Printer Friendly

Analisis comparativo entre clorofila-a satelital e in situ en el ecosistema de afloramiento peruano, entre 1998-2007.

COMPARATIVE ANALYSIS BETWEEN SATELLITE AND IN SITU CHLOROPHYLL-A IN THE PERUVIAN UPWELLING ECOSYSTEM, BETWEEN 1998-2007

Introduccion.

El sistema de afloramiento marino frente a Peru, esta asociado a una importante actividad socioeconomica sustentada por altos niveles de productividad primaria, los cuales constituyen la base de la alimentacion de los subsiguientes eslabones en la cadena trofica. El entendimiento de la estructura y funcionamiento del sistema aun es un reto que se va superando con la aplicacion de tecnicas que integran con mayor aproximacion el efecto de diferentes factores del ecosistema marino sobre indicadores de productividad, como los observados via satelite por el Sea-viewing Wide Field-of-view Sensor (SeaWiFS).

El ecosistema marino frente a Peru es evaluado periodicamente a traves de prospecciones oceanograficas y la determinacion de clorofila-a in situ es una de las variables que se toma en cuenta para describir las condiciones de productividad en el sistema. A pesar de su irregular frecuencia se ha llegado a conocer algunas caracteristicas asociadas a su distribucion espacial y temporal, estableciendo patrones promedio de distribucion de clorofila-a en superficie, relacionados con la distribucion de nutrientes y produccion primaria de fitoplancton, asi como la descripcion del ciclo estacional en terminos de biomasa de fitoplancton, identificandose como rango a concentraciones mayores a 2 mg x [m.sup.-3], dentro de las 50 mn (Calienes et al., 1985), y su variabilidad en condiciones El Nino, por ejemplo durante el otono de 1998 (Flores et al., 1998), como tambien la presencia de importantes nucleos de productividad, asociados a las principales zonas de afloramiento como son Callao, Chimbote y Chicama (Flores et al., 2001). Todos estos aspectos se presentan en multiples reportes internos de prospecciones oceanograficas conducidas por el Instituto del Mar del Peru (IMARPE).

Recientemente el tipico patron de distribucion espacial de clorofila-a fue comparado en base a datos de satelite e in situ, hallandose que las maximas concentraciones de clorofila-a (5-10 mg x [m.sup.-3]) decrecen gradualmente hacia fuera de la costa con valores aproximadamente de 0.5 a 1.5 mg x [m.sup.-3] entre los 200-300 km de la costa, presentando los datos satelitales una zona de alta productividad mas estrecha que con las observaciones de data in situ (Echevin et. al., 2008). Se sabe que hay mayor clorofila-a frente a la costa peruana en verano e inicios de otono, y menor en invierno, cuando existe una correlacion negativa con los nutrientes (Calienes et al., 1985; Thomas et al., 2001; Pennington et al., 2006; Echevin et al., 2008).

En otras latitudes, como al norte de Chile (18[grados]21' S - 24[grados]S), en base a imagenes de clorofila-a se reporto un gradiente espacial de este a oeste, cuyas altas concentraciones en zonas costeras estuvieron asociadas con eventos de afloramiento de aguas frias (Pizarro et al., 1994).

Chavez (1995) comparo la relacion entre la clorofila-a a partir de observaciones in situ y via satelite del Coastal Zone Color Scanner (CZCS), hallando que la concordancia entre ambas fuentes para el sistema de afloramiento peruano era bastante pobre presentando en promedio que la clorofila-a in situ fue 3.8 veces mas grande que la estimada por el satelite, a diferencia del cociente en California que fue de 1.1. Las concentraciones en Peru fueron mayores que en California. Sin embargo en estudios posteriores se ve que estas discordancias fueron cambiando, reportandose en algunos estudios que los valores satelitales de clorofila-a estan sobreestimados. Por otra parte el metodo frecuentemente usado para determinaciones de clorofila-a in situ (i.e. fluorometrico con acidificacion), tambien podria dar resultados sobrestimados o subestimados (Sin-Jae, 2002), debido a diferentes factores, como la variabilidad de las condiciones atmosfericas (Chin et al., 2009), a gradientes en la composicion de especies de fitoplancton (Chavez, 1995) y a factores asociados a la variabilidad estacional de las Propiedades Opticas Inherentes (IOP), (Loisel et al, 2010).

Cuando se intenta deducir las caracteristicas de variabilidad espacio-temporal de la produccion primaria en el sistema de afloramiento peruano, a partir del pigmento fotosintetico predominante de organismos autotrofos, desde observaciones in situ y via satelite (SeaWiFS), el problema es que aun hay diferencias entre el resultado de ambas observaciones en terminos de mg x [m.sup.-3] de clorofila-a, sin embargo constantemente se estan realizando intercalibraciones entre observaciones in situ y derivadas de satelite (O'Reilly, 2000; Maritorena, 2002; Werdell et al., 2007; Pan et al., 2010), por lo que se espera desarrollar algoritmos especificos a las condiciones locales de cada region, en especial del mar peruano.

La informacion obtenida a partir de este estudio, permitira para este sistema, comparar los resultados procedentes de ambas fuentes, inferir la variabilidad de clorofila-a con mayor resolucion espacio-temporal y validar los modelos asociados a la produccion primaria.

