Un enfoque estadístico para modelar perfiles someros (<200 m) de temperatura en el océano Pacífico en el noroeste de México

Resumen

La temperatura quizá sea la propiedad del agua marina más importante. Es una medida del contenido energético del océano y afecta las tasas metabólicas, la distribución y la abundancia de especies económicamente y ecológicamente importantes. Los datos oceanográficos derivados de satélites han sido utilizados para evaluar las variaciones espaciotemporales de la temperatura superficial del mar a escalas amplias; sin embargo, los satélites no alcanzan niveles subsuperficiales, y los datos de temperatura subsuperficial confiables se obtienen mediante modelamiento numérico u observaciones directas, estas últimas una alternativa costosa. Este artículo presenta un método para modelar perfiles de temperatura. Se utilizó un modelo mixto aditivo generalizado (GAMM, por sus siglas en inglés) con distribución de error gamma y una función de enlace inversa para modelar perfiles someros (<200 m) de temperatura en el Pacífico frente al noroeste de México. Los datos incluyeron 656 perfiles linealmente interpolados en profundidad, resultando en 127,595 observaciones que cubrieron un área de 18.5º a 25.8ºN y de –114.5º a –105.9ºW, y un periodo de junio de 2007 a noviembre de 2016. El modelo incluyó la temperatura como variable de respuesta; la profundidad, la topografía dinámica superficial, el rotacional del esfuerzo del viento, la latitud, la longitud y el Índice Oceánico de El Niño como covariables; y el mes como efecto aleatorio. El GAMM final explicó el 86% de la desviación total del conjunto de datos. Aunque se observaron importantes desviaciones entre las observaciones y las predicciones del modelo, los resultados del proceso de validación y de las predicciones hechas sobre un conjunto de datos independiente (correlación de temperatura observada vs. temperatura predicha, ~0.93; raíz del error cuadrático medio, ~1.5 ºC) fueron comparables a resultados obtenidos con técnicas de modelamiento más complejas, lo cual sugiere que este enfoque estadístico es una herramienta valiosa para modelar datos oceanográficos.