ESTACIONES Y REDES DE ESTACIONES METEOROLÓGICAS
Transcript of ESTACIONES Y REDES DE ESTACIONES METEOROLÓGICAS
ESTACIONES Y REDES DE ESTACIONES METEOROLÓGICAS
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
VARIABILIDAD TEMPORAL Y ESPACIAL DEL ÍNDICE DE TEMPERATURA Y
HUMEDAD (ITH) EN ZONAS DE PRODUCCIÓN LECHERA DE URUGUAY
Cruz, G.1; Urioste, J. I.2 1Unidad de Sistemas Ambientales.
2Departamento de Producción Animal y Pasturas. Facultad de Agronomía. Av.
Garzón 780. CP 12900. Montevideo, Uruguay
E-mail: [email protected]
Palabras clave: homogeneidad climática,
representatividad espacial, representatividad temporal.
INTRODUCCIÓN El estrés por calor afecta la producción del ganado
lechero (Johnson et al, 1961; Valtorta y Gallardo,
1996). El indicador más utilizado para estimar este
efecto es el Índice de Temperatura (T) y Humedad
(HR) (ITH). En Uruguay, el ITH aumenta desde el S al
N, presentando los mayores valores en enero (Cruz y
Saravia, 2008). A nivel diario, en tres localidades del N
de Uruguay, la probabilidad de obtener valores de ITH
mayores al umbral de 72 (Johnson et al, 1961) fue
superior al 55% en enero. La influencia del calor sobre
el ganado lechero puede conocerse asociando
estadísticamente los niveles de producción con los
valores de ITH. Para esto es necesario determinar el
período mínimo de registros de T y HR y el área
representada por las estaciones meteorológicas (EM).
Camargo y Hubbard (1999) y Rotondo y Seyler (2001)
utilizaron el coeficiente de determinación (R2) como
indicador estadístico de variabilidad espacial A la vez,
el tratamiento estadístico de variables climáticas
requiere utilizar series homogéneas (Castellví, 2001).
Los objetivos de este trabajo fueron: 1) comprobar
la homogeneidad de las series de ITH utilizadas; 2)
determinar el número mínimo de años que representa
series extensas de ITH; 3) conocer la representatividad
espacial del ITH obtenido de EM ubicadas en zonas de
concentración de tambos.
MATERIALES Y MÉTODOS Se utilizaron datos de T del aire y HR de 13 EM
permanentes (Tabla I). Se consideró verano a los meses
de diciembre, enero, febrero y marzo. El ITH se calculó
según Valtorta y Gallardo (1996):
ITH=(1,8 T + 32) - (0,55- 0,55 HR/100) (1,8 T - 26)
Tabla 1. Ubicación de las estaciones meteorológicas Localidad Latitud (S) Longitud (W) m SNM
Salto I 31º16’ 57º53’ 50
Salto D 31º23'8" 57º57'9" 33,6
Tacuarembó 31º42’ 55º49’ 140
Paysandú 32º20'57" 58º02'13" 61,1
Young 32º41'2" 57º38'8" 80,6
Treinta T. 33º14’ 54º15’ 100
Mercedes 33º15'0" 58º04'1" 17,0
Durazno 33º21'1" 56º30'1" 92,8
Trinidad 33º32’2” 56º55’ 119,9
Florida 34º4'0'' 56º14'3'' 90
San José 34º21’25’ 56º42’05’’ 72
Melilla 34º47’3” 56º15’7” 48,9
Sayago 34º50’16’’ 56º13’18’’ 40
Homogeneidad de series climáticas
Se calculó el ITH utilizando datos mensuales de T y
HR para períodos variables según la disponibilidad de
información (7 a 24 años). El análisis autónomo de
homogeneidad se realizó a través de la prueba de
rachas (α = 0,1) y el análisis no autónomo con el
método del cociente (Castellví, 2001). Este último se
planificó para Melilla ya que se contaba sólo con siete
años de datos. Los test se llevaron a cabo utilizando el
programa Visual Agromet v. 2.0.1.
