Modelación numérica de la trayectoria del sargazo pelágico utilizando ecuaciones Brownianas con aplicación a las aguas de la Península de Yucatán, México

Vista sencilla de ítem
dc.contributor.authorAguilera-Méndez, José Maríaes_ES
dc.contributor.authorJuárez-Toledo, Carloses_ES
dc.contributor.authorTapia-Fabela, José Luises_ES
dc.contributor.authorMartínez-Carrillo, Irmaes_ES
dc.contributor.authorHernández-Grajales, Raúl Vladimires_ES
dc.contributor.funderConsejo Nacional de Ciencia y Tecnología, Méxicoes_ES
dc.coverage.spatialeast=-89.49456155592232; north=19.1895295606624; name=Península de Yucatán, Mèxices_ES
dc.date.accessioned2023-02-08T08:18:41Z
dc.date.available2023-02-08T08:18:41Z
dc.date.issued2023-01-31
dc.description.abstract[EN] The study objective is to develop a methodology, based on the application of numerical models, to forecast the transport routes of sargassum and favor decision-making for collecting on coasts. The work presents the behavior of the sargassum trajectory as a phenomenon dependent on the metoceanic variables, while the numerical methods are used as modeling tools that retain the most relevant information, and the systemic vision allows the analysis of the partial results through a segmented understanding of the problem to arrive at a full solution. In this research, two numerical output responses are considered that are implemented in a wave model based on Lagrangian equations to obtain the wave forecast. Finally, the results are processed by applying a Brownian system to calculate the movement of free-floating particles through the speed and diffusivity direction presented by an animation software.en_EN
dc.description.abstract[ES] El objetivo del estudio es desarrollar una metodología, basada en la aplicación de modelos numéricos, para pronosticar las rutas de transporte del sargazo y favorecer la toma de decisiones de recolección en costas. El trabajo presenta el comportamiento de la trayectoria del sargazo como un fenómeno dependiente de las variables metoceánicas, mientras los métodos numéricos se utilizan como herramientas de modelado que retienen la información más relevante, y la visión sistémica permite el análisis de los resultados parciales a través de un entendimiento segmentado del problema para llegar a una solución completa. En esta investigación se consideran dos respuestas de salidas numéricas que se implementan en un modelo de olas basado en ecuaciones Lagrangianas para obtener el pronóstico de oleaje. Finalmente, los resultados son procesados aplicando un sistema Browniano para calcular el movimiento de partículas de libre flotación a través de la velocidad y dirección de difusividad representados en un software de animación.es_ES
dc.description.accrualMethodOJSes_ES
dc.description.bibliographicCitationAguilera-Méndez, JM.; Juárez-Toledo, C.; Tapia-Fabela, JL.; Martínez-Carrillo, I.; Hernández-Grajales, RV. (2023). Modelación numérica de la trayectoria del sargazo pelágico utilizando ecuaciones Brownianas con aplicación a las aguas de la Península de Yucatán, México. Ingeniería del Agua. 27(1):45-58. https://doi.org/10.4995/ia.2023.18700es_ES
dc.description.issue1es_ES
dc.description.referencesAgencia Espacial Europea (ESA). (n.d.). Sentinel-3-olci. Recuperado 5 de enero, 2023, de https://sentinels.copernicus.eu/web/sentinel/technical-guides/sentinel-3-olci/olci-instrumentes_ES
