Search

La bahía de Pisco se encuentra en una zona en la cual el afloramiento se manifiesta persistentemente durante todo el año debido a la magnitud del viento cerca de sus costas, con mayor intensidad en invierno y primavera, lo cual hace posible la existencia de una amplia zona costera muy productiva y rica en nutrientes. Esta zona y sus islas adyacentes presentan gran diversidad de recursos pesqueros para el consumo humano directo, motivo por el cual tiene importancia para la pesquería artesanal del Perú. En este trabajo se realizó el modelado de la bahía de Pisco utilizando el modelo oceánico regional ROMS y la herramienta ROMS2ROMS con el fin de conocer la circulación marina y la distribución espacial de las principales variables oceanográficas a pequeña escala en la bahía seleccionada. Para lograr esto, se utilizaron los resultados de una simulación del sistema de corrientes de Humboldt a escala regional (~12 km), como condiciones de frontera para realizar un downscaling dinámico utilizando ROMS2ROMS para obtener la resolución espacial requerida (~ 1 km). El modelo reprodujo el ciclo estacional de la TSM en la bahía, con algunas diferencias en la intensidad de la TSM simulada y observada. Se encontró que la velocidad de las corrientes va en dirección noroeste con mayor intensidad al sur y al oeste de la península, alcanzando sus valores más altos en primavera (22,5 cm/s) y los más bajos en verano (7,5 cm/s). ABSTRACT: Due to the magnitude of the wind near its coasts, the Pisco Bay is a zone where upwelling is persistent throughout the year, with greater intensity in winter and spring. Therefore, there is a large productive and nutrient-rich coastal area, which has a great diversity of fishing resources for direct human consumption, thus having great importance for the Peruvian artisanal fishery. We used the ROMS regional ocean model and the ROMS2ROMS tool to understand the marine circulation and the spatial distribution of the main oceanographic variables on a small scale in Pisco Bay. Thus, the results of a simulation of the Humboldt Current System at a regional scale (~ 12 km) were used as boundary conditions to perform a dynamic downscaling using the ROMS2ROMS tool to obtain the required spatial resolution (~ 1 km). The model replicated the seasonal cycle of SST in the bay, with some differences between the intensity of the simulated and observed SST. In addition, it was found that the speed of the currents goes in a northwesterly direction with greater intensity to the south and west of the Paracas peninsula, reaching its highest values in spring (22.5 cm/s) and the lowest in summer (7.5 cm/s).

El presente artículo tiene como propósito mostrar los resultados del trabajo realizado para la determinación del número de núcleos sobre los cuales la ejecución del modelo Weather Research and Forecast (WRF) encuentra su mejor tiempo de ejecución, para un dominio y resolución de grilla determinado, cuando es ejecutado en el clúster computacional de alto rendimiento del Instituto del Mar del Perú (Imarpe). Se encontró que el número óptimo fue de 192 núcleos usando el Clúster Computacional de Alto Rendimiento “Norte Humboldt” del LMOECC- Imarpe. ABSTRACT: Our aim is to present the results of the work done to determine the number of cores on which the Weather Research and Forecast (WRF) model reaches its best execution time, for a given domain and grid resolution, when it is run on the Imarpe’s HPC cluster. We found that the optimal number was 192 cores using the “Norte Humboldt” HPC cluster of the Imarpe’s Oceanographic, Ecosystem, and Climate Change Modeling Laboratory.

The wind off the Peru coast has influence on marine physical, chemical and biological processes, both in surface and sub-surface layers and impacts coastal sea currents, sea surface temperature, vertical mixing layer, transport and retention of larvae in the sea. Furthermore it influences the approach of oceanic waters towards the coast and in other cases it favors the extension of Cold Coastal Waters and Mixing Waters off the Peruvian coast through the coastal upwelling. Therefore, the intensification and weakening of coastal wind have a strong impact on environmental conditions and the ecosystem. In this work, satellite wind data obtained through the ASCAT (Advanced Scatterometer) scaterometer from a coastal strip up to 100 km (approximately 62 nautical miles) off Peru was used in five areas: Paita, Chicama, Callao, San Juan de Marcona and Ilo, during the period from March 21, 2007 to March 03, 2019, in order to analyze the intraseasonal variability of the wind and determine, based on the grouping of quartiles and moving averages, the minimum and maximum wind intensities for the identification of events of intensification or weakening respectively. The results show that the intra-seasonal wind variability is lower in the northern zone (Paita and Chicama), than in the central-southern zone (Callao, San Juan de Marcona and Ilo), which presents greater variability. The minimum and maximum pentadal intensities to identify wind intensification and weakening events showed different ranges of variation throughout the year and location along the Peruvian coast. Depending on the season, Ilo has minima wind intensities that vary between 2.1 to 3.8 ms-1 (weakening) and maxima between 4.4 to 5.2 ms-1 (intensification); while Paita, Callao and Chicama, have minimum wind intensities that vary between 2.3 to 4.8 ms-1 (weakening) and maxima between 4.2 to 7.3 ms-1 (intensification); while San Juan de Marcona has minimal wind intensities between 3.7 to 6.6 ms-1 (weakening) and maxima between 5.6 to 9.5 ms-1 (intensification). Finally, the number of days per year of wind intensification and weakening was determined, resulting in a predominance of wind intensification events during the years 2007, 2010 and 2013, and a predominance of wind weakening events during the years 2012, 2013, 2016 and 2017., El viento frente a la costa peruana tiene influencia en los procesos físicos, químicos y biológicos marinos, tanto en las capas superficiales como sub-superficiales e impacta sobre las corrientes marinas costeras, la temperatura superficial del mar, la capa de mezcla vertical, el transporte y retención de larvas en el mar. Así mismo, tiene influencia en el acercamiento de aguas oceánicas hacia la costa y en otros casos favorece la extensión de Aguas Costeras Frías y Aguas de Mezcla frente a la costa peruana mediante el afloramiento costero. Por tanto, los eventos de intensificación y debilitamiento del viento costero tienen una fuerte repercusión sobre las condiciones ambientales y el ecosistema. En este trabajo, se utilizaron datos de vientos satelitales obtenidos a través del dispersometro ASCAT (Advanced Scatterometer) sobre la franja costera de 100 km (aproximadamente 62 millas náuticas) frente a Perú, en cinco zonas: Paita, Chicama, Callao, San Juan de Marcona e Ilo, entre el periodo del 21 de marzo del 2007 al 03 de marzo del 2019, para analizar la variabilidad intraestacional del viento y determinar, basado en el agrupamiento de cuartiles y promedios móviles, las intensidades mínimas y máximas del viento para la identificación de eventos de intensificación o debilitamiento respectivamente. Los resultados muestran que la variabilidad intraestacional del viento es menor en la zona norte (Paita y Chicama), que en la zona centro-sur (Callao, San Juan de Marcona e Ilo), que presenta una mayor variabilidad. Las intensidades mínimas y máximas pentadales para identificar eventos de intensificación y debilitamiento del viento muestran diversos rangos de variación a lo largo del año y ubicación a lo largo de la costa peruana. Dependiendo de la estación del año, Ilo presenta intensidades mínimas de viento que varían entre 2,1 a 3,8 ms-1 (debilitamiento) y máximas entre 4,4 a 5,2 ms-1 (intensificación); en cuanto que Paita, Callao y Chicama, presentan intensidades mínimas de vientos que varían entre 2,3 a 4,8 ms-1 (debilitamiento) y máximas de 4,2 a 7,3 ms-1 (intensificación); en cuanto que San Juan de Marcona presenta intensidades mínimas de vientos entre 3,7 a 6,6 ms-1 (debilitamiento) y máximas de 5,6 a 9,5 ms-1 (intensificación). Finalmente se determinó la cantidad de días de intensificación y debilitamiento del viento por año, encontrándose predominancia de eventos de intensificación de vientos durante los años 2007, 2010 y 2013, y predominancia de eventos de debilitamiento de vientos durante los años 2012, 2013, 2016 y 2017.