Show simple item record

dc.creatorAlfaro Martínez, Eric J.
dc.creatorSoley Alfaro, Francisco Javier
dc.date.accessioned2019-02-26T20:02:38Z
dc.date.available2019-02-26T20:02:38Z
dc.date.issued1999-12
dc.identifier.citationhttps://www.imn.ac.cr/publicaciones
dc.identifier.issn1409-2034
dc.identifier.urihttps://hdl.handle.net/10669/76622
dc.description.abstractBecause climate signals have components in different time and space scales it is difficult to identify the causes of climate variability when only one or a few stations are analyzed. Multivariate analysis of one or several variables of stations with an adequate geographical distribution helps to identify the possible causes of variability, to separate in certain cases different time scales, and in quantifying the influence of those causes at different geographical points. Multivariate methods, such as principal components analysis, singular value decomposition and canonical correlation analysis were first applied to meteorological fields in the 1950’s and 1960’s. In the last ten years they have proved to be a valuable tool in the study of climate variability and their use has increased considerably. Vector Auto Regressive-Moving Average models are more recent and besides identifying the causes of variability they are also useful in forecasting. In this paper, we present the principles on which these methods are based and they are applied to the precipitation anomalies’ field in Central America. The results are interpreted within a discussion of the advantages and limitations of the different methods.es_ES
dc.description.abstractLas señales climatológicas tienen un carácter multitemporal y multiescalar que dificultan dilucidar las causas de variabilidad climática cuando se analizan una o pocas estaciones meteorológicas. El análisis multivariado de una o varias variables en estaciones con una adecuada distribución geográfica facilitan el identificar las posibles causas, separar en algunos casos diferentes escalas temporales, y cuantificar la influencia de esas causas en los diferentes puntos geográficos. Los métodos multivariados como análisis en componentes principales, descomposición en valores singulares y análisis de correlación canónica empezaron a aplicarse a campos meteorológicos en los años 50 y 60. En la última década se ha demostrado que son una herramienta eficaz en el estudio de variabilidad climática y su uso ha aumentado considerablemente. Los modelos Vectoriales Autoregresivos-Medias Móviles son más recientes y además de identificar causas de variabilidad son útiles como herramienta de pronóstico. En este artículo se presentan los principios que fundamentan estos métodos y se aplican al campo de anomalías de precipitación en el área centroamericana. La interpretación de los resultados se hace dentro de una discusión de las ventajas y limitaciones de los diferentes métodos.es_ES
dc.description.sponsorshipUniversidad de Costa Rica/[808-A0-069]/UCR/Costa Ricaes_ES
dc.description.sponsorshipUniversidad de Costa Rica/[805-94-204]/UCR/Costa Ricaes_ES
dc.description.sponsorshipUniversidad de Costa Rica/[805-98-506]/UCR/Costa Ricaes_ES
dc.description.sponsorshipUniversidad de Costa Rica/[112-99-305]/UCR/Costa Ricaes_ES
dc.language.isoeses_ES
dc.sourceRevista Tópicos Meteorológicos y Oceanográficos, vol. 6(2), pp. 1-23es_ES
dc.subjectPrecipitaciónes_ES
dc.subjectCentroamericaes_ES
dc.subjectClimaes_ES
dc.subject551.6 Climatología y estado atmosféricoes_ES
dc.titleAplicación de análisis multivariado al campo de anomalías de precipitación en Centroaméricaes_ES
dc.typeartículo original
dc.date.updated2018-11-20T21:50:27Z
dc.description.procedenceUCR::Vicerrectoría de Investigación::Unidades de Investigación::Ciencias Básicas::Centro de Investigaciones Geofísicas (CIGEFI)es_ES
dc.description.procedenceUCR::Vicerrectoría de Docencia::Ciencias Básicas::Facultad de Ciencias::Escuela de Físicaes_ES
dc.description.procedenceUCR::Vicerrectoría de Investigación::Unidades de Investigación::Ciencias Básicas::Centro de Investigación en Ciencias del Mar y Limnología (CIMAR)es_ES
dc.identifier.codproyecto808-A0-069
dc.identifier.codproyecto805-94-204
dc.identifier.codproyecto805-98-506
dc.identifier.codproyecto112-99-305


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record