Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Published
Calculation of indicators of maximum extreme temperature in Sinaloa state, northwestern Mexico
Cálculo de indicadores de temperatura máxima extrema en el estado de Sinaloa, noroeste de México
DOI:
https://doi.org/10.15446/esrj.v27n1.99036Keywords:
Maximum extreme temperature, Fitted probability distribution functions, Hydrological disasters, Significant trends (en)Temperatura máxima extrema, Funciones de distribución de probabilidad ajustadas, Desastres hidrológicos, Tendencias significativas (es)
Downloads
One of the climate problems that causes the most environmental impact worldwide is the trend of increasing occurrence of events of maximum extreme temperature, signaled by indicators such as hot extremes (HE) and maximum maximorum (highest maximum) temperature (MmT). These events can cause conditions ranging from severe droughts to heat stroke, which can cause death in any population. Indicators of maximum extreme temperature in one of the most important agricultural areas in northwestern Mexico were calculated based on significant trends (ST) and adjusted return periods. To calculate the trends of the maximum extreme temperature, frequency (FR), annual average duration (AAD), annual daily duration (ADD), intensity (IN) of HE, and MmT, the Mann-Kendall and Sen’s slope tests were applied to data obtained for 19 weather stations from the CLImate COMputing database for the period 1982–2014. Adjusted return periods (ARP) were calculated for each indicator of maximum extreme temperature by fitting a probability distribution function. For the study area, the ST and maximum extreme temperature shows a prevailing cooling trend. This can be deduced by observing the proportion of negative ST compared with positive ST. The highest positive magnitudes of ST were recorded at stations CUL (FR = 3.44 HE dec-1), GUT (AAD = 6.15 day HE-1 dec-1 and IN = 13.62 °C dec-1), IXP (ADD = 35.00 day dec-1) and POT (MmT = 2.50 °C day-1 dec-1). For ARP, the estimate of the average occurrence frequency of extreme events per100 years are FR = 6.11 HE dec-1 (1 time), AAD = 6.64 day HE-1 dec-1 (4 times), ADD = 38.68 day dec-1 (1 time), IN = 39.09 °C dec-1 (6 times) and MmT = 41.95 °C day-1 dec-1 (1 time). These findings are of key importance for the economic sectors related to agricultural production in the state known, at least to date, as “the breadbasket of Mexico” (Sinaloa). The results will help to develop adaptation/prevention measures before the coming socioeconomic and hydrological disasters.
Uno de los problemas climáticos que causa mayor impacto ambiental a nivel mundial es la tendencia creciente de ocurrencia de eventos de temperatura máxima extrema, señalados por indicadores como los extremos calientes (EC) y la temperatura máxima maximórum (máxima más alta, TmM). Estos eventos pueden causar condiciones que van desde sequías severas hasta golpes de calor, que pueden causar la muerte de cualquier población. Se calcularon indicadores de temperatura máxima extrema en una de las zonas agrícolas más importantes del noroeste de México, con base en tendencias significativas (TS) y periodos de retorno ajustados (PRA). Para calcular las tendencias de temperatura máxima extrema, frecuencia (FR), duración media anual (DMA), duración diaria anual (DDA), intensidad (IN) de EC y TmM, a datos obtenidos para 19 estaciones meteorológicas de la base de datos CLImate COMputing para el período 1982–2014, se le aplicaron las pruebas de Mann-Kendall y pendiente de Sen. Se calcularon los PRA para cada indicador de temperatura máxima extrema mediante el ajuste de una función de distribución de probabilidad. Para el área de estudio, las TS y la temperatura máxima extrema muestran una tendencia predominante de enfriamiento. Esto puede deducirse observando la proporción de TS negativas en comparación con las TS positivas. Las mayores magnitudes positivas de TS se registraron en las estaciones CUL (FR = 3.44 EC dec–1), GUT (DMA = 6.15 día EC–1 dec–1 e IN = 13.62 °C dec–1), IXP (DDA = 35.00 día dec–1) y POT (TmM = 2.50 °C día–1 dec–1). Para PRA, la estimación de la frecuencia promedio de ocurrencia de eventos extremos por cada 100 años son: FR = 6.11 EC dec–1 (1 vez), DMA = 6.64 día EC–1 dec–1 (4 veces), DDA = 38.68 día dec–1 (1 vez), IN = 39.09 °C dec–1 (6 veces) y TmM = 41.95 °C día–1 dec–1 (1 vez). Estos hallazgos son de vital importancia para los sectores económicos relacionados con la producción agrícola, en el estado conocido, al menos hasta la fecha, como “el granero de México” (Sinaloa). Los resultados ayudarán a desarrollar medidas de adaptación/prevención ante los próximos desastres socioeconómicos e hidrológicos.