dc.description.referencesAguilera-Méndez, J.M., Juárez-Toledo, C., Martínez-Carrillo, I., & Vera-Popoca, R.I. (2021). Generation of unstructured meshes using Delaunay triangles for tidal analysis of the port of Acapulco, Mexico. Revista de Simulación y Laboratorio, 8(24), 20–27. https://doi.org/10.35429/JSL.2021.24.8.20.27es_ES
dc.description.referencesAguilera-Méndez, J.M., Juárez-Toledo, C., Martínez-Carrillo, I., & Vera-Popoca, R.I. (2022). Use of unstructured meshes for wave height and particles horizontal displacement analysis in central zone Veracruz, Mexico. ECORFAN Journal-Taiwan, 6(11), 20–27.es_ES
dc.description.referencesAmorocho, J., & DeVries, J.J. (1980). A new evaluation of the wind stress coefficient over water surfaces. Journal of Geophysical Research, 85(C1), 433. https://doi.org/10.1029/JC085iC01p00433es_ES
dc.description.referencesArango, D.H.G., & Shchepetkin, D.A.F. (n.d.). Regional Ocean Modeling System. Recuperado 9 de enero, 2023, de https://www.myroms.org/es_ES
dc.description.referencesAutomated Data Inquiry for Oil Spills. (2017). https://response.restoration.noaa.gov/adios-desktopes_ES
dc.description.referencesBanas, N.S., & Hickey, B.M. (2005). Mapping exchange and residence time in a model of Willapa Bay, Washington, a branching, macrotidal estuary. Journal of Geophysical Research, 110(C11), C11011. https://doi.org/10.1029/2005JC002950es_ES
dc.description.referencesBanas, N.S., Hickey, B.M., MacCready, P., & Newton, J.A. (2004). Dynamics of Willapa Bay, Washington: A Highly Unsteady, Partially Mixed Estuary. Journal of Physical Oceanography, 34(11), 2413–2427. https://doi.org/10.1175/JPO2637.1es_ES
dc.description.referencesBanas, Neil S., McDonald, P.S., & Armstrong, D.A. (2009). Green Crab Larval Retention in Willapa Bay, Washington: An Intensive Lagrangian Modeling Approach. Estuaries and Coasts, 32(5), 893–905. https://doi.org/10.1007/s12237-009-9175-7es_ES
dc.description.referencesBinding, C.E., Greenberg, T.A., & Bukata, R.P. (2013). The MERIS Maximum Chlorophyll Index; its merits and limitations for inland water algal bloom monitoring. Journal of Great Lakes Research, 39, 100–107. https://doi.org/10.1016/j.jglr.2013.04.005es_ES
dc.description.referencesBinding, C.E., Greenberg, T.A., McCullough, G., Watson, S.B., & Page, E. (2018). An analysis of satellite-derived chlorophyll and algal bloom indices on Lake Winnipeg. Journal of Great Lakes Research, 44(3), 436–446. https://doi.org/10.1016/j.jglr.2018.04.001es_ES
dc.description.referencesBooij, N., Ris, R.C., & Holthuijsen, L.H. (1999). A third-generation wave model for coastal regions 1. Model description and validation. Journal of Geophysical Research: Oceans, 104(C4), 7649–7666. https://doi.org/10.1029/98JC02622es_ES
dc.description.referencesChávez, V., Uribe-Martínez, A., Cuevas, E., Rodríguez-Martínez, R.E., van Tussenbroek, B.I., Francisco, V., Estévez, M., Celis, L.B., Monroy-Velázquez, L.V., Leal-Bautista, R., Álvarez-Filip, L., García-Sánchez, M., Masia, L., & Silva, R. (2020). Massive Influx of Pelagic Sargassum spp. on the Coasts of the Mexican Caribbean 2014–2020: Challenges and Opportunities. Water, 12(10), 2908. https://doi.org/10.3390/w12102908es_ES
dc.description.referencesDagestad, K.-F., Röhrs, J., Breivik, Ø., & Ådlandsvik, B. (2018). OpenDrift v1.0: a generic framework for trajectory modelling. Geoscientific Model Development, 11(4), 1405–1420. https://doi.org/10.5194/gmd-11-1405-2018es_ES
dc.description.referencesECMWF. (n.d.). European Centre for Medium-Range Weather Forecasts. Recuperado 9 de enero, 2023, from https://www.ecmwf.intes_ES
