Análise de sequências de pólos geomagnéticos virtuais do ... · devido à falta de vínculos...
Transcript of Análise de sequências de pólos geomagnéticos virtuais do ... · devido à falta de vínculos...
Universidade de São Paulo
Instituto de Astronomia, Geofísica e Ciências Atmosféricas
Departamento de Geofísica
George Caminha Maciel Filho
Análise de sequências de pólos geomagnéticos
virtuais do Cretáceo através de um periodograma
Bayesiano
São Paulo
2010
George Caminha Maciel Filho
Análise de sequências de pólos geomagnéticos
virtuais do Cretáceo através de um
periodograma Bayesiano
Tese apresentada ao Departamento de Geofísica
do Instituto de Astronomia, Geofísica e Ciências
Atmosféricas da Universidade de São Paulo
como requisito parcial para obtenção do título
de Doutor em Ciências.
Área de Concentração: ----
Orientador(a): Prof(a). Dr(a). Marcia Ernesto
São Paulo
2010
i
Resumo
Séries temporais curtas e arbitrariamente espaçadas não são adequadas para análise
spectral usando os métodos disponíveis, embora elas possam representar o único
testemunho de eventos periódicos ou quasi-periódicos. Usando funções do ‘estado de
informação’ e baseando-se nas propriedades de ajuste do periodograma de Lomb-Scargle
(LS) para séries desigualmente espaçadas, combinamos informações de um conjunto de
séries temporais curtas e desigualmente espaçadas que registram o mesmo evento, aplicando
as operações ‘OR’ e ‘AND’ (Tarantola & Valette, 1982; Tarantola & Mosegaard, 2000). As
curvas correspondentes representam periodogramas que sintetizam a informação sobre as
correlações de todas as séries de dados com bases em funçionais senoidais quase-ortogonais,
destacando a largura de janela comum (bandwidth). A aplicação a conjuntos de dados
sintéticos demonstrou que o procedimento funciona melhor para séries temporais cujos
dados sejam levemente ruidosos.
O método foi desenvolvido para analisar as trajetórias de pólos geomagnéticos
virtuais (PGVs), assumindo que o comportamento de longo período das latitudes pode ser
descrito como função da longitude, como é sugerido pelo padrão da deriva polar para oeste e
outras feições conhecidas do fenômeno da variação secular. Quando a latitude é representada
como função da longitude, as trajetórias dos pontos podem ser tratadas como séries
temporais irregularmente amostradas, desde que as longitudes cresçam continuamente.
Um conjunto de 16 sequências de PGVs obtidas de derrames de lavas (Formação Serra
Geral; sul do Brasil) foi submetido a essa análise. A informação espectral foi descrita como um
conjunto de funções de probabilidade livremente normalizáveis (funções do estado de
informação) e que foram combinadas através dos operadores “OR” e “AND” (Tarantola &
Valette, 1982). Encontramos um conjunto de comprimentos de onda de aproximadamente
167°, 190°, 209°, 257°, 277° e 368°, de alta correlação. Estes resultados sugerem um
comportamento quase-periódico, possivelmente com instabilidades sub-harmônicas
explicáveis devido ao efeito modulador das anisotropias do interior da Terra sobre a
trajetória do pólo magnético.
A análise de fases foi feita usando três estimadores: o método clássico, baseado na
análise de Fourier, o método de Hocke (1998) usando o peridograma LS; o terceiro método
foi desenvolvido neste trabalho e está baseado nos princípio da holografia. A coerência
encontrada para as fases de alguns comprimentos de onda indica que pode haver pelo menos
uma componente periódica nas séries. Os resultados discordantes podem indicar que o
comprimento de onda considerado não seria verdadeiro, mas sim derivado de vazamento
espectral, ou representa uma componente não-estacionária que varia através do tempo.
ii
Abstract
Short and arbitrarily spaced time series are not suitable for spectral analysis using the
available methods although they may represent the only testimonies of some periodic and
quasi-periodic events.
Using functions of “state of information”, and based on the Lomb-Scargle (LS)
periodogram fitting properties, we combined information of a set of short and unevenly time
series recording the same events by applying the ‘OR’ and ‘AND’ operations (Tarantola &
Valette, 1982; Tarantola & Mosegaard, 2000). The corresponding curves represent smoothed
periodograms that synthesize the information on correlations of all data sets with sinusoidal
quasi-orthogonal function basis, highlighting the common bandwidth. The application to
synthetic data demonstrated that the procedure works better for time series when data are
slightly noisy. The method was developed for the analysis of virtual geomagnetic pole (VGP)
paths assuming that the long term behavior of the VGP latitudes may be described as a
function of longitude, as is suggested from the westward drift pattern, and the already known
features of the secular variation phenomena. When latitude is represented as a function of
longitude, the resulting point trajectories can be treated as unevenly time series provided
longitudes increase continuously.
A set of 16 VGP sequences obtained from lava flows (Serra Geral Formation; southern
Brazil) was analysed by this method. The spectral information was described as a set of
freely-normalizable distribution functions (state of information functions), and then
combined through “OR” and “AND” operators (Tarantola & Valet, 1982). We found a set of
highest correlation wavelengths of about 167°, 190°, 209°, 257°, 277° and 368°. These results
strongly indicate a quasi-periodic behavior, possibly with sub-harmonic instabilities due to
the modulating effect of inner earth anisotropies that influence the magnetic pole trajectory.
Phase analyses were performed using three methods: the classical one based on the
Fourier analysis, Hocke’s (1998) procedure using the LS periodogram; a third method was
developed in this work, and takes into account the principles of holography. Striking good
coherence for some of the wavelengths indicate that there might have at least one periodic
component. The discordant results may indicate that the considered wavelength is not
actually real but resulted from spectral leakage, or it is a non-stationary component which
varies through time.
iii
Sumário
Resumo ................................................................................................................................................ i
Abstract .............................................................................................................................................. ii
Capítulo 1 - INTRODUÇÃO ...................................................................................................................... 1
Capítulo 2 - VARIAÇÕES DE LONGO PERÍODO DO CAMPO GEOMAGNÉTICO .................................................... 4
2.2. O REGISTRO PALEOMAGNÉTICO ..................................................................................................... 5
2.3. ANÁLISE POR HARMÔNICOS ESFÉRICOS ............................................................................................ 8
2.5. VARIAÇÃO SECULAR .................................................................................................................... 11
2.6. INVERSÕES DE POLARIDADE ......................................................................................................... 12
CAPÍTULO 3 - ANÁLISE DO CONTEÚDO ESPECTRAL DE SÉRIES DESIGUALMENTE ESPAÇADAS ............................... 15
3.1. O PERIODOGRAMA ..................................................................................................................... 15
3.2. PERIODOGRAMA DE POPPER-BAYES .............................................................................................. 18
Capítulo 4 - TESTES COM SÉRIES SIMULADAS E SÉRIES NATURAIS ............................................................... 20
4.1. SÉRIES SIMULADAS .................................................................................................................... 20
4.2. SÉRIES METEOROLÓGICAS ........................................................................................................... 25
Capítulo 5 - Análise das Sequências de PGVs da Fm. Serra Geral .................................................... 28
5.1. A FORMAÇÃO SERRA GERAL ........................................................................................................ 28
5.2. INFORMAÇÃO ESPECTRAL DAS SEQUÊNCIAS DE PGVS ....................................................................... 29
5.3. APLICAÇÃO DE JANELAS ESPECTRAIS E ADIÇÃO DE RUÍDO .................................................................. 32
5.4. DETERMINAÇÃO DE FASES E SIGNIFICADO DOS ESPECTROS ................................................................ 35
5.5. ANÁLISE DAS TRAJETÓRIAS DOS PGVS............................................................................................ 38
Capítulo 6 - CONSIDERAÇÕES FINAIS ...................................................................................................... 41
REFERÊNCIAS ........................................................................................................................................ 43
1
Capítulo 1 - INTRODUÇÃO
O campo geomagnético transicional, ou seja, entre dois estados de polaridade,
ainda é pouco conhecido porque sua observação é feita de forma indireta, ou seja, através
dos registros paleomagnéticos. A evolução temporal do campo geomagnético durante a
inversão está intimamente ligada ao mecanismo de geração do campo no núcleo externo
da Terra. Portanto, a melhor compreensão desse mecanismo passa necessariamente pelo
conhecimento de como se processa a inversão. A última inversão de polaridade ocorrida
há 780.000 anos atrás (Matuyama/Brunhes) tem sido investigada em detalhe (e.g.
Hillhouse, & Cox, 1976; Clement, 1991; Laj et al., 1991; Leonhardt, & Fabian, 2007), mas
ainda assim muitas controvérsias persistem porque os registros de locais diferentes não
são coincidentes. O mesmo se dá com registros da variação secular do campo, quando a
inversão não ocorre.
Trabalhos recentes buscam identificar simetrias no comportamento de longo
período do campo, através de análises estatísticas de conjuntos de dados paleomagnéticos
(Laj et al., 1991; Valet et al., 1992; Love, 2000, entre outros) bem como através do estudo
de simulações do geodínamo. Resenhas compactas sobre a evolução desses modelos
podem ser encontradas nos trabalhos de Costin (2003), Costin & Buffet (2004) e
Leonhardt & Fabian (2007).
Vizán et al. (1994) compilou dados de inversões de polaridade mais antigas
(Parmiano a Cretáceo), concluindo que nessas idades o campo geomagnético também
seguia longitudes preferenciais na trajetória dos pólos geomagnéticos virtuais (PGVs).
Entretanto, pouco se sabe sobre campos pretéritos, em parte pela maior dificuldade em se
obter registros contínuos e confiáveis para rochas mais antigas, mas principalmente
devido à falta de vínculos radiométricos absolutos que estabelecem a cronologia dos
eventos geomagnéticos registrados. Isto impede também a correlação lateral entre
seqüências magnetoestratigráficas complementares. Para isso, seriam necessários então,
métodos capazes de analisar as propriedades das trajetórias de PGVs buscando
características recorrentes em várias sequências amostrais.
Como apontado por Herrero-Bervera & Valet (1982), um dos problemas ao se
analisar séries vulcânicas paralelas é que o padrão de trajetória de PGVs não é
frequentemente reproduzido devido às características da erupção vulcânica. Por essa
razão, para comparação de registros paleomagnéticos de séries vulcânicas, necessitamos
de métodos que possam revelar características de longos comprimentos de onda.
2
A Formação Serra Geral, formada pelo empilhamento de derrames de lava
sucessivos, com até 1.000m de espessura amostráveis para estudos paleomagnéticos
(Ernesto et al., 1990) e com, em geral, mais de 20 derrames de lava identificados em cada
local de amostragem, é adequada para o tipo de estudo que se pretende apresentar aqui.
No total existem 16 seções disponíveis em diferentes regiões da província magmática do
Paraná, mas que foram formadas em não mais que 2 Ma, de acordo com as datações
radiométricas de precisão (Thiede & Vasconcelos, 2010). Esse aspecto é importante para
que se garanta alguma uniformidade de condições do próprio campo geomagnético.
Alguns outros autores também disponibilizaram dados paleomagnéticos de seções da Fm.
Serra Geral (Ala-Valdivia et al., 2003; Mena et al., 2006) mas que não foram utilizados aqui
porque nem todos têm o necessário controle estratigráfico ou porque representam
reamostragens de seções anteriormente estudadas. Nesse caso, preferiu-se optar pelas
seções antigas, em nome da uniformidade do trabalho paleomagnético.
(Pacca e Ernesto, 1982) demonstraram existir ciclicidade nos dados da delinação e
inclinação magnéticas de algumas dessas sequências, ajustando as séries correspondentes
a ondas senoidais. Essa variação foi associada à chamada variação secular, cujo período é
da ordem de alguns milhares de anos. Essa evidência de que essas séries de dados
apresentam comportamente recorrentes, levou Caminha-Maciel (2003) a investigar a
coerência serial em sequências de PGVs da Formação Serra Geral (magmatismo Cretáceo
da Bacia do Paraná) comparando características espectrais através de periodogramas.
Fig. 1.1 - Distribuição das fases de transição aparentes nas trajetórias dos PGVs da Formação Serra Geral, Bacia do Paraná (Caminha-Maciel, 2003).