En vista de esta problematica, y considerando la menor nubosidad en verano, en el presente trabajo se plantearon las siguientes hipotesis: (i) la [Cla.sub.s] sobreestiman a la [Cla.sub.i] y (ii) en condiciones de verano hay un mejor ajuste entre los valores de [Cla.sub.i] y [Cla.sub.s], que en las demas estaciones del ano, debido a la variabilidad estacional de las Propiedades Opticas Inherentes.

El objetivo general del trabajo fue comparar concentraciones diarias de clorofila satelital e in situ en el sistema de afloramiento peruano, entre 1998 y 2007. Los objetivos especificos fueron: (i) seleccionar los valores de [Cla.sub.i] y [Cla.sub.s] que coinciden espacial y temporalmente; (ii) determinar una ecuacion de regresion lineal simple que permita conocer la relacion entre [Cla.sub.i] y Clas; (iii) comparar y determinar el ajuste entre las observaciones de [Cla.sub.i] y [Cla.sub.s] en los diferentes periodos estacionales del ano.

Materiales y metodos.

Datos

En el sistema de afloramiento peruano, se evaluaron reportes de clorofila in situ, del nivel superficial del mar y estimados via satelite (SeaWiFS), para el periodo entre 1998 y 2007. La [Cla.sub.i] fue determinada en base a muestras colectadas a lo largo de la costa de Peru, usando aproximadamente en el 90 % de los casos la tecnica fluorometrica de Holm-Hansen et al. (1965), que corrige el efecto de feopigmentos, y en el 10 % de los casos el metodo espectrofotometrico de acuerdo a Strickland & Parsons (1968), por la Unidad de Investigaciones en Oceanografia Quimica del Instituto del Mar del Peru (IMARPE). Se obtuvieron datos diarios de [Cla.sub.s] del Standard Mapped Image (SMI), producto de nivel 3 (L3), en formato HDF a resolucion en coordenadas geograficas de 1/12[grados], y habilitados con MATLAB, y descargados en febrero del 2010, de la base del SeaWiFS Project (http://oceancolor.gsfc.nasa.gov).

Analisis de datos

La comparacion de resultados observados por ambas fuentes, se desarrollo con informacion coincidente en el espacio y tiempo. La coincidencia espacial estuvo referida a la ubicacion de datos in situ que se aproximan a la ubicacion de data satelital en un radio menor a 2.5 millas nauticas (mn), la calidad de los datos coincidentes fue evaluado con parametros estadisticos de centralidad y dispersion, verificando caracteristicas espaciales a traves de mapas con escalas de color y traslape en la ubicacion (Figura 1), para los datos in situ, valores reportados como cero no fueron considerados en el estudio. La coincidencia temporal estuvo referida a observaciones de clorofilaa en el mismo dia.

[FIGURA OMITIR]

Se realizo una prueba t, con datos transformados con logaritmos en base 10 ([log.sub.10]), para detectar diferencias significativas entre [Cla.sub.i] y [Cla.sub.s], asi como evaluaciones en base al percentil (p).

La variabilidad estacional fue inferida considerando como verano al primer trimestre del ano y asi sucesivamente hasta el cuarto trimestre asociado a primavera, para describir caracteristicas en base a parametros estadisticos de centralidad, dispersion y correlacion, al igual que para la variabilidad interanual.

Se ajusto un modelo de regresion lineal simple con [Cla.sub.i] como variable dependiente y [Cla.sub.s] como variable independiente. Ambas variables fueron transformadas con ([log.sub.10]), con el fin de mejorar la distribucion de los errores y satisfacer los supuestos del analisis de regresion.

Para comparar el ajuste entre las observaciones de [Cla.sub.i] y [Cla.sub.s] en los diferentes periodos estacionales del ano, se calculo el cociente de medias en valores con y sin transformacion [log.sub.10], la raiz del cuadrado medio del error (RCME) y el error medio, en terminos de porcentaje (EM) (Marrari et al., 2006), los cuales estuvieron definidos de la siguiente manera:

RCME = [raiz cuadrada de 1/n [n.suma de (i=1)] [([e.sub.i]).sup.2] x 100

EM = [barra.e] = (1/n [n.suma de (i-1)] [e.sub.i]) x100

e = [Cla.sub.s] - [Cla.sub.i]/[Cla.sub.i]

Donde n es el numero de pares coincidentes.

Para un conjunto de datos con distribucion normal, la RCME podria ser igual a la desviacion estandar. Adicionalmente la estimacion de los errores fue hecha con los datos transformados con [log.sub.10].

[RCME.sub.log] = [[raiz cuadrada][log ([Cla.sub.s]) - log ([Cla.sub.i]).sup.2]/n

[EM.sub.log] = [[raiz cuadrada][log ([Cla.sub.s]) - log ([Cla.sub.i])]/n

Resultados y discusion.

