El estado del mar en el océano Atlántico Sudoccidental, y en particular en el Mar Argentino, constituye un factor clave para la seguridad de la navegación, el diseño de infraestructuras marítimas y el desarrollo de actividades offshore. En este trabajo se presenta una caracterización climatológica del oleaje en esta región y áreas adyacentes, a partir de datos del reanálisis ERA5 del Centro Europeo de Predicción a Medio Plazo (ECMWF), abarcando el período 1994–2024. Se analizan de manera diferenciada los regímenes de mar de viento y mar de fondo, considerando las principales variables del oleaje: altura significativa, período, así como su variabilidad estacional y espacial. Los resultados muestran una marcada modulación estacional del oleaje. El mar de viento presenta alturas medianas relativamente bajas en verano y máximos bien definidos en invierno, mientras que los eventos extremos alcanzan sus mayores valores durante el invierno austral. En cuanto al mar de fondo, se observa una mayor energía durante el invierno, con períodos más largos y alturas significativas superiores en el océano abierto, reflejando la influencia de sistemas generadores remotos del hemisferio sur. Las tendencias detectadas indican una relativa estabilidad en las condiciones medias, pero cambios más pronunciados y heterogéneos en los extremos, particularmente para el mar de viento. Finalmente, se analiza el caso de estudio del hundimiento del buque pesquero Argos Georgia en julio de 2024, evidenciando la relevancia del oleaje extremo y del forzamiento atmosférico sinóptico en situaciones de riesgo marítimo. Los resultados aportan información de base para la gestión operativa, la seguridad náutica y la evaluación de riesgos asociados al estado del mar en el Atlántico Sudoccidental.
La erosión hídrica constituye uno de los principales problemas ambientales actuales, con impactos directos sobre la agricultura, la infraestructura y la gestión de los recursos hídricos. En este contexto, el presente trabajo analiza la variabilidad espacial y temporal de la precipitación y su capacidad erosiva en Argentina durante el período 1962–2021, mediante el empleo de tres índices: el Índice de Concentración de la Precipitación (PCI), el Índice de Fournier Modificado (MFI) y el Índice Angot (K). Se utilizaron datos mensuales de precipitación de 59 estaciones del Servicio Meteorológico Nacional (SMN), complementados con un análisis de regionalización basado en el método de K-means, que permitió identificar cinco regiones pluviométricamente homogéneas. Los resultados muestran que el patrón espacial de la precipitación anual se mantuvo estable a lo largo de seis décadas, con máximos persistentes en el noreste (cercanos a 2000 mm) y mínimos en Cuyo y el este de la Patagonia (inferiores a 300 mm). El PCI evidenció una distribución predominantemente moderada a irregular (valores entre 11 y 20). El MFI presentó una clara correspondencia con los totales anuales de precipitación, con valores más altos en el noreste (mayores a 150, alta a muy alta erosividad pluvial) y más bajos en la diagonal árida (del orden de 50). El índice K confirmó una erosividad de la precipitación generalmente baja a muy baja en la mayor parte del país, con valores moderados o severos solo en regiones áridas y durante los meses húmedos. No se detectaron tendencias significativas en la erosividad de la lluvia, aunque algunas áreas del norte y centro del país muestran un leve incremento reciente en la frecuencia de categorías moderadas. Los resultados hallados destacan la importancia de complementar los totales de precipitación con métricas de concentración e intensidad, para comprender mejor la dinámica erosiva y orientar estrategias de manejo sustentable del suelo y los recursos hídricos.
Understanding the temporal variability of river streamflow requires not only the analysis of long-term trends but also the characterisation of how variability is organised across temporal scales. This study investigates streamflow dynamics in the Neuquén and Limay rivers (northern Patagonia, Argentina) using Multifractal Detrended Fluctuation Analysis (MF-DFA) and the non-parametric Mann–Kendall test. The selected gauging stations are located upstream of reservoirs and dams, thus representing essentially natural hydrological conditions. The results reveal the presence of long-range persistence in all series, with Hurst exponents ranging between 0.60 and 0.83, indicating significant temporal memory in streamflow dynamics. Moderate to strong multifractality was also observed, with spectrum widths (Δα) ranging from 0.31 to 0.90, reflecting variability distributed across multiple temporal scales. Scaling relationships exhibited approximately linear behaviour across the analysed temporal range, supporting the robustness of the estimated scaling exponents. Differences were observed among flow metrics: maximum flows exhibit wider multifractal spectra, consistent with the influence of intermittent extreme events, whereas minimum flows display higher persistence and a more stable structure, consistent with the role of storage processes. Mean flows showed intermediate behaviour, integrating both components. Systematic differences between basins are identified.Differences between basins were also identified. The Neuquén basin exhibited stronger differentiation between flow regimes, whereas the Limay basin showed greater multifractal dispersion in several metrics. These differences suggest distinct internal organisations of scale-dependent streamflow variability between basins. Overall, the results indicate that streamflow in these Andean basins is characterised, within the analysed temporal range, by persistent and multi-scale variability coexisting with a general reduction in water availability. The integration of multifractal and trend analyses provides a complementary framework to describe both the magnitude and the internal temporal organisation of hydrological variability in mountain regions.