Variabilidad temporal
Se dispuso de 24 años de información mensual en el
período 1983-2006 para dos EM del S (Durazno y
Mercedes) y dos del N (Paysandú y Salto I). Se evaluó
el verano en su conjunto, por lo que cada serie de ITH
incluyó como máximo 96 datos (24 diciembres, …, 24
marzos). El período de 24 años de información se
dividió en períodos consecutivos de 23, 22,…, 3 años.
Para cuantificar la variación conjunta del ITH de
distintas EM se calculó el coeficiente de correlación de
Spearman y se ajustó la regresión lineal entre las
observaciones de ITH de cada par de EM, a saber: YSij
= a + b xPij YMij = a + b xDij
Donde: YS: ITH Salto I xP: ITH Paysandú
YM: ITH Mercedes xD: ITH Durazno
i: tramo de años (1, 2,…, 22)
j: período de años (24, 23, …, 3)
Se calculó el R2 para cada longitud de serie. Para el
procesamiento estadístico se utilizó la versión libre del
programa Infostat (2007).
Variabilidad espacial
Se usaron datos diarios de ITH del verano para el
período 2001–2006. El ITH se calculó utilizando el
promedio de la T máxima y mínima y la HR de las 9
a.m. (Saravia et al, 2002). La asociación espacial de las
series de ITH se estimó a través de una sucesión de
regresiones lineales (Camargo y Hubbard, 1999;
Rotondo y Seyler, 2001). Se consideraron tres
localidades de referencia: San José y Florida en el S y
Paysandú en el N del país. Se definió “centro
geográfico” (CG) a cada localidad de referencia,
independientemente de la posición geométrica que
presentara luego del análisis. Las regresiones se
calcularon de a pares, realizando el análisis de varianza
y obteniendo los valores de R2. Para cada CG se
trazaron las isolíneas de R2 utilizando el programa
Surfer v 6.1, seleccionando el método de interpolación
espacial de Kriging (Rotondo y Seiler, 2001).
269
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
RESULTADOS Y DISCUSIÓN Homogeneidad de series climáticas
La prueba autónoma mostró heterogeneidad en las
series de ITH para Paysandú y Salto D en enero y para
Florida y San José en febrero y marzo. Para decidir
sobre el uso de dicha información se incorporaron estas
series al análisis no autónomo, previsto inicialmente
para Melilla. Los resultados indicaron homogeneidad
en todos los casos excepto para Melilla en enero. Como
enero es el mes climáticamente de mayor ITH, no se
utilizó la información de dicha localidad.
Variabilidad temporal{ XE "Variabilidad temporal"
}Los coeficientes de correlación en cada par de
localidades fueron significativos en todos los períodos
(24 a 3 años). El modelo de regresión lineal simple
explicó la asociación en todos los tramos (α <0,01). El
R2 obtenido en cada par de EM para los 24 años fue de
0,82. La asociación entre las EM a lo largo del tiempo
mostró valores por encima de 0,75 a partir de 6 años,
sin tomar en adelante valores inferiores, tanto para
Durazno y Mercedes (Figura I) como para Paysandú y
Salto. Esto significa que con 6 años de información de
ITH se capturó el 75% de la variabilidad. Lo anterior
coincide con lo reportado por Camargo y Hubbard
(1999), quienes encontraron que la variabilidad de
elementos climáticos entre dos EM dentro de una zona
subhúmeda y otra semiárida en Estados Unidos, se
estabilizó a partir de 6-7 años de registros a lo largo de
14 años. Atendiendo a estos resultados, el análisis de
variabilidad espacial se realizó con los seis años más
recientes disponibles al momento del estudio.
0,60,650,7
0,750,8
0,850,9
0,951
3 4 5 6 7 8 9 10 11121314 15161718192021 22232425años
R2
Figura 1. Variabilidad del ITH-Mercedes explicada
por la variabilidad del ITH-Durazno según Nº de años
Variabilidad espacial{ XE "Variabilidad espacial" }
Los análisis de varianza de las regresiones realizadas
entre cada CG y las localidades vecinas fueron
altamente significativos. Se visualizaron diferencias en
las distancias representadas por cada CG según la
orientación y el mes. La EM de Paysandú mostró el
área mayor de representatividad de ITH (Figura II c)
con la menor variación entre meses.
