RECURSOS HÍDRICOS.
EVALUACIÓN, PLANIFICACIÓN Y GESTIÓN
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
CAMBIOS DEL USO DEL SUELO, SUS CONSECUENCIAS HIDROLOGICAS Arbuet, A.; Pusineri, G.; Pedraza, R. Facultad de Ingeniería y Ciencias Hídricas (UNL) Departamento de Hidrología – Ciudad Universitaria - Ruta Nº 168 Km 472 , Santa Fe (3000), Argentina.
E-mail: [email protected] Palabras clave: Modelo hidrológico, Sistema de Información Geográfica, Cambio de uso del suelo
INTRODUCCIÓN
En la provincia de Entre Ríos (Argentina) se ha incrementado notablemente la superficie sembrada en los últimos 20 años, especialmente a partir de mediados de los 90, llegando a triplicarse su valor, en el 2009 ha superado los 2 millones de hectáreas. La incorporación de nuevas áreas a la agricultura se hizo avanzando sobre los montes y bosques nativos, produciéndose así cambios en el uso del suelo. El cambio de cobertura vegetal no solo afecta al escurrimiento de las aguas superficiales sino también a los suelos, especialmente cuando tienen un alto contenido de arcillas, como es el caso de los Vertisoles y Molisoles presentes en la cuenca en estudio. La destrucción de la estructura de los suelos origina una disminución de la conductividad hidráulica, con lo cual disminuye la infiltración y aumenta la escorrentía.
En este trabajo se presenta la investigación realizada sobre los efectos de esos cambios en la variación espacio-temporal del coeficiente de escorrentía (relación entre el escurrimiento directo medido con el hidrograma y la precipitación) en la cuenca del Arroyo Feliciano para un determinado evento de lluvia y distintos escenarios de uso del suelo históricos, actuales e hipotéticos futuros. Este trabajo fue parte de la tesis de la Maestría de la Ing. Alejandra Arbuet. AREA DE ESTUDIO El área de estudio es la cuenca del Arroyo Feliciano, afluente del río Paraná; ubicada en el norte de la provincia de Entre Ríos (ER) .Ver Figura 1.
Figura 1. Ubicación de la cuenca del Aº Feliciano El punto de cierre se adoptó en Paso Medina,
lugar donde existe una estación de aforos de la Subsecretaría de Recursos Hídricos de la Nación, siendo la superficie aproximada de 5550km2.
Se dispuso para este estudio de la serie de datos de caudales diarios en Paso Medina. Además existe una red de 23 estaciones pluviométricas operadas por la Dirección de Hidráulica de ER, con datos de precipitación diaria. METODOLOGIA
Para evaluar los efectos del cambio de uso del suelo sobre el coeficiente de escorrentía en la cuenca del Aº Feliciano, se aplicó el modelo hidrológico AGWA-KINEROS (USDA, 2003), de tipo semidistribuido para eventos aislados y libre acceso.
Este modelo tiene la ventaja de realizar el pre y postprocesamiento de sus parámetros de manera rápida y precisa y la visualización de los resultados en un entrono de SIG ArcView 3.2.
Los datos requeridos para su aplicación son: el Modelo Digital de Elevación (MDE), mapa de uso del suelo y mapa de tipo de suelo.
El MDE se obtuvo especialmente para este trabajo digitalizando las once cartas del Instituto Geográfico Militar que cubren la cuenca, usando técnicas de SIG.
Para determinar el cambio espacio-temporal del uso del suelo, se utilizaron 3 imágenes satelitales (Landsat 5) de diferentes fechas: 1986, 1997 y 2006.
Dichas imágenes fueron procesadas mediante técnicas de teledetección, obteniéndose los mapas con 9 clases de uso del suelo: Bosque, Monte, Pastura, 2 tipos de cultivos, Barbecho, suelo desnudo, suelo quemado y agua.
A partir de dichos mapas el programa AGWA genera automáticamente en un primer paso la delimitación de la cuenca y su desagregación en elementos de subcuencas y tramos de ríos.
En un segundo paso le asigna a cada elemento los parámetros asociados al uso y tipo de suelo, que luego son requeridos por el modelo hidrológico.
La aplicación del modelo KINEROS tiene dos etapas, una primera de calibración de los parámetros a partir de eventos precipitación-escorrentía observados y otra de aplicación para un evento teórico de una determinada recurrencia.
Para la calibración se seleccionaron tres crecidas históricas del Aº Feliciano durante el período 1986-2006, con similares alturas (valores entre 150 mm y 170 mm) y duración de lluvia (entre 2 y 4 días).
Como resultado de esta calibración se obtuvo la disminución de la conductividad hidráulica saturada (KS), que puede interpretarse físicamente como la consecuencia de un proceso de destrucción de la estructura de los suelos destinados a uso agrícola.
2
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
En la segunda etapa para evaluar los efectos de los cambios de uso del suelo sobre los escurrimientos superficiales durante un evento, se aplicó el modelo calibrado para una tormenta teórica de 5 años de recurrencia distribuida uniformemente en toda la cuenca. RESULTADOS
A partir de los mapas de uso del suelo para las tres fechas 1986, 1997 y 2006, se evaluaron las variaciones a nivel de la cuenca total y nivel local en la subcuenca “Yeso Oeste” identificada con mayores cambios en el período de análisis, con una superficie de 138km2.
A efectos de simplificar el tratamiento, se reagruparon las 9 clases de uso del suelo en 4 nuevas clases: a) Bosque y Monte, b) Actividad agrícola (Cultivo1, Cultivo2, Barbecho, Suelo Desnudo y Suelo Quemado), c) Pasturas y d) Agua.
La superficie correspondiente a la clase Actividad Agrícola en toda la cuenca se duplicó entre los años 1986 y 2006, y la de Bosque y Monte se redujo en aproximadamente 7%.
En el caso de la subcuenca “Yeso Oeste”, en el período analizado hay una disminución de la superficie de Bosque y Monte del orden del 15%, pérdida que se traduce en un aumento de la superficie de Actividad Agrícola, ver Tabla 1.
En la Figura 2 se puede observar la distribución espacial de esos cambios de uso del suelo. Tabla 1. Variación de la superficie de cada clase de uso de suelo en la subcuenca “Yeso Oeste”.
Clase de uso del suelo
Superficie en (%) 1986 1997 2006
Bosque y Monte 86,6 79,6 71,9 Actividad Agrícola 7,1 20,2 22,4 Pastura 6,3 0,2 5,7 Agua 0,0 0,0 0,0
Figura 2. Mapas del uso del suelo en los años 1986 y 2006
Como resultado del modelo hidrológico para el evento teórico a escala de cuenca se encontró que entre los años 1986 y 2006 hay un aumento del coeficiente de escorrentía del 25%. Además se observó que los mayores aumentos se dan donde hay más cambio de uso del suelo y donde se ubican los suelos Vertisoles o Molisoles, los que se desarrollan en las zonas próximas a la red de drenaje.
En la subcuenca se detecto que un aumento de la Actividad Agrícola del 15% generó un aumento del coeficiente de escorrentía (C) del 55%.
Se supusieron además dos situaciones hipotéticas (H) a futuro, donde la superficie de Actividad Agrícola aumenta al 50% y al 56%, esto generó un aumento del C del 97% y 105%, respectivamente.
Con estos resultados se creó la Figura 3 que relaciona el porcentaje de Actividad Agrícola para la subcuenca y el coeficiente de escorrentía. En dicha figura se observa que la tasa de aumento de C disminuye a medida que aumenta el porcentaje de superficie agrícola.
H2H1
2006
19860,10
0,15
0,20
0,25
0,30
0% 20% 40% 60%Actividad agrícola
Coe
fic. d
e es
corre
ntía
Figura 3. Variación del Coeficiente de escorrentía vs superficie de actividad agrícola en “Yeso Oeste”. CONCLUSIONES
En el período 1986-2006 se produjeron cambios en el uso del suelo de la subcuenca, con una disminución de la superficie de bosque y monte del 15 %, que pasaron a tener actividad agrícola.
A partir de la modelación hidrológica, se encontró que los efectos del cambio de uso del suelo sobre el escurrimiento son significativos, a medida que aumenta el porcentaje de superficie con actividad agrícola aumenta el coeficiente de escorrentía de manera exponencial.
Casi la totalidad de la superficie con cambio de cobertura se ubica sobre suelos Vertisoles o Molisoles, estos suelos se desarrollan principalmente en zonas próximas a la red de drenaje, tienen un alto potencial de escurrimiento y son afectados severamente por el uso agrícola, que origina una destrucción de su estructura y una disminución de su conductividad hidráulica saturada.
A medida que aumenta el porcentaje de superficie con actividad agrícola, aumenta el coeficiente de escorrentía.
Cuando se aplica modelación hidrológica en cuencas con variación significativa de cobertura, se debe considerar el uso del suelo para el escenario futuro. REFERENCIAS USDA, 2003. KINEROS2: A kinematic runoff and
erosion model, Tucson, Arizona, USA: http://www.tucson.ars.ag.gov/kineros/ [consultado en Marzo del 2009].
3
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
SENSIBLE HEAT FLUX ESTIMATION UNDER NON IDEAL CONDITIONS
STUDY CASES OVER SIX CONTRASTING SURFACES
Castellví, F. Dpto. Medio Ambiente y Ciencias del Suelo. Universidad de Lleida, España.
E-mail: [email protected]
Keywords: Sensible heat flux, Regional advection.
INTRODUCTION For homogeneous and moderately tall
vegetation, including bare soil, the simplified
surface energy balance, SEB, equation holds
Rn-G=H+LE (1)
where Rn is the net radiation, G is the soil heat
flux, LE is the latent heat flux and H is the sensible
heat flux. When each energy term (flux) is
independently measured it is difficult to obtain a
reasonable closure of Eq. (1). This is a historical
problem that still remains unresolved (Foken
2008). Traditionally, closure has been forced via
Bowen ratio (H/LE). For LE estimation, closure
has also been forced rearranging terms in Eq. (1)
LE = Rn - G – H (2)
It is widely recognized that appears difficult to
recommend the best procedure to force the closure.
This is not just a matter of the assumptions
invoked in methods and techniques or lack of
understanding of physical processes involved.
Shortcomings on instrumentation also may play a
key role. The development of new techniques and
methods to estimate the flux of a scalar is a major
challenge in micrometeorology.
Because the instrumentation required to measure
Rn and G with reasonable accuracy is currently
rather affordable and robust, reliable H estimates
are crucial to estimate LE using Eq. (2). Therefore,
affordable methods to estimate H are desired,
especially for applications in agriculture due to the
large extension of irrigated areas and variety of
crop management. Moreover, in some cases, such
as over tree orchards or tall crops, it is desirable to
take measurements close to the canopy top because
fetch requirements are not so limiting and it may
avoid the need to install tall towers. In fact,
derivation of approaches to apply Monin–Obukhov
similarity theory, MOST, in the roughness sublayer
is a matter of active research.
The objective of this paper is to compare the
performance of three micrometeorological methods
to estimate half- hourly H under non – ideal
conditions (i.e., assumptions invoked may not be
reliable). The weather conditions observed make
the methods comparable in terms of budget (i.e.,
same instrumentation is required). The eddy
covariance, EC, method based on Reynolds
decomposition was used to determine H which was
taken as reference for comparison, HEC. This study,
however, analyses the performance when half-
hourly (Rn-G) was positive. In terms of amount of
evapotranspiration, this is the period of major
interest. For (Rn-G) < 0 it was difficult to evaluate
the performance because HEC mostly fall within the
measurement error (25 W m-2
). Moreover, for
strong stabilities, HEC may not be a reliable
estimate of the actual H.
MATERIALS AND METHODS
The field experiments and main climate features.
Six campaigns were carried out simultaneously
from late spring to early fall in 2007 over
contrasting surfaces in San Joaquin valley (CA,
USA). For each experiment fine wire
thermocouples, a three dimensional, 3-D, sonic
anemometer and a CR1000 with a memory card
were used to store raw data at 10Hz of the three
wind components and the air, T, and sonic, Ts,
temperatures. The valley is influenced by regional
advection of sensible heat flux. Typically, HEC was
negative around two or three hours after noon
(PST). The typical climate features in the region
were observe; clear skies, no rainfall, high daily
thermal amplitude and maximum temperatures and
calm winds. Often, the CIMIS weather stations did
not record wind speed. Therefore, a 2-D sonic
anemometer is required to obtain reliable time
series of wind speed and direction. A summary of
the campaigns is as follows.
Rice fields. Two experiments, rice fields Y1 and
Y2, were carried out at Colusa. The field Y1 was
flood irrigated. The field Y2 was sprinkler
irrigated. Weeds proliferated in field Y1, however,
changes in roughness were not relevant to modify
aerodynamic parameters. Both fields had large
fetch. The experiments covered the full growing
season and the maximum canopy height was about
1.1 - 1.2 m. The EC system was deployed at a
height, z, above the ground, at z=1.75 m.
Grass and bare soil. The experiments were carried
out at Five Points and Davis, respectively. The
grass (0.1-0.15 m tall) was sprinkler irrigated. The
bare soil plot was not irrigated. Fetch was
sufficient in both plots. The EC systems were
deployed at z=1.0 m and z=1.5 m, respectively.
Peach orchard and vineyard. The experiments
were carried out at Parlier and fetch was limited to
take measurements in the inertial sub-layer. The
trees (variety Crimson lady) were 3.5 m tall. The
orchard was drip irrigated. Distance between
trunks in a row was 5 m and across the row it was
6 m. The EC system was deployed at z=5.5 m. The
vines (table grapes variety Cabernet sauvignon)
were 2.3 m tall. The distance between vines in a
row was 2.5 m and across a row was 3.5 m. The
vines were drip irrigated. The EC system was
deployed at z=2.8 m.
Estimation of sensible heat flux. Methods for
estimating H that fully rely on MOST can be
written in the following general form
4
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
H= Cp T* u* (3)
where and Cp are the density and specific heat at
constant pressure of the air, respectively, T* is the
surface temperature scale and u* is the friction
velocity. Based on MOST, T* is related with the
structure function parameter for temperature, CTT,
and with the temperature standard deviation, T,
through Eqs. (4) and Eq. (5), respectively.
) ()( 1
3/2
2
*
gdzT
CTT (4)
) (2
*
gT
T (5)
Therefore, Eq. (3) combined with Eqs. (4) or (5)
provide two MOST expressions for H estimation.
The other method selected is based on surface
renewal, SR, analysis (Paw U et al., 1995). The SR
expression selected combines renewal theory, the
scalar conservation equation, the one-dimensional
diffusion equation and MOST. It provides a SR
based expression exempt of calibration (Castellví,
2004)
T
pSR
AzCH )( (6)
where
*
2/1
1
*2
*
*
2/1
1
*2
)()()(
)()()(
zdzhuz
dzk
zdzuz
dzk
h
h
In Eqs. (4)-(6) d is the zero-plane displacement,
is an stability parameter defined as, (z-d)/LO [LO is
the Obukhov length], AT and are the ramp
dimensions (amplitude and period, respectively)
observed in temperature traces, h is the canopy
height, z* is the roughness sublayer depth that was
estimated as, z*=2h, to make the three methods
comparable in terms of input, k 0.4 is the Von
Kármán constant, and g1(), g2() and h( ) are
MOST relationships. H was solved by iteration
using the wind-profile law to account for u*. The
latter involves the roughness length for
momentum, z0, and d that were estimated as
z0=0.12h and d =0.75h, respectively (Foken 2008).
The iterative procedure stopped when the
difference encountered in was less than 0.05. It is
of interest to mention that for field applications,
such as determination of crop coefficients
estimating the actual LE using Eq. (2), the buoyant
H is required (which can be estimated using Ts
because it is close to the virtual temperature) to
account for the expansion of air parcels under
constant pressure. Therefore, a 2-D sonic
anemometer capable to provide the horizontal wind
speed components and Ts at high frequency can be
used to directly estimate the buoyant HSR with less
impact that using Eqs. (3) and (4), HCTT, and Eqs.
(3) and (5), HVA, because MOST relationships are
valid for T. Therefore, HSR appears more
convenient and requires minor maintenance.
Data processing. Statistics and ramp dimensions
determination are described in Castellví (2010).
RESULTS The slope and intercept, Inter (Wm
-2), from
linear regression analysis, the determination
coefficient, R2, and the root mean square error,
Rmse (Wm-2
), were determined to compare
performances versus HEC. The results are shown in
Table 1. N is the number of half-hourly samples available.
Table 1. Comparison of H estimates versus HEC. Surface: Slope Inter. R2 Rmse
Rice Y1 HSR
N=2125 HVA
HCTT
Rice Y2 HSR
N=2376 HVA
HCTT
Peach orch. HSR
N=1753 HVA
HCTT
Grape orch. HSR
N=1167 HVA
HCTT
Grass HSR
N=2125 HVA
HCTT
Bare soil HSR
N=1196 HVA
HCTT
0.97 -1.2 0.91 10
1.36 6.7 0.83 33
1.05 -1.8 0.89 13
0.85 -0.9 0.90 15
1.21 4.3 0.83 27.5
0.90 -1.8 0.90 14
0.96 0.8 0.90 23
1.60 27.5 0.72 110
1.46 7.8 0.81 72
0.91 -1.8 0.92 21
1.54 8.53 0.82 72
1.35 -3.8 0.87 45
0.87 1.0 0.88 11
1.39 19.3 0.56 36
0.88 2.2 0.80 10
0.96 -1.3 0.92 29
1.09 13.4 0.92 39
0.69 1.06 0.97 47
CONCLUSIONS In general, HSR was the closest to HEC either
operating in the roughness and inertial sub-layers.
Therefore, the method based on SR analysis offers
tremendous advantages over these two methods
that are entirely based on MOST.
ACKNOWLEDGMENTS The author gratefully acknowledges R.L Snyder to
provide the dataset and PROCLAM project
CGL2009-12797-C03-01 (MICYT, Spain).
REFERENCES Castellví, F. 2010. Estimation of scalar surface
fluxes using Surface Renewal analysis.
Overview and case study over natural
grassland. Cap. 7 en Horizons in Earth
Science Research. Nova Science Pub. Inc.
New York, NY. ISBN: 978-1-60741-221-2
Castellví, F. 2004. Combining surface renewal
analysis and similarity theory: A new
approach for estimating sensible heat flux.
Water Resources Research, 40, W05201.
DOI:10.1029/2003WR002677.
Foken, T. 2008. Micrometeorology. Springer-
Verlag. Berlin. ISBN: 978-3-540-74666-9.
5
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
CONSUMO HIDRICO DEL CULTIVO DE SOJA SOBRE CULTIVO DE MAIZ
Costanzo, M. ; Vilche, M.S. Campo Experimental Villarino, Facultad de Ciencias Agrarias, UNR. E-mail: [email protected] Palabras clave: soja - consumo hídrico INTRODUCCIÓN
La fuente principal de agua para los cultivos de secano radica en las precipitaciones; sus fluctuaciones, tanto en cantidad como distribución, originan períodos con deficiencias hídricas, los cuales pueden ser atenuados parcial o totalmente por la reserva hídrica del suelo. El incremento de la cobertura superficial por medio de la siembra directa, sistema cada vez más extendido en la región pampeana, ha favorecido el almacenaje hídrico del suelo ya que permite regular la pérdida por evaporación directa modificando los términos del balance de agua (Dardanelli et al., 2004). Es importante brindar a profesionales y productores agrícolas el conocimiento sobre los requerimientos hídricos del cultivo de soja como una herramienta útil para la toma de decisiones en la empresa agropecuaria. El objetivo del trabajo fue estimar el consumo hídrico de un cultivo de soja de primera siembra, con antecesor maíz, a partir de los contenidos de agua edáfica obtenidos mediante el uso de sonda. MATERIALES Y MÉTODOS
El experimento se realizó durante la campaña 2006-2007 en el Campo Experimental de la Facultad Cs. Agrarias, UNR (Zavalla, Santa Fe, Arg) sobre un suelo Argiudol vértico. El 10/11/2006 se sembró soja de primera en todo el lote utilizándose un cultivar de grupo de maduración IV, a 0,52 m entre surcos, sobre cultivo de maíz. Se aplicaron 70 kg ha-1 de superfosfato simple y se realizaron los controles de malezas y plagas habituales. Se midió periódicamente (7-10 días) la humedad del suelo hasta 1 m de profundidad, mediante sonda Diviner 2000 (SENTEK)*, en dos tubos fijos de 1m de profundidad de PVC con diámetro de 8 cm, previamente calibrada; el sensor de la sonda reconoce profundidades cada 10 cm y los datos de humedad son expresados en mm. El contenido hí- drico se expresó como agua útil y el consumo del cul- tivo se estimó a partir de la variación del almacenaje entre fechas, considerando las precipitaciones y va- riando el espesor de suelo, según el grado de profundización alcanzado por las raíces. Las lluvias fueron obtenidas de la Estación Agrometeorológica Zavalla (33º01´S; 66º53´W; 50 m snm) perteneciente a la Red del INTA y SMN.
*sonda basada en un par de electrodos conectados a un circuito de oscilación eléctrica (capacitance probe).
RESULTADOS Y DISCUSIÓN En la Figura 1 se muestra la distribución de las
precipitaciones durante el ciclo del cultivo, las cuales sumaron entre E y R7 (escala de Fehr y Caviness, 1977) un total de 652,7 mm.
0
20
40
60
80
100
120
lluvi
a (m
m)
R1 R5 R7
Figura 1: Distribución de las lluvias durante el ciclo del cultivo (Estación Meteorológica Zavalla, SMN).
