de un cambio
progresivo en la misma dirección (sur-norte) de las anomalías de TSM.
A pesar de esta contradicción, los autores aportan evidencia respecto a la evolución
estacional de las anomalías térmicas en aguas del sur de California (La Jolla) en
respuesta a eventos ENOS y encuentran que cuando se trata de un evento muy
intenso (1957-58 y 1982-83), el efecto del fenómeno (en dirección y amplitud de
anomalías de TSM) persiste hasta por dos años. En este caso, la idea de la señal
climática en dirección sur-norte tiene soporte, ya que el ENOS se origina en el trópico y
se propaga hacia latitudes altas. Adicionalmente, los autores muestran el patrón
26
espacial de las anomalías de TSM frente a La Jolla y lo describen como una
“impresionante coherencia” con la presión al nivel del mar y la variación común de la
TSM con la temperatura del aire, tanto a escala del Pacífico Norte como a escala
global. Ello habla de la relevancia de los procesos de gran escala sobre los cambios
locales de temperatura en la superficie marina (McGowan et al., 1996).
En la CC, los cambios de temperatura, profundidad de la termoclina y estratificación de
la columna de agua han sido acompañados por cambios en las poblaciones de
sargazo, diatomeas, foraminíferos y radiolarios (Rebstock, 2003). Analizando las
escalas de cambio en el clima de la CC, McGowan et al., (1996, 1998) describen la
importancia de las variaciones interdecadales sobre el ambiente físico (e.g. TSM,
salinidad, oxígeno) y la respuesta que inducen sobre la comunidad zooplanctónica.
Señalan que la circulación atmosférica invernal en el Pacífico Norte se intensificó (en
su componente zonal) hacia finales de la década de 1970, lo que implicaría un
enfriamiento relativo de la CA acompañado del calentamiento de la CC. Estos cambios
interdecadales en la temperatura de la capa superficial pudieron haber estado
relacionados con el forzamiento del viento a escala cuenca. Estos autores también
destacan que si la disminución del zooplancton forma parte de un ciclo natural, su
tendencia se revertiría en los años próximos con efectos igualmente transitorios. Su
predicción fue acertada, tal como lo muestran las series de tiempo más recientes
(Mackas y Baugrand, 2010).
En cuanto al efecto de variaciones ambientales de largo plazo (>10 años) en especies
de niveles tróficos superiores, MacCall (1996) describió cambios de baja frecuencia en
diferentes poblaciones de peces pelágicos (e.g. atunes, peces espada, pelágicos
menores) que parecen estar relacionados con la alternancia de regímenes de TSM
fríos / cálidos en un rango aproximado de 50-70 años. Menciona que estos cambios
“poco frecuentes” son más notorios en los límites (norte y sur) de los rangos de
distribución de cada especie. También destaca que los cambios de distribución y
abundancia están correlacionados con las fluctuaciones de peces pelágicos en otras
áreas geográficas tales como Perú-Chile y Japón, citando a las teleconexiones como
27
un mecanismo potencialmente responsable de la sincronía en los cambios. MacCall
(1996) llega a dos conclusiones relevantes en el contexto del presente estudio: 1)
existe una similitud entre regiones distantes, tanto en las asociaciones de peces como
en las condiciones físicas; y 2) es plausible que los cambios en las poblaciones de
sardinas y anchovetas pudieron haberse propagado a través de la estructura trófica de
cada sistema hacia los pelágicos mayores.
En suma, los cambios decadales y multidecadales del SCC tienen efectos que se
multiplican sobre las distintas etapas de vida de las especies y sobre distintos atributos
poblacionales y comunitarios de la biota marina. El estudio de los periodos de
calentamiento / enfriamiento en la CC ha permitido entender las grandes fluctuaciones
de algunas poblaciones marinas de interés para la sociedad (e.g. sardina) y en algunos
casos, el uso de señales climáticas de largo plazo han derivado en propuestas de
pronósticos (Klyashtorin, 1998).
En virtud de lo anterior, resulta claro que una mínima habilidad para anticipar cambios
permitiría reforzar el desarrollo de estrategias dirigidas a mejorar la adaptabilidad de los
sistemas de producción pesquera ante las repercusiones de la variabilidad climática
(Lluch-Cota et al., 2006). En este contexto, el presente estudio busca avanzar en la
generación de pronósticos del clima y de la captura de las especies de importancia
comercial más abundantes en el SCC. Para ello se analizaron las señales decadales y
multidecadales como componentes relevantes de la variabilidad del ambiente físico, y
se discutieron posibles mecanismos entre el forzamiento ambiental y la respuesta
biológica.
28
HIPÓTESIS Si los procesos decadales y multidecadales de calentamiento y enfriamiento son
indicadores de cambios cíclicos en el ambiente físico del SCC, entonces ese tipo de
cambio no sólo puede identificarse en diferentes variables ambientales sino que
también contiene un componente predictivo tanto de la parte climática como de la
biológica.
OBJETIVOS
General Analizar las señales decadales y multidecadales del ambiente físico en el SCC,
en el contexto de los cambios a gran escala del Pacífico norte y explorar el potencial
predictivo de la fracción cíclica del clima tanto en variables físicas como biológicas. Particulares
• Detectar patrones de cambio periódicos e identificar periodos consistentes,
tanto en el SCC así como también en regiones aledañas (e.g. CA y Pacífico
Norte).
• Examinar el poder predictivo de los periodos detectados en las variables
ambientales.
• Evaluar la utilidad de los valores proyectados de variables ambientales para
construir modelos predictivos basados en la relación del clima oceánico y la
captura de sardina del Pacífico.
29
ÁREA DE ESTUDIO
La Corriente del Pacífico Norte es un flujo amplio que se desplaza en dirección
al este y se origina en la Corriente de Kuroshio (Stewart, 2008). Cuando se aproxima a
la costa oeste de Norteamérica, la Corriente del Pacífico Norte se bifurca en un brazo
subpolar que gira hacia el norte y se conoce como CA, mientras que el otro brazo gira
hacia el ecuador y se conoce como CC. En el modo dominante de variabilidad, ambos
giros (subpolar y subtropical) co-varían en sentido opuesto pero simultáneo, en
respuesta a fluctuaciones de la velocidad de la Corriente del Pacífico Norte (Cummings
y Freeland, 2007), de ahí que la dinámica a escala cuenca tiene un papel primordial
sobre el transporte y fuerza de la CA y la CC (Di Lorenzo et al., 2008). Sobre la costa
de Norte América, el área de estudio comprende una gran extensión entre las latitudes
21 ºN-60 ºN, la cual se caracteriza por presentar actividad de surgencias/subsidencias
(Macías et al., 2012).
La porción norte del área de estudio (~45 °N-60 °N) se encuentra bajo el dominio de la
CA. Esta es una corriente estrecha e intensa que bordea la costa sureña de Alaska y
sus valores de salinidad son relativamente bajos debido a la influencia de los
regímenes regionales de descargas de agua dulce (Royer, 1981). El sistema de baja
presión que se propaga en el Pacífico Norte en dirección este-oeste, frecuentemente se
extiende hasta el Golfo de Alaska e induce cambios significativos en la hidrografía de
ese lugar (Overland y Hiester, 1978). En aquella región, el viento impulsa parcelas de
agua marina en dirección a la costa, lo que produce subsidencias (hundimientos) que
alcanzan sus valores máximos en enero y mínimos hacia el verano. A penas un par de
meses del año (entre mayo y octubre) el viento cambia de dirección y genera
condiciones de surgencias, aunque su flujo es escaso (Foreman et al., 2011; Schwing
et al., 1996).
La CC se extiende unos 3000 km desde el norte de la isla de Vancouver (~42 ºN),
hasta aproximadamente la punta sur de la península de Baja California (~23 ºN; Bograd
y Lynn, 2003). En la amplia región de la CC, el esfuerzo del viento provoca que el flujo
30
se intensifique en superficie y que la corriente alcance profundidades de hasta 500 m
(Checkeley y Barth, 2009).
Figura 1. Posición de las estaciones donde se miden los campos de presión
atmosférica utilizados por el Laboratorio de Pesca y Ambiente del Pacífico (PFEL-
NOAA) para calcular el índice de surgencias (transporte de Ekman). Las series de
temperatura superficial del mar que se analizaron en el presente trabajo (1854-2013)
fueron extraídas de las mismas posiciones geográficas.
Los vientos dominantes soplan en dirección al ecuador sobre una franja de entre 50-75
km de ancho a una velocidad promedio de 0.5 m•s-1, y se estima que impulsan hasta la
mitad del flujo total de la CC. En algunos casos, estos vientos generan surgencias
N
31
costeras que se separan de la costa. La capa superficial de Ekman que fluye hacia
fuera de la costa tiene velocidades típicas de 10-20 m•día-1 (Barth et al., 2000;
Checkeley y Barth, 2009). Las surgencias costeras provocadas por vientos en el SCC
son impulsadas o atenuadas por ondas costeras atrapadas (Kelvin) de origen local o
remoto, las cuales se propagan a lo largo de la costa en dirección al polo con
velocidades de entre 30-90 km•día-1. En combinación con los eventos de
surgencias/subsidencias, las ondas Kelvin conducen cambios en la estructura de la
densidad del océano (Norton et al., 2013).
Figura 2. Mapa conceptual de los periodos de calentamiento y enfriamiento como
indicadores de cambio en el Sistema de la Corriente de California y sus regiones
marinas aledañas.
Cambios del ambiente físico en el océano
32
La estación más sureña del área de estudio se encuentra a los 21 °N. A esa latitud, en
invierno y primavera, la región recibe la influencia de la CC principalmente, aunque
mezclada con la Contracorriente Ecuatorial y la Corriente Ecuatorial del Norte. Hacia
mediados del año, en verano y otoño, la CC se debilita y la región (21 °N) recibe mayor
influencia de aguas tropicales provenientes de la Contracorriente Ecuatorial y la
Corriente Costera de Costa Rica (Filonov et al., 2000, 2003). Durante eventos El Niño o
durante los picos del calentamiento multidecadal, la influencia de agua tropical puede
desplazarse tan al norte como California (Salvadeo et al., 2011).
2. METODOLOGÍA
Se recopilaron cinco series reconstruidas de índices climáticos y biológicos: 1)
temperatura superficial en el Pacífico Norte (PDO_rec), 2) escamas de sardina (ES), 3)
circulación atmosférica (CATM), 4) componente meridional del viento (VM) y 5) flujo de
diatomeas (FD). Estas series fueron analizadas mediante tres técnicas numéricas: 1) la
rutina Periods, 2) el análisis de densidad espectral y 3) el análisis de ondículas. Cada
técnica se detalla más adelante.
Con el fin de tener criterios más amplios para definir qué periodos se encuentran
presentes en las series de índices climáticos reconstruidos, se modificaron los
siguientes aspectos técnicos: en el análisis espectral se trabajó con un intervalo que
abarcó cuatro niveles de confianza (80%, 85%, 90% y 95%) al construir la hipótesis
nula; y en el análisis de ondículas se aplicaron diferentes grados de suavizado (5 años,
11 años, 16 años y suma acumulada) antes de introducir las series al análisis. En
complemento, se hizo una revisión bibliográfica de las señales cíclicas, en la escala de
10 a 100 años, que se han identificado en diversos procesos geofísicos a nivel global y
regional (Tabla 4).
Los periodos detectados en cada índice climático, por las tres técnicas de series de
tiempo (Fourier, ondículas, Periods) se usaron para definir intervalos ad hoc (de
33
periodos). Luego, cada señal periódica fue cuantificada en el intervalo de periodos
correspondiente, por ejemplo; valores de 10, 12 y 10 años, correspondió a tres conteos
para el intervalo 10-12. Los intervalos con mayor número de conteos (entre técnicas y
entre variables) se consideraron las señales más consistentes y se usaron como
criterio para aceptar o rechazar la validez de ciertos periodos. Para ello, se ubicaron en
los intervalos correspondientes a los periodos reportados en la literatura para variables
geofísicas y astrofísicas, es decir; el intervalo 10-12 apunta al periodo de 11 años de la
irradiancia solar como el principal responsable de transmitir una señal periódica a esa
escala. En otras palabras, los intervalos de señales periódicas con mayor número de
conteos se consideraron como evidencia de periodos específicos.
Por la relevancia de las surgencias/subsidencias sobre el estado del ambiente físico y
sobre los ecosistemas de la costa oeste de Norteamérica, se analizaron las series de
tiempo del índice de surgencias correspondientes a 15 estaciones estándar entre las
latitudes 21 ºN – 60 ºN con una extensión temporal de 67 años (1946-2012). Estas 15
series se introdujeron a un Análisis de Factores de Máxima Autocorrelación (MAFA), el
cual permite reducir la cantidad de ruido (variabilidad estocástica) con respecto a los
cambios comunes entre las series originales. Cada nueva serie es un Factor de
Máxima Autocorrelación (MAF) de la actividad de surgencias: estas nuevas series
fueron examinadas mediante análisis espectrales y la rutina Periods con el fin de
detectar señales periódicas. Por medio del ajuste y evaluación de regresiones
periódicas, los periodos identificados como los más consistentes se compararon con
señales artificiales obtenidos de números aleatorios y con los periodos arrojados por la
rutina Periods (ver sección 2.2.3.).
Con el fin de hacer un pronóstico de la variabilidad climática en la región, se exploraron
las siguientes estrategias:
1) proyecciones al año 2030 de índices climáticos convencionales (e.g. PDO)
usando únicamente los componentes cíclicos (y desechando periodos contiguos)
obtenidos mediante la rutina Periods (Tabla 2).
34
2) Ajuste y validación de regresiones periódicas del MAF-1 de surgencias. Se
construyeron varios modelos independientes de regresión periódica, usando
diferentes longitudes de las series originales.
3) Pronósticos de la TSM al año 2080 mediante modelos aditivos generalizados
(GAM), usando como variables predictivas los índices climáticos de gran escala
en el Pacífico Norte (Tabla 2).
4) Ajuste y validación de los GAM de capturas de sardina. Las variables predictivas
fueron índices climáticos de gran escala combinados con MAF de surgencias,
mientras que las variables de respuesta fueron las capturas (de sardina) en
cinco localidades frente al SCC; Columbia Británica, Washington-Oregon,
California, Ensenada y Bahía Magdalena (Tabla 3).
2.1. Datos
Indicadores climáticos reconstruidos PDO reconstruido (PDO_rec). Partiendo de la relación actual entre el PDO y la
variabilidad de la distribución espacial de las lluvias de verano en el este de China,
Shen et al. (2006) extendieron la serie del PDO hacia el año 1470, usando como proxi
de las lluvias un índice de sequías/inundaciones que la Administración Meteorológica
Nacional de China obtuvo a partir de documentos históricos. Este índice ha sido usado
previamente para estudiar patrones climáticos de gran escala como la presión al nivel
del mar en el Pacífico Norte y el índice de la Oscilación del Sur (SOI). La relación del
PDO_rec es directamente proporcional con el PDO actual, es decir que los valores del
PDO_rec que son superiores a cero se corresponden con la fase positiva (cálida) del
PDO, mientras que cuando el PDO_rec presenta anomalías negativas, está indicando
una fase fría del PDO.
Circulación atmosférica (CATM). Cambios en la circulación atmosférica del Pacífico
fueron inferidos de los registros (en documentos del Archivo General de Indias) de la
duración de viaje de los Galeones españoles que cruzaban del puerto de Acapulco
(México) a Manila (Filipinas) entre 1591 y 1720, como parte de los servicios de
35
transportación que el imperio español estableció en la región durante los siglos XVI y
XVII. Los viajes de menor duración (más rápidos) son indicativos de una circulación
atmosférica más fuerte y en consecuencia vientos y corrientes de mayor velocidad en
el gran giro del Pacífico. Condiciones de vientos y corrientes relajadas corresponden a
los registros de travesías de mayor duración.
Escamas de sardina (ES). La tasa de depositación de escamas de sardina del
Pacífico fue reconstruida por Baumgartner et al. (1992), quienes obtuvieron las
muestras de sedimentos laminados anóxicos de la cuenca de Santa Bárbara. La serie
abarca 1700 años, del 210 a 1970, con una resolución temporal de 10 años. La
suposición básica detrás de esta serie de tiempo es que la abundancia de sardinas es
proporcional a la tasa de depositación de escamas.
Viento meridional (VM). Las serie de datos de 1° X 1° (34 °N-35 °N y 120 °W-121 °W)
de la componente meridional del viento provienen de la base Comprehensive Ocean-
Atmosphere Data Set (COADS; ver Woodruff et al., 1993; Lluch-Cota et al., 2000). En
el procesamiento del COADS, los registros observacionales básicos han sido editados
mediante un procedimiento que elimina los valores extremos (outliers) respecto a
límites climatológicos derivados de tres periodos; 1854-1909, 1910-49, 1950-79
(Woodruff et al., 1993). Los vientos meridionales suelen asociarse a condiciones
favorables para la generación de surgencias.
Flujo de diatomeas (FD). La serie reconstruida del flujo de diatomeas, considerada
como un indicador de la productividad primaria en la CC, se obtuvo de un núcleo de
sedimento por Martínez-López (2004). La muestra fue extraída con un nucleador de
caja tipo Reinek, en el centro de la cuenca de Santa Bárbara (34° 12.9’N, 120°
03.20’W). El periodo que comprende la serie es de 1909 a 1991. La cronología de este
núcleo fue desarrollada a partir de una loza de 1 cm de grosor por conteo de varvas y
correlacionada con una cronología independiente desarrollada usando la tasa de
decaimiento de los isótopos radiactivos de 210Pb y el cociente de 228Th / 222Th (Soutar
e Isaacs, 1974). La serie de tiempo de los flujos totales (núm. valvas · m-2 · año-1) de
36
diatomeas se construyó siguiendo los procedimientos descritos en Martínez-López,
(2004). Los valores altos del FD sugieren ambientes con altas concentraciones de
nutrientes, que son las condiciones en las que proliferan las diatomeas. En contraste,
las condiciones con escasez de nutrientes y crecimiento poblacional limitado (de
diatomeas) son indicados por valores bajos del FD (Martínez-López, 2004).
Tabla 1. Índices climáticos reconstruidos a partir de diferentes proxies, los cuales se
asocian con diversos aspectos de la variabilidad climática del Pacífico Norte. INDICADOR (acrónimo)
DESCRIPCIÓN (unidades)
UNIDADES
EXTENSIÓN (años)
FUENTE
Patrón de temperatura superficial en el Pacífico Norte (PDO_rec)
PDO reconstruido con base en la relación actual del PDO y las lluvias en el Este de China en verano.
Adimensional
1470-1998
Shen et al., 2006
Escamas de
sardina (ES)
Abundancia de sardina monterrey inferida del flujo de escamas depositadas en sedimentos laminados.
Numero de escamas / cm2 /
año
210-1970
Baumgartner et al., 1992
Circulación atmosférica
(CATM)
Días de trayecto de los Galeones españoles Acapulco-Manila-Acapulco.
Días
1591-1720
García et al., 2001
Componente meridional del
viento (VM)
Componente meridional del viento.
Anomalías
1909-1991
Comprehensive Ocean-Atmosphere Data Set
(COADS)
Flujo de diatomeas
Valores
37
(FD) reconstruidos de núcleos de sedimentos laminados en la cuenca de Santa Bárbara, California.
Anomalías de
No. de valvas m-
2 año-1
1909-1991
Dra. Aida Martínez-
López CICIMAR-IPN
Surgencias
El Laboratorio de Pesca y Ambiente del Pacífico (PFEL, por sus siglas en inglés)
genera un índice de la intensidad de surgencias costeras inducidas por vientos en 15
localidades a lo largo de la costa de Norteamérica, entre los 21° y los 60° de latitud
norte (Figura 1). El índice está basado en estimaciones del transporte de Ekman
(movimiento de parcelas de agua) que es provocado por estrés geostrófico del viento.
Los vientos geostróficos (aproximación física al viento real) son derivados de los
promedios mensuales de datos de campos de presión en la superficie atmosférica,
cuya frecuencia de registro es cada 6 horas. Esta información es provista por el Centro
de Meteorología y Oceanografía Numérica de la Flota Naval de los Estados Unidos
(FNMOC, Monterey, CA.). La idea detrás de este índice fue desarrollar una serie que
representara las variaciones de las surgencias costeras a lo largo del tiempo.
Los datos mensuales del índice de surgencias para el periodo 1946-2012 fueron
descargados del sitio web del PFEL (http://www.pfeg.noaa.gov/products/pfel/modeled/
indices/upwelling/upwelling.html). Los valores mensuales fueron sumados para obtener
el total anual de agua aflorada por estación. Cada serie fue empleada para detectar
patrones periódicos y compararlos con periodos reportados en variables geofísicas
(e.g. forzantes de gran escala).
38
Índices climáticos (observacionales)
Se recopilaron las series de tiempo de índices climáticos basados en mediciones
observacionales de la región (Pacífico Norte), los cuales representan procesos
oceánicos y atmosféricos que actúan como factores forzantes del clima a gran escala.
En la tabla 2 se muestra una descripción detallada de cada índice.
Tabla 2.Índices climáticos del Pacífico americano utilizados en el presente estudio. Los
índices están basados en datos observacionales; el acrónimo del índice corresponde a
su nombre en inglés.
Índices
Descripción
Cita
Índice de la oscilación del Pacífico Norte (NOI)
Representa una Amplia gama de eventos climáticos tropicales y extratropicales sobre el Pacífico Norte.
Schwing et al., 2002
Oscilación Decadal del Pacífico (PDO)
Variabilidad multidecadal de la temperatura superficial del mar en el Pacífico Norte.
Mantua et al., 1997
Indice multivaraido del ENSO (MEI)
Variabilidad del ENSO en el Pacífico Ecuatorial.
Wolter, 1987 Wolter & Timlin, 1993
Índice de Baja Presión de las Aleutianas (ALPI)
Representa cambios en la Intensidad del sistema de baja presión de las Aleutianas en el Pacífico Norte.
Beamish et al., 1997
Índice de la circulación atmosférica del Pacífico(PCI)
Circulación atmosférica en la costa oeste de Canadá.
King et al., 1998
Oscilación del Gran Giro del Pacífico (NPGO)
Expresión atmosférica de la temperatura superficial y la presión al nivel del mar en el Pacífico Norte
Di Lorenzo, 2008
39
Temperatura superficial del mar
Se descargaron las series temporales de la base de datos reconstruida y
extendida de TSM (http://lwf.ncdc.noaa.gov/oa/climate/research/sst/sst.php), también
conocida por sus siglas en inglés como ERSST (V3b; Smith et al., 2008). La resolución
espacial de la base es de 2º x 2º, con una extensión de 159 años (1855-2013). Las
posiciones de las series extraídas se muestran en la figura 1.
Capturas de sardina
Se recopilaron las series históricas de captura de la sardina del Pacífico en cinco
localidades del SCC: Columbia Británica, Washington-Oregon, California, Ensenada y
Bahía Magdalena. En la tabla 3 se detallan las fuentes de donde se obtuvieron las
series y su extensión temporal.
Tabla 3. Localidad, fuente y extensión temporal de las series de captura de sardina
monterrey en el Sistema de la Corriente de California.
LOCALIDAD
ACRÓNIMO
EXTENSIÓN
TEMPORAL
FUENTE
Columbia
Británica (Canadá)
CB
1917-2013
Gordon McFarlane Departamento de Pesca y Océanos,
Canadá
Washington-
Oregon (EE.UU.)
WO
1990-2013
Gordon McFarlane Departamento de Pesca y Océanos,
Canadá
California (EE.UU.)
CA
1976-2012
Departamento de
Pesca y Vida Silvestre, California,
EEUU.