References
Aguilera, N. M. A. (2007). Estimación de funciones de distribución de probabilidad, para caudales máximos, en la región del Maule. Memoria de la Universidad de Talca.
Alghamdi, A. S., & Harrington, J. J. (2019). Trends and spatial pattern recognition of warm season hot temperatures in Saudi Arabia. Theoretical and Applied Climatology, 138, 793–807. https://doi.org/10.1007/s00704-019-02860-6
Alves, M., Nadeau, D. F., Music, B., Anctil, F., & Fatichi, S. (2021). Can we replace observed forcing with weather generator in land surface modeling? Insights from long-term simulations at two contrasting boreal sites. Theoretical and Applied Climatology, 145, 215–244. https://doi.org/10.1007/s00704-021-03615-y
Ariza, R. A. M. (2013). Métodos utilizados para el pronóstico de demanda de energía eléctrica en sistemas de distribución. [Tesis de Licenciatura, Universidad Tecnológica de Pereira], 145p.
Austin, C. P., & van Buuren, S. (2022). The effect of high prevalence of missing data on estimation of the coefficients of a logistic regression model when using multiple imputation. BMC Medical Research Methodology, 22, 196. https://doi.org/10.1186/s12874-022-01671-0
Blanco, M. E., Vaquera, H., Villaseñor, J. A., Valdez, L. J. R., & Rosengaus, M. (2014). Metodología para investigar tendencias espacio-temporales en eventos meteorológicos extremos: caso Durango, México. Tecnología y Ciencias del Agua, 5(6), 25-39. http://www.scielo.org.mx/pdf/tca/v5n6/v5n6a2.pdf
Campos, A. D. F. (2014). Estimación probabilística de crecientes estacionales con base en registros mensuales de gasto máximo. Tecnología y Ciencias del Agua, 5(6), 177-18. http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S2007-24222014000600013&lng=es&nrm=iso&tlng=es
Campos, A. D. F. (2016). Ajuste de distribuciones GVE, LOG y PAG con momentos L de orden mayor. Ingeniería, Investigación y Tecnología, 17(1), 131-142. http://www.scielo.org.mx/scielo.php?pid=S1405-77432016000100131&script=sci_abstract DOI: https://doi.org/10.1016/j.riit.2016.01.012
Chapman, S. C., Watkins, N., & Stainforth, D. A. (2019). Warming trends in summer heatwaves. Geophysical Research Letters, 46, 1634–1640. https://doi.org/10.1029/2018GL081004
Chow, V. T., Maidment, R. D., & Mays, W. L. (1994). Hidrología aplicada. 584 pp. https://es.slideshare.net/LuigiQuispeYanapa/hidrologia-aplicada-ven-te-chow-116834237
CLImate COMputing (CLICOM) data base. Available online: http://clicom-mex.cicese.mx/mapa.html (accessed on 17 September 2021).