Durante agosto y setiembre las precipitaciones registradas resultaron un 45% menor a la media histórica (80,3 mm) para el mismo período; las lluvias de octubre superaron al promedio en un 20 %, como consecuencia el suelo contenía el 89% del agua útil (0-100 cm) a la siembra. En el periodo E-R1, el monto total de las precipitaciones fue de 366,9 mm, concentrado principalmente en dos tormentas que sumaron 211 mm (Figura 1); mientras que entre R2–R7 sumaron 285,8 mm.
El agua edáfica se mantuvo durante el periodo reproductivo entre el 60 y el 87 % del agua útil del espesor analizado, a excepción de la primera quincena de fe- brero (53 %). En la Figura 2 puede verse la evolución del almacenaje del suelo en términos de agua útil y el consumo del cultivo. Así, al comienzo de febrero pue- de observarse la disminución en el contenido hídrico y una reducción del consumo hasta la lluvia siguiente, momento coincidente con el inicio del período crítico de llenado de grano, R5 - R7, aspecto que pudo haber generado una disminución del rendimiento final que fue de 3448 kg ha-1. Con una distribución de las lluvias más uniforme, este cultivar hubiese alcanzado una producción superior a la lograda. Según Andriani (2002) una deficiencia hídrica en este período, un con- tenido de agua útil igual o por debajo del 50%, genera una reducción importante del rendimiento. En este caso, como el almacenaje en los estados fenológicos previos estuvo por encima del nivel crítico mencionado, el agua presente sumada a las lluvias de escasa magnitud, pudieron generar un buen rendimiento, aun- que inferior al de otros años para el mismo cultivar.
6
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
Además debe considerarse que en el ensayo la humedad fue medida hasta el metro de profundidad y
en los Argiudoles de la región pampeana la soja puede desarrollar sus raíces hasta los 2 m (Andriani, 2000).
-50
0
50
100
150
200
250
10-N
ov
17-N
ov
24-N
ov
01-D
ic
08-D
ic
15-D
ic
22-D
ic
29-D
ic
05-E
ne
12-E
ne
19-E
ne
26-E
ne
02-F
eb
09-F
eb
16-F
eb
23-F
eb
02-M
ar
09-M
ar
16-M
ar
mm
Almacenaje Consumo
Figura 2: Evolución del almacenaje del suelo en términos de agua útil y el consumo del cultivo de soja.
Si bien la soja estuvo antecedida por maíz, la cobertura superficial fue del 60 %, efecto de una importante granizada, condicionado el rendimiento de soja, ya que una fracción del agua edáfica podría haberse perdido por evaporación directa. La menor cobertura superficial disminuye los consumos de los cultivos según Caviglia y Paparotti (2000). En este caso, el consumo estimado durante el ciclo completo del cultivo de soja fue de 390,8 mm, 161,8 mm correspondieron al periodo E-R1 y los 229 mm restantes a R2-R7. Este valor resultó superior al comunicado por Vilche et al. (2009), en un ensayo ubicado en el campo experimental de Zavalla, para el GM III y en una campaña con escasas precipitaciones (308,4 mm). Totis et al. (1991) estimaron una evapotranspiración real de 292 mm para soja después de trigo en condiciones de secano en la EEA Pergamino bajo labranza cero, mientras que Andriani (2000) para el área de Oliveros (Sta Fe), obtuvo un consumo acumulado de 530 y 425 mm en soja de primera y de segunda respectivamente con mediciones hasta 2 m de profundidad y Salado Navarro et al.(2006) estimaron mediante un modelo mecanístico un consumo medio de 560 mm para este cultivo.
Con el rendimiento general del lote y con el consumo medido por la sonda, se calculó la eficiencia en el uso del agua (EUA) que resultó de 8,8. Della Maggiora et al. (2002) en Balcarce, obtuvieron una EUA de 9,1 mientras que Weir et al. (2008) en Marcos Juárez, utilizando lisímetros y sin limitantes hídricas, midieron un consumo potencial de 630 mm y una EUA de 6,3. CONCLUSIONES
La distribución de las precipitaciones permitió que el suelo se mantuviese con alta disponibilidad hídrica durante el ciclo del cultivo, pero dada la variabilidad de las lluvias en la región pampeana húmeda, es conveniente repetir el experimento para estimar el consumo.
En este ciclo, el buen nivel de agua edáfica almacenada a la siembra, incidió en el desarrollo del cultivo de soja. REFERENCIAS Andriani, J. 2000. Crecimiento de las raíces de los
principales cultivos extensivos en Argiudoles de Sta Fe. EAA INTA Oliveros. Para Mejorar Producción 13 (40-44).
Andriani, J. 2002. Estrés hídrico en soja. Rev. IDIA XXI, Oleag: soja. Año II, nº3, dic 2002., (48-51).
Caviglia, O; Paparotti, O. 2000. Trigo: Efecto de la cobertura influenciada fertilizacion sobre consumo agua. EAA INTA Oliveros. Para Mejorar Producción Nº 13, (55-60).
Della Maggiora, A.; Gardiol, J.; Irigoyen, A. 2002. Requerimientos hídricos. En: Bases para el manejo de maíz, girasol y soja. Ed. Andrade, F.y Sadras, V, 2da edición (157-173).
Dardanelli, J. 1998. Eficiencia en el uso del agua según sistemas de labranzas. En: Siembra Directa. Ed. Panigatti J, Marelli, H, Buscchiazzo, D y Gil, R. SAGPyA - INTA. (107-115).
Fehr W.R: Caviness C.E. 1977. Stages of soybean development, Ames, IA. Iowa State University. Special Report 80. 11 p.
Salado Navarro L.R. et al <http:www.acsoja.org.ar/ mercosoja2006/trabajos_pdf/T7.pdf>. Consultado en mayo de 2010.
Totis de Zeljkovich L; Zeljkovich V; Coca M.G; Blotta L.A; Funston L.; Rivoltella A. 1991. Balance de agua del doble cultivo trigo-soja y su relación con la productividad en la región de Pergamino. Informe Técnico N°257. EEA INTA Pergamino.
Vilche, MS; Montico, S; Alzugaray, C. 2009. Efecto de la perdurabilidad de la labor profunda sobre rendimiento y consumo del cultivo de soja. Trabajo en Libro: Avances en Ingeniería Rural 2007-08. CD.
Weir E, Arce E y Arce J.M. 2008. EP del cultivo de soja 1ª, medida con lisímetros vs fórmula de Penman. EUA. Coeficiente de cultivo. XII Reunión Arg de Agrometeorología. Jujuy, Argentina.
7
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
CÁLCULO DE AGUA ÚTIL EN EL SUELO EN ARGENTINA A PARTIR DE ESTIMACIONES DE HUMEDAD DE SUELO
Ferreira L.1; Núñez, L.1; García Skabar, Y.1,2 1Servicio Meteorológico Nacional, 25 de mayo 658, C1002ABN, CABA, Buenos Aires, Argentina. 2Facultad de Agronomía de la Universidad de Buenos Aires Av. San Martín 4453, C1417DSE, CABA, Buenos Aires, Argentina.
E-mail: [email protected]
Palabras clave: Agua útil en suelo / Balance hídrico/ Estimaciones de humedad de suelo
INTRODUCCIÓN
Conocer el estado hídrico del suelo es de vital importancia para el desarrollo de las actividades agronómicas, hidrológicas y meteorológicas. En el caso agronómico, el conocimiento del contenido de agua en el suelo es de gran interés pues es uno de los factores principales para el crecimiento de los cultivos, y es fundamental para la definición de las prácticas de riego. En tal sentido, y con el objeto de cubrir estas necesidades, durante el último tiempo se ha observado un incremento en los esfuerzos para obtener estimaciones de humedad en el suelo a partir del sensoramiento remoto y por medio de modelos hidrológicos y/o de suelo.
El objetivo de este trabajo fue calcular el contenido de agua útil en el suelo a partir de estimaciones de humedad de suelo generadas por el Centro de Previsión del Tiempo y Estudios Climáticos (CPTEC, Gevaerd R. y Freitas S., 2006). Dichas estimaciones se obtuvieron forzando un modelo hidrológico simple con datos de precipitación estimados por sensores remotos. Los cálculos se efectuaron durante 4 meses (desde diciembre de 2008 hasta marzo de 2009), y fueron comparados cualitativamente con estimaciones de agua útil en el suelo (Forte Lay y Aiello, 1996) y con el balance hídrico que se genera en el Servicio Meteorológico Nacional (http://www.smn.gov.ar/ ?mod=agro&id=14). MATERIALES Y MÉTODOS
Para efectuar este estudio se emplearon estimaciones de humedad de suelo volumétrica (m3m-3) en punto de retícula provenientes de un modelo hidrológico simple. Este modelo es forzado con estimaciones de precipitación satelital (TRMM-Tropical Rainfall Measurement Mission- y con GPI-Geostationary Operacional Environmental Satellite Precipitation Index), y con observaciones de precipitación en estaciones de superficie de la red GTS (Global Transmison System). Este modelo hidrológico posee un algoritmo de transporte de agua en el suelo, basado en McCumber y Pielke (1981) y en Tremback y Kessler (1985), que genera una ecuación de pronóstico para el contenido de humedad en el suelo en 8 capas de espesor (5, 8, 12, 25, 50, 75, 75 y 200 cm). Los resultados de este
modelo constituyen parte de la condición inicial de los modelos de pronóstico numérico que actualmente se corren en el CPTEC.
Las clases texturales del suelo empleadas por el modelo CPTEC son las provistas por la FAO/UNESCO(2004), con resolución 5km. La tabla 1 muestra algunos de los valores empleados para la capacidad de campo y el punto de marchitez, los cuales son variables y dependientes de la textura de suelo. Las clases de vegetación son las generadas por IGBP/USGS (2004), con 1km de resolución (Belward, 1996). Tabla 1: Propiedades ajustadas en el modelo de suelo Textura de suelo Punto de
Marchitez (PM) Capacidad de campo (CC)
Sandy loam 0,044 0,312 Sandy clay loan 0,0545 0,314 Silty clay loan 0,0755 0,387 Silty loam 0,0601 0,36 Clay loam 0,0664 0,382
Para efectuar el calculo de Agua Útil porcentual diaria [(AguaAlm-PM)/(CC-PM) ]*100% se toma el promedio de las estimaciones CPTEC de humedad de suelo de las 12 y las 0 UTC (9 y 21 hora local respectivamente), solamente para las 4 primeras capas de suelo. En el cálculo se considera el punto de marchitez y la capacidad de campo que figura en la tabla 1, los que dependen de la textura de suelo. Luego, se emplean los valores de agua útil de Forte Lay J. y Aiello para realizar una comparación de los resultados. Por último, se calcula el almacenaje de agua en suelo CPTEC acumulado durante 10 días (decádicos) y se lo compara con el balance hídrico generado en el SMN. RESULTADOS Y DISCUSIÓN
La Figura 1 muestra para el 1 de marzo de 2009 el cálculo de agua útil disponible en la región Pampeana donde, para el caso estimado con datos del CPTEC (Figura 1a), se observa una lengua significativa de valores superiores al 50% con orientación SO-NE sobre el este del dominio. Los valores más bajos se concentran al oeste. Los máximos de agua útil coinciden con los máximos de precipitación (no mostrados) registrados durante esa fecha. Cuando se comparan estos valores con los obtenidos en otros trabajos, como los de Forte Lay y Aiello (Figura 1b), estos son superiores. Esta
8
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
comparación es más notoria en el sur de la provincia de Buenos Aires y sobre la provincia de La Pampa.
(a)
(b) Figura 1: Agua Útil Porcentual estimada con (a) estimaciones del CPTEC y (b) Método Fortelay-Aiello para el 1 de marzo de 2009. Comparaciones previas efectuadas con datos medidos en campañas de campo muestran que los valores de humedad de suelo estimados por el modelo del CPTEC son mayores.
0
500
1000
1500
2000
2500
3000
12-1 12-2 12-3 01-1 01-2 01-3 02-1 02-2 02-3 03-1 03-2 03-3década
mm
Paraná-SMN Bahía Blanca-SMN Córdoba-SMN R.S.Peña-SMN
Paraná-CPTEC Bahía blanca-CPTEC Córdoba-CPTEC R.S.Peña-CPTEC
Figura 2. Balance Hídrico decádico para 4 estaciones de Argentina con estimaciones CPTEC y SMN.
Esta sobreestimación se refleja en el cómputo del balance hídrico decádico para 4 estaciones de Argentina (Figura 2a) cuando se lo compara con el balance efectuado por el Servicio Meteorológico Nacional. Debido a las diferencia encontradas (CPTEC versus SMN) se calculó para 2 estaciones la anomalía con respecto a la media de los valores decádicos del período empleado (Figura 3). En líneas
generales, en ambas estimaciones las intensidades de las anomalías y sus variabilidades son comparables en cada estación considerada. Las diferencias encontradas podrían estar vinculadas con el forzante de precipitación empleado, con las diferencias en los parámetros que emplean ambas estimaciones (i.e. capacidad de campo, tipo de vegetación), entre otros.
-800
-600
-400
-200
0
200
400
600
800
1000
12-1 12-2 12-3 01-1 01-2 01-3 02-1 02-2 02-3 03-1 03-2 03-3
Paraná-SMN Córdoba-SMNParaná-CPTEC Córdoba-CPTEC
Figura 3. Anomalía del Balance Hídrico Decádico con estimaciones CPTEC y SMN para Paraná y Córdoba Aero. CONCLUSIONES
El modelo del CPTEC muestra valores mayores de humedad de suelo y por lo tanto, valores más altos en las estimaciones de agua útil. Sin embargo, el campo de anomalías muestra valores comparables con los métodos tradicionales. Este trabajo destaca la ventaja de usar las estimaciones CPTEC puesto que se obtienen mayores detalles en los campos por la mayor resolución espacial. También una mayor representatividad de los resultados en regiones donde no se cuenta con valores observados de precipitación y en los que las estimaciones satelitales juegan un rol importante. Finalmente surge como trabajo a futuro efectuar la calibración de los datos CPTEC para ajustar las sobreestimaciones en los valores del contenido de humedad de suelo. AGRADECIMIENTOS Este trabajo fue realizado con apoyo de los proyectos de investigación PIDEFF N°41 y N°47 /2010 del Ministerio de Defensa de la Nación. Los autores quieren agradecer al revisor por los cambios sugeridos. REFERENCIAS Gevaerd R. y Freitas S., 2006: Operatioral soil moisture
estimate for initialization of numerical weather forecast models - Part I: Model description and validation. Revista Brasileira de Meteorologia, v.21, n.3a, 59-73.
Forte Lay J. y Aiello J. 1996: Método para diagnóstico de la reserva hídrica del suelo y sus anomalías en las provincias pampeanas. VII Congremet, Buenos Aires, Argentina.
Mccumber, M. y Pielke, R.,1981: Simulation of the effects of surface fluxes on heat and moisture in a mesoscale numerical model. Part I: Soil Layer., J. Geophys. Res., v. 86, p. 9929-9938, 1981.
Tremback C. y Kessler R., 1985: A surface temperature and moisture parametrization for use in mesoscale numerical models. Conference on numerical weather prediction, 7, Amer. Meteor. Soc., Montreal, p. 17-20.
9
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
PRONÓSTICO ESTACIONAL DE CAUDALES EN LA CUENCA DEL RÍO JACHAL
Flamenco, E. A. Instituto Nacional de Tecnología Agropecuaria, , Los Reseros y Las Cabañas s/n. Castelar, Buenos Aires, CP1712,
Argentina.
E-mail: [email protected]
Palabras clave: pronóstico, caudal, forzantes
INTRODUCCIÓN Las perspectivas hídricas de mediano plazo en
ríos de régimen nival de la región cuyana, adquieren
gran importancia debido a la utilidad que aquéllas
tienen sobre la actividad socioeconómica en la región
cordillerana de Argentina. Diversos usuarios del
sector agropecuario, manifiestan un creciente interés
por el conocimiento anticipado de la previsión de
caudales que se originan por el derretimiento de la
nieve. En el marco de proyectos de INTA en
temática agua, se ha seleccionado la cuenca del río
Jachal. Como en esta cuenca hay escasos datos de
acumulación nívea, variable fundamental para el
pronóstico, se ha prescindido de dicha información y
como alternativa mostraremos una metodología
basada en vincular la variable caudal estacional con
forzantes climáticos globales, usando como
herramienta de modelado la técnica de redes
neuronales artificiales (Haykin, 1994).
MATERIALES Y MÉTODOS Los datos utilizados en este estudio son caudales
medios mensuales del río Jachal en la estación de
control Pachimoco (lat. 30º 13’ S; long. 68º 50’W),
obtenidos de la Subsecretaría de Recursos Hídricos
(1921-1989) y de la Dirección de Hidráulica de San
Juan (1990-1996). El área de dicha cuenca hasta el
sitio mencionado es de 25.500 km2. Los forzantes
climáticos considerados como potenciales
predictores son: temperaturas de la superficie del mar
(Reynolds and Smith, 1994) y presiones en el nivel
del mar, Índice de oscilación del sur, Oscilación del
Atlántico Norte, Oscilación Decadal del Pacífico
Norte, Niños 1+2, 3, 3.4 y 4; Oscilación Antártica y
Dipolos de temperaturas del mar en el océano
Atlántico. Estos datos son obtenidos de la NOAA
(National Oceanic and Atmospheric Administration).
Con la finalidad de reducir la información del
predictando o variable a predecir que en este caso
son los caudales medios mensuales desde Octubre
hasta Marzo, se ha aplicado la técnica de Análisis de
Componentes Principales (ACP).
Para identificar teleconexiones entre el
predictando y las temperaturas del mar (SST), es
aplicado el modelo ClimLab – Climate Laboratory
(Tanco y Berri, 2000); y para el caso de las presiones
(SLP) software propio.
Una arquitectura de Red Neuronal Artificial, es
usada para vincular el predictando o la componente
principal, con los predictores (neuronas de la capa de
entrada) que son los indicadores climáticos del
estado océano – atmósfera detallados.
Durante la fase de entrenamiento fue usado el
algoritmo de backpropagation (Rumellhart et al.,
1986) debido a la capacidad que este presenta de
auto-adaptar los pesos de las neuronas de capas
intermedias para aprender la relación entre una serie
de patrones ejemplos y sus salidas correspondientes.
Para cada iteración la salida producida con un
conjunto de entradas es comparada con la salida
deseada (o esperada) que en este caso es la
componente principal y una corrección incremental
es calculada para cada parámetro de la red, logrando
reducir el error en la salida.
Una muestra independiente de datos no usada en
el aprendizaje conforma el período de validación
para verificar la bondad de ajuste de la red. Esta
verificación permite chequear la capacidad de
generalización a lo largo del entrenamiento y
determinar automáticamente el momento apropiado
para parar el aprendizaje evitando sobre-ajuste de los
parámetros. Una vez finalizado el proceso de
entrenamiento, la red esta lista para ser usada en la
simulación histórica y pronóstico de la componente
principal. El desempeño del modelo fue verificado
con el coeficiente de correlación “r” y los test
estadísticos: Error Medio Absoluto en porcentaje
“MAPE”,
siendo:
MAPE = 1/n*(Qo – Qc)/Qo*100 (1) donde:
Qo: caudal estacional observado
Qc: caudal estacional calculado
n: número total de observaciones
y Raíz del Error cuadrático medio RMSE, siendo:
RMSE = (1/n**(Qo – Qc)2)
1/2 (2)
Aplicando la función de distribución Gumbel a la
serie histórica de los derrames estacionales, se
determinan las probabilidades de ocurrencia del
80%, 60%, 40% y 20%, que corresponden a las
categorías: " Muy Húmedo, Húmedo, Normal, Seco y
Muy Seco ". Esta clasificación permite caracterizar
que régimen hídrico es de esperar para cada
temporada estival en función del pronóstico
cuantitativo.
10
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
RESULTADOS Y DISCUSIÓN Se ha logrado aplicando ACP que una sola
componente principal (CP1) explique el 86% de la
variabilidad de los caudales estacionales Octubre
hasta Marzo (período 1950/51-1989/90).
Tabla 1. Análisis de componentes principales en el
río Jachal. Cargas factoriales de los caudales medios
mensuales.
Mes CP1
Octubre -0.60
Noviembre -0.88
Diciembre -0.94
Enero -0.95
Febrero -0.95
Marzo -0.92
Varianza 0.86
La Tabla 1 muestra la carga factorial de cada
mes, donde puede observarse que a excepción del
mes de Octubre las series temporales de los caudales
de los demás meses de la temporada estival tienen
una muy buena correlación (o carga factorial) con la
serie estandarizada que representa la CP1.
El mapa de la Figura 1 ilustra regiones en los
Océanos Pacífico y Atlántico donde las temperaturas
de la superficie del mar (SST) de Agosto presentan
correlaciones significativas con respecto a la serie
temporal de la CP1. Estas se ubican geográficamente
en el Pacífico Tropical (costa Oeste de América del
Sur) y Atlántico Sur (frente a las costas de Brasil).
Figura 1. Mapa de correlaciones entre las SST del mes de
Agosto (1950-1989) y la CP1.
El esquema de red neuronal entrenada ha
considerado en la capa de entrada neuronas que son
los forzantes climáticos, en la capa oculta 4
neuronas, y la función de activación seleccionada en
la etapa de entrenamiento (1950/51-1989/90) fue la
sigmoidea. La etapa de validación fue 1990/91–
1996/97. Estos resultados son graficados en la
Figura 2.