40
(www.dfg.ca.gov)
Ensenada, BC
(México)
ENS
1981-2012
Roberto Félix Uraga
CICIMAR-IPN
Bahía Magdalena,
BCS (México)
BM
1981-2012
Roberto Félix Uraga
CICIMAR-IPN
2.2. Análisis estadísticos
2.2.1. Análisis de Factores de Máxima Autocorrelación (MAFA)
Originalmente propuestos para filtrar señales de satélite provenientes de canales
múltiples de transmisión (Switzer y Green, 1984), el análisis MAFA fue adaptado al
contexto de la variabilidad ambiental y climática por Shapiro y Switzer (1989).
Posteriormente, otros autores mostraron su utilidad para el análisis de cambios
comunes en datos pesqueros y ecológicos (Solow, 1994; Pearce y Frid, 1999; Erzini et
al., 2005).
MAFA es una técnica que en cierto sentido es similar a componentes principales (CP),
dado que se basa en transformaciones lineales que optimizan ciertas propiedades de
las series originales. A diferencia de CP, en el que la varianza es optimizada
sucesivamente en variables que se construyen proyectándolas sobre nuevos ejes
ortogonales, MAFA busca que se maximice la autocorrelación de cada nueva serie.
Cada variable de salida es una combinación lineal de todas las series de entrada, y el
criterio de autocorrelación es lo que lo hace especialmente pertinente para el contexto
de series de tiempo (CP no toma en cuenta que los datos son ordenados en función del
tiempo). El objetivo fundamental del procedimiento MAFA es que en las nuevas series
41
que contienen altos valores de autocorrelación, se combine la información contenida en
las series originales, permitiendo descomponer e interpretar su señal (Shapiro y
Switzer, 1989).
Se define el vector columna de p series originales al tiempo t como:
1( ) ( ( ), , ( ))TpZ t Z t Z t=
El conjunto de factores de máxima autocorrelación (MAF) que se obtienen como
salidas del MAFA son también 𝑝 en número, y pueden ser denotados en forma similar:
1( ) ( ( ), , ( ))TpY t Y t Y t=
Los 𝑀𝑀𝑀 son combinaciones lineales contemporáneas a las originales, es decir:
𝑌(𝑡)= 𝑀 𝑍(𝑡)
donde la matriz 𝑀 de dimensión 𝑝 x 𝑝 es fija (no depende del tiempo). Esta matriz se
calcula con técnicas y algoritmos de álgebra lineal, forzando a que se cumplan las
siguientes condiciones:
1. Las series de salida 1( ), , ( )pY t Y t , deben ser independientes entre sí.
2. Los valores de autocorrelación con desfasamiento=1, correspondientes a las
series de salida, deben estar ordenados en forma decreciente.
3. Cada serie de salida debe encontrarse correlacionada positivamente con el
tiempo.
42
En virtud de que la autocorrelación con desfasamiento 1 es una medida del grado de
suavidad de una serie de tiempo, estas restricciones dotan a las 𝑀𝑀𝑀 de la
interpretación siguiente: las series 𝑍(𝑡) se descomponen como combinaciones lineales
de series componentes ortogonales de 𝑌(𝑡) siendo 𝑌1(𝑡) la serie más suave posible y
así sucesivamente hasta la serie 𝑌𝑝(𝑡) que tiene el menor suavizamiento de todas.
En complemento a la extracción de los 𝑀𝑀𝑀 se realizaron análisis de correlación
canónica (Sharma, 1996) con el fin de conocer el grado de dependencia entre las
series de actividad de surgencias por estación (series originales) con cada uno de los
𝑀𝑀𝑀(𝑛).
2.2.2. Densidad espectral
La densidad espectral es la representación matemática de una serie de tiempo
en una o varias funciones sinusoidales, lo que brinda información acerca de la forma en
que se encuentra distribuida la energía de una señal entre las diferentes frecuencias
que la componen (Bloomfield, 2004).
Cada función sinusoidal es una suma de las funciones seno y coseno de cada
frecuencia, siendo ponderadas por un coeficiente específico. Dada la ortogonalidad de
senos y cosenos, el valor de sus coeficientes puede sintetizarse en una cifra única, la
cual equivale a la fracción de la varianza que es explicada por cada frecuencia que
compone a la serie original, en otras palabras el valor del periodograma (Bloomfield,
1976, 2000). Ya que los valores del periodograma son una muestra del espectro real de
frecuencias, también contienen error. Para disminuir dicho error, se hacen las
estimaciones de la densidad espectral ya que eliminan los valores extremos que están
aleatoriamente distribuidos y resaltan características de interés del periodograma,
como lo son las regiones del espectro con valores consistentemente altos o bajos
43
(Lluch-Cota et al., 2003). En este trabajo se aplicó el estimador de densidad espectral
de Parzen.
En el análisis espectral se aplican transformaciones de Fourier a la serie original, lo que
equivale a transformar el producto de dos funciones: una, de extensión finita, es la serie
que se pretende transformar, la segunda es una función tipo caja, de extensión infinita,
la cual se activa o “enciende” en el intervalo que coincide con la serie finita original, y
se desactiva o “apaga” fuera de ese intervalo. El defecto de la función tipo caja consiste
en la intrusión (leakeage) de frecuencias adyacentes hacia las regiones espectrales
con señales energéticas. Para minimizar el problema de frecuencias adyacentes, se
aplicó una función de ahusamiento (taper) que ayuda a prender y apagar gradualmente
la función. Para ello se utilizó una función ad hoc (Split-cosine-bell tapering) en la que
se aplicó el 15% de ahusamiento a los extremos de las series. Tras obtener los
periodogramas se aplicó un re-escalamiento de 1/0.875, buscando compensar la
porción de la varianza que es eliminada en el proceso de ahusamiento (Jenkins y
Watts, 1968; Lluch-Cota, 2001).
Durante el análisis espectral se suele contender con series que no solo son finitas, sino
discretas, es decir, sus valores se encuentran separados por un intervalo de tiempo. La
implicación de esto es que durante la transformada de Fourier solamente se pueden
resolver la mitad de las frecuencias que podrían caber en la extensión de la serie, por
lo que la varianza de algunas de las frecuencias no resueltas contamina a las demás
(Chatfield, 1976). A este problema se le conoce como aliasing, y es común minimizarlo
extendiendo la longitud de la serie adicionando ceros, obteniendo así una serie que
puede contener el doble de frecuencias que la original y manteniendo la misma
información (Chatfield, 1976; Lluch-Cota et al., 2003). De lo anterior se tiene que cada
una de las variables introducidas al análisis espectral durante el desarrollo del presente
trabajo, fueron extendidas al doble de su longitud agregando ceros.
44
En complemento a la detección de frecuencias, se evaluó la significancia estadística de
cada uno de los picos detectados en el espectro siguiendo el procedimiento utilizado
por Meko y Stockton (1985) y Lluch-Cota et al. (2003). De acuerdo con estos autores,
la significancia se puede evaluar haciendo una comparación con un “espectro nulo”. El
espectro nulo es la hipótesis nula que puede ser teórica o construida a partir de los
propios datos. La forma más simple de un espectro nulo es el “ruido blanco”, el cual se
caracteriza por carecer de relación estadística entre pares de valores en tiempos
diferentes; en otras palabras, carece de autocorrelación y su varianza se encuentra
distribuida de manera homogénea entre todas las frecuencias del espectro.
El espectro nulo de ruido rojo permite compensar en cierto grado las soluciones
deficientes del análisis espectral hacia las bajas frecuencias, por lo que representa una
ventaja en comparación con el uso de ruido blanco como hipótesis nula. Tras elaborar
una hipótesis nula específica para cada serie de tiempo (ruido rojo), se procedió a
estimar bandas de confianza (95%, 90%, 85% y 80%) para los valores de densidad,
utilizando la distribución χ2 con los 10 grados de libertad que le corresponden por la
ventana de cinco términos que se usó como estimador espectral (Meko y Stockton,
1985). Los límites inferiores de los intervalos de confianza fueron comparados con un
espectro nulo de ruido rojo, el cual se obtuvo mediante el mismo estimador de Parzen,
pero con una ventana mucho más amplia que varió según la longitud de la serie (Lluch-
Cota, 2001).
2.2.3. Descenso Cíclico y Regresión Periódica “Periods”
Esta rutina consiste en la combinación de dos técnicas de análisis de series de
tiempo que son el descenso cíclico (Bloomfield, 1976) y la regresión periódica (Bliss,
1958), complementadas con pruebas parciales de F para discriminar las señales
cíclicas que se identificaron. González-Rodríguez et al. (datos no publicados)
sistematizaron este análisis acoplado de series de tiempo en una función llamada
45
Periods, escrita tanto en código de Matlab como de R. En este estudio se utilizó la
versión escrita en R (v.3.1.0.; R Core Team 2014).
El primer paso en el proceso para aislar el componente cíclico de la serie de tiempo es
ajustar una regresión lineal para determinar la tendencia y removerla de la serie
original. El primer periodo a evaluar se toma del tercer valor de la serie en las unidades
originales mientras que el valor final depende de la longitud de la serie. Se procede a
buscar la amplitud y fase correspondientes mediante la ecuación de regresión
periódica:
donde ω = 2 * p-1 es la frecuencia angular y p es el periodo
Los parámetros a1 y b1 son desconocidos y pueden ser estimados en una regresión
múltiple mediante mínimos cuadrados. Luego, los parámetros a1 y b1 se relacionan a la
amplitud y el ángulo de la fase por medio de las siguientes ecuaciones:
El desfasamiento gráfico del origen puede ser calculado como:
Este método implica la evaluación secuencial de cada valor en un conjunto dado de
periodos, estimando los parámetros del modelo (a1 y b1) mientras se prueba qué
modelo (ciclo o grupo de ciclos) es el que mejor ajusta a los datos.
46
El periodo óptimo (po) se selecciona evaluando un criterio gráfico y analítico. Dicho
criterio es llamado el Recíproco Máximo de la Suma de Cuadrados Residuales
(MRRSS). Analíticamente, el objetivo consiste en buscar los parámetros de una función
del modelo que mejor ajuste a los datos originales con base en la Suma de Cuadrados
Residuales (RSS), gráficamente los valores cercanos a cero son amplificados y
representan picos que denotan el periodo óptimo. La representación matemática es
como sigue:
Donde ip es el periodo inicial, fp el periodo final y RSS es definido por:
Yt es la serie de tiempo sin tendencia y Yp es la serie ajustada correspondiente al
periodo p.
Una vez que el po ha sido encontrado (junto con A y θ correspondientes), la serie
ajustada Yp se convierte en Ypo y es sustraída de Yt produciendo una serie de
residuales (Zres). La regresión periódica será entonces aplicada subsecuentemente a la
serie Zres con el fin de identificar el po con el criterio MRRSS para cada uno de los
armónicos i en la serie de tiempo. Este proceso de descenso cíclico (Bloomfield, 1976)
se repite hasta que el último armónico significativo m es detectado.
Para determinar si la adición de un nuevo periodo es estadísticamente significativa, se
estima de acuerdo con una prueba de grados de libertad (Sokal y Rohlf 1995):
47
dónde:
R2 es el coeficiente de determinación del modelo que incluye hasta el armónico i, R1 es
el coeficiente de determinación del modelo que incluye hasta el armónico i – 1, K2 son
el número de parámetros en el modelo que incluye hasta el armónico i, K1 son el
número de parámetros en el modelo incluyendo hasta el armónico i – 1 y N es la
longitud de la serie de tiempo.
Conforme se realiza esta prueba de significancia, las series Ypoi se suman
simultáneamente para formar la serie ajustada Ycum. Es por eso que Periods permite
evaluar paso a paso el ajuste global sobre la serie original y ello habla del efecto
combinado de señales cíclicas (PAF = p, A y θ) y no únicamente de la cantidad de
energía concentrada en cada periodo, como suele suceder en técnicas más
convencionales como el análisis espectral o el análisis de ondículas (Bloomfield, 2000).
2.2.4. Análisis de Ondículas (Wavelets)
El análisis de ondículas funciona en forma parecida al análisis espectral
(Transformada de Fourier) en el sentido que una señal se compone de una serie de
funciones sinusoidales. El análisis de ondículas resulta en una representación
simultánea de la señal en el dominio del tiempo y la frecuencia (Chui, 1992) mientras
que Fourier muestra la estructura de la señal solo en el dominio de la frecuencia, lo
cual funciona de manera adecuada para señales estacionarias. El análisis de ondículas
permite analizar las series de tiempo con base en diferentes escalas o resoluciones,
tratando de evitar que si se observa una señal utilizando una ventana ancha, se
pierden los pequeños detalles; en cambio, si la ventana utilizada es angosta, entonces
se los puede observar (Nason, 2008).
48
El procedimiento general del análisis de ondículas inicia determinando el espectro de
frecuencias de la serie de tiempo mediante la transformada de Fourier, luego se define
una función “prototipo”, llamada “ondícula madre” y un conjunto de escalas a analizar
(Cazelles et al., 2008). El análisis continúa aplicando cambios de escala (contracción /
dilatación) y cambios de posición (traslaciones) en los que se va comparando la
ondícula madre con toda la serie de tiempo con el objetivo de determinar cómo el poder
espectral de cada frecuencia (detectada inicialmente) varía en el tiempo (Torrence y
Compo, 1998; Nason, 2008). La Transformada Continua de Wavelets (ondículas) de
una señal ʄ(x) está definida por la siguiente ecuación:
dónde a es la escala, b es la traslación y ʄ(x) es la función a analizar.
Ambos parámetros (a y b) son números reales. La variable de escala (a) contiene la
información de la dilatación y contracción de la señal; cuando se dilata disminuye la
frecuencia y aumenta cuando se contrae. La variable de traslación (b) expresa la
información de ubicación en el dominio del tiempo, indicando en qué lugar del eje del
tiempo se encuentra la ondícula en turno (Torrence y Compo, 1998). Por medio de los
procedimientos de a y b se complementan los datos en forma de una matriz, donde
cada integral resuelta se traduce en un punto del plano traslación-escala (equivalente a
tener la información en el plano tiempo-frecuencia). El cono de significancia en el
análisis de ondículas se obtiene calculando un intervalo de confianza (e.g. 95%)
mediante una prueba Chi-cuadrada para luego comparar el intervalo inferior contra un
espectro nulo (ruido blanco) en la posición de cada frecuencia (Torrence y Compo,
1998).
49
2.2.5. Modelos Aditivos Generalizados
En un modelo aditivo generalizado, el predictor lineal es explicado parcialmente por una
suma de funciones suavizantes de las variables predictivas (Wood 2006). Estos
modelos permiten incorporar la familia de distribución del error más adecuada según la
variable de respuesta. El GAM permite considerar una familia de distribución de
probabilidades del error y una función (de enlace) que vincula a la variable de
respuesta con las variables predictivas (Wood, 2006; Wood y Augustin, 2002). Es
precisamente la función de enlace la que permite extender el uso de los modelos de
regresión en casos en los que la variable de respuesta no tiene una distribución normal
(Guisan y Zimmermann, 2000; Zwolinski et al., 2011).
En los GAM no existe una ecuación que represente la relación entre la variable
respuesta y las explicativas de manera constante, sino que tal ecuación varía según el
entorno de valores respuesta de interés gracias a las funciones suavizantes, de ahí que
la ventaja de esta aproximación analítica es su gran flexibilidad para modelar relaciones
complejas entre las variables de respuesta y sus predictores (Hastie & Tibshirani 1990).
La representación matemática de los GAM aplicados a la TSM y la captura de sardina
se ejemplifica a continuación:
dónde , Yi es la variable de respuesta a la que se asocia alguna familia de
distribución del error, Xi es una fila de la matriz del modelo para sus componentes
estrictamente paramétricos, Ѳ es el vector del parámetro correspondiente y ƒj
representa las funciones flexibles de las covariables xk.
Los valores del coeficiente de determinación y el porcentaje de devianza explicada
fueron utilizados para evaluar, uno a uno, el poder explicativo de los índices climáticos
sobre la variable de respuesta (TSM). Posteriormente, tomando los modelos con los
50
ajustes más altos, se intercambiaron variables atmosféricas y oceánicas, usando los
valores más bajos del Criterio de Validación Cruzada Generalizada (GCV) como
indicador de un modelo con mejor balance entre la bondad de ajuste y su complejidad
(e.g. número de parámetros; Wood, 2006). En este trabajo se empleó la familia
Gaussian para definir la distribución del error y como enlace se usó a la función identity
(Wood 2006). El parámetro de escala fue fijado en 0, indicando que el parámetro era
conocido. La construcción de los GAM se realizó con la ayuda del lenguaje de
programación R v3.1.0. (R Development Core Team, 2014) y la librería mgcv (Wood,
2006).
3. RESULTADOS 3.1. Indicadores climáticos y biológicos
La tres técnicas de análisis de series de tiempo (Fourier, Periods y ondículas)
aplicadas a las distintas variables que se consideraron en este estudio (representativas
de procesos climáticos y biológicos del SCC) mostraron que las periodicidades dentro
de los rangos de 10-12, 28-34, 60 y mayores de 80 años, fueron los patrones de
cambio más recurrentes (Tabla 5; Figs. 3-18).
Tabla 4. Periodos reportados en la literatura presentes en variables astronómicas y
geofísicas de gran escala. Los periodos inferiores a 10 años no se muestran.
51
Los coeficientes de determinación más altos se obtuvieron con la tasa de
depositación de escamas de sardina (0.43), seguido por la serie de viento Meridional
(0.38; Fig. 6). Todos los ajustes fueron significativos a pesar de que algunos obtuvieron
porcentajes bajos de varianza total explicada; como fue el caso del PDO_rec que tuvo
una R2 de 0.1 (p<0.001). En la tabla 5 se puede distinguir que el análisis de ondículas
favorece la detección de periodicidades de mayor frecuencia, siendo la rutina Periods y
VariableExtensión geográfica
Periodo (años) Referencia
Temperaura del aire y el océano
Hemisferios norte y sur
10-11, 15, 20, 28-32, 55-80 Kane and Teixeira 1990
Actividad solar Global 11, 22, 88 Friis-Christensen y Svensmark, 1997
Electromagnetismo Global 90 Pulkkinen et al. 2001
Ciclo de mareas nodales Pacífico subártico 18.6Osafune y Yasuda
2006
Excentricidad, precesión 11.9, 14.7 15.8, 29, 42, 61
Oblicuidad Global 11.9, 14.7, 18.6, 29 Loutre et al., 1992
Insolación 11.9, 15.7, 18.6, 29, 40, 61
Posición del polo y extensión de hielo
Nivel del mar, temperatura del aire y del
mar, poblaciones de peces marinos
Posición del polo Global 9, 14, 26, 76 Höpfner 2004
Bamboleo Global 30 Höpfner 2004
Actividad solar, lunar Global 9.1, 10, 22, 30, 60 Scafetta 2010
Longitud del día, rotación del nucleo Global 60 Roberts et al. 2007
18, 74Polar Yndestad 2006; Yndestad PhD
52
Fourier relativamente más equitativas entre las frecuencias que detectan, con la
reserva de que la evidencia arrojada por Fourier puede referirse exclusivamente al
rango de periodicidades (densidad espectral) más que a una frecuencia en específico
(e.g. Figs. 10 y 13).
Tabla 5. Comparación de periodicidades (por rangos) detectadas mediante análisis
espectrales (estrellas rojas), análisis de ondículas (estrellas azules) y la rutina Periods
(círculos negros) aplicados a distintas variables climáticas y biológicas asociadas al
Sistema de la Corriente de California.
Variable Extensión (años)
>80 50-60 39-41 28-34 24-26 21-23 17-20 13-16 10_12PDO reconstruido
(PDO_rec)1470-1998
Escamas de sardina (ES)
270-1970
Circulación Atmosférica (CATM)
1591-1750
Viento Meridional (VM) 1909-1991
Flujo de diatomeas (FD)
1909-1991
Periodicidades (por rangos)
53
PDO reconstruido (PDO_rec)
Figura 3. Ajuste de Periods (línea roja) a los valores anuales del índice reconstruido de
la Oscilación Decadal del Pacífico (PDO_rec). La línea negra con círculos representa
los valores observados del PDO reconstruido.
Figura 4. Periodograma del índice reconstruido de la Oscilación Decadal del Pacífico
(PDO_rec). No se muestran los picos espectrales mayores a 60 años. La línea gris
Tiempo (años)
54
tenue inferior representa el intervalo inferior de confianza de 80% y la línea superior el
de 95%.
El análisis de ondículas aplicado al PDO_rec indica que las fluctuaciones de entre
cuatro y 11 años fueron el patrón de variación más recurrente; de hecho estos ciclos se
extendieron a lo largo de toda la serie, mientras que el periodo de 30 años registró un
poder espectral menor, aunque también consistente (Fig. 5). En cambio, el análisis
espectral mostró que los periodos de 60 y 25 años son las señales más energéticas,
tras las cuales aparecieron los de 11, 15 y 36 años (Fig. 4). Los periodos en el rango
de 80-60 años tuvieron un efecto significativo en la serie entre los años 1600 y 1750
pero luego se desvanecieron aproximadamente 100 años, y volvieron a cobrar fuerza a
partir de ~1850 (Fig. 5).
La figura 5 muestra el efecto que tienen distintas intensidades de suavizado en el
resultado del análisis de ondículas. En la serie suavizada con una ventana de cinco
términos, se distinguen periodos de 11 y 16 años como los patrones predominantes,
pues fueron los más energéticos y permanecieron en todo el periodo. En la escala de
30-60 años, se observa un desvanecimiento de la señal entre 1650 y 1780 (Fig. 5). Los
suavizados de 11 y 16 términos muestran una atenuación gradual del poder espectral
en las altas frecuencias y la suma acumulada induce que la señal predominante salga
del cono de significancia (Fig. 5).
55
Figura 5. Resultados del análisis de ondículas aplicado al índice reconstruido de la
Oscilación Decadal del Pacífico (A; 1470-1998). El desempeño del análisis ante
diferentes grados de suavizado fue evaluado con medias móviles de 5 años (B), 11
años (C), 16 años (D) y con la suma acumulada (E). El límite de significancia (95%) es
marcado por la línea blanca intermitente.
A
B
C
D
E
56
Tasa de depositación de escamas de sardina (ES)
Figura 6. La línea roja muestra el ajuste con la rutina Periods de la tasa de depositación
de escamas de sardina (ES) en la cuenca de Santa Bárbara entre los años 210 y 1970
(Baumgartner et al., 1992). La línea negra con círculos representa los valores
observados de la tasa de depositación de escamas. La resolución en el eje del tiempo
es de 10 años.
Figura 7. Densidad espectral de la tasa de depositación de escamas de sardina (ES) en
la cuenca de Santa Bárbara en el periodo (210-1970). La línea gris tenue inferior
representa el intervalo inferior de confianza de 80% y la superior el de 95%. Los
números sobre la línea negra muestran los periodos correspondientes.
Tiempo (décadas)210 810 1110 1410 1810 19701710510
57
El resultado de la técnica de ondículas aplicada a la serie de la tasa de depositación de
escamas de sardina (ES) mostró que las periodicidades en el rango de 20 a 80 años
son las más energéticas (Tabla 5), pero su poder espectral se concentró en tres
periodos: 750-1000, 1100-1400 y 1600-1760 (Fig. 8). La serie ES indica que las
señales de 20 a 80 años persisten al menos en los últimos 1700 años (Figs. 6-8). Las
escalas de 260 y 320 años también mostraron un poder espectral relativamente alto,
aunque quedaron fuera del cono de significancia alrededor de los años 500 y 1690 (Fig.
8).
En la figura 8B se muestra el efecto del suavizado de cinco términos (que sólo en la
serie ES corresponde a 50 años) e indica una concentración de la energía en el periodo
de ~160 años, desvaneciéndose entre los años 1100 y 1300. Los suavizados de 110 y
160 años indican que la señal de ~320 años es significativa en el periodo 600-1500.
