IMEDEA día a día: Helena Antich Homar

12/09/2019

  • Helena Antich Homar, permiso de estancia en el IMEDEA (UIB-CSIC)

 

 

Foto: Helena Antich Homar en su despacho del IMEDEA (Autora: Charina Cañas)

 

 

Esporles, 13 de septiembre de 2019. Helena Antich Homar es estudiante de Física en la Universidad de Barcelona a falta de aprobar su última asignatura. Trabaja en el IMEDEA con un permiso de estancia desde el pasado mes de marzo.

 

 

A la pregunta de: ¿qué estás haciendo estos días?, nos contesta que en estos momentos está cerrando pequeños flecos de la campaña PRE-SWOT, y entre otras cosas se está dedicando a calcular los errores debidos a presuponer que todas las muestras se han tomado a la vez (sinapticidad) y que prácticamente no ha cambiado la situación desde la toma de la primera a la última, al pasar al ordenador los resultados de las variables medidas en el mar. Lo cierto es que pueden haber pasado varias horas o días entre muestra y muestra. Lo que se espera del programa de ordenador es que saque un mapa de la situación en base a las mediciones. Con variables como la temperatura, cuya variación es más o menos lenta, es muy fácil, pero cuando se habla de corrientes, puede ser que debido a diversos factores hayan cambiado mucho en pocos días.

 

 

El ordenador necesita una malla de puntos para poder generar un mapa mediante la técnica de interpolación óptima. Si le damos los datos que realmente se han tomado simultáneamente, esa malla de puntos no existe y lo que tienes un punto cada vez. El mapa que puedes generar alrededor de un único punto no tiene sentido físico. Se supone sinapticidad, para obtener una malla de puntos y luego ver la tendencia entre puntos para poder generar un mapa de temperaturas. La importancia de suponer sinapticidad dependerá de la magnitud del error que se esté cometiendo.

 

 

Foto: Primeras imágenes de salinidad contrastando el muestreo durante tres días (puntos) y la situación del primer día de campaña (fondo a color). Fuente de los datos: modelo WMOP (Autora: Helena Antich Homar)

 

 

Para poder calcular el error utiliza un modelo que muestrea prácticamente con las mismas frecuencias con que se muestrea en el mar. Luego lo introduce en el programa de interpolación óptima y se elabora un mapa. Una vez obtenido el mapa, lo compara con los distintos días del modelo y calcula cuál es la variación entre uno y otro. El proceso es laborioso porque hay que hacer varios programas con Python: uno para muestrear los datos, otro para hacer el mapa y otro para que lo compare con cada una de las situaciones en el modelo y calcule los errores y diferencias. Python es un lenguaje muy intuitivo y fácil de entender que tiene unas características que permiten hacer grandes cálculos con pequeños programas sencillos.

 

 

Inicialmente su trabajo consistió en solicitar los datos a todos los participantes de la campaña PRE-SWOT y, una vez recopilados, revisarlos para confirmar su uniformidad y correcto formato, ordenarlos en carpetas haciendo un documento que explicara los criterios de ordenación seguidos y publicarlos en un dataset (colección de datos habitualmente tabulada) ubicado en el repositorio digital del CSIC.

 

 

Cada uno de los programas que van haciendo es una adaptación de otro o de un cálculo que ya se había hecho para otras variables. Helena intenta adaptar esos programas a las variables que tienen ahora. En estos momentos está trabajando con el modelo del WMOP, del cual saca los datos para hacer luego todo esto. Una vez tenga el mapa principal hecho lo compará con el del WMOP. En un futuro la intención es hacer esta comparación pero en una situación parecida a la del momento en el que se muestrearon los datos de la campaña, para que sea lo más preciso posible y el error sea más adecuado, pues dependiendo de la situación oceanográfica, ese error puede variar considerablemente.

 

 

Su idea es que todo esto con lo que ha estado trabajando estos meses le sirva para su Trabajo Final de Máster que, en principio, será sobre la aplicación de la inteligencia artificial en la búsqueda, en todos los ámbitos posibles, de la situación más parecida a la del momento de toma de datos durante una campaña. Cree que los modelos meteorológicos y los oceanográficos tienen mucho que ver y tiene que haber mucha relación entre los fenómenos que se dan en ellos porque, al fin y al cabo, ambos son modelos de fluidos. Conseguir una correlación entre modelos podría significar una mejora significativa a la hora de hacer predicciones.

 

 

Llegó al IMEDEA por interés propio buscando colaborar para saber si, efectivamente, la Oceanografía Física le gustaba, puesto que le gusta el mar, la oceanografía y la meteorología. Y efectivamente así ha sido y ¡está encantada!

 

 

El pasado mes de julio compartía la siguiente reflexión en Twitter:

 

 

 


Fuente: IMEDEA (UIB-CSIC)