Los parámetros estadísticos obtenidos aplicando
las expresiones (1) y (2) resultaron ser:
Etapa de entrenamiento: r = 0.84 MAPE = 55%
RMSE = 0.11
Etapa de validación: r = 0.99 MAPE = 16%
RMSE = 0.08
Figura 2. Series observada de la CP1 y las obtenidas en las
etapas de entrenamiento y validación
Para determinar la distribución de los caudales
medios (Qi) desde Octubre hasta Marzo, se vinculan
los caudales medios históricos y la CP1 mediante
expresiones obtenidas por Regresión Múltiple Lineal
(step – wise), siendo la fórumula fórmula genérica
(3):
1CPQi (3)
donde:
y : coeficientes de regresión
Qi: caudal medio mensual
CP1: valor pronosticado de la componente principal
CONCLUSIONES Se logra generar en Setiembre de cada año en una
cuenca de régimen nival con ausencia de
información de acumulación nívea, el pronóstico de
la disponibilidad de agua superficial para un período
de seis meses en adelante, información que permitirá
establecer las erogaciones del embalse Pachimoco,
para el sector agropecuario.
REFERENCIAS Haykin, S. 1994. Neural networks: a comprehensive
foundation. New York, Macmillan College Publishing
Company.
Reynolds, R.W.; Smith T.M. 1994. Improved global sea
surface temperature analyses using optimum
interpolation. J. Climate, 7, 929-948.
Rumelhart, D.; Hinton, G.; Williams, R. 1986. Learning
representations by back-propagation errors”. Nature,
323, 533-536.
Tanco, R.; Berri G. 2000. CLIMLAB2000, Version 1.1.0,
A Statistical Software Package for Climate
Applications”, IRI-TR-00/1, International Research
Institute (IRI) for Climate Prediction, LDEO,
Palisades, N.Y., 10964 USA.
11
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
UN MODELO ESTADÍSTICO DE PREDICCIÓN DE PRECIPITACIÓN
INVERNAL EN EL COMAHUE
González, M. H. 1,2; Cariaga, M. L.2 1 Centro de Investigaciones del Mar y la Atmósfera, CONICET-UBA
2 DCAO, FCEN, UBA
E-mail: [email protected]
Palabras clave: Precipitación, correlación, temperatura de
la superficie del mar, circulación
INTRODUCCIÓN En la zona de Los Andes se desarrollan gran
cantidad de actividades socio-económicas que son de
relevante importancia en Argentina. Particularmente
al sur de 35°S, en la zona del Comahue, se
encuentran centrales hidroeléctricas como El
Chocón y Piedra del Aguila, entre otras, que generan
gran parte de los recursos energéticos del país.
Obviamente el buen funcionamiento de estas
centrales está altamente determinado por la
disponibilidad de agua en la región proveniente de
las lluvias que se producen y de la nieve acumulada y
por lo tanto la producción de energía es muy sensible
a la variabilidad climática. El objetivo del presente
trabajo detectar predictores que permitan estimar la
precipitación de invierno en las cuencas de los ríos
Limay y Neuquén.
MATERIALES Y MÉTODOS Para poder llevar a cabo el objetivo de este estudio,
se utilizaron las mediciones de precipitación mensual
acumulada proveniente de las estaciones
meteorológicas de la red de medición del Servicio
Meteorológico Nacional, la Autoridad
Interjurisdiccional de las cuencas de los ríos Limay,
Neuquén y Negro (AIC) y de la Subsecretaría de
Recursos Hídricos de la Nación. El total de
estaciones para realizar el estudio fue de 34 y se
muestra en la figura 1. Además se calculó la
precipitación areal media en la Cuenca del Río
Limay con 8 estaciones (LIM) y en la Cuenca del
Río Neuquén (NEU) con 12 estaciones durante el
período 1975-2007. Se estudió en particular la
precipitación acumulada en el período que comienza
en mayo y termina en Julio (MJJ) debido a que son
éstos los meses donde se produce el máximo de
lluvia en ambas cuencas. Para encontrar predictores,
se correlacionaron las series anteriores con diferentes
variables en el mes anterior (Abril). Las variables
utilizadas fueron: temperatura de la superficie del
mar (TSM), las alturas geopotenciales en 1000 Hpa
(G10) , 500 Hpa (G5) y en 200 Hpa (G2). Los datos
de temperatura de la superficie del mar y de las
demás variables atmosféricas fueron obtenidos de los
reanálisis del National Center of Environmental
Prediction (NCEP) (Kalnay et al, 1996). Se
definieron predictores como el promedio espacial de
las variables en las zonas con correlación
significativa (mayores a 0,35) y sobre los cuales
puede intentarse una explicación física que justifique
la relación causa-efecto entre el predictor y la
precipitación.
Con los predictores que resultaron
aproximadamente independientes entre sí se ensayó
la utilización de una herramienta estadística (Climate
Predictability Tool,CPT), desarrollada por el
International Research Institute for Climate and
Society (IRI, Columbia University,
[email protected]) que utiliza la correlación
canónica entre las variables predictoras en abril y la
precipitación acumulada en MJJ.
FIGURA 1. Estaciones utilizadas para realizar el estudio.
Sólo 12 de ellas fueron utilizadas para construir la serie de
precipitación areal en la cuenca del río Neuquén (NEU) y
8 para el río Limay (LIM). Todas fueron utilizadas para la
aplicación del CPT.
RESULTADOS Y DISCUSIÓN El análisis de los campos de correlación entre
LIM y NEU con las variables TSM, G5, G10 y G2
permitieron definir predictores (TABLA I) como las
variables promediadas en las zonas con correlación
significativa y de las cuales existiera una evidencia y
explicación física de la relación. Estos predictores
muestran una importante asociación entre la lluvia de
12
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
invierno y la TSM en la zona del océano Indico.
Otros autores también encontraron esta influencia
sobre la variabilidad de la lluvia en algunas regiones
en latitudes similares a la de este estudio, en
Australia (Zheng y Frederiksen 2006). Estas
anomalías de TST son consistentes con las descriptas
por Mo (2000) donde describe que las mismas
generan un tren de onda en el Pacífico desde la zona
tropical hacia el sur, asociado a los sistemas de lluvia
que llegan a la Patagonia. Es por ello que se ha
encontrado buena relación con el geopotencial en
todos los niveles lo cual permitió definir el resto de
los predictores enumerados en la Tabla I.
Tabla 1. Definición de los predictores utilizados. Todas
las correlaciones son significativas con el 95% de
confianza.
Variable Area Correlación con
NEU o LIM
TSM (38ºS-47ºS;
85ºE-110ºE) -0,52
G5 (15ºS-30ºS;
150ºE-195ºE) -0,56
G5
(50ºS-
70ºS;170ºE-
210ºE)
0,43
G10 (20ºS-40ºS;
180ºw-100ºW) -0,55
G2 (15ºS-25ºS;
90ºW-30ºW) -0,57
El modelo estadístico CPT fue utilizado
introduciendo como predictores los detallados
anteriormente. La metodología realiza un análisis de
correlación canónica entre ellos y el campo espacial
de la lluvia en MJJ y luego genera un pronóstico para
cada estación individual.
Los campos de lluvia fueron pronosticados para
cada uno de los años en el período 1975-2007. El
dato de lluvia del año a pronosticar no fue usado para
realizar al análisis de correlación canónica que
necesita el modelo. Luego se construyó el campo de
correlación entre la precipitación observada en MJJ y
la estimada por CPT. Valores encima de 0,35
resultaron significativos con el 95% de confianza. La
figura 2 muestra ese campo, donde puede observars
que esta correlación es significativa sobre toda la
región de estudio pero la significancia se incrementa
hacia el oeste y noroeste.
CONCLUSIONES La importancia del pronóstico de la precipitación
estacional en el Comahue radica en que las
principales centrales hidroeléctricas se encuentran en
las cuencas de los ríos Limay y Neuquén. Un
esquema de predicción se ensayó para el período de
máxima precipitación comprendido entre mayo y
julio. Los predictores en abril fueron obtenidos de los
campos de correlación entre la precipitación areal en
ambas cuencas (LIM y NEU) y la TSM y las alturas
geopotenciales en distintos niveles. La comparación
entre los campos de lluvia observados y
pronosticados con CPT mostraron eficiencia
significativa sobre toda el área de estudio,
especialmente en la zona donde se ubican las
represas.
-71 -70 -69
MJJ
-42
-41
-40
-39
-38
-37
FIGURA 2. Campo de correlación entre la precipitación
de MJJ observada y la pronosticada con CPT utilizando
predictores en abril.
AGRADECIMIENTOS
Al Servicio Meteorológico Nacional, la AIC y de
la Subsecretaría de Recursos Hídricos de la Nación
por la generosa provisión de datos de precipitación.
Las imágenes de las figures 2 a 5 fueron provistas
por NOAA/ESRL Physical Sciences Division,
Boulder Colorado desde su página web:
http://www.cdc.noaa.gov Este trabajo fue subsidiado
por los proyectos: UBACyT X444, UBACyT X160 y
CONICET PIP 112-200801-00195.
REFERENCIAS Kalnay, E.; Kanamitsu, M.; Kistler, R.; Collins, W.;
Deaven, D.; Gandin, L.; Iredell, M.; Saha, S.; White,
G.; Woollen, J.; Zhu, I.; Chelliah, M.; Ebisuzaki, W.;
Higgings, W.; Janowiak, J.; Mo, Kc.; Ropelewski, C.;
Wang, J.; Leetmaa, A.; Reynolds, R. y Jenne, R.;
Joseph, D. 1996. The NCEP/NCAR Reanalysis 40
years- project. Bull. Amer. Meteor. Soc. 77: 437-471.
Mo, K. 2000. Relationships between low frequency
variability in the Southern Hemisphere and sea surface
temperature anomalies. J. Climate 13, 3599-3610
Zheng, X. y Frederiksen C. 2006. A study of predictable
patterns for seasonal forecasting of New Zealand
rainfall. J. Climate 19, 3320-3333.
13
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
COMPARACIÓN DE LA ETo DIARIA ESTIMADA MEDIANTE LAS
ECUACIONES DE HARGREAVES Y FAO56 PENMAN-MONTEITH, EN UNA
ZONA DE PÁRAMO EN VENEZUELA
Maffei, M. Laboratorio de Fisiología Poscosecha. Universidad de Los Andes, Núcleo Universitario Rafael Rangel, Trujillo,
CP 3150. República Bolivariana de Venezuela.
E-mail: [email protected]
Palabras clave: Evapotranspiración de referencia,
Hargreaves-Samani, FAO56-PM, zonas altas.
INTRODUCCIÓN
La evapotranspiración (ET) es comúnmente
conocida como la cantidad de flujo de vapor de
agua que se desprende desde una superficie
cultivada, vegetación natural, suelo desnudo o
cuerpo de agua, y está constituida por la suma de la
evaporación y la transpiración. La cuantificación
de la ET en forma directa es altamente costosa e
impráctica en nuestro medio, para calcular la ET es
necesaria la estimación de la evapotranspiración
del cultivo de referencia (ETo) por medio del
método descrito en FAO56-PM (Allen et al.,
1998), el cual es aceptado como el estándar a
escala mundial; el uso de este método en nuestros
campos aún es difícil debido a la escases de
registros meteorológicos (Trezza, 2008). Una
alternativa a esta situación es la utilización del
método de Hargreaves-Samani (Hargreaves y
Samani, 1985), recomendada para las condiciones
de Venezuela por Trezza (2008), el cual es de uso
general y sólo precisa el valor de la radiación
extraterrestre y registros de temperatura máxima y
mínima, datos de fácil obtención para nuestras
zonas de producción.
El propósito del presente estudio fue comparar
la ETo estimada mediante el uso del método
FAO56-PM y de la ecuación de Hargreaves-
Samani, utilizando registros diarios de parámetros
climatológicos obtenidos con estación
meteorológica automática, para las condiciones de
una zona de páramo.
MATERIALES Y MÉTODOS
Esta investigación se realizó en el poblado de
Cabimbú ubicado en las coordenadas 9°9’31’’ LN,
70°29’26’’ LO, con altitud de 2880 msnm,
perteneciente al municipio Urdaneta, estado
Trujillo. Fue instalada una estación meteorológica
automática marca Davis modelo Vantage Pro2®
provista de sensores para temperatura, humedad
relativa, precipitación, radiación solar y velocidad
del viento a 2 m de altura sobre el suelo. A partir
de registros de 365 días (abril 2009-abril 2010),
fueron obtenidos valores de parámetros climáticos,
almacenados en data logger incorporado con un
intervalo de 30 min durante las 24 h del día
(N=17520). En el área no existía estación para el
registro de parámetros climáticos de ningún tipo, y
se encuentra lejos del área de influencia de las
instaladas en la región. Se realizó la comprobación
de la integridad de los datos utilizados para el
presente estudio, de acuerdo a la metodología
propuesta por Allen et al. (1998).
Se estimó la EToFAO56 utilizando la ecuación de
Penman-Monteith (PM) considerado como patrón,
para compararlo con el EToHG obtenido con la
ecuación de Hargreaves (HG), el cálculo se realizó
con el uso del programa REF-ET® ver. 3.01.02
(Allen, 2004). El estudio comparativo entre los
métodos de estimación se realizó con los criterios
estadísticos propuestos en Willmott, (1982),
Alexandris and Kerkides (2003), Stockle et al.
(2004), Pereira (2004), Krause et al. (2005), Cai et
al. (2007). El análisis de los datos se realizó
apoyados en el uso de los paquetes BioStat® ver.
5.2.5.0 (AnalystSoft, 2008), Irene® ver. 1.0 (Irene,
2001).
RESULTADOS Y DISCUSIÓN
En la Tabla 1 se presenta la comparación entre
promedios de evapotranspiración diaria estimados
por EToFAO56 versus EToHG. El análisis
comparativo sugiere un mal desempeño de la
ecuación de HG para el cálculo de la ETo, esto se
evidencia en el valor de RMSE (0,77 mm.d-1
), un
elevado error relativo (25,7%), el índice de
concordancia d fue de 0,65, un índice de eficiencia
de Nash–Sutcliffe de 0,13 y el R2 fue bajo (0,38).
Una representación gráfica de esta situación se
refleja en la Figura 1. La literatura reporta que la
ecuación de HG arroja estimaciones confiables de
ETo para períodos de tiempo mayores a 5 días
(Hargreaves, 1994; Jensen et al., 1997; Droogers y
Allen, 2002), aunque se han hecho algunas
mediciones diarias exactas por lisimetría y
estimaciones de ETo por HG (Hargreaves y Allen,
2003), estos autores concluyen que estimaciones
diarias por medio de la ecuación de HG pueden
estar sujetas a errores debido a la influencia del
rango de temperatura producto de los frentes de
condiciones de lluvia, velocidad del viento y
cobertura de nubes, además recomiendan sea
utilizada en estimaciones promediadas de 5 días o
períodos más largos. El método EToHG subestima
los valores de ETo, el valor medio diario obtenido
por este modelo fue de 2,60 mm.d-1
mientras que
por intermedio de EToFAO56 fue de 2,98 mm.d-1
.
Bajo las condiciones de este trabajo se comprobó
que valores bajos de la amplitud térmica diaria del
aire, están asociados con días nublados y por lo
tanto bajos valores de Rs, así como también noches
nubladas con valores de temperatura mínimas
elevadas; la diferencia entre la temperatura
máxima y mínima del aire se relaciona con el
grado de nubosidad en una localidad (Allen et al.,
1998), por otro lado la raíz cuadrada de la
14
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
diferencia de temperaturas está muy relacionada
con la Rs diaria. Nuestros páramos presentan
accidentada topografía y la fisiografía
predominante es de montañas divididas por
profundos cañones y pocas zonas planas, son
comunes los periodos de ascenso y descenso de
neblina de acuerdo con el movimiento de las masas
de aire lo que condiciona la oscilación térmica, las
temperaturas medias son relativamente bajas a
pesar de los altos niveles de radiación y velocidad
del viento (Trezza, 2008).
Un factor que contribuye a la falta de ajuste
encontrado mediante la ecuación de HG es la poca
variación que durante el año presenta la Ra en
zonas cercanas a los 10º de latitud norte y sur
(Allen et al., 1998), lo que la coloca en desventaja
para la estimación de la ETo; caso contrario ocurre
con la ecuación de PM que considera además de
otros parámetros microclimáticos a la Rs para el
cálculo de la ETo, parámetro este con mayor
variación interdiaria.
Tabla 1. Comparación estadística entre promedios de evapotranspiración estimados por HG y mediante el modelo PM para
período diario.
N PM HG RMSE MAE RE
(%) R2 d E b1 b0
p(t)
p<0,05 (mm.d-1)
ETo 365 2,98 2,60 0,7669 0,5529 25,72 0,3775 0,6460 0,1348 1,3374 -0,4903 0,0000
1:1y = 1.3374x - 0.4903R² = 0.3775
0.0
1.0
2.0
3.0
4.0
5.0
6.0
0.0 1.0 2.0 3.0 4.0 5.0 6.0
EtoFA
O56
EtoHG
Figura 1. Comparación gráfica entre los valores de ETo
(mm.d-1) estimados mediante PM y HG.
CONCLUSIONES
La ecuación de Hargreaves no ofrece
estimaciones aceptables de ETo diaria bajo las
condiciones del páramo andino. El modelo de HG
es directamente dependiente de la oscilación
térmica, ésta puede ser baja debido a días con
abundante nubosidad y bajas temperaturas
máximas producto de la altitud, de igual manera en
días relativamente despejados puede ser alta la Rs
pero la temperatura baja debido a la misma
condición de montañas altas.
AGRADECIMIENTOS
Trabajo cofinanciado por el Consejo de Desarrollo
Científico, Humanístico y Tecnológico de la
Universidad de Los Andes (CDCHT-ULA) y el
Fondo Nacional de Ciencia y Tecnología
(FONACIT) códigos NURR-C-507-09-01-B y
S12002000372, respectivamente.
REFERENCIAS
Alexandris, S. y Kerkides, P. 2003. New empirical
formula for hourly estimations of reference
evapotranspiration. Agric.Water Manage.
60(3):157–180.
Allen, R.G., L.S. Pereira, D. Raes y M. Smith. 1998.
Crop Evapotranspiration: Guidelines for Computing
Crop Water Requirements. United Nations Food
and Agriculture Organization, Irrigation and
Drainage Paper 56. Rome, Italy, 300 pp.
Allen, R.G. 2004. REF-ET: reference evapotranspiration
calculation software for FAO and ASCE
standardized equations. Version 3.0. University of
Idaho. Disponible en:
http://www.kimberly.uidaho.edu/ref-et/index.html.
AnalystSoft, BioStat. 2008. Programa de análisis
estadístico. Versión 5.2.5.0. Disponible en:
http://www.analystsoft.com/es/.
Cai, J., Y. Liu, T. Lei y L.S. Pereira. 2007. Estimating
reference evapotranspiration with the FAO
Penman–Monteith equation using daily weather
forecast messages. Agricultural and Forest
Meteorology, 145 (1–2):22–35.
Droogers, P. y R.G. Allen. 2002. Estimating reference
evapotranspiration under inaccurate data conditions.
Irrig. Drain. Syst. 16(1):33–45.
Hargreaves, G.H. 1994. Defining and using reference
evapotranspiration. J. Irrig. Drain. Eng.
120(6):1132-1139.
Hargreaves, G. H. y Z. A. Samani. 1985. Reference crop
evapotranspiration from temperature. Appl. Eng.
Agric. 1(2):96-99.
Hargreaves, G.H. y R.G. Allen. 2003. History and
Evaluation of Hargreaves Evapotranspiration
Equation. J. Irrig. Drain. Eng. 129(1):53-63.
Irene. 2001. Integrated Resources for Evaluating
Numerical Estimates. ISCI Software. Italy.
http://www.isci.it/tools.
Jensen, D.T., Hargreaves G.H., B. Temesgen y R.G.
Allen. 1997. Computation of ETo under nonideal
conditions. J. Irrig. Drain. Eng. 123(5):394–400.
Krause, P., D.P. Boyle y F. Bäse. 2005. Comparison of
different efficiency criteria for hydrological model
assessment. Adv. Geosci. 5:89–97.
Pereira, A.R. 2004. The Priestly–Taylor parameter and
the decoupling factor for estimating reference
evapotranspiration. Agric. For. Meteorol. 125(3-
4):305–313.
Stöckle, C.O., J. Kjelgaard y G. Bellocchi. 2004.
Evaluation of estimated weather data for calculating
Penman–Monteith reference evapotranspiration.
Irrig. Sci. 23(1):39–46.
Trezza, R. 2008. Estimación de evapotranspiración de
referencia a nivel mensual en Venezuela. ¿Cuál
método utilizar?. Bioagro. 20(2): 89-95.
Willmott, C. J. 1982. Some comments on the evaluation
of model performance. Bull. Am. Meteorol. Soc.
63(11):1309–1313.
15
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
EFECTO DEL RALEO Y LA PODA EN LA EVAPOTRANSPIRACIÓN MÁXIMA DE Pinus taeda EN URUGUAY
Munka, C.; Pezzani, F.; Caffera, M. Facultad de Agronomía, Universidad de la República, Avda. E. Garzón 780, Montevideo, CP 12900, Uruguay.