El río Chubut se extiende a lo largo de 1080 kilómetros desde su naciente en los Andes patagónicos hasta su desembocadura en el océano Atlántico. Su cuenca ocupa más del 60% del territorio provincial, con una descarga anual media de 1,1 km3, constituyendo la principal fuente de agua dulce de la región y posibilitando la generación de energía hidroeléctrica en el dique Ameghino. En este trabajo, se implementó una metodología basada en el análisis de componentes principales (ACP) para la individualización y el estudio de los principales patrones de variabilidad del río Chubut. Este análisis se aplicó a una serie de valores quincenales de caudal observados durante el periodo comprendido entre 1943 y 2019. Las componentes principales (PCs) resultantes fueron correlacionadas con variables atmosféricas derivadas del reanálisis ERA5 a niveles sinóptico y hemisférico en intervalos clave representativos de cada PC, con el objetivo de identificar posibles mecanismos relacionados con el origen de cada modo de variabilidad. En el presente estudio se exponen las tres primeras PCs, que explican el 59,1% de la varianza total del río. Las variabilidades interanual (PC1) e interestacional en dos componentes (PC2 y PC3) exhibieron una relación directa con las anomalías de precipitación sobre los Andes patagónicos. Aunque las anomalías de temperatura en la cuenca contribuirían a explicar las de caudal en ciertos períodos, no sería la variable dominante. La precipitación sobre la región que constituye la naciente verificó una correspondencia directa con cambios en el caudal del río, estando las alteraciones en esta variable asociadas a variaciones en el transporte de humedad desde el océano Pacífico tropical a nivel interanual, junto con alteraciones de la circulación local en la Patagonia propiciados por la propagación de trenes de ondas baroclínicas, en escalas temporales de mayor frecuencia. Se examinó la relación entre los cambios identificados en la circulación local y hemisférica con ciclos climáticos de gran escala. La PC1 exhibió una correlación directa con ENOS, respaldada por el correspondiente campo de SST. Las PC2 y PC3 exhibieron patrones de correlación de altura geopotencial que resultaron compatibles con las anomalías observadas en escenarios de SAM negativa y positiva. Sin embargo, no se observó una relación significativa entre sus series de factores de carga y otra representativa del ciclo climático mencionado.
Los sistemas frontales y los eventos precipitantes influyen sobre los flujos de superficie y sobre las concentraciones de CO2 medidas sobre superficies homogéneas con vegetación. El entendimiento del efecto de los sistemas sinópticos y de mesoescala en el comportamiento de estas variables es de importancia para lograr buenas representaciones con modelos numéricos y/o estadísticos de los posibles escenarios futuros del clima. Por lo tanto, en este trabajo se analizaron los cambios introducidos por los sistemas frontales y precipitantes en los flujos y la concentración de CO2, y en los flujos de calor sensible y latente utilizando información micrometeorológica medida en distintos ambientes de la zona núcleo productiva argentina. Al estar ubicada en latitudes medias, esta región tiene una alta frecuencia de pasajes frontales. A su vez, la actividad productiva concentrada en la agricultura y ganadería garantiza una alta variabilidad de los flujos y concentraciones de CO2. Para el análisis, se utilizaron datos medidos con 10 torres micrometeorológicas ubicadas sobre superficies vegetales del país que estuvieron operativas entre mayo 2018-mayo 2019. En general, los eventos de mal tiempo aumentaron las concentraciones de CO2, la captura de los ecosistemas y la intensidad de los flujos de calor en mayor medida que los eventos de buen tiempo. En particular, con los sistemas más fríos la tasa de aumento de las concentraciones de CO2, la captura del ecosistema y el flujo de calor sensible fueron mayores que con sistemas más cálidos. El factor más influyente en la variabilidad observada fue la frecuencia de la precipitación. Por otro lado, la estación del año, la humedad del suelo, la vegetación activa, la intensidad y el tipo de precipitación tuvieron una baja influencia en las variables estudiadas. Este análisis ayuda a comprender mejor la influencia de los sistemas frontales y los eventos precipitantes sobre los flujos y las concentraciones de CO2 medidas sobre superficies homogéneas con vegetación del país, contribuyendo a los esfuerzos para modelar la variabilidad climática futura.