En las EM de Florida y San José se observaron
fuertes gradientes hacia el S y SE respectivamente
(Figura 2 a y b), evidenciando la influencia del mar. La
dirección S mostró las menores distancias para los
cuatro meses, variando entre 25km y 35km para Florida
y entre 20km y 40km para San José.
Distancias menores de representatividad también se
encontraron en la dirección E (30km a 45km), lo que se
explica por la predominancia de vientos con esta
componente en los veranos de Uruguay.
Para resumir los resultados se asignó a cada punto
cardinal de cada CG la distancia mínima de
representatividad espacial. Esta distancia se obtuvo de
los mapas, asumiendo el 85% de la variabilidad
espacial del ITH (isolínea = 0,85) (Tabla 2)
Tabla 2. Distancias representativas del ITH
(R2=0,85)
Distancias (km)
Norte Sur Este Oeste
San José 50 20 30 70
Florida 90 25 50 50
Paysandú 80 90 70 -
CONCLUSIONES
Los resultados obtenidos habilitan la utilización de
la información meteorológica disponible, la
identificación de tambos en la zona de influencia de las
EM y el número necesario de años de información de
ITH para asociar con la producción de leche en las
localidades estudiadas.
REFERENCIAS Camargo, B; Hubbard, K. 1999. Spatial and
temporalvariability of daily weather variables in sub-
humid and semi-arid areas of the U. S. High Plains. Agr.
Forest. Meteorol. 93:141-148.
Castellví, F. 2001. Introducción a la estimación de variables
climáticas primarias. B. Blanca, Argentina
Cruz, G; Saravia, S. 2008. Cuantificación de un Índice de
Temperatura y Humedad en Uruguay.Agrociencia
XII:56-60.
Infostat. 2007. v. libre. Grupo Infostat, FCA. UNC.
Johnson, HD; Kibler, H; Ragsdale, A; Berry, I;
Shanklin, M. 1961. Role of heat tolerance andproduction
level in response of lactating Holsteinto various
temperature-humidity conditions. J.Dairy Sci.. 44:1191.
Rotondo, V; Seiler, R. 2001. Red agrometeorológica,
mediciones y representatividad espacial para
lacaracterización del clima regional: un caso de estudio
para el S de Córdoba. RADA, I: 95-99.
Saravia, C; Cruz, G; Franco, J. 2002. Cálculo del ITH diario y
su estimación a partir de un mínimo de registros. XII
Reunión Argentina Agrometeorología. Córdoba,
Argentina.
Surfer (tm) for Windows V6 (c) 1993-95.
Valtorta, S.; Gallardo, M. 1996. El estrés por calor en
producción lechera. In Misc. Nº81, 173-185. INTA.
Visual Agromet. 2001. V 2.0.1. Programa de tratamiento de
series climáticas. Univ. de Lleida.
a
)
c
)
270
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
ALGUNAS APLICACIONES AGRONÓMICAS DE DATOS METEOROLÓGICOS
PROVENIENTES DE ESTACIONES AUTOMÁTICAS DE SUPERFICIE
Terenzi, A.1; Scian, B2 1 Climatología y Fenología Agrícolas, Facultad de Agronomía, UBA, (C1417DSE), Buenos Aires, Argentina
2 Dto. de Agronomía, Universidad Nacional del Sur, (8000)Bahía Blanca, Argentina
E-mail: [email protected]
Palabras clave: EMA (Estación Meteorológica
Automática), variables meteorológicas de superficie,
investigación.
INTRODUCCIÓN Las Estaciones Meteorológicas Automáticas (EMA)
son instrumentos de medición que brindan información
acerca de variables meteorológicas las cuales son
herramientas para la realización de estudios de
investigación. Entre 2007 y 2008 se instalaron dos
EMA en cercanías de Bahía Blanca, EMA-Orazi y
EMA-Napostá en dependencias del Dpto. de
Agronomia de la Universidad Nacional del Sur (UNS).
La información que proveen las EMA es de gran
importancia para el desarrollo de proyectos y para
apoyo a otros proyectos como información
complementaria.
MATERIALES Y MÉTODOS Las EMA cuentan con numerosos elementos de
medición de los cuales se obtiene: temperatura y
humedad del aire, radiación solar, lluvias, presión
atmosférica y, velocidad y dirección del viento. La
información está a disposición pública y se da a
conocer en la forma de Resúmenes desde una página de
la UNS.