E-mail: [email protected] Palabras clave: Pinus taeda, evapotranspiración máxima, índice de área foliar
INTRODUCCIÓN
El raleo y la poda forman parte de los tratamientos silviculturales más comunes que se realizan en el manejo de las plantaciones forestales y constituyen una práctica que tiende a aumentar la productividad del rodal. Estas prácticas generan cambios estructurales en el dosel y tienen un efecto inmediato en aspectos del ciclo hidrológico. Algunos de estos efectos son: reducción de la intercepción de la precipitación, reducción de la evapotranspiración (ET), aumento del agua disponible en el suelo y aumento del escurrimiento (Stogsdill et al., 1989; Amatya y Skaggs, 2008). La ET máxima (ETm) del cultivo sólo es afectada por aspectos del cultivo y de la demanda atmosférica, ya que se asume un suministro óptimo de agua del suelo (Doorenbos y Kassam, 1979). La ecuación de Penman-Monteith (Monteith, 1965) estima la ET de un cultivo. En la misma, el índice de área foliar (IAF) permite estimar la conductancia de la canopia la cual representa el control fisiológico de las plantas en la transpiración. En este trabajo se analizó la incidencia del raleo y de la poda en un rodal de Pinus taeda sobre el IAF, estimado mediante fotografía hemisférica, y se evaluó su incidencia en la ETm del cultivo calculada mediante la ecuación de Penman-Monteith. Los objetivos del estudio fueron: (1) describir la dinámica y los cambios estacionales de la cobertura foliar en un rodal de Pinus taeda sometido al primer raleo y poda precomercial y (2) cuantificar los valores de IAF y ETm pre y post tratamiento silvicultural en un rodal de Pinus taeda. MATERIALES Y MÉTODOS
El área de estudio está ubicada aprox. 50 km al norte de la ciudad de Tacuarembó, Uruguay (31°38’09’’S, 55°41’48’’W). El promedio anual de precipitación es de 1484 mm con distribución regular en el año pero con muy alta variabilidad interanual en cada mes. La temperatura media oscila entre 23,2 °C en el mes más cálido (enero) y 10,8 °C en el mes más frío (julio). El estudio se realizó en una cuenca de 108 ha, desde noviembre 2007 a diciembre 2008 en un rodal de Pinus taeda de 5 años instalado a una densidad inicial de 1000 árboles.ha-1 (2,5 x 4 m). A principios de junio del 2008 se realizó un raleo del 40% (se retiraron 350-400 árboles.ha-1) y una poda del 50% de la copa. El
IAF se determinó mediante fotografía hemisférica digital. El procedimiento de adquisición y procesamiento de las imágenes fue adaptado del protocolo propuesto por Zhang et al. (2005).
Las modificaciones introducidas en la estimación de la ET (asumiendo óptima disponibilidad de agua -ETm-) mediante la ecuación de Penman-Monteith (Allen et al., 1998) fueron: la inclusión del IAF en el cálculo de la resistencia de la superficie y el ajuste del componente energético por el albedo específico de las coníferas. Los valores de IAF obtenidos fueron incluidos en la ecuación de Penman-Monteith, para obtener una primera aproximación de la ETm de esta cubierta de pinos. Las variables meteorológicas fueron registradas en un sistema automático de adquisición de datos (registrador modelo CR10X, Campbell Scientific, Logan, UT) ubicado en una zona cercana, fuera del rodal, y considerada espacialmente representativa. Para las variables IAF y ETm se realizaron ANAVA, aplicado a un muestreo, mediante un modelo lineal de efecto fijo. Se contempló el efecto de la fecha como una medida repetida en el tiempo y se consideró el valor de p = 0,05 como el límite de significación estadística. RESULTADOS Y DISCUSIÓN
El área foliar exhibió una amplia variación anual la cual responde a una dinámica foliar típica de la especie P. taeda (Sampson et al., 2003). El IAF fue tres veces menor en invierno respecto al verano, producto de la oscilación estacional y de la influencia de la intervención silvicultural realizada en junio del mismo año. En las parcelas testigo, sin manejo silvicultural, también se observó una dinámica estacional: el IAF fue 25% superior en la época estival (febrero) respecto a la invernal (agosto). En promedio (n=10) el mes de febrero presentó el valor más alto de IAF (1,69 ± 0,45) y el menor valor de IAF correspondió al mes de agosto (0,53 ± 0,17). La época del año tuvo un efecto muy significativo (F(8,89)=70,96; p<0,0001) sobre el IAF y explicó un 81% de la variación del mismo (atribuido a la fecha y al manejo silvicultural).
La estacionalidad de la ETm resultó muy marcada, en promedio el mayor valor correspondió al mes de enero (132 mm ± 21, n=10) y el menor valor a junio (16 mm ± 3, n=10). Por tal razón, la fecha tuvo un efecto altamente significativo (F(8,89) = 814,01; p<0,0001) en la ETm y explicó un 97,5% de su variación. La ETm, fue 8 y 4 veces menor en invierno (junio) respecto al verano
16
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
(diciembre) en las parcelas intervenidas y testigos respectivamente. Esta oscilación responde a un proceso evapotranspirativo dinámico que es gobernado principalmente por el balance de energía disponible, el cual es responsable del cambio de estado del agua en este proceso.
El tratamiento silvicultural redujo en promedio un 62,8% el IAF respecto a las parcelas testigo (F(1,31) =182,37; p<0,0001) y explicó un 44,5% de la variación del IAF (Figura 1).
0
0,5
1
1,5
2
2,5
may jul ago oct dic
IAF
Figura 1. IAF (promedio ± d.e., n=4) en parcelas testigo (barra punteada) y en parcelas pareadas, con manejo (barra blanca). La flecha indica el momento del año donde se realizó el tratamiento silvicultural.
La reducción del IAF debido a la poda y el raleo provocó una disminución significativa (F (1,31) = 52,6; p<0,0001) en los valores de ETm. La disminución inmediata de la ETm fue en promedio del orden del 45% (Figura 2). Aunque significativa, la incidencia del tratamiento silvicultural explicó solo un 4,7% de la variación de la ETm, en tanto la fecha explicó un 90,4% de esta variación en el período post-tratamiento.
Figura 2. ETm (promedio ± d.e., n=4) en parcelas testigo (barra gris) y en parcelas con manejo (barra blanca). La flecha indica el momento del año donde se realizó el tratamiento silvicultural. CONCLUSIONES
El raleo y la poda tuvieron influencia en la estructura del dosel (reducción del área foliar) y
ésta a su vez se encuentra fuertemente relacionada con aspectos funcionales del ecosistema, como lo es la evapotranspiración.
Las modificaciones introducidas en el cálculo de la ET permitieron evaluar el efecto del raleo y de la poda en la ETm. Se reconoce que para alcanzar estimaciones empíricas más ajustadas de la ETm en superficies forestales es necesario, en futuras investigaciones, contemplar ajustes en los aspectos aerodinámicos del proceso evapotranspirativo. AGRADECIMIENTOS Se agradece a Juan Pedro Posse, George Chescheir, Oscar Bentancur, Juliana Ivanchenko, Gerardo Osorio, a la empresa Weyerhaeuser S.A. y a la Comisión Sectorial de Investigación Científica (CSIC-UDELAR) por el apoyo otorgado para la realización de este trabajo. REFERENCIAS Allen, R.G.; Pereira, L.S.; Raes, D.; Smith, M. 1998.
Crop evapotranspiration: guidelines for computing crop wáter requirements. FAO. Irrigation and Drainage Paper Nº 56. Food and Agriculture Organization of the United Nations.
Amatya, D.M.; Skaggs, R.W. 2008. Effects of Thinning on Hydrology and Water Quality of a Drained
Pine Forest in Coastal North Carolina. En: Tollner E.W., Saleh, A. (Eds.).21st Century Watershed Technology: Improving Water Quality and Environment. Proceeding of the 29 March – April 2008 Conference, Concepción, Chile, Publication Date 29 Mach 2008. ASABE PUBLICATION Lumber 701P0208cd.
Doorenbos, J. and Kassam, A. 1979. Efecto del aguasobre el rendimiento de los cultivos. FAO. Riego y Drenaje (33). Italia. pp. 104-106.
Monteith, J. 1965. Evaporation and environment. Symposium of Society Exp. Of Biology. 19:205-234.
Sampson, D.; Albaugh, T.; Johnsen, K.; Allen, H.; Zarnoch, S. 2003. Monthly leaf area index estimates
from point-in-time measurements and needle phenology for Pinus taeda. Can. J. For. Res. 33, 2477-2490.
Stogsdill, W.R.; Wittwer, R.F.; Dougherty, P.M.1989. Relationship between throughfall and stand density in a Pinus taeda plantation. For. Ecol. and Manag. 29, 105-113.
Zhang, Y.; Chen, J.; Miller, J. 2005. Determiningdigital hemispherical photograph exposure
for leaf area index estimation. Agr. and For. Met. 133,166–18
17
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
CONDICIONES HÍDRICAS PARA EL TRIGO EN EL SUR DE BUENOS AIRES
Murphy, G. M.; Spescha, L.B. ; Veliz, A.
Climatología y Fenología Agrícolas, Facultad de Agronomía UBA
E-mail: [email protected]
Palabras clave: Trigo; Balance Hídrico; Precipitaciones.
INTRODUCCION:
El trigo es el cultivo más tradicional del Sur de la provincia de Buenos Aires y SE de La Pampa. Las posibilidades de lograr un buen rendimiento dependen de múltiples factores, siendo uno de los principales la disponibilidad hídrica de los suelos antes y durante el desarrollo del cultivo, ya que se trata de una región de producción en secano.
Las condiciones hídricas necesarias para el trigo en la región han sido correctamente expuestas en una publicación de la EERA Bordenave del INTA. En ella se menciona que almacenajes de al menos el 80% de la Capacidad de Campo (CC), constituyen una condición que permite la correcta implantación del cultivo. La posterior ocurrencia de lluvias normales (entre 150 mm y 250 mm) hacen posible la obtención de rendimientos satisfactorios (INTA, 2009).
En el invierno la mediana de los almacenajes tiene una probabilidad del 10 al 30% de ser menor al 50% de la CC. (Spescha et al., 2006). Sin embargo, tanto el almacenaje como las lluvias presentan una gran variabilidad interanual que, en cierta medida, está relacionada con el ENOS.
El objetivo de este estudio es determinar la disponibilidad de agua para el trigo en el Sur de la provincia de Buenos Aires y evaluar el riesgo que implica su variabilidad. MATERIALES Y METODOS
Se calcularon los balances hidrológicos mensuales consecutivos (Pascale y Damario, 1977) para 8 localidades del Sur de la provincia de Buenos Aires, para el período 1961-2009. Para caracterizar la condición hídrica durante la siembra se usaron las probabilidades de los almacenajes (en % de la CC) de junio y julio. Los aportes de agua durante el ciclo del cultivo se cuantificaron mediante las probabilidades de 20%, 50% y 80% de las lluvias acumuladas entre agosto y noviembre. El uso de probabilidades es una forma de expresar el riesgo de ocurrencia de situaciones adversas.
Para analizar la influencia del ENOS sobre los almacenajes a la siembra y las lluvias durante el ciclo se dividió la serie completa de cada variable estudiada en terciles. El tercil medio (33% a 66%) contiene los valores considerados normales (N), el superior (>66%) los superiores a lo normal (SN) y el inferior (<33%) los inferiores a lo normal (IN). Luego se dividió la serie en tres grupos de acuerdo a la condición Niño, Niña y Neutral de cada año, determinada con el Índice Oceánico del Niño
(http://www.cgd.ucar.edu/cas/ENSO/enso.html). Para cada grupo se calculó la mediana, se determinó su probabilidad en la serie completa y se estableció a que tercil pertenece. DISCUSION Y RESULTADOS
Un barbecho razonablemente largo y sin malezas activas es el manejo aconsejado para lograr un almacenaje adecuado para la siembra en junio o julio. La Figura 1 muestra que junio es el mes con menor disponibilidad de agua a la siembra. La líneas del 60% y 80% de CC establecen un rango dentro del cual la siembra es posible, pero por debajo del cual las condiciones son inapropiadas. En un año de cada dos, Cnel. Suarez y Pigüé tienen un almacenaje medio dentro del rango en junio, y durante julio se agrega Laprida. En el otro extremo, H. Ascasubi y Santa Rosa, no superan nunca el 60% de la CC, por lo que la implantación del cultivo, en caso de efectuarse, es altamente dependiente de las lluvias que se produzcan en esos meses. A)
020406080
100
B.BLANCABARROW
CNEL SUAREZH. ASCASUBI
LAPRIDA PIGÜÉSANTA ROSA
TRES ARROYOS
% d
e C
C
20% 50% 80% B)
02040
6080
100
B.BLANCABARROW
CNEL SUAREZH. ASCASUBI
LAPRIDA PIGÜÉSANTA ROSA
TRES ARROYOS
% d
e C
C
20% 50% 80% Figura 1. Contenido de agua en el suelo (en % de la CC) de los meses de Junio (A) y Julio (B) para las probabilidades del 20%,50% y 80%.
En Julio, uno de cada cinco años se alcanza o supera el 80% de la CC en Cnel. Suárez, Pigué, Laprida, Tres Arroyos, Barrow y Bahía Blanca y, en uno de cada dos años, el almacenaje se encuentra dentro del rango mencionado en las cuatro primeras estaciones. Las probabilidades para el 20%, 50% y 80% de la precipitación acumulada durante el ciclo del cultivo (agosto a noviembre) se muestra en la Figura 2. En ella se ha trazado un rango comprendido entre los 150 y 250 mm que permite
18
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
.
obtener rindes de aceptables a buenos. Según la publicación del INTA Bordenave, ya citada, esta variable permite explicar el 69% de la variación de los rendimientos de los ensayos conducidos en la experimental durante 11 campañas.
0
50
100
150
200
250
300
350
400
B.BLANCABARROW
CNEL SUAREZ
H. ASCASUBILAPRIDA
PIGÜÉ
SANTA ROSA
TRES ARROYOS
20% 50% 80% Figura 2: Probabilidades de precipitación acumulada entre agosto y noviembre.
Puede apreciarse que en todas las localidades de la región, excepto H. Ascasubi que fue tomada como estación de borde, las lluvias se encuentra dentro del rango en cuatro de cada cinco años (p=20%) y, en algunos casos, en uno de cada dos (p=50%) están muy cerca del valor superior, el cual es superado en Barrow, Cnel. Suarez, Laprida, Pigüé, Santa Rosa y Tres Arroyos una vez cada cinco años (p=80%). Los rendimientos crecen hasta los 400 mm de lluvia acumulada, donde se estabilizan y pueden llegar a caer por efecto del exceso de agua (INTA, 2009). Puede apreciarse en la figura que este límite tiene muy baja probabilidad de ser alcanzado en la región.
La variabilidad interanual que presentan las variables estudiadas podría estar asociada, en alguna medida, al ENSO. Sin embargo, existen estudios donde se pone de manifiesto que la señal de este fenómeno en el Sur de Buenos Aires no se registra muy claramente (Carnelos y Fernández Long, 2008). Por ello se estudió el efecto de las distintas fases del ENOS sobre los almacenajes a la siembra y las precipitaciones durante el ciclo, expresadas como acumulación de agosto a noviembre. Como ese período incluye situaciones de dos estaciones distintas, se las desglosó en lluvias de agosto (invierno), setiembre y octubre (primavera fresca) y noviembre (primavera cálida). Los resultados se presentan en la Tabla 1, en la que se muestra si cada variable se ubica en el rango normal o por encima o por debajo del mismo cuando se desarrolla durante eventos El Niño, Neutral o La Niña.
Durante el período de siembra los almacenajes indican una asociación con los eventos cálidos del ENOS, ya que salvo Santa Rosa, el resto de las localidades presenta valores superiores a lo normal en ambos meses. Sin embargo, la señal no es fuerte ya que los valores medianos se ubican cerca del límite inferior del tercil correspondiente (entre el 66% y el 74%). No se advierte una clara influencia de las situaciones de neutralidad o de La Niña.
Con respecto a las lluvias, cuando éstas se analizan desglosadas, el efecto del ENOS no se muestra con gran intensidad, aunque puede
advertirse que durante eventos cálidos son mayoritariamente normales (noviembre) y en pocos casos superiores a lo normal (agosto y setiembre más octubre). Durante situaciones de La Niña ocurren en la región lluvias normales e inferiores a lo normal. Para el período agosto a noviembre las lluvias son normales durante El Niño e inferiores a lo normal en eventos neutros o La Niña. Parece evidente que existen otros indicadores de variabilidad climática con mayor influencia sobre esta región. Tabla 1. Efecto del ENOS sobre los almacenajes a la siembra y las lluvias durante el ciclo del trigo. (O=El Niño, E=Neutro, A=La Niña, S=superior a lo normal, N=normal e I=Inferior a lo normal).
Bahia Barrow Cnel. Asca- Laprida Pigüé Sta. Tres
Banca Suarez subi Rosa Arroyos
Alm O S S S S S S N S
Junio E N N N N N N N N
A N N N I N N N N
Alm O S S S S S S N S
Julio E N N N N N N N N
A I N N I N N N N
Precip O N N N N N N N N
Ago-Nov E N I I I I I I I
A I I I I I I I I
Precip. O S S S N N N N N
Ago E I N N N N N N N
A N I N I I I I I
Precip. O S N S N N N N N
Set-Oct E N N N N N N N N
A N N I N I N N I
Precip. O N N N N N N N N
Nov E N N N N N N N N
A N N I N I I I I CONCLUSIONES
Los almacenajes de julio son más adecuados que los de junio para la siembra. En años Niño se podría adelantar la siembra sin grandes riesgos. Las lluvias durante el ciclo no aparecen como una gran limitante de la producción. Su variabilidad interanual no está fuertemente influenciada por el ENOS, aunque se nota que durante eventos cálidos son algo mayores que durante situaciones neutras o eventos La Niña.
REREFERENCIAS BIBLIOGRAFICAS Carnelos D. y Fernández Long M.E. 2008. Relación del
ENOS con los de rendimientos de maíz en un grupo de partidos del sudeste de la provincia de Buenos Aires. Actas XII Reunión Argentina de
Agrometeorología: 151-152, Jujuy – Argentina. INTA 2009. Cosecha fina. Boletín Técnico E.E.A
Bordenave - Unidad de Comunicaciones Bahía Blanca. 9 páginas.
Pascale A.J. y Damario E.A. 1977. El balance hidrológico seriado y su utilización en estudios agroclimáticos. Revista de la Facultad de
Agronomía (3ra época) 53(1-2):15-34. Spescha; L Murphy G. Forte lay, J, Scarpati,O. Hurtado
2006. Riesgo de sequía para la región pampeana
Revista Argentina de Agrometeorología (5-6):53-61
19
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
PROBABILIDADE DE DÉFICITS RELATIVOS DE PRODUTIVIDADE POTENCIAL DO
MILHO POR OCORRÊNCIA DE DEFICIÊNCIA HÍDRICA EM FUNÇÃO DA DATA DE
SEMEADURA NA REGIÃO DE PIRACICABA, SÃO PAULO
Nangoi, I.I.2; Angelocci, L.R.1; Barbieri, V.2 1Departamento de Engenharia de Biossistemas, Escola Superior de Agricultura "Luiz de Queiroz" (ESALQ –
USP), Av. Pádua Dias, 11, Piracicaba, São Paulo, Brasil. 2Bolsistas, respectivamente, da CAPES (MS) e do CNPq( pesquisa)
E-mail: [email protected]
Palavras-chave: balanço hídrico, planejamento de
semeadura, quebra de produtividade
INTRODUÇÃO O déficit hídrico é um dos principais
responsáveis por perdas de produtividade nas
lavouras no Brasil.
Para ajudar a minimizar efeitos da seca na
agricultura, Alfonsi et al. (1997) determinaram as
melhores datas de semeadura do milho no estado
de São Paulo, tendo por base a probabilidade de
atendimento da demanda hídrica pela precipitação
nos sub-períodos de maior sensibilidade do milho
ao déficit hídrico (floração e formação de grãos).
Pode-se determinar a produtividade afetada
pelo déficit hídrico usando modelos que
relacionam o déficit de produtividade com o déficit
de evapotranspiração, empregando o coeficiente de
sensibilidade Ky ao déficit.
Uma forma prática de quantificar o déficit de
evapotranspiração é pelo balanço hídrico segundo
Thornthwaite e Mather (1955), modificado para
aplicação agrícola, como a introdução dos
conceitos de evapotranspiração máxima (ETm) e
da real (ETR) da cultura, e a utilização de valores
variáveis da capacidade de água disponível no solo
(CAD) de acordo com o aprofundamento do
sistema radicular no ciclo (Dourado Neto; van
Lier, 1991; Barbieri et al., 2003)
A proposta do presente trabalho é determinar as
probabilidades de perda de produtividade potencial
do milho na região de Piracicaba, SP, em função
de datas de semeadura, pela estimativa da
deficiência hídrica obtida a partir de modelo
modificado de balanço hídrico climatológico
proposto por Barbieri et al. (2003).
MATERIAIS E MÉTODOS Foram utilizadas séries de temperatura média
do ar e de precipitação de 1975 a 2008, da estação
meteorológica do campus “Luiz de Queiroz”, USP,
no município de Piracicaba, São Paulo (22° 42'
30'S, 47° 38' 00'' W, 546 metros de altitude).
Foram simuladas semeaduras no primeiro dia de
cada decêndio, do primeiro decêndio de setembro
ao terceiro de fevereiro. Adotou-se que as
condições hídricas eram favoráveis para a
emergência no decêndio após a semeadura.
A duração média dos estádios fenológicos foi
estimada com o uso de graus-dia e temperaturas-
base indicadas por Brunini et al. (1995) e Alfonsi
et al. (1997) para milho de ciclo médio. Para a
maturação foi fixado um período de 25 dias, e da
semeadura à emergência 10 dias.