Finalmente, el efecto de la suma acumulada empuja fuera de los límites de significancia
la evidencia de cualquier periodicidad a esta escala (1700), aunque en términos
prácticos el número de pasos en el tiempo fue inferior (n=170; Fig. 6 y 8) debido a la
resolución decadal de los datos. Es decir, la resolución de la serie de escamas de
sardina podría estar afectando la identificación de patrones de cambio.
58
Figura 8. Resultados del análisis de ondículas aplicado a la tasa de depositación de
escamas de sardina en la cuenca de Santa Bárbara, del año 210 al 1970 (A). El
desempeño del análisis ante diferentes grados de suavizado fue evaluado con
medias móviles de 5 años (B), 11 años (C), 16 años (D) y con la suma acumulada
(E). El límite de significancia (95%) es marcado por la línea blanca intermitente. La
resolución del eje del tiempo es de 10 años.
A
B
C
D
E
59
Circulación Atmosférica (CATM)
Figura 9. Serie de tiempo (línea negra con círculos) y ajuste con Periods (línea roja) de
la circulación atmosférica (CATM) en la región del Pacífico Tropical inferidos por la
duración (en número de días) de los viajes de los Galeones españoles que navegaron
de México (Acapulco) a Filipinas (Manila), entre 1591 y 1720.
La tendencia creciente de la duración del viaje de los galeones españoles entre 1591 y
1650, sugiere que la circulación atmosférica en el Pacífico Norte se volvió
gradualmente más lenta (se debilitaban los vientos, disminuía la velocidad de crucero y
aumentaba el tiempo de navegación de los barcos), alcanzando sus valores más bajos
entre 1650 y 1660, para después acelerarse nuevamente hacia 1660-1720 (Fig. 9). De
acuerdo con el análisis espectral, los picos más energéticos se ubicaron en el intervalo
60-80, seguido de varios periodos inferiores a los 10 años (Fig. 10).
En la figura 11A se observa que entre el año 1600 y 1700, la circulación atmosférica
(CATM) fluctuó consistentemente en periodos de entre 2 y 8 años, mientras que el
rango de 16-30 años rebasó los límites de significancia antes del año 1620 y después
de 1660 (Fig. 11). Al aplicar el suavizado con ventana de cinco términos, los periodos
de 8-11 años fueron muy importantes entre 1640 y 1670. Los periodos entre 16 y 30
60
años mostraron un mayor poder espectral entre 1610 y 1680 (Fig. 11). El suavizado de
16 términos relegó la energía restante del espectro de frecuencias hacia una señal de
30 años, mientras que la suma acumulada eliminó cualquier indicio de energía, aunque
este hecho no anula la posible existencia de algún patrón dominante a escalas
mayores (Fig. 11).
Figura 10. Densidad espectral de la duración (en número de días) de los viajes de los
Galeones españoles que navegaron de México (Acapulco) a Filipinas (Manila), entre
1591 y 1720. La línea gris tenue inferior representa el intervalo inferior de confianza de
80% y la superior el de 95%. Los números sobre la línea negra muestran los periodos
correspondientes.
61
Figura 11. Resultados del análisis de ondículas aplicado a los días de trayecto de
los galeones españoles en el periodo (1590-1720), usados como proxy de los
cambios de circulación atmosférica en el Pacífico Norte (A). El desempeño del
análisis ante diferentes grados de suavizado fue evaluado con medias móviles de 5
años (B), 11 años (C), 16 años (D) y con la suma acumulada (E). El límite de
significancia (95%) es marcado por la línea blanca intermitente.
A
B
C
D
E
Circulación Atmosférica
62
Componente meridional del viento (VM)
Figura 12. Serie de tiempo (línea negra) y ajuste con Periods (línea roja) del
componente meridional del viento (VM), en la región de la cuenca de Santa
Bárbara (California), entre 1909 y 1991.
Figura 13. Densidad espectral de las anomalías del componente meridional del viento
en la región de la cuenca de Santa Bárbara (California) en el periodo 1909-1991. La
línea gris tenue inferior representa el intervalo inferior de confianza de 80% y la
superior el de 95%. Los números sobre la línea negra muestran los periodos
correspondientes.
Tiempo (años)
63
Al analizar mediante ondículas las anomalías del componente meridional del viento
(VM) en el periodo 1909-1991, se detectó como señal predominante la escala de 3-6
años, la cual se desvanece de manera intermitente hacia los años 1930, 1970 y 1975
(Fig. 14A). Sin embargo, estas señales repuntan nuevamente alrededor de los años
1950, 1965 y 1980. Otra señal, la de 8-11 años fue relativamente energética entre 1935
y 1955 y, aunque permanece en el registro, después reduce su potencia. Con el
suavizado de cinco años se puede apreciar más claramente el periodo de 11 años
descrito arriba, aunque esta vez acompañado de señales en el rango de 12-17 años,
que se extienden de 1930 a 1970 (Fig. 14B). En la figura 14C-D, los suavizados de 11 y
16 términos, muestran únicamente una débil señal de ~4 años en un estrecho periodo
que va de 1975 a 1985 en el primer suavizado y de 1975 a 1980 en el segundo.
Extrañamente, una leve evidencia de la señal de 3 a 4 años permaneció tras aplicar la
suma acumulada, lo que podría tomarse como un indicio de la importancia de la señal a
esta escala (n=83).
64
Figura 14. Resultados del análisis de ondículas de las anomalías del componente
meridional del viento (1909-1991). El desempeño del análisis ante diferentes grados
de suavizado fue evaluado con medias móviles de 5 años (B), 11 años (C), 16 años
(D) y con la suma acumulada (E). El límite de significancia (95%) es marcado por la
línea blanca.
A
B
C
D
E
65
Flujo de diatomeas (FD)
Figura 15. Ajuste con Periods (línea roja) a las anomalías de flujos de diatomeas (línea
negra con círculos) reconstruidas de un núcleo de sedimentos laminados en la cuenca
de Santa Bárbara, California en el periodo (1909-1991).
Figura 16. Densidad espectral detectada de una serie de tiempo de flujo de diatomeas
(línea negra; indicador de productividad primaria en la Corriente de California),
reconstruida de un núcleo de sedimentos laminados en la cuenca de Santa Bárbara,
Tiempo (años)
66
California (1909-1991). La línea gris tenue inferior representa el intervalo inferior de
confianza de 80% y la superior el de 95%. Los números sobre la línea negra muestran
los periodos correspondientes.
El análisis de ondículas aplicado a la serie de flujo de diatomeas, muestra una señal de
11 años que va apareciendo gradualmente a partir del año 1935, gana energía y
alcanza su máximo en el periodo de 1958-1980 y, aunque la señal permanece, sale de
los límites del cono de significancia después del año 1980 (Fig. 17A). Aunque esta
señal tiene un mayor poder espectral que la señal de 11 años, otras señales en la
escala 2 a 5 años sobresalen en el lapso de 1960 a 1975. No obstante, la evidencia de
estas señales de alta frecuencia es más evidente a partir de 1935.
Los suavizados sucesivos de la serie en ventanas de cinco, 11 y 16 años, desvanecen
progresivamente la señal de 2-5 años y posteriormente la de 11 (Fig. 17B-D). La media
móvil de 11 términos permite distinguir con mayor claridad la presencia de señales
menos energéticas que se ubican en el rango de 16-23 años. La suma acumulada de
las anomalías deja ver a las periodicidades de 2-5 y principalmente a la de 11 años
como los patrones de cambio predominantes del flujo de diatomeas en la escala
analizada (Fig. 17E).
67
Figura 17. Poder espectral de las anomalías del flujo de diatomeas (1909-1991;
como indicador de productividad primaria en la Corriente de California) de valores
reconstruidos a partir de un núcleo de sedimentos laminados en la cuenca de Santa
Bárbara, California (A). El desempeño del análisis ante diferentes grados de
suavizado fue evaluado con medias móviles de 5 años (B), 11 años (C), 16 años (D)
y con la suma acumulada (E). El límite de significancia (95%) es marcado por la
línea blanca intermitente.
A
B
C
D
E
68
Figura 18. Esquema de la relación entre índices climáticos reconstruidos y el Sistema
de la Corriente de California. Oscilación Decadal del Pacífico (PDO_rec; naranja),
circulación atmosférica (CATM; azul), componente meridional del viento (VM; verde),
tasa de depositación de escamas (ES; rojo) y el flujo de diatomeas (FD; amarillo).
69
3.2. Surgencias
Las autocorrelaciones de los primeros seis MAF tuvieron valores significativos
de r entre 0.43 y 0.71 (p<0.001; Tabla 7). El orden de los MAF (1 a 6) es indicativo de
su grado de autocorrelación, es decir, los primeros MAFs representan las señales de
menor frecuencia. Los cambios de cada MAF denotan transiciones simultáneas entre
estaciones de muestreo y pueden indicar la intensificación/disminución del transporte
de Ekman.
Tabla 6. Estadísticos descriptivos del índice de surgencias (trasporte de Ekman) por
estación en la costa Pacífico de Norteamérica, en el periodo (1946-2012).
Latitud (°N)
Longitud (°W)
Flujo promedio (m3· s-1 · 100m)
Mínimo Máximo Desviación estándar
Error estándar
21 107 724 -2003 2659 678 83
24 113 970 161 1542 313 38
27 116 1388 626 2034 286 35
30 119 1473 807 2026 254 31
33 119 1665 916 2610 329 40
36 122 1292 824 1947 287 35
39 125 996 309 1614 315 38
42 125 322 -457 847 240 29
45 125 -116 -597 231 160 20
48 125 -268 -592 -9 156 19
51 131 -243 -702 26 143 18
54 134 -552 -954 -265 162 20
57 137 -851 -1273 -446 193 24
60 146 -563 -920 -214 168 21
60 149 -445 -771 -151 139 17
70
Un cambio en el MAF puede significar el cambio simultáneo en varias áreas de
surgencias (e.g. en dos estaciones aumenta el flujo) o bien en correlación inversa (e.g.
el flujo disminuye en una estación y aumenta en otra). De ahí que la magnitud del
cambio en la intensidad de las surgencias/subsidencias se puede analizar con base en
la fuerza y sentido de las relaciones (r) entre la señal de baja frecuencia capturada por
cada MAF(n) y las series originales (Tabla 6, 8; Fig. 21 y 22).
Figura 20. Series de tiempo (1946-2012) del índice de surgencias (m3·s-1/100m de costa de
línea de costa) en 15 estaciones de muestreo del Pacífico americano, 21 °N – 60 °N
(Fig.1; líneas grises delgadas) y la señal de baja frecuencia capturada por el factor de
máxima autocorrelación MAF-1 (línea negra). Con fines de comparación se muestra el
primer componente principal calculado también con las series de las 15 estaciones de
muestreo (línea roja).
El MAF-1 se correlacionó positivamente con la estación 21 °N (r=0.78) y negativamente
con la 42 °N (Tabla 8). Entre 1975 y 1985 se incrementaron las diferencias de la
actividad de surgencias entre la estación 21 °N y la 42 °N, lo que corresponde a un
periodo de valores altos en el MAF-1. Después, de 1985 a 2004 el MAF-1 tuvo una
012345
1 2 3 4
Índice de Surgencias
MAF-1
PC1
-0.3
-0.2
-0.1
0.1
0.2
0.3
0.4
-3000
-2000
-1000
1000
2000
3000
1946 1951 1956 1961 1966 1971 1976 1981 1986 1991 1996 2001 2006 2011
Índi
ce d
e su
rgen
cias
(m3 *
s-1 *
100
m)
71
tendencia decreciente que significó el incremento del transporte de Ekman en la
estación norteña (42 °N) y un periodo de disminución en la estación 21 °N (Tabla 8, Fig.
21).
La correlación negativa de la estación 42 °N con el MAF-1 (r=-0.44; Tabla 6) se hizo
evidente en el periodo de 1975 al 2000 con valores mínimos de surgencias, por debajo
de los -457 m3·s-1/100m de costa en la estación norteña (predominancia de subsidencias),
y máximos en el MAF-1 (Tabla 8; Fig. 21). Los cambios de magnitud en el transporte de
Ekman a los 42 °N tuvieron un rango de ~1200 m3·s-1/100m de costa (Tabla 8).
Tabla 7. Resultados del Análisis de Factores de Máxima Autocorrelación (MAFA)
aplicado a las series del índice de surgencias, donde se muestra el coeficiente de
autocorrelación (r) y la significancia (p).
MAF (Factor de Máxima
Autocorrelación)Autocorrelación ( r ) p
1 0.907 < 0001
2 0.824 < 0001
3 0.761 < 0001
4 0.723 < 0001
5 0.626 < 0001
6 0.509 0.011
72
Tabla 8. Coeficientes de correlación entre cada Factor de Máxima Autocorrelación
(MAF) de surgencias y las series originales del transporte de Ekman por latitud en el
Pacífico americano. En negritas se muestran los valores de r significativos (p=0.05) y
mayores a 0.30.
Latitud (°N) MAF-1 MAF-2 MAF-3 MAF-4 MAF-5 MAF-621 0.78 0.07 0.06 0.33 0.05 0.1924 -0.36 0.53 0.48 -0.05 -0.38 -0.0527 -0.34 0.40 0.12 -0.18 -0.34 -0.1530 0.19 0.34 0.11 -0.40 -0.46 0.1133 0.12 -0.46 0.21 0.07 -0.37 0.3436 -0.11 -0.14 0.30 0.38 -0.21 0.3539 0.01 0.01 0.67 0.31 0.23 0.0242 -0.44 -0.24 0.33 0.25 0.21 0.0645 -0.19 -0.35 0.16 -0.11 -0.03 -0.1048 -0.06 -0.35 0.28 -0.22 -0.06 -0.2451 -0.11 -0.11 -0.01 -0.20 0.16 -0.0554 -0.24 -0.11 0.02 -0.24 0.04 0.1457 -0.28 -0.02 0.02 -0.14 -0.08 -0.3960 -0.12 0.10 -0.19 0.49 -0.06 -0.4060_II -0.06 0.13 -0.23 0.39 0.10 -0.37
73
Figura 21. (izquierda) Coeficientes de correlación (barras obscuras) entre las 15
estaciones del índice de surgencias en el Pacífico americano y los Factores de Máxima
Autocorrelación MAF(1-3). (derecha) Series de tiempo del transporte de Ekman (m3·s-
1/100m de costa) en estaciones donde fue mayor el peso relativo (r) del Factor de Máxima
Autocorrelación MAF(n) correspondiente (línea azul).
Las correlaciones entre el MAF-2 y las surgencias fueron positivas y significativas en
las estaciones que corresponden a las latitudes 24, 27 y 30 °N (r=0.53, 0.40 y 0.34,
respectivamente; Tabla 6; Fig. 21). Mientras tanto, para las latitudes 33, 45 y 48 °N las
relaciones significativas con el MAF-2 resultaron negativas (r=-0.46, -0.35 y -0.35,
respectivamente). Hacia los años 1998 y 1999, el total anual de agua aflorada en la
estación 24 °N fue superior a los 1400 m3·s-1/100m de costa, condición que también se
74
presentó en 1955-1958 y 2005-2011; los tres periodos de flujos verticales altos
corresponden a valores relativamente altos del MAF-2. De manera paralela pero en
sentido opuesto, los valores altos en el MAF-2 (1946-58; 1971-88; 1991-2003)
corresponden a periodos en los que disminuyó el transporte anual de Ekman a los 33
°N, con cambios de amplitud de ~800 m3·s-1/100m de costa (Tabla 6; Fig. 21).
Figure 22. (izquierda) Coeficientes de correlación (barras obscuras) entre las 15
estaciones del índice de surgencias en el Pacífico americano y los Factores de Máxima
Autocorrelación MAF(1-3). (derecha) Series de tiempo del transporte de Ekman (m3·s-
1/100m de costa) en estaciones donde fue mayor el peso relativo (r) del Factor de Máxima
Autocorrelación MAF(n) correspondiente (línea azul).
Latitude
Cor
rela
tion
coef
ficie
nt (
r)
75
Figura 23. Comparación entre la señal del cambio de régimen en el Pacífico Norte
(línea negra continua) reportada por Ebbesmeyer et al. (1990) y el cambio detectado
por el MAF1 (línea roja discontinua) en las series de tiempo del índice de surgencias
entre los 21°N y 60°N.
La mayoría de las estaciones se correlacionaron positivamente con la señal capturada
por el MAF-3, siendo más alta en las estaciones 39°N (r=0.67) y 24°N(r=0.48; Tabla 8).
Los periodos de aumento y disminución del índice de surgencias son similares entre
ambas estaciones, aunque de manera puntual los valores mínimos y máximos se
presentan fuera de sincronía (Fig. 21). Por ejemplo, entre 1986 y 2007 se observó una
Promedio anual
Cambio
Error estándar
MAF
Cambio
MA
F-1
de s
urge
ncia
sD
esvi
ació
nes
tánd
ar
Tiempo (años)
76
tendencia positiva que implicó cambios de amplitud del orden de ~1000 m3·s-1/100m de
costa en ambas estaciones. En la localidad norteña (39 °N), el transporte de Ekman
alcanzó su valor más alto en el año de 1999 con 1614 m3·s-1/100m de costa, mientras que
en el sur (24 °N) el flujo mayor se alcanzó en 2007 (8 años después) con 1542 m3·s-
1/100m de costa (Fig. 21; MAF-3).
El MAF-4 se distribuye de manera más homogénea entre las estaciones del Pacífico
norte. El mayor peso relativo del MAF-4 se observó en las latitudes 60 °N (r=0.49) y 30
°N (-0.40), pero tuvo también efecto en la porción sur a los 21 °N (r=0.33) y en el centro
entre los 36 ºN y 42 °N (r>0.31; Tabla 8). Los cambios en el MAF-4 están relacionados
con cambios simultáneos de subsidencias en los 60°N y surgencias a los 30 °N, en
donde las variaciones del índice fueron del orden de ~300 m3·s-1/100m de costa y ~600
m3·s-1/100m de costa respectivamente (Tabla 6; Fig. 22).
Los cambios representados por el MAF-5 se concentran en la porción sureña entre los
24 ºN y los 33 °N (r > -0.34), el coeficiente de correlación fue mayor con la estación 30
°N (r=-0.46; Tabla 8). En la figura 22 (panel intermedio) se observa que los cambios
positivos del MAF-5 indican una disminución simultánea del transporte de Ekman en los
24 °N y 30 °N, con cambios de amplitud de ~700 m3·s-1/100m de costa y ~600 m3·s-1/100m
de costa, respectivamente. Se observó una ligera tendencia de disminución en la amplitud
del MAF-5 en los últimos 30 años, al parecer asociada con el aumento de las
surgencias a los 24 °N y la disminución en los 30 °N (Fig. 5).
En el MAF-6 se observó la influencia de las estaciones 33 ºN (r=0.34) y 36 ºN (r=0.35)
pero principalmente de las más norteñas (57 ºN - 60 ºN; r> -0.37; Fig. 8). Los cambios
en los valores del MAF indican cambios en el transporte de Ekman en el orden de los
±300 m3·s-1/100m de costa en la estación 60 ºN y de ±400 m3·s-1/100m de costa a los 57 ºN
(Tabla 6). Cuando los valores del MAF-6 son altos y positivos, la actividad de
subsidencias se intensifica en ambas latitudes, pero si esta actividad aumenta en una
localidad (mientras disminuye en la otra) entonces los valores del MAF se vuelven
negativos, es decir, el cambio es simultáneo pero opuesto (Fig. 22).
77
Figura 24. Comparación entre las series de tiempo (1950-2012) de la señal de baja frecuencia
de la actividad de surgencias del primer Factor de Máxima Autocorrelación MAF-1 (panel
superior), el índice multivariado del El Niño-Oscilación del Sur MEI (b); el índice de la
Oscilación del Pacífico Norte NOI (c) y la Oscilación Decadal del Pacífico PDO (d). El
sombreado con las barras azules indica cambios de régimen ampliamente aceptados para el
Pacífico Noreste. Las líneas rojas delgadas indican tres de los principales eventos El Niño;
1958-59, 1987-88 y 1997-98.
100
200
300
400
500
600
700
1950 1960 1970 1980 1990 2000 2010
-2.5
-2
-1.5
-1
-0.5
0.5
1
1.5
2
2.5
Oscil
ación
Dec
adal
del
Pacíf
ico(P
DO)
-4
-3
-2
-1
1
2
3
4
Oscil
ación
del
Pacíf
ico
No
rte (N
OI)
-2
-1.5
-1
-0.5
0.5
1
1.5
2
Índic
e M
ultiva
riado
de
El N
iño (M
EI)
-0.35
-0.25
-0.15
-0.05
0.05
0.15
0.25
0.35
MAF
-1 d
e su
rgen
cias a)
b)
c)
d)
78
Tabla 9. Coeficientes de correlación por rangos entre los MAF(n) de surgencias y las
series de índices climáticos relevantes para el Pacífico Norte. En negritas se destacan
las correlaciones significativas (p<0.05).
3.3. Temperatura Superficial del Mar
Los valores de TSM mostraron un gradiente latitudinal, con temperaturas decrecientes
de sur a norte. Demarcando el límite sureño del área de estudio, el valor promedio más
alto de temperatura (26.2 °C ±0.04 °C) y máximas de hasta 27.5 °C: en el extremo
norte, el promedio fue de 7.6 °C ±0.04°C con mínimas de 6.4 °C (Tabla 10). En el
dominio de la CC, las temperaturas más altas superaron los 20°C en la porción sureña
(21 °N-24 °N), mientras que en la región de los 42 °N-45 °N rondó los 12 °C. En lo que
corresponde a las localidades dentro de la CA, las temperaturas promedio se ubicaron
preferentemente por debajo de los 10 °C, con valores mínimos de hasta 6.4 °C (Tabla
10). Los cambios anuales en la amplitud de la TSM en la CC fueron mayores en las
latitudes 27 °N (±0.64 °C) y 36 °N (±0.58 °C; Tabla 10, Fig. 25).
PDO MEI NPGO NOI ALPI PCIwinter
MAF1 0.46 0.20 -0.09 -0.28 0.23 -0.63
MAF2 -0.01 -0.01 0.04 -0.05 0.06 0.18
MAF3 -0.01 -0.04 0.29 0.14 0.06 -0.19
MAF4 0.23 0.12 0.12 -0.26 0.30 -0.19
MAF5 -0.11 0.08 0.00 -0.16 -0.05 -0.17
MAF6 -0.08 0.04 -0.33 -0.22 -0.25 -0.25
79
Tabla 10. Descripción estadística de la temperatura superficial del mar en la costa
Pacífico de Norteamérica para el periodo 1854-2013. Los datos fueron obtenidos de la
base ERSST (Extended Reconstructed Sea Surface Temperature; Smith et al., 2008).
Tras correr el análisis MAFA a los promedios anuales de TSM (1854-2013), se
detectaron valores relativamente altos de autocorrelación, (r=0.51 y r=0.8; Tabla 11).
Los seis primeros MAF fueron altamente significativos (p<0.001), al igual que los
ajustes obtenidos con los análisis de componentes armónicos (Tabla 12). Los
coeficientes de determinación arrojados por la rutina Periods fueron más altos en los
MAFTSM 3 y 4, en los que se superó el 60% de la varianza total explicada (Tabla 12). El
MAFTSM_1 obtuvo el ajuste más bajo con R2=0.46, seguido por el MAFTSM_6 cuya
proporción de varianza explicada alcanzó el 48% a pesar de representar una serie con
mayor contenido de ruido (Tabla 11, 12; Fig. 27).
