recursos hÍdricos. evaluaciÓn, planificaciÓn y...

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


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


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

mailto:[email protected]


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


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 cultivo se estimó a partir de la variación del almacenaje entre fechas, considerando las precipitaciones y variando 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 febrero (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 puede 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 contenido 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, aunque inferior al de otros años para el mismo cultivar.

6


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


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.


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


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


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.


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



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


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


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




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


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.


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


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


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


(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


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


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


.

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


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)


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



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


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).


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


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


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


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



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


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.


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



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


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


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


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.


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


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


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


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


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.


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


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


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.


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


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


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.


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


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


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

http://www.inta.gov.ar/Chubut/info/documentos/varios/area_ecol.htm

http://www.inta.gov.ar/Chubut/info/documentos/varios/area_ecol.htm

http://organismos.chubut.gov.ar/

recursos hÍdricos. evaluaciÓn, planificaciÓn y...

Documents