Versión de HTML Básico
Josué M. Polanco-Martínez
Analíti a
k
8
Revista de Análisis Estadístico
Journal of Statistical Analysis
de Schulz y Stattegger [43], Mudelsee [22], Schulz y Mu-
delsee [42], Mudelsee
et. al.
, [24], y muy bien resumidos
en Mudelsee [23]. Sin embargo, en idioma español exis-
te muy poca información al respecto (algunas excepciones
son Polanco-Martínez [31] y Pardo-Igúzquiza y Rodríguez-
Tovar [27], aunque ésta última no utiliza un ruido de fondo
rojo); hasta donde se sabe, no se ha publicado trabajo al-
guno de revisión que englobe todo lo que se sabe de esta
técnica. Por esta razón, en este artículo, se presentó el es-
tado del conocimiento de la estimación espectral de series
temporales ambientales no equiespaciadas temporalmente
mediante el periodograma suavizado de Lomb-Scargle y
teniendo en cuenta un tipo de ruido de fondo rojo.
En este trabajo, también se presentaron dos casos de es-
tudio para ejemplificar de forma práctica la estimación
del periodograma suavizado de Lomb-Scargle teniendo
en cuenta el ruido rojo de fondo de las series temporales
ambientales. Para tal fin, se uso el paquete computacional
REDFIT [42]. En el primer caso de estudio, se utilizó una
serie temporal no equiespaciada (con mucha irregulari-
dad) de valores de
δ
18
O, provenientes del mundialmente
reconocido proyecto GISP2. Como se pudo apreciar, se en-
contró un pico espectral estadísticamente significativo al
95%
ca.
1470 años, el cual es la conocida marca espectral
de esta serie temporal. En el otro ejemplo, en los espectros
de las capturas de atún rojo, se obtuvo unos picos signifi-
cativos al 95% entre 2.4 y 3.5 años, los cuales podrían estar
relacionados con los eventos de la OAN y el ENOS. Final-
mente (anexo A), se proporcionó una breve descripción del
paquete computacional REDFIT y un sencillo programa
computacional, de fácil y libre modificación en lenguaje R
(Anexo B) para graficar las salidas de REDFIT.
AGRADECIMIENTOS
Se agradece al Prof. J. Sáenz quién me inició en el mun-
do del análisis espectral de datos climáticos no equiespa-
ciados temporalmente, así como, por la discusión de una
parte del contenido de este artículo. Del mismo modo, se
agradece al Dr. U. Ganzedo por la discusión en la inter-
pretación de varios aspectos relacionados con las series
de capturas de atún rojo aquí presentadas. Asimismo, al
Dr. M. Mudelsee por proporcionarme el código fuente de
TAUEST, y en conjunto con el Prof. Dr. M. Schulz por la
ayuda prestada para entender ciertas cuestiones técnicas
del código fuente de REDFIT; de modo similar, por ofrecer
de forma gratuita este paquete en internet. Un agradeci-
miento especial a los revisores (Analítika) de este artícu-
lo, así como también a Martha Rodríguez por sus atina-
dos comentarios para la mejora de este trabajo. Un especial
agradecimiento a la Lic. M. Arrugaeta por pulir el inglés
del
abstract
. Este trabajo ha sido posible gracias al apoyo
del proyecto FP7 BASE (
Button up Adaptation Strategies for a
Sustainable Europe
) No. de Ref. 308337.
Referencias
[1] I. A
ROSTEGUI
, I. B
ARRIO
, M. L
EGARRETA
and A. U
R
-
KAREGI
,
Opinión-contribución
(J. M. Polanco M.)
sec.
3.7 “técnicas estadísticas no estándar para el análisis de se-
ries temporales ambientales”in “statistics in research vs. re-
search in statistics”
, Boletín de Estadística e Investiga-
ción Operativa, 30 (2014), pp. 233–235.
[2] F. J. M. B
ARNING
,
The numerical analysis of the light-
curve of 12 Lacertae
, Bull. of the Astron. Inst. of the
Neth., 17 (1963), pp. 22–28.
[3] J. S. B
ENDAT
and A. G. P
IERSOL
,
Random Data. Anal.
and Meas. Proc.
, Wiley-Interscience, New York, (1986).
[4] G. B
RETTHORST
,
Frequency Estimation and Generalized
Lomb-Scargle Periodograms in Statistical Challenges in As-
tronomy
, Edited by E. D. Feigelson and G. Jogesh Babu,
Springer, New York., (2003).
[5] G. F
OSTER
,
The cleanest Fourier spectrum
, The Astrono-
mical Journal, 109 (1995).
[6] A. W. F
ULLERTON
,
Searching for periodicity in astrono-
mical data.
, in The Study of Variable Stars Using Small
Telescopes, Cambridge University Press, Cambridge.,
(1986).
[7] U. G
ANZEDO
, E. Z
ORITA
, A. P. S
OLARI
, G. C
HUST
,
A. S. D
EL
P
INO
,
Polanco, J.
and J. J. C
ASTRO
,
What
drove tuna catches between 1525 and 1756 in southern Eu-
rope?.
, ICES J. of Mar. Sc., (2009).
[8] N. G
ARCÍA
, L. G
IMENO
, L. D
E
L
A
T
ORRE
, R. N
IETO
,
and J. A
ÑEL
,
North atlantic oscillation (NAO) and preci-
pitation in galicia (Spain)
, Atmósfera, 18 (2005), pp. 25–
32.
[9] M. G
HIL
, M. R. A
LLEN
, M. D. D
ETTINGER
, K. I
DE
,
D. K
ONDRASHOV
, M. E. M
ANN
, A. W. R
OBER
-
TSON
, A. S
AUNDERS
, Y. T
IAN
, F. V
ARADI
and
P. Y
IOU
,
Advanced spectral methods for climatic
time series
, Rev. Geophys., 40 (2002), pp. 1003,
doi:10.1029/2000RG000092.
[10] D. L. G
ILMAN
, F. J. F
UGLISTER
and J. M. M
IT
-
CHELL
J
R
,
On the power spectrum of “red noise”
, J. Atm.
Sc., 20 (1963), pp. 182–184.
[11] P. M. G
ROOTES AND
M. S
TUIVER
,
Oxygen 18/16 varia-
bility in greenland snow and ice with 10- 3-to 105-year ti-
me resolution
, Journal of Geophysical Research: Oceans,
102 (1997), pp. 26455–26470.
[12] F. J. H
ARRIS
,
On the use of windows for harmonic analy-
sis with the discrete Fourier transform
, Proc. of the IEEE,
66 (1978), pp. 51–83.
[13] K. H
ASSELMANN
,
Stochastic climate models Part I.
Theory
, Tellus, 28 (1976), pp. 473–485.
18
Analítika,
Revista de análisis estadístico
, 4 (2014), Vol. 8(2): 7-23