Latitud (°N)
Longitud (°W)
TSM promedio Mínimo Máximo Desviación
estándar
21 107 26.2 24.8 27.5 0.4824 113 22.7 20.7 24.5 0.6327 116 18.1 16.3 20.0 0.6430 119 17.2 15.8 18.7 0.5233 119 16.0 14.5 17.5 0.5236 122 13.7 12.3 15.4 0.5839 125 12.4 11.2 14.2 0.5642 125 12.1 10.9 13.9 0.5445 125 11.8 10.7 13.4 0.4948 125 11.2 10.0 12.8 0.4851 131 9.9 8.8 11.1 0.4754 134 9.1 8.0 10.4 0.5157 137 8.4 6.8 9.7 0.5960 146 8.1 6.9 9.1 0.4860 149 7.6 6.4 8.5 0.45
80
Figura 25. Series de temperatura superficial del mar (ERSST; Extended Reconstructed
Sea Surface Temperature; Smith et al., 2008) en 15 localidades del Pacífico americano
entre los 21 °N y los 60 °N (mapa, Fig. 1; líneas grises) y el Factor de Máxima
Autocorrelación (MAFTSM_1; línea azul) que fue calculado a partir de las 15 series.
Tabla 11. Resultados del Análisis de Factores de Máxima Autocorrelación (MAFA)
aplicado a las series de temperatura superficial del mar (Extended Reconstructed Sea
Surface Temperature; Smith et al., 2008) en 15 estaciones del Pacífico americano entre
los 21 °N y los 60 °N.
-0.3
-0.2
-0.1
0.1
0.2
0.3
5
10
15
20
25
30
MA
F TS
M_1
Tem
pera
tura
Sup
erfic
ial d
el M
ar (°
C)
Tiempo (años)
Factor de Máxima Autocorrelación
(MAFTSM)Autocorrelación (r) p
1 0.80 <0.0012 0.77 <0.0013 0.71 <0.0014 0.69 <0.0015 0.57 <0.0016 0.51 <0.001
81
El MAFTSM_1 presentó una larga oscilación compuesta por una tendencia de
incremento entre 1860 y 1940, relacionada con el aumento de TSM en las estaciones
ubicadas entre los 36°N y los 57°N (Fig. 25,27). Posteriormente, de 1945 a 1995, se
observa una tendencia negativa. De acuerdo con los resultados de la rutina Periods, la
variabilidad del MAFTSM_1 no solo estuvo compuesta por una oscilación de periodo
largo (~80 años), sino también por ciclos decadales (~13 años) y multidecadales (>30
años; Tabla 12). El ajuste que resultó del efecto combinado de todos los periodos fue
significativo y tuvo un valor de R2=0.46 (Tabla 12).
Figura 26. Coeficientes de correlación (r) que denotan la relación entre cada una de las
series de Factores de Máxima Autocorrelación (MAF) y las series originales por sitio de
Coe
ficie
nte
de C
orre
laci
ón(r)
Latitud (°N)
82
muestreo (°N) de la temperatura superficial del mar (ERSST; Extended Reconstructed
Sea Surface Temperature; Smith et al., 2008).
El MAFTSM_2 destaca porque presentó una relación positiva y significativa con las
series de TSM en todas las latitudes (Fig. 26), por lo que sus cambios pueden ser
interpretados de manera directa (Fig. 27). En este contexto se puede hacer referencia a
tres periodos de aumento sostenido de la TSM en toda la región: 1854-1885, 1915-
1940 y 1970-1990. También pueden reconocerse tres periodos de enfriamiento
sostenido en la serie: 1985-1910, 1940-1970 y 1995-2013. Tras aplicar la rutina Periods
al MAFTSM_2, se detectaron periodos de 80, 55, 29 y 11 años que explicaron el 51% de
la varianza total (MAFTSM_2; Fig. 25, 27; Tabla 12).
El MAFTSM_3 capturó los cambios de las regiones que están en el extremo norte de la
CA (60°N) y el centro de la CC (36°N; Fig. 26). Aunque los valores de r son bajos (38%
de la varianza explicada), este tercer MAF muestra fases de ascenso y descenso de la
TSM que son comunes a ambas regiones, mostrando correspondencia tanto en las
tendencias de aumento y decremento, como años con extremos de variación (episodio
de calentamiento en el año de 1945; Fig. 27). No obstante tal coincidencia, al observar
los años específicos en los que se presentan los eventos extremos (e.g. TSM altas o
bajas), parece existir un ligero desfasamiento en dos sentidos: en el primero, los
periodos de enfriamiento en el norte anteceden a los de la estación sureña (36°N) y en
el segundo los años en que aumenta la TSM en el sur se presenta un par de años
después hacia el polo (MAFTSM_3, Fig. 27).
Las señales cíclicas explicaron el 61% de la varianza total explicada en el MAFTSM_3,
proporción que se mantuvo por encima del 45% en los MAFTSM 4, 5 y 6. Los tres
últimos MAF de TSM (4-6) presentaron un comportamiento general parecido al tercero,
con ligeros desfasamientos y tendencias de aumento/decremento de la TSM que se
corresponden de manera gruesa entre regiones distantes (Fig. 26), aunque con un
contenido creciente de señales de alta frecuencia y/o ruido hacia los últimos MAF (Fig.
83
27), lo cual es evidenciado también por sus valores bajos de autocorrelación (Tabla
11).
Figura 27. Series de temperatura superficial del mar (ERSST; Extended Reconstructed
Sea Surface Temperature; Smith et al., 2008) entre diferentes regiones del Pacífico
norte (barras negras y azules) que comparten los patrones de cambio capturados por
cada Factor de Máxima Autocorrelación MAF(n) (líneas rojas).
84
Tabla 12. Periodos detectados mediante descenso cíclico y regresión periódica en los
Factores de Máxima Autocorrelación (MAF) de 15 series de temperatura superficial del
mar (ERSST; Extended Reconstructed Sea Surface Temperature; Smith et al., 2008 en
sitios de muestreo a lo largo del Pacífico americano (ver Figura 1). Se muestran los
coeficientes de determinación (R2) y la significancia (p).
Eje Periodos R2 p
MAFTSM-1 65, 20, 35, 13, 80, 46, 24, 29, 60, 79 0.46 2.6*e-10
MAFTSM-2 55, 80, 11, 29 0.51 2.2*e-16
MAFTSM-3 80, 49, 28, 34, 24, 9, 11 0.61 2.2*e-16
MAFTSM-4 64, 18, 38, 25, 17, 19, 10, 80, 33 0.64 2.2*e-16
MAFTSM-5 12, 76, 23, 44, 15, 26, 33, 14 0.53 1.44*e-15
MAFTSM-6 35, 46, 65, 26, 18 0.48 1.39*e-15
85
Figura 28. Resultados del análisis de ondículas aplicado a los Factores de Máxima Autocorrelación (MAF1…6) de la temperatura superficial del mar (ERSST; Extended Reconstructed Sea Surface Temperature; Smith et al., 2008), en distintas estaciones a lo largo del Pacífico norte (Baja California Sur-Alaska). Se muestran los resultados para niveles de significancia del 95% y 80%, así como un suavizado de 5 años, aplicado previamente a la serie.
86
3.4. Pronósticos 3.4.1. Índices climáticos
Los análisis de series de tiempo reprodujeron razonablemente bien la mitad de los
índices climáticos basados en mediciones instrumentales (Fig. 29). En la tabla 13 se
muestran los periodos identificados en cada índice climático, además de los periodos
por intervalo y los reportados en la literatura. Los ajustes más altos se presentaron en
el PDOSumCum) y en el PCI, con valores de R2 de 0.96 y 0.79 respectivamente.
Enseguida, para la serie del NPGO se obtuvo un ajuste de R2=0.6, mientras que para el
PDO fue de 0.36. A excepción del PCI, los ajustes más bajos se registraron en los
índices de procesos atmosféricos (NOI, MEI y ALPI; Fig. 29).
La tabla 13 muestra que las señales cíclicas identificadas entre los índices climáticos
convencionales son relativamente más importantes en los rangos de 50-60 años y 17-
20 años, seguidos (por frecuencia de aparición) de los de 24-26 años, 13-16 años y 10-
12 años. En el contexto de las periodicidades reportadas en la literatura, los rangos
detectados apuntan a los periodos de 60, 51, 18.6, 25, 15 y 11 años.
En los coeficientes de determinación (Tabla 13) y en los ajustes (línea azul) de la figura
29, se puede observar que el efecto conjunto de los periodos detectados tiene un
mayor poder explicativo sobre los índices oceánicos (e.g. NPGO) respecto a los
atmosféricos (e.g. ALPI), excepto en el PCI, que es un índice atmosférico construido
para destacar el componente de largo plazo. En el PCI, el ajuste con armónicos fue el
segundo más alto (R2= 0.79) después del PDOSumCum (R2=0.96). Cabe mencionar que
la consistencia entre los periodos encontrados y los reportados, sugiere que no se trata
de señales artificiales.
87
Tabla 13. Periodos detectados en las series de índices climáticos de la región del Pacífico norte
basados en registros instrumentales. Se muestran los intervalos de los periodos más
consistentes identificados en las series reconstruidas y los periodos de variables climáticas
(regionales y globales) y geofísicas reportados en la literatura (Tabla 4). La última fila contiene
el coeficiente de determinación (R2) de cada ajuste. En todos los casos p<0.005.
De acuerdo con la proyección de los componentes armónicos del PDOSumCum (color
rojo, Fig. 29), ocurriría una fase fría en los márgenes del Pacífico norte (incluyendo la
CC), cuya duración sería hasta el año 2030 (Fig. 29). El PCI indica una tendencia
similar, aunque con una pendiente más pronunciada, por lo que sus valores mínimos
podrían aparecer poco después del año 2020 (Fig. 29). Los valores crudos del PDO
muestran oscilaciones de entre 3 y 5 años y una ligera pendiente decreciente hacia el
fin de la proyección (línea negra, Fig. 29). En sentido opuesto, el componente periódico
Periodos (por rangos)
PDOSumCum PCIwinter PDO MEI NPGO ALPI NOI Periodo reportado
>80 80
50-60 56 52 52 51 54 51, 60
39-41 41 40 40
28-34 31 29 30
24-26 25 25 24 25
21-23 23 22
17-20 19 19 19 20 18.6
13-16 13 14 16 15
10_12 10 12 11 11
R2 = 0.96 0.79 0.36 0.12 0.6 0.18 0.21
Periodos detectados en índices climáticos
88
del MEI indica una posible pendiente positiva hacia el 2030, incluyendo periodos de
calentamiento y enfriamiento de corta duración (~5 años; Fig. 29).
Figura 29. Ajuste y predicciones de índices climáticos basados en mediciones
instrumentales usando los periodos dentro de los rangos más consistentes que fueron
identificados en la sección anterior (indicadores climáticos reconstruidos). (PDOSumCum)
suma acumulada de la oscilación decadal del Pacífico; (PCI) índice de circulación
atmosférica del Pacífico; (PDO) oscilación decadal del Pacífico; (NPGO) oscilación del
gran giro del Pacífico; (ALPI) baja presión de las Aleutianas; (NOI) oscilación del
Pacífico norte.
20352035
2035
2035
2035
Observados Ajuste Proyección
89
3.4.2. Pronósticos de la actividad de surgencias/subsidencias
La mayor proporción de varianza explicada en los modelos de regresión periódica, fue
del 70% en los MAF 3 y 4, reduciéndose ligeramente en los MAF 2 y 5 (66% y 0.63%;
Tabla 14). El patrón de variación en la escala de ~30 años se presentó en todos los
MAF de surgencias, seguido de señales con periodicidades entre 17-20 y 11-13 años
(Tabla 14). La similitud de los patrones de cambio entre MAFs sugiere que existe una
causa común que tiene influencia en la actividad de surgencias, en el dominio del
espacio y del tiempo.
Tabla 14. Periodos detectados mediante el procedimiento automatizado de la rutina
Periods en los Factores de Máxima Autocorrelación MAF(n) de las series del índices de
surgencias (1946-2012) en 15 estaciones del Pacífico norte. Se muestran los valores
del coeficiente de determinación (R2) y la significancia (p) del ajuste.
MAF (Factor de Máxima
Autocorrelación)
Periodos (años) R2 p
1 34 , 19 0.39 9.72E-07
2 24, 34, 12 0.66 3.83E-13
3 34, 8, 19, 11 0.7 1.22E-13
4 17, 11, 33, 13 0.7 1.13E-13
5 13, 32, 23, 7, 15 0.63 1.76E-10
6 15, 12, 20, 32 0.46 7.07E-07
90
Las densidades espectrales detectadas en los primeros MAFs se concentraron en las
bajas frecuencias (e.g. 32 años), mientras que las señales de alta frecuencia (<9 años)
fueron escasamente identificadas (e.g. MAFs 1 y 2; Fig. 30). Aunque el poder espectral
se mantuvo relativamente constante, los periodos de 11 a 32 años se observaron con
mayor claridad entre los MAFs 4, 5 y 6 debido al aumento de escala de la densidad
espectral (Fig. 30). De acuerdo con la Tabla 14, los intervalos de densidades
espectrales que fueron detectados consistentemente fueron 28-34, 17-20 y 9-11 años
(Tabla 14, 15).
Los coeficientes de correlación en los primeros MAFs indican un mayor peso de las
señales de baja frecuencia hacia el límite norte (~45 °N) y sur (~24 °N -21 °N) de la CC
(Fig. 21, 22). El MAF-4 capturó las fluctuaciones de las surgencias/subsidencias tanto
en la CC y en la CA, indicando el efecto de las mismas señales periódicas de baja
frecuencia en ambos sistemas (Fig. 22, 30). Adicionalmente, el MAF-4 presentó el
mayor coeficiente de determinación obtenido a resolución anual (R2=0.71) y el segundo
mejor en resolución mensual (R2=0.64).
En el dominio de la CA, entre las estaciones con mayor actividad de subsidencias (57
°N-60 ºN), el espectro de frecuencias es más homogéneo, lo cual significa que el
componente interanual de corto plazo tiene un mayor peso relativo en el extremo norte
del área de estudio (MAF-6; Fig. 30). El MAF-6 aporta evidencia de que existe una
conexión entre las regiones que presentan los valores más altos de transporte de
Ekman, aunque el sentido del flujo es hacia fuera de la costa (surgencias) de los 33 °N
a los 36 °N (=1479 m3·s-1/100m de costa) y en dirección a la costa (subsidencias) de los
57 °N a los 60 °N (=-648 m3·s-1/100m de costa; Fig. 22, 30).
91
Figura 30. Densidades espectrales de los Factores de Máxima Autocorrelación (MAF(n))
extraídos de series de tiempo de índices de surgencias (1946-2012) correspondientes a
15 estaciones del Pacífico norte (21 °N-60 °N). Los números junto a la línea negra
(densidad espectral) indican periodos (en años) estadísticamente significativos en un
rango de confianza de entre 80%-95% (líneas grises inferiores). La línea punteada
representa la hipótesis nula (ruido rojo) contra la que se comparó la densidad espectral
y sus límites de confianza. Los números encima de la línea negra indican el periodo
correspondiente en años.
Frecuencia (año-1)
Den
sida
des
pect
ral
Densidad espectral
Hipótesis nula
Límite de confianza80%, 85%, 90% y 95%
92
Tabla 15. Espectro de señales periódicas de baja frecuencia detectadas en los
Factores de Máxima Autocorrelación (MAF1…6) extraídos de las series del índice de
surgencias (1946-2012) en 15 estaciones del Pacífico norte (21°N-60°N). Las líneas
rojas punteadas indican regiones espectrales según el análisis de Fourier. Los puntos
negros muestran las señales detectadas mediante la rutina Periods. Se muestran los
valores del coeficiente de determinación (R2). En los rangos de periodos se indican
debajo periodos reportados en variables climáticas (regionales y globales) y geofísicas.
La significancia p fue <0.001 en todos los casos.
MAF-1 0.43
MAF-2 0.65
MAF-3 0.57
MAF-4 0.71
MAF-5 0.70
MAF-6 0.55
Rango 60-80 28-34 24-26 21-23 17-20 13-16 10-12
Periodo reportado 60 33 25 22 18.6 15 11
Variable Señales detectadas
Años
R2
93
Figura 31. Resultados de la evaluación del desempeño predictivo de la regresión periódica usando tres conjuntos de
armónicos diferentes: 1) los armónicos obtenidos del procedimiento automatizado de la rutina Periods; 2) los armónicos
(artificiales) obtenidos de números aleatorios; y 3) los armónicos seleccionados por su persistencia y consistencia entre
series de tiempo de variables climáticas y geofísicas (ver Tabla 5 y15). Se muestra el ajuste (línea azul) con diferentes
longitudes de las series y la respectiva predicción hacia el año 2012 (línea roja con puntos).
94
…continuación. Resultados de la evaluación del desempeño predictivo de la regresión periódica usando tres conjuntos
de armónicos diferentes: 1) los armónicos obtenidos del procedimiento automatizado de la rutina Periods; 2) los
armónicos (artificiales) obtenidos de números aleatorios; y 3) los armónicos seleccionados por su consistencia entre
series de tiempo de variables climáticas y geofísicas (ver Tabla 5 y15). Se muestra el ajuste (línea azul) con diferentes
longitudes de las series y la respectiva predicción hacia el año 2012 (línea roja con puntos).
95
Figura 32. Evaluación del desempeño predictivo de los periodos seleccionados por su
consistencia entre series de tiempo de variables climáticas y geofísicas (Tabla 5 y 15),
sobre el Factor de Máxima Autocorrelación MAF1 que fue construido con diferentes
longitudes de las series originales del índice de surgencias en 15 estaciones de la
costa de Norteamérica. Los valores observados del MAF1 están representados por la
línea negra, la línea azul indica los valores ajustados y la línea roja con puntos muestra
los resultados de la proyección.
La señal capturada por el MAF-1 no fue alterada por la longitud de las series (Fig. 33).
Mediante el ajuste y validación de los modelos de regresión periódica, se determinó
que el poder predictivo del patrón predominante de la actividad de surgencias (MAF-1),
es de entre tres y cuatro años, lo cual revela la utilidad potencial del presente enfoque
(Fig. 32). Cabe mencionar que cuando las predicciones fueron de cinco años o
96
mayores, se presentaron errores en el cálculo de la fase, la amplitud y la dirección del
cambio (Fig. 31, 32).
Figura 33. Factores de Máxima Autocorrelación (MAFs-1) considerando diferentes
longitudes de las series originales. En todos los casos se inició con el año 1946,
mientras que los años finales fueron; 1980, 1990, 2000, 2006, 2008, 2010 y 2012.
3.4.3. Pronósticos de TSM con Modelos Aditivos Generalizados
Los modelos GAM fueron buenos predictores de la TSM en términos generales.
En las regiones de Ensenada, Punta Eugenia y Bahía Magdalena se obtuvieron ajustes
con más del 70% de devianza explicada y los valores de R2 fueron superiores a 0.6.
Para realizar las predicciones por región, además de la temperatura superficial del aire,
se adicionó el PDO para representar al componente oceánico y el PCI para el
atmosférico (Tabla 15). En la región de Bahía Magdalena (~24 °N), el NOI emuló mejor
los patrones de variabilidad en la atmósfera (Tabla 15; Fig. 35-37).
97
Tabla 15. Resultados de Modelos Aditivos Generalizados usados para ajustar las series
de temperatura superficial del mar (ERSST; Extended Reconstructed Sea Surface
Temperature; Smith et al., 2008) en tres localidades del Pacífico peninsular mexicano
(1900-2000).
El comportamiento histórico y proyecciones de la TSM en Ensenada (Fig. 3 y 4) y
Punta Eugenia (Figs. 35 y 36) fueron similares; fase de calentamiento entre 1910 y
1940, seguida de un proceso de enfriamiento que se extendió hasta 1975, aunque
interrumpido por un calentamiento a finales de la década de 1950 (Fig. 34, 35). El
cambio de régimen en 1975 implicó el inicio de un periodo de calentamiento que se
extendió hasta 1998. El pronóstico indica que un segundo periodo de enfriamiento
multidecadal se extendería del año 1999 al 2025. Al observar los valores proyectados
hasta el año 2080, los resultados sugieren que habrá un incremento promedio de la
TSM entre los años 2025 y 2055, seguido por un descenso relativamente rápido los 10
años posteriores, retornando finalmente a una fase de calentamiento
(aproximadamente del orden de 1.5°C) hacia el año 2080 (Fig. 34, 35).
Región Marina R2 Devianza explicada (%)
Ensenada 0,62 74
Punta Eugenia ~ BBSS, PDO, PCI 0,64 76
Bahía Magdalena ~ BBSS, PDO, NOI 0,7 85
~ BBSS, PDO, PCI
Variables explicativas
98
Figura 34. Temperatura superficial del mar observada (línea negra) frente a Ensenada,
BCS, México. La línea azul muestra la temperatura estimada mediante modelos
aditivos. La línea roja es la proyección del modelo entre 2010 y el año 2080. Los puntos
negros muestran valores observados de temperatura como periodo de validación
(2000-2010) del modelo. Las líneas rojas delgadas indican el error estándar de la
proyección.
Figura 35. Temperatura superficial del mar observada (línea negra) frente a Punta
Eugenia, BCS, México. La línea azul muestra la temperatura estimada mediante
modelos aditivos. La línea roja es la proyección del modelo entre 2010 y el año 2080.
99
Los puntos negros muestran valores observados de temperatura como periodo de
validación (2000-2010) del modelo. Las líneas rojas delgadas indican el error estándar
de la proyección.
Las fluctuaciones históricas de largo plazo en Bahía Magdalena son similares a las dos
localidades más norteñas (Ensenada y Punta Eugenia), aunque con cambios de menor
magnitud (Fig. 36), excepto por algunos años con cambios abruptos (e.g. 2014, 2020 y
2032; Fig. 36).
Figura 36. Temperatura superficial del mar observada (línea negra) frente a Bahía
Magdalena, BCS, México. La línea azul muestra la temperatura estimada mediante
modelos aditivos. La línea roja es la proyección del modelo entre 2010 y el año 2080.
Los puntos negros muestran valores observados de temperatura como periodo de
validación (2000-2010) del modelo. Las líneas rojas delgadas indican el error estándar
de la proyección.
100
3.4.4. Pronósticos de captura de sardinas (Regresión periódica + GAM)
El desempeño global de los GAM fue razonablemente bueno para las cinco
localidades analizadas (Figs. 37-41). Los modelos fueron capaces de predecir
correctamente el sentido del cambio en las capturas de sardina (Figs. 37-41), aunque
con algunas fallas en cuanto a la magnitud. Los ajustes presentaron ciertos picos con
desfasamientos respecto a las series de captura originales de Washington-Oregon y
California (línea azul; Figs. 38-39). Los mejores ajustes se presentaron en las series de
captura de sardina desembarcada en Ensenada (R2=0.88) y en Washington-Oregon
(R2=0.77), con porcentajes de devianza explicada del 97 y 81% respectivamente (Tabla
16). En Columbia Británica, el valor de R2 fue de 0.73 y la devianza explicada fue del
83% (Tabla 16). Se destaca que los MAF de surgencias tuvieron poder explicativo
sobre las capturas de las cinco localidades analizadas, entre California y aguas
canadienses (BC) también tuvieron relevancia los índices PCI y PDOSumCum (Tabla 16). Tabla 16. Resultados del ajuste de los Modelos Aditivos Generalizados a los datos de
captura de sardina por localidad usando índices climáticos. Las variables explicativas
fueron el índice de circulación atmosférica del Pacífico (PCI), Factor de Máxima
Autocorrelación (MAF), índice de baja presión de las Aleutianas (ALPI) y la suma
acumulada del índice de la Oscilación Decadal del Pacífico (PDOSumCum).