Para o calculo do balanço hídrico, o solo foi
dividido em n camadas, em função da variação da
profundidade Ze do sistema radicular do milho
observadas por Manfron et al. (2003), ajustadas
para se obter Ze decendiais. Para cada camada
foram estipulados valores de 130 mm de CAD por
m de profundidade.
A evapotranspiração máxima de cultura (ETm)
foi obtida multiplicando-se a evapotranspiração
potencial (ETP), estimada pelo método de
Thornthwaite (1948), pelos valores de coeficiente
de cultivo (Kc) propostos por Alfonsi et al. (1990).
Após o final da maturação, assumiu-se diminuição
progressiva de Kc de 0,80 a 0,50, com posterior
ocupação do solo por vegetação invasora, até esta
cobrir totalmente o terreno e aumento progressivo
de Kc até 1,0 até o decêndio anterior à data da
semeadura do ano subsequente.
Os cálculos do balanço hídrico foram iniciados
em janeiro de 1975, com armazenamento máximo
no solo ocorrido em dezembro/1974 (CAD=90
mm). Nesta etapa, os procedimentos de cálculo
ocorreram sem as modificações de Barbieri et al.
(2003), prosseguindo durante o primeiro ano
teoricamente ainda não cultivado (1975/1976),
sendo quantificado o armazenamento inicial no
decêndio que precedeu a semeadura em 1976.
O balanço hídrico sequencial da cultura, com a
adaptação de Barbieri et al. (2003), foi então
calculado para as séries de dados a partir de 1976.
Nesse modelo de balanço, com solo dividido em n
camadas que acompanham a penetração do sistema
radicular ao longo do ciclo, a água excedente de
uma camada superior passa para a(s) seguinte(s)
mais profunda(s), na forma de drenagem, até
completar o armazenamento máximo dessa(s)
camada(s), somente não sendo utilizada aquela em
excesso drenada para além da profundidade
máxima das raízes, conforme detalhado em
Barbieri et al. (2003) e Nangoi (2010).
Na parte do ano em que o BH de cultura deixou
de ser calculado porque se assumiu o término do
período de cultivo para determinado decêndio de
semeadura, a CAD foi mantida em 90mm.
No final foram obtidos valores decendiais das
relações entre evapotranspiração real e
evapotranspiração máxima de cultura (ETr/ETm),
relacionados à produtividade relativa com uso do
coeficiente de sensibilidade Ky:
ETm
ETrKy
PP
PR1*1 (1)
20
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
sendo que (1-PR/PP) representa o déficit relativo
de produtividade (DRP). A probabilidade de
ocorrência de DRP foi calculada pela distribuição
gama, conforme exposto em Nangoi (2010).
RESULTADOS E DISCUSSÃO Na Tabela 1 são apresentadas as probabilidades
percentuais de ocorrência de cinco classes de DRP
para cada data de semeadura (expressa por
decêndios). As semeaduras realizadas em outubro
e novembro têm maior probabilidade de resultarem
em DRP menor que 10%. Em setembro, dezembro
e janeiro, DRP menor que 20% têm mais de 50%
de probabilidade de ocorrer. Em fevereiro, a
probabilidade de ocorrer DRP de até 30% está em
torno de 50%. Quebras de produtividade de até
50% têm baixa probabilidade (menor de 10%) de
ocorrer em semeaduras realizadas até o segundo
decêndio de janeiro, aumentando depois até 23,5%.
Tais resultados mostram certa diferença daqueles
de Alfonsi et al. (1997), que indicaram como o
período mais favorável à semeadura na região de
Campinas o que vai do último decêndio de
setembro ao último de outubro.
CONCLUSÕES
A metodologia proposta, com cálculos de DRP
ao longo de ciclos de cultivo e uso do balanço
hídrico modificado permitiu a estimativa de
probabilidades de DRP em função da data de
plantio do milho de setembro a fevereiro. As datas
mais favoráveis ao plantio são o primeiro e o
terceiro de outubro, seguidos do segundo decêndio
de outubro e os três de novembro, estes quatro
últimos com probabilidades um pouco menores e
muito próximas entre si de ocorrência de DRP.
REREFERÊNCIAS
Alfonsi, R.R.;Pedro Jr., M.J.;Arruda, F.B. Métodos
agrometeorológicos para o controle da irrigação.
Campinas: IAC/PRONI, 1990. 62 p. IAC. Boletim
Técnico, 133.
Alfonsi,R.R.; Victória Fo, R.; Sentelhas, P.C.
Épocas de semeadura para a cultura do milho no
Estado de São Paulo, baseadas na probabilidade de
atendimento hídrico. Revista Brasileira de
Agrometeorologia, Santa Maria, v. 5, n. 1, p. 43-49,
1997.
Barbieri, V.; Dujmovich, M.N.; Angelocci, L.R.
Metodologias para estimativa edafoclimática dos
componentes do balanço hídrico agrícola. In:
CONGRESSO BRASILEIRO DE
AGROMETEOROLOGIA, 13., 2003, Santa Maria.
Anais, Piracicaba: SBA; ESALQ, p. 265-266, 2003.
Brunini, O.; Bortoletto, N.; Martins, A.L.M. et al.
Determinação das exigências térmicas e hídricas de
cultivares de milho no Estado de São Paulo. In:
SEMINÁRIO SOBRE A CULTURA DO MILHO
“SAFRINHA”, 3, 1995, Assis, SP. Resumos,
Campinas, IAC, 1995, 141-145.
Manfron, P.A.; Bacchi, O.O.S.; Dourado Neto, D.;
Pereira, A.R.; Medeiros, S.L.P.; Pilau, F.G. Modelo
da Profundidade Efetiva do Sistema Radicular na
Cultura de Milho em Função de Graus-Dia
Acumulados. Revista Brasileira de
Agrometeorologia, Santa Maria, RS, v. 11, n. 2, p.
327-332, 2003.
Nangoi, I.I. Probabilidade de redução relativa da
produtividade do milho por ocorrência de déficit
hídrico em função de datas de plantio na região de
Piracicaba-SP. Dissertação MS, Piracicaba,
Universidade de São Paulo, 2010. 75 p.
Thornthwaite, C.W.; Mather, J.R. The water balance.
Centerton: Drexel Institute of Technology-
Laboratory of Climatology, 1955. 104 p.
(Publications in Climatology, v. 8, n.1.
Tabela 1. Valores porcentuais da distribuição de probabilidade gama (Pgama) para cinco classes de déficit relativo de
produtividade (DRP, em %) para semeaduras nos decêndios relacionados, em função do grau de déficit hídrico.
Decêndio de
Semeadura
Valores da distribuição gama (Pgama)
DRP≤10% DRP≤20% DRP≤30% DRP≤40% DRP≤50%
01 a 10/setembro 31,2 58,2 75,5 86,0 92,1
11 a 20/setembro 40,4 67,4 82,5 90,8 95,1
21 a 30/setembro 49,9 76,9 89,5 95,3 97,9
01 a 10/outubro 67,0 90,5 97,3 99,3 99,8
11 a 20/outubro 55,5 82,2 93,1 97,3 99,0
21 a 31/outubro 63,0 85,9 94,6 97,9 99,2
01 a 10/novembro 57,9 81,9 92,2 96,6 98,6
11 a 20/novembro 58,4 83,9 93,9 97,7 99,1
21 a 30/novembro 57,0 80,5 91,1 95,9 98,1
01 a 10/dezembro 44,9 71,8 86,1 93,3 96,8
11 a 20dezembro 39,6 64,6 79,4 88,1 93,1
21 a 31/dezembro 39,7 62,4 76,3 85,0 90,5
01 a 10/janeiro 32,8 58,5 75,0 85,1 91,2
11 a 20janeiro 27,7 54,2 72,3 83,6 90,5
21 a 31/janeiro 19,1 43,9 63,5 77,1 86,0
01 a 10/fevereiro 13,5 34,9 54,2 69,0 79,6
11 a 20fevereiro 13,2 33,3 51,5 65,9 76,6
21 a 28/fevereiro 14,4 34,5 52,3 66,2 76,5
21
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
VARIABILIDAD ESPACIAL DE LAS PROBABILIDADES DE OCURRENCIA DE
MÁXIMOS DE PRECIPITACIÓN DIARIA EN LA CUENCA DEL PLATA
Naumann, G.; Llano, M. P.; Vargas, W. M.
Departamento de Ciencias de la atmósfera y los Océanos, FCEN – UBA. Buenos Aires, Argentina. Consejo Nacional de Investigaciones Científicas y Tecnológicas (CONICET).
E-mail: [email protected]
Palabras clave: precipitación – extremos – Cuenca
del Plata
INTRODUCCIÓN La ocurrencia de los eventos extremos de
precipitación diaria tiene baja probabilidad en la
región, sin embargo su impacto en los sistemas socio
culturales es de gran relevancia. Por esto, el estudio y
desarrollo de aproximaciones probabilísticas a los
valores extremos asociados a procesos hidrológicos
permite aumentar el conocimiento para ser utilizado
en la toma de decisiones y cuantificación del riesgo
asociado a estos eventos extremos. A modo de
ejemplo, en la construcción y diseño de grandes
obras hidráulicas, donde el estudio de las
inundaciones es efectuado a través de modelos
probabilísticos.
En general, en la literatura se muestra que la
distribución de Gumbel es el modelo más
comúnmente usado para la síntesis de extremos
hidrológicos. Sin embargo, algunos estudios
muestran que en general esta distribución subestima
los mayores valores extremos de precipitación
(Wilks, 1993; Coles et al. 2003). En este sentido,
Koutsoyiannis (2004) realiza una investigación con
series de extremos de precipitación y encuentra que
la distribución de extremos generalizado (GEV) de
tipo II es la más apropiada, incluso en series con
record de poca longitud.
En este trabajo se estudia la bondad de ajuste de
diferentes distribuciones generalmente asociadas con
precipitación extrema en la Cuenca del Plata y
regiones adyacentes. Se ajustan sobre todas las
estaciones de la Cuenca cinco distribuciones
asociadas con valores extremos (GEV, Gumbel,
Gamma, Lognormal y Weibull) a los máximos
diarios anuales de precipitación. Para estimar la
bondad del ajuste se usó el estadístico chi2
considerando como hipótesis nula que la muestra de
datos utilizada corresponde a cada una de las
distribuciones teóricas analizadas.
RESULTADOS Y DISCUSIÓN Se observa que la distribución que mejor
representa los máximos de precipitación diaria anual
en toda la región es la GEV donde el 92% de las
estaciones ajustan a un nivel de significancia del 5%.
Por otro lado, el 89% de las estaciones ajusta a una
distribución Lognormal, mientras que el 84% ajusta
a una distribución Gamma. Finalmente el 72% ajusta
a una distribución Weibull y el 67 % de las
estaciones ajusta a una distribución Gumbel.
Estos resultados muestran que la distribución GEV
definida por tres parámetros es la distribución con
mayor representatividad de los extremos de lluvia en
la Cuenca del Plata. La función de distribución de
probabilidades (PDF) está definida por
01,1exp11
)(
111 xxx
xf
(1)
Donde es el parámetro de ubicación, es el
parámetro de escala y es el parámetro de forma.
Existen tres casos especiales de GEV que dependen
del valor del parámetro de forma . Si el parámetro
tiende a cero en la ecuación 1 la PDF resultante es:
xxxf expexp
1 (2)
Esta PDF es conocida como distribución
Gumbel o Fisher-Tipett tipo I. Para > 0 la ecuación
1 se denomina Frechet o distribución Fisher-Tipett
tipo II. Esta familia de distribuciones se caracteriza
por el lento decrecimiento de la PDF para grandes
valores de la variable x. El tercer caso especial de la
distribución ocurre cuando < 0 (Weibull o Fisher-
Tipett tipo III).
Figura 1: Distribución regional de los ajustes de la
distribución GEV asociadas al máximo absoluto de
precipitación diaria anual (mapa). Modelos y parámetros (
posición, escala y forma) asociados a cada región
(gráficos).
Dada la extensión de la Cuenca del Plata y la
cantidad de regiones climáticas que se contiene en su
dominio, se decide efectuar una clasificación sobre
las PDF de la distribución con mejor ajuste en la
Cuenca (GEV). Para esto se realiza una clasificación
22
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
objetiva sobre las PDF de cada estación utilizando el
método de clusters k-means sobre el máximo anual
de precipitación diaria. El requisito para definir
regiones (grupos) climáticas diferentes es que las
PDF de cada región obtenida mediante el análisis de
cluster debe ser distinta a las otras. Para evaluar la
similitud entre distribuciones se utilizó el estadístico
a chi2 un nivel de confianza del 5%.
A partir de este análisis se obtuvo que la región
se encuentra caracterizada por tres modelos de
precipitación extrema distintos. En el mapa de la
Figura 1 se muestra la pertenencia de cada estación a
cada uno de los tres modelos teóricos obtenidos y
caracterizados por los promedios de cada grupo.
Tabla 1. Parámetros asociados a los ajustes de las
distribuciones GEV para los tres máximos en Campinas,
Corrientes, Rivera y OCBA. Campinas 1º max 2º max 3º max Corrientes 1º max 2º max 3º max
0,15 -0,04 -0,21 -0,04 0,02 -0,0513,79 9,94 9,46 27,46 18,73 16,2068,41 51,85 42,74 89,09 62,38 49,93
Rivera 1º max 2º max 3º max OCBA 1º max 2º max 3º max
0,15 0,03 0,17 0,10 0,08 -0,0123,93 17,75 12,59 22,04 12,55 10,8391,84 67,04 53,88 73,09 52,07 39,08
El modelo 1 esta caracterizado por un valor de
( = 67.2, = 19.6 y = -0.008), siendo este el de
menor varianza. Este modelo es el que mayor
cantidad de estaciones representa y esta asociado a
localidades en el norte de la Cuenca, principalmente
sobre las estaciones brasileras, noroeste de
Argentina, sur de Córdoba y Santa Fe y centro de la
provincia de Buenos Aires. El modelo 2 ( = 85.6,
= 26.1 y = -0.018) es el de mayor dispersión y
contiene los valores extremos máximos de la región.
El modelo 3 ( = 48.1, = 21.31 y = 0.04)
asociado a estaciones ubicadas en la zona semiárida
Argentina (en las márgenes oeste-sudoeste de la
Cuenca). Aquí los máximos son productos de
irrupciones excepcionales de aire húmedo desde el
nor-noreste y no como parte del régimen climático
general.
Analizando los modelos, la región con mayor
riesgo hidrológico es la representada por el modelo
2. Este resultado es coherente dado que en esta
región se observa el mayor impacto del ENSO
(Barros y Silvestre 2002, Penalba y Vargas, 2004)
donde en general se registran las mayores
inundaciones producto de precipitaciones extremas
durante eventos El Niño.
En la Tabla 1 se muestran los parámetros que
definen cada distribución. Se observa que la
distribución GEV ajusta para todos los máximos
excepto para la distribución asociada al tercer
máximo en la estación Rivera. Esto implica que el
modelo teórico que describe a las distribuciones
(GEV) no se modifica, aunque evidentemente si los
parámetros que definen a la distribución.
Para diversas aplicaciones es necesario un
ajuste de modelos a condiciones máximas con
valores de probabilidades mayores que el máximo
absoluto. Esto ocurre cuando se pretende evaluar
riesgos para condiciones máximas pero más
probables que las absolutas. Surge la pregunta sobre
la estabilidad de los modelos cuando se ajustan entre
los máximos secundarios. En general, los valores del
parámetro de forma ( ) son superiores a 0.1 para el
primer máximo y disminuyen a valores cercanos a
cero si se considera los máximos secundarios. Solo
en Corrientes se tiene que es cercano a cero para
todos los máximos. Por otro lado, se observa que el
tercer máximo tiende a una distribución GEV tipo
III, principalmente en Campinas ( = -0.21). Esto es
razonable dado que los valores que definen a los
máximos secundarios tienden a estar controlados por
el máximo absoluto. De acuerdo a esto Jenkinson
(1955) sugiere que, en general, en la naturaleza es
razonable esperar que los valores máximos se
encuentren acotados por un límite superior (y el
mejor ajuste seria para GEV III). Sin embargo, esto
no ocurre para la precipitación máxima dado que
una considerable cantidad de precipitación puede
registrarse y su cota máxima se encuentra en alguna
medida incontrolada.
AGRADECIMIENTOS Este trabajo fue realizado con apoyo de los proyectos
de investigación UBA X-228 y CONICET PIP 112-
200801-00762.
REFERENCIAS
Barros, V.R.; Silvestri, G.E. 2002. The relationship
between sea surface temperature at the
subtropical south-central Pacific and
precipitation in southeastern South America. J.
Climate 15: 251–267
Coles, S.; Pericchi, L. R.;Sisson, S. 2003. A fully
probabilistic approach to extreme rainfall
modeling. J. Hydrol. 273 (1–4): 35–50.
Jenkinson, A.F. 1955. The frequency distribution of
the annual maximum (or minimum) value of
meteorological elements. Quart. J. Roy. Met.
Soc. 81: 158–171.
Koutsoyiannis, D. 2004. Statistics of extremes and
estimation of extreme rainfall: I. Theoretical
investigation. Hydrological Sciences–Journal
des Sciences Hydrologiqes 49: 575-590.
Penalba, O.C.; Vargas, W.M. 2004. Interdecadal and
interannual variations of annual and extreme
precipitation over central-northeastern
Argentina. International Journal of Climatology
24:1565-1580.
Wilks, D.S. 1993. Comparison of three-parameter
probability distributions for representing annual
extreme and partial duration precipitation series.
Water Resour. Res. 29(10): 3543–3549.
23
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
EL BALANCE HÍDRICO SMN Y EL NDVI
Núñez, L.N.; González Morinigo, E.C.; Rodríguez, D.M.; Bolzi, S.C.; Burés, A.; Ogdon, G. Servicio Meteorológico Nacional, 25 de mayo 658 (C1002ABN) CABA Argentina
E-mail: [email protected]
Palabras clave: NDVI, precipitaciones, índice
INTRODUCCIÓN La precipitación es la fuente renovable de agua
dulce, su falta o exceso puede derivar en desastres
naturales. Una de las maneras de minimizar los
efectos de los excesos y déficit hídricos es una buena
preparación para la mitigación de los mismos, para
esto es imprescindible un muy buen monitoreo de la
disponibilidad hídrica. Las estaciones
meteorológicas, de la red sinóptica del Servicio
Meteorológico Nacional, se encuentran muy
separadas unas de otras. Esto sumado al hecho de la
gran irregularidad del campo de las precipitaciones,
hace que los datos que se poseen no tengan, en
muchas regiones, la densidad necesaria para un buen
monitoreo. Una forma indirecta de estimar la
humedad del suelo es a través de la actividad
vegetal. Los cambios en el tipo de cobertura del
terreno producen efectos sobre los valores del NDVI
(Normalized Difference Vegetation Index). En este
trabajo se presentan algunos ejemplos de la
comparación realizada, entre el Balance Hídrico
(BH), actualmente operativo en el Servicio
Meteorológico Nacional, y el NDVI en la zona
argentina de cultivo de secano, mostrándose áreas y
épocas en el año en que ambos métodos pueden
relacionarse y complementarse o en la que ello no es
posible o es muy complicado.
MATERIALES Y MÉTODOS En este trabajo se han comparado las imágenes
del BH (Berríos, 2008), operativo en el
Departamento Agrometeorología, y del NDVI,
generado por Departamento Estación HRPT, ambos
del Servicio Meteorológico Nacional. Este balance
representa el almacenaje de agua del suelo,
considerándose hasta 25mm déficit absoluto (DA),
hasta 50mm déficit extremo (DE), hasta 75mm
déficit grave (DG), hasta 100mm déficit (D), hasta
125 comienzo de déficit (CD), hasta 150mm regular
(R), hasta 175 bueno (B), hasta 200mm óptimo (O),
hasta 225 leve exceso (LE), hasta 250 moderado
exceso (ME), hasta 300mm exceso (E), hasta 400
suelo saturado y mayor a anegamiento. (Figura 1). El
Índice de NDVI (Tarpley et al., 1984) fue generado a
partir de la información suministrada, por el sensor
AVHRR de 1 km de resolución para cada píxel, de la
serie de satélites de orbita polar NOAA-17 y NOAA-
18, en la banda del espectro electromagnético del
visible situado en el rojo, banda 1 (0.58µm –
0.68µm) y la banda que se encuentra en el infrarrojo
cercano del espectro, banda 2 (0.725µm – 1.10µm).
Figura 1: La escala superior corresponde al BH y la
inferior al NDVI.
La combinación de estas bandas ha demostrado
ser un indicador sensible de la presencia, estado,
cantidad y vigor de la vegetación verde, y de la
actividad fotosintética. Resulta útil para controlar los
cambios en la cobertura vegetal, asociados a los
estados de los diferentes cultivos, siembra-floración-
cosecha, como también aquellos ocasionados por las
adversidades climáticas, sequías-inundaciones-
heladas. Para el estado de la evolución de los cultivos
se han utilizado los Boletines Agrometeorológicos
Mensuales (SMN) que el Dpto. Agrometeorología de
SMN publica mensualmente en su WEB.
RESULTADOS Y DISCUSIÓN Se eligieron períodos de buenas condiciones
hídricas y de déficit hídrico (DH) para realizar las
comparaciones.
-65 -60
-40
-35
-30
TERCERA DECADA de ENERO de 2009
Figura 2. NDVI y BH correspondientes a la tercera década
de enero de 2009
DH y cosecha y/o siembra: En la primera década de
enero de 2009 (Figura 2), en el norte de Santa Fe
había un marcado déficit hídrico según el BH lo que
se puede inferir también de la imagen del NDVI
correspondiente, en la zona, por la falta de agua la
situación agrícola estuvo muy comprometida, el maíz
se perdió casi todo y había pérdidas de alfalfares, se
estaba sembrando soja. Aunque ambos productos
coinciden, en esta zona, el NDVI está influenciado
por la cosecha de girasol y la siembra en la soja.
Quizás dado el avance de la cosecha y de la siembra,
con valores de humedad importantes, se llegarían a
24
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
obtener iguales o similares valores de NDVI. Algo
similar ocurría en el centro y norte de Entre Ríos.
DH y riego: En el extremo sur de Buenos Aires y en
la zona de Bahía Blanca, los cultivos que se
encontraban bajo riego evolucionaban en forma
regular a buena mientras que los de secano como en
el resto del centro-este y sur Buenos Aires, se
encontraban comprometidos por falta de humedad,
altas temperaturas y fuertes vientos, había un
marcado déficit hídrico en el área, lo que se podía
observar en un empeoramiento en el aspecto de los
cultivos en general.
DH y crecimiento de los cultivos: En el sur de Santa
Fe había DH, a pesar de esto el maíz pasó la etapa de
llenado de grano, de manera variable, esperándose
rendimientos no más que moderados, puesto que
muchos habían llegado a la fase reproductiva sin
desarrollo vegetativo adecuado. La soja de primera
tuvo síntomas de estrés, algo mejor aquellas
instaladas en lotes bajos o con buenos barbechos, a
fin de mes se hallaban en etapa reproductiva. Debido
al DH, la densidad de los cultivos era baja, pero a
pesar de que los mismos no estuvieron
desarrollándose en óptimas condiciones, su etapa
evolutiva ha provocado en el NDVI valores
relativamente altos, en algunos lugares, propios de
buenas condiciones. Algo similar ocurre en el norte
de Buenos Aires y en Córdoba, el estado evolutivo
de los cultivos ocultaba en el NDVI el estrés hídrico
que estaban padeciendo.
-65 -60
-40
-35
-30
TERCERA DECADA de ENERO de 2010
Figura 2. NDVI y BH correspondientes a la tercera década
de enero de 2010
Buenas condiciones hídricas y cultivos en etapa de
crecimiento: En la tercera década de enero de 2010,
en el norte de Santa Fe las condiciones hídricas eran,
en general, buenas. La soja de primera en su mayoría
se encontraba entre en formación de vainas e inicio
de llenado de grano (crecimiento foliar), con gran
actividad como se observa en el NDVI, en el BH, la
falta de información en la zona podría provocar que
las condiciones buenas del este no se extiendan hacia
el oeste como se deduciría del NDVI. En el norte de
esta provincia, en Buenos Aires y en Entre Ríos el
BH muestra muy buenas condiciones donde en
general los cultivos avanzaban bien, la soja se
hallaba en crecimiento foliar, y la disponibilidad de
forraje era buena, condiciones que se reflejan en el
NDVI.
En el sur de Buenos Aires, en la zona de Tres
Arroyos había falta de agua, las reservas del perfil
eran escasas o nulas y el estado de los cultivos era
regular, ambos productos vuelven a mostrar
concordancia.
-65 -60
-40
-35
-30
TERCERA DECADA DE MAYO DE 2010
Figura 3. NDVI y BH correspondientes a la tercera
década de mayo de 2010
Buenas condiciones hídricas y bajo NDVI: En el sur
de Santa Fe y en el centro y este de Buenos Aires
reinaban muy buenas condiciones hídricas mientras
que en el NDVI se observaban bajos valores, esto se
daba por el avanzado estado de las cosechas. La
Cosecha y/o siembra pueden ocultar DH.
CONCLUSIONES La interpretación en forma aislada del NDVI
puede llevar a alguna confusión. El déficit hídrico en
etapa de crecimiento de los cultivos pueden en parte
ocultarlo, la siembra y/o cosecha con excelentes
condiciones hídricas puede llegar a confundirse con
DH.
AGRADECIMIENTOS Se agradece al Servicio Meteorológico Nacional por
el apoyo otorgado para la realización de este trabajo
y al Ing. Agr. Hugo Conti redactor de los Boletines
Agrometeorológicos consultados.
REFERENCIAS Berríos Cáceres, Silvia, Gonzalez Morinigo, E. Carolina,
Núñez, Liliana N., Pérez, Silvia, Sierra, Eduardo y
Skansi, María. ex aequo. 2008. Desarrollo de un
sistema de monitoreo de un balance hidrológico
seriado para el S.M.N. XII Reunión Argentina de
Agrometeorología. 8 al 10 de Octubre del 2008. Jujuy.
Argentina.
SMN <http://www.smn.gov.ar/?mod=agro&id=11>,
Consultado el 29 de junio de 2010. Tarpley, J.,S. Schneider, and R. Money. 1984.
Gloval vegetation indices from NOAA-7
meteorological satellite. J. Clim. Appl.
Meteorol. 23:491-49.
25
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
EVALUACIÓN DEL PERÍODO 2008-2009
MEDIANTE EL BALANCE HÍDRICO SMN
Núñez, L.N.; González Morinigo, E.C.; Ogdon, G.
Servicio Meteorológico Nacional, 25 de mayo 658 (C1002ABN) CABA Argentina.
E-mail: [email protected]
Palavras-chave: precipitación, sequía, balance.
INTRODUCCIÓN El clima de una región está determinado por
una combinación de factores astronómicos,
geográficos y meteorológicos, y constituye el
recurso natural más importante para el desarrollo
de las economías regionales. De todas las variables
climáticas, la temperatura y la precipitación son las
más importantes dado que determinan, en mayor
medida, las posibilidades productivas de una
región. En la Argentina, la producción agrícola es,
en su gran mayoría, de secano y abarca un área que
comprende, junto con la región pampeana, el este
del NOA, de Santiago del Estero, de Chaco y de
Formosa, Corrientes y Misiones. En esta región se
observa una importante diversidad climática:
climas húmedos, subhúmedos y semiáridos, en
todos ellos pueden presentarse períodos de déficit
y exceso hídrico.
Una región con déficit hídrico puede contar con
precipitaciones nulas o muy escasas o, por el
contrario, con un total de precipitación
considerable y que, no obstante, resulte
insuficiente. Esto último ocurre cuando el agua
precipitada no es aprovechada íntegramente,
debido a factores que limitan su aprovechamiento.
Entre ellos se destaca la temperatura, la cual
condiciona directamente la intensidad de la
evaporación. Las temperaturas bajas atenúan la
evaporación mientras que las elevadas la
intensifican, pudiendo dar lugar a condiciones de
sequía o déficit hídrico, aún en el caso de un mayor
volumen de precipitación. Por lo tanto, el concepto
de falta de humedad en el suelo no debe basarse
sólo en la cantidad de precipitación sino, también
en otros factores limitantes, el Balance Hídrico
(BH) es una buena herramienta para evaluarla.
Durante los años 2008 y 2009 se produjo un
importante déficit hídrico en la principal área
agrícola de secano de la Argentina. En el presente
trabajo se evalúa su evolución y extensión.
MATERIALES Y MÉTODOS En un escenario de cambio climático y con
transformaciones tecnológicas que extendieron la
frontera agropecuaria a zonas marginales, el
presente trabajo evalúa en escala decadal (10 días)
la evolución y extensión de las condiciones de
déficit hídrico registradas durante los años 2008 y
2009, años en que se registró un déficit record, que
provocó importantes pérdidas en la principal zona
agropecuaria de secano del país. El área de estudio,
entre los paralelos 22.9º y 42º de Latitud Sur y los
meridianos 53º y 65 de Longitud Oeste, incluye a
todas las estaciones meteorológicas del Servicio
Meteorológico Nacional (SMN) ubicadas en la
región agrícola Argentina de secano. La evaluación
se llevó
a cabo mediante el Balance Hídrico actualmente
operativo en el Departamento Agrometeorología
del SMN (Berríos, 2008).
El Balance Hídrico representa el almacenaje de
agua del suelo, considerándose hasta 25mm déficit
absoluto (DA), hasta 50mm déficit extremo (DE),
hasta 75mm déficit grave (DG), hasta 100mm
déficit (D), hasta 125 comienzo de déficit (CD),
hasta 150mm regular (R), hasta 175 bueno (B),
hasta 200mm óptimo (O), hasta 225 leve exceso
(LE), hasta 250 moderado exceso (ME), hasta
300mm exceso (E), hasta 400 suelo saturado y
mayor a anegamiento (Figura 1).
Figura 1: Escala del BH
RESULTADOS Y DISCUSIÓN A lo largo del período de estudio se ha realizado un
análisis espacial y temporal del BH. En el análisis
espacial se identificaron las regiones afectadas, a lo
largo del año, por las distintas condiciones de
humedad de suelo según el BH, y en el análisis
temporal, para cada una de las estaciones
consideradas, la duración de los mismos. En este
trabajo solo se computarizarán las áreas, por
número de estaciones afectadas, con condiciones
de déficit hídrico absoluto (DA), extremo (DE),
grave (DG) y déficit (D), y en su conjunto a todas
las condiciones de exceso (E). Ya en el comienzo
del año 2008, en su segunda década, se alcanzó el
primer valor máximo, en cuanto a número de
estaciones registrando algún grado de déficit,
siendo éste 29, 1 estación con DA, 4 DE, 10 DG,
14 D y 2 estaciones con exceso, a partir de este
momento comenzaron a registrarse algunas
precipitaciones con lo que disminuyó el número de
estaciones con déficit, llegando el 10 de marzo a
ser solo 15, distribuidas en la siguiente forma 1 con
DA, 1 DE, 6 DG, 7 D y 5 estaciones con excesos.
Luego se inició un período de secamiento de lo
suelos y para el 20 de mayo eran 27 estaciones las
que registraron DH, 4 DA, 7 DE, 10 DG, 6 D y
ninguna estación del área de estudio registró
excesos. Nuevamente, hasta el 30 de junio,
disminuyó el área en la que se registró DH
llegando a presentar esta calificación 24
estaciones, para luego aumentar hasta llegar, el 20
de septiembre, a 31 estaciones siendo 5 DA, 15
DE, 6 DG, 5 D, y 2 estaciones en las que se
26
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
registran excesos. Otra vez se redujo la zona con
DH hasta que a fines de noviembre comenzó a
aumentar, lo que ocurrió hasta la primera década
de enero de 2009 en que son 42 las estaciones con
DH, siendo este el máximo número registrado
durante el período de estudio, 5 con DA, 16 con
DE, 11 con DG, 10 con D no existiendo estaciones
con excesos. Luego y hasta la primera década de
febrero disminuyó el número de estaciones con
DH, llegando a 29 para aumentar nuevamente
hasta el 10 de mayo en que son 41 las estaciones
con DH, 7 estaciones registraron DA, 16 DE, 11
DG, 7 D y no hubo estaciones con extremos. Hasta
el 31 de julio se redujo la cantidad de estaciones
con DH siendo en ese momento 27, para luego
aumentar hasta 31 estaciones lo que ocurre el 31 de
agosto presentando 11 con DA, siendo el máximo
valor alcanzado en el período (Figura 1-a), 9 con
DE, 6 DG, 5 D y otra vez sin extremos. A partir de
aquí el déficit hídrico se atenuó llegando al 31 de
diciembre de 2009 con 10 estaciones que
presentaron dicha condición, 3 con DA, 3 DE, 2
DG, 2 con D y 21 estaciones registraron excesos.
-65 -60 -55
-40
-35
-30
-25
TERCERA DECADA
de AGOSTO de 2009
-65 -60 -55
-40
-35
-30
-25
TERCERA DECADAde DICIEMBRE de 2009
Figura 2. BH correspondiente (a) a la tercera década de
agosto de 2009, b) tercera década de diciembre de 2009.
La evolución temporal del BH, en cada una de las
estaciones, permite analizar la duración e intensidad de
los períodos secos y húmedos, a partir de la misma se ha
determinado la duración de los períodos muy secos, la
suma de DG, DE y DA, en número de décadas con ese
grado de déficit hídrico. A continuación se listan las
estaciones ordenadas en forma decreciente según el
mencionado criterio: Viedma (72), Bahía Blanca (72),
Ceres (68), Pilar Obs. (63), Santa Rosa (63), Coronel
Suárez (60), Córdoba Observatorio (57), Villa Dolores
(54), Las Lomitas (50), General Pico (49), Reconquista
(49), Santiago Del Estero (49), Sauce Viejo (41),
Presidencia Roque Sáenz Peña (39), Marcos Juárez (37),
El Trébol (35), Laboulaye (35), Pigué (33), Tandil (32),
Resistencia (31), Corrientes (29), Pehuajó (29),
Gualeguaychú (27), Tucumán (27), Venado Tuerto (26),
Nueve De Julio (26), Olavarría (25), Río Cuarto (23),
Tres Arroyos (22), Formosa (20), Rosario (20), Bolívar
(20), Paraná (18), Mar Del Plata (18), Punta Indio B.A.
(17), Las Flores (17), Ezeiza (17), Dolores (16), Junín
(15), Oberá (15), La Plata (14), Paso De Los Libres (10),
Azul (8), Monte Caseros (7), Concordia (7), Posadas (4),
Iguazú (1), Bernardo De Irigoyen(0)
Figura 3. BH a lo largo del período ENE 2007 a DIC
2009, en línea gruesa, y en línea fina el BH promedio del
período 2000-2009.
CONCLUSIONES
A partir del BH decadal realizado, se ha
mostrado la severidad, extensión y duración del
período seco registrado durante los años 2008 y
2009 en la zona agropecuaria argentina de secano.
Del análisis espacial realizado, a lo largo de todo el
período, surgió que, descontando a Bernardo de
Irigoyen, siempre, en alguna región de la zona
estudiada, se registró algún grado de DH, las
máximas extensiones con déficit se produjeron en
la primera década de enero y de mayo de 2009, en
que son 42 y 41 estaciones respectivamente que lo
registraron, y la máxima intensidad ocurrió en la
tercera década de agosto en que 11 estaciones
presentaron DA. Ambos análisis, muestran
claramente, la severidad del DH registrado en la
zona durante los años 2008 y 2009. A partir de la
evolución temporal, se identificaron las zonas
calificadas DG o inferior a lo largo de diversos
períodos de tiempo, los mismos van desde 1
década, en el caso de Iguazú hasta 72 décadas (720
días) lo que se registró en Viedma y Bahía Blanca;
Bernardo de Irigoyen es la única estación que no
presentó estas condiciones.
AGRADECIMIENTOS
Se agradece al Servicio Meteorológico Nacional
por el apoyo otorgado para la realización de este
trabajo.
REREFERENCIAS Berríos Cáceres, Silvia, Gonzalez Morinigo, E. Carolina,
Núñez, Liliana N., Pérez, Silvia, Sierra, Eduardo y
Skansi, María. ex aequo. 2008. Desarrollo de un
sistema de monitoreo de un balance hidrológico
seriado para el S.M.N. XII Reunión Argentina de
Agrometeorología. 8 al 10 de Octubre del 2008.
Jujuy. Argentina.
a
a b
a
27
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
EXCESOS Y DEFICIENCIAS HÍDRICAS REGIONALES EN LA PLATA DURANTE LA DÉCADA 2000-2009
Pardi, H. M.; Asborno, M. D. Climatología y fenología Agrícola. Dto. Ambiente y Recursos Naturales. Fac. de Cs. Agrarias y forestales, UNLP. Calle 60 y 119, CP1900, La Plata, Pcia. Buenos Aires. Argentina E-mail: [email protected]
Palabras clave: balance de agua, situaciones hídricas. INTRODUCCIÓN
Las dificultades que se encuentran frecuentemente durante la medición de la humedad del suelo han llevado, en los últimos cincuenta años, a difundir ampliamente las estimaciones que se realizan con el cómputo del balance hidrológico (BH).
En sus distintas modalidades, el resultado de un BH permite realizar inferencias en el espacio (extensión geográfica) y en el tiempo (Año, mes, década, día), seleccionando adecuadamente los valores iniciales para cada cómputo.
En el período mencionado, se han desarrollado estudios de la climatología del agua del suelo preferentemente a través de la aplicación del método de BH climático mensual (BHC) (Thornthwaite, 1948). No obstante, los valores normales usados, producen resultados útiles para la caracterización climatológica de grandes regiones pero no pueden resolverse problemas planteados en situaciones donde se requiere el conocimiento de información detallada, probabilidades mensuales de ocurrencia de excesos o deficiencias de agua (Pascale y Damario, 1977).
En lo que respecta a la climatología del agua del suelo, el balance hidrológico seriado (BHS) permite conocer la variación anual, frecuencias y probabilidades de los distintos elementos del balance, que permiten cuantificar la aptitud productiva regional o local. Asimismo, contribuyen a resolver aspectos agronómicos tales como la planificación de labores culturales, manejo del suelo, régimen de sequías y excesos de agua, oportunidad de uso de equipos, aspectos que facilitan la toma de decisión de productores y técnicos para lograr una mayor eficiencia en la realización de labores básicas de suelo y culturales en la zona de referencia.
El objetivo general de este trabajo es contribuir al conocimiento de la disponibilidad natural de agua en el suelo en la zona de La Plata, donde se producen distintos cultivos extensivos y hortícola a cielo abierto con importancia relevante a nivel nacional; aplicando el método BHS con datos obtenidos en la última década, y establecer su relación con los valores obtenidos con el BHC durante el mismo período. MATERIALES Y MÉTODOS
Para el cómputo del BHS se dispuso de valores mensuales de precipitación (P) y evapo-
transpiración (EP) partiendo de una base de datos horarios registrados en la década 2000-2009. Los valores de EP se obtuvieron por estimación a partir de la fórmula propuesta por Penman modificada (Allen et al., 1998). La capacidad de retención del suelo (CRS) utilizada para el cálculo se estableció en 300mm para la zona de quintas de La Plata, determinada en experiencias previas.
Se presentan situaciones con excesos, deficiencias y equilibrios hídricos, se computan las frecuencias absolutas y porcentuales de clase.
Paralelamente se calculó el BHC, con los índices de P y EP computados con la serie de datos, con el propósito de comparar por ambos métodos (BHS - BHC) la magnitud y distribución de las situaciones hídricas (SH) resultantes. RESULTADOS Y DISCUSIÓN
Obtenidos los valores mensuales de excesos, deficiencias y situaciones de equilibrio medias para ambas metodologías (Tabla 1), se calcularon las frecuencias porcentuales de SH (Tabla 2). Tabla 1: Deficiencias y excesos hídricos en La Plata resultantes de BHS (valores medios) y BHC.
BHC (mm) BHS ( mm) Mes Def Exc Def Exc Ene 16 0 38 0 Feb 0 0 10 3 Mar 0 0 9 28 Abr 0 0 6 6 May 0 0 3 31 Jun 0 3 2 10 Jul 0 20 0 11
Ago 0 20 4 28 Sep 0 0 3 4 Oct 0 0 6 20 Nov 2 0 15 0 Dic 16 0 27 0
Podemos establecer que los meses con mayor
déficit hídrico corresponden al trimestre estival (32mm para el BHC y 75mm para el BHS). Estos resultados indican que los cultivos primavero-estivales se encuentran expuestos a deficiencias de humedad edáfica durante las etapas de crecimiento; en correspondencia con su magnitud, podrían afectar los estados reproductivos siguientes y su rendimiento final.
En invierno se presentan altos porcentajes de excesos hídricos (Tabla 2), 43mm en BHC y 49mm en BHS. Se destaca que en mayo resultan 31mm de exceso por BHS, no detectados por BHC.
28
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
Los mismos podrían comprometer la marcha normal de algunos cultivos, y la preparación del suelo para otros; entre ellos los cereales otoño-invernales, primavero estivales y diferentes hortalizas de importancia económica y amplia difusión en la zona (Alcaucil, tomate, apio y pimiento conducidos a cielo abierto). Los excesos mayores a 50mm mensuales que respondan a una secuencia estacional, serán siempre perjudiciales (Pascale y Damario, 1983). Tabla 2: Porcentual de Situaciones Hídricas en La Plata resultantes de BHS BHS %Def %Exc %Equi Ene 60 0 40 Feb 70 20 10 Mar 30 30 40 Abr 40 10 50 May 40 30 30 Jun 40 10 50 Jul 10 50 40 Ago 40 50 10 Sep 40 20 40 Oct 50 30 20 Nov 60 0 40 Dic 90 0 0
Resulta evidente que durante la transición mayo-junio es cuando el suelo alcanza su valor máximo de retensión, situación que se refleja en el elevado porcentaje de excesos para los meses julio y agosto (Tabla 2). El período de recarga estaría localizado principalmente en el mes de mayo (BHS). Esta situación resultaría favorable para la siembra de cultivos otoño-invernales, los que satisfacen sus exigencias hídricas para el nacimiento y durante las primeras etapas del crecimiento.
En la zona de La Plata ocurren las mayores deficiencias de agua en el mes de enero (38 y 16mm para BHS y BHC, respectivamente); el mayor nivel de exceso se detecta en mayo por BHS (31mm) y en julio para BHC (20mm).