Distribucion espacial de datos coincidentes

La distribucion espacial de datos satelitales fue irregular, conteniendo mayor informacion en condiciones de verano y menor en invierno. Algunos periodos presentaron una distribucion espacial favorable para la evaluacion de la variabilidad en el sistema, otros periodos fueron adversos por una distribucion espacial con poca informacion satelital atribuida a interferencia por presencia de nubosidad (Figura 1). Sin embargo de un total aproximado a 3800 observaciones in situ, se identificaron 527 observaciones que se presentaron como coincidentes en periodos de un dia y en un radio menor de 2.5 mn.

La clasificacion interanual estuvo constituida en su mayoria entre 10 y 12 % de datos por ano, a excepcion de los anos 2000, 2001 que tuvieron 6 y 2% respectivamente y el ano 1999 que tuvo mas del 17 % de pares de datos coincidentes.

Al ser clasificados estacionalmente el verano estuvo representado por un 41 % del total de pares coincidentes en contraste al invierno que tuvo solo 8 % de datos coincidentes, mientras que en otono y primavera correspondieron 23 y 28 % respectivamente, de los cuales se pudo observar que en invierno los pares estuvieron ubicados mas cerca a la costa que las demas estaciones (Figura 2), siendo distribuidos frente a las costas de Peru, entre aproximadamente 170 - 200 mn mar adentro.

[FIGURA 2 OMITIR]

Analisis comparativo entre [Cla.sub.i] y [Cla.sub.s]

Los datos de [Cla.sub.i], oscilaron entre 0.03 y 68.90 mg x [m.sup.-3], y los de [Cla.sub.s] entre 0.18 y 32.06 mg x [m.sup.-3]. El coeficiente de correlacion (r) entre [Cla.sub.i] y [Cla.sub.s] sin transformacion logaritmica de los datos fue de 0.49 (p < 0.01), mientras que el coeficiente de correlacion con transformacion fue de 0.79 (p < 0.01).

Una prueba t de diferencia de medias mostro que los valores con transformacion [log.sub.10] de [Cla.sub.i] no difieren significativamente de los valores de [Cla.sub.s] (p = 0.50).

La relacion entre los datos de [Cla.sub.i] y [Cla.sub.s] se muestra en la Figura 3. La ecuacion de regresion lineal simple que permite conocer valores de [Cla.sub.i] en funcion de [Cla.sub.s] es la siguiente:

[log.sub.10] [Cla.sub.i] = -0.0033 + 0.9055 [log.sub.10] [Cla.sub.s]

o expresado de otra manera como:

[Cla.sub.i] = [10.sup.-0.0033] [Cla.sub.s] [sup.0.09055]

[FIGURA 3 OMITIR]

El cociente [Cla.sub.i] : [Cla.sub.s] de medias con transformacion fue menor a 1, lo que indica que el satelite sobrestima la clorofila in situ. El mismo cociente con datos no transformados fue mayor a 1, sin embargo al eliminar los valores extremos del percentil considerando solo los que estan entre el rango de p15 y p85, se obtuvo un cociente menor a 1 (Tabla 1).

Comparacion estacional de la bondad de ajuste entre [Cla.sub.i] y [Cla.sub.s]

Los resultados de la bondad de ajuste entre [Cla.sub.s] y [Cla.sub.i] por periodos estacionales se presentan en la (Tabla 2). El mayor coeficiente de correlacion con datos transformados se obtuvo en primavera (r = 0.84, p < 0.01), y el menor en condiciones de otono (r = 0.72, p < 0.01), mientras que en verano e invierno presentaron un r = 0.82 y 0.76 respectivamente, asociados a un p < 0.01.

En datos no transformados para verano, otono, invierno y primavera, los RCME fueron de: 205.20, 182.45, 113.96 y 90.12 % y los EM de: 60.05, 60.49, 30.36, 11.79 % respectivamente.

Los valores de RCME con transformacion ([log.sub.10]) confirmaron un mejor ajuste entre los datos de [Cla.sub.s] y [Cla.sub.i] en primavera ([RCME.sub.log] = 0.31) y lo contrario ocurrio en condiciones de invierno ([RCME.sub.log] = 0.37), mientras que en verano se presento un ajuste intermedio ([RCME.sub.log] = 0.33).

Los errores medios mostraron que durante verano ([EM.sub.log] = 0.07) y otono ([EM.sub.log] = 0.04) la clorofila fue sobreestimada desde el satelite, mientras que durante invierno ([EM.sub.log] = -0.02) y primavera ([EM.sub.log] = -0.06) fue subestimada via satelite, siendo congruente con el cociente menor a 1 obtenido de valores con [log.sub.10] de [Cla.sub.i] : [Cla.sub.s], a pesar que a partir del total de datos sin transformacion se observo que en verano no concordaban porque tenia un cociente mayor a 1, al ser evaluados los valores en un rango mas estrecho definido por el percentil p1 a p99, el cociente fue menor a 1, llegando a tener concordancia con los valores que determinan que la [Cla.sub.s] sobreestima a la [Cla.sub.i] (Tabla 1).

En condiciones de verano a partir de ambas fuentes de observacion se registraron los mas altos valores de promedio y mediana, mientras que los mas bajos se presentaron en ambas observaciones, correspondiendo al satelite en condiciones de invierno e in situ en otono. Asociado a valores altos la mediana para condiciones de verano en base a observaciones in situ fue de 1.77 mg x [m.sup.-3] y via satelite fue de 2.31 mg x [m.sup.-3]. Mientras que asociado a valores bajos la mediana via satelite fue de 0.90 mg x [m.sup.-3] en invierno, y la mediana in situ fue de 0.96 mg x [m.sup.-3] en condiciones de otono. (Figura 4).