Este trabajo presenta un estudio climatológico de la niebla marina en el Mar Argentino, fenómeno meteorológico de gran impacto en la seguridad marítima por su capacidad de reducir la visibilidad y aumentar el riesgo de accidentes. Para ello se analizaron observaciones de buques correspondientes al período 1960-2019, considerando visibilidad, dirección e intensidad del viento y temperaturas del aire y de la superficie del mar. Se aplicaron métodos estadísticos robustos (tests de Pettit, Mann-Kendall y Wilcoxon-Mann-Whitney) a fin de identificar puntos de quiebre, tendencias y diferencias significativas entre distintas franjas latitudinales. Los resultados muestran que la mayor parte de los cambios en la ocurrencia de niebla marina se concentran en la década de 1990. Entre 35°S y 50°S, los eventos son más frecuentes en primavera e invierno, asociados a vientos del cuadrante norte de intensidad débil a moderada. En latitudes superiores a 50°S, la mayor ocurrencia se observa en verano, con predominio de vientos del cuadrante oeste y noroeste de intensidad moderada a fuerte. En todos los casos, la mayoría de los eventos de niebla marina se producen cuando la diferencia de temperatura entre aire y mar no supera los 4 °C, confirmando la relevancia de este gradiente en el proceso de formación. Estas diferencias refuerzan la necesidad de considerar particularidades regionales en la elaboración de pronósticos marinos para la seguridad náutica.
El conocimiento del comportamiento de los ciclones extratropicales es fundamental para la planificación náutica, ya que permite mitigar su impacto en las embarcaciones. Este estudio empleó datos de presión a nivel del mar y viento del reanálisis NCEP/DOE (1979-2022), analizados mediante un algoritmo automatizado para la identificación y seguimiento de ciclones, que se complementa con técnicas estadísticas. Se construyó una climatología estacional de características ciclónicas como origen, duración, distancia recorrida, profundización de presión e intensidad del viento en el océano Atlántico Sudoccidental, particularmente en el Mar Argentino. Se identificó un máximo de ciclones en la temporada otoño-invierno, mientras que el otoño y primavera registraron los casos más duraderos. Las mayores distancias recorridas y profundizaciones de presión se observaron en invierno. Espacialmente, se determinaron tres áreas de ciclogénesis constantes: la región costera de Argentina, Uruguay y sur de Brasil, y dos al sur de Tierra del Fuego y el Pasaje de Drake, próximas a la Península Antártica. Las trayectorias predominantes coincidieron con las áreas de mayor recurrencia de ciclogénesis. En términos de severidad, los vientos más intensos se concentraron en invierno, y al considerar la estructura propia de estos ciclones, la mayor severidad ocurre en el sector norte. Considerando la escala Beaufort, se estableció un umbral de riesgo de 35 nudos, relevante para la seguridad náutica. El análisis mostró que, nuevamente, el invierno presentó la mayor cantidad de ciclones que mantuvieron este umbral durante todo su tiempo de vida, destacándose como la estación con mayor impacto potencial en la actividad marítima. Los casos de naufragios analizados muestran que diversos eventos fueron afectados por ciclones en las costas patagónicas, haciendo fundamental el conocimiento climatológico y geográfico de estos sistemas para la preparación de los buques ante eventos severos y la mejora de la adaptación de la actividad marítima para su seguridad.
Este estudio tuvo como propósito evaluar el desempeño de cuatro productos satelitales de precipitación mensual—CHIRPS, ERA5, GPM y JAXA GSMaP—en la provincia de La Pampa, Argentina, mediante su comparación con registros de pluviómetros. Se utilizaron datos de 26 estaciones meteorológicas con series completas o casi completas entre 2000 y 2025. Las estimaciones satelitales se extrajeron con Google Earth Engine y se promediaron dentro de un radio de 11 km en torno a cada estación. Se ajustaron modelos de regresión lineal simple, con entrenamiento (2000–2020) y validación (2021–2025). El desempeño se evaluó con R², RMSE, error estándar y sesgo, además de análisis mensuales y regionales. A escala provincial, todos los productos mostraron un ajuste moderado con los registros observados (R² = 0,58–0,69). La mayoría tendió a subestimar la precipitación, salvo GPM que inicialmente sobreestimó, pero mejoró notablemente en la validación, reduciendo su sesgo de >60% a <10% y alcanzando el menor RMSE (<30 mm). El análisis estacional evidenció sobreestimación sistemática en invierno, especialmente en JAXA. Regionalmente, el desempeño fue mejor en el Este húmedo que en el Oeste árido, donde los eventos convectivos aislados resultaron poco representados. GPM se destacó como el producto más robusto y consistente, particularmente en el sector oriental de La Pampa. Sin embargo, en áreas áridas con lluvias escasas y baja densidad de estaciones, se recomienda complementarlo con observaciones locales, considerando a CHIRPS y ERA5 como fuentes auxiliares.