La variación de las SH detectadas en la zona ponen de manifiesto condiciones poco adecuadas de humedad edáfica para los subperíodos siembra-nacimiento y floración-llenado de grano de cultivos primavero estivales (Maíz, girasol, soja, sorgo granífero) en los cuales las mayores deficiencias (ocurridas en diciembre y enero para ambas metodologías) afectarían los rendimientos. Mientras que, para los cultivos de siembra otoño invernal se presentan condiciones hídricas propicias para el nacimiento y crecimiento vegetativo. Sin embargo, podrían sufrir solo algunas limitaciones en la disponibilidad de agua durante el subperíodo crítico (septiembre-octubre) cuando deben satisfacer sus mayores exigencias bioclimáticas.
El cálculo del BH por las dos metodologías arroja diferencias que se mantienen todos los meses del año, con magnitudes variables según la estación. Los resultados del BHS permiten detectar
un período de recarga del suelo en el mes de mayo, un exceso anual medio de 141mm y deficiencia anual media de 123mm. Mientras que BHC para el mismo período solo encuentra deficiencias de 35mm y 43mm de exceso anual.
Finalmente, si comparamos los valores obtenidos en BHC con los valores correspondientes a BHS, resulta notorio que el primero indicaría condiciones de menor disponibilidad de agua y menores deficiencias de las que realmente se presentan en La Plata (BHS), situación coincidente con lo señalado para localidades donde se presenta un período con el suelo a capacidad de campo (Damario y Pascale, 1977). CONCLUSIONES
La metodología BHS, a diferencia del BHC, permitió detectar variaciones particulares en la distribución de los excesos de agua en el suelo. Esto se debe a que en BHC se emplean los valores medios de todo el período para las variables. Al usar BHS, en cambio, se pudieron detectar dichas variaciones particulares.
Los valores máximos de déficit hídrico se registran en verano; otoño es la estación con mayor frecuencia de situaciones de equilibrio y donde se establece el período de recarga de agua del suelo. Mientras que el invierno se caracteriza por el alto porcentaje de situaciones de exceso.
La variación anual de situaciones hídricas detectadas presentaría condiciones propicias para el nacimiento y crecimiento vegetativo de cultivos de siembra otoño - invernal; resultando poco adecuadas para satisfacer las exigencias durante el período reproductivo en primavera y verano.
La metodología BHS permite obtener información agroclimática con un grado de confianza mayor para su aplicación en la producción de cultivos a campo en la zona de La Plata. En próximos trabajos se analizará un paso de tiempo menor al mensual. BIBLIOGRAFÍA Pascale A.J. y E.A. Damario. 1977. El balance
hidrológico seriado y su utilización en estudios agroclimáticos. Revista de la Facultad de Agronomía de La Plata. 53(1-2): 15-34.
Pascale A.J. y E.A. Damario. 1983. Variación del agua edáfica disponible para los cultivos en la región oriental de la Argentina. Revista de la Facultad de Agronomía de la UBA, 4(2): 141-181.
Thornthwaite C.W. And J.R. Mather. 1957. Instructions and tables for computing potential evapotranspiration and the water balance. Drexel Institute of Tecnology. Climatology, 10(3):185-311.
Allen, R.G., L.S. Pereira, D. Raes, D., and M. Smith. 1998. Crop evapotranspiration, guidelines for computing crop water requirements. FAO Irrig. and Drain. Paper 56, Rome, Italy. 300 pp.
29
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
APORTE A LA EVALUACIÓN DE LA INCERTIDUMBRE DE LOS RECURSOS HÍDRICOS DEL ESTE DE LA PROVINCIA DE CATAMARCA
Puricelli, M. Instituto Nacional de Tecnología Agropecuaria, Estación Experimental Catamarca, Ruta 33, Km. 4.5. CP. 4705, Sumalao, provincia de Catamarca, Argentina.
E-mail: [email protected]
Palabras clave: incertidumbre, precipitación, Catamarca.
INTRODUCCIÓN
En la región sur oriental de la provincia de Catamarca, la actividad productiva se desarrolla bajo estrictas condiciones agroecológicas y climáticas. Una de las técnicas más difundidas para el aprovechamiento del recurso hídrico consiste en el aprovechamiento del de agua de lluvia por medio de reservorios, a partir de la captación y conducción del escurrimiento superficial del terreno, y el generado en superficies impermeables tales como los techos de las viviendas. En esta región, la información pluviométrica es geográficamente dispersa y discontinua en el tiempo. En el presente trabajo se presentan los primeros resultados del análisis de la información disponible mediante el ensayo de criterios cuantitativos para determinar la incertidumbre asociada, tanto en la información como en los cálculos derivados de la misma (Chow, et al., 1994; Lokus and Van Beek, 2005) El objetivo del presente trabajo, apunta a contribuir al conocimiento respecto a la incertidumbre de la información pluviométrica disponible y su caracterización, en un territorio con grandes deficiencias de información climática. MATERIALES Y MÉTODOS
Se utilizó información pluviométrica mensual, de diferentes localidades del Departamento La Paz en la provincia de Catamarca, perteneciente a la Secretaría del Agua y el Ambiente provincial.
El proceso de análisis fue progresivo. Sobre un total de 17 localidades disponibles se realizó una primera selección de aquellas series representativas, con mayor cantidad y continuidad en la información. Un total de 10 localidades cumplieron simultáneamente los siguientes criterios: a) abarcar un intervalo de tiempo de al menos 35 años, incluyendo los años con deficiencias en los registros; b) Contar con al menos 10 años de series completas, c) Ser representativas de las dos regiones geomofológicas dominantes (piedemonte de la Sierra de Ancasti y llanura, respectivamente).
La primera escala del análisis fue global, estimándose los valores mensuales de media, coeficiente de asimetría de Fisher y el desvío estándar. La incertidumbre en los datos disponibles, se valoró sobre la base del error estándar para cada mes ( mES ) escalado según la media correspondiente
(Ecuación (1)), donde σ representa al desvío estándar, n el tamaño de la muestra y x el valor medio muestral:
xNESm
/σ= (1)
Finalmente, a fin de ilustrar la necesidad de información adicional respecto a la disponible, se estimó la cantidad de datos necesarios en una serie para que la misma posea un error estándar, escalado por el valor medio del mes analizado, definido por en la Ecuación 2:
2/⎟⎟⎠
⎞⎜⎜⎝
⎛=
xESn m
ESσ (2)
RESULTADOS Y DISCUSIÓN
Las localidades seleccionadas se detallan en la Tabla 1. Tanto la cantidad de series seleccionadas (59% del total disponible) como la longitud total ( N ) y la cantidad de años con registro completos ( n ) son los primeros indicadores de la calidad de la información disponible. Tabla 1: Localización geográfica de las series analizadas, longitud total ( N ) y cantidad de años completos ( n )
Nombre lat.; long. N nQuirós 28° 47' S; 65° 06' O 36 10
La Guardia 29° 33' S; 65° 27' O 76 36Esquiú 29° 22' S; 65° 17' O 69 32Recreo 29° 16' S; 65° 03' O 74 41
San Antonio 28° 55' S; 65° 05' O 52 29Anjuli 28° 40' S; 65° 16' O 47 36Icaño 28° 55' S; 65° 19' O 53 22
Motegasta 29° 02' S; 65° 21' O 43 32Las Peñas 29° 28' S; 65° 30' O 60 23Ramblones 29° 09' S; 65° 24' O 57 12
Los valores medios, el desvío estándar y el
coeficiente de asimetría de los valores del conjunto de datos analizados se exponen en la Figura 1 y la Figura 2. A partir de los mismos se observa que la mayor parte de la pluviometría en el área se concentra entre los meses de Octubre a Marzo, especialmente en los tres primeros meses del año. Durante el período abril-septiembre, las reducidas lluvias (tanto en el número de días de lluvia como en magnitud de agua precipitada) provocan la reducción de los valores del desvío estándar, el cual aumenta al incrementarse las precipitaciones. De la misma forma, la asimetría en la distribución de los valores de lluvia, siempre positiva, es elevada durante los meses de mayo a septiembre y durante diciembre destacando las variaciones en el régimen
30
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
de precipitación anual. A fin de reconocer los patrones de variación
respecto a la incertidumbre de la información, en la Tabla 2 se exponen los valores del error estándar (Ecuación (1)), mediante intervalos.
020406080
100
E F M A M J J A S O N D
Mes
Pp m
edia
[mm
]
Figura 1: Distribución global de los valores de precipitación mensual en el área analizada.
012345
E F M A M J J A S O N D
Mes
Coe
f. de
As
imet
ría
0
2040
60
80
Desv
ío E
stán
darC. Asimetría D. Estándar
Figura 2: Distribución global de los valores de coeficiente de variación y de asimetría en el área analizada. Tabla 2: Estaciones con Errores Estándar (Ecuación (1)) entre 5 y 10% (X), entre 10 y 20% (0), y mayores a 20% (-).
Estación E F M A M J J A S O N D
Quirós 0 0 0 0 - - - - - 0 0 0La. Guardia 0 0 0 0 - - - - - 0 0 0
Esquiú 0 X 0 0 - - - - - 0 0 0Recreo X X X - - - - - - - X X
San. Antonio 0 0 X 0 0 - - - - 0 0 0Anjuli X 0 0 0 - - - - - 0 0 0Icaño 0 0 0 0 - - - - - 0 0 0
Motegasta X 0 0 0 0 - - - - 0 0 0Las Peñas X X X 0 - - - - - 0 0 0Ramblones - 0 0 0 - - - - - - - 0
Las características globales de la precipitación en
la región se destacan también en cuanto a la distribución de los errores estándar (Ecuación (1)), los cuales superan en todos los casos el umbral del 5%, propuesto por Minetti (2005). En sólo 6 de los 10.
En los casos analizados pudieron identificarse ciertos meses con error estándar con valores entre 5 y 10%. En general, el período lluvioso se caracteriza con valores de (1) de entre 10 y 20%, mientras que en el resto de los meses es superior. Lo señalado destaca la debilidad de la información disponible. En
este sentido, la Figura 3 indica la magnitud de la problemática referida a la disponibilidad de datos necesaria para reducir el valor de (1) a un nivel del 10%, donde el mínimo absoluto calculado fue de 29 años, para el mes de Febrero en la localidad de Recreo, con valores medios para el conjunto de 34 a 50 años en el período Enero -Marzo, de y de 65 a 90 entre Octubre y Diciembre.
0
200
400
600
800
1000
1200
E F M A M J J A S O N D
Mes
Dato
s ne
cesa
rios Promedio
Máximo
Mínimo
Figura 3: Valores medios, máximos y mínimos de la cantidad estimada de datos necesarios para que las series analizadas alcancen un error estándar del 10%. CONCLUSIONES
La información analizada presenta características propias, con niveles de incertidumbre elevados y variables, según se trate del período húmedo o seco. Sin embargo, la necesidad práctica impulsa la búsqueda de soluciones que permitan aprovechar la información disponible. La reducción de la asimetría y de los errores estándar escalados (Ecuación (1)) durante el periodo lluvioso permite sugerir la utilización responsable de la información en proyectos aplicados, siempre y cuando la misma se desarrolle dentro de una estrategia de trabajo que incluya adecuados márgenes de seguridad distribuidos por meses, o al menos entre épocas (lluviosa y seca). Queda entonces pendiente el desarrollo de criterios de seguridad sobre la base de la información disponible así como el estudio de la propagación de los errores en los cálculos de obras de captación, conducción y almacenamiento del agua de lluvia. AGRADECIMIENTOS Se agradece al Ing. Agr. Raúl Díaz (INTA) por el aporte crítico de ideas y las sugenrecias sobre el procesamiento de la información. REFERENCIAS Chow, V.T,; Maidment , D.R.; Mays, L. 1994.
Hidrología aplicada. Mc. Graw-Hill. Lockus, D.P.; van Beek, E. 2005. Water Resources
Systems Planning and Management. UNESCO Publishing
Minetti, J.L. 2005. El clima del noroeste argentino. Editorial Magna.
31
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
RELACIÓN ENTRE LAS FASES, LA DISTANCIA Y LA DECLINACIÓN LUNAR CON LA
PRECIPITACIÓN DE LOCALIDADES DE LA REGIÓN PAMPEANA ARGENTINA
Rodríguez, R.O. 1, Cifuentes, A. 2, Blasón, A.D. 3, Galvani, G.A.1 1 Instituto de Clima y Agua,CNIA-INTA, Las Cabañas y Los Reseros s/n, Castelar , Pcia BsAs, CP 1712, Argentina.
2 Observatorio Naval Buenos Aires-Servicio de Hidrografía Naval, Av. España 2055, Buenos Aires, CP1107AMA,
Argentina. 3 Facultad de Ciencias Agrarias, Universidad Nacional de Lomas de Zamora, Ruta 4, km 2 Lavallol, Pcia de
BsAs,CP1836, Argentina.
E-mail: [email protected]
Palabras clave: Luna y precipitación, Influencia
lunar
INTRODUCCIÓN En el ámbito agropecuario se sostiene, con
poco fundamento, que la luna ejerce distinta
influencia sobre las cantidades y frecuencia de las
lluvias. Por otra parte distintos autores han
encontrado la existencia de relaciones, como las
halladas en antiguos trabajos (Cirera, 1912;
Pettersson, 1914; Rodés, 1937; Puig, 1942) y en
otros posteriores (Adderley and Bowen, 1962;
Brier, 1964; Currie, 1984 ).
Probar la existencia de diferentes efectos sobre
la precipitación en la región pampeana y definir
numéricamente esa relación es de evidente interés,
en particular para los técnicos de diferentes
especialidades ligadas a los recursos ambientales
y a la producción agropecuaria. La utilidad de este
conocimiento deviene del hecho que Fases,
Distancia Tierra/Luna y Declinación Lunar, son
predeterminadas en su fecha de ocurrencia por
medio de modelos Astrofísicos, lo que permitiría
agregar un elemento útil al pronostico de
precipitación en el corto, mediano y largo plazo.
En este trabajo se aborda el estudio objetivo de
la existencia o no de tal vinculación y se la
pondera estadísticamente.
MATERIALES Y MÉTODOS El estudio se realizó tomando diferentes
ventanas temporales de 7 y 15 días comprendidos
entre fechas en las cuales se repiten determinadas
situaciones contrastantes de FASE (Luna llena o
Luna nueva), de DISTANCIA (Apogeo o Perigeo)
y DECLINACION (Norte o Sur), por separado y
también combinando esos distintos elementos
(diferentes configuraciones).
Luego se relacionaron con los montos de la
lluvia en 6 observatorios meteorológicos del
Instituto Nacional de Tecnología Agropecuaria
(INTA). En la Tabla 1 se observa la ubicación de
cada uno de ellos en la Región Pampeana
Argentina y su serie de años. Los datos
pluviométricos son de alta confiabilidad y
corresponden en todos los casos a observatorios
con más de 40 años de registros.
Tabla 1. Ubicación observatorios del INTA
utilizados y serie de años con datos
Nombre Latitud Longitud Altura Serie
Anguil -36,5 -63,98 165 1961-2009
Castelar -34,67 -58,65 22 1951-2009
H,Ascasubi -39,38 -62,62 22 1961-2009
M,Juarez -32,68 -62,12 110 1967-2009
Parana -31,83 -60,52 110 1958-2009
Pergamino -33,93 -60,55 65 1959-2009
La información necesaria de la Luna fue
producida en el Observatorio Naval Buenos Aires
mediante interacción de los software
ONBA_LUNA I y ONBA_LUNA II, que se
desarrollaron en ese centro, y el soft Multiyear
Interactive Computer Almanac del Observatorio
Naval de los EE.UU.
Con esa información y mediante programación
en FORTRAN, se organizaron las ventanas
temporales, las que se relacionaron con la
precipitación ocurrida en cada caso analizado y
para cada Observatorio.
Se consideraron las siguientes ventanas
temporales.
Para FASES se determinan 6 ventanas de 15
días en relación a Luna Llena (LL) y Luna Nueva
(LN), considerando la fecha más y menos 7 días
(LL+/7 y LN+/-7) ; la fecha y 14 días después
(LL+14 y LN+14); la fecha y 14 días antes (LL-14
y LN-14). En la Figura 1 se esquematizan esas
situaciones
Figura 1. Ventanas temporales asociadas a Fases
Lunares (LL: Luna llena y LN : Luna nueva)
En forma similar, en el análisis de la Distancia
se determinaron 2 ventanas de 7 días en relación
al Perigeo (P) y Apogeo (A) considerando la
fecha y más y menos 3 días.
Para el análisis de la Declinación se tomaron 4
32
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
ventanas de 15 días, tomando 7 antes y 7 después
de la fecha en que se alcanza el extremo de
declinación norte (DN), el extremo de declinación
sur (DS), la declinación cero pasando de sur a
norte (D0+) y declinación cero pasando de norte a
sur (D0-). Combinando Distancia con Fases, se
obtuvieron 8 ventanas de 15 días, tomando la
fecha de P y A con 14 días anteriores que
contuvieran la fase LN o LL (LN-P; LL-P; LN-A;
LL-A) y lo mismo pero tomando la fecha y 14
días siguientes (P-LN; P-LL; A-LN y A-LL).
Finalmente se analizó una combinación de
FASES con Distancia pero tomando en cuenta
solo Perigeos menores a 357.270 km y Apogeos
superiores a 406.380 km que corresponden
aproximadamente al 12 % de los casos. Las 4
ventanas generadas fueron de 15 días, tomando la
fecha y 7 días antes y 7 días después de LN con P
que no difiere en más de un día, y de igual forma
LN con A, LL con P y LL con A ( LN/P; LN/P;
LL/P y LL/A).
RESULTADOS Y DISCUSION La Tabla 2 permite apreciar los valores
medios de lluvia según fase lunar. Los valores de
precipitación más altos corresponden a ventanas
ubicadas entre LN y LL, las diferencia
porcentuales entre mayor y menos valor fluctúan
entre 5,3 y 12,4 %. El test de Tukey sobre la serie
no dio en ningún caso diferencias significativas
(P: 0,05).
Tabla 2. Precipitación según Fases Lunares
LL+14 LN-14 LN+/-7 LN+14 LL-14 LL+/-7
Anguil 29,8 29,8 31,4 30,3 30,4 28,7
Castelar 40,4 44,1 42,8 44,2 43,8 41,5
H,Ascasu 20,6 20,3 18,3 19,4 19,4 20,9
M,Juarez 36,2 35,9 36,6 37,1 37,9 37,1
Parana 41,2 41,8 42,4 44,6 45,1 43,8
Pergamin 36,6 36,5 38,6 40,6 40,2 38,2
0.85
0.90
0.95
1.00
1.05
1.10
LL+14 LN-14 LN+/-7 LN+14 LL-14 LL+/-7
Pre
cip
itac
ión
No
rmal
izad
a
Paraná Pergamino CastelarH. Ascasubi Anguil M. Juarez
Figura 2. Lluvia media normalizada según Fase
La Figura 2, utilizando la lluvia normalizada
sobre el promedio de la serie en cada lugar,
también muestra que las lluvias alcanzan mayores
valores entre luna nueva y luna llena con la
excepción de Hilario Ascasubi.
En forma similar al analizar las otras
alternativas se observó lo siguiente :
- En Distancia tierra-luna, en todos los casos la
lluvia promedio fue más alta en el lapso de 7 días
que incluyó el Apogeo. Si bien el mismo test no
arrojó diferencias significativas, tres localidades
estuvieron muy próximas a serlo y las diferencias
medias porcentual entre A y P fluctuaron entre 5,9
y 10,4 %.
- En Declinación lunar, en general se observaron
mayores totales de lluvia con declinación sur o en
cero en su pasaje hacia el hemisferio sur, pero las
diferencias no fueron significativas
estadísticamente. No obstante, la diferencia entre
la ventana más lluviosa y menos lluviosa fluctuó
entre 6,9 y 16,1 %.
- Distancia con Fases lunares: la lluvia tendió a
ser mayor cuando la ventana estuvo entre luna
nueva y luna llena próximas a apogeo. Aquí
aparecieron las diferencias porcentuales más
grandes entre ventanas, variando entre 17,7 y 26,5
%.
- Distancias extremas en apogeo y perigeo
combinadas con fases: presentó mayor lluvia
cuando pasó de luna nueva en perigeo a luna llena
en apogeo. Las diferencias porcentuales fluctuaron
entre 25,0 y 47,7 %, pero solo fueron
significativas con P:0,05 en M. Juárez donde
LN/A presentó 34,3 mm y LL/A 65,6 mm.
CONCLUSIONES El análisis se considera exploratorio y hasta el
momento se realizó solamente sobre la cantidad
de lluvia, por lo que posteriormente debería
incluirse la frecuencia de días de lluvia.
No obstante encontrar diferencias
significativas entre las medias de precipitación
solo en el caso de Marcos Juárez y para una de las
situaciones analizadas, otras diferencias
porcentuales no significativas fueron importantes.
Las mayores precipitaciones se observaron
ligadas principalmente al lapso entre luna nueva y
luna llena, especialmente cuando se estuvo
próximo al apogeo lunar.
La declinación parece no ser muy importante.
REFERENCIAS Adderley E.E. and Bowen E.G. ,1962. Lunar component
in precipitation data. Science 137,749-750.
Brier G.W and Bradley D.A., 1964. The lunar synodical
period and precipitation in the United States.
J.Atmos.Sci, 21,386-395
Cirera, R. ,1912.La previsión del tiempo, Lo que es, Lo
que será. Imprenta Moderna de Guinart y Pujolar..
Barcelona
Currie R.G.,1984. Periodic 18.6 year) and cyclic (11-
year) induced drought and flood in western North
America. Journal of Geophysical Research, v.89,
nº D5,7215-7230.
Puig I., 1942. Influencias lunares. Editorial Sopena
Argentina. Buenos Aires.
Rodes, L. ,1937. ¿Influye la Luna en el tiempo? Estudio
estadístico. Memorias del Ebro nº 7. Imprenta
Moderna de Alguero y Baiges.Tortosa.
33
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
INCIDENCIA DE LA VARIACION INTERANUAL DE LAS PRECIPITACIONES Y
LAS TEMPERATURAS SOBRE LA ESTRUCTURA DE UN PASTIZAL
Spiller, L1; Martín, B1; Vilche, M.S2; Galleano, A1.
Facultad de Ciencias Agrarias – UNR - Zavalla, Santa Fe 1Cátedra de Forrajes, 2 Cátedra de Manejo de Tierras, Facultad de Ciencias Agrarias, Universidad Nacional de Rosario
Campo Experimental Villarino CC 14 Zavalla, CP2123, Argentina.
E-mail: [email protected]
Palabras clave: pastizal templado, estructura,
variabilidad, precipitaciones, temperaturas
INTRODUCCIÓN La vegetación natural ha sido descripta por
diversos autores (Cabrera y Willink, 1980; Lewis,
1995) reconociéndose que los elementos climáticos
ejercen una influencia determinante en la dinámica
de la vegetación. Además, son evidentes los
efectos de las variaciones anuales sobre el tapiz
(López et al., 2001) y la relación que guardan
algunos factores climáticos con la productividad de
los pastizales (Santa Cruz et al., 1996).
El objetivo fue analizar la incidencia de las
variaciones interanuales de las precipitaciones y las
temperaturas en la estructura de un pastizal natural
del centro oeste de Santa Fe.
MATERIALES Y MÉTODOS El estudio se realizó en un establecimiento
agropecuario situado en el distrito Bustinza, Santa
Fe (32´40º; 61´17º), de 2.500 has que aún conserva
un sector de su superficie ocupada por pastizal
natural. Este sector de 800 has ha sido reconocido
como una unidad de paisaje caracterizada por un
relieve subnormal, con pendientes de 0,3 %,
ocupada por Argiudoles ácuicos y con un riesgo
cierto de anegamiento ante eventos pluviométricos
de mediana a gran magnitud.
En el campo natural se instalaron 24 sitios de
muestreo. En cada uno de ellos, al final de cada
mes desde septiembre a febrero, y durante los años
2006 al 2010, se cortó el forraje en unidades de
muestreo de 0,25 m2 y se lo llevó a gabinete para
registrar, por separación manual, la participación
de las especies presentes. Las fracciones se
llevaron a estufa de aire forzado hasta peso
constante y se determinó el contenido de materia
seca de cada fracción (MS) y se calcularon las
tasas de crecimiento para cada mes.
Los datos climáticos de las precipitaciones
mensuales (mm), la amplitud térmica en períodos
decádicos mensuales (ºC) y las lluvias acumuladas
durante el invierno precedente a cada período
primavero estival se obtuvieron de la Estación
Meteorológica Zavalla, perteneciente a la Facultad
de Ciencias Agrarias de la Universidad Nacional
de Rosario, Argentina.
Los datos fueron tratados por medio del análisis
multivariado de componentes principales (ACP)
utilizando una matriz de correlación (PCOrd,
McCune and Mefford, 1999).
RESULTADOS Y DISCUSIÓN Los datos meteorológicos registrados en los
períodos evaluados se encuentran en la Tabla 1.
Tabla 1. Lluvias acumuladas y amplitud térmica media
de los períodos estudiados (2006/2007, 2007/2008,
2008/2009 y 2009/2010) provistos por la Estación
Meteorológica de Zavalla (SMN).
Precipitaciones
acumuladas (mm)
Amplitud Térmica
( ºC)
Primavera Verano Primavera Verano
2006/2007 325,90 483,30 12,93 11,2
2007/2008 236,70 228,80 12,03 13,48
2008/2009 221,30 324,70 14,59 13,56
2009/2010 311,90 539,30 13 11,8
Puede observarse que, las precipitaciones
ocurridas durante los períodos estudiados
presentan una notable variación entre ellos (lluvias
totales primavera estivales: 2006/2007= 809,2 mm,
2007/2008= 465, 5 mm, 2008/2009 = 546 mm,
2009/ 2010 = 851,2 mm). La diferencia máxima
entre ellos fue del 45%.
Las precipitaciones otoño invernales previas y
acumuladas fueron respectivamente para cada
periodo mencionado del orden de: 420,3 mm,
381,9 mm, 92,2 mm y 184,9 mm, alcanzando el
promedio histórico un valor de 370, 1 mm.
Las temperaturas mínimas registradas variaron
entre 3,62- 12,30 ºC en setiembre y las máximas de
enero entre 32,92 - 26,53 ºC.
Los datos promedios de la acumulación de MS
se muestran en la Tabla 2. Las producciones
acumuladas que se detallan son el promedio de los
datos mensuales obtenidos durante las primaveras
y veranos considerados.
Tabla 2. Acumulación de materia seca (MS/ha) por
estación climática, en cada período evaluado.
Producción Total de MS.ha-1
Primavera Verano
2006/2007 2789,8 3629,2
2007/2008 3552,3 4085,7
2008/2009 2140,8 3820,8
2009/2010 1521,1 4368,4
Tabla 3: Análisis por componentes principales
Componente Eigenvalores %
variancia
% variancia
acumulada
1 4,2 23,3 23,3
2 2,32 13 36,3
3 1,92 10,7 47
4 1,77 9,9 56,9
34
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
Los valores de producción de MS resultaron
superiores a aquellos encontrados en pastizales de
la transición pampa Deprimida – pampa Ondulada
(Ansín et al., 2003) y de áreas con problemas de
drenaje de Zavalla Sta Fe (Feldman y Refi, 2006).
Para la interpretación del ACP se usaron los
parámetros cuyos eigenvectores fueron > 0,450.
Los tres primeros CP explicaron 47 % de la
variancia total (Tabla 3). El CP1 explicó alrededor
de 1½ vez más que CP2 y CP3 indicando que los
parámetros intervinientes tuvieron mayor
importancia relativa en la estructura del pastizal.
Así, separó las especies constitutivas del tapiz con
diferente eficiencia fotosintética y uso del agua,
ubicando a la derecha a las especies C4 que
presentaron mayor tasa de crecimiento y estuvieron
asociadas a las precipitaciones de principio de
verano, mientras que a la izquierda del gráfico se
localizaron las C3 (Figura 1).
CP 1
CP
2
primaveraverano
Figura 1. Diagrama de dispersión en el plano de los
ejes CP1 y CP2
El CP2 destacó la incidencia de las
precipitaciones otoño-invernales en la
proporcionalidad de trébol blanco y Rye grass en la
primavera siguiente; de este modo, los sitios con
mayor % de estas especies se ubicaron en la parte
inferior del gráfico y los de menor cantidad se
localizaron en el sector superior. El círculo
definido con línea discontinua en el cuadrante
inferior izquierdo demarca un grupo que se
caracterizó la escasez de lluvias en setiembre y
noviembre de 2006 antecedido por un otoño-
invierno con precitaciones superiores a la media
histórica en un 15 % y, el círculo del cuadrante
superior izquierdo, una primavera (2008, con 221,3
mm) precedida por un otoño-invierno con escasas
precipitaciones, con más del 70% por debajo del
registro histórico y con las temperaturas mínimas
más bajas registradas durante el primer período
decádico de setiembre (3°C). Esto generó una
menor producción de MS (valor promedio, 2460
kg MS. ha-1
) que los grupos intermedios, entre
ambos círculos señalados, a lo largo y a la
izquierda del CP2. Esos sitios intermedios se
diferencian entre si por la cantidad de MS
producida en la primavera, probablemente
relacionada no solo con la cantidad de las
precipitaciones invernales y primaverales sino
también con su distribución (3552 y 1520 kg MS.
ha-1
, primavera 2007 y 2009, respectivamente).
Las situaciones de mayor producción de MS
están localizadas a la derecha del gráfico. En todos
los veranos y en todos los lotes hubo una
producción que superó los 3629 kg MS.ha-1
alcanzando los 4368 kg MS.ha-1
. Las muestras
localizadas en el cuadrante superior derecho
corresponde a los veranos más lluviosos, en
cambio las del cuadrante inferior derecho
corresponden a periodos estivales más secos. Estas
últimas presentaron mayor tasa de crecimiento que
las anteriores y, consecuentemente mayor MS.ha-1
posiblemente por la menor amplitud térmica
registrada (temperaturas máximas más bajas)
acompañada por una mejor distribución de las
precipitaciones.
Las lluvias del verano, aunque marcadamente
distintas entre años, enmascararon el comporta-
miento diferencial del pastizal detectado en las
primaveras. Podría pensarse que el pastizal, bajo
estas condiciones de uso, presentaría cierta resilen-
cia para el período anteriormente mencionado.
CONCLUSIONES Las variaciones interanuales climáticas
estudiadas condicionaron la estructura del pastizal
en el periodo primavera-estival. Las precipitacio-
nes otoño-invernales de mayor magnitud incidie-
ron positivamente en la proporcionalidad de trébol
blanco y Rye grass en el tapiz vegetal de la
primavera subsiguiente. Las lluvias primavero-
estivales, las invernales y las temperaturas
mínimas de principio de primavera condicionaron,
además la producción del pastizal.
REFERENCIAS Ansín, O. E.; Oyhamburu, E. M.; Vecchio, M. C.;
Heguy, B.; Cordero, M. I. y Eirin, M. A. 2003.
Efecto del manejo del pastoreo sobre la biomasa
neta de forraje acumulada en dos tipos de pastizales
templados de la Pampa Deprimida. Rev. Arg. Prod
Ai Vol. 23 (Supl.1): 151-152
Cabrera, A. L y Willink, A. 1980. Biogeografía de
América Latina. Serie Biología. Monografía
13.Washington. DC. Segunda Edición. 122 p.
Feldman, S. y Refi, R. 2006. Cambios en la composición
floristica de un pastizal pampeano bajo diferentes
prácticas de manejo. Cien. Inv. Agr. 33 (2) 109-116.
Lewis, J. P. 1995. Pastizales y sabanas de la provincia de
Santa Fe. Argentina. En: Pastizales y sabanas de
América del Sur, cap 5: 77-100.
Lopez, M. V., Arias Mañotti, A. A., Pace, G. J., Casco,
J. F., Goldfarb, M. C.; Gimenez, L., 2001. Programa
para simular el rendimiento de materia seca de
pastizales Rev. Arg. Prod. Anim. 21(1): 88-89.
McCune, B.; Mefford, M. J. 1999. PC-ORD.
Multivariate Analysis of Ecological Data. Version 5.0, MjM Software, Gleneden Beach, Oregon, U.S.A.
Santa Cruz, G.A.; García, E.; Velazco, C.; Florez, J. L.
1996. Importancia de los elementos climáticos en la
variación florística temporal de los pastizales
semidesérticos. Actas Botánica Mexicana. Julio Nº
035: 65-81.
35
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
BALANCE HÍDRICO EN LA CUENCA DEL RÍO GUALJAINA, ARGENTINA
Torrero, M. P.; Noseda, P.
Equipo Interdisciplinario para el Estudio de Procesos Atmosféricos en el Cambio Global (PEPACG), Pontificia
Universidad Católica Argentina (UCACyT), A. M. de Justo 1600, P. 3, Of. 2 y 3.
E-mail: [email protected]
Palabras clave: Cuenca hidrográfica, balance hídrico,
normativa.
INTRODUCCIÓN El río Gualjaina, afluente del Río Chubut, nace
en las Sierras Occidentales de Chubut, Argentina,
con el nombre de Tecka. Desarrolla una cuenca de
2800 km2
y su principal afluente es el río Lepá a
orillas del cual se encuentra la localidad de
Gualjaina. En gran parte de la provincia de Chubut
el acceso de vapor de agua está muy restringido
por las condiciones geográficas y la circulación de
la atmósfera (Colombani y Arbuniés, 2008). El
clima de la región es árido y frío, las
precipitaciones, concentradas en invierno, no
superan los 200 mm anuales y la temperatura
media anual es de 10 ºC. Los cordones serranos
están dispuestos de N a S y desarrollan una altitud
de hasta 1900 m, los piedemonte están formados
por sedimentos continentales cubiertos por un
manto de rodados en matríz arenosa y varían en
altitud dependiendo de su localización. El valle se
caracteriza por una llanura aluvial con áreas
cóncavas, inundables y terrazas bajas (Beeskow et
al., 1987). Los suelos predominantes son aridisoles
del tipo argid y ortid y molisoles del tipo borol
(INTA, 1995). El área se caracteriza por el
desarrollo de mallines, de gran importancia
ecológica y potencial productivo, los cuales se
encuentran degradados o destruidos como
consecuencia de procesos naturales o por la
intervención antropogénica. La vegetación
predominante es de estepa subarbustiva-graminosa
(INTA, 2002). En 1994, la Constitución Nacional
reconoce el derecho-deber a un ambiente sano y el
desarrollo sustentable y faculta a la Nación a dictar
normas de presupuestos mínimos de protección
ambiental y a las Provincias a dictar aquellas que
complementen las primeras (Art.41). En 2002, la
Ley Nacional Nº 25.675 (General del Ambiente)
estableció los principios e instrumentos de gestión
que deben guiar a la política ambiental nacional.
Asimismo, se suscribió el “Acuerdo Federal de
Agua” donde todas las jurisdicciones adoptaron los
“Principios Rectores de Política Hídrica de la
República Argentina" para incorporarlos a sus
legislaciones de aguas. Se reconoció al Consejo
Hídrico Federal (LEY XVII-Nº71-5.047). La
Provincia de Chubut cuenta con un Código
Ambiental (LEY XI–Nº 35-5439), en concordancia
con la normativa nacional, para la gestión
ambiental de los recursos naturales provinciales.
En particular, cuenta con un Código de Agua que
ordena las concesiones de uso (LEY XVII-Nº9 -
4148) y con la ley LEY XVII–Nº88-5850 que
define la Política Hídrica Provincial. El objetivo
principal del trabajo es calcular el balance hídrico
para la cuenca del río Gualjaina. Los objetivos
secundarios son determinar la disponibilidad
hídrica, relacionar el caudal medio mensual con las
precipitaciones y evaluar la normativa existente en
la cuenca relativa a la ordenación y desarrollo del
territorio y a la prevención y mitigación de efectos
adversos provenientes de eventos climáticos
extremos.
MATERIALES Y MÉTODOS El balance hídrico se realizó con los datos de
precipitación y temperatura correspondientes a la
estación de Gualjaina (-42,7S; -70,5W; 470 msnm)
y Valle Chico (-42,8; -71,2W; 566 msnm)
respectivamente, distantes entre sí a 50 km. El
período analizado es 1993-2008 y los datos fueron
suministrados por la Subsecretaría de Recursos
Hídricos de la Nación (SRHN, 2010). El período se
seleccionó en función de los datos de caudal
existentes para la estación de Gualjaina. El balance
hídrico se calculó mediante el método de
Thorntwaite y Mather (1957). Asimismo, se
elaboró el diagrama de Gaussen (1954, 1955) para
determinar la existencia y duración de períodos
secos (Castillo y Castellví Sentis, 2001). A fin de
analizar la dinámica anual de las precipitaciones y
el caudal, se graficaron las curvas de ambos
elementos para 1993-2008. El comportamiento es
producto de la relación entre los factores de
intercepción, retención, infiltración y
evapotranspiración. Para la evaluación y
comparación del marco normativo se utilizó el
digesto de la Provincia de Chubut (Digesto
Chubut, 2010) y datos provistos por el Instituto
Provincial del Agua (IPA).
RESULTADOS Y DISCUSIÓN El período 1993-2008 se caracteriza por
presentar condiciones de aridez y la prevalencia de
déficit (516,8 mm) durante el otoño, la primavera y
el verano, estación en la cual se intensifica. Las
precipitaciones de comienzo del período invernal
contribuyen al proceso de recarga (17,4 mm) a él,
le sigue un período de utilización (17,4 mm)
cuando las lluvias comienzan a disminuir. No se
registran excesos (Fig. 1 y 2).
El tipo climático correspondiente, según los
índices hídrico y térmico de Thornthwaite (1948)
es árido (-48,8) mesotérmico (635 mm)
respectivamente. Según la clasificación de
Köeppen (Köppen, 1938; Markus et al., 2006) el
clima es del tipo BS, estepa. El río se caracteriza
por presentar un régimen nivo-pluvial, con un
36
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
caudal máximo en el mes de octubre de 29,3 m3/s
producto de la fusión de la nieve. El aumento del
caudal en el mes de agosto es consecuencia de las
abundantes precipitaciones registradas durante
julio (Fig.3). El alto coeficiente de escorrentía
determinó que más del 70% del agua precipitada
escurre superficialmente.
0
10
20
30
40
0
5
10
15
20
J A S O N D E F M A M J
Pp
(mm
)T (º
C)
Meses
Pp T
Figura 1. Diagrama ombrotérmico para el período 1993-
2008 en la localidad de Gualjaina.
0
20
40
60
80
100
120
J A S O N D E F M A M J
Meses
mm
Exceso Utilización Recarga Déficit
Evapotranspiración potencialPrecipitación
Figura 2. Balance hídrico para el período 1993-2008 en
la localidad de Gualjaina.
0
5
10
15
20
25
30
0
5
10
15
20
25
E F M A M J J A S O N D
Q (m
3/s
)
Pp
(mm
)
Meses
Pp Q
Figura 3. Distribución anual de los valores de
precipitación en la cuenca y caudal del río Gualjaina en
el período 1993-2008.
En tanto el Río Gualjaina integra la cuenca
media del Río Chubut, se destaca el convenio
celebrado entre las Provincias de Chubut (LEY
XVII-Nº77-5276) y Río Negro para el
ordenamiento y desarrollo de la cuenca a través de:
ejecutar un sistema de información hidro-
meteorológica para evaluar el potencial hídrico;
relevar los aprovechamientos hídricos existentes y
los factibles; estabilizar los cauces y márgenes
fluviales; normalizar el uso de los recursos
naturales ribereños; prevenir la contaminación de
las aguas; mantener equilibrio ecológico; proyectar
infraestructura de regulación hídrica; resolver la
asignación de cupos de utilización a cada
jurisdicción. Asimismo, se crea el “Comité
Interprovincial de la Cuenca del Río Chubut”
(COIRCHU) el cual aún no ha sido conformado,
sus estatutos están en estudio (IPA, 2010).
CONCLUSIONES En la cuenca del río Gualjaina predominan
condiciones de aridez y de déficit hídrico en el
período 1993-2008. El análisis de los índices
determina como tipo climático al árido
mesotérmico o estepa. El régimen del río es nivo-
pluvial. Respecto la normativa, ésta es suficiente a
los efectos de la adecuada gestión de los recursos
pero carece mayormente de aplicación.
REFERENCIAS Beeskow, A.M.; Del Valle, H.F.; Rostagno, C.M. 1987.
Los Sistemas Fisiográficos de la Región Árida y
Semiárida de la Pcia. de Chubut. CENPAT-
SECYT, Chubut.
Castillo, F.E.; Castellví Sentis, F. 2001.
Agrometeorología. Mundi Prensa. España, 520 pp.
Digesto Chubut,
http://www.legischubut.gov.ar/Digesto/indexx.htm.
Consultado el 15/04/2010.
Colombani, E.N.; Arbuniés, R. 2008. Distribución de las
precipitaciones en la pcia. de Chubut. XII R.A.A.
S.S. de Jujuy, Argentina. 9-10.
Gaussen, H. 1954. Théories et classifications des climats
et microclimats. VIII Congrés Int. Bot. Act. 7 et 3.
CNRS. 125-130.
Gaussen, H. 1955. Expresión des milieux par des
formules écologiques. Colloque Inter. CNRS. 257-
269.
INTA 1995. Atlas de Suelos de la Rep. Arg. Publicación en CD. Fundación ArgenINTA y Aeroterra S.A. B. As.
INTA 2002. II Áreas Agroecológicas de Chubut.
Estación Experimental Chubut.
http://www.inta.gov.ar/Chubut/info/documentos/var
ios/area_ecol.htm - Consulado el día 23/03/2010.
IPA2010, http://organismos.chubut.gov.ar. Consultado el
12/04/2010.
Köppen, W. 1938. Des geographischen system der
climate. En: Köppen, W. y Geiger, R., Handbuch
der klimatologie. Borhtraeger, Berlín.
Markus, K.; Jüren, G.; Christoph, B.; Bruno, R.; Franz,
R. 2006. World Map of the Köppen-Geiger climate
classification updated. Meteorologische Zeitschrift,
Vol. 15, Nº 3. Gebrüder Borntraeger , Berlin,
Stuttgart. 259-263. DOI: 10.1127/0941-
2948/2006/0130.
SRHN 2010. Publicaciones hidrometeorológicas
2008/2009. Dirigido por: López, F. Bs.As.: Sec. de
Ob. Púb. CD-ROM. ISBN 978-987-98869-8-4.
Thornthwaite, C.W. 1948. An approach toward a rational
classification of climates. The Geographical
Review, Vol. 38. Am. Geographical Society. New
York. 55-94.
Thornthwaite, C.; Mather, J. 1957. Instrucciones y tablas
para el cómputo de la evapotranspiración potencial
y el balance hídrico. Instituto Tecnológico de
Drexel. Publicaciones de Climatología. Vol X Nº 3.
New Yersey, 67 pp.
37