Cohen, J. L., Furtado, J. C., Barlow, M., Alexeev, V. A., & Cherry, J. E. (2012). Asymmetric seasonal temperature trends. Geophysical Research Letters, 39(4). https://doi.org/10.1029/2011GL050582
Demisse, M. U., Addisu, L. S., Bazezew, B. A., & Azhar, E. M. (2022). Climate Change Repercussions on Meteorological Drought Frequency and Intensity in South Wollo, Ethiopia. Earth Systems and Environment, 6, 645–655. https://doi.org/10.1007/s41748-022-00293-2
Deng, P., & Zhu, J. (2021). Forecast and uncertainty analysis of extreme precipitation in China from ensemble of multiple climate models. Theoretical and Applied Climatology, 145, 787–805. https://www.researchsquare.com/article/rs-209537/v1 DOI: https://doi.org/10.1007/s00704-021-03660-7
Fiscal, C. B., Restrepo, B. L. F., & Rodríguez, E. H. (2017). Estructura productiva agrícola del estado de Sinaloa, México, y el tratado de libre comercio de América del Norte (TLCAN). Chilean Journal of Agricultural & Animal Sciences, ex Agro-Ciencia, 33(1), 14-23. https://scielo.conicyt.cl/scielo.php?pid=S0719-38902017000100102&script=sci_abstract
Flores, C. L. M., Arzola, G. J. F., Ramírez, S. M., & Osorio, P. A. (2012). Repercusiones del cambio climático global en el estado de Sinaloa, México. Cuadernos de Geografía - Revista Colombiana de Geografía, 21(1), 115-129. https://www.redalyc.org/pdf/2818/281822849009.pdf DOI: https://doi.org/10.15446/rcdg.v21n1.25562
Fontanelli, O., Mansilla, R., & Miramontes, P. (2019). Distribuciones de probabilidad en las ciencias de la complejidad: una perspectiva contemporánea. Interdisciplina, 8(22), 11-37. https://doi.org/10.22201/ceiich.24485705e.2020.22.76416
Franzke, C. L. E. (2015). Local trend disparities of European minimum and maximum temperature extremes. Geophysical Research Letters, 42, 6479–6484. https://doi.org/10.1002/2015GL065011
Garry, F. K., McDonagh, E. L., Blaker, A. T., Roberts, C. D., Desbruyères, D. G., Frajka, W. E., & King, B. A. (2019). Model-derived uncertainties in deep ocean temperature trends between 1990 and 2010. Journal of Geophysical Research: Oceans, 124, 1155–1169. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2018JC014225
Ghasemi, A. R. (2015). Changes and trends in maximum, minimum and mean temperature series in Iran. Atmospheric Science Letters, 16(3), 366-372. https://doi.org/10.1002/asl2.569
Gomáriz, G. C. (2015). Estudio de sostenibilidad energética para una piscina de altas prestaciones. [Bachelor’s thesis, Universidad Politénica de Catalunya], 95 p.
Gómez, M. A. (2020). Modelo de máxima verosimilitud. Libre empresa, 17(2), 121–138. https://doi.org/10.18041/1657-2815/libreempresa.2020v17n2.8027
González, C. J. M., Pérez, R. P., & Ruelle, P. (2011). Estimación de índices normalizados de lluvia mediante la distribución gamma generalizada extendida. Tecnología y Ciencias del Agua, vol. II, núm. 4, Oct.–Dec., 65-76.
Gudko, V., Usatov, A., Ioshpa, A., Denisenko, Y., Shevtsova, V., & Azarin, K. (2021). Agro‑climatic conditions of the Southern Federal District of Russia in the context of climate change. Theoretical and Applied Climatology. https://doi.org/10.1007/s00704-021-03677-y
Gurung, B., Sarkar, K. P., Singh, K. N., & Lama, A. (2021). Modelling annual maximum temperature of India: a distributional approach. Theoretical and Applied Climatology, 145, 979–988. https://doi.org/10.1007/s00704-021-03674-1
Habibi, B., & Meddi, M. (2021). Meteorological drought hazard analysis of wheat production in the semi-arid basin of Cheliff–Zahrez Nord, Algeria. Arabian Journal of Geosciences, 14, 1045. https://doi.org/10.1007/s12517-021-07401-y
Hochman, A., Marra, F., Messori, G., Pinto, J. G., Raveh, R. S., Yosef. Y., & Zittis, G. (2022). Extreme weather and societal impacts in the eastern Mediterranean. Earth System Dynamics, 13, 749–777. https://doi.org/10.5194/esd-13-749-2022
Horton, R. M., Mankin, J. S., Lesk, C., Coffel, E., & Raymond, C. (2016). A review of recent advances in research on extreme heat events. Current Climate Change Reports, 2, 242–259. https://doi.org/10.1029/2018JC014225