[FIGURA 4 OMITIR]

La comparacion con el percentil de cada estacion evidencio que cuando se hallan por debajo de p20 los valores satelitales son mayores que los observados in situ, en el p25 se presenta la misma caracteristica a excepcion de otono. Valores de clorofila-a que se hallan alrededor de la mediana hasta el p75, evidencian que en condiciones de verano y otono las observaciones via satelite fueron mayores que las in situ mientras que en condiciones de invierno y primavera ocurrio lo contrario. Cuando se evaluo valores de clorofila-a por encima del p75, via satelite se reporto menores concentraciones que las observaciones in situ, excepto en otono.

La evaluacion del coeficiente de variabilidad evidencio que, la variabilidad de [Cla.sub.i] fue mas alta que la de [Cla.sub.s] en todas las estaciones del ano, excepto en condiciones de otono. (Figura 4), incluso en valores definidos como rango por el p1 a p99, p5 a p95 y p25 a p75.

Mientras que al evaluar los coeficientes de variabilidad en funcion a rangos definidos por la seleccion de observaciones in situ entre el siguiente percentil: p1 a p99, p2 a p98, hasta p5 a p95, las caracteristicas que se describen de manera independiente cambian, observandose via satelite mayor variabilidad que las observaciones in situ durante verano hasta otono, y registrandose menor variabilidad durante invierno hasta primavera, frente a las observaciones in situ.

A diferencia de coeficientes de variabilidad evaluados en funcion a rangos definidos por la seleccion de observaciones via satelite entre el siguiente percentil: p1 a p99, p2 a p98 y p3 a p97, las caracteristicas de variabilidad descritas de manera independiente, se van acentuando cuanto mas estrecho es el rango evidenciando desde las observaciones in situ mayor variabilidad en condiciones de verano y menor variabilidad en otono, invierno y primavera. Estas caracteristicas cambian cuando los rangos se definen entre los p5 a p95 estrechandose progresivamente hasta p25 a p75, observandose en valores in situ que la variabilidad aun es la mas alta que las demas estaciones y que en invierno suele presentarse menor variabilidad, que en todas las demas estaciones. A diferencia de las observaciones via satelite donde todos los casos de seleccion evidenciaron en otono mayor variabilidad que en las demas estaciones del ano, incluso llegando a registrar mayor variabilidad que las observaciones in situ cuando el rango basado en el percentil estuvo seleccionado entre p1 a p99 y p2 a p98.

Discusion.

El cociente de [Cla.sub.i] : [Cla.sub.s] promedio de valores transformados por [log.sub.10] fue menor a 1 (Tabla 1), lo cual indica que las observaciones via satelite sobreestiman la clorofila in situ, confirmando la primera hipotesis planteada, coincidiendo con investigaciones similares en otras regiones (Hyde et al, 2007). Estos resultados difieren del cociente [Cla.sub.i] : [Cla.sub.s] de 3.8 encontrado para el Peru por Chavez (1995) que indica que el satelite (CZCS) subestimo la clorofila in situ. Esta diferencia la atribuimos a la influencia de valores extremos del percentil de clorofila-a, dado que el cociente fue mayor a 1 con datos no transformados, pero fue menor a 1 al eliminar los datos que se hallan en los extremos del percentil, considerando los valores definidos en un rango mas estrecho entre el p15 y el p85. La presencia de valores muy altos o muy bajos de clorofila-a estan asociados a la pigmentacion de fitoplancton que depende de la concentracion intracelular de clorofila-a, respecto a su tamano celular y a las condiciones de crecimiento (Staehr, 2002), por ende, a la composicion de especies. Asi como los pigmentos accesorios y feopigmentos (clorofila digerida), cuyos valores por lo general son muy altos en aguas costeras muy productivas (Ramirez & Pizarro, 2005).

Otro de los factores que influyen en las diferencias de valores reportados via satelite e in situ se debe al tipo de bandas espectrales registrados, CZCS fue destinado a medir el color del oceano con 4 de las 6 bandas, de 20 nm de ancho, centradas en 443, 520, 550 y 670 nm. Mientras que SeaWiFS, de las 8 bandas 4 con 20 nm de ancho centradas en los 443, 490, 510, 555 nm fueron destinadas para estimar clorofila-a, complementadas con bandas de 412 nm (para materia organica disuelta), 670 nm (para correccion atmosferica y sedimentos), 765 y 865 nm (para correccion atmosferica y radiacion de aerosoles). Asi como al tipo de algoritmo usado, tal es el caso que la comparacion realizada al norte de Chile con el OC2 el cual solo utiliza dos bandas espectrales, determinaron que valores via satelite (SeaWiFS), sobreestimaban en 2.36 veces mas a la clorofila-a-in situ, cuyos resultados fueron similares a los obtenidos por Stramski & Stramska (2001), quienes reportaron que SeaWiFS con el OC2 sobreestimo en 2.3 veces para los lagos de Noruega y Greenland (Silva et al., 2003).