Latitud Localidad Fórmula R2 D.E. n
~48ºN British Columbia PCI + s(MAF1+MAF2) + s(MAF3+MAF4) 0.73 83 93
~37-45ºN Washington-Oregon PCI + te(ALPI) + MAF1 0.77 81 20
~33ºN California CuSumPDO + s(MAF1+ MAF2) + s(MAF3 + MAF4) 0.73 89 34
~31ºN Ensenada s(MAF1) + s(MAF2) 0.88 97 29
~24ºN Bahía Magdalena s(MAF1) + s(MAF2) 0.63 87 29
101
En la figura 37 se observa que la proyección de captura de sardina para la Columbia
Británica tiene un desempeño adecuado en cuanto al sentido del cambio y a primera
vista parece no tener grandes fallas en cuanto a magnitud. En el año 2012, la diferencia
entre el valor observado y la predicción es del orden del 50% (~10,000 t), mientras que
para el año 2010 la diferencia fue del 22% que equivalió a unas 5,000 t. En la porción
del registro histórico, se observó que a mediados de la década de 1930, el modelo tuvo
una falla notable, con una diferencia entre la captura observada y estimada de 119%
(~50,000 t), seguida por una de 37% en 1927 (Fig. 37). Los siguientes errores que
destacan se ubican en los años 1948-52 y 1987-1992, para los que el modelo predice
modestas capturas (5,000-8000 t), cuando en realidad fueron años caracterizados por
la ausencia de sardina en aguas canadienses (Fig. 37).
Figura 37. Valores observados (línea negra), ajustados (azul) y predicción (rojo) de la
captura (t) de sardina del Pacífico en la Columbia Británica, Canadá. La serie de
capturas observadas se extiende del año 1917 al 2013.
El modelo de Washington-Oregon produjo un ajuste de calidad intermedia en
comparación a los demás. El modelo logró captar los cambios decadales entre 1990 y
2009. El error más notorio fue ligeramente superior al 60% (~25,000 t) en el año 2006,
102
mientras que en el tramo de validación fue del orden del 27% para el año 2012 (Fig.
38). En el caso de Washington-Oregon (Fig. 38) no se observó la caída de la captura
hacia el 2013, que si es evidente en la serie de Columbia Británica (Fig. 37).
Figura 38. Valores observados (línea negra), ajustados (azul) y predicción (rojo) de la
captura (t) de sardina del Pacífico en en los estados de Washington y Oregon, EEUU.
La serie de capturas observadas se extiende del año 1990 al 2013.
En cuanto a la captura de sardina en California, se observó que el modelo reprodujo
correctamente el periodo de capturas bajas de 1976 a 1990. Posteriormente, de 1990
en adelante, las capturas se mantuvieron por encima de las 20,000 t y las predicciones
se aproximaron relativamente bien a los valores observados (Fig. 39). Algunos años
particulares muestran desfasamientos en la comparación observados/calculados, pero
aun así la mayoría de las diferencias se mantuvieron por debajo del 19% (~10,000 t).
En el periodo de validación (línea roja), la serie estimada con el modelo siguió el
sentido descendente de la captura observada, pero predice un aumento en 2012
cuando la observación indica que la captura continuó a la baja (Fig. 39).
103
Figura 39. Valores observados (línea negra), ajustados (azul) y predicción (rojo) de la
captura (t) de sardina del Pacífico en California, EEUU. La serie de capturas
observadas se extiende del año 1990 al 2013.
El GAM de las capturas de sardina en Ensenada mostró un buen desempeño a pesar
de haber sido aplicado a una serie relativamente corta (1981-2010; Fig. 40). En el
tramo del ajuste, las diferencias entre lo observado y lo calculado se mantuvieron por
debajo del 40% (~9,000 t). En el periodo de evaluación (denotado en rojo) las
predicciones de 2011 y 2012 tuvieron diferencias de hasta 20% (13,000 t). En términos
de la tendencia, el modelo reprodujo adecuadamente el sentido del cambio en el grupo
de cuatro años sobre el que se extiende la evaluación (puntos rojos, Fig. 41).
104
Figura 40. Valores observados (línea negra), ajustados (azul) y predicción (rojo) de la
captura (t) de sardina del Pacífico en Ensenada, México. La serie de capturas
observadas se extiende del año 1981 al 2012.
A pesar de haber obtenido el coeficiente de determinación más bajo (R2=0.63;
D.E.=87%) de las cinco localidades, el modelo ajustado a las capturas de Bahía
Magdalena, mostró valores muy cercanos a los observados en el periodo 1981-2006,
manteniéndose una diferencia siempre por debajo del 8% (~5,000 t). En el periodo de
evaluación, las predicciones de los años 2007 y 2010 son las únicas con fallas notorias;
en ambos años las diferencias rondan las 15,000 toneladas, lo que en términos
relativos equivale al 27% y 64% respectivamente de la captura observada (Fig. 41).
105
Figura 41. Valores observados (línea negra), ajustados (azul) y predicción (rojo) de la
captura (t) de sardina del Pacífico en Bahía Magdalena, México. La serie de capturas
observadas se extiende del año 1981 al 2012.
106
4. DISCUSIÓN 4.1. Autocorrelación
La autocorrelación es un concepto que tiene que ver con la ciclicidad de
variables representativas del clima oceánico y por lo tanto con la detección de patrones
en una serie de tiempo. A continuación se detallan algunas de las propiedades e
implicaciones de este tipo particular de correlación. Técnicamente, la autocorrelación
se define como la correlación cruzada de una serie de tiempo consigo misma y se le
puede considerar una medida de dependencia entre los valores de la serie (Bloomfield,
2000). En una serie de tiempo de números al azar el valor del coeficiente “r” es cercano
a cero debido a que la principal característica de ese tipo de series es la ausencia de
estructura en el dominio del tiempo (e.g. periodicidad; Chatfield, 1976). Cuanto más se
aproxima a 1 el valor de una autocorrelación, mayor será el grado de dependencia de
cualquier valor en la serie respecto al valor en el tiempo anterior, esto indica que los
datos están estructurados en función del tiempo (Chatfield, 1976; Bloomfield, 2000).
Algunas veces es deseable eliminar la autocorrelación de una serie, particularmente
cuando se pretende remover señales de baja frecuencia, pues éstas pueden inducir
correlaciones espurias (Bakun, 1990). Por ejemplo, puede aumentar artificialmente la
autocorrelación de una señal interanual, digamos cada 30 años, sólo porque dicha
señal está sumada en un ciclo de 60 años. Por otro lado, la autocorrelación es utilizada
frecuentemente como herramienta de análisis en el procesamiento de señales, debido
a que permite detectar patrones repetitivos en una serie de tiempo (e.g. señales
cíclicas), aun cuando dichos patrones se encuentren sumados a variabilidad aleatoria.
La identificación de patrones mediante la autocorrelación, ha tenido un uso amplio en
campos de conocimiento como la economía, la astrofísica y la ecología (Pollock et al.,
1999; Bloomfield, 2000, Burroughs, 2007).
La suma acumulada es una operación aritmética que permite resaltar la autocorrelación
de una serie de tiempo de anomalías (Xt - ), siendo Xt el valor de una variable en el
107
tiempo t en una serie de tiempo y la media de esa variable a lo largo de toda la serie.
La suma acumulada actúa como un filtro de paso bajo (low-pass filter), eliminando el
ruido de alta frecuencia (Chatfield, 1976). En el campo de la ingeniería de audio, la
suma acumulada se aplica para identificar la frecuencia elemental de una onda de
sonido, aun cuando su contenido de ruido sea alto (Pollock et al., 1999). Esta sencilla
operación permite aumentar la proporción señal/ruido.
Figura 42. Suma acumulada de las series anuales de algunos índices climáticos: Índice
de la Oscilación del Sur (SOI), índice Multivariado del ENSO (MEI), Oscilación Decadal
del Pacífico (PDO), índice Atmosférico de Momento Angular Globalmente Integrado
(GLAMM), índice del Centro de Baja Presión de las Aleutianas (ALPI), primer modo de
variación de la temperatura superficial del mar en el Pacífico Norte (ERSST_PN) y el
primer factor de máxima autocorrelación de las surgencias en el Pacífico nororiental
(MAF_Uwi).
108
Es oportuno comentar que al aplicar una suma acumulada a una serie de números
aleatorios (negativos y positivos), es posible obtener patrones de cambio aparentes,
pero que carecen de significado y por ende de interpretación. En contraste, son varios
los ejemplos que se pueden citar respecto al uso exitoso de sumas acumuladas (o
procedimientos equivalentes) en series de anomalías de variables climáticas: el índice
de circulación atmosférica del Atlántico (ACI) y el PDOSumCum (King et al., 1998;
Klyashtorin y Lyubushin, 2007; Noakes y Beamish, 2009). Por ejemplo, la suma
acumulada del ALPI revela un patrón muy parecido al PCI. Dicho índice climático (PCI)
describe cambios en intensidad y dirección predominantes del viento y se calcula con la
integral de las anomalías negativas de circulación meridional (King et al., 1998). Tanto
en el PCI como en la suma acumulada del ALPI destaca el componente de baja
frecuencia en escala de 50-60 años.
Las técnicas de filtrado (e.g. haming, media móvil, etc.) que se usan para destacar
ciertos rasgos de interés en las series de tiempo, generalmente funcionan de manera
similar a la suma acumulada en el sentido que optimizan la autocorrelación de la serie
al incrementar el grado de dependencia entre valores vecinos, con la ventaja de que se
puede controlar a conveniencia la ventana de tiempo con la que funciona el filtro. Este
tipo de técnicas fueron una pieza importante en la identificación de patrones de cambio
en diferentes escalas de TSM en la CC (Lluch-Belda et al., 2002).
La suma acumulada de diferentes índices oceánicos y atmosféricos ha sido empleada
para estudiar los patrones de baja frecuencia, su sincronía entre cuencas oceánicas y
las relaciones que pudiera tener esta variable modificada en otras variables
representativas de procesos biológicos y ecológicos, por ejemplo con la captura de
algunas especies pelágicas (e.g. saurio del Pacífico; Tian et al., 2004). Usando la
suma acumulada de índices climáticos, Alheit y Bakun (2010) hicieron comparaciones
entre grandes ecosistemas marinos, argumentando que la propagación de las señales
a través de la atmósfera, actúan sincronizando teleconexiones entre ecosistemas
marinos distantes y en consecuencia entre poblaciones.
109
La autocorrelación contenida en las señales climáticas de largo plazo se trasmite a los
atributos poblacionales y comunitarios de los organismos marinos. Una de las rutas
posibles es a través del reclutamiento, ya que tiene influencia en el tamaño del stock
adulto y puede alterar procesos bióticos tales como la depredación, el canibalismo y la
competencia (Samorodnitsky, 2006; Navrotsky, 2013; Mendes et al., 2014). Como se
mencionó anteriormente, una vía para explotar las propiedades de autocorrelación de
una serie es aplicando filtros (e.g. media móvil) o la suma acumulada, entre otros.
Cuando se trata de múltiples series de tiempo, el MAFA empleado en este trabajo
mostró ser una herramienta útil para destacar la estructura de los datos (optimizando la
autocorrelación) de surgencias y TSM en el dominio del tiempo (Switzer y Green, 1984;
Shapiro y Switzer, 1989; Vargas-Guzman y Dimitrakopoulos, 2003).
No obstante a su utilidad, la autocorrelación influye de distinta forma en la detección de
periodos según la herramienta de análisis que se utilice. Las técnicas aquí empleadas
para el análisis de series de tiempo mostraron diferentes resultados en los periodos
específicos que resuelven (e.g. periodos adyacentes, intervalos de periodos). Al tratar
de identificar cambios cíclicos en la naturaleza se depende de la capacidad limitada de
las herramientas de análisis para lidiar con la presencia de ruido, la mezcla de señales
o la corta extensión de las variables de interés. En suma, se identificó la necesidad de
tomar en cuenta los efectos de la autocorrelación, el criterio del investigador y el control
de criterios estadísticos y tratamientos numéricos (e.g. nivel de significancia, grado de
suavizado), como parte del proceso en el que se decide si una señal es o no válida. En
definitiva, la autocorrelación es una propiedad matemática que permite representar
procesos decadales y multidecadales del clima oceánico que (generalmente) se
encuentran vinculados al componente cíclico del clima.
4.2. Detección de periodos y predictibilidad
110
La autocorrelación también puede entenderse como una propiedad matemática
que es útil para representar cambios de la naturaleza (e.g. astrofísicos y geofísicos)
que se manifiestan en algún tipo de señal periódica, por ejemplo; la propagación de
una onda Kelvin en el océano, las variaciones de baja frecuencia en el clima oceánico o
la representación en el tiempo del recorrido de un cuerpo celeste en su órbita (Bliss,
1958; Stewart, 2008; Scafetta, 2010). El grado de relación entre pares de valores
(autocorrelación) es un atributo numérico que forma parte de las señales periódicas
decadales y multidecadales del SCC.
La detección de patrones de cambio (e.g. periodos) en una serie de tiempo, es un
proceso que se ve afectado de distintas formas por la autocorrelación según la técnica
de análisis que se aplique (e.g. Periods, Fourier, ondículas, etc.). Esto se debe a que
cada técnica resuelve los parámetros que caracterizan a una serie de tiempo mediante
rutas metodológicamente diferentes.
Una manera en la que interfiere la autocorrelación en la detección de patrones de
cambio, se puede ejemplificar con los periodos detectados en los MAFTSM (Tabla 12)
mediante la rutina Periods. El objetivo de la rutina es optimizar el ajuste global del
modelo (R2), usando una prueba de F como criterio para evaluar si cada nuevo periodo,
tiene un aporte significativo a la minimización de los residuales (González-Rodríguez et
al., datos no publicados).
En Periods, una serie con alta autocorrelación (e.g. MAFTSM-1), y que no tiene solo un
periodo perfecto (e.g. periodo de 60 años), se interpreta como si la serie estuviera
compuesta por un conjunto de periodos que se siguen uno detrás de otro y con el fin de
mejorar el ajuste, la rutina introduce periodos contiguos (Tabla 12). En otras palabras,
el criterio de Periods para discriminar señales da pie a que un conjunto de periodos
contiguos, y no uno en particular, reduzcan en mayor magnitud los residuales. En este
contexto, los periodos contiguos se pueden considerar como periodos artificiales. Este
aspecto del funcionamiento de la rutina trasciende a la predictibilidad ya que no solo
afecta la gama de periodos detectados, sino también el proceso de decisión del usuario
111
respecto a cuál es el periodo real y cuál de ellos sería el adecuado incluir al extender
en el tiempo la serie (e.g. Fig. 31).
El efecto de los periodos vecinos sobre la predictibilidad se puede explicar con ayuda
de la figura 31. En las proyecciones hechas sobre la base de los armónicos del
procedimiento automático y de los números aleatorios, se presentaron errores notorios
respecto a los valores observados (línea negra) en la amplitud, la dirección de la
pendiente y la fase proyectadas (línea con puntos rojos). En contraste, cuando los
periodos fueron seleccionados por el usuario (eliminando periodos contiguos) la
amplitud, la dirección de la pendiente y la fase produjeron ajustes y proyecciones
razonablemente buenos (Fig. 31, 32). La única excepción de un buen desempeño con
periodos seleccionados, se presentó en el modelo con la proyección más extensa, la
cual corrió a partir del año 1981 (MAF1; Fig. 31), lo que sugiere que la longitud de las
proyecciones tiene un efecto sobre el cálculo de la amplitud y la fase.
Por otro lado, el coeficiente de determinación que es calculado en la rutina Periods, se
puede concebir como una medida de la importancia (varianza explicada) del
componente cíclico (con uno o varios armónicos) en la variable que se analiza. Dicha
medida de importancia relativa (R2) representa una ventaja respecto al análisis
espectral y de ondículas, ya que ambos se centran en dar información de la cantidad
de energía (poder espectral) contenida en cada frecuencia detectada (Bloomfield, 2000;
Nason, 2008). Una ventaja adicional de aplicar Periods es que la capacidad de
detección de patrones de cambio, en diferentes escalas de variabilidad, no se ve
alterada por la presencia de señales dominantes (energéticas), como podría suceder
en el análisis espectral con señales de alta frecuencia (e.g. ENOS, ciclo estacional;
Chatfield, 1976, 2000).
En el análisis espectral, las señales más energéticas son representadas con los picos
más altos del periodograma (poder espectral; Chatfield, 1976). Cuando la
autocorrelación de la serie es alta, el número de picos disminuye, aumenta el número
de periodos agrupados en la región espectral que resuelve el análisis y la energía se
112
carga hacia la baja frecuencia (izquierda del periodograma). Este efecto se puede
apreciar comparando los periodogramas de los MAF de surgencias (Fig. 30). No se
debe olvidar que el grado de autocorrelación disminuye hacia los últimos MAF (e.g.
MAF4…6), por lo que el efecto descrito sería poco perceptible en ellos (e.g. Fig. 30). En
el análisis de ondículas, el efecto de la autocorrelación también promueve la
acumulación de poder espectral hacia las bajas frecuencias, lo que produce
conglomerados de zonas (espectrales) con mayor número de valores (periodos) y, en
consecuencia con mayor cantidad de energía respecto a las zonas de señales de alta
frecuencia (Fig. 28). En suma, la eficiencia de la técnica de análisis para detectar
patrones de cambio, el grado de autocorrelación de las series que se analizan, el rigor
de los criterios estadísticos de cada prueba (Figs. 3-17) y el criterio del investigador,
son aspectos fundamentales en el proceso de decisión para seleccionar periodos y en
conjunto resultan ser más eficientes que cuando se aplica cualquiera de ellos por
separado (Schwarts, 2007; Ghil, 2012). La selección de periodos es un paso clave que
antecede la generación de pronósticos basados en el comportamiento cíclico.
La gama de periodos seleccionados se convierten en el insumo teórico de las hipótesis
que sustentan los pronósticos del componente cíclico del clima oceánico. Para explicar
en algún grado los mecanismos a través de los cuales se manifiestan e interactúan los
diferentes periodos que fueron identificados como los más consistentes (Lluch-Belda et
al., 2002), es necesario establecer su posible relación con procesos climáticos de gran
escala (e.g. cuenca y globales) y estos a su vez con los patrones de variación (MAF) de
la TSM y las surgencias en el SCC.
4.3. Forzamiento de baja frecuencia y gran escala
El forzamiento físico de gran escala y baja frecuencia es el marco sobre el cual
se sobreponen las variaciones climáticas locales del SCC. Por ejemplo, en escalas
interanuales y decadales, el SCC responde a dos patrones de variabilidad climática de
gran escala, el PDO (Mantua et al., 1997) y el NPGO (Di Lorenzo et al., 2008). La fase
113
positiva del PDO se caracteriza por el relajamiento y desplazamiento al sur del centro
de (baja) presión de las Aleutianas, lo que fortalece los vientos generadores de
subsidencias en el norte del SCC y las anomalías positivas de TSM que se extienden al
sur de los 38 °N (King et al., 1998). Por otra parte, el NPGO explica las anomalías del
esfuerzo del viento que produce surgencias a lo largo de la costa (SCC), así como las
fluctuaciones decadales dominantes de la salinidad, la clorofila-a y los nutrientes, en el
dominio geográfico del SCC y la CA (Di Lorenzo et al., 2008; 2009).
El componente cíclico del clima oceánico de gran escala mostró relación con los MAF
de TSM y de surgencias en cuanto a la presencia de señales periódicas similares
(Tabla 12 y 14). Este hecho podría considerarse como la expresión local del forzante(s)
cíclico(s) de gran escala. Algunos de los periodos detectados en los MAF también
fueron consistentes con los detectados en los índices climáticos observacionales y
reconstruidos (Tabla 4, 5, 13 y 15). Los periodos identificados entre los MAF(1…n) son
coherentes con las escalas decadales y multidecadales de variación reportadas en
indicadores físicos y biológicos en la región: altura del nivel medio del mar en la costa
Pacífico de Norteamérica (Lluch-Belda et al., 2003; Lluch-Cota et al., 2003),
fluctuaciones de la captura pesquera de anchoveta (Engraulis mordax) y sardina
(Lluch-Belda et al., 2003; Lindegren et al., 2013), cambios de distribución y abundancia
de las poblaciones del salmón (Hare et al., 1999), el PDO (Mantua et al., 1997), el ALPI
y el PCI (King et al., 1998).
Macías et al., 2012 aplicaron un análisis singular espectral a las series de tiempo del
índice de surgencias y encontraron que el componente de baja frecuencia explicó la
mayor parte de la variabilidad de las surgencias en las estaciones del sur (~21 ºN) y
que la importancia de este componente decreció hacia el norte. Este gradiente sur-
norte coincide con los resultados de este trabajo respecto al mayor peso relativo (r2) de
la variabilidad decadal y multidecadal en las surgencias de las estaciones ubicadas
entre las latitudes 21 °N-33 °N (sur; MAF1-3; Fig. 21; Tabla 6). El PDO mostró un
coeficiente de correlación de -0.44 con el componente de baja frecuencia identificado
por Macías et al. (2012), mostrando similitud en magnitud pero de sentido opuesto
114
(correlación positiva) respecto a la relación MAF-PDO del presente estudio (r=0.46;
Tabla 9).
El cambio rápido y sincrónico capturado por el MAF-1 de surgencias a mediados de la
década de 1970, se asemeja notoriamente al comportamiento de los cambios físicos
que se presentaron de manera súbita en el clima del Pacífico Norte durante el cambio
de régimen de los años 1975-77 (Ebbesmeyer et al., 1990; Fig. 23) y coinciden también
con cambios documentados en otras regiones de surgencias alrededor del planeta
(Lluch-Belda et al. 1989; Tourre et al. 2007; Vargas et al. 2007). El cambio abrupto del
clima oceánico en 1975-77, también significó el fin de un periodo de enfriamiento en el
SCC y marcó el inicio de un nuevo periodo de calentamiento (~30 años; Lluch-Belda et
al., 2001).
La señal del cambio de régimen, la sincronía con el MAF-1 de surgencias y el
forzamiento que inducen ambos sobre la dinámica de largo plazo de la TSM en el SCC,
sugieren la existencia de un forzamiento común que promueve cambios de macro
escala y que podría estar relacionado con los periodos que fueron identificados en el
presente estudio como los más consistentes, entre variables y entre herramientas de
análisis: 60, 30, 18.6 y 11 años (Tabla 4, 5, 15; Fig. 18).
El periodo de 60 años fue identificado como uno de los periodos más consistentes
(entre técnicas de análisis y entre series de tiempo) en las variables representativas de
la variabilidad climática del SCC (Tabla 4, 5 y 15). Las variables geofísicas que
contienen una señal cíclica en la escala de ~60 años son la velocidad de rotación de La
Tierra, la actividad geomagnética, la circulación atmosférica zonal, la temperatura
global del aire (Scafetta, 2010; Mazzarella, 2007). En una escala espacial menor, la
señal también se identificó en el PCI (King et al., 1998), el PDOSumCum y la suma
acumulada del ALPI (Beamish et al., 2009).
La evidencia sugiere que las variaciones en la tasa de rotación de la Tierra inducen
cambios en la distribución de masas de aire y agua con cierta regularidad (Pugh, 1987;
115
Wahr, 1988; Munk y Bills, 2007). Los periodos de aceleración, por ejemplo, ocasionan
que las masas de agua con mayor contenido de calor se acumulen gradualmente en la
porción oeste de la cuenca del Pacífico Norte, siendo tal patrón, similar a la distribución
espacial de las anomalías de TSM durante la fase cálida del PDO (Mantua et al., 1997).