3
No decorrer desta tese inicialmente tentamos ajustar, por meio de séries de
Fourier, as trajetórias dos PGVs. O problema principal foi determinar um conjunto de
freqüências fk, sobre o qual aplicar a análise de Fourier, uma vez que as séries possuem
abscissas aleatoriamente espaçadas, não permitindo que se defina uma taxa de
amostragem (ainda que média). Apesar de todas as limitações de uma estimativa inicial,
conseguimos encontrar periodicidades e “colher” os zeros dos diferentes ajustes e
observar o comportamento da “anisotropia meridional” dos mesmos. Desse trabalho
concluímos que existe alguma anisotropia persistente nos zeros das séries de Fourier
ajustadas para cada série, comportamento este, que também aparece no somatório de
todas as ocorrências (Fig. 1.1).
O objetivo desta tese é apresentar uma metodologia apropriada para detectar
componentes espectrais de múltiplas séries de PGVs contemporâneas, admitindo-se que
elas possam representar um caso particular de fenômeno oscilatório que representa o
movimento do pólo geomagnético em torno do pólo geográfico (variação secular) e de um
pólo a outro (inversão geomagnética). Apresentaremos um novo método especialmente
desenhado com esse propósito e que tem por objetivo combinar toda a informação comum
ao conjunto de séries temporais. Este método está baseado no periodograma de Lomb
(1976)-Scargle (1982) – LS e faz uso das funções de “estado de informação”.
4
Capítulo 2 - VARIAÇÕES DE LONGO PERÍODO DO CAMPO GEOMAGNÉTICO
2.1. O Campo Geomagnético
O campo magnético da Terra é um vetor, isto é, uma grandeza física definida por
uma magnitude e uma direção. A unidade da magnitude, ou intensidade do campo, no SI, é
o Tesla (T). Sendo que, para medidas geofísicas usa-se o nanotesla (1nT=10-9T),
compatível com a ordem das variações observadas nas medidas usuais do campo em
superfície (campo principal ~6.10-5T). Usa-se também o Gauss (1G = 10-4T) e o gama (1γ =
10-9T = 1nT).
O vetor campo magnético terrestre é naturalmente definido como três
componentes cartesianas paralelas a um conjunto de eixos ortogonais. Usualmente
definimos os elementos geomagnéticos como as projeções do campo nas direções para o
Norte geográfico, para Leste e, verticalmente, para baixo, (XNS, YEW, Zp/Baixo). Observe-se que
neste caso as duas primeiras direções possuem vetores diretores contidos no plano
tangente à esfera, no ponto de observação considerado (meridiano e paralelo geográfico).
Também podemos defini-lo em coordenadas esféricas, a intensidade representando a
componente radial, e dois ângulos: a declinação magnética, ângulo entre o vetor campo
magnético e o meridiano geográfico, e a inclinação magnética, ângulo entre o vetor campo
magnético e a normal ao plano tangente (para dentro da esfera) no ponto considerado (F,
D, I).
As duas representações relacionam-se através das fórmulas:
DIFX coscos= ( ) 21
222 ZYXF ++=
DIFY sincos= )(X
YarctgD =
IFZ sin= )(22 YX
ZarctgI+
=
Análises em harmônicos esféricos do campo atual, a partir de dados dos
observatórios magnéticos e satélites, mostram um dipolo e componentes não-dipolares
variando lentamente com o tempo. O dipolo apresenta uma deriva para Oeste à taxa de
0,044-0,14°/ano, o que corresponde a um circuito completo a cada 2500-8000 anos. O
campo não-dipolar apresenta uma deriva para Oeste à taxa de 0,022-0,66°/ano, o que
corresponde a um circuito completo a cada 550-1650 anos. Lembremos que estes
resultados baseiam-se em dados dos últimos 400 anos, não cobrindo o tempo relativo a
um circuito completo e, portanto, não possuindo conteúdo de informação necessária para
5
confirmar a ciclicidade e estimar um período completo. Registros anteriores, do campo
geomagnético podem ser obtidos através dos métodos do Arqueomagnetismo e do
Paleomagnetismo.
Arqueomagnetismo é o estudo do campo geomagnético registrado em artefatos
históricos datáveis. Note-se que, em alguns casos, as idades de artefatos históricos, como
potes, vasos, fornos e tijolos, podem ser obtidas com grande precisão e confiabilidade.
Esses artefatos, em geral, foram “cozidos”, adquirindo uma magnetização (magnetização
termorremanente - TRM) ao resfriar. Uma técnica desenvolvida por Thellier em 1937
permite estimar a intensidade do antigo campo ambiente (paleointensidade) a partir da
TRM adquirida pelo artefato (ou fragmento de rocha), assumindo ser esta inteiramente
devida a um dipolo. Obviamente esta hipótese não é inteiramente justificável,
especialmente no caso do arqueomagnetismo, quando sabemos que o tempo de
resfriamento do artefato é bastante curto, não permitindo eliminar no tempo, as
componentes não-dipolares do campo local. Observações dos últimos 150 anos permitem
inferir uma ciclicidade de aproximadamente 2000 anos para uma volta completa, e uma
taxa média de deriva para oeste de 0,18°/ano para as componentes não-dipolares (Merrill
et al., 1998).
2.2. O REGISTRO PALEOMAGNÉTICO
Paleomagnetismo é o estudo do campo geomagnético registrado nas rochas. A
hipótese fundamental do método paleomagnético é a de que o campo geomagnético, na
média para intervalos de tempo longos, corresponde a um dipolo geocêntrico axial. Deve-
se esclarecer que a média, neste caso, refere-se à posição média dos “dipolos virtuais”
inferidos a partir das direções de magnetização medidas. A hipótese do dipolo geocêntrico
axial (GAD para o termo em inglês) apóia-se em análise de variações de longo período em
dados de observatórios e observações paleomagnéticas em lavas jovens e sedimentos.
Neste ponto devemos lembrar algumas definições importantes. Pólos magnéticos são os
pontos, na superfície terrestre, onde as linhas do campo magnético medido apresentam-se
perpendiculares à superfície; Pólos Geomagnéticos são os pontos, na superfície terrestre,
onde o melhor ajuste do dipolo geocentrico aos dados do campo atual cruza a superfície;
Pólos Geomagnéticos Virtuais (PGVs) são os pólos geomagnéticos inferidos a partir de uma
medida pontual no espaço e no tempo. Para se obter um PGV deve-se supor que a
magnetização medida na rocha foi devida a um campo puramente dipolar.
Variação secular é o conjunto das oscilações observadas no campo geomagnético,
com periodicidades superiores a algumas dezenas de anos. A deriva para oeste do campo
6
dipolar implica em mudanças sistemáticas nas componentes equatoriais do dipolo. Se as
mudanças são aproximadamente cíclicas, a média da intensidade das componentes
equatoriais do dipolo será zero, dentro de algumas dezenas de milhares de anos. Da
mesma forma, admitindo que a variação secular da componente não-dipolar do campo é
aproximadamente periódica, a média vista a partir de um dado ponto fixo na superfície
será nula, para um intervalo de alguns milhares de anos. De modo que, através destes
argumentos heurísticos, mostra-se que a única componente do campo geomagnético que
não é levada a zero na média de algumas dezenas de centenas de anos (>104anos), é um
dipolo axial, demonstrando-se assim, a razoabilidade da hipótese do GAD.
O pólo paleomagnético é a posição média dos PGVs para um longo período (>104
anos), eliminando-se assim, os efeitos da variação secular e obtendo-se uma estimativa do
dipolo geocêntrico axial, ao qual se refere a hipótese do GAD. A diferença entre as direções
do pólo paleomagnetico obtido e o GAD é geralmente atribuída a movimentos tectônicos,
sendo esta a base do método paleomagnético de reconstrução dos movimentos
continentais.
A imposição de que a posição do pólo paleomagnetico derivado de uma coleção de
amostras de rocha deve representar o dipolo geocêntrico axial é um fator importante na
metodologia do paleomagnetismo. O processo de aquisição de dados se inicia com a
amostragem das formações geológicas dentro de um esquema hierárquico, projetado para
minimizar (ou eliminar) erros não-sistemáticos e eliminar, na média, os efeitos da
variação secular do campo paleomagnético. Em cada nível hierárquico, obtêm-se médias e
aplicam-se análises estatísticas aos vetores de magnetização medidos. Na prática, por
muitas razões, dispõe-se normalmente apenas de algumas amostras por sítio (unidade
temporal geológica de amostragem) e de um número de sítios muito variável para a
estimativa de um pólo paleomagnético. Notemos desde já que estamos tratando de uma
ciência de “pequenas amostras”, em que resultados assintóticos válidos para ∞→n
devem ser aplicados com cautela.
Outra hipótese do paleomagnetismo é a de que a magnetização remanente de uma
rocha adquirida no momento de sua formação ou em algum momento bem definido de sua
história se manteve inalterada. Usualmente, essa magnetização possui várias
componentes, adquiridas em diferentes instantes do tempo, incluindo durante a
amostragem e preparação em laboratório. Aplicam-se técnicas paleomagnéticas de
laboratório para eliminar as componentes indesejáveis e isolar a componente de
magnetização primária, um processo conhecido como “lavagem magnética”. Na lavagem
magnética aplicam-se campos alternados sucessivamente mais intensos, medindo-se a
magnetização remanente a cada passo. Com isto, desmagnetizam-se os grãos magnéticos
7
com coercividades em escala crescente, até a completa desmagnetização. Um método
alternativo de lavagem magnética é a desmagnetização térmica, onde a amostra é aquecida
a uma temperatura T, de modo que as componentes magnéticas que possuírem
temperaturas de bloqueio inferiores a T tornam-se aleatórias. Se as amostras forem
resfriadas em ambiente magneticamente blindado esta parte da NRM permanecerá
desmagnetizada. A cada passo a NRM resultante é medida, e se prossegue no ciclo de
aquecimento-resfriamento-medida da NRM resultante, subindo gradualmente o valor de
T, atingindo componentes com temperaturas de bloqueio progressivamente maiores. Os
dois métodos têm como objetivo determinar a componente primária de magnetização de
uma amostra de rocha, o registro de que dispomos do campo geomagnético antigo.
Para fins de análise estatística, cada direção paleomagnética em uma coleção de
amostras é considerada individualmente como um vetor unitário. Os pontos finais dos
vetores estão sob a superfície de uma esfera de raio unitário. Os métodos estatísticos
utilizados para descrever os vetores supracitados, inclusive o cálculo de médias amostrais
e parâmetros descritivos da dispersão amostral foram desenvolvidos em 1953 por Sir
Ronald Fisher. Fisher (1953) propôs que a densidade de probabilidade P(θ,κ) do ângulo θ
entre uma direção amostral individual e a direção média da distribuição poderia ser dada
por:
θκ
κπ
κκθ cos
sinh4),( eP
=
,
onde o parâmetro κ é chamado “parâmetro de precisão”, ou “parâmetro de concentração”,
que descreve a dispersão das direções em torno da média, sendo inversamente
proporcional à variância da distribuição. κ é bem determinado apenas nos casos em que o
número de amostras é infinitamente grande (eis um resultado assintótico). A estimativa
do parâmetro κ para pequenas amostras ainda não é um problema fechado do ponto de
vista estatístico. O próprio Fisher mostrou que a melhor estimativa para o parâmetro κ
(válida quando κ > 3) é dada por
R-N
1-N=κ
,
onde R é o módulo do vetor soma dos N vetores unitários. Um conjunto de direções muito
espalhadas possui um valor de κ pequeno, enquanto valores grandes de κ implicam em
direções mais concentradas.
Em algumas situações pretende-se representar o espalhamento como uma
propriedade da distribuição das direções, sendo este descrito pelo desvio angular,
proporcional a κ
1 . No entanto, é normalmente mais importante descrever quão bem uma
8
direção média está definida, tendo em mente que desconhecemos a direção média
verdadeira (da distribuição), dispondo apenas de uma estimativa da média, baseada nos
dados (amostras) disponíveis. A verdadeira direção media deve, certamente, diferir em
alguns graus da nossa estimativa. Contudo, se sabemos que com 95% de certeza a média
verdadeira estará dentro de um cone de direções com um semi-ângulo de 7° em torno da
nossa estimativa da média, por exemplo; o cone definirá os limites de confiança da direção
média, a um nível de 95% de probabilidade. O semi-ângulo do cone de confiança é
conhecido como 95
α e é dado aproximadamente por
κα N14095 =
Poderíamos utilizar qualquer nível de confiança para descrever quão bem a média
está definida. Em paleomagnetismo utiliza-se, normalmente, o nível de 95% de
probabilidade como nível de confiança. Isto significa, tão somente, que há 95% de chance
de que a média verdadeira da distribuição esteja dentro deste cone, ao redor da direção
média estimada.