Instituto Nacional de Estadística y Geografía (Inegi). (2016). Anuario Estadístico y Geográfico de Sinaloa. http://estadisticas.sinaloa.gob.mx/documentos/AnuarioEstad%C3%ADsticoSinaloa2016.pdf
Jaiswal, R. K., Lohani, A. K., & Galkate, R. V. (2023). Rainfall and Agro Related Climate Extremes for Water Requirement in Paddy Grown Mahanadi Basin of India. Agricultural Research, 12(1), 20–31. https://doi.org/10.1007/s40003-022-00629-4
Kendall, M. G. (1975). Rank Correlation Measures. London: Charles Griffin. https://www.worldcat.org/title/rank-correlation-methods/oclc/3827024
Kienzle, W. S. (2018). Has it become warmer in Alberta? Mapping temperature changes for the period 1950––2010 across Alberta, Canada. The Canadian Geographer/Le Geographe Canadien, 62(2), 144–162. https://doi.org/10.1111/cag.12432
Kumar, U., Kumar, S. D., Chandra, P. S., Kumar, B. J., & Kant, L. (2023). Spatio temporal trend and change detection of rainfall for Kosi River basin, Uttarakhand using long term (115 years) gridded data. Arabian Journal of Geosciences, 16, 173. https://doi.org/10.1007/s12517-023-11244-0
Latif, S., & Mustafa, F. (2020). Copula-based multivariate flood probability construction: a review. Arabian Journal of Geosciences, 13, 132. https://doi.org/10.1007/s12517-020-5077-6
Li, X., You, Q., Ren, G., Wang, S., Zhang, Y., Yang, J., & Zheng, G. (2018). Concurrent droughts and hot extremes in northwest China from 1961 to 2017. International Journal of Climatology, 39(4), 1–11. https://doi.org/10.1002/joc.5944
Linsley, R., Kohler, M., & Paulus, J. (1977). Hidrología para ingenieros. 2 ed. México. Editorial McGraw-Hill Latinoamericana.
Little, R. J. A., & Rubin, D. B. (1987). Statistical Analysis with Missing Data. Wiley, New York 1987, 14, 278. https://www.jstor.org/stable/1165119
Llanes, C. O. (2023). Predictive association between meteorological drought and climate indices in the state of Sinaloa, northwestern Mexico. Arabian Journal of Geosciences, 16, 79. https://doi.org/10.1007/s12517-022-11146-7
Llanes, C. O., Gutiérrez, R. O. G., Montiel, M. J., & Troyo, D. E. (2022a). Hot extremes and climatological drought indicators in the transitional semiarid–subtropical region of Sinaloa, northwest Mexico. Polish Journal of Environmental Studies, 31(5), 4567–4577. https://doi.org/10.15244/pjoes/149882
Llanes, C. O., Norzagaray, C. M., Gaxiola, A., Pérez, G. E., Montiel, M. J., & Troyo, D. E. (2022b). Sensitivity of four indices of meteorological drought for rainfed maize yield prediction in the state of Sinaloa, Mexico. Agriculture, 12, 525. https://doi.org/10.3390/agriculture12040525
Llanes, C. O., Norzagaray, C. M., Muñoz, S. N. P., Ruiz, G. R., Troyo, D. E., & Álvarez, R. P. (2015). Hydroclimatic Trends in Areas with High Agricultural Productivity in Northern Mexico. Polish Journal of Environmental Studies, 24(3), 1165-1180. https://doi.org/10.15244/pjoes/31221
Lustenberger, A., Knutti, R., & Fischer, E. M. (2014). Sensitivity of European extreme daily temperature return levels to projected changes in mean and variance. Journal of Geophysical Research: Atmospheres, 119(6), 3032-3044. https://doi.org/10.1002/2012JD019347
Mann, H. B. (1945). Nonparametric tests against trend. Econometrica, 13, 245–259. https://www.jstor.org/stable/1907187 DOI: https://doi.org/10.2307/1907187
Murage, P., Hajat, S., & Kovats, R. S. (2017). Effect of night-time temperatures on cause and age-specific mortality in London. Environmental epidemiology, 1(2), e005. https://doi.org/10.1097/EE9.0000000000000005
Organización Panamericana de la Salud (OPS). (2019). Ola de calor y medidas a tomar. Revisión preliminar. 50p. https://www3.paho.org/hq/index.php?option=com_docman&view=download&alias=48467-heat-wave-and-measures-to-take-preliminary-review-spanish&category_slug=detection-verification-risk-assessment-1226&Itemid=270&lang=es
Papacharalampous, G., Tyralis, H., & Koutsoyiannis, D. (2018). Predictability of monthly temperature and precipitation using automatic time series forecasting methods. Acta Geophysica, 66, 807–831. https://doi.org/10.1007/s11600-018-0120-7
Pliego, J. M. & Ruiz, & M. L. (2004). Estadística I: Probabilidad. 2ª ed. Madrid: Thomson.