Cabe mencionar que la primera version del algoritmo OC4 (O'Reilly et al., 1998) fue formulada como una funcion polinomial cubica modificada (MCP), sin embargo la actual version del OC4 usa una funcion polinomial de cuarto orden. La ecuacion MCP fue usada para refinar el OC2 con un mismo conjunto de valores (N = 2804) usados para actualizar OC4. Con estas consideraciones reportaron que la comparacion entre valores de clorofila-a modelados con OC2v4 y clorofila in situ tuvo un [r.sup.2] de 0.883 con un RMS de 0.231. Mientras que comparaciones entre valores de clorofila-a modelados con OC4v4 y datos in situ, presentaron un [r.sup.2] de 0.892 con un RMS de 0.222. Frente a ello, sus resultados mostraron que el [r.sup.2] obtenido con el algoritmo OC4 (0.892) fue ligeramente mas alto que los obtenidos con el OC2 (0.883) (O'Reilly et al., 2000). Posteriores mejoras al algoritmo y metodos de procesamiento incorporados al cuarto reprocesamiento han mejorado notablemente la precision de SeaWiFS en la estimacion de clorofila a (O'Reilly & Yoder, 2003).

El error medio con [log.sub.10], indico que la Clas sobreestimo a la [Cla.sub.i] ([EM.sub.log] = 0.02) (Tabla 2). Cabe senalar que las observaciones in situ reportan resultados de clorofila-a con una correccion por feopigmentos (Holm-Hansen et al., 1965), con valores mas bajos que la clorofila-a total. Por otro lado, LeeBorges & Armstrong (2002) mencionan que hay una perdida de hasta 20 % de clorofila a traves de los filtros Whatman.

El cociente de medias con valores [log.sub.10], en condiciones de verano y otono, indico que las observaciones via satelite sobreestimaron la [Cla.sub.i] (Tabla 1), no obstante ello no concordo plenamente en la observacion del cociente de medias sin transformacion, hallandose en verano un valor mayor a 1. Sin embargo, al evaluar valores que estuvieron en un rango de percentil ligeramente mas estrecho (p1 a p99), el cociente fue menor a 1, ratificando los resultados obtenidos con una transformacion [log.sub.10]. Los cocientes obtenidos para invierno y primavera indicaron que la [Cla.sub.s] subestimo la [Cla.sub.i].

Asi mismo fueron congruentes con el error medio de clorofila-a transformada con [log.sub.10] en verano y otono ([EM.sub.log] = 0.07 y 0.04 respectivamente), donde los valores mayores a cero indican que la [Cla.sub.s] sobreestimo la [Cla.sub.i], mientras que para invierno y primavera ([EM.sub.log] = -0.02 y -0.06 respectivamente) los valores via satelite subestimaron los valores de [Cla.sub.i]. Por otro lado hay evidencias que SeaWiFS sobreestima las bajas concentraciones de clorofila-a (< 0.2 mg x [m.sup.-3]) (Lee-Borges & Armstrong, 2002; Hyde et al, 2007), lo cual podria darse en zonas mas oceanicas y en condiciones de invierno, pero los resultados muestran lo contrario.

Consideramos que las diferencias y su eficiencia, depende de las variaciones locales de las Propiedades Opticas Inherentes a los constituyentes del agua (IOCCG, 2000; Loisel et al, 2010). La presencia de destellos o reflejos solares en la superficie del oceano (Bulgarelli et al, 2004) y aerosoles atmosfericos en zonas costeras merece especial atencion, y exploracion para el desarrollo de nuevos algoritmos a nivel regional. Los aerosoles atmosfericos son suspensiones de particulas solidas o liquidas en el aire, siempre presentes en el aire y a menudo son observables como polvo, humo y neblina (Kahn et al, 2009).

El coeficiente de determinacion hallado a nivel general fue alto entre los valores transformados de [Cla.sub.i] y [Cla.sub.s] ([r.sup.2] = 0.63) en comparacion a otros estudios, como Rodriguez-Guzman & Gilbes-Santaella (2009), que al comparar solidos suspendidos totales in situ y via satelite (MODIS) encontraron un coeficiente de determinacion menor ([r.sup.2] = 0.40). Por otro lado se sabe que los datos del Coastal Zone Color Scanner (CZCS) no proveyeron una representacion precisa de la concentracion de clorofila-a en el Peru por errores de correccion atmosferica (Chavez, 1995), dado que se encontro que con el CZCS la precision de la biomasa fue mas o menos 35 %, por otro lado la biomasa en el oceano varia por cuatro ordenes de magnitud, los resultados de la informacion obtenida a gran escala deben considerarse apreciables (Sathyendranath & Platt, 1993).

