Mareas

Fuerza de Gravedad

F= - G M m
R2
MÉTODO DE LA MAREA DE EQUILIBRIO
 Mareas vivas
y
Mareas muertas
... y el efecto de rotacion de la
tierra ?
MAPA COTIDAL
MEDICIÓN DE LA MAREA
MAREÓGRAFO
SENSOR ELECTROMAGNÉTICO
 DATOS DE NIVEL DEL MAR
Muestreo: 1 dato/ hora
8

7.8

7.6
(m)

7.4
nivel del mar

7.2

6.8

6.6
0 50 100 150 200 250 300 350 400
tiempo (hr)
 CARACTERIZACIÓN DE LA MAREA

• Propiedades de su estadistica
(banco de nivel)

• Propiedades de su periodicidad
(Análisis de Frecuencia)
 Establecimiento de un banco de nivel basado en mareas

• Altura máxima registrada: El nivel más alto de un registro de nivel del mar. frecuentemente asociado a
la superposición de la marea con otros fenómenos como tsunamis o ciclones.
• Altura mínima registrada: El nivel más bajo de un registro de nivel del mar.
• Pleamar (HW): máximo en la variación de nivel del mar.
• Bajamar (LW): mínimo en la variación del nivel del mar.
• Desigualdad diurna: diferencia entre dos pleamares o bajamares consecutivos.
• Pleamar máxima registrada (HHW): El nivel más alto de un registro de nivel del mar, asociado a las
fuerzas de marea, en un ciclo diurno de mareas.
• Bajamar mínima registrada (LLW): El nivel más bajo de un registro de nivel del mar, asociado a las
fuerzas de marea, en un ciclo diurno de mareas.
• Nivel de pleamar media superior (NPMS): el promedio de las pleamares máximas.
• Nivel de bajamar media inferior (NBMI): el promedio de las bajamares mínimas.
• Nivel medio del mar (NMM): El promedio de la variación del nivel del mar asociado a las fuerzas de
marea.
• Rango de la marea: diferencia entre pleamar y bajamar consecutivos.
 0.4

0.2
altura (m)

-0.2

-0.4

-0.6

2 4 6 8 10 12 14 16 18 20
tiempo (dias)

0.4

0.2
altura (m)

-0.2

-0.4

-0.6

8 9 10 11 12 13
tiempo (dias)
 Método Dinámico de Mareas
• El método Dinámico trata a las mareas como ondas que pueden ser separadas en varias
componentes (ondas individuales).
• A estas componentes se les conoce como:
Constituyentes de la Marea o Mareas Parciales
• Cada constituyente puede ser relacionada a los efectos del Sol o la Luna, o a ambos.

• Existen 62 componentes de la marea de origen astronómico.

• El 70% de la amplitud de la marea puede ser explicada usando 4 componentes

principales: O1 , K1 , M2 y S2

• Influye el efecto debido al tamaño y forma de las cuencas oceánicas y la fuerza de

Coriolis (se resuelven las ecuaciones de Navier-Stokes para el océano mundial).

• La marea en cualquier punto de la tierra puede ser predecida a partir de una combinación
lineal de las mareas parciales.
• Para predecir las mareas, primero se analiza matemáticamente una serie suficientemente
larga de nivel del mar para obtener la contribución de cada onda, posteriormente se hacen
las predicciones a partir de reconstruir la combinación lineal de las constituyentes de la
marea.
Constituyentes astronómicas de la marea
Período Frecuencia Frec. Ang. Longitud
Componente Causa T (hr) f (cph) (°/hr) Serie (hr)
Marea Diurna
O1 Lunar
25.8193 0.03873065 13.94 328

Marea Diurna
K1 Luna / Sol
23.9345 0.04178074 15.04 24

Marea Lunar
M2 12.4206 0.08051139 28.98 13

Marea Solar
S2 12.0000 0.08333333 30.00 355

Elíptica Larga
N2 de la Luna 12.6583 0.07899924 28.44 662
 Clasificación del tipo de marea
Una clasificación sistemática del tipo de mareas se hace utilizando el llamdo Factor de Forma
(F), que es la razon de las amplitudes de las mareas diurnas entre las semi-diurnas. Este factor
nos brinda información sobre la dominancia de los diferentes tipos de mareas parciales.