dc.description.referencesFyrillas, M.M., & Nomura, K.K. (2007). Diffusion and Brownian motion in Lagrangian coordinates. Journal of Chemical Physics, 126(16), 1–9. https://doi.org/10.1063/1.2717185es_ES
dc.description.referencesGarcía, F., Palacio, C., & Garcia, U. (2009). Unestructured Mesh Generation for Numeric Models Implementation. Dyna, 76(157), 17–25.es_ES
dc.description.referencesGEBCO Compilation Group. (2021). GEBCO. https://doi.org/10.5285/c6612cbe-50b3-0cff-e053-6c86abc09f8fes_ES
dc.description.referencesGeneral NOAA Operational Modeling Environment. (2022). Recuperado 20 de enero, 2023, de https://response.restoration.noaa.gov/oil-and-chemical-spills/oil-spills/response-tools/gnome.htmles_ES
dc.description.referencesGeorge Mason University (GMU), & National Space Agency (NASA). (n.d.). GrADS. Recuperado 6 de enero, 2023, de http://cola.gmu.edu/grads/es_ES
dc.description.referencesGlobal Forecast System. (n.d.). Recuperado 30 de noviembre de 2022, de https://www.emc.ncep.noaa.gov/emc/pages/numerical_forecast_systems/gfs.phpes_ES
dc.description.referencesHuang, Y., Weisberg, R.H., Zheng, L., & Zijlema, M. (2013). Gulf of Mexico hurricane wave simulations using SWAN: Bulk formula-based drag coefficient sensitivity for Hurricane Ike. Journal of Geophysical Research: Oceans, 118(8), 3916–3938. https://doi.org/10.1002/jgrc.20283es_ES
dc.description.referencesJohns, E.M., Lumpkin, R., Putman, N.F., Smith, R.H., Muller-Karger, F.E., T. Rueda-Roa, D., Hu, C., Wang, M., Brooks, M.T., Gramer, L.J., & Werner, F.E. (2020). The establishment of a pelagic Sargassum population in the tropical Atlantic: Biological consequences of a basin-scale long distance dispersal event. Progress in Oceanography, 182(September 2019), 102269. https://doi.org/10.1016/j.pocean.2020.102269es_ES
dc.description.referencesKey, K. (2010). Triangle (1.9). http://marineemlab.ucsd.edues_ES
dc.description.referencesKwon, K., Choi, B.-J., Kim, K.Y., & Kim, K. (2019). Tracing the trajectory of pelagic Sargassum using satellite monitoring and Lagrangian transport simulations in the East China Sea and Yellow Sea. ALGAE, 34(4), 315–326. https://doi.org/10.4490/algae.2019.34.12.11es_ES
dc.description.referencesLegrand, S., Legat, V., & Deleersnijder, E. (2000). Delaunay mesh generation for an unstructured-grid ocean general circulation model. Ocean Modelling, 2(1–2), 17–28. https://doi.org/10.1016/S1463-5003(00)00005-6es_ES
dc.description.referencesLett, C., Verley, P., Mullon, C., Parada, C., Brochier, T., Penven, P., & Blanke, B. (2008). A Lagrangian tool for modelling ichthyoplankton dynamics. Environmental Modelling & Software, 23(9), 1210–1214. https://doi.org/10.1016/j.envsoft.2008.02.005es_ES
dc.description.referencesLin, T., Pujos, C., Ou, C., Bi, W., Calvayrac, F., & Wang, Q.A. (2011). Path probability for a Brownian motion. Chinese Science Bulletin, 56(34), 3736–3740. https://doi.org/10.1007/s11434-011-4803-6es_ES
dc.description.referencesMarta-Almeida, M., Ruiz-Villarreal, M., Otero, P., Cobas, M., Peliz, A., Nolasco, R., Cirano, M., & Pereira, J. (2011). OOFɛ: A Python engine for automating regional and coastal ocean forecasts. Environmental Modelling & Software, 26(5), 680–682. https://doi.org/10.1016/j.envsoft.2010.11.015es_ES
dc.description.referencesMM5 Homepage. (2004). https://a.atmos.washington.edu/~ovens/newwebpage/mm5-home.htmles_ES
dc.description.referencesNational Oceanic and Atmospheric Administration (NOAA). (n.d.-a). Global Forecast System (GFS) [0.5 Deg.]. Recuperado 7 de enero, 2023 de https://data.noaa.gov/dataset/dataset/global-forecast-system-gfs-0-5-deges_ES