El aumento (disminución) de la velocidad del giro terrestre genera días ligeramente
más cortos (largos), promueve el desplazamiento de los grandes centros de presión
atmosférica al norte (al sur), se intensifica (debilita) el gran giro del Pacífico Norte y
aumentan (disminuye) la velocidad y cantidad de agua subpolar que gira hacia el
ecuador, produciendo el enfriamiento interdecadal del SCC (Hollowed et al., 2001;
Mazzarella, 2007). El escenario de aceleración (desaceleración) del giro terrestre
coincide también con las condiciones que favorecen la contracción (expansión)
multidecadal de la sardina del Pacífico hacia aguas canadienses (Lluch-Belda et al.,
2001, 2003) y el aumento (disminución) de la producción del salmón del Pacífico en el
sur de Canadá y Norte de EE.UU. (Beamish et al., 1999, 2009).
Los cambios de velocidad del giro terrestre coinciden (en la escala de 60 años) con los
cambios de intensidad en la circulación de la atmósfera alta (Mazzarella, 2007),
proceso que modifica los patrones de vientos predominantes en la superficie: transitan
de meridionales a zonales en un periodo de ~30 años y se completa el ciclo de 60 años
con la transición opuesta (King et al. 1998; Klyashtorin y Lyubushin 2007). El periodo
de 30 años también fue identificado como uno de los más consistentes tanto en los
índices climáticos del Pacífico Norte, como en la TSM y surgencias del SCC (Tabla 5,
13 y15). El patrón de alternancia de vientos predominantes (meridional-zonal) fue
originalmente descrito para el Atlántico (Klyashtorin y Lyubushin 2007); en el Pacífico
Norte la circulación atmosférica de gran escala sigue un patrón de transición similar
que interactúa con las fases fría y cálida de la cuenca, cuya duración es de ~30 años
cada una (King et al. 1998; Beamish et al. 1999; Xue et al. 2003).
Al intensificarse (debilitarse) la circulación en la atmósfera alta, en un lapso de ~30
años se incrementa (reduce) la componente meridional del viento en superficie,
generando una mayor (menor) fricción sobre las primeras capas del océano y, por lo
116
tanto, una mayor (menor) actividad de surgencias/subsidencias en el SCC y la CA
(King et al., 1998; Chhak y Di Lorenzo 2007; Macías et al. 2012). De manera
simultánea, en el océano fluctúan los aportes de agua fría desde el fondo, en respuesta
a un efecto interdecadal acumulado de la profundidad de la termoclina que se transmite
en la propagación (sur-norte) de ondas Kelvin costeras atrapadas (Pizarro y
Montecinos, 2004; Norton, 1985, 2013). La combinación del forzamiento de largo plazo
a través del océano y la atmósfera acercan (alejan) a la superficie parcelas de agua fría
del fondo, favoreciendo (limitando) la transferencia de calor entre capas y
eventualmente genera anomalías cálidas (frías) de TSM que oscilan en fase opuesta
entre el Pacífico central y el SCC (Levitus et al., 2005; Miller et al., 1998).
Otro patrón de cambio que fue identificado consistentemente, entre los índices
climáticos y los MAFs de TSM y las surgencias del SCC, fue el periodo de 19 años
(Tabla 5), claramente en proximidad al periodo de 18.6 años que se presenta en el ciclo
de mareas nodales lunares (Pugh 1987). Diversos autores han aportado evidencia de
la presencia de una señal de escala bidecadal (17-20 años) en la TSM del Pacífico
norte (Royer, 1993; Ware 1995; Lluch-Belda et al., 2001; Lluch-Cota et al., 2003).
Durante este lapso (~18.6 años), el plano sobre el cual la luna orbita a la Tierra, se
inclina gradualmente y provoca diferencias regionales en la atracción gravitacional del
satélite sobre las masas de agua y aire de la Tierra (Baart et al. 2012). Por lo tanto, en
añadidura a los procesos de breve escala temporal que modulan las mareas oceánicas
(e.g. ciclo sinódico ~30 días), la fuerza de atracción del ciclo nodal lunar conduce
respuestas regionales que incluyen el aumento (disminución) del nivel del mar, una
termoclina más profunda (somera) y un mayor (menor) volumen de agua superficial
(relativamente más cálida) que finalmente intercambia calor con parcelas de agua
aledañas (Pugh 1987; Rebert et al., 1985; Pizarro and Montecinos 2004, Munk y Bills,
2007).
Tanto el nivel medio del mar como la profundidad de la termoclina, son determinantes
en la magnitud del transporte de Ekman (e.g. cantidad de agua desplazada mediante
bombeo de Ekman; Trenary y Han 2012; Pineda 1995; Rebert et al. 1985). Miller et al.
117
(1998) apuntan que los cambios decadales de la profundidad de la termoclina son
forzados por perturbaciones en la rotacional del estrés del viento a escala del Pacífico
Norte y son acompañados por el reforzamiento (debilitamiento) de los giros subpolar
(CA) y subtropical (CC). Los mismos autores sugieren que a escala de cada giro
oceánico (e.g. subtropical), los cambios en los gradientes de presión (baja de las
Aleutianas y alta de Hawaii) se correlacionan con la intensificación (debilitamiento) del
viento que controla la magnitud de las surgencias/subsidencias y las anomalías frías
(cálidas) de temperatura.
Figura 43. Esquema en el que se muestra una comparación de dos estados alternos en
el clima del Pacífico Norte y la conexión entre los cambios de gran escala, el viento y
las surgencias en la Corriente California.
Al parecer la variabilidad decadal en el SCC se relaciona con el periodo de 11 años,
que fue detectado consistentemente en los diferentes conjuntos de datos analizados:
índices climáticos (Tabla 5, 13; Fig. 18), MAFs de TSM (Tabla 12) y MAFs de
surgencias (Tabla 15). Este periodo (11 años) es un patrón bien conocido de las
variaciones en la actividad solar. La energía del sol (radiación electromagnética) es el
factor fundamental del sistema climático de La Tierra (Burroughs, 2007; Haigh 2011).
Cuando la radiación solar entra al planeta e interactúa con diversos factores (e.g.,
118
nubes, cobertura de hielo, mareas, estacionalidad), su señal se transforma en otras
formas de energía (e.g. intensidad del viento) por lo que sus efectos no necesariamente
son directos (Benestad 2006).
El periodo de 11 años podría estar relacionado con los cambios físicos en el área de
estudio dado que el sol es el propulsor de las diferencias térmicas que modifican los
gradientes de presión y la respectiva respuesta de las masas de aire (Bakun and
Nelson 1991; Chen et al. 2002; Beer et al. 2000; García-Reyes y Largier 2012). De
manera esquemática, una mayor (menor) incidencia de radiación solar acelera
(disminuye) los flujos (ascendentes y descendentes) que circundan a las celdas
atmosféricas (Hadley, Ferrel y polar) y refuerza (debilita) los gradientes de presión que
empujan con mayor (menor) fuerza a las masas de aire (Wang, 2002).
Aproximadamente a los 30 °N se presenta una zona de divergencia inferior formada por
los bordes de flujos descendentes de las celdas Hadley y Ferrel, lo que produce que el
desplazamiento del viento vaya en dirección tanto del polo como del ecuador y, al
interactuar con la fuerza de Coriolis y la topografía local, promueve la intensificación
(debilitamiento) del transporte de Ekman hacia fuera (dentro) de la costa a lo largo de la
costa de Norteamérica (Bakun, 1990; Schwing et al. 2002).
La región ecuatorial actúa como el principal receptor terrestre de la irradiancia solar. El
contenido de calor que resulta se redistribuye al resto del planeta por medio de la
circulación atmosférica y oceánica (Cornejo-Garrido y Stone 1977; Lohmann et al.
2004). Este proceso de captación / distribución de energía subyace a interacciones
tropicales-extratropicales (Chhak and Di Lorenzo 2007; Schwing et al. 2002; Bates
1974). Un ejemplo de tales interacciones es la teleconexión entre el ENOS y las
variaciones de intensidad de la CC: en el ecuador los vientos alisios se debilitan, se
hunde la termoclina, se relajan los gradientes de presión, disminuye el esfuerzo del
viento, se produce menor transporte de Ekman y el transporte de agua hacia el giro
subtropical es reducido, disminuyendo la velocidad de la CC (Ware, 1995; Clarke y
Lebedev, 1999; Liu et al., 2014).
119
Recientemente se ha descrito que la actividad solar interactúa con factores externos a
La Tierra (e.g. rayos cósmicos) y en conjunto determinan la disponibilidad de núcleos
de condensación necesarios para la formación de nubes bajas (Svensmark, 2007). Los
cambios en la cantidad de nubes bajas actúan como el modulador interno más
importante de la cantidad de energía (térmica) que recibe la superficie oceánica y la
terrestre; una gran (escasa) cantidad de nubes produce un mayor (menor) efecto
reflejante de los rayos del sol (alto / bajo Albedo) que conduce al posterior enfriamiento
(calentamiento) de la superficie del planeta (Svensmark y Christensen, 1997;
Svensmark, 2007). Aunque más allá del ciclo de 60 años existe escasa información de
la variación de largo plazo de la cobertura de nubes, resulta razonable suponer que sus
componentes cíclicos responden a las variaciones de la actividad solar.
El contexto teórico y la persistencia de los periodos de 60, 30, 18.6 y 11 años, sugieren
que los principales mecanismos que conectan a la dinámica de gran-escala del Pacífico
Norte con el comportamiento cíclico del ambiente físico en el SCC son: 1) la radiación
solar (modulada por la cobertura de nubes bajas) y transformaciones subsecuentes en
otras formas de energía (e.g. viento; Benestad 2006; Christensen y Svensmark et al.,
1997) y; 2) el efecto de las mareas oceánicas y atmosféricas sobre la distribución de
masas de agua y aire (Munk y Bills 2007; Ray y Cartwright, 2007) causadas por las
inclinaciones de la órbita lunar y los cambios en la velocidad de rotación de la Tierra.
4.4. Modelos predictivos de TSM
En la mayor parte de los ambientes terrestres, la naturaleza cíclica de la
variabilidad del ambiente se manifiesta de manera evidente en la variación diurna y
estacional y es consecuencia de los movimientos de nuestro planeta respecto a su eje
de rotación y respecto de su desplazamiento al rededor del sol (traslación); estos
movimientos se caracterizan por ser regulares y predecibles (Bliss 1958, Morner, 2013,
Clilverd et al. 2006). La cualidad de predictible de cualquier fenómeno cíclico motiva la
120
exploración del poder predictivo en los ciclos identificables en las series de tiempo de
los diferentes índices climáticos de gran escala (Pacífico Norte) y en las fluctuaciones
de TSM en localidades específicas (Tabla 15). El componente cíclico de los agentes
forzantes a escala cuenca podría explicar los componentes de variación (semi)
periódica de corto y largo plazo en la TSM de los sitios seleccionados a lo largo del
SCC (Lluch-Cota et al. 2003; Lluch-Belda et al. 2009).
El PCI representa una forma de medir la transferencia de energía de la atmósfera al
océano y eventualmente a la productividad oceánica; captura los cambios de largo
plazo (50-60 años) en intensidad y dirección predominante de los vientos, por lo que
representa también los cambios de largo plazo en los centros de presión atmosférica
del Pacífico Norte (King et al, 1998), tal como lo evidenció la suma acumulada del ALPI
(Fig. 42). El aumento (disminución) en los valores del PCI implican un proceso de
cambio dinámico de aproximadamente 30 años, que determina el debilitamiento
(fortalecimiento) gradual del centro de baja presión de las Aleutianas, induciendo la
disminución (aumento) del esfuerzo del viento y la atenuación (incremento) del bombeo
de Ekman, lo que genera anomalías positivas (negativas) de TSM en la porción norte y
centro del SCC. El efecto del PCI sobre el ambiente físico de la SCC explica por qué el
índice mostró poder predictivo sobre la TSM de Ensenada y Punta Eugenia (Tabla 15;
Figs. 4a-d).
La señal multidecadal representada en el PCI disminuyó su poder predictivo sobre la
TSM de Bahía Magdalena (Fig. 36), lo que coincide con el hecho de que las señales
interanuales de alta frecuencia que se originan en el trópico tienen un mayor peso
relativo en la porción sur del área de estudio (Lluch-Cota et al., 2003). En este sentido,
el NOI es un índice atmosférico que captura la interacción de procesos climáticos
tropicales-extratropicales.
El NOI mostró un mejor poder explicativo sobre la TSM de Bahía Magdalena (Tabla 15;
Fig. 36). De acuerdo con Schwing y colaboradores (2002), los valores negativos del
NOI en escalas interanuales y decenales se han asociado con el aumento de
121
temperatura en la superficie del océano en el SCC, la disminución de vientos
favorables para la generación de surgencias y un decremento en la biomasa del
zooplancton (frente al sur de California). Se ha reportado que el NOI presenta un
periodo (~14 años), similar al tiempo que tarda un régimen de vientos zonales en
cambiar a meridionales (y viceversa) en el Atlántico (Klyashtorin y Lyubushin 2007). Por
ello, el NOI parece representar un proceso de cambio en el régimen de vientos en el
Pacífico, aunque no necesariamente sincrónico al del Atlántico.
El PDO también tuvo un efecto significativo en los modelos construidos para Ensenada
(Fig. 34), Punta Eugenia (Fig. 35) y Bahía Magdalena (Fig. 36). Las fases cálidas/frías
del PDO son opuestas a las anomalías de TSM del Pacífico Central, pero se
corresponden directamente con el estado de las anomalías en el SCC (Mantua et al.,
1997): en la fase cálida del índice, la baja presión de las Aleutianas se intensifica y el
centro se desplaza al sur, aumenta el flujo de agua hacia la CA, al tiempo que
disminuye la velocidad y aumenta la TSM en la CC (Lluch-Belda et al., 2001). El
escenario opuesto se presenta durante la fase fría del PDO e implica el aumento de
transporte hacia el giro subtropical (CC), lo que genera el predominio de anomalías
negativas de TSM (Mantua et al., 1997). De acuerdo con Schneider y Cornuelle (2005),
la variación paralela de procesos oceánicos y atmosféricos en el Pacífico puede
deberse a que el PDO actúa como forzante de la atmósfera o bien, a que un
forzamiento común actúa sobre el PDO y las anomalías atmosféricas que le
acompañan (Fig. 44).
Las anomalías de TSM en Bahía Magdalena se distinguen de las localidades norteñas
(Ensenada y Punta Eugenia) debido a que responden a la convergencia de agua fría de
la CC proveniente del norte y el agua cálida de la Contra Corriente de California que se
aproxima por el sur (Funes-Rodríguez, et al., 2007). El encuentro de ambas corrientes
determina la cualidad transitoria de la zona, fuertemente dominada por los eventos
cálidos/fríos de los eventos ENOS que oscilan en dos rangos de frecuencias de 3.3 -
3.8 años y de 5 - 6.3 años (Lluch-Cota et al., 2003). Por lo tanto, las señales decadales
y multidecadales tienen poco peso específico para explicar la variación total del
122
ambiente físico en la región de Bahía Magdalena, debido a la influencia del trópico
(Tabla 15; Fig. 36).
Figura 44. Comparación de los patrones de largo plazo de dos índices climáticos de
gran escala en el Pacífico Norte; el índice de la Oscilación Decadal del Pacífico (PDO)
y el índice de circulación atmosférica del Pacífico (PCI).
En resumen, se observó que los patrones históricos de los indicadores climáticos
(Tabla 13; Figura 29), tuvieron utilidad predictiva sobre la TSM en las tres regiones
mexicanas seleccionadas dentro del SCC (Figs. 34-36), lo que sugiere que a la
variabilidad climática regional subyacen procesos comunes de macro escala. Esto
brindaría la posibilidad de evaluar diversos escenarios climáticos, complementarios a
los del Panel Intergubernamental de Cambio Climático (IPCC), utilizando datos de la
dinámica regional del océano y de la atmósfera. Por otro lado, las fluctuaciones
históricas de la TSM son un referente fundamental a partir del cual se podrían generar
pronósticos (e hipótesis) con respecto a lo que pudiera suceder en los ecosistemas del
SCC, debido a que se trata de una variable de fácil acceso que además de ser un
indicador del estado del ambiente físico, también se correlaciona con diversos atributos
123
biológicos (e.g. abundancia, diversidad) de especies ecológicamente relevantes como
los pelágicos menores.
4.5. Modelos predictivos de captura de sardina del Pacífico
El poder predictivo de entre tres y cuatro años encontrado en los GAM aplicados
a las series de captura de sardina (de Bahía Magdalena a Columbia Británica) fue
consistente con el desempeño de los modelos predictivos basados en los componentes
armónicos de los MAF(n) de surgencias (~3-4 años; Fig. 33). Tales resultados indican
que sería posible hacer proyecciones de variables ambientales extendiendo las series
de tres a cuatro años hacia el futuro (e.g. surgencias; Fig. 31, 32) y con ello hacer
pronósticos de captura de sardina (Figs. 37-41).
La habilidad relativa de los modelos GAM para reproducir en cada localidad los niveles
de captura de la sardina del Pacífico en cada localidad, tiene sustento en los procesos
de contracción y expansión latitudinal que han sido descritos previamente para la
especie (Rodríguez-Sánchez et al., 2009). Tales desplazamientos geográficos se
corresponden (en periodo y fase) con las fluctuaciones decadales y multidecadales de
las condiciones oceánicas y atmosféricas de la CC (Lluch-Belda et al., 1991;
Baumgartner et al., 1992; Chavez et al., 2003).
Con base en la influencia del ambiente sobre la sardina del Pacífico, se han modelado
diferentes aspectos de las etapas de vida de la especie: el transporte de huevos y
larvas fuera de la costa, la extensión y distribución de áreas de desove, la magnitud del
reclutamiento, la supervivencia de juveniles y el factor de condición de los adultos
(Zwolinski y Demer, 2012; Lindegren et al., 2013; Nieto et al., 2014). Por ejemplo,
Lindegren et al. (2013) mediante simulaciones del clima y modelos estructurados por
edad complementados con modelos stock-reclutamiento sensibles al ambiente,
mostraron que tanto el clima como la pesca alteran la variabilidad de la dinámica
124
poblacional de sardinas y anchovetas en el SCC. Los autores distinguen que el clima
induce variabilidad de largo plazo pero también puede inducir cambios de corto plazo,
incrementando procesos de retroalimentación denso-dependiente a elevados tamaños
del stock durante condiciones favorables de temperatura.
La estrategia de modelación de Lindegren et al. (2013) para predecir los cambios en las
poblaciones de sardinas y anchovetas en dos escalas de tiempo diferentes y en
experimentos independientes, integra conocimientos generados al inicio de la era
moderna en investigación de pelágicos menores 30 años atrás, cuando la influencia del
clima sobre las capturas comenzó a reconocerse (Lluch-Cota, 2013). En aquellos
tiempos, se describió la sincronía de grandes cambios en las capturas comerciales de
sardinas y anchovetas entre sistemas de corrientes distantes; California, Humboldt y
Japón (Lluch-Belda et al., 1989; Schwartzlose et al., 1999). Derivada de aquellos
estudios, una de las hipótesis para describir los cambios sincrónicos fue la del
componente cíclico del clima oceánico a escala global, particularmente el periodo de 60
años, como factor determinante de cambios abruptos (e.g. cambio de régimen 1975-
77).
De manera semejante a los grandes cambios sincrónicos entre sistemas de corrientes
alrededor del planeta, es posible que la variación común de las surgencias entre áreas
separadas geográficamente dentro del SCC, se deba a la propagación de cambios
cíclicos (decadales y multidecadales) de la atmósfera (e.g. vientos) y del océano (e.g.
ondas kelvin). Un indicio de tales propagaciones podría ser la extensión de los efectos
del ENOS desde el trópico hacia latitudes altas (Sheinbaum, 2003; Magaña-Rueda,
2004). La propagación de señales periódicas explicaría la contribución consistente y
significativa de los MAF de surgencias en el ajuste de los GAM de capturas en
Columbia Británica, Washington-Oregon, California, Ensenada y Bahía Magdalena
(Tabla 14, 15). Los GAM tienen la ventaja de que permiten utilizar los componentes
cíclicos del clima oceánico para reproducir la captura, de manera análoga a un conjunto
de ajustes locales de las series (Hastie y Tibshirani, 1990; Wood, 2006). Es por eso
que la estructura del GAM (e.g. fórmula) y no sólo las variables explicativas, es
125
determinante en el desempeño del ajuste y la predicción de la variable de respuesta
(e.g. Figs. 37-41).
Con base en ajustes preliminares de los GAM de capturas, se detectó que un mismo
modelo no es capaz de hacer buenas predicciones de corto (~3-4 años) y largo plazo
(decadales y multidecadales) de forma simultánea. La incertidumbre asociada a la
representación estadística de relaciones no-lineales en los GAM (e.g. ambiente-
captura) provoca que un buen ajuste no garantice una buena predicción, lo que
conduce a tres ideas principales; 1) los cambios de corto y largo plazo tienen un origen
cualitativamente diferente (e.g. relaciones físicas determinísticas versus cambios
cíclicos de distribución de calor), por lo que 2) el solo ajuste de un GAM (registro
histórico) es poco confiable para establecer relaciones causales; y 3) el poder
explicativo de una variable debe evaluarse en las fases de ajuste y validación. La
debilidad de los GAM para predecir en el corto y largo plazo con las mismas variables y
la misma fórmula, señalan la necesidad de construir estrategias de modelación
independientes que permitan capturar los procesos de cambio relevantes en ambas
escalas de variación.
A pesar de sus limitaciones, los modelos GAM fueron relativamente exitosos al predecir
las capturas de sardina en el corto plazo (4 años) mediante variables ambientales en
las cinco localidades consideradas en este estudio (Figs. 37-41). Los efectos del
forzamiento físico remoto han sido descritos para especies de clupeidos en otros
sistemas de corrientes, lo que permite comparar y hacer ciertas generalizaciones
respecto a la comprensión de los mecanismos que conectan las señales físicas con
atributos biológicos (Alehit y Ñiquen, 2004).
En la CC, los cambios de biomasa de la sardina a lo largo del tiempo, han sido
correlacionados con cambios en la fuerza y posición del centro de baja presión de las
Aleutianas, el PDO y las surgencias (Lluch-Belda et al., 2003; Lindegren et al., 2013).
La evidencia sugiere que las interacciones oceánico-atmosféricas tienen patrones de
variación específicos: 11, 18.6, 30 y 60 años (Tabla 13, 15), los cuales conforman una
126
porción significativa del componente cíclico del clima oceánico en el Pacífico Norte y
por lo tanto en la CA y el SCC.
La relación entre el componente cíclico y los cambios físicos en el SCC fueron
detallados en la sección 4.2. (Forzamiento de gran escala y largo plazo), donde se
destacaron dos mecanismos como los principales factores forzantes: 1) la radiación
solar y sus transformaciones subsecuentes en otras formas de energía (e.g. intensidad
del viento) y, 2) el efecto del cambio en la inclinación de la órbita lunar y su efecto en
las mareas oceánicas y atmosféricas de la Tierra y, a su vez, sobre la distribución de
masas de agua y aire (Benestad 2006; Munk y Bills 2007; Ray y Cartwright, 2007).
Estos mecanismos transmiten el comportamiento cíclico del clima terrestre (escala
global) a escalas de decenas a miles de metros (Bakun, 1990; McClatchie et al., 2007),
por lo que alteran procesos (e.g. retención, concentración y transporte) que determinan
la dinámica poblacional de la sardina (e.g. reclutamiento, sobrevivencia, abundancia) y
en última instancia, influyen sobre las capturas pesqueras en cada localidad (Figs. 37-
41).