AO1  AK1
F
AM 2  AS 2
F TIPO
Marea Semidiurna. Pleamar y bajamar aproximadamente de la misma altura.
0 a 0.25
El rango medio de la marea viva es 2(AM2 + AS2)
Mixta, semi-diurna.Grandes desigualdades en tiempo y rango entre pleamar y
0.26 a 1.50
bajamar cada día. El rango medio de la marea viva es 2(AM2 + AS2)
Mixta, diurna.frecuentemente solo una pleamar diaria. El rango medio de la
1.51 a 3.00
marea viva es 2(AO1 + AK1)
diurna.Generalmente solo una pleamar diaria. El rango medio de la marea
> 3.01
viva es 2(AO1 + AK1)
Determinación de las constantes
armónicas de la marea
 Representación de una serie de datos por una aproximación funcional
7
Frecuentemente como resultado de un experimento los
6.5 datos muestran una tendencia.

6
Se busca generar un modelo matemático que explíque
y prediga el comportamiento del fenómeno en estudio.
5.5
y

5
El objetivo es representar la variable dependiente y(x)
4.5
como una combinación lineal de varias funciones
conocidas (usualmente uno las propone):
4
0 0.5 1
x
1.5 2 2.5 f1(x), f2(x), ... ,fM(x)

7
y ( x)   Ai  f i ( x)
i 1
6.5

5.5 Así, en este caso encontrar la y(x) de

y

5 mejor ajuste, consiste en calcular las Ai

4.5
que minimizen el error entre los valores
experimentales y los del modelo
4
0 0.5 1
x
1.5 2 2.5
matemático.
 Cuadrados Mínimos
El método de Cuadrados Mínimos, consiste en calcular las Ai que permitan minimizar el
error cuadrático entre los valores experimentales y los obtenidos por el modelo.

# _ datos # _ datos
E 
i 1
ei 
2
( y
i 1
obs
i  yim ) 2

Usualmente se utilizan alternativamente 2 técnicas para minimizar el error cuadrático:

a) Valores óptimos, b) Algebra lineal.

a) Valores Óptimos
# _ datos obs m 2 # _ datos obs M 
   ( yi  yi )     ( yi   Ai  f i ( x)) 2 
E
  i 1    i 1 i 1  0
Ai Ai Ai

Esta es la técnica que se utiliza en los cursos

tradicionales de Estadística
b) Algebra lineal.
La tecnica requiere que expandamos la aproximación en serie para cada valor de la variable
independiente:
y1=A1f1(x1)+A2f2(x1)+ … +AMfM(x1)
y2=A1f1(x2)+A2f2(x2)+ … +AMfM(x2)
. . . .
. . . .
. . . .
yN=A1f1(xN)+A2f2(xN)+ … +AMfM(xN)
La suposición básica es que el número de datos es grande respecto al numero de funciones
que usamos para aroximar la serie (N>M).

En forma matricial queda representado como que el vector de datos es igual a la matriz modelo
por el vector de coeficientes óptimos.

y1 f1(x1) f2(x1) ... fM(x1) A0

y2 f1(x2) f2(x2) ... fM(x2) A1
.
. . . . * .
. . . . .
. = . . . AM

yN f1(xN) f2(xN) ... fM(x1)

[Nx1]=[NxM]x[Mx1]
 En el caso de que el sistema de ecuaciones tenga el mismo número de incognitas que de
ecuaciones, N = M, el sistema es completo por lo que la solución es:
Si y=Ma  a = inv(M) * y

En la mayoría de los casos N > M, es decir, el sistema está sobredeterminado, por lo que
NO EXISTE INVERSA.

Sin embargo, el que no exista inversa no implíca que no sea posible encontrar una solución !!

