MÉTODOS EMPÍRICOS PARA PROYECTAR VERTICALMENTE INFORMACIÓN DE SUPERFICIAL PARA PRODUCIR CAMPOS TERMOHALINOS TRIDIMENSIONALES
Aunque los modelos de circulación oceánica han mejorado mucho, aún existen algunos problemas para reproducir la estructura termohalina y las masas de agua en la región de extensión de la Corriente de Lazo, incluso cuando se asimilan datos de boyas perfiladoras del programa Argo. La gran cantidad de perfiles hidrográficos, así como las trayectorias profundas proporcionadas por los flotadores Argo que se han desplegado en la última década por el programa UGOS, proporcionan una excelente base de datos para probar los resultados del modelo y mejorar los esquemas de asimilación. Esto último se puede hacer combinando los perfiles de los flotadores Argo con información satelital (SSH, SST, SSS) para hacer modelos empíricos que proporcionen proyecciones verticales de la información de la superficie en donde no hay perfiles medidos, lo cual se puede incluir en los esquemas de asimilación de datos. Una forma en que esto se está haciendo es utilizando algoritmos de aprendizaje automático (ML) o proyecciones de las propiedades termohalinas en el espacio de funciones de corriente geostróficas (SSH) utilizando proyecciones de modo empírico de Gravest (satGEM). Este último método se puede ampliar para incluir otros parámetros que han demostrado mejorar los algoritmos de aprendizaje automático, así como otros parámetros que aún no se han probado. En esta charla presentaremos qué tan bien funcionan estos métodos empíricos bajo diferentes condiciones dinámicas (fase extendida de la corriente de Lazo, Eddy Cardone, y tal vez incluso el huracán Idalia). Se presentarán ideas para entender cuándo, dónde y con qué parámetros funcionarán mejor estos modelos: pruebas de sensibilidad para incluir varios parámetros en las proyecciones (doy, SSH, SST, SSS, H), y análisis de errores en el espacio de parámetros y bajo diferentes situaciones dinámicas.