2.3. ANÁLISE POR HARMÔNICOS ESFÉRICOS
Como mostrado por Gauss em 1839, o campo geomagnético principal (potencial
magnético) pode ser representado por uma série de harmônicos esféricos, sendo o
primeiro o termo de um dipolo. Seguindo o formalismo inicialmente desenvolvido por
Gauss, omitindo os termos relativos ao campo externo, e utilizando os polinômios de
Schimdt (associados aos polinômios generalizados de Legendre) apresentamos a forma
comumente utilizada para descrever o campo interno da Terra.
[ ] )()()cos(0
1
1
θφφ m
n
n
m
m
n
m
n
n
n
Pmsenhmgr
aaV ∑∑
=
+∞
=
+
=
Os coeficientes desta expansão são conhecidos como coeficientes de Gauss de grau
n e ordem m. Esta é uma expansão em multipolos do campo interno da Terra. Ela permite
que um campo com uma geometria complexa seja dividido em contribuições de campos
com geometrias mais simples que se superpõem. Por exemplo, para n = 1 temos três
termos na série (l = 0, 1, -1). O primeiro correspondendo a um dipolo alinhado com o eixo
z azimutal, os outros dois correspondendo a dipolos alinhados aos eixos x e y (plano
equatorial). Os termos com n = 2 descrevem um campo quadrupolar, os termos com n = 3
um campo octupolar, de modo que os termos com n = N descrevem um campo que seria
originado por 2N “polos magnéticos”. Assim, pela superposição de muitos termos, campos
geometricamente complexos podem ser representados.
9
Observe que os m
nP são funções apenas da colatitude, θ. Eles são oscilações quase-
senoidais exibindo n-m+1 ondas (ou apenas n, se m = 0), à medida que θ varia de 0 a 360°
dentro de um grande círculo de longitude. À medida que m aumenta obtemos um ajuste
cada vez mais “rugoso”, isto é , com maior conteúdo de “altas freqüências”.
Com as seguintes fórmulas de recorrência, o conjunto inteiro das funções é
calculado a partir dos primeiros termos da série:
22 mnRm
n −=
1=o
oP
)cos(0
1θ=P , )(
1
1θsenP =
1
1)(2
12 −
−
− m
m
m
n Psenm
mP θ para mnm => ,1
( )[ ] m
n
m
n
m
n
m
n
m
n RPRPnP /)cos(12 211 −−− −−= θ para mn >
)(/))cos(( 1 θθθ
senPRPnd
dP m
n
m
n
m
n
m
n
−−= (exceto para θ = 0 ou 180)
Em análise de harmônicos esféricos, para funções que ajustam dados reais, os
coeficientes g e h são as amplitudes das oscilações harmônicas (senoidais), cos(mφ) e
sen(mφ), como séries de Fourier ao longo de um círculo de latitude. Os polinômios de
Legendre m
nP são oscilações harmônicas ao longo de um grande círculo de longitude.
Os harmônicos esféricos usados para produzir as funções potenciais e fitar os
dados de campos medidos em superfície são adicionados da mesma maneira que as
funções senos e cossenos da série de Fourier. A natureza destes polinômios requer que n
seja maior ou igual a m. São m ondas seno e cosseno ajustadas ao redor de cada círculo de
latitude, os chamados “harmônicos setoriais”. Ao redor de cada círculo de longitude,
existem os chamados “harmônicos zonais” ou “ondas polinomiais de Legendre”: serão n se
m = 0 e n-m+1 se m > 0 (porque se m = 0 um semiciclo estará sobre cada hemisfério).
Notemos que a simetria (ou assimetria), em relação ao equador, será determinada pela
paridade (ou não-paridade) dos valores de (n-m). A resolução (menor comprimento de
onda do ajuste) ao longo do de uma linha de latitude é encontrado dividindo-se 360° pelo
maior valor de m, e ao longo de uma linha de longitude é encontrado dividindo 360° pelo
maior valor de n. Se usarmos grau e ordem iguais a 12 as resoluções ficam em torno de
30°.
10
O pólo (eixo de simetria azimutal) da análise deve ser escolhido de modo a
representar um aspecto dominante (simetria azimutal) pelo qual o conjunto de dados é,
naturalmente, organizado. Neste caso, a expansão se dará por meio de uma série de
funções que convergirá rapidamente – os termos de graus superiores têm suas amplitudes
reduzidas rapidamente, à medida que n aumenta. Se o pólo da análise não foi escolhido
convenientemente, serão necessários muitos termos de alto grau e ordem para
representar o campo. Logicamente, no caso de um campo extremamente complexo, no
qual é necessário grande número de termos na expansão, a escolha do pólo da análise é
irrelevante.
2.4. O MODELO ‘GIANT GAUSSIAN PROCESS’
Trata-se de um modelo estatístico para a variação secular (Constable & Parker,
1998), baseado em dados dos últimos 5 Ma e do campo atual. O modelo assume que o
campo geomagnético variando no tempo atua como um “Giant Gaussian Process” (GGP) e
fornece uma função de densidade de probabilidade (FDP) geral, a partir da qual a
distribuição estatística de qualquer conjunto de medidas paleomagnéticas pode ser
deduzida. Baseia-se na observação histórica de que o espectro espacial do campo não-
dipolar pode ser explicado pela existência de uma fonte gerando ruído branco gaussiano
no contorno manto-núcleo. Assim, após um escalonamento conveniente, os coeficientes de
Gauss do campo não-dipolar são postulados como amostras estatísticas de um processo
gaussiano multivariado. Este é o modelo para o campo não-dipolar.
Assumindo que esta caracterização valeria para o campo no passado (campo
paleomagnético), adicionou-se uma descrição estatística arbitrária para o campo dipolar e
este é o modelo do GGP. Posteriormente, tentou-se ajustar não só o dipolo como também
termos de graus mais elevados, com o objetivo de melhorar o ajuste geral do modelo aos
dados paleomagnéticos disponíveis. O modelo permite calcular as FDPs e funções de
distribuição acumulada (FD) para a declinação e inclinação que seriam observadas em
qualquer ponto da superfície. A principal vantagem do modelo está na simplicidade e na
capacidade de descrever muitas das características observadas no campo, apesar do
pequeno número de parâmetros envolvidos. Resumindo:
1 – Com exceção dos termos do dipolo axial e do quadrupolo axial, os demais
coeficientes de Gauss são postulados como variáveis aleatórias distribuídas normalmente
com média zero e desvio padrão compatível com a fonte de ruído branco na superfície do
núcleo.
11
2 – A parte dipolar do campo não tem a mesma distribuição estatística que a parte
não-dipolar. O dipolo axial predomina e as partes não axiais do dipolo, bem como a
magnitude da parte axial, têm variância inferior àquelas aplicadas à parte não-dipolar do
campo.
3 – A hipótese baseada no campo atual de que todos os coeficientes de Gauss do
campo não-dipolar possuem média zero é inconsistente com os dados paleomagnéticos. A
variação estatística dos coeficientes de Gauss não é suficiente para explicar a anomalia de
inclinação observada nos dados paleomagnéticos, em relação ao que se esperaria no caso
de um dipolo puro. Contudo, adicionando um termo de quadrupolo cuja magnitude média
seja 6% da magnitude do dipolo, obtemos um ajuste melhor aos dados paleomagnéticos.
2.5. VARIAÇÃO SECULAR
Através da variação paleossecular (VPS) é possível impor importantes condições
de contorno aos modelos de geodínamo. Padrões diferentes de VPS em função da latitude
(Tauxe et al., 2008) podem surgir em função de condições térmicas distintas na interface
manto-núcleo (Glatzmaier et al. 1999; Coe & Glatzmaier 2006). As observações da VPS são
feitas mais comumente analisando a distribuição em função da latitude, das direções de
magnetização ou dos correspondentes PGVs observados em uma formação geológica (e.g.
McFadden et al. 1988; McElhinny & McFadden 1997). O desvio angular padrão das
direções paleomagnéticas ou PGVs é o parâmetro usualmente calculado e que fornece uma
medida da ‘dispersão’ causada pela variação secular. O espectro de potência do campo
geomagnético para diferentes intervalos de tempo também tem sido investigado (Kruiver
et al. 2002; Constable & Johnson 2005).
Sequências de dados paleomagnéticos obtidos de testemunhos do fundo de lagos
ou oceânicos mostras períodos de variação de 8000 e 3500 anos para a declinação e
inclinação (Hagee & Olson, 1989; Peng & King, 1992). Outros períodos menores foram
relatados por diversos autores (Hagee and Olson, 1989; Creer and Tucholka, 1982, 1983;
Kane, 1989; Gogorza et al., 1999). De acordo com Gogorza et al. (1999), os períodos mais
longos podem estar relacionados com as variações do dipolo e os mais curtos se devem às
componentes não-dipolares, explicando assim porque estes diferem entre regiões
distintas. Além do mais, essas periodicidades foram estabelecidas para épocas recentes e
não necessariamente podem ser extrapoladas para outras idades mais antigas.
Um debate bastante atual refere-se ao comportamento do campo geomagnético
durante os longos períodos em que o campo permanece numa única polaridade
(superchrons). Há evidências de que a dispersão do campo diminui nessas épocas (e.g.
12
Biggin et al., 2008a, b; Haldan et al., 2009), isto é, a taxa de variação secular é menor. O
fenômeno foi detectado para baixas latitudes, isto porque foi sugerido que a contribuição
dos harmônicos esféricos pares (ou simétricos) do campo seria significativamente menor
durante um superchron (McFadden & McElhinny, 1988; McFadden et al., 1991).
2.6. INVERSÕES DE POLARIDADE
Um dos aspectos mais surpreendente no comportamento do campo geomagnético
são as inversões de polaridade observadas através do registro paleomagnético. Os dados
obtidos com rochas ígneas permitiram a datação absoluta dos eventos de polaridade e
assim, a construção de escalas de reversões, a primeira das quais organizada por Cox et al.
(1963). Desta forma foi possível verificar que o campo geomagnético permanece numa
mesma polaridade durante intervalos de tempo variáveis, de cerca de cem mil anos ou
menos, até vários milhões de anos. Intervalos em que o campo permanece
preferencialmente numa mesma polaridade são chamados de Chrons e as inversões dentre
desses intervalos formam os Subchrons. O termo Superchron refere-se a intervalos de
polaridade de longa duração como o Superchron Reverso do Permo-Carbonífero (SRPC;
~320-265 Ma; Opdyke et al., 2000) e o Superchron Normal do Cretáceo (SNC; ~120-84Ma;
Gradstein et al., 2004).
Durante uma inversão de polaridade a direção do campo geomagnético varia
gradualmente de 1800 e estudos detalhados de magnetoestratigrafia permitem observar a
migração do pólo, de um hemisfério para outro, através da trajetória dos PGVs. Nas
últimas décadas, vários trabalhos e compilações (Laj et al., 1991; Clement, 1991; Hoffman,
1992; Barton and McFadden, 1995; Quidelleur et al., 1995; Coe & Glen, 2004) revelaram
que essas trajetórias podem não ser aleatórias mas restringem-se a duas faixas de
longitudes – uma sobre as Américas e outra sobre a Ásia (Fig. 2.1). A existência dessas
longitudes preferenciais foi questionada por vários autores, alegando que se trata de um
problema do registro sedimentar (Langereis et al., 1992; Prévot & Camps, 1993).
Entretanto, transições observadas em rochas ígneas (Love, 1998; Gubbins and Love, 1998;
Love, 2000; Valet & Herrero-Bervera, 2003) também mostraram a mesma morfologia,
reascendendo a questão.
A maioria das observações de trajetórias confinadas de PGVs durante reversões
refere-se aos últimos 5 Ma, entretanto registros mais antigos (Permiano Superior ao
Cretáceo Inferior; Vizán et al., 1994) também podem mostrar a mesma morfologia. Desta
forma, a persistência dessa característica durante muitos milhões de anos, sugere que o
fenômeno é controlado por processos profundos no interior da Terra.
13
Fig. 2.1. Predominância de trajetórias de PGVs sobre as Américas e, com menor freqüência, sobre o leste da Ásia, de acordo com Laj et al., (1991).
Laj et al. (1991) notou a correlação entre os caminhos dos PGVs e as anomalias das
ondas P no manto inferior, supostamente representando raízes frias de subducção. Para o
campo atual, Constable (1992) observou que um dos caminhos preferenciais pode ser
explicado fazendo o dipolo axial decrescer e que uma inversão de sinal nos termos não-
dipolares axiais produziria a outra trajetória. Gubbins & Coe (1993) também atribuíram o
confinamento de longitudes a padrões de fluxo de campo não-dipolar, com a mesma
probabilidade para os dois caminhos, ao contrário do que se infere na compilação de Laj et
al. (1991) onde a maior incidência de trajetórias está sobre as Américas. Esses modelos
parecem se aplicar ao campo paleomagnético dos últimos milhões de anos (Gubbins &
Kelly, 1993; Johnson & Constable, 1998). Gubbins & Love (1998) mostraram que os dados
sobre a última inversão ocorrida (Matuyama-Brunhes) é muito consistente com o padrão
de concentração de fluxo na interface manto-núcleo e com a migração de fluxo em direção
ao pólo (Fig. 2.2).
Kuznetsov (1999) propôs um modelo baseado nas considerações de Hope (1959)
segundo o qual as anomalias magnéticas globais influenciam o movimento do pólo
magnético norte. Para simular o campo magnético no Ártico, verificou que são necessárias
três fontes de campo que coincidem com anomalias magnéticas e que estas se situam nas
trajetórias preferenciais dos PGVs durante inversões. Mais recentemente, Costin & Buffet
(2004) investigaram a possibilidade de correntes numa camada condutora na base do
manto, perturbarem o campo transicional, alterando sua trajetória. Concluíram que o
caminho a ser seguido depende da posição geográfica do sítio de observação, mas que
existe uma preferência pelo caminho das Américas.
14
Fig. 2.2. Feições do campo radial na interface manto-núcelo (topo); modelo de movimento do fluido na interface manto-núcleo (meio) e distribuição de velocidades das ondas P no manto (Clement, 1991).
Na literatura atual, a discussão se faz em termos da assimetria hemisférica da
distribuição de PGVs (máximos em 70ºW e 100°E; Clement, 1991), considerando-se
também uma terceira faixa de longitudes e que estariam separadas de aproximadamente
120° (Valet and Herrero-Bervera, 2003). Leonhardt & Fabian (2007) construíram um
modelo do campo transitional baseado em dados paleomagnéticos para a inversão
Matuyama/Brunhes, aplicando uma inversão Bayesiana. O modelo indicou a formação de
um padrão de fluxo equatorial antes da inversão que se move em direção ao pólo à medida
que o campo inverte. Indicou também a preponderância de componentes não-dipolares
durante a transição o que leva a diferenças de intensidade, declinação e inclinação
magnéticas durante o processo, ou seja, o comportamento do campo transicional é
fortemente dependente do sítio de observação.
15
CAPÍTULO 3 - ANÁLISE DO CONTEÚDO ESPECTRAL DE SÉRIES DESIGUALMENTE
ESPAÇADAS
3.1. O PERIODOGRAMA
Métodos para investigação de oscilações coerentes em séries temporais existem
em grande abundância na literatura. No entanto, a grande maioria das ferramentas
conhecidas pode ser aplicada apenas a dados regularmente espaçados e estatisticamente
homogêneos. Esta limitação se deve principalmente ao tratamento estatístico de
‘ensemble’, ou seja, as incertezas nos parâmetros do modelo são definidas através de
transformações entre conjuntos homogêneos de variáveis aleatórias.
Schuster (1898) introdziu o periodograma buscando periodicidades em dados
meteorológicos, e cujo desenvolvimento foi baseado na Trasformada de Fourier. Fisher
(1929) derivou a distribuição de probabilidade do periodograma na forma original,
mostrando que tal distribuição não requer um conjunto de dados assintoticamente grande
(i.e., N→ ∞), o que claramente se constitui numa vantagem no caso de séries limitadas de
dados. Posteriormente, Lomb (1976) demonstrou que o método era equivalente a um
ajuste de mínimos quadrados de ondas senoidais e Press (1992) apresentou a receita
numérica, entretanto, em seu trabalho não deixou claro quantas e quais freqüências
poderiam ser obtidas para uma determinada sequência.
Esta ambigüidade foi resolvida por Scargle (1982): a primeira freqüência a ser
analisada é a freqüência de uma onda cujo período é a metade do comprimento total da
série. As demais frequências serão múltiplos desse comprimento de onda, até um número
de freqüências iguais ao maior número inteiro imediatamente menor do que N0/2.
O periodograma clássico pode ser expresso pela norma quadrática da
Transformada Discreta de Fourier. Usando a notação de Scargle (1982), pode-se escrever:
����� = �� |������| = �
� �∑ ����������������� � =
= �� ��∑ ������ !��������� " + �∑ �����!$%��������� " & (1)
Ele é usualmente calculado para qualquer valor de frequência (ω) e definido para
qualquer conjunto de dados �����, onde ' = 1, 2, … ,-. Valores elevados de P serão
produzidos se uma componente senoidal com freqüência ω estiver presente nos dados.
Para outros valores de ω os termos da somatória fornecerão pequenos valores.
16
Como discutido por Scargle (1982), o fato acima mencionado aliado à simplicidade
do comportamento estatístico, recomenda o uso do periodograma para detectar
periodicidades em séries temporais. Por outro lado, o autor aponta também alguns
problemas do método. O ponto principal é o fato da função P(ω) ser altamente ruidosa,
ainda quando os dados de X (t) são apenas levemente ruidosos, e o vazamento espectral,
os quais estão relacionados, segundo ele, ao “uso do periodograma não suavizado, e não ao
uso do periodograma propriamente dito” (tradução livre). Propôs então uma nova
definição do periodograma para dados desigualmente espaçados:
����� = � ./∑ ��012�����3�� 45
∑ 0125�����3�� + /∑ ��2�6�����3�� 45∑ 2�65�����3�� 7 (2)
onde τ é definido como:
τ=(2ω)-1∙atan �∑ 2�6 ����∑ 012 ���� & (3)
De acordo com Scargle (1982), a modificação introduzida na forma original do
periodograma, permite manter o comportamento estatístico simples do caso de
amostragens em intervalos constantes, com o aspecto positivo de ser equivalente ao ajuste
de ondas senóides por mínimos quadrados à série amostral, mantendo a invariância de
translação no tempo.
Atualmente o método de Lomb-Scargle (ou ‘least-squares’ = LS) method (Lomb,
1976; Scargle, 1982) é amplamente aceito, com aplicações em diversas áreas, embora
tenha sido desenvolvido inicialmente para aplicação em dados astronômicos,
considerando-se os problemas intrínsecos de amostragem nesse tipo de dados. Hernandez
(1999) examinou em profundidade o método LS e sua estatística, concluindo que para
amostragens descontínuas não é tão simples definir a frequência de amostragem
característica, a largura da janela espectral (‘bandwidth’) devido à ambigüidade em se
determinar o comprimento total efetivo da série, bem como o número de frequências
independentes que podem ser obtidas. Tagliaferri et al. (2001) criticou o método LS
argumentando que o periodograma é muito ruidoso, trabalhando bem somente para altos
valores da razão sinal/ruído.
Entretanto, no nosso entendimento a formulação apresentada por esses autores,
quando aplicada à série cuja amostragem é extremamente irregular (não há taxa de
amostragem característica), está incorreta. Uma vez que os valores médios de número de
pontos e de taxa de amostragem não são representativos, sendo, portanto, incorreto
17
assumi-los como efetivos. A nosso ver esses resultados funcionam bem para pequenas
distorções em torno de uma amostragem regular, ou seja, séries temporais com lacunas
(gaps), séries com pontos faltando, ou com defeitos em pontos isolados. Tentou-se obter
do periodograma uma resposta ótima para uma série desigualmente espaçada como uma
soma de um sinal senoidal mais ruído, através da busca do resíduo mínimo no ajuste de
mínimos quadrados.
O que acreditamos é que essas séries só devem ser usadas para dar informação
relativa ao melhor ajuste entre duas diferentes freqüências. Por esta razão, usaremos o
periodograma apenas para falsear a informação espectral obtida a priori do sistema
considerado.
Scargle (1982), alertando para o fato de que o periodograma de dados ruidosos
deve ser também ruidoso, considera que a probabilidade de uma feição espectral espúria
surgir de flutuações casuais pode ser examinada à luz da distribuição de probabilidade da
variável randômica PX , no caso em que X seja simplesmente um ruído branco.
Uma forma de buscar o número de freqüências independentes é procurar o
número de ‘graus de liberdade’ das séries, o que, com boa aproximação, pode ser feito,
tomando-se o primeiro zero da função de auto-correlação. Isto deve dar uma estimativa do
intervalo de Nyquist ‘efetivo’ para dados desigualmente espaçados (Priestley, 1981).
Entretanto, para sequências com número de pontos muito pequeno, o periodograma será
tão pobre que a estimativa da auto-correlação por meio da transformada do espectro de
potência (teorema de Wiener-Khintchine; Kanasewich, 1975) não permitirá a identificação
do primeiro zero.
É importante mencionar que as receitas numéricas dadas por Hernandez (1999),
Scargle (1982) e Press et al. (1992) diferem significativamente quanto às normalizações
da potência espectral. Isto reflete o fato de que há mais de um possível estimador para a
variância da população. Para se obter a melhor determinação da importância de uma
freqüência em particular num espectro, não é suficiente obter estimativas da variância
para os coeficientes determinados. Então é necessária cautela na interpretação dos valores
absolutos da potência espectral. Como apontado por Hernandez (1999), “se um método de
ajuste é usado em função de dados com amostragem irregular, variância desigual, etc.,
então as propriedades de ortogonalidade que asseguram a independência dos coeficientes
resultantes, não são mais aplicáveis” (tradução livre). O mesmo autor fornece uma
estatística aproximada para testar as ordenadas do periodograma partindo da estatística-γ
usada por Schuster (1898). Ele concluiu que picos acima de certos níveis críticos são
confiáveis; esses níveis são dados pela equação
18
80 = −2:% �1 − �-� 6; ",
onde % = , 2⁄ é o número de freqüências independentes e P0 é definido como o nível de
confiança (1-p). Também propôs uma estimativa não viciada da variância dada por
∑ => = ∑ ?� ������>�� ⁄>�� ,
onde a potência é igual nos domínios do tempo e da freqüência. Note que a expressão
acima é, nada mais nada menos, que a identidade de Parseval das séries de Fourier.
3.2. PERIODOGRAMA DE POPPER-BAYES
Como exposto acima, o periodograma fornece um ponto de partida conveniente
para a análise espectral de séries desigualmente espaçadas, sendo o maior desafio suavizá-
lo. Escolhemos um algoritmo semi-empírico baseado em periodogramas de Lomb-Scargle
(Lomb, 1976; Scargle, 1982), onde o critério de suavização, expresso pela densidade
(intervalo) de amostragem no domínio da frequência, depende de uma escolha do usuário
dentro de limites pré-estabelecidos. Assim, a largura de banda pesquisada e o intervalo de
discretização são os parâmetros mais importantes que sofrerão modificações desde a
frequência cujo período corresponde ao comprimento total da série até a freqüência limite
de Nyquist, objetivando atingir-se uma curva suave onde apareçam as feições de interesse.
Neste caso, para cada série definimos a frequência de Nyquist como o inverso do dobro da
menor distância entre dois pontos na série. Daí então, escolhemos a maior destas
frequências como a frequência de Nyquist que utilizaremos nos processamentos.
As funções de estado de informação assim obtidas devem ser tais que, para séries
pouco informativas, a curva deve se aproximar de uma reta constante em toda a banda
pesquisada. A partir daí, é preciso definir um critério de normalização para que se possa
então combinar as funções de estado de informação amostrais. Podemos normalizar, por
exemplo, pela entropia, pelo conteúdo de informação ou mesmo pela soma da
probabilidade sobre todos os estados. Neste trabalho escolhemos normalizar os espectros
obtidos pela energia ou potência total, que corresponde ao conteúdo total de banda
(bandwidth). Essa normalização é equivalente a normalizar os espectros pela área total,
impondo a todos que a área sob a curva do espectro seja igual à unidade. Dessa maneira as
diversas estimativas espectrais tornam-se comparáveis e mantemos a principal parâmetro
de interesse que é a razão sinal/ruído.
A idéia principal do procedimento é a de que a informação de cada série de PGVs
pode ser utilizada para falsear possíveis soluções em um subconjunto do espaço
19
paramétrico. Isto é, combinar a informação geral de que dispomos, teórica e experimental,
para toda a trajetória, em relação a determinado parâmetro – neste caso, a probabilidade
de que uma determinada freqüência seja uma componente de Fourier verdadeira da
trajetória original. Combinando estas funções amostrais obteremos dois invólucros no
espaço paramétrico, um maior, inclusivo, e outro menor, contido no anterior, exclusivo.
Estes representam a união e intersecção, respectivamente, dos diversos estados de
informação e correspondem às operações ‘OR’ e ‘AND’ de Tarantola & Mosegaard (2000).
Desta forma teremos o resultado do nosso procedimento de inversão, descrevendo a
incerteza sobre o valor do parâmetro com grande generalidade. Também será através das
propriedades geométricas destas funções de estado de informação que descreveremos a
incerteza para qualquer escolha de “melhor” modelo que se queira fazer.
Devemos relembrar que, através deste procedimento, ao invés de obtermos um
valor que elegeremos como ‘sinal’ (‘signal detection problem’), obteremos uma medida de
probabilidade sobre um subconjunto do espaço das frequências, que nos indicará quais
modelos se ajustam melhores que outros, segundo um critério especificado. Assim, a
interpretação dos fenômenos de falseamento e vazamento de potência se dá naturalmente,
como efeitos inevitáveis numa análise de uma série de pontos finita através de correlação
com bases funcionais infinitas. Portanto estaremos interessados não somente nos valores
máximos da ordenada dos ‘espectros’ obtidos, mas também procuramos estudar o
comportamento local dos máximos de correlação, sendo para nós muito importante a
continuidade, ou a suavidade da distribuição final.
Além disso, a determinação de um espaço-solução muito restrito não significa
necessariamente que conhecemos o valor do parâmetro com grande precisão. Devemos
interpretar com cautela os valores obtidos, com base na incerteza estimada nos dados
amostrais e na quantidade (e qualidade) das séries. Neste sentido, cada série amostral
representa um experimento de medida espectral, ou da ‘rugosidade’, da série original. O
problema é análogo ao do experimentador que, medindo duas ou três vezes uma
determinada grandeza física, e obtendo coincidentemente valores muito próximos,
acredita conhecer o valor da tal grandeza com grande precisão, pois sua estimativa da
variância da distribuição a partir do desvio-padrão amostral é pequena. Ou seja, a
distribuição da variável combinada (estimativa) é concentrada somente porque as
distribuições combinantes que, apesar de serem pouco informativas, têm pequena
intersecção ou poucos modelos comuns.
20
Capítulo 4 - TESTES COM SÉRIES SIMULADAS E SÉRIES NATURAIS
4.1. SÉRIES SIMULADAS
Escrevemos em Matlab um gerador de séries sintéticas com composição
harmônica conhecida. Produzimos uma série resultante da superposição de componentes
senoidais com períodos iguais a 350, 480, 1100 e 4000 e amplitudes respectivas de 4, 6, 7
e 6 (Fig. 4.1). Foi adicionado a cada ponto ruído de 5% proporcional à amplitude. A seguir
foram realizadas amostragens aleatórias dessa série original, seguindo os seguintes
padrões:
• três amostragens do comprimento total (21 ciclos), com 25, 20 e 18 pontos
(conjuntos S1, S2 e S3);
• uma amostragem dos primeios 2/3 do comprimento da série original, com 15
pontos;
• uma amostragem dos últimos 2/3 do comprimento total, com 15 pontos;
• uma amostragem do terço médio da série, com 8 pontos.
As amostragens da série sintética estão representadas na Fig. 4.1. A título de
comparação exibimos também séries igualmente espaçadas sobre o mesmo intervalo,
porém com a mesma densidade de amostragem. Enfatizamos aqui estamos interessados
em simular casos extremos de amostragem pobre e que em todos os casos as séries
amostrais apresentam densidade baixa de pontos, em geral conservando pouco da
aparência do fenômeno original. Dessa maneira buscamos simular séries cuja densidade
de amostragem seja semelhante ao caso real que será estudado neste trabalho (séries de
PGVs). Devemos esclarecer que essas amostragens representam apenas uma entre muitas
possíveis escolhas de “aleatoriedade”, ou de distribuição randômica que teríamos para
gerar séries “irregularmente espaçadas” e que seriam similares às séries de PGVs
amostrais.
21
Fig. 4.1. Séries desigualmente espaçadas (estrelas e linhas pontilhadas) amostradas de uma série temporal (linha verde), correspondendo à superposição de quatro ondas seno com períodos 350, 480, 1100 e 4000. Círculos vermelhos correspondem à amostragem igualmente espaçada. Os conjuntos de dados são: T1=25 pontos, T2=20 pontos e T3= 18 pontos amostrados ao longo de toda a série (21 cicles); T4= 15 pontos, dos primeiros 2/3 da série; T5= 15 pontos dos últimos 2/3 da série; T6= 8 pontos do terço médio da série.
O resultado do processamento das seis séries sintéticas é mostrado na Fig. 4.2. A
janela superior (a) contém as funções de estado de informação para cada série
separadamente e, nas janelas seguintes (b, c) o resultado das operações de combinação
‘OR’ e ‘AND’ equivalentes à união e intersecção, respectivamente, das funções de estado de
informação amostrais (Tarantola e Valette, 1982). Os resultados dos periodogramas foram
exibidos em termos de periodicidades ou comprimento de onda ao invés de freqüências.
Como podemos ver na Fig. 4.2a, quando se considera os espectros individuais, os
resultados chegam a parecer muito ruidosos e discordantes, principalmente nas altas a
médias freqüências. A combinação desses espectros segundo os operadores ‘OR’ e ‘AND’
(Figs. 4.2.b e 4.2.c) é capaz de filtrar grande parte do ruído ou sinais espúrios e realça
aqueles que são comuns a todas as séries (operação ‘AND’), os quais, a princípio, têm
maior probabilidade de serem reais.
22
Fig. 4.2. a) Especro LS individuais para as séries sitéticas T1 a T6 da Fig. 4.1; operações b) ‘OR’ and c) ‘AND’ a partir dos espectros individuais.
Fig. 4.3. Como na Fig. 4.2 para séries igualmente espaçadas sem ruído.
23
Fig. 4.4. Como na Fig. 4.2 para séries igualmente espaçadas com ruído.
Apesar da pobreza das séries sintéticas geradas, o procedimento mostrou
excelentes resultados tendo restringido satisfatoriamente as possíveis soluções no espaço
paramétrico. Há altas regiões de correlação nos espectros ‘OR’ e ‘AND’, e as periodicidades
impostas (480, 1100 e 4000) na série original foram satisfatoriamente recuperadas (487,
863 e 4207). Os espectros não exibiram pico correspondente ao comprimento de onda
350, provavelmente devido à sub-amostragem. Os outros picos menores no espectro
foram provavelmente originados por fenômenos como vazamento espectral e falseamento,
que ocorrem normalmente em qualquer análise espectral.
Para comparação, analisamos também séries igualmente espaçadas de mesma
densidade de pontos amostradas a partir da mesma série original, com e sem ruído
adicionado (Figs. 4.3 e 4.4). Observemos que em ambos os casos (com e sem ruído) o sinal
detectado não apresenta melhora significativa em relação ao caso anterior (dados
desigualmente espaçados com ruído), indicando que a densidade de pontos é um fator
mais importante.
Aumentando o número de simulações (4 de cada tipo inicialmente considerado =
24 séries no total) verificamos que os melhores resultados foram obtidos com as séries
mais curtas (conjuntos 2 e 4 na Fig. 4.5). As séries mais longas, no caso presente, tendem a
detectar somente os maiores comprimentos de onda, provavelmente porque os pontos
estão mais espaçados ao longo da série original.
24
Fig. 4.5. Comparação das operações AND para os espectros resultantes de vários conjuntos amostrais da série original sintética. Os critérios de amostragem são os mesmos da Fig. 4.1: data 1 = 24 amostragens (4 de cada tipo); data 2 = 4 amostragens do tipo 6; data 3 = 4 amostragens do tipo 1 e 2 (total de 8 séries); data 4 = 4 amostragens do tipo 3, 4 e 5 (total de 12 séries).
Devemos lembrar que, através deste procedimento, ao invés de obtermos um valor
que elegeremos como ‘sinal’ (‘signal detection problem’), obtemos uma probabilidade
sobre um subconjunto do espaço das frequências, que nos indicará quais modelos se
ajustam melhor que outros, segundo um critério especificado. Assim, a interpretação dos
fenômenos de ‘falseamento’ e vazamento de potência se dará naturalmente como efeito
inevitável numa análise de séries finitas, através da comparação de correlações com bases
funcionais infinitas.
Portanto, não estamos interessados apenas no valor máximo da ordenada dos
espectros. Também estudamos o comportamento local dos máximos de correlação, sendo
então muito importante a suavidade da curva.
Por outro lado, a obtenção de um espaço-solução muito restrito não significa
necessariamente que conhecemos o valor do parâmetro com precisão absoluta. Devemos
interpretar com cautela as curvas encontradas, com base na incerteza estimada nos dados
amostrais e na quantidade (e qualidade) das séries. Neste sentido, cada série representa
um experimento de medida espectral, ou da ‘rugosidade’, da série original. O problema é
análogo ao do experimentador que medindo duas ou três vezes uma determinada
grandeza física e obtendo coincidentemente valores muito próximos, acredita conhecer o
valor da tal grandeza com grande precisão, pois sua estimativa da variância da
distribuição a partir do desvio-padrão amostral é pequena. Ou seja, a distribuição da
variável combinada (estimativa) é concentrada somente porque as distribuições
combinantes que, apesar de serem pouco informativas, têm pequena intersecção ou
poucos modelos comuns.
Apesar das inúmeras dificuldades encontradas, inclusive na interpretação dos
resultados obtidos, o procedimento mostra excelente resultado, haja vista a restrição de
25
possíveis soluções no espaço paramétrico, da estrutura aparente encontrada nas soluções,
mostrando excelente coerência entre diversas amostras, além da recuperação da
informação original na maioria dos casos. As periodicidades (frequências) impostas à série
original foram satisfatoriamente recuperadas, encontrando-se em cada caso uma região de
alta correlação próxima às freqüências verdadeiras no espectro “AND” e/ou “OR” e,
consistentemente, na maioria das funções de estado de informação individuais de cada
série, em cada exemplo. Além destas, é claro, surgiram algumas outras regiões de alta
correlação (máximos do espectro), oriundas de fenômenos de natureza espectral, como
vazamento de potência para outras freqüências, além das regiões onde não há resolução
nos modelos a partir das funções de estado de informação amostrais utilizadas.
4.2. SÉRIES METEOROLÓGICAS
Testamos o nosso procedimento em séries meteorológicas naturais
correspondendo a dados mensais médios de precipitação, temperatura, insolação,
umidade relativa e pressão barométrica cobrindo o intervalo de 1933 a 2005, embora nem
todas as séries cubram exatamente o mesmo período. Os dados são provenientes da
Estação Meteorológica do IAG/USP e a descrição dos dados e métodos de medidas podem
ser encontrados em Pereira Filho et al. (2007). Os dados foram inicialmente perturbados
adicionando-se um ruído gaussiano mínimo, tanto nas ordenadas quanto nas abcissas, a
fim de quebrar a simetria dos dados igualmente espaçados a qual gera um ruído numérico
indesejado. Este processo é conhecido na literatura de processamento de sinais como
jittering.
Esse tipo de dados foram escolhidos porque, em geral, mostram oscilações da
ordem de 10-12 anos (Shindell et al., 1999) compatível com o ciclo de atividade solar.
Na Fig. 4.7 nota-se a grande semelhança entre os espectros individuais, à exceção
da insolação que aparece claramente defasado. O espectro combinado ‘OR’ identifica muito
bem os períodos de atividade solar de 10-12 anos indicados na literatura, entretanto, no
espectro ‘AND’ eles aparecem extremamente atenuados devido à defasagem do espectro
da insolação, levando a uma redução na área comum nesses picos.
Este exemplo ilustra bem o princípio geral do método, que vem a ser não busca
pelas periodicidades em si, mas sim a busca por regiões de alta correlação com ondas
senoidais comuns às diversas séries.
26
Fig. 4.6. Séries temporais de diversos parâmetros meteorológicos da Estação Meteorológica do IAG/USP, registrados no período de 1933 a 2005. Por uma questão de clareza os dados foram plotados com intervalos de 3 meses.
27
Fig. 4.7. Periodogramas das séries meteorológicas perturbadas. Os espectros individuais (superior) mostram grande coerência, com exceção da insolação.
28
Capítulo 5 - Análise das Sequências de PGVs da Fm. Serra Geral
5.1. A FORMAÇÃO SERRA GERAL
Para este trabalho utilizou-se as séries de dados paleomagnéticos da Formação
Serra Geral da Bacia do Paraná, do sul do Brasil (Ernesto et al., 1990). A Bacia sedimentar
do Paraná (Milani, 2004) foi recoberta por intenso magmatismo no início do período
Cretáceo. Essa intensa atividade ígnea ocorreu no Cretáceo Inferior, principalmente na
forma de derrames de lava de composição básica, formando a extensa Província
Magmática do Paraná (PMP). Os sucessivos derrames de lava da Fm. Serra Geral formam
pacotes com espessura total variável, excedendo 1.529 m de espessura (Leinz et al., 1966).
Nas escarpas da região sul do Brasil, encontra-se exposições com mais de 1.000m de
espessura.
Um grande número de datações radiométricas de alta precisão pelo método
40Ar/39Ar, e recentemente revistos (Thiede & Vasconcelos, 2010) indicam que o
magmatismo extrusivo ocorreu num curto intervalo de tempo (~1Ma). Os derrames da
PMP registraram um grande número de inversões de polaridade consistentemente com a
informação conhecida de que durante o Cretáceo Inferior a freqüência de inversões foi
muito elevada. A duração média dos intervalos de polaridade normal é aparentemente
maior do que aquela de polaridade reversa e, por esta razão vemos predominar a
polaridade normal.
O pólo paleomagnético da Formação Serra Geral associado a outros do Cretáceo
inferior da América do Sul (Ernesto, 2006), indica que naquela época a placa Sulamericana
encontrava-se a cerca de 5° a norte, sem contudo apresentar rotação de seu eixo principal.
Esse deslocamento, por afetar as longitudes dos PGVs, foi corrigido fazendo-se coincidir a
média dos PGVs com o pólo geográfico (correção de deriva continental).
Para o propósito deste trabalho foi necessário representar as longitudes dos PGVs
de forma contínua, isto é, as longitudes não devem se repetir como acontece a cada ciclo
de variação secular, ou mesmo devido ao movimento irregular do pólo geomagnético. Para
contornar esse efeito, soma-se 360° às longitudes sempre que estas passam pela origem
do sistema (desenrolamento de fases). Geometricamente este procedimento não interfere
na distribuição dos PGVs, pois significa apenas admitir que o dado em questão pertence ao
ciclo subseqüente de variação secular. Desta forma estamos ordenando espacialmente
janelas de ciclos de variação secular que aparecem subsequentemente nas séries de dados.
O resultado desse procedimento é visto na Fig. 5.1, onde estão representadas as latitudes
do PGVs das várias sequências analisadas, em função das longitudes “continuadas”. Para
29
facilidade de compreensão o número de ‘ciclos’, ou o número de vezes em que se
adicionou 360° está indicado nos eixos superiores.
Fig. 5.1. Sequências de PGVs das séries magnetoestratigráficas da Fm. Serra Geral. As longitudes foram transformadas, adicionando-se -360° (sentido oeste) quando a progressão invertia o sentido. Nas abscissas superiores representou-se o número de adições.
5.2. INFORMAÇÃO ESPECTRAL DAS SEQUÊNCIAS DE PGVS
As sequências de PGVs preparadas segundo o artifício descrito na seção anterior,
constituem as ‘séries temporais’ a serem analisadas.
Os espectros LS resultantes para as sequências transformadas são apresentados na
Fig. 5.2 (a, b, c). Para comparação os espectros de Hernandez estão na Fig. 5.3. Neste caso
adiciona-se um peso estatístico proporcional à incerteza em cada ponto da série e a
derivada (estimada) da função no ponto.
Os espectros combinados referentes às operações OR e AND (Fig. 6.2 e 6.3)
representam os estados de informação de todas as séries analisadas. Os espectros
resultantes, oriundos da combinação destes diferentes “estados de informação” amostrais,
exibem um número surpreendentemente pequeno de picos discretos (bem localizados),
considerando-se o nível de ruído elevado dos dados, a independência de todas as séries e a
baixa densidade de pontos amostrais para cada ‘ciclo’ da série, ou seja, para cada ciclo de
30
variação secular ou transição de polaridade. Os espectros AND representam a
“intersecção” dos estados de informação das múltiplas séries, e constituem a nossa melhor
estimativa do conteúdo espectral das séries.
Fig. 5.2. Espectros de Lomb-Scargle para as séries de PGVs da Fm. Serra Geral. Os três grupos foram combinados de acordo com a proximidade geográfica. Os espectros equivalentes às operações OR e AND referem-se ao resultado de todas as séries combinadas.
(a)
(b)
(c)
31
Fig. 5.3. Espectros de Hernandez para as séries de PGVs da Fm. Serra Geral. Os espectros equivalentes às operações OR e AND referem-se ao resultado de todas as séries combinadas.
Três picos distintos são observados no espectro LS: λ1 = ~167°, λ2 = ~257° e λ3 =
~369°, sendo que os dois primeiros são, respectivamente, 4 e 5 vezes maiores que o
terceiro e exibem estrutura de ‘aliasing’ o que indica que devemos ter conseguido uma
amostragem relativamente boa (suavizada) no domínio espectral. Observamos uma
possível relação sub-harmônica entre λ1 e λ2, isto é, λ1/λ2 = 2/3. Isto quer dizer que λ1 e λ2
podem ser as 2º e 3º frequências harmônicas de um processo em que λf = ~514° é a
frequência fundamental. Entretanto, essas relações de comprimento de onda são apenas
sugeridas no periodograma e não podemos, apenas com esta análise espectral distinguir
entre componentes verdadeira e efeitos espectrais espúrios. Alternativamente podemos
suspeitar de um efeito de ‘acoplamento’ entre os modos de propagação espacial ou de
variabilidade espacial da trajetória.
Estes resultados parecem reforçar a suposição inicial de que existem componentes
periódicas ou quase-periódicas nas trajetórias de VGPs. De modo que, embora as
trajetórias sejam aparentemente muito complexas, seu comportamento a longo termo
pode ser descrito por um número relativamente pequeno de componentes senoidais.
32
5.3. APLICAÇÃO DE JANELAS ESPECTRAIS E ADIÇÃO DE RUÍDO
Algumas diferentes janelas espectrais foram aplicadas às séries para verificar a
redução do vazamento espectral para os lobos laterais. Dessa forma pretende-se
identificar os picos devidos unicamente aos lobos laterais e suas combinações. As janelas
aplicadas foram Hamming (Fig. 5.4) e Triangular (Fig. 5.5) por apresentarem maior grau
de atenuação dos lobos laterais (Harris, 1978; Tabela 1) e por serem mais facilmente
adaptáveis ao caso das séries desigualmente espaçadas. Essas janelas foram originalmente
desenvolvidas para séries regulares onde o número de intervalos é conhecido e a
distribuição de pontos é homogênea e simétrica. Por essa razão, nas fórmulas das janelas
espectrais apresentadas na literatura, consta o fator de atenuação sempre em função de n
(posição do ponto na série). No nosso caso, com séries irregularmente espaçadas,
estimamos o valor de n através da distância linear de cada ponto em relação à origem da
série:
% = �∙�A ,
onde t é o instante da medida, N é o número de pontos e T é o comprimento total da série.
Como pode ser visto nas Figs. 5.4 e 5.5 houve grande perda da informação
espectral das séries após a aplicação das janelas, isto porque a distribuição de pontos nas
janelas conserva a irregularidade das distribuições amostrais. Por esta mesma razão,
Hernandez (1999) não recomenda sua utilização.
Fig. 5.4. Espectros das séries da Fm. Serra Geral após aplicação de janela Hamming.
33
Fig. 5.5. Espectros das séries da Fm. Serra Geral após aplicação de janela Triangular.
Fig. 5.6. Espectros das séries da Fm. Serra Geral após remoção dos pontos extremos de cada série.
34
Fig. 5.7. Espectros das séries da Fm. Serra Geral após atenuação dos três primeiros e últimos pontos das extremidades das séries, atribuindo pesos iguais a 20, 30 e 70% dos valores originais.
Fig. 5.8. Espectros das séries da Fm. Serra Geral após aplicação de ruído uniformemente distribuído entre 0 e K, na forma �B� = B� + C ∗ EF%G�, para valores de K iguais a 5, 10, 15, 20 e 30 graus.
Outra janela aplicada foi uma variação da janela retangular em que removemos os
pontos extremos de cada série (Fig. 5.6). Ainda aplicamos outra janela, atenuando
gradativamente os três primeiros e últimos pontos, atribuindo pesos iguais a 20, 30 e 70%
dos valores originais, a partir das extremidades (Fig. 5.7). Em ambos os casos o objetivo foi
simplesmente alterar a estrutura de lobos laterais para cada espectro, alterando
consequentemente a sua combinação. Desta forma tentamos separar as feições originadas
exclusivamente por vazamento espectral daquelas originalmente contidas nas séries.
35
Para testar a estabilidade dos resultados, adicionamos ruído às séries amostrais
com o objetivo de perturbar a curva em torno dos pontos conhecidos, a fim de testar se as
feições espectrais são de fato componentes do comportamento de longo termo da
trajetória. Nota-se na Fig. 5.8 uma surpreendente manutenção das feições espectrais,
porém com transferência de potência entre os picos.
5.4. DETERMINAÇÃO DE FASES E SIGNIFICADO DOS ESPECTROS
Foram empregados três métodos para a determinação de fases: o método clássico,
baseado no periodograma clássico, o método de Hocke (1998) baseado no periodograma
LS e um terceiro método baseado nos princípios da metrologia holográfica. Este último foi
desenvolvido neste trabalho e é baseado no método ótico de interferometria de caminhos
iguais. Ou seja, com este método mede-se a distância entre uma fonte de laser
(monocromático) e um alvo a partir do padrão de interferência definido pelas ondas
incidente e refletida.A potência total medida, resultante do padrão de interferência,
oferece um indicativo da diferença de fase entre as duas ondas. Neste caso aplicamos o
método numericamente utilizando ondas senoidais e a série amostral, ao invés de um par
de lasers monocromáticos. A grande vantagem do método é oferecer uma medida
sistêmica, que depende mais do efeito combinado do conjunto dos pontos do que do efeito
em cada ponto isoladamente. A grande desvantagem é que sempre haverá uma
ambiguidade em relação à quadratura da fase. Dadas as duas possibilidades de fase
escolheremos sempre a que mais se aproximar das estimativas anteriores. (Aleksoff,
2003):
H�I� = FE��F% J=�K 4⁄ � − =�3K 4⁄ �=�0� − =�K 2⁄ � O = 4KP
I − Q G�2K�
Onde I é o comprimento da onda considerada, H é a diferença de fase em radianos,
e H é a diferença de fase em unidades métricas (distância entre fonte luminosa e alvo).
A comparação dos resultados pode ser vista nas Figs. 5.9 e 5.10. Os métodos
clássico e de Hocke diferem pouco na forma de cálculo e, portanto, tendem a indicar
valores muito semelhantes. O método holográfico representa uma validação dos
resultados quando há boa concordância entre os três. A Fig. 5.10 mostra, para cada
comprimento de onda, o comportamento dos estimadores para cada série analisada. Nota-
se grande coerência entre os resultados dos três métodos apesar da baixa qualidade das
séries amostrais. A Fig. 5.11 resume os resultados encontrados para cada comprimento de
onda, na forma de gráficos tipo roseta, onde a fase é dada em graus. Os resultados
36
coincidem dentro de faixas de incerteza da ordem de 30-60°, o que é significativo para o
caso presente, pois as incertezas dos dados estão entre 10-20°. Esse resultado indica que
as componentes espectrais determinadas podem não ser apenas artefatos da análise
espectral de séries altamente irregulares.
Fig. 5.9. Determinação das fases para cada freqüência do espectro da Fm. Serra Geral através dos métodos clássico, de Hocke e holográfico, identificando os resultados para cada uma das 16 séries analisadas.
37
Fig. 5.11. Diagrama de roseta para as fases determinadas pelo método clássico, de Hocke e holográfico, para cada comprimento de onda obtido.
38
5.5. ANÁLISE DAS TRAJETÓRIAS DOS PGVS
Kuznetsov (1999) apresentou um modelo para o movimento dos PGVs durante a
reversão geomagnética a partir do estado de polaridade normal. Nesse modelo a trajetória
do pólo depende da localização das anomalias magnéticas globais (AMGs). O autor
considera que o campo geomagnético é a soma de um campo dipolar e o campo dessas
anomalias. Durante a inversão, a polaridade da parte dipolar do campo muda e a mudança
de polaridade da parte não-dipolar fica retardada por um intervalo de tempo maior que o
tempo observado para a inversão da componente dipolar. No momento da inversão,
quando a intensidade do dipolo é igual a zero, a parte não-dipolar do campo predomina e é
correspondente à soma do campo das AMGs, levando a uma geometria do campo
semelhante àquela do campo atual.
Fig. 5.12. Mudança na forma das curvas do campo geomagnético e a posição dos pólos magnéticos (direita) devido ao aumento da componente H e diferentes magnitudes do campo dipolar: -10µT (a), -15µT (b), -20µT (c), -23µT (d), -30µT (e). Reproduzido de Kuznetsov (1999).
O modelo foi desenvolvido para um campo que inverte a partir do estado de
polaridade normal e considera as anomalias identificadas no mapa de intensidade total do
IGRF (Barraclough, 1987) e que foram denominadas de anomalia Canadense (CMA),
Brasileira (BMA), Siberiana (SMA) e Sul ou Antártica (AMA). O padrão resultante de
deslocamento do pólo é visto na Fig. 5.6 para diferentes intensidades do campo dipolar. O
39
sistema de coordenadas escolhido tem origem no pólo sul; então a anomalia BMA está a
75° da origem; CMA, SMA e AMA estão a 145°, 203° e 330°, respectivamente, considerando
que as fontes estão sobre o mesmo meridiano. Este modelo admite PGVs movendo-se nos
dois hemisférios e eventualmente se aniquilando, o que é compatível com algumas
observações de desaparecimento de PGVs no processo de reversão (Kuznetsov, 1999).
A reconstrução paleomagnética da morfologia do campo geomagnético
apresentada por Leonhardt & Fabian (2007), também prevê caminho preferencial (sobre a
Ásia) para a transição Matuyama/Brunhes, como também agrupamentos (clusters) de
PGVs durante a inversão (Fig. 5.7) o que deve indicar intervalos de tempo durante os quais
o campo permanece estável em posições intermediárias. Segundo os autores, esse campo
estável se deve a componentes quadrupolares relativamente intensas que se somam à
componente dipolar.
Fig. 5.13. Modelagem da trajetória dos PGVs (a) e variação da intensidade (b) a partir do ponto 58.3ºW 18ºN. Agrupamentos de PGVs, antes e depois da transição de polaridade, com duração de 1,5 ka e 1 ka, respectivamente. Reproduzido de Leonhardt & Fabian (2007).
O comportamento descrito acima indica claramente anisotropias de transição do
campo dipolar aparente. Da mesma forma, o resultado encontrado neste trabalho, um
conjunto discreto de componentes senoidais, também aponta para comportamento
semelhante (periodicidade ou quase-periodicidade).
Convém salientar que as análises das trajetórias dos PGVs durante inversões de
polaridade descritas nos trabalhos acima citados, referem-se ao campo geomagnético
recente e ao possível padrão durante a inversão de polaridade mais recente. No caso dos
40
resultados obtidos a partir das múltiplas trajetórias de PGVs da Fm. Serra Geral, estamos
lidando com diferentes inversões, tanto no sentido N→R, como R→N. A ausência de dados
transicionais nas séries consideradas, bem como a escassez geral de dados, não permite a
distinção entre os dois fenômenos. Buscamos então as características comuns a todas as
séries que possam ser persistentes no intervalo de aproximadamente 1 Ma, tempo coberto
por essa formação, segundo dados radiométricos. Os comprimentos de onda encontrados
podem também estar simplesmente associados a ciclos de variação secular, sem mudanças
de polaridade, uma vez que ciclos periódicos são encontrados quando se analisa
independentemente a variação da inclinação magnética (e.g. Gogorza et al., 1999), com
ciclos de 7700 e 2600 anos para sedimentos recentes do sul da Argentina.
41
Capítulo 6 - CONSIDERAÇÕES FINAIS
Duas idéias principais suportam os procedimentos realizados: i) se a série original
contém um número finito (e pequeno) de componentes sabidamente periódicas, as séries
amostrais irão também apresentar alta correlação com as funções-base, nos
comprimentos de onda próximos ao das periodicidades verdadeiras (Scargle, 1982). ii)
Então é possível definir um estimador (não necessariamente não-viciado) que nos informe
que para baixos valores há uma probabilidade pequena de que uma determinada
freqüência seja uma verdadeira componente de Fourier da série original; por outro lado,
valores altos do estimador não significam necessariamente que trata-se de uma frequência
verdadeira.
Com isto podemos falsear (Tarantola, 2006) possíveis soluções num subconjunto
do espaço paramétrico. Isto significa que, para cada função de estado de informação
amostral, ao invés de procurar uma ‘melhor solução’ ou um valor ótimo, devemos
procurar classes de não-admissibilidade dentro de uma região limitada do espaço
paramétrico. Daí então, combinamos estas informações e achamos os mencionados
‘invólucros’ que englobam tais classes de não-admissibilidade no espaço paramétrico,
comuns e não-comuns às séries amostrais. O complementar desses invólucros aponta para
as regiões de alta correlação, comuns a todas as séries, e onde deve estar certamente o
‘sinal’ original, os ‘efeitos’ espectrais ligados ao vazamento de potência e falseamento, bem
como todos os pontos do espaço paramétrico onde não há resolução. Nestas regiões, onde
não há resolução, a informação final se aproximaria da distribuição a priori.
Estritamente falando, o maior perigo deste tipo de procedimento está na
discretização do espaço amostral, que no nosso caso está intimamente ligada ao
procedimento semi-empírico de suavização dos modelos. Devemos proceder com cautela,
pois uma grade escolhida muito densa adicionará muito ruído ao modelo final, enquanto
uma grade escolhida com poucos pontos não permitirá visualizar as feições desejadas. O
teorema da amostragem ou de Nyquist nos ensina que não devemos tentar obter
informações de freqüências acima da freqüência (abaixo do comprimento de onda) limite
de Nyquist, o dobro da taxa de amostragem da série, que no caso de séries uniformes
coincide com o dobro da menor distância entre dois pontos. O incremento entre os pontos
no domínio da freqüência é escolhido a fim de obtermos uma curva suave. Note que no
caso usual este valor dependerá do comprimento total da série igualmente espaçada, o que
pode ser alterado através do procedimento de zero-padding, através do qual podemos
obter uma série de comprimento arbitrário, apenas adicionando-se zeros na extremidade
da série desejada (Hernandez, 1999). O perigo é que sempre poderemos incorrer no erro
42
de deixar de considerar um ‘fenômeno’ que ocorra entre dois pontos da grade. Portanto,
este ajuste deverá ser sempre subjetivo, considerando as incertezas estimadas nos dados
das séries amostrais, a classe de modelos considerada (neste caso, funções seno e cosseno
de Fourier) e a resposta esperada do fenômeno estudado (modelo a priori). Além disso,
buscaremos outros estimadores e medidas que possam confirmar a existência de tais
componentes (como a análise da coerência das fases).
Com isto em mente, o procedimento aqui descrito mostrou-se muito eficiente, não
necessariamente para a busca de uma ‘melhor solução’, mas para descartar uma ampla
classe de modelos como sendo não aceitáveis a todas as séries amostrais. Como
complemento, obtemos um conjunto-solução no qual a resposta certamente deve estar
contida. Além disso, a incerteza nos resultados é visualizada diretamente nas distribuições
obtidas.
Da comparação entre os casos sintéticos e reais, observamos que o desempenho do
nosso algoritmo é o melhor possível na situação de dados desigualmente espaçados, com
ruído, melhor que na grade igualmente espaçada, com redução do falseamento. Do ponto
de vista do desenvolvimento do método como um todo, temos um resultado excelente,
apesar de sabermos que a trajetória dos PGVs é extremamente complexa, até para
períodos curtos de tempo, no entanto à luz dos dados da Formação Serra Geral (escala de
tempo e conteúdo de informação disponível) parece ter as suas principais feições
descritíveis pelo somatório de um número relativamente pequeno de ondas seno (base).
Embora não tenhamos um espectro de potência (nossa variável independente não
é o tempo), podemos supor uma relação direta entre o tempo e a nossa variável
independente que é a longitude. Com isto, podemos tecer algumas comparações entre o
comportamento observado e o encontrado usualmente em sistemas dinâmicos caóticos
(dobramento de período, ruído 1/f, etc.) e quase-periódicos (Pierce, 2006; Voyatzis &
Ichtiaroglou, 1991; van der Weele, 1991; Stewart, 1991; Prigogine, 2002).
De posse de estimativas gerais deste conjunto de freqüências e de suas respectivas
fases, podemos esclarecer aspectos da morfologia da trajetória descrita pelas séries.
Particularmente, gostaríamos de poder prever a possibilidade do confinamento periódico
da fase geral da trajetória (trata-se, na verdade, do padrão de interferência destrutiva das
ondas encontradas). Este confinamento, caso haja, indicará a existência de longitudes
preferenciais de transição na trajetória dos PGVs.
Agradecimentos. Este trabalho contou com o apoio inicial da CAPES e posteriormente da
FAPESP através da bolsa de doutorado direto (Processo FAPESP 2004/05363-5). Meus
agradecimentos ao Prof. Augusto José Pereira Filho, na ocasião chefe da Sessão Técnica de
Serviços Meteorológicos do IAG/USP, pela cessão dos dados meteorológicos aqui utilizados.
43
REFERÊNCIAS
Aleksoff, C.C., 2003. Multi-wavelength digital holographic metrology. Coherix Inc. Report, 7pp.
Alva-Valdivia, L.M., Goguitchaichvili, A., Urrutia-Fucugauchi, J., Riisager, J., Riisager, P., Ferreira-Lopes, O., 2003. Paleomagnetic poles and paleosecular variation of basalts from Paraná Magmatic Province, Brazil: geomagnetic and geodynamic implications, Phys. Earth Planet. Int., 138: 183–196.
Barraclough, D.R., 1987. International geomagnetic reference field: the fourth generation. Phys. Earth Plant. Int., 48: 279-292.
Barton and McFadden, 1995. Inclination shallowing and preferred transitional VGP paths. EPSL 140: 147-157.
Biggin, A.J., Strik, G.H.M.A. & Langereis, C.G., 2008a. Evidence for a very-long-term trend in geomagnetic secular variation, Nat. Geosci., 1: 395–398.
Biggin, A.J., Van Hinsbergen, D.J.J., Langereis, C.G., Straathof, G.B., Deenen,M.H.L., 2008b. Geomagnetic secular variation in the Cretaceous Normal Superchron and in the Jurassic, Phys. Earth Planet. Inter., 169: 3–19.
Caminha-Maciel, G., 2003. Investigação acerca de possíveis caminhos preferenciais dos pólos geomagnéticos virtuais durante as inversões de polaridade ou excursões geomagnéticas, durante o Mesozóico. Trabalho de Graduação, IAG/USP, 41pp.
Clement, B.M., 1991. Geographical distribution of transitional VGPs: evidence for non-zonal equatorial symmetry during the Matuyama-Brunhes geomagnetic reversal. Earth Planet. Sci. Lett., 104: 48-58.
Coe, R.S. & Glatzmaier, G.A., 2006. Symmetry and stability of the geomagnetic field. Geophys. Res. Lett., 33: L21311.
Coe, R.S. & Glen, J., 2004. The complexity of reversals. In Channell, J.E.T., Kent, D., Lowrie, W., Meert, J.G. (eds.) “Timescales of the Paleomagnetic Field”, Geophysical Monograph Series 145: 221-232.
Constable, C.G., 1992. Link between geomagnetic reversal paths and the secular variation of the field over the past 5 Myr. Nature, 358: 230-233.
Constable, C.G. & Johnson, C.L., 2005. A paleomagnetic power spectrum. Phys. Earth Planet. Inter., 153: 61–73.
Constable, C.G., Parker, R.L., 1998. Statistics of the Geomagnetic Secular Variation for the Past 5 m.y. J. Geophys. Res.93: 11,569-11-581.
Costin, S.O., 2003. Preferred reversal paths caused by a heterogenous conducting layer at the base of the mantle. Tese de Doutoramento, Universidade de British Columbia.
Costin, S.O. & Buffet, B.A., 2004. Preferred reversal paths caused by a heterogenous conducting layer at the base of the mantle. J. Geophys. Res. 109: B06101.
Cox, A., Doell, R., Dalrymple, G.B., 1963. Geomagnetic polarity epochs and Pleistocene geochronometry. Nature, 198: 1049-1051.
Creer, K. M. & Tucholka, P., 1982. The shape of the geomagnetic field through the last 8,500 years over part of the Northern Hemisphere, J. Geophys.,51: 188–198.
Ernesto, M., 2006. Drift of South American platform since early Cretaceous: reviewing the apparent polar wander path. Geociências 25: 83-90.
Ernesto, M., Pacca, I.G., Hiodo, Nardy, A.J.R., 1990. Paleomagnetism of the Mesozoic Serra Geral Formation, southern Brazil. Phy. Earth Planet. Int., 64: 153 -175.
Fisher, R.A. 1953. Dispersion on a sphere. Proc. R. Soc. London Ser. A 217, 295–305.
Fisher, R.A, 1929. Tests of significance in harmonic analysis. Proc. R. Soc. London Ser. A 125: 54.
Glatzmaier, G.A., Coe, R.S., Hongre, L. & Roberts, P.H., 1999. The role of the Earth’s mantle in controlling the frequency of geomagnetic reversals. Nature, 401: 885–890.
44
Gogorza, C.S.G., Sinito, A.M., Di Tommaso, I., Vilas, J.F., Creer, K.M., Nuñez, H., 1999. Holocene geomagnetic secular variations recorded by sediments from Escondido Lake (south Argentina). Earth Planets Space, 51: 93–106.
Gradstein, F.M., Ogg, J.G., Smith, A.G., Bleeker, W. & Louren, L.J., 2004. A new Geologic time Scale. with special reference to Precambrian and Neogene. Episodes 27: 83-100.
Gubbins, D. & Coe, R.S., 1993. Longitudinally confined geomagnetic reversal paths from non-dipolar transition fields. Nature, 362: 51-53.
Gubbins, D. & Kelly, P., 1993. Persistent patterns in geomagnetic fields over the past 2.5 Myr. Nature, 365: 829-832.
Gubbins, D., Love, J.J., 1998. Preferred VGP paths during geomagnetic polarity reversals: Symmetry considerations. Geophys. Res. Lett., 25: 1079-1082.
Hagee, V. L. & Olson, P., 1989. An analysis of paleomagnetic secular variation in the Holocene, Phys. Earth Planet. Int., 56: 266–284.
Haldan, M.M., Langereis, C.G., Biggin, A.J., Dekkers, M.J., Evans, M.E., 2009. A comparison of detailed equatorial red bed records of secular variation during the Permo-Carboniferous Reversed Superchron. Geophys. J. Int., 177: 834–848.
Harris, F.J., 1978. On the use of windows for harmonic analysis with the discrete Fourier Transform. Proc. IEEE, 66: 51-83.
Hernandez G., 1999. Time series, periodograms, and significance. Journal of Geophysical Research-Space Physics 104: 10355.
Herrero-Bervera, E. & Valet, J.P., 1982. Paleosecular variation during sequential geomagnetic reversals from Hawaii. EPSL 171: 139-148.
Hillhouse, J. & Cox, A., 1976. Brunhes-Matuyama polarity transition. Earth Planet. Sci. Lett., 29:51-64.
Hocke, K., 1998. Phase estimation with the Lomb-Scargle periodogram method. Ann. Geophysicae 16: 356-358.
Hoffman, K.A., 1992. Dipolar reversal state of the geomagnetic field and core-mantle dynamics. Nature 359: 789-794.
Hope, E.R., 1959. Geotectonics of the Arctic Ocean and the Great Arctic Magnetic Anomaly. J. Geophys. Res., 64: 407-427.
Johnson, C.L. & Constable, C.G., 1998. Persistently anomalous Pacific geomagnetic fields. Geophys. Res. Lett., 25: 1011-1014.
Kanasewich, E.R., 1975. Time sequence analysis in geophysics. The University of Alberta Press.
Kane, R. P., 1989. Periodicities in the time-series of geomagnetic inclination during the last 9000 years, recorded in sediment cores from Lake Kasumigaura, Japan, J. Geomag. Geoelectr., 41: 525–532.
Kruiver, P.P., Dekkers, M.J. & Langereis, C.G., 2000. Secular variation in Permian red beds from Dome de Barrot, SE France. Earth Planet. Sci.Lett., 179: 205–217.
Kuznetsov, V.V., 1999. A model of virtual geomagnetic pole motion during reversals. PEPI, 115: 173-179.
Leinz, V., Bartorelli, A., Sadowski, G.R., Isotta, C.A.L., 1966. Sobre o comportamento espacial do trapp basáltico da Bacia do Paraná, Bol. Soc. Bras. Geol., 15: 19-91.
Laj, C.A., Mazaud M., Weeks, M., Fuller, M., Herrero-Bervera, E., 1991. Geomagnetic reversals paths. Nature, 351: 447.
Langereis, C.G., van Hoof, A.A.M. & Rochette, P., 1992. Longitudinal confinement of geomagnetic reversal paths as a possible sedimentary artifact. Nature, 358: 226-230.
45
Leonhardt, R. & Fabian, K., 2007. Paleomagnetic reconstruction of the global geomagnetic field evolution during the Matuyama/Brunhes transition: Iterative Bayensian inversion and independent verification. Earth Planet. Sci. Lett., 253: 172-195.
Lomb N.R., 1976. Least-squares frequency-analysis of unequally spaced data. Astrophysics and Space Science 39: 447.
Love, J.J., 1998. Paleomagnetic volcanic data and geometric regularity of reversals and excursions. J. Geophys. Res. 103 (B6): 12435-12452.
Love, J.J., 2000. On the anisotropy of secular variation deduced from paleomagnetic volcanic data. J. Geophys. Res. 105: 5799-5816.
McElhinny, M.W. & McFadden, P.L., 1997. Palaeosecular variation over the past 5Myr based on a new generalized database, Geophys. J. Int., 131: 240–252.
McFadden, P.L. & McElhinny, M.W., 1998. Dipole/Quadrupole Family Modeling of Paleosecular Variation, J. Geophys. Res. 93: 11,583-11,588.
McFadden, P.L., Merrill, R.T. & McElhinny, M.W., 1988. Dipole quadrupole family modeling of Paleosecular variation, J. Geophys. Res., 93: 11583–11 588.
McFadden, P.L., Merrill, R.T., McElhinny., M.W., Lee, S., 1991. Reversals of the Earth's magnetic field and temporal variations of the dynamo families. J. geophys. Res., 96: 3923-3933.
Mena, M., Orgeira, M.J., Lagorio, S., 2006. Paleomagnetism, rock-magnetism and geochemical aspects of early Cretaceous basalts of the Paraná Magmatic Province, Misiones, Argentina. EPS, 58: 1283-1293.
Merril, R.T., McElhiny, M.W., McFadden, P.L., 2003. The Magnetc Field of the Earth. Academic Press, London, 531pp.
Milani, E.J., 2004. Comentários sobre a origem e evolução tectônica da Bacia do Paraná. In: Mantesso Neto et al. (eds.) Geologia do continente Sul-Americano: evolução da obra de Fernando Flávio Marques de Almeida. Editora Beca, São Paulo.
Opdyke, N.D., J. Roberts, J. Claoué-Long, E. Irving and P. J. Jones, 2000. Base of the Kiaman: Its definition and global stratigraphic significance. Bull. Geol. Soc. Am., 112 (9): 1315-1341.
Pacca, I.G. & Ernesto, M., 1982. Utilização da variação paleossecular e de reversões do campo geomagnético para medidas de tempo decorrido entre eventos magmáticos sucessivos. Anais do XXXII Congresso Brasileiro de Geologia, Salvador, BA, 4: 1621-1628.
Peng, L. & King, J.W., 1992. A late Quaternary geomagnetic secular variation record from Lake Waiau, Hawaii, and the Question of the Pacific nondipole low. J. Geophys. Res., 97, B4: 4407–4424.
Pereira Filho, A.J., Santos, P.M., Xavier, T.M.B.S., 2007. Evolução do tempo e do clima na região metropolitana de São Paulo. IAG/USP, 281pp.
Pierce, J.R., 2006. Almost all about waves (MIT, 1974). Dover Publications Inc.
Press, W.H., Teukolsky, S.A., Vetterling W.T. and. Flannery, B.P., 1992. Numerical Recipes in C: the art of scientific computing, Cambridge Univ. Press, New York, 963 pp.
Prévot, M. & Camps, P., 1993. Absence of preferred longitude sectors for poles from volcanic records of geomagnetic reversals. Nature, 356: 654-656.
Priestley, M., 1981. Spectral Analysis and Time Series. Academic Press, Londres.
Prigogine, I., 2002. As leis do caos. I. Editora UNESP.
Quidelleur, X., Holt, J. and Valet, J.P., 1995. Confounding influence of magnetic fabric on sedimentary records of a field reversal. Nature 374: 246-249.
Scargle J.D., 1982. Studies in astronomical time-series analysis, 2. Statistical aspects of spectral-analysis of unevenly spaced data. Astrophysical Journal 263: 835.
Schuster, A., 1898. On the investigation of hidden periodicities with application to a supposed 26 day period of meteorological phenomena. J. Geohpys. Res. 3: 13-41.
46
Shindell, D., Rind, D., Balachandran, N., Lean, J., Lonergan, P., 1999. Solar cycle variability, ozone, and climate. Science 284: 305-308.
Stewart, I., 1991. Será que Deus joga dados? – A nova matemática do caos. Editor Jorge Zahar.
Tagliaferri, R., Pelosi, N., Ciaramella, A., Longo, G., Milano, M. and Barone, F., 2001. Soft computing methodologies for spectral analysis in cyclostratigraphy. Comput. Geosc. 27: 535-548.
Tarantola, A., 2006. Popper, Bayes and the inverse problem. Nature, 2: 492-494.
Tarantola, A. & Mosegaard, K., 2000. Mathematical basis for physical inference. www.ipgp.jussieu.fr/~tarantola.
Tarantola, A., Valette, B., 1982. Inverse problems = Quest for information. J. Geophysics, 50: 159-170.
Tauxe, L., Kodama, K.P. & Kent, D.V., 2008. Testing corrections for paleomagnetic inclination error in sedimentary rocks: a comparative approach, Phys. Earth planet. Inter., 169: 152–165.
Thiede, D.S. & Vasconcelos, P.M., 2010. Paraná flood basalts: rapid extrusion hypothesis by new 40Ar/39Ar results. Geology 38: 747-750.
Valet, J.P., Tchulka, P., Courtillot, V.E., Meynadier, L., 1992. Paleomagnetic constraintson the geometry of the geomagnetic field during reversals. Nature, 356: 400-407.
Valet, J.P. and Herrero-Bervera, 2003. Some characteristics of geomagnetic reversals inferred from detailed volcanic records . Comptes Rendue Geosciences, 2003 (335): 79-90
Van der Weele, J.P., 1991. Symmetry breaking in the period doubling route to chaos. Proceedings of a NATO Advanced Institute on Chaotic Dynamics: Theory and Practice, July 11-20, Patras, Greece.
Vizán, H., Somoza, R., Orgeira, M.J., Vásquez, C.A., Mena, M., Vilas J.F., 1994. Late Palaeozoic–Mesozoic geomagnetic reversal paths and core-mantle boundary. Geophys. J. Int., 117: 819–826.
Voyatzis & Ichtiaroglou, S., 1991. Spectral properties of trajectories in near integrable Hamiltonian systems. Proceedings of a NATO Advanced Institute on Chaotic Dynamics: Theory and Practice, July 11-20, 1991, Patras, Greece.