La mejor bondad de ajuste estuvo definida por el valor mas bajo de la RCME, correspondiendo a condiciones de primavera ([RCME.sub.log]] = 0.31), seguido por las condiciones de verano ([RCME.sub.log]] = 0.33) (Tabla 2). Por lo tanto, la segunda hipotesis planteada no fue confirmada. Los errores altos antes de la transformacion logaritmica fueron coincidentes con resultados de investigaciones similares en otras regiones. El [RCME.sub.log]] = 0.34 hallado en condiciones de invierno fue bastante cercano al encontrado en los meses de Julio a Agosto (0.35) en otras regiones como China (Zhang et al., 2006). Considerando la menor nubosidad en verano, la mejor bondad de ajuste en primavera la atribuimos a la mayor variabilidad de la clorofila in situ en condiciones de verano, mucho mas alta que en las demas estaciones del ano, posiblemente debido a la mayor frecuencia de floraciones algales en verano, sin dejar de lado la resolucion espacial de los datos obtenidos via satelite (SeaWiFS), con los cuales evidentemente no se llega a captar la variabilidad espacial que se registra en las mediciones in situ, dado que la alta variabilidad de propiedades bio-opticas junto a diferencias en tecnicas de medicion (pixel versus punto) contribuyen a inconsistencias entre propiedades bio-opticas percibidas in situ y remotamente (Chang & Gould, 2006).

Conclusiones.

En general, los datos obtenidos via satelite sobreestiman ligeramente la clorofila in situ, como indica el cociente de medias transformadas logaritmicamente ([Cla.sub.i] : [Cla.sub.s] = 0.89) y el error medio ([EM.sub.log] = 0.02), lo cual confirmo la primera hipotesis planteada.

Por otro lado, via satelite en condiciones de verano se sobreestimo la concentracion de clorofila-a in situ, y en condiciones de invierno la subestimo.

La segunda hipotesis que plantea en condiciones de verano un mejor ajuste entre la [Cla.sub.s] y la [Cla.sub.i], no fue confirmada, ya que en primavera se alcanzo el mayor coeficiente de correlacion (r = 0.84).

La ecuacion general que permite estimar valores de [Cla.sub.i] a partir de [Cla.sub.s] frente a Peru es la siguiente:

[Cla.sub.i] = 0.9925 [Cla.sub.s] [sup.09055]

Agradecimientos.

Agradecemos al Instituto del Mar del Peru, por haber brindado las condiciones, para el levantamiento de la informacion in situ, la obtencion de informacion satelital y la elaboracion de esta investigacion.

Presentado: 21/07/10

Aceptado: 13/12/10

Literatura citada.

Bulgarelli B., Melin F. & Zibordi G. 2004. Atmospheric correction of SeaWiFS data. In: Wolfram S (ed). Validation of algorithms for chlorophyll a retrieval from satellite data in the baltic sea area. Baltic Sea Environment Proceedings No 94: 11-22.

Calienes R., Guillen O. & Lostaunau N. 1985. Variabilidad espacio-temporal de clorofila, produccion primaria y nutrientes frene a la costa peruana. Bol. Inst. Mar / OEA. Vol. 10(9).

Chang G.C. & Gould R.W. 2006. Comparisons of optical properties of the coastal ocean derived from satellite ocean color an in situ measurements. Optics express 14 (22): 10149-10163.

Chin M., Kahn R.A. & Schwartz S.E. (eds.). 2009. Atmospheric Aerosol Properties and Climate Impacts, A Report by the U.S. Climate Change Science Program and the Subcommittee on Global Change Research. National Aeronautics and Space Administration, Washington, D.C. USA, 128 pp.

Chavez F. 1995. A comparison of ship and satellite chlorophyll from California and Peru, J. Geophys. Res., 100: 24,855-24,862.

Echevin V., Aumont O., Ledesma J. & Flores G. 2008. The seasonal cycle of surface chlorophyll in the Peruvian upwelling system: A modelling study. In: Werner F., & Lough R.G. (eds). The Northern Humboldt Current System: Ocean Dynamics, Ecosystem Processes, and Fisheries. Progress in Oceanography 79: 167-176.

Flores G., Cordova J., Ledesma J. & Robles C. 1998. Caracteristicas quimicas y de clorofila "a" del mar peruano durante el otono 1998. Crucero BIC Humboldt 9803-05 de Tumbes a Tacna. Inf Inst. Mar Peru 135: 6778.

Flores G., Carrasco N. & Sarmiento M. 2001. Oxigeno disuelto, nutrientes y clorofila-a del mar peruano en mayo 2000. Inf Inst. Mar Peru. 163.

Holm-Hansen O., Lorenzen C.J., Holms R.W. & Strickland J.D.H. 1965. Fluorometric Determination of Chlorophyll. J. Cons.perm.int Explor. Mer. 30: 3-15.

Hyde K.J.W., O'Reilly J.E. & Oviatt C.A. 2007. Validation of SeaWiFS chlorophyll a in Massachusetts Bay. Continental Shelf Research 24: 1677-1691. IOCCG. 2000. Remote sensing of Ocean Colour in Coastal, and Other Optically-Complex, Waters. Sathyendranath S. (ed.) Report of the Interantional Ocean-Colour Coordinating Group, No 3, IOCCG, Darmounth, Canada.

Kahn RA., Yu H., Schwartz S.E., Chin M., Feingold G., Remer L.A., Rind D., Halthore R. & DeCola P. 2009. Introduction, in Atmospheric Aerosol Properties and Climate Impacts, A Report by the U.S. Climate Change Science Program and the Subcommittee on Global Change Research. In: Chin M, Kahn RA, Schwartz SE, (eds.). National Aeronautics and Space Administration, Washington, D.C., USA.

Lee-Borges J. & Armstrong R. 2002. SeaWiFS Validation at the Caribbean time series station (cats). On line: <http://gers.uprm.edu/pdfs/leeborges_etal_02.pdf>

Loisel H., Lubac B., Dessailly D., Duforet-Gaurier L. & Vantrepotte V. 2010. Effec of inherent optical properties variability on the chlorophyll retrieval from ocean color remote sensing: an in situ approach. Optics Express Vol.18(20): 20949-20959

Maritorena S., Siegel D.A. & Peterson A.R. 2002. Optimization of a semianalytical ocean color model for globalscale applications. Appl. Opt. 41(15), 2705-2714.

Marrari M., Hu C. & Daly K. 2006. Validation of SeaWiFS chlorophyll a concentrations in the Southern Ocean: A revisit. Remote Sensing of Environment 105: 367-375.

O'Reilly J.E., Maritorena S., Siegel D., O'brien M.C., Toole D., Mitchell B.G., Kahru M., Chavez F.P., Strutton P., Cota G., Hooker S.B., Mc[Cla.sub.i]n C.R., Carder K.L., Muller-Karger F., Harding L., Magnuson A., Phinney D., Moore G.F., Aiken J., Arrigo K.R., Letelier R. & Culver M. 2000. Ocean color chlorophyll a algorithms for SeaWiFS, OC2, and OC4: Version 4. In: Hooker S. B. and E. R. Firestone (Eds.), SeaWiFS Postlaunch Technical Report Series, SeaWiFS Postlaunch Calibration and Validation Analyses, Volume 11, Part 3, 9-23, Greenbelt, Maryland: NASA Goddard Space Flight Center, 1-51.

O'Reilly J.E. & Yoder J.A. 2003. A comparison of SeaWiFS LAC products from the third and fourth reprocessing: Northeast US ecosystem. In: Patt., F.S., Barnes, R.A., Eplee Jr., R.E., Franz B.A., Robinson W.D., Feldman G.C., Bailey S.W., Gales J., Werdell P.J., Wang M., Frouin R., Stumpf R.P., Arnone R.A., Gould Jr. R.W., Martinolich P.M., Ransibrahmanakul V., O'Reilly J.E. & Yoder J.A. (Eds.), Algorithm Updates for the Fourth SeaWiFS Data Reprocessing. NASA Goddard Space Flight Center, Greenbelt, MD, pp. 60-67.

Pan Y., Tang D. & Weng D. 2010. Evaluation of the SeaWiFS and MODIS Chlorophyll a algorithms used for the Northern South china Sea during the Summer Season. Terr. Atmos. Ocean. Sci., Vol. 21, N[degrees] 6, 9971005.

Pizarro O., Hormazabal S., Gonzales A. & Yanez E. 1994. Variabilidad del viento, nivel del mar y temperatura en la costa norte de Chile. Invest. Mar., Valparaiso, 22:85101.

Pennington J., Mahoney K., Kuwahara V., Kolber D., Calienes R. & Chavez F. 2006. Primary production in the eastern tropical Pacific: A review. Progress in Oceanography 69: 285-317.

Ramirez B. & Pizarro E. 2005. Distribucion de clorofila-a y feopigmentos en los canales australes chilenos comprendidos entre Puerto Montt y la laguna San Rafael, Chile. Ciencia y Tecnologia del Mar Vol.28(001): 45-62.

Rodriguez-Guzman V. & Gilbes-Santaella F. 2009. Using MODIS 250 m imagery to estimate total suspended sediment in a tropical open bay. International Journal of System Applications, Engineering & Development 1(3), 2009 on line: <http://gers.uprm.edu/pdfs/rodriguez_gilbes_09b.pdf>

Staehr P.A., Markager S. & Sand_Jensen K. 2002. Optical properties of marine phytoplankton. Thesis PhD. University of Copenhagen.

Stramski D & Stramska M. 2001. Optical and ancillary measurements at high latitudes in support of the MODIS ocean validation program. NASA Grant Nag5-6466, Final Report.

Sathyendranath S. & Platt T. 1993. Remote sensing of water-column primary production. In: Li WKW, Maestrini SY, (eds). Measurement of Primary Production from the Molecular to the Global Scale. Vol. 197. Copenhagen: ICES Marine Science Symposia, p 236-243.

Silva C., Yanez E., Barbieri M. & Nieto K. 2003. Asociacion entre la pesqueria de pequenos pelagicos, la clorofila a y la temperatura superficial del mar en la zona norte de Chile. (ed) Yanez E. Actividad pesquera y de acuicultura en Chile Ediciones Universitarias de Valparaiso: 157-162.

Sin-Jae Y. 2002. Validation of chlorophyll algorithm un Ulleung Basin, East/Japan Sea. Korean Journal of Remote Sensing, Vol. 18(1): 35-42. <http://ieg.or.kr/abstract/E180104.PDF>

Strickland J.D.H. & Parsons T.R. 1968. A practical handbook of seawater analysis. Pigment analysis, Bull. Fish. Res. Bd. Canada, 167.