Puerta, G. A. (2002). Imputación basada en árboles de clasificación. Eustat. https://www.eustat.eus/documentos/datos/ct_04_c.pdf
Rincón, A. J. G. (2012). Sinaloa: 100 años de historia educativa 1910-2010. Universidad Pedagógica Nacional. https://es.scribd.com/document/370636982/libro-de-rincon-pdf
Riojas, R. H., Hurtado, D. M., Idrovo, V. J., & Vázquez, G. H. (2006). Estudio diagnóstico sobre los efectos del cambio climático en la salud humana de la población en Mexico. Instituto Nacional de Ecología, Instituto Nacional de Salud Pública.
Robeson, S. M. (2004). Trends in time-varying percentiles of daily minimum and maximum temperature over North America. Geophysical Research Letters, 31(4). https://doi.org/10.1029/2003GL019019
Rojas, E., Arce, B., Pena, A., Boshell, F., & Ayarza, M. (2010). Cuantificación e interpolación de tendencias locales de temperatura y precipitación en zonas alto andinas de Cundinamarca y Boyacá (Colombia). Ciencia y Tecnología Agropecuaria, 11(2),173-182. http://www.redalyc.org/articulo.oa?id=449945029009 DOI: https://doi.org/10.21930/rcta.vol11_num2_art:209
Ruiz, C. J. A., Medina, G. G., Macías, J. C., Silva, M. M. S., & Diaz, P. G. (2005). Estadísticas climatológicas básicas del estado de Sinaloa (Período 1961-2003). Libro Técnico Núm. 2. INIFAP-CIRNO. Cd. Obregón, Sonora, México. https://docplayer.es/41213292-Estadisticas-climatologicas-basicas-del-estado-de-sinaloa-periodo.html
Ruiz, C. J. A., Medina, G. G., González, A. I. J., Flores, L. H. E., Ramírez, O. G., Ortiz, T. C., Byerly, M. K. F., & Martínez, P. R. A. (2013). Requerimientos agroecológicos de cultivos. Libro técnico Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (Sagarpa), 3, 578. https://www.researchgate.net/profile/Jose-Ruiz-Corral/publication/343047223_REQUERIMIENTOS_AGROECOLOGICOS_DE_CULTIVOS_2da_Edicion/links/5f1310e04585151299a4c447/REQUERIMIENTOS-AGROECOLOGICOS-DE-CULTIVOS-2da-Edicion.pdf
Rustom, J. A. (2012). Estadística descriptiva, probabilidad e inferencia. Una visión conceptual y aplicada. Universidad de Chile. http://repositorio.uchile.cl/handle/2250/120284
Salgado, C. A., & Largo, O. J. (2018). Imputación de datos faltantes de temperatura máxima media mensual mediante métodos geoestadísticos en estaciones climáticas del Valle del Cauca en el periodo 2013-2014. [Bachelor’s thesis, Universidad del Valle].
Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (Sagarpa). (2015). Agenda técnica agrícola de Sinaloa. Segunda Edición. https://issuu.com/senasica/docs/25_sinaloa_2015_sin
Sen, P. K. (1968). Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association. 63, 1379-1389. https://www.pacificclimate.org/~wernera/zyp/Sen%201968%20JASA.pdf DOI: https://doi.org/10.1080/01621459.1968.10480934
Seneviratne, S. I., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., Luo, Y., Marengo, J., McInnes, K., Rahimi, M., Reichstein, M., Sorteberg, A., Vera, C., & Zhang, X. (2012). Changes in climate extremes and their impacts on the natural physical environment. In: Field, C. B., Barros, V., Stocker, T. F., Qin, D., Dokken, D. J., Ebi, K. L., Mastrandrea, M. D., Mach, K. J., Plattner, G. K., Allen, S. K., Tignor, M., & Midgley, P. M. (eds.) Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change (IPCC). Cambridge University Press, Cambridge, UK, and New York, NY, USA, 109-230.
Seneviratne, S. I., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., Luo, Y., Marengo, J., McInnes, K., Rahimi, M., Reichstein, M., Sorteberg, A., Vera, C., & Zhang, X. (2012). Changes in climate extremes and their impacts on the natural physical environment. In: C. Field et al. (Eds.). Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation, A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change (IPCC). Cambridge Univ. Press, Cambridge, U.K., and New York. pp. 109–230. https://www.ipcc.ch/site/assets/uploads/2018/03/SREX-Chap3_FINAL-1.pdf DOI: https://doi.org/10.1017/CBO9781139177245.006
Sheridan, S. C., & Lee, C. C. (2018). Temporal trends in absolute and relative extreme temperature events across North America. Journal of Geophysical Research: Atmospheres, 123(11), 889–898. https://doi.org/10.1029/2018JD029150
Strupczewski, W., Singh, V., & Feluch, W. (2001). Non-stationary approach to at-site flood frequency modelling. Maximum likelihood estimation. Journal of Hydrology, 248, 123–142. https://doi.org/10.1016/S0022-1694(01)00397-3
Wang, J., Han, Y., Stein, M. L., Kotamarthi, V. R., & Huang, W. (2016). Evaluation of dynamically downscaled extreme temperature using a spatially aggregated generalized extreme value (GEV) model. Climate Dynamics, 47, 2833–2849. https://doi.org/10.1007/s00382-016-3000-3
Woong, T. K., Yoo, C., & Valdés, J. B. (2003). Nonparametric Approach for Estimating Effects of ENSO on Return Periods of Droughts. KSCE Journal of Civil Engineering, 7(5), 629–636. DOI: https://doi.org/10.1007/BF02838326
World Bank, CIAT, & CATIE. (2014). Agricultura climáticamente inteligente en Sinaloa, México. Serie de perfiles nacionales de agricultura climáticamente inteligente para América Latina. Washington D.C.: Grupo del Banco Mundial, 12p. https://cgspace.cgiar.org/bitstream/handle/10568/52994/CSA-en-Sinaloa-Mexico.pdf?sequence=7&isAllowed=y
XLstat. (2022). User’s manual. 1657p. https://cdn.xlstat.com/helpcentersfdc/XLSTAT_Help.pdf
Yuan, W., Cai, W., Chen, Y., Liu, S., Dong, W., Zhang, H., Yu, G., Chen, Z, He, H., Guo, W., Liu, D., Liu, S., Xiang, W., Xie, Z., Zhao, Z., & Zhou, G. (2016). Severe summer heatwave and drought strongly reduced carbon uptake in Southern China. Scientific Reports, 6, 18813. https://doi.org/10.1038/srep18813
How to Cite
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Download Citation
CrossRef Cited-by
1. Omar Llanes Cárdenas, Rosa D. Estrella Gastélum, Román E. Parra Galaviz, Oscar G. Gutiérrez Ruacho, Jeován A. Ávila Díaz, Enrique Troyo Diéguez. (2024). Modeling Yield of Irrigated and Rainfed Bean in Central and Southern Sinaloa State, Mexico, Based on Essential Climate Variables. Atmosphere, 15(5), p.573. https://doi.org/10.3390/atmos15050573.
Dimensions
PlumX
Article abstract page views
Downloads
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
Earth Sciences Research Journal holds a Creative Commons Attribution license.
You are free to:
Share — copy and redistribute the material in any medium or format
Adapt — remix, transform, and build upon the material for any purpose, even commercially.
The licensor cannot revoke these freedoms as long as you follow the license terms.
The Earth Sciences Research Journal is the copyright holder for these license attributes.