dc.description.referencesNational Oceanic and Atmospheric Administration (NOAA). (n.d.-b). NOMADS. Recuperado 7 de enero, 2023, de https://nomads.ncep.noaa.gov/es_ES
dc.description.referencesNational Space Agency (NASA). (n.d.). OLCI. Recuperado 5 de enero, 2023, de https://www.earthdata.nasa.gov/sensors/olcies_ES
dc.description.referencesNúñez, P., García, A., Mazarrasa, I., Juanes, J.A., Abascal, A.J., Méndez, F., Castanedo, S., & Medina, R. (2019). A methodology to assess the probability of marine litter accumulation in estuaries. Marine Pollution Bulletin, 144, 309–324. https://doi.org/10.1016/j.marpolbul.2019.04.077es_ES
dc.description.referencesOtero, P., Banas, N.S., & Ruiz-Villarreal, M. (2015). A surface ocean trajectories visualization tool and its initial application to the Galician coast. Environmental Modelling & Software, 66, 12–16. https://doi.org/10.1016/j.envsoft.2014.12.006es_ES
dc.description.referencesPutman, N.F., Lumpkin, R., Olascoaga, M.J., Trinanes, J., & Goni, G.J. (2020). Improving transport predictions of pelagic Sargassum. Journal of Experimental Marine Biology and Ecology, 529, 151398. https://doi.org/10.1016/j.jembe.2020.151398es_ES
dc.description.referencesSchwartz, M., & Brustein, R. (1988). From Lagrangian to Brownian motion. Journal of Statistical Physics, 51(3–4), 585–613. https://doi.org/10.1007/BF01028474es_ES
dc.description.referencesShewchuk, J.R. (2002). Delaunay refinement algorithms for triangular mesh generation. Computational Geometry, 22(1–3), 21–74. https://doi.org/10.1016/S0925-7721(01)00047-5es_ES
dc.description.referencesSignoret, M., Bulit, C., & Pérez, R. (1998). Patrones de distribución de clorofila a y producción primaria en aguas del Golfo de México y del Mar Caribe. Hidrobiológica, 8(2), 81–88. http://www.redalyc.org/articulo.oa?id=57880201es_ES
dc.description.referencesSkamarock WC, et al. (2008). A description of the advanced research WRF version 3, NCAR Tech. Note, NCAR/TN-468+STR. Natl. Cent. for Atmos. Res. Boulder, Colorado.es_ES
dc.description.referencesStaff. (2019, July 10). 10 cosas que sabemos del sargazo. El Universal, 1. https://www.eluniversal.com.mx/destinos/13-cosas-quesabemos-del-sargazo-en-las-playas-de-quintana-rooes_ES
dc.description.referencesSuárez, A.M., & Martínez-Daranas, B. (2018). La problemática del Sargazo en el caribe. In La problemática del Sargazo en el caribe. Adaptación basada en Ecosistemas: alternativa para la gestión sostenible de los recursos marinos y costeros del Caribe (Vol. 18, pp. 82–94). Instituto de Oceanología.es_ES
dc.description.referencesSuzuki, T. (2011). Wave dissipation over vegetation fields. PhD thesis. TUDelft.es_ES
dc.description.referencesSuzuki, T., & Arikawa, T. (2011). Numerical analysis of bulk drag coefficient in dense vegetation by immersed boundary method. Coastal Engineering Proceedings, 1(32), 48. https://doi.org/10.9753/icce.v32.waves.48es_ES
dc.description.referencesThe WAVEWATCH Development Group (WW3DG). (2019). User manual and system documentation of WAVEWATCH III R version 6.07. In Tech. Note 333.es_ES
dc.description.referencesWaveWatch III (WW3-GW) Global Wave Model. (2019). https://data.noaa.gov/dataset/dataset/wavewatch-iii-ww3-global-wavemodel2es_ES
dc.description.referencesZheng, X., Mayerle, R., Wang, Y., & Zhang, H. (2018). Study of the wind drag coefficient during the storm Xaver in the German Bight using data assimilation. Dynamics of Atmospheres and Oceans, 83, 64–74. https://doi.org/10.1016/j.dynatmoce.2018.06.001es_ES