La importancia que tiene la variabilidad climática en los volúmenes de captura de
sardina en el SCC, ha sido aceptada desde hace más de tres décadas y, a pesar de
que las pesquerías de gran escala de los pelágicos menores han operado incluso por
siglos, aun se dificulta su evaluación y manejo. Esto representa retos considerables
dado que los atributos biológicos de ese tipo de especies no cumplen con las
suposiciones de los modelos tradicionales de dinámica poblacional como, por ejemplo
un nivel estable del stock no explotado o que la influencia del clima es despreciable
comparada con la mortalidad por pesca. Partiendo de estos argumentos, es claro que
las herramientas de análisis y manejo pesquero tradicionales, no son aplicables para
este tipo de pesquerías masivas (Lluch-Cota, 2013).
En el ámbito pesquero, tampoco es clara la manera en la que el pronóstico de distintos
estados climáticos se traduciría en decisiones y acciones concretas de manejo, por lo
que parte de los esfuerzos dedicados a la construcción de nuevos paradigmas de
127
administración (e.g. de pelágicos menores) tienen que evidenciar los mecanismos por
los que el eje de conocimiento clima-manejo pudiera ser útil a nivel local (Lluch-Cota y
Hernández-Vázquez, 2006; WMO, 2014). En este sentido, el componente cíclico del
clima oceánico puede ser aprovechado para desarrollar estrategias de pronósticos
climáticos y pesqueros (e.g. Tabla 15, 16) y como herramientas para incorporar parte
de la información ambiental al proceso de toma de decisiones en la gestión de recursos
vivos. Finalmente, el conocimiento de las relaciones ambiente-especie en los mares
mexicanos, tiene un amplio sentido práctico, ya que encuentra aplicación directa en
disciplinas como la bioeconomía pesquera, el manejo de recursos marinos y la propia
biología pesquera (FAO, 1997; Beamish et al., 2009).
128
Figura 45. Esquema de los forzante externos del clima oceánico en el Sistema de la Corriente de California (SCC).
Roberts et al., 2007 / Morner, 2010 / Christensen y Svensmark, 1997 / Lastovika, 2005 / Munk y Bills, 2007
Rayos cósmicos
Cobertura de nubes
Movimientos orbitales
Efectos de marea
Entrada de energíaPropagación (Forzamiento
interno) SCC
Distribución de masas
11
18.6
60 60
33Planeta Tierra
Espacio
129
5.CONCLUSIONES
Los periodos multianuales de calentamiento y enfriamiento en el SCC son indicadores de cambios físicos profundos que fluctúan entre estados alternos. Las señales de escala decadal y multidecadal de TSM y surgencias en el SCC y la CA,
fluctúan en sincronía entre localidades y en respuesta al forzamiento del Pacífico norte,
por lo tanto las señales representativas de las diferentes localidades del SCC
(MAF1…6), pueden considerarse una expresión geográfica particular del forzamiento
de gran escala.
Los ciclos detectados en el SCC, la CA y el Pacífico norte oscilan en proximidad a fenómenos naturales con periodos específicos; 11, 18.6, 33 y 60 años. Los
periodos más consistentes sugieren que los principales periodos responsables del
comportamiento cíclico del SCC son: el ciclo de irradiancia solar (~11 años), el ciclo de
mareas nodales lunares (~18.6 años), la circulación atmosférica de gran escala (~33
años) y la velocidad de rotación de La Tierra (~60 años). Se sugiere que los
mecanismos responsables de transmitir el comportamiento cíclico del clima hacia el
ambiente físico del SCC son; 1) el efecto de marea (arrastre) sobre la distribución de
masas de agua y aire y 2) la irradiancia solar (modulada por la cobertura de nubes
bajas), incluyendo sus transformaciones subsecuentes en diferentes formas de energía
(e.g. eólica).
La extrapolación al futuro de los componentes cíclicos del clima oceánico en el SCC mostró potencial para desarrollar pronósticos clima-captura. Los modelos
construidos exhibieron un potencial predictivo de 3-4 años tanto en la actividad de
surgencias (MAF-1) como en las capturas de sardina en las cinco localidades
analizadas a lo largo del SCC. Las predicciones de TSM en las localidades mexicanas,
tuvieron un desempeño razonablemente bueno en el intervalo de validación (10 años).
La sensibilidad de las predicciones descritas a cambios interanuales abruptos (e.g.
eventos El Niño) no fue evaluada en el presente estudio.
130
6. BIBLIOGRAFÍA
Alheit, J. y Niquen, M. 2004. Regime shift in the Humboldt current ecosystem. Prog. Oceanogr. 60: 201–222p.
Alheit, J., y Bakun, A. 2010. Population synchronies within and between ocean basins: Apparent teleconnections and implications as to physical–biological linkage mechanisms. J. Mar. Syst. 79(3-4): 267-285p. Baart, F., P. H. A. J. M. van Gelder, J. De Ronde, M. van Koningsveld, y B. Wouters.
2012. The effect of the 18.6-year lunar nodal cycle on regional sea-level rise estimates. J. Coast. Res. 28(2): 511–516p.
Bakun, A. 1990. Global climate change and intensification of coastal ocean upwelling.
Science, 247: 198-201p. Bakun, A. y R.H. Parrish. 1990. Comparative studies of coastal pelagic fish reproductive
habitats: the Brazilian sardine (Sardinella aunta). J. Cons. Explor. Mer. 46: 269-283p.
Bakun, A. y C.S. Nelson. 1991. Wind stress curl in subtropical eastern boundary current
regions. Journal of Physical Oceanography 21: 1815-1834p. Bakun, A. 1996. Patterns in the ocean: Ocean processes and marine population
dynamics. California Sea Grant / CIB. California, USA. 323p. Barth, J.A., S.D. Pierce y R.L. Smith. 2000. A separating coastal upwelling jet at Cape
Blanco, Oregon and its connection to the California Current System. Deep Sea Research Part II: Topical Studies in Oceanography. 47(5): 783-810p.
Bates, J. R. (Ed). 1974. The general circulation of the tropical atmosphere and interactions with extratropical latitudes. MIT Press. Cambridge, Mass., and London. 2: 371p.
Baumgartner, T.R., Soutar A., y Ferreira-Bartrina V. 1992. Reconstruction of the history
of Pacific sardine and Northern Pacific anchovy populations over the past two millennia from sediments of the Santa Barbara basin. CalCOFI Rep., Vol. 33, 24–40p.
131
Beamish R.J., Noakes D., McFarlane G.A., Klyashtorin L., Ivanov V.V. and V. Kurashov.
1999. The regime concept and natural trends in the production of Pacific salmon. Canadian Journal of Fisheries and Aquatic Sciences 56: 516-526p.
Beamish, R. J., G. A. MacFarlane, D. Noakes, M. Folkes, V. V. Ivanov and V. Kurashov.
1997. A comparison of the Aleutian Low Pressure Index and the Atmospheric Circulation Index as indices of Pacific salmon abundance trends. (NPAFC Doc. 289). 24 p. Department of Fisheries and Oceans, Pacific Biological Station, Nanaimo, B.C. Canada. V9R 5K6.
Beamish R. J., D. Noakes, G. A. McFarlane, L. Klyashtorin, V. V. Ivanov, and V.
Kurashov. 1999. The regime concept and natural trends in the production of Pacific salmon. Can. J. Fish. Aquat. Sci. 56: 516-526p.
Beer J., W. Mende, and R. Stellmacher. 2000. The role of the sun in climate forcing.
Quaternary Sci. Rev. 19: 403-415p. Benestad, R.E. 2006. Solar activity and Earth´s climate. 2nd edition. Praxis Publishing.
Berlin, Germany. 298p. Blanchette CA, Wieters EA, Briotman BR, Kinlan BP, Schiel DR. 2009. Trophic structure
and diversity in rocky intertidal upwelling ecosystems: a comparison of community patterns across California, Chile, South Africa, and New Zealand. Progress in Oceanography. 83:107-116p.
Bliss C.I. 1958. Periodic Regression in Biology and Climatology. New Haven,
Connecticut Agricultural Experiment Station. Bulletin, (615), 55p. Bloomfield P. 1976. Fourier Analysis of Time Series: An Introduction. Wiley Series in
Probability and Mathematical Statistics. John Wiley & Sons, 1st edition. Bloomfield P. 2000. Fourier Analysis of Time Series: An Introduction. Wiley Series in
Probability and Statistics. John Wiley & Sons, 2nd edition. Bloomfield, P. 2004. Fourier analysis of time series: an introduction. 2nd Edition. John
Wiley & Sons. USA. 288p. Bograd, S. J., y R.J. Lynn. 2003. Long-term variability in the Southern California Current
System. Deep-Sea Research II 50. 2355–2370p.
132
Bograd, S.J., Sydeman, W.J., Barlow, J., Booth, A., Brodeur, R.D., Calambokidis, J.,
Chavez, F., Crawford, W.R., Di Lorenzo, E., Durazo, R., Emmett, R., Field, J., Gaxiola-Castro, G., Gilly, W., Goericke, R., Hildebrand, J., Irvine, J.E., Kahru, M., Koslow, J.A., Lavaniegos, B., Lowry, M., Mackas, D.L., Manzano-Sarabia, M., McKinnell, S.M., Mitchell, B.G., Munger, L., Perry, R.I., Peterson, W.T., Ralston, S., Schweigert, J., Suntsov, A., Tanasichuk, R., Thomas, A.C., Whitney, F. 2010. Status and trends of the California Current region, 2003-2008, pp. 106-141 In S.M. McKinnell and M.J. Dagg. [Eds.] Marine Ecosystems of the North Pacific Ocean, 2003-2008. PICES Special Publication 4: 393p.
Burroughs, W. J. 2007. Climate Change: a multidisciplinary approach. 2nd edition.
Cambridge University Press. New York, USA. 378p. Carr, M.E., 2002. Estimation of potential productivity in eastern boundary currents using remote sensing. Deep-Sea Research Part II-Topical Studies in Oceanography 49, 59–p. Cazelles B., M. Chavez, D. Berteaux, F. Ménard, J.O. Vik, S. Jenouvrier y N.C.
Stenseth. 2008. Wavelet analysis of ecological timeseries. Oecologia. 156:287-304p.
Chatfield, C. 1976. The Analysis of Time Series: An Introduction. Chapman & Hall, New York, USA. 286p. Chatfield, C. 2000. Time-Series Forecasting. Chapman & Hall. London. U.K. 269p. Chavez, F.P., J. Ryan, S.E. Lluch-Cota y M. Niquen. 2003. From anchovies to sardines
and back: Multidecadal change in the Pacific Ocean. Science. 299: 217 – 221 p. Checkley, D.M. y J.A. Barth. 2009. Patterns and processes in the California Current
System. Prog. Oceanogr. 83:49-64p. Chen, J., B.E. Carlson, A.D. Del Genio. 2002. Evidence of strengthening of the Tropical
General Circulation in the 1990s. Science. 295: 838-841p. Chhak K. y E. Di Lorenzo. 2007. Decadal variations in the California Current upwelling
cells. Geophysical Research Letters. 34: 1-6p. Chui, C.K. 1992. An introduction to wavelets. Academic Press, San Diego, CA, USA.
133
Clarke, A.J. y A. Lebedev. 1999. Remotely driven decadal and longer changes in the coastal Pacific waters of the Americas. J. Phys. Oceanogr. 29: 828–835p.
Cornejo-Garrido, A.G., y P.H. Stone. 1977. On the heat balance of the Walker
circulation. J. Atmos. Sci. 34(8): 1155-1161p. Cummings P.F. y H.J. Freeland. 2007. Variability of the North Pacific current and its
bifurcation. Prog. Oceanogr. 75(2): 253-265p. Di Lorenzo, E. 2003. Seasonal dynamics of the surface circulation in the Southern
California Current System. Deep-Sea Research Part Il - Topical Studies in Oceanography. 50(14-16): 2371-238p.
Di Lorenzo E., N. Schneider, K.M. Cobb, P.J.S. Franks, K. Chhak, A.J. Miller, J. C.
McWilliams, S. J. Bograd, H. Arango, E. Curchitser, T. M. Powell y P. Rivière. 2008. North Pacific Gyre Oscillation links ocean climate and ecosystem change. Geophysical Research Letters. 35: 1-6p.
Di Lorenzo, E., J. Fiechter, N. Schneider, A. Bracco, A.J. Miller, P.J.S. Franks, S.J.
Bograd, A.M. Moore, A.C. Thomas, W. Crawford, A. Pena y A.J. Hermann, 2009. Nutrient and salinity decadal variations in the central and eastern North Pacific. Geoph. Res. Lett., 36(L14601): 1-6p.
Ebbesmeyer, C. C., D. R. Cayan, D. R. McLain, F. H. Nichols, D. H. Peterson y K. T.
Redmond. 1990. 1976 Step in the Pacific climate: forty environmental changes between 1968-1975 and 1977-1984 In J. L. Betancourt and V. L. Tharp [eds.] Proceedings of the Seventh Annual Pacific Climate Workshop, April 1990. California Department of Water Resources Interagency Ecological Studies Program Technical Report No. 26.
Erzini K., A. Cheikh, O. Inejih y K.A. Stobberrup. 2005. An application of two techniques
for the analysis of short, multivariate non-stationary time-series of Mauritanian trawl survey data. ICES Journal of Marine Science. 62: 353 – 359p.
Félix-Uraga, R., V.M. Gómez-Muñoz, W. García-Franco, F.C. Quiñonez-Velazquez y
F.N. Melo-Barrera. 2004. On the existence of Pacific sardine groups off the West coast of Baja California and southern California. CalCOFI Reports 45: 146-151p.
134
Filonov, A.E., Tereshchenko, Y.E., Monzón, C.O., González- Ruelas, M.E. and Godínez-Domıínguez, E. (2000) Variabilidad estacional de los campos de temperatura y salinidad en la zona costera de los estados de Jalisco y Colima. Cienc. Mar. 25:303–321p.
Filonov, A.E., Tereshchenko, Y.E. and C.O. Monzón. 2003. Hydrographic monitoring of
El Niño 97–98 off the coast of southwest Mexico. Geofís. Int. 42: 307–312p. Foreman, M.G.G., B. Pal y W.J. Merryfield. 2011. Trends in upwelling and downwelling
winds along the British Columbia shelf. J. Geophys. Res. 116(C10023): 1-11p. Francis, R.C. y S.R. Hare. 1994. Decadal-scale regime shifts in the large marine
ecosystems of the Northeast Pacific: a case for historical science. Fish. Oceanogr. 3: 279-291p.
Funes-Rodríguez, R., J. Gómez-Gutiérrez y R. Palomares-García (Eds). 2007. Estudios
ecológicos en Bahía Magdalena. Instituto Politécnico Nacional. D.F., México. 311p.
Garcia, R.R., H.F. Díaz, R. García-Herrera, J. Eischeid, M. R. Prieto, E. Hernández, L.
Gimeno, F. Rubio-Durán and A.M. Bascary, 2001: “Atmospheric Circulation Changes in the Tropical Pacific Inferred from the Voyages of the Manila Galleons in the Sixteenth–Eighteenth Centuries” Bull. Amer. Meteorol. Soc. Vol. 82, No. 11, 2435-2455p.
García-Reyes, M. y J.L. Largier. 2012. Seasonality of coastal upwelling off central and
northern California: New insights, including temporal and spatial variability. Journal of Geophysical Research. 117(C03028): 1-17p.
González-Rodríguez, E., H. Villalobos, Gómez-Munoz V.M. y D. Lluch-Belda. In prep. A
Function for Extracting Periodicities in Regular Time Series. Guisan, A., and Zimmermann, N. E. 2000. Predictive habitat distribution models in
ecology. Ecological Modelling, 135: 147–186. Hare, S.R., N.J. Mantua y R.C. Francis. 1999. Inverse production regimes: Alaskan and
west coast Pacific salmon. Fisheries. 24: 6-14p. Hastie, T. J.,Tibshirani, R. J. 1990. Generalized Additive Models. Chapman & Hall,
London.
135
Lluch-Cota, D.B., S. Hernández-Vázquez, E.F. Balart-Páez, L.F. Beltrán-Morales, P. del
Monte-Luna, A. González-Becerril, S.E. Lluch-Cota, A.F. Navarrete del Proó, G. Ponce-Díaz, C.A. Salinas-Zavala, J. López-Martínez, S. Ortega-García. 2006. Desarrollo sustentable de la pesca en México: Orientaciones estratégicas. Centro de Investigaciones Biológicas del Noroeste / Senado de la República. México. 436p.
Hickey, B.M. 1998. Coastal oceanography of western North America from the tip of Baja
to Vancouver Island, pp. 345- 393, In Robinson, A.R. and Brink, K.H. (eds.), The Sea: The Global Coastal Ocean: Regional Studies and Syntheses, vol.11, Wiley, New York, U.S.
Jenkins, G.M. y D.G. Watts. 1968. Spectral Analysis and its application. Holden-Day
Press, San Francisco, CA, USA. 525p. Kawasaki, T. 1983. Why do some pelagic fishes have wide fluctuations in their
numbers?-biological basis of fluctuation from the view point of evolutionary ecology. In: Reports of the expert consultation to examine changes in abundance and species composition of neritic fish resources, G.D. Sharp y J. Csirke (Eds). FA0 Fish. Rep. 291:1065 – 1080 p.
King J.R., Ivanov V.V., Kurashov V., Beamish R. J. and G. A. McFarlane. 1998. General
circulation of the atmosphere over the North Pacific and its relationship to the Aleutian Low. North Pacific Anadromous Fish Commission Doc. No. 318. 18 p.
Klyashtorin, L. B. 1998. Long-term climate change and main comercial fish production in
the Atlantic and Pacific. Fish. Res. 37:115–125. Klyashtorin, L.B. y A.A. Lyubushin. 2007. Cyclic Climate Changes and Fish Productivity.
VNIRO publishing. Moscow, Russian Federation. 223 p. Lluch-Belda, D., Magallon, F. J., y Schwartzlose, R. A. 1986. Large fluctuations in the
sardine fishery in the Gulf of California: possible causes. CalCOFI Report, 27, 136–140.
Lluch-Belda, D., R.J.M. Crawford, T. Kawasaky, A.D. MacCall, R.A. Parrish, R.A.
Schwartzlose y P.E. Smith. 1989. World-wide fluctuations of sardine and anchovy stocks: the regime problem. South African Journal of Marine Science. 8: 195 – 205 p.
136
Lluch-Belda, D., S. Hernández-Vázquez, D.B. Lluch-Cota, C.A. Salinas-Zavala y R.A.
Schwartzlose. 1992. The recovery of the California sardine as related to global change. CalCOFI Rep. 33: 50-59p.
Lluch-Belda, D., M.M. Laurs, Lluch-Cota, D. y S.E. Lluch-Cota. 2001. Long term trends
of interannual variability in the California Current System. CalCOFI Rep. 42: 129–144p.
Lluch-Belda, D., D.B. Lluch-Cota y S.E. Lluch-Cota. 2002. Is interannual change
predictable at the California Current System? Ocean. East. Pac. II: 74-85p. Lluch-Belda, D., D.B. Lluch-Cota y S.E. Lluch-Cota. 2003. Baja California’s biological
transition zones: Refuges for the California Sardine. J. Oceanogr. 59: 503–513p. Lluch-Cota, S.E., Pacheco-Ayub, C.A., Bautista-Romero, J.J., Hernández-Vázquez, S. y
Lluch-Cota, D.B., 2000. Colección de información ambiental para el Pacífico mexicano CD-ROM. CIBNOR, S.C./CONACYT.
Lluch-Cota, D.B., W.S. Warren y S.R. Hare. 2001. Sea surface temperature variability in
coastal areas of the Northeastern Pacific related to the El Niño-Southern Oscillation and the Pacific Decadal Oscillation. Geophysical Research Letters. 28(10): 2029-2032 p.
Ludescher, J., Gozolchiani, A., Bogachev, M. I., Bunde, A., Havlin, S., y Schellnhuber, H. J. 2014. Very early warning of next El Niño. Proc. Nat. Aca. Sci. 111(6): 2064–2066p.
Lynn, R.J. y J.J. Simpson. 1987. The California Current System: the seasonal variability
of its physical characteristics. J. Geophys. Res. 92:12947–12966p. MacCall, A.D. 1996. Patterns of low-frecuency variability in fish populations of the
California Current. Calif. Coop. Oceanic. Fish. Invest. Rep. 37: 100 – 110 p. Macias D., M.R. Landry, A. Gershunov, A.J. Mille y P.J.S. Franks. 2012. Climatic control
of upwelling variability along the Western North-American Coast. PLoS ONE 7(1): e30436. doi:10.1371/journal.pone.0030436.
Mackas, D.L. y G. Beaugrand. 2010. Comparisons of zooplankton time series. J. Mar. Syst. 79: 286-304p.
137
Magaña Rueda Víctor (Editor) 2004. Los impactos del niño en México. Centro de Ciencias de la Atmósfera, Universidad Nacional Autónoma de México, Secretaría de Gobernación. México, 229 p.
Mantua N.J., Hare S.R., Zhang Y., Wallace J.M., and R.C. Francis, 1997: A Pacific
decadal climate oscillation with impacts on salmon. Bulletin of the American Meteorological Society 78: 1069-1079 p.
Martínez-López A. 2004. Flujos de diatomeas y silicoflagelados en dos cuencas
oceánicas del Sistema de la Corriente de California. Tesis de Doctorado. Centro de Investigación Científi-ca y de Educación Superior de Ensenada. Ensenada, Baja California, México. 149 pp.
Martínez-Porchas, M. 2012. Estudios de la distribución de la sardina del Pacífico
Sardinops sagax caeruleusClupeidae): Historia, estado actual y perspectivas. Universidad y Ciencia. 28(3): 285-300p.
Mazzarella, A. 2007. The 60-year solar modulation of global air temperature: the Earth´s
rotation and atmospheric circulation connection. Theor. Appl. Climatol. 88: 193–199p.
McClatchie, S., P. Rogers, L. McLeay. 2007. Importance of scale to the relationship
between abundance of sardine larvae, stability and food. Limnol. Oceanogr. 52, 1570–1579p.
McClatchie, S. 2014. Regional Fisheries oceanography in the California Current
System. The CalCOFI program. Springer (e-book). 253p. McFarlane, G.A. y R.J. Beamish. 2001. The re-occurrence of sardines off British
Columbia characterises the dynamic nature of regimes. Prog. Oceanogr. 49: 151–165p.
McFarlane, G.A., J. Schweigert, L. MacDougall y C. Hrabok. 2005. Distribution and biology of Pacific sardines (Sardinops sagax) off British Columbia, Canada. CalCOFI Rep. 46: 144-160p.
McGowan, J.A., D.B. Chelton y A. Conversi. 1996. Plankton patterns, climate, and
change in the California Current. Calif. Coop. Ocean. Fish. Invest. Rep. 37: 45-68p.
McGowan, J.A., D.R. Cayan, L.M. Dorman. 1998. Climate-ocean variability and ecosystem response in the Northeast Pacific. Science. 281: 210-217p.
138
McGregor H. V., M. Dima, H.W. Fischer y S. Mulitza. 2007. Rapid 20th-century increase
in coastal upwelling off Northwest Africa. Science. 315: 637-639 p. Meko, D. M., C. W. Stockton and T. J. Blasing. 1985. Periodicity in Tree Rings from the
Corn Belt. Science. 229: 381–384p. Mendes, H.C., A. Murta, R. Vilela-Mendes. 2014. Long range dependence and the
dynamics of exploited fish populations. Advances in Complex Systems (in press). arXiv:1406.1028v1
Miller, A.J., D.R. Cayan y W.B. White. 1998. A westward-intensified decadal change in
the North Pacific thermocline and gyre-scale circulation. J. Climate. 11: 3112–3127p.
Minobe, S. 1999. Resonance in bidecadal and pentadecadal climate oscillations over
the North Pacific: Role in climatic regime shifts, Geophysical Research Letters. 26: 855 – 858 p.