El núcleo agrícola del sudeste de la Provincia de Córdoba ocupa una región de planicies con aguas subterráneas cercanas a la superficie, capaces de complementar los aportes pluviales en periodos en los que son deficitarios. Este trabajo investiga cómo impactó la última sequía 2019-2023 sobre la humedad del suelo superficial, la humedad del suelo en profundidad y el nivel freático, en 8 sitios cercanos a la localidad de Marcos Juárez. Para ello, analizamos observaciones puntuales de nivel freático (NF) y cuatro productos (SMAP-L4, SMOS-L3-L4, VST-CONAE, NOAH-SMAP) que informan la humedad del suelo en superficie (HSS) y profundidad (HSP). Sin que la precipitación mostrara una tendencia marcada entre junio 2018 y diciembre 2019, las series de NF, HSS y HSP declinaron lineal y significativamente, evidenciando retardos entre las manifestaciones meteorológicas, agrícolas e hidrológicas de la sequía. En promedio, el NF descendió 0.53 m/año, pasando de -1.42 m (enero 2019) a -4.85 m (octubre 2023), con marcas <-6 m en algunos sitios, no registradas desde principios del siglo. Tres de cuatro productos detectaron que la HSS presenta mayor tendencia, rango dinámico y variabilidad temporal que la HSP, en consonancia con el conocimiento general existente. Distintos análisis sobre estos productos muestran: mayor humedad para VST y NOAH que para SMAP y SMOS; acuerdo en las anomalías mensuales positivas antes del 2020 y negativas después del 2021; mayor correlación temporal de las anomalías mensuales medias en las combinaciones SMAP-SMOS y SMAP-NOAH. El NF se asoció significativamente a HSP mientras que la precipitación solo lo hizo con HSS. Observamos correlación no lineal entre el NF y HSP en casi todos los sitios y productos, acentuada cuando la HSP precede en un mes al NF. Los rendimientos del maíz y la soja disminuyeron en general hacia el final del periodo cuando la sequía se hizo mayormente presente. Sin embargo, hubo excepciones para la soja, donde el NF, aun con una tendencia de descenso, se mantuvo cerca de la superficie minimizando el impacto del déficit sobre el rendimiento.
El objetivo de este trabajo es realizar una caracterización hidrometeorológica y climática de la cuenca del río Luján, empleando los registros hidrométricos y meteorológicos disponibles en la zona, con el fin de analizar la variabilidad temporal y espacial de dos variables fundamentales: la precipitación y el caudal. Se empleó el método de Thiessen para definir las áreas de influencia de cada estación meteorológica, análisis de tendencias interanuales con el coeficiente de correlación de Pearson y ajuste polinómico de tercer grado, así como estudios de distribuciones de probabilidad y determinación de períodos de retorno mediante el software Hydrognomon 4.1. Los resultados indican una tendencia decreciente en las precipitaciones anuales en todas las estaciones, con valores medios de 995,50 mm en Suipacha, 988,67 mm en Mercedes y 1.064,01 mm en Luján. Se identificó un ciclo estacional de precipitaciones con máximos en verano y primavera y mínimos en invierno. En cuanto a la distribución de probabilidad de las precipitaciones máximas diarias anuales, la mejor representación se logró con la distribución Gumbel en Suipacha y Luján, mientras que en Mercedes se ajustó mejor a la Log Pearson III. El análisis de caudales se realizó mediante aforos en puntos estratégicos del cauce principal utilizando Perfilador Acústico de Efecto Doppler (ADCP, por sus siglas en inglés: Acoustic Doppler Current Profiler), cuyos datos fueron procesados con el software QRev. Se determinaron curvas altura-caudal mediante modelos de regresión exponencial, que mostraron ajustes con coeficientes de determinación superiores a 0,97. Se observó una disminución en los caudales máximos y mínimos, con valores del índice de fluctuación cercanos a cero. Las curvas de duración de caudales evidenciaron una pendiente pronunciada en los tramos iniciales, indicando la ocurrencia de caudales elevados en períodos breves. En la estación de Ruta 6, el caudal del 2% alcanzó 92,41 m³/s, mientras que en Jáuregui fue de 79,25 m³/s. En cuanto al Q95%, representativo de sequía, presentó valores similares en todas las estaciones de aforo, con 2,14 m³/s en Ruta 6 y 2,08 m³/s en Jáuregui. Estos hallazgos resaltan la importancia del monitoreo hidrometeorológico continuo para mejorar la gestión de los recursos hídricos en la cuenca del río Luján.