Se aplican diversos métodos a la información para
la obtención de distintos parámetros. Se usa la
expresión de ET0 según el modelo básico de Penman-
Monteith (1948):
/1
(1 / )
n a p a
c a
R G c D rET PM
r r
donde, calor latente de vaporización (MJkg-1
),
gradiente de la curva de tensión de vapor de saturación-
temperatura (kPa ºC-1
), Rn radiación neta (MJ m-2
por
día), G flujo de calor del suelo (MJ m-2
dia-1
), a
densidad del aire (kg m-3
), cp calor especifico del aire
para presión constante (1.013 kJ kg-1
ºC-1
), D déficit de
la tensión de vapor (kPa), ra resistencia aerodinámica a
la difusión del vapor de agua hacia la atmósfera de la
capa límite (s m-1
), la constante psicrométrica (kPa
ºC-1
) y rc la resistencia superficial del cultivo (Allen et
al., 1998). Las mediciones de temperatura de suelo en
tres profundidades posibilita calcular el flujo de calor
en forma diaria tal como lo expresa Allen et al (2006)
en la forma:
1i is
T TG c z
t (1)
Donde T2 es la temperatura del aire al final de un
periodo considerado (ºC), 1T es la temperatura del aire
al comienzo del periodo considerado (ºC), t es la
longitud del periodo (días), sc capacidad calórica del
suelo expresada en volumen y z es la profundidad
efectiva del suelo (profundidad efectiva de raíces). La
EMA-Orazi, además, cuenta con un conjunto de tres
sensores que miden la humedad del suelo a distintas
profundidades. Se determinaron las calibraciones de
dichos sensores lo que permitió calcular la lámina de
agua (mm) para cada horizonte en función de la
Tensión (cb) con la que el suelo retiene la humedad. A
partir de una lluvia y siguiendo los lineamientos de
Allen et al. 1996, se pudo analizar el proceso de secado
del suelo y obtener la Evapotranspiración de un Suelo
en Descanso (Etsd), ante periodos (en días) variables.
En los ensayos de trigo durante tres años consecutivos
se encararon diversos trabajos sobre las necesidades
hídricas del cultivo de trigo en la región semiárida
pampeana, el Kc del trigo para dicha zona, la variación
del rendimiento del trigo en secano y bajo riego, este
último se realiza en condiciones pre-establecidas del
contenido de agua útil. Las mediciones de viento cada
30 minutos en la EMA Napostá son empleadas para
categorizar las tormentas de viento que se relacionan
con distintos grados de erosión eólica.
RESULTADOS Y DISCUSIÓN
Figura 1. Estimaciones de ET0 para cinco días consecutivos
del mes de Diciembre de 2007, en la región de Bahía Blanca
usando tres aproximaciones diferentes (ET-ASCE, ET-
FAO56 y ET-CIMIS)
El conocimiento de la marcha diaria de la radiación
solar es información empleada no sólo para conocer la
ET0 sino para el cálculo de horas de sol o de máxima
insolación. En la Figura 1 se muestra la marcha horaria
de la radiación solar en Bajo Hondo calculada por tres
métodos de la Bibliografía.
La velocidad de secado del suelo o evaporación del
271
XIII Reunión Argentina y VI Latinoamericana de Agrometeorología, 20 al 22 de octubre de 2010. Bahía Blanca - Argentina
suelo es de utilidad para estimar los momentos de
riego. Algunos casos se presentan en la Tabla 1. Las
lecturas de los sensores de humedad indican el
momento adecuado de riego y la cantidad de la lámina
a regar.
Tabla 1. Períodos de secado del suelo. Duración del período
de secado (días), coeficiente (Ksd) y evapotranspiración
(ETsd), para un suelo en descanso. Caso 1 Caso 2 Caso 3 Caso 4 Caso 5
31 oct-
8/11/07
12nov-
1/12/07
20 mar-
29/03/08
1 abr-
9/05/08
21 jun -
14/07/08
Duración (días)
8 19 9 38 23
Ppt previa
(mm) 11,7 50,1 24,6 3,3
ET0 total
(mm) 55,97 131,22 43,57 167,2 55,09
Frecuencia
Ppt (días) 4 4 3,8 4,3 5
ET0
(mm/día) 7 7 4,8 4,4 2,3
Kc sd 0,62 0,62 0,72 0,7 0,78
ETsd 4,34 4,34 3,46 3,08 1,83
La calibración de los sensores permitió establecer la
relación entre los centibares de la tensión y la lámina
equivalente en mm.