dc.description.sponsorshipEl autor principal del artículo agradece el apoyo económico recibido a través del programa de becas de posgrados del Consejo Nacional de Ciencia y Tecnología (CONACYT), México. Con número de referencia 766292. A la Secretaría de Investigación y Estudios Avanzados de la Universidad Autónoma del Estado de México.es_ES
dc.description.upvformatpfin58es_ES
dc.description.upvformatpinicio45es_ES
dc.description.volume27es_ES
dc.identifier.doi10.4995/ia.2023.18700
dc.identifier.eissn1886-4996
dc.identifier.issn1134-2196
dc.identifier.urihttps://riunet.upv.es/handle/10251/191706
dc.languageEspañoles_ES
dc.publisherUniversitat Politècnica de Valènciaes_ES
dc.relation.ispartofIngeniería del Aguaes_ES
dc.relation.pasarelaOJS\18700es_ES
dc.relation.projectIDinfo:eu-repo/grantAgreement/CONACYT//766292es_ES
dc.relation.publisherversionhttps://doi.org/10.4995/ia.2023.18700es_ES
dc.relation.references10.35429/JSL.2021.24.8.20.27es_ES
dc.relation.references10.1029/JC085iC01p00433es_ES
dc.relation.references10.1029/2005JC002950es_ES
dc.relation.references10.1175/JPO2637.1es_ES
dc.relation.references10.1007/s12237-009-9175-7es_ES
dc.relation.references10.1016/j.jglr.2013.04.005es_ES
dc.relation.references10.1016/j.jglr.2018.04.001es_ES
dc.relation.references10.1029/98JC02622es_ES
dc.relation.references10.3390/w12102908es_ES
dc.relation.references10.5194/gmd-11-1405-2018es_ES
dc.relation.references10.1063/1.2717185es_ES
dc.relation.references10.1002/jgrc.20283es_ES
dc.relation.references10.1016/j.pocean.2020.102269es_ES
dc.relation.references10.4490/algae.2019.34.12.11es_ES
dc.relation.references10.1016/S1463-5003(00)00005-6es_ES
dc.relation.references10.1016/j.envsoft.2008.02.005es_ES
dc.relation.references10.1007/s11434-011-4803-6es_ES
dc.relation.references10.1016/j.envsoft.2010.11.015es_ES
dc.relation.references10.1016/j.marpolbul.2019.04.077es_ES
dc.relation.references10.1016/j.envsoft.2014.12.006es_ES
dc.relation.references10.1016/j.jembe.2020.151398es_ES
dc.relation.references10.1007/BF01028474es_ES
dc.relation.references10.1016/S0925-7721(01)00047-5es_ES
dc.relation.references10.9753/icce.v32.waves.48es_ES
dc.relation.references10.1016/j.dynatmoce.2018.06.001es_ES
dc.rightsReconocimiento - No comercial - Compartir igual (by-nc-sa)es_ES
dc.rights.accessRightsAbiertoes_ES
dc.subjectNumerical modelses_ES
dc.subjectBrownian movementes_ES
dc.subjectSargassumes_ES
dc.subjectSWAN modeles_ES
dc.subjectAlavaies_ES
dc.subjectModelos numéricoses_ES
dc.subjectMovimiento Brownianoes_ES
dc.subjectSargazoes_ES
dc.subjectModelo SWANes_ES
dc.titleModelación numérica de la trayectoria del sargazo pelágico utilizando ecuaciones Brownianas con aplicación a las aguas de la Península de Yucatán, Méxicoes_ES
dc.title.alternativeNumerical modeling of pelagic sargassum trajectory using Brownian equations with application to the waters of Yucatan Peninsula, Mexicoes_ES
dc.typeArtículoes_ES
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_ES
dspace.entity.typePublication
upv.uuid22ed3bcf-4b97-4cbb-962b-b37af122ab1ces_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
Aguilera-MendezJuarez-ToledoTapia-Fabela - Modelacion numerica de la trayectoria del sargazo pela....pdf
Tamaño:
1.73 MB
Formato:
Adobe Portable Document Format
Descripción:
Versión editorial
[object Object] Descargar

Colecciones

Ingeniería del Agua - Vol 27, No 1 (2023)