Análisis espectral de series temporales de variables geológicas con muestreo irregular
En geociencias el muestreo más frecuente para las series temporales de variables geológicas es el muestreo irregular. Esto sucede bien porque el muestreo es aleatorio, por la ausencia parcial de datos (datos perdidos, hiatos,…), o por la transformación de la escala espacial a la escala temporal cuan...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2013 |
| País: | España |
| Institución: | Consejo Superior de Investigaciones Científicas (CSIC) |
| Repositorio: | DIGITAL.CSIC. Repositorio Institucional del CSIC |
| OAI Identifier: | oai:digital.csic.es:10261/276885 |
| Acceso en línea: | http://hdl.handle.net/10261/276885 |
| Access Level: | acceso abierto |
| Palabra clave: | frecuencia de Nyquist muestreo irregular periodograma de Lomb-Scargle test de permutación análisis espetral serie temporal |
| Sumario: | En geociencias el muestreo más frecuente para las series temporales de variables geológicas es el muestreo irregular. Esto sucede bien porque el muestreo es aleatorio, por la ausencia parcial de datos (datos perdidos, hiatos,…), o por la transformación de la escala espacial a la escala temporal cuando la tasa de sedimentación no es constante. En todos estos casos la interpolación no es una estrategia aconsejable y es más correcto utilizar un método que trate directamente con los datos irregulares. En este trabajo se muestra cómo el periodograma de Lomb-Scargle suavizado es una elección apropiada. Se examinan los efectos del tipo de muestreo, la interpolación y la presencia de una deriva. Se propone el test de permutación como el método para calcular niveles de confianza estadística. A través de la aplicación del peridograma de Lomb-Scargle a una serie sintética se concluye la robustez del método ante los efectos anteriormente mencionados. Se ilustra la aplicación a una serie real con hiatos y que representa el espesor del bandeado anual de una estalagmita. El estudio de estos ejemplos pretende ayudar al investigador a la aplicación del periodograma de Lomb-Scargle a sus propios datos. |
|---|