Mörner, N.A. 2010. Solar minima, Earth‘s rotation and Little Ice Ages in the past and in
the future. The North Atlantic-European case. Global and Planetary Change 72: 282-293p.
Mörner NA. 2013. Solar wind, earth’s rotation and changes in terrestrial climate.
Physical Review & Research International 3(2): 117-136p. Munk, W. y B. Bills. 2007. Tides and the climate: some speculations. Journal of Physical
Oceanography. 37: 135 – 147 p. Nason, G.P. 2008. Wavelet methods in statistics with R. Springer-Verlag. New York,
USA. 257p. Navrotsky, V.V. 2013. Effects of the World´s Oceans on Global Climate Change. Am. J.
Clim. Chan. 2(3): 183-190p. Nieto, K., S. McClatchie, E.D. Weber, C.E. Lennert-Cody. 2014. Effect of mesoscale
eddies and streamers on sardine spawning habitat and recruitment success off Southern and central California. J. Geophys. Res. Oceans. 119: 6330-6339p.
139
Noakes, D., and R.J. Beamish. 2009. Synchrony of marine fish catches and climate and ocean regime shifts in the North Pacific Ocean. Marine and Coastal Fisheries 1: 155-168.
Norton, J.G., D.R. McLain, R.E. Brainard, D.M. Husby. 1985. El Niño event off Baja and
Alta California and its ocean climate context. In: Wooster, W.S., Fluharty, D.L. (Eds.), Niño Effects in the Eastern Subarctic Pacific Ocean. University of Washington, Seattle. 44-72p.
Norton, J.G., J.E. Mason, C. Bessey, S.F. Herrick. 2013. Physical, biological and
economic interconnections in the ecosystems and fisheries off California, 1877-2004. Quater. Int. 310: 1-19p.
Osafune, S. y Yasuda, I. 2006. Bidecadal variability in the intermediate waters of the
northwestern subarctic Pacific and the Okhotsk Sea in relation to 18.6 ‐year
period nodal tidal cycle. J. Geophys. Res. 111: 0148-0227. Overland J.E. y T.R. Hiester. 1978. A synoptic climatology for surface winds along the
southern coast of Alaska. NOAA/ERL. PMEL (Draft Tech Report). Pearce K.F. y C.L.J. Frid. 1999. Coincident changes in four components of the North
Sea ecosystem. Journal of Marine Biological Association of the United Kingdom. 79: 183-185 p.
Pineda, J. 1995. An internal tidal bore regime at nearshore stations along western U.S.A.: Predictable upwelling within the lunar cycle. 15(8): 1023 – 1041 p.
Pizarro, O. y A. Montecinos. 2004. Interdecadal variability of the thermocline along the
west coast of South America. Geophysical Research Letters. 31(L20307): 1 - 5 p. Pollock D.S.G., R.C.Green, T. Nguyen. 1999. Time-series analysis, signal processing
and dynamics. Academic Press. Reino Unido. 733p. Pugh, D.T. 1987. Tides, Surges and Mean Sea-Level. John Wiley and Sons. Wiltshire,
U.K. 472 p. R Core Team. 2014. R: A language and environment for statistical computing. R
Foundation for Statistical Computing, Vienna. http://www.R-project.org/ Ray, R.D. y Cartwright, D.E. 2007. Times of peak astronomical tides. Geophys. J. Int.,
168: 999–1004p.
140
Rebert, J. P., J. R. Donguy, G. Eldin y K. Wyrtki. 1985. Relations between sea level, thermocline depth, heat content, and dynamic height in the tropical Pacific Ocean. Journal of Geophysical Research. 90(C6): 11,719-11,725 p.
Rebstock, G.A. 2003. Long-term change and stability in the California Current System:
Lessons from CalCOFI and other long-term data sets. Deep-Sea Res. 50: 2583-2594p.
Relvas, P., E.D. Barton, J. Dubert, P.B. Oliveira, A.J. Peliz, J.C. da Silva y A.M.P.
Santos. 2007. Physical oceanography of the Western Iberia Ecosystem: latest views and challenges. Progress in Oceanography. 74: 149−173p.
Roberts, P.H., Z.J. YU, C.T. Russell. 2007. On the 60-year signal from the core.
Geophys. Astrophys. Fluid Dyn. 101(1): 11-35p. Rodríguez-Sánchez, R., H. Villalobos-Ortíz, D. Lluch-Belda, S. Ortega-García. 2002.
Spatial dynamics of small pelagic fish populations in the California Current System on seasonal and interannual scales. Report of a GLOBEC-SPACC/IDYLE/ENVIFISH Workshop on Spatial Approaches to the dynamics of coastal pelagic resources and their environment in upwelling areas. GLOBEC Report. 97(16): 71-73p.
Royer, T.C. 1981. Baroclinic transport in the Gulf of Alaska. Part II. A freshwater-driven
coastal current. J. Mar. Res 39: 251-266p. Royer, T.C. 1993. High-latitude oceanic variability associated with the 18.6 year nodal
tide. J. Geophys. Res. 98: 4639-4644p. Rykaczewski, R.R. y Checkley, D.M. Jr. 2008. Influence of ocean winds on the pelagic
ecosystem in upwelling regions. Proc. Nat. Acad. Sci. 105:1965-1970p. Salvadeo Christian, Daniel Lluch-Belda, Salvador Lluch-Cota y Milena Mercuri. 2011.
Review of Long term macro-fauna movement by multi-decadal warming trends in the Northeastern Pacific. Climate Change - Geophysical Foundations and Ecological Effects, 217-230p.
Samorodnitsky, G. 2006. Long memory and self-similar processes. Annales
de la Faculté des Sciences de Toulouse 15:107–123p.
141
Scafetta, N. 2010. Empirical evidence for a celestial origin of the climate oscillations and its implications. J. Atmos. Sol.-Terr Phys. 72: 951-970p.
Schneider, N. y B.D. Cornuelle. 2005. The forcing of the Pacific Decadal Oscillation. J.
Climate. 18(21): 4355–4373p. Schwartz, S.E. 2007. Heat capacity, time constant, and sensitivity of Earth’s climate
system. J. Geophys. Res. 112: D24S05. Schwartzlose, R.A., J. Alheit, A. Bakun, T.R. Baumgartner, R. Cloete, R.J.M. Crawford,
W.J. Fletcher, Y. Green-Ruiz, E. Hagen, T. Kawasaki, D. Lluch-Belda, S.E. Lluch-Cota, A.D. MacCall, Y. Matsuura, M.O. Nevarez-Martinez, R.H. Parrish, C. Roy, R. Serrai, K.V. Shust, M.N. Ward y J.Z. Zuzunaga. 1999. Worldwide Large-Scale Fluctuations of Sardine and Anchovy Populations. South African Journal of Marine Science. Vol. 21: 289-347 p.
Schwing F. B., Murphree T. y P. M. Green. 2002. The Northern Oscillation Index (NOI):
A New Climate Index for the Northeast Pacific. Progr. Oceanogr. 53(4):115-139p. Switzer, P. y Green, A.A. 1984. Min/max autocorrelation factors for multivariate spatial
imagery. Dept. of Statistics SIMS Technical Report No. 6, Stanford University. 19p.
Shapiro, D.E. y Switzer, P., 1989. Minimum/maximum auto-correlation factor analysis.
Technical Report 132. Department of Statistics, Stanford University, USA. 26 p. Sherman K., L. M. Alexander y B.D. Gold, (Eds.). 1993. Large Marine Ecosystems; Stress, mitigation and sustainability. AAAS Publication. Washington, USA. 376p.
Sharma, S. 1996. Applied Multivariate Techniques. John Wiley & Sons. Nueva York, EE.UU. 493p.
Sheinbaum J. 2003. Current theories on El Niño-Southern Oscillation: A review.
Geofísica Internacional, 42: 291-305p. Shen, C., W.C. Wang, W. Gong, and Z. Hao. 2006. A Pacific Decadal Oscillation
record since 1470 AD reconstructed from proxy data of summer rainfall over eastern China. Geophysical Research Letters, 33, L03702, February 2006. doi:10.1029/2005GL024804.
142
Smith, T.M., R.W. Reynolds, T.C. Peterson, and J. Lawrimore, 2008: Improvements NOAAs Historical Merged Land–Ocean Temp Analysis (1880–2006). Journal of Climate, 21, 2283–2296.
Sokal, R.R. y F.J. Rohlf. 1995. Biometry. 3rd ed., W.H. Freeman & Co., New York. 887p. Solow, A.R., 1994. Detecting change in the composition of a multispecies community.
Biometrics. 50: 56-565 p. Soutar, A. e J.D. Isaacs. 1969. History of fish populations inferred from fish scales in
anaerobic sediments off California. Rep. Calif. Coop. ocean. Fish. Invest. 13: 63-70p.
Soutar, A. e Issacs, J. D., 1974. Abudance of pelagic fish during the 19th and 20th
centuries as recorded in anaerobic sediment off the Californias. Fish. Bull. 72(2): 257-273.
Stewart, R.H. 2008. Introduction to Physical Oceanography. Texas A&M University.
345p. Sugimoto T. y K. Tadokoro. 1998. Interdecadal variations of plankton biomass and
physical environment in the North Pacific. Fish. Oceanogr. 7(3/4): 289-299p. Svensmark H and Friis-Christensen E 1997 J. Atmos. & Solar-Terrest. Phys. 59: 1225–
1232p. Svensmark, H. 2007. Cosmoclimatology a new theory emerges. A&G. 48(1): 1.18-
1.24p. Switzer, P. y A.A. Green. 1984. Min/max autocorrelation factors for multivariate spatial
imagery. Department of Statistics SIMS Technical Report No. 6, Stanford University.
Tian, Y., Ueno, J., Suda, M., Akamine, T., 2004. Decadal variability in the abundance of
Pacific saury and its response to climatic/oceanic regime shifts in the northwestern subtropical Pacific during the last half century. J. Mar. Syst. 52, 235–257.
Torrence C, Compo GP (1998) A practical guide to wavelet analysis.
Bull Am Meteorol Soc 79:61–78 p.
143
Tourre, Y.M., S.E. Lluch-Cota and W.B. White. 2007. Environ. Res. Lett.. 2: 1 – 9 p. Trenary L.L. y W. Han. 2012. Intraseasonal-to-Interannual Variability of South Indian
Ocean Sea Level and Thermocline: Remote versus Local Forcing. Journal of Physical Oceanography. 42(4): 602-627 p.
Vargas, G., S. Pantoja, J.A. Rutllant, C.B. Lange, L. Ortlieb. 2007. Enhancement of
coastal upwelling and interdecadal ENSO-like variability in the Peru-Chile Current since late 19th century. Geophys. Res. Lett. 34: (L13607) 1-6p.
Vargas-Guzman, J.A. y R. Dimitrakopoulos. 2003. Computational properties of min/max
autocorrelation factors. Comp. Geosc. 29(6): 715-723p. Wahr, J.M. 1988. The Earth´s rotation. Ann. Rev. Earth. Planet. Sci. 16: 231 – 249 p. Wang, C. 2002. Atmospheric Circulation Cells Associated with the El Niño-Southern-
Oscillation. J. Climate. 15: 399-419p. Ware, D.M. 1995. A century and a half of change in the climate of the NE Pacific. Fish.
Oceanogr., 4: 267-277p. WCRP, 2014. Conference for Latin America and the Caribbean: Developing, linking and
applying climate knowledge. World Climate Research Programme (WCRP). Marzo 17 – 21. Montevideo, Uruguay.
Webster, P.J. y S. Yang. 1992. Monsoon and Enso: Selectively interactive systems.
Quarterly Journal of the Royal Meteorological Society. 118(507): 877 – 926 p. Wolter, K. 1987. The Southern Oscillation in surface circulation and climate over the
tropical Atlantic, Eastern Pacific, and Indian Oceans as captured by cluster analysis. J. Climate Appl. Meteor. 26: 540-558p.
Wolter K. y M.S. Timlin. 1993. Monitoring ENSO in COADS with a seasonally adjusted
principal component index. Proc. of the 17th Climate Diagnostics Workshop, Norman, OK, NOAA/NMC/CAC, NSSL, Oklahoma Clim. Survey, CIMMS and the School of Meteor., Univ. of Oklahoma. 52-57 p.
144
Wood, S. N., y Augustin, N. H. 2002. GAMS with integrated model selection using penalized regression splines and applications to environmental modeling. Ecological Modeling, 157: 157–177p.
Wood, S. 2006. Generalized Additive Models: an Introduction with R. Texts in Statistical
Sciences. Chapman and Hall/CRC, Boca Raton, FL. 391 pp. Woodruff, S.D., Lubker, S.J., Wolter, K., Worley, S.J., y Elms, J.D., 1993.
Comprehensive Ocean-Atmosphere Data Set (COADS) Release 1a: 1980-92. Earth System Monitor, 4, No. 1, 1-8. (Available on-line at: http://www.cdc.noaa.gov/coads/coads1a.html).
Xue, Y., T.M. Smith y R.W. Reynolds. 2003. Interdecadal Changes of 30-Yr SST
Normals during 1871-2000. Journal of Climate. 16: 1601-1611 p. Yndestad, H. 2006. The influence of the lunar nodal cycle on Arctic climate. ICES J.
Mar. Sci. 63(3): 401-420p. Zwolinski, J.P., R.L. Emmet y D.A. Demer. 2011. Predicting habitat to optimize sampling
of Pacific sardine (Sardinops sagax). ICES-Journal of Marine Science 68(5): 867-879.
Zwolinski J.P. y D.A. Demer. 2012. A cold oceanographic regime with high explotation
rates in the Northeast Pacific forecasts a collapse of the sardine stock PNAS. 109 (11) 4175-4180p.
Zwolinski, J.P. y D.A. Demer. 2014. Environmental and parental control of Pacific
sardine (Sardinops sagax) recruitment. ICES Journal of Marine Science 71:2,198–2,207p.
145
7.GLOSARIO
Actividad Solar: El Sol exhibe períodos de gran actividad, que se observan en el
número de manchas solares, así como en la emisión de energía radiactiva, la actividad
magnética y la emisión de partículas de alta energía. Estas variaciones ocurren en muy
diversas escalas temporales.
Balance Energético. La acumulación energética del clima debe estar en equilibrio.
Toda la energía del sistema climático deriva del Sol, así que el balance implica que el
promedio de la radiación entrante debe ser igual a la suma de la radicación saliente
reflejada.
Baja presión de las Aleutianas: Es un centro de baja presión semi-permanente
ubicado cerca de las Islas Aleutianas durante el invierno. Es reconocido como uno de
los principales centros de acción de la circulación atmosférica en el Hemisferio Norte.
El índice de baja presión de las Aleutianas mide la intensidad relativa del sistema entre
diciembre y marzo y se calcula como el área promedio en la que la presión al nivel del
mar es menor o igual a 1005 Pascales (Pa), expresada como anomalía respecto al
promedio del periodo 1950 – 1997.
Cambio Climático. Se refiere a cualquier cambio en el clima a largo plazo, ya sea por
causas naturales o como resultado de la actividad humana.
Campo de vientos: Datos combinados sobre velocidad y la dirección del viento para
una región y tiempo específicos.
Circulación atmosférica: La circulación atmosférica es un fenómeno complejo que
puede entenderse en forma simple como el movimiento de aire a gran escala que
forma parte crucial en la distribución de calor sobre la superficie de La Tierra. El
componente latitudinal de esta circulación se origina por el efecto de la radiación solar,
cuya incidencia por unidad de área es más alta cerca del ecuador y disminuye según la
latitud disminuye, alcanzando sus valores mínimos en los polos. Por su parte, la
circulación longitudinal se debe a las propiedades diatérmicas del aire, es decir, que
146
éste se calienta y se enfría más rápido que el océano, lo que propicia el desarrollo de
gradientes de presión.
El Niño. Corriente de agua cálida que fluye periódicamente a lo largo de la costa del
Ecuador y el Perú perturbando la pesca local, se asocia con una fluctuación de las
características de la presión en superficie y la circulación en la región intertropical de
los océanos Índico y Pacífico, denominada Oscilación Austral.
No-Lineal. Un proceso es no-lineal cuando no hay una simple relación proporcional
entre causa y efecto
Ondas Kelvin: Es un tipo de onda que se forma en la porción superficial de un líquido
fijo que se encuentra sobre un sistema rotante y que se propaga a lo largo de la
frontera del fluido. En el océano real estas ondas se generan en las inmediaciones de
Indonesia y se desplazan con rumbo a Sudamérica y no pueden extenderse mucho
más allá del ecuador debido a la rotación de la tierra. La amplitud de las ondas Kelvin
puede ondular decenas de metros de la termoclina, mientras que su longitud alcanza
hasta miles de kilómetros. El Fenómeno del Niño se detona por la condición perdurable
de vientos alisios débiles o ausentes, en respuesta fuertes ondas Kelvin logran cruzar
el Pacífico para depositar sus aguas calientes cerca de Sudamérica, provocando
simultáneamente el hundimiento de la termoclina.
Predicción Climática. Resultado del intento de producir una descripción o estimación
de la evolución climática en el futuro.
Proyección. Posible evolución futura de una cantidad o serie de cantidades, a menudo
calculadas con ayuda de un modelo. Las proyecciones se distinguen de las
predicciones porque las proyecciones se basan en hipótesis que pueden o no ocurrir.
Radiación Solar. Radiación emitida por el Sol. Se le llama también radiación de onda
corta. La radiación solar tiene una gama de longitudes de onda ("espectro") distintiva,
determinada por la temperatura del Sol.
Rotacional: Es un operador vectorial que muestra la tendencia de un campo vectorial a
inducir rotación alrededor de un punto.
147
Transporte de Ekman: Es el movimiento de parcelas de agua oceánica con un cierto
ángulo con respecto a la dirección del viento que actúa en la capa superficial. La
superficie del océano se desvía a la derecha en el hemisferio norte y a la izquierda en
el hemisferio sur. El transporte de Ekman se calcula mediante la integración vertical de
la espiral de Ekman. La profundidad a la que se transmite el efecto del transporte de
Ekman se encuentra directamente asociado con la viscosidad y la magnitud del efecto
Coriolis.
Variación Climática. Una fluctuación climática o componente de la misma, indica las
variaciones naturales comunes de un año al siguiente o cambios de una década a la
siguiente.
148
8. ANEXOS
ANEXOS I. Armónicos seleccionados para la proyección del MAF-1 de surgencias.
149
Anexo II. Pronóstico experimental de las capturas de sardina del Pacífico en cinco
localidades del Sistema de la Corriente de California, usando únicamente los
periodos detectados por el procedimiento automatizado de la rutina Periods.
150
Anexo IV. Ajuste y análisis de residuales de los modelos GAM construidos para
predecir la temperatura superficial del mar en tres localidades mexicanas frente al
Sistema de la Corriente de California: Ensenada, Punta Eugenia y Bahía
Magdalena.
151
ANEXO V. (panel superior) Promedios anuales de temperatura superficial del mar (ERSST; Extended Reconstructed Sea Surface Temperature; Smith et al., 2008) en 15 localidades del Pacífico norte (21°N-60°N) entre 1854 y 2013. En el panel intermedio se muestran los Factores de Máxima Autocorrelación (MAF1…6) que fueron extraídos a los ERSST. El panel inferior muestra los periodos (más consistentes) identificados en el MAF-1.
152
Listado de publicaciones e informes técnicos
Saldívar-Lucio R, C. Salvadeo, P. Del Monte-Luna, F. Arreguín-Sánchez, H. Villalobos,
D. Lluch-Belda, G. Ponce-Díaz, J.L. Castro-Ortíz, J.A. Zepeda-Domínguez, F.
Aanceta-Garza y L.C. Almendarez-Hernández. 2015. Patrones históricos y
escenarios térmicos futuros en mares mexicanos. Aceptado para su publicación
en: Revista de Biología Marina y Oceanografía. Agosto 2015 50(2).
Saldívar-Lucio, R, C.J. Salvadeo, D. Lluch-Belda y H. Villalobos. Proyecciones de la
captura de sardina monterrey en la costa Occidental de Baja California y el Golfo
de California. Documento académico extenso del Segundo Congreso Nacional
de Investigación en Cambio Climático, Mazatlán, Sinaloa, 2012. Publicado en
línea: www.pincc.unam.mx %2FDOCUMENTOS%2FmemoriaPincc2012.pdf
Saldívar-Lucio, R, D. Lluch-Belda, M. Nakamura, P. Del Monte-Luna, H. Villalobos y D.
Lluch-Cota. In prep. Macro-scale patterns in upwelling/downwelling activity at
North American Coast.
Almendárez-Hernández L.C., G. Ponce-Díaz, D. Lluch.Belda, P. Del Monte-Luna y R. Saldívar-Lucio. Evaluación de riesgo e incertidumbre para la pesquería de
camarón de alta mar del Golfo de California considerando la variabilidad
ambiental. 2015. Aceptado para su publicación en: Latin American Journal of
Aquatic Research. Septiembre 2015 43(4).
Salvadeo, C., R. Saldívar-Lucio, H. Villalobos y D. Lluch-Belda. 2012. Variabilidad de
media y baja frecuencia en el Pacífico mexicano, sus efectos ecológicos y su
importancia en los pronósticos climáticos de largo plazo. Documento académico
extenso del Segundo Congreso Nacional de Investigación en Cambio Climático,
153
Mazatlán, Sinaloa, 2012. Publicado en línea: www.pincc.unam.mx
%2FDOCUMENTOS%2FmemoriaPincc2012.pdf
Lluch-Belda, D., G. Ponce-Díaz, J.L. Castro-Ortíz, V. Gómez-Muñoz, H. Villalobos, S.
Ortega-García, P. del Monte-Luna, R. Rodríguez-Sánchez, V. Hernández-Trejo,
R. Saldívar-Lucio, C. Salvadeo, J.A. Zepeda-Domínguez, L.C. Almendarez-
Hernández, I.D. Gómez-Cabrera. La Pesca en Baja California Sur Ante el
Cambio Climático 207-245p. En: Baja California Sur Ante el Cambio Climático:
vulnerabilidad, adaptación y mitigación. Ivanova A. y A. Gámez (Eds). 2013.
Universidad Autónoma de Baja California Sur. ISBN: 978607777328.
Saldívar-Lucio R, Lluch-Belda B, Salvadeo C y Zepeda-Domínguez JA. Exploración de
modelos estadísticos para la predicción de los niveles de captura en 11
pesquerías seleccionadas en Baja California Sur. Abril, 2012. Informe Técnico.
Saldívar-Lucio R, Christian Salvadeo y Fernando Aranceta. Ajuste y proyección de las
capturas de camarón en el Golfo de California. Octubre 2012. Informe Técnico
Saldívar-Lucio R, Pablo del Monte-Luna, Francisco Arreguín-Sánchez, José Luis
Castro Ortiz, Hugo Herrera, Héctor Villalobos, Christian Salvadeo y Germán
Ponce Díaz. Comparación de predicciones presentes y futuras de la temperatura
superficial del mar entre el modelo Japonés y los patrones históricos de
variación. Noviembre 2014. Informe Técnico.
Salvadeo, C., R. Saldívar-Lucio, H. Villalobos, J.L. Castro-Ortiz, F. Aranceta-Garza. Identificación de señales climáticas que dominan la variabilidad regional. Noviembre 2014. Informe Técnico.
![INSTITUTO POLITÉCNICO NACIONAL · 2016-04-29 · transformaciones lineales maximizando autocorrelación; ... Mapa conceptual de los periodos de calentamiento y enfriamiento como - [PDF Document] (2024)](data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAQAAAC1HAwCAAAAC0lEQVR42mP8/h8AAvMB+NzmkbcAAAAASUVORK5CYII=)