Thomas A.C., Carr M-E. & Strub PT. 2001. Chlorophyll variability in eastern boundary currents. Geophysical Research Letters, Vol. 28(18): 3421-3424.

Werdell P.J., Bailey S.W., Franz B.A., Morel A. & McClain C.R. 2007. On-orbit vicarious calibration of ocean color sensors using an ocean surface reflectance model. Appl. Opt. 46(23), 5649-5666.

Zhang C., Hu C., Shang S., Muller-Karger F.E., Li Y., Dai M., Huang B., Ning X. & Hong H. 2006. Bridging between SeaWiFS and MODIS for continuity of chlorophyll-a concentration assessments off Southeastern China. Remote Sensing of Environment 102: 250-263.

Daniel Quispe (1), Ruth Calienes (1), Jorge Tam (1), Michelle Graco (2), Jesus Ledesma (2), Georgina Flores (2), David Correa (1) y Carlos Quispe (1)

(1) Centro de Investigaciones en Modelado Oceanografico y Biologico Pesquero, Instituto del Mar del Peru, P.O. Box 22, Callao, Peru. E-mail: dquispe@imarpe.pe

(2) Unidad de Hidroquimica, Instituto del Mar del Peru, P.O. Box 22, Callao, Peru.
Tabla 1. Cociente Clai : Clas, de promedio general
y estacional.

Observaciones         media    media      cociente
                       Clai     Clas    Clai : Clas

Cla general            3.21     2.83        1.14
verano                 3.59     3.46        1.04
otono                  2.31     2.70        0.86
invierno               2.59     1.82        1.43
primavera              3.60     2.30        1.57
log10(Cla) general     0.17     0.19        0.89
verano                 0.20     0.27        0.75
otono                  0.08     0.12        0.63
invierno               0.09     0.07        1.22
primavera              0.22     0.16        1.36

Tabla 2. Parametros estadisticos de asociacion en datos coincidentes
de clorofila-a evaluados via satelite e in situ.

Periodo      Var: X & Y      r(X,Y)   [r.sup.2]     t        p
             (sat &
             in-situ)

General      Cla              0.49      0.24      12.86     0.00
             log10 (Cla)      0.79      0.63      29.70     0.00

verano       Cla              0.48      0.23       7.98     0.00
             log10 (Cla)      0.82      0.67      20.73     0.00

otono        Cla              0.46      0.21       5.68     0.00
             log10 (Cla)      0.72      0.52      11.55     0.00

Invierno     Cla              0.84      0.71      10.20     0.00
             log10 (Cla)      0.76      0.58       7.69     0.00

Primavera    Cla              0.61      0.37       9.20     0.00
             log10 (Cla)      0.84      0.71      18.80     0.00

Periodo      Var: X & Y        N      Intercp      Pend     Intercp
             (sat &                    dep: Y     dep: Y     dep: X
             in-situ)

General      Cla              527      1.2847     0.6811     1.6982
             log10 (Cla)      527     -0.0033     0.9055     0.0726

verano       Cla              215      1.1514     0.7038     2.2896
             log10 (Cla)      215     -0.0435     0.9083     0.1212

otono        Cla              123      1.3422     0.3592     1.3500
             log10 (Cla)      123     -0.0101     0.7154     0.0656

Invierno     Cla               44     -0.4141     1.6538     0.7003
             log10 (Cla)       44      0.0124     1.0500     0.0241

Primavera    Cla              145      0.9620     1.1481     1.1320
             log10 (Cla)      145      0.0374     1.1272     0.0224

Periodo      Var: X & Y        Pend      RCME      EM     log10
             (sat &           dep: X     (%)      (%)      RCME
             in-situ)

General      Cla              0.3517    168.12   44.40
             log10 (Cla)      0.6923                       0.34

verano       Cla              0.3268    205.20   60.05
             log10 (Cla)      0.7361                       0.33

otono        Cla              0.5853    182.45   60.49
             log10 (Cla)      0.7332                       0.37

Invierno     Cla              0.4308    113.96   30.36
             log10 (Cla)      0.5570                       0.34

Primavera    Cla              0.3237    90.12    11.79
             log10 (Cla)      0.6315                       0.31

Periodo      Var: X & Y      log10
             (sat &            EM
             in-situ)

General      Cla
             log10 (Cla)      0.02

verano       Cla
             log10 (Cla)      0.07

otono        Cla
             log10 (Cla)      0.04

Invierno     Cla
             log10 (Cla)     -0.02

Primavera    Cla
             log10 (Cla)     -0.06
COPYRIGHT 2010 Universidad Nacional Agraria La Molina
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2010 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Quispe, Daniel; Calienes, Ruth; Tam, Jorge; Graco, Michelle; Ledesma, Jesus; Flores, Georgina; Corre
Publication:Ecologia Aplicada
Date:Jul 1, 2010
Words:6401
Previous Article:A analise da estrutura de uma populacao de Lychnophora pinaster Mart. de um Campo Rupestre do Sul de Minas Gerais, Brasil, por meio da estatistica...
Next Article:Evaluacion preliminar de la mortandad de mastofauna nativa por colision con vehiculos en tres rutas Argentinas.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters