Los sensores remotos proveen información sobre las concentraciones medias de pigmentos fotosintéticos del ~22% superior de la zona eufótica. Para modelar la producción primaria de la columna de agua a partir de datos de pigmentos fotosintéticos derivados de satélite es menester estimar la distribución vertical de la concentración de los pigmentos. Se utilizó una función de distribución Gausiana para representar los perfiles verticales de pigmentos con cuatro parámetros. Se usaron 352 perfiles de concentración de clorofila (Chl z) generados en cruceros oceanográficos para estimar estos parámetros para épocas del año y regiones en el Golfo de México. Se llevó a cabo un análisis de conglomerados con datos superficiales de temperatura y clorofila, Chl z en el máximo profundo de clorofila (DCM), y profundidad del DCM (Zm) para dividir el Golfo de México en tres regiones y el año en dos épocas. A las épocas se les denominaron fría y caliente. Se desarrollaron modelos de regresión para cada región y época para estimar Zm como una función de la profundidad de la capa de mezcla o un índice de estratificación. No fue posible generar modelos de regresión útiles para predecir los otros tres parámetros Gausianos. Por lo tanto, se calcularon sus medias representativas para cada región y época del año. El suponer un perfil homogéneo de biomasa fitoplanctónica resultó en la subestimación de la producción primaria integrada hasta en un 43% con respecto a los valores calculados a partir de perfiles no homogéneos.

Los sensores remotos proveen información sobre las concentraciones medias de pigmentos fotosintéticos del ~22% superior de la zona eufótica. Para modelar la producción primaria de la columna de agua a partir de datos de pigmentos fotosintéticos derivados de satélite es menester estimar la distribución vertical de la concentración de los pigmentos. Se utilizó una función de distribución Gausiana para representar los perfiles verticales de pigmentos con cuatro parámetros. Se usaron 352 perfiles de concentración de clorofila (Chl z) generados en cruceros oceanográficos para estimar estos parámetros para épocas del año y regiones en el Golfo de México. Se llevó a cabo un análisis de conglomerados con datos superficiales de temperatura y clorofila, Chl z en el máximo profundo de clorofila (DCM), y profundidad del DCM (Zm) para dividir el Golfo de México en tres regiones y el año en dos épocas. A las épocas se les denominaron fría y caliente. Se desarrollaron modelos de regresión para cada región y época para estimar Zm como una función de la profundidad de la capa de mezcla o un índice de estratificación. No fue posible generar modelos de regresión útiles para predecir los otros tres parámetros Gausianos. Por lo tanto, se calcularon sus medias representativas para cada región y época del año. El suponer un perfil homogéneo de biomasa fitoplanctónica resultó en la subestimación de la producción primaria integrada hasta en un 43% con respecto a los valores calculados a partir de perfiles no homogéneos. | Remote sensors provide information on the average photosynthetic pigment concentrations for the upper 22% of the euphotic zone. To model primary production in the water column from satellite-derived photosynthetic pigments, estimates of the vertical distribution of pigment concentration are required. A Gaussian distribution function was used to represent the pigment vertical profiles with four parameters. We used 352 chlorophyll concentration (Chl z) profiles generated during oceanographic cruises to the Gulf of Mexico to estimate these parameters for seasons and regions within the gulf. Cluster analyses of data on surface temperature and chlorophyll, Chl z at the deep chlorophyll maximum (DCM), and the depth of the DCM (Zm) were used to divide the Gulf of Mexico into three regions and the year into two seasons (cool and warm). Regression models were developed for each region and season to estimate Zm as a function of the mixed layer depth or an index of stratification. We were not able to generate useful regression models to predict the other three Gaussian parameters. Thus, representative means of these parameters were calculated for each region and season. Assuming a homogeneous biomass profile resulted in underestimation of integrated primary production by as much as 43% relative to the values derived from the nonhomogeneous profiles.