Con respecto al ensayo de trigo en condiciones de
secano y riego, con y sin fertilizante se resumen los
resultados en la Tabla 2 y Tabla 3 (Terenzi y Scian.
2010).
Tabla 2. Componentes de rendimiento de trigo R 1 S 1 S 2 R 2 S 3
Fertiliz Sin
fert.
Sin
fert.
0,960
kg
0,954
Kg Sin fert.
Plantas/ m2 64 45 48 98 47
Espiguillas/
espiga 14 10 10 15 13
Granos/espiga 30 22 23 33 35
Peso 100
granos (gr) 3,22 2,34 2,17 2,67 3,15
Tabla 3. Rendimiento de trigo bajo riego y en secano
espigas/
m2
espigui/
esp
granos/
espigui
P1000
granos Kg/ha
Secano 186 11 2 25,5 1043
Riego 370 14 2 29,9 3098
Del análisis de las heladas durante 2009 éstas tuvieron
una duración variada de entre 2 y 15 horas. La
intensidad máxima se produjo el día 25 de junio con -
6.1ºC sobre el suelo (0.05m) y -4.8 en el abrigo
meteorológico (1.5m) y la hora en que se producen
estos extremos es variable, entre las últimas horas del
día (21h y 24h) y antes de la salida del sol (6h a 8h). De
este estudio se deduce que la diferencia entre la lectura
a 1.5 m y la temperatura sobre el suelo es de
aproximadamente un grado (Figura 3). Un cultivo en
emergencia bajo estas circunstancias estaría
experimentando una temperatura un grado inferior a la
temperatura leída en el abrigo meteorológico (1.5 m).
Tmin 0.05m - Tmin 1.5m
y = 0.9304x + 0.6539R2 = 0.9633
-6
-4
-2
0
2
4
6
8
10
12
14
-8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Tm 0.05m
Tm
1.5
m
Lineal (Min-Abrigo)
Figura 3. Relación entre las temperaturas mínimas sobre la
superficie del suelo (0.05m) y a la altura del abrigo
meteorológico (1.5m)
CONCLUSIONES
Las actividades que pudieron realizarse durante este
proyecto gracias a la disponibilidad del instrumental
adquirido son variadas y con distintas aplicaciones. Se
considera que éstas son sólo algunas aplicaciones. En
estas actividades es importante contar con la
supervisión de profesionales especializados tanto en
ámbito del instrumental meteorológico como en el
desarrollo de los programas para los distintos ensayos o
muestreos a campo donde se requiere un ingeniero
agrónomo.
AGRADECIMIENTOS Este trabajo fue realizado con apoyo del subsidio
ANPCyT-PICT-2005-32296
REFERENCIAS Allen, R.G.; Smith, M.; Perrier, A.; Pereira, L.S. 1994a. An
update for the definition of reference evapotranspiration.
ICID Bulletin. 43 (2): 1-34.
Allen, R.G.; Smith, M.; Perrier, A.; Pereira, L.S. 1994b. An
update for the calculation of reference
evapotranspiration. ICID Bulletin. 43 (2): 35-92.
Allen, R.G. 1996. Assesing integrity of weather data for
reference evapotranspiration estimation. Journal of
Irrigation and Drainage Engineering. 122 (2): 97-106.
Allen, R.G.; Pereira, L.S.; Raes, D.; Smith, M. 1998. Crop
evapotranspiration. Guidelines for computing crop water
requirements. FAO Irrigation and Drainage Paper nº 56.
FAO. Roma (Italia). 300 pp.
Terenzi, A y Scian, B. 2010. Respuesta de un cultivo de trigo
a condiciones hídricas controladas en la zona de Bahía
Blanca. Congreso Internacional de Hidrología de
Llanuras. Azul. Buenos Aires.
272