Dado que los valores de los datos yobs en general no coinciden con los los valores del
modelo ym=Ma, tenemos que el error en la estimación lo podemos expresar como
e = (yobs - ym)  0
Geométricamente, la forma de minimizar el error es haciendo ortogonal el espacio del vector
error al espacio columna de la matriz modelo M, esto se logra requiriendo que el producto
escalar entre ambos sub-espacios sea cero.
M•e=0
En notación matricial tenemos
Mt * e = Mt * (yobs - ym) = Mt * (yobs - Ma)
=Mt * yobs – (Mt * M)a = 0
En consecuencia
a = {(Mt * M)-1 *Mt} * yobs
Ejemplo

Se genera una serie sintética de un experimento hipotético:

x=0:0.1:2.5;
y=5 + 2.7x - 2.5x2 + 0.65x3 + 0.45*randn(size(x));
Plot(x,y)

6.5

5.5
y

4.5

4
0 0.5 1 1.5 2 2.5
x
Ahora procedemos a ajustar por mínimos cuadrados la serie a un polinomo cúbico

y ( x)  y0  A1 x  A2 x 2  A3 x 3
La expresión matricial para la serie sintética de datos es

y1 1 x1 x12 x13 y0
y2 1 x2 x22 x23 * A1
A2
. . . . . A3
. . . . .
. = . . . .

yN 1 xN xN2 xN3

y=Ma
La solución por mínimos cuadrados es4.7779 4.0265 -3.7902 0.96193

a = { (Mt M)-1 Mt } y
am = [4.78, 4.03, -3.79, 0.96]
asint = [ 5.00, 2.70, -2.50, 0.65]
 Resultados

datos
sintetica
6.5 modelo

6
y

5.5

4.5
0 0.5 1 1.5 2 2.5
x
 Ánalisis Armónico para mareas
En el caso de la marea, encontramos que la podemos representar en términos de una combinación
lineal de armónicos con frecuencias asociadas a los astros y amplitudes y fases relativas propias
de cada lugar, por lo para determinar por el método dinámico la marea es necesario medir en el
punto deseado una serie larga de NIVEL DEL MAR (mínimo de 29 días), para obtener las
constituyentes.

m
h(t )  h0   {Ci cos( 2f i t  i )}
i 1

Donde:
• h(t) es la variación del nivel del mar
• h0 corresponde al nivel medio del mar.
• Ci es la amplitud de la i-ésima componente de la marea
• fi es la frecuencia de la i-ésima componente de la marea

• i es la fase inicial. Corresponde al tiempo transcurrido entre el paso del astro asociado a la
componente i-ésima por el meridiano y el tiempo real de ocurrencia del máximo de esa onda,
expresado en grados.
Desarrollando la expresión de el coseno dentro de la sumatoria, a partir de la identidad
trigonométrica
Cos(a+b)=cos(a)cos(b)+sen(a)sen(b)

Podemos transformar la expresión para la serie de nivel del mar

m
y (t )  A0   Ai cos( wi * t )  Bi sin( wi * t )
i 1

Donde

• Ci  Ai2  Bi2

• Bi
i  arctan( )
Ai
 Análisis Armónico
En el caso de series de tiempo cuyo comportamiento muestre ciertas periodicidades, se ha
encontrado una base de funciones apropiada para su representación son las funciones
armónicas: seno y coseno.
Sin embargo, en la mayoría de las series de este tipo hay varios periodos mezclados en la señal,
por lo que los distintos ciclos son incorporados con una combinación lineal de senos y cosenos
de distinto periodo o frecuencia.
m
y (t )  A0   Ai cos( wi * t )  Bi sin( wi * t )
i 1

Donde las Ai son las amplitudes de las ondas constituyentes y wi son las frecuencias naturales
de las ondas constituyentes.

Conociendo las frecuencias naturales de los fenomenos que

deseamos estudiar ... ¿cómo se calculan las amplitudes?

Por MÍNIMOS CUADRADOS

 m
y (t )  A0   Ai cos( wi * t )  Bi sin( wi * t )
i 1
_________________________________________________________________________________________________________________________________________

y1 1 cos(w1t1) ... cos(wmt1) sin(w1t1) ... sin(wmt1) A0

y2 1 cos(w1t2) ... cos(wmt2) sin(w1t2) ... sin(wmt2) A1

*
Am
. . . . . . B1
. = . . . . .
. . . . . .
Bm

yn 1 cos(w1tn) ... cos(wmtn) sin(w1t1) ... sin(wmtn)