The Bermejo River is one of the most important rivers in northern Argentina and one of the main tributaries of the Paraguay and Paraná rivers. It plays a significant role in various economic and social activities that take place in its basin, with agro-industry as the primary activity. Additionally, it is the main channel for precipitation occurring in the Yungas region and the largest producer of sediments among South American rivers. In this study, flow data from the Aguas Blancas and Pozo Sarmiento stations, two telemetric stations belonging to the argentinian national hydrological network were analyzed to study the drivers of the interannual variability of the river's flow. The monthly flow behavior was analyzed, and the annual cycle of the river was characterized. The beginning of the hydrological cycle was defined in November, with a wet phase from November to April and a dry phase from May to October, both associated with the South American monsoon and the river's pluvial regime. The homogeneity of the data series was evaluated, and a breakpoint was found in the 1970s for both series, potentially associated with the 1976/77 climate shift, after which the flow increased by up to 40%. Through spectral analysis, significant interannual variabilities potentially associated with ENSO and IOD, and a bidecadal variability potentially associated with the PDO were identified. Subsequently, through correlation analysis, it was found that the months when precipitation most affects the annual flow variability are from January to April for the Aguas Blancas station, and March for the Pozo Sarmiento station. Correlations were calculated between the flow at Aguas Blancas and different climate indices during January to April, and it was found that higher (lower) flow events are consistent with La Niña (El Niño) conditions in the Pacific Ocean, suggesting a linear relationship between flow and ENSO. Subsequently, composites of different atmospheric and oceanic variables were calculated, identifying a circulation pattern that modulates the flow. This circulation is forced by Rossby wave trains produced by sea surface temperature anomalies in the Pacific and Indian Oceans (related to ENSO and IOD).
The study of interannual variability of snow accumulation in mountainous environments allows for an understanding of the hydric dynamics in basins that depend almost exclusively on meltwater. This paper presents an analysis of the hydro-snow dynamics of the upper Colorado River basin (Argentina), in the context of the vulnerability of Andean basins to the effects of climate change. A multitemporal series of MOD10A1 and MOD10A2 satellite products was used to estimate total snow cover during the period 2000-2022, as well as streamflow measurements from the Buta Ranquil station (Nqn). The results show a negative trend in maximum toal snow cover during the study period. In recent years, there has been a delay in the occurrence of snow precipitation, greater variability, an advancement in the annual cycle peak, and a negative trend in maximum snow-covered area, particularly in areas above 2,500 meters above sea level. The seasonal trend analisys indicated significant negative trends in the amplitude of the annual snow cover cycle and a negative trend in the phase for 66.9% of the analyzed area, indicating that snowfalls occurred around mid-winter in the later years of the analyzed period.
Este trabajo presenta un análisis de un registro centenario de precipitación máxima diaria de verano (Rx1) en San Miguel de Tucumán (TUC), la ciudad más poblada del Noroeste Argentino y vulnerable a sufrir inundaciones. Se identificó una relación significativa entre Rx1 y El Niño Oscilación del Sur (ENSO) y el Modo Anular del Sur (SAM), con influencia en baja frecuencia de la Oscilación Decadal del Pacífico (PDO). Se destaca que Rx1 no ha sido previamente analizada con este enfoque en la región. Un nuevo método, basado en la determinación en la búsqueda del periodo con máxima significancia estadística en el coeficiente de correlación, permitió identificar relaciones no estacionarias entre Rx1-ENSO y Rx1-SAM. Además, mediante composiciones de variables atmosféricas del ERA5 se obtuvieron los patrones anómalos que justifican las relaciones detectadas. Específicamente, se observó una transición de una relación más estrecha entre Rx1-ENSO (1945-1974) hacia una relación más estrecha Rx1-SAM (1974-2007). Los efectos de ENSO sobre Rx1 son más evidentes que los de SAM. Como responsable de la transