Resumen de Aplicación de la transformada de hilbert-huang en la detección de modos de variabilidad hidroclimática en Colombia

Alejandra Carmona, Germán Poveda Jaramillo

• español

  Se estudia la aplicación de la transformada de Hilbert-Huang en series de precipitación, caudal y temperatura de diferentes resoluciones temporales, para detectar los principales modos de variabilidad hidroclimática en Colombia. Se comparan los resultados con las metodologías tradicionales de análisis espectral: Transformada de Fourier y Transformada en Onditas. En las variables con resolución mensual (precipitación, caudal y temperatura) se detectan modos se oscilación asociados con períodos de 3, 6 y 12 meses, 2-3 años y 3.5-6 años. En los registros diarios, además de los períodos ya mencionados se encuentran frecuencias asociadas a períodos de 3.5-5 días y 69-78 días. En las series horarias se identifican frecuencias asociadas a períodos de 12 y 24 horas, seguidas de una frecuencia de 0.017 h-1 equivalente a 59 horas (2.5 días). Se evidencia la potencia y superioridad de la transformada de Hilbert-Huang, especialmente para señales con ciclos marcados y series con datos atípicos

• English

  The application of the Hilbert-Huang Transform in series of rainfall, river discharge and temperature, for different temporal resolutions, is studied, in order to identify the principal modes of hydroclimatic variability in Colombia. Results are compared with the traditional methodologies for spectral analysis: the Fourier Transform and the Wavelet Transform. In variables with monthly resolution (precipitation, temperature and river discharge) oscillation modes are associated with periods of 3, 6 and 12 months, 2-3 years and 3.5-6 years, while in daily records, in addition to the aforementioned periods, frequencies are associated with periods of 3.5-5 days and 69-78 days. In hourly series, frequencies are associated with periods of 12 and 24 hours, followed by a frequency of 0.017 h-1 equivalent to 59 hours (2.5 days). The power and superiority of the Hilbert-Huang transform is demonstrated, especially in signals with strong cycles and datasets containing outliers