SOLUCIÓN
a = { (Mt M)-1 Mt } yobs
Ejemplo

Serie de nivel del mar

Lugar: Boca de la Bahía de Yavaros, Sonora
Periodo: segunda quincena de Septiembre 1999
Equipo: InterOcean S4DW
 DATOS DE NIVEL DEL MAR
Muestreo: 1 dato/ hora
8

7.8

7.6
(m)

7.4
nivel del mar

7.2

6.8

6.6
0 50 100 150 200 250 300 350 400
tiempo (hr)
 Dado que la serie excede los 15 días, las frecuencias a estudiar son:
wO1 = 2*pi/ 25.8193
wK1 = 2*pi/ 23.9345
wM2 = 2*pi/ 12.4206
wS2 = 2*pi/ 12.0000

La Matriz Modelo queda

y1 1 cos(wO1t1) cos(wK1t1) cos(wM2t1) cos(wS2t1) sin(wO1t1) sin(wK1t1) sin(wM2t1) sin(wS2t1) A0

y2 1 cos(wO1t2) cos(wK1t2) cos(wM2t2) cos(wS2t2) sin(wO1t2) sin(wK1t2) sin(wM2t2) sin(wS2t2) A1
A2
x A3
A4
. . . . . . . . B1
= . . . . . . . . B2
. . . . . . . . B3
B4

yn 1 cos(wO1tn) cos(wK1tn) cos(wM2tn) cos(wS2tn) sin(wO1tn) sin(wK1tn) sin(wM2tn) sin(wS2tn)

 Para resolver el problema se desarrolla un código en Matlab
Se aprovecha que Matlab efectua cómputo vectorial, estosignifica que el coseno y seno de una
matriz es igual a la matriz de senos y cosenos de cada uno de los elementos de la matriz original

y=load('mareayav.dat'); % archivo de datos

t=(0:length(y)-1)'; % eje de tiempo
t=t(:); % se hace vector columna
wO1 = 2*pi/ 25.8193;
wK1 = 2*pi/ 23.9345;
wM2 = 2*pi/ 12.4206;
wS2 = 2*pi/ 12.0000;
w=[wO1,wK1,wM2,wS2]; % vector de frecuencias
ang=t*w; % MATRIZ DE ANGULOS
M=[ones(size(t)), cos(ang),sin(ang)]; % MATRIZ MODELO
a=inv(M’*M)*M’*y; % coeficientes optimos
nmm=a(1); % NIVEL MEDIO DEL MAR
C=sqrt(a(2:5).^2+a(6:9).^2); % AMPLITUDES DE MAREAS PARCIALES
fi=mod(atan2(a(6:9),a(2:5))*180/pi,360); % FASES DE MAREAS PARC.
ys=M*coef; % SERIE SINTETICA
plot(t,y,t,ys,'r')
 Resultados

8 NMM=7.365 m
7.8 <y> = 7.362 m
7.6 Amplitud Fase
Comp
(m) (0)
(m)

7.4
O1 0.1599 184.65
nivel del mar

7.2 K1 0.1583
272.95
7
M2 0.2396
239.45
6.8
s. original S2 0.2080
s. sinté tica
102.98
6.6
0 50 100 150 200 250 300 350 400
tiempo (hr)
Calendario de mareas
 Pronostico de mareas
CICESE
Pronóstico de Mareas (nivel del mar) para : Guaymas, Son. (27 56 N, 110 54 )
Periodo: 00:00 20020301 - 23:0 20020330
Nivel de Referencia: Bajamar Media Inferior
Zona de Tiempo: 7
Alturas en milímetros
Intervalo de tiempo: 60 minutos

1 32002 621 622 539 378 186 8 -126 -191 -171 -73 71 229
1 32002 380 500 552 519 429 322 227 172 176 235 322 409
2 32002 476 511 502 434 321 197 90 19 6 60 164 283
2 32002 391 478 529 520 451 348 242 154 108 122 182 256
3 32002 316 353 373 373 346 298 250 213 200 228 297 385
3 32002 460 507 527 518 470 386 286 187 107 70 88 136
4 32002 181 206 217 238 269 297 317 336 357 385 433 498
4 32002 554 575 561 528 483 422 342 251 160 87 56 66
5 32002 88 97 90 95 137 211 293 370 440 495 542 591
5 32002 636 650 620 561 502 451 396 327 245 157 87 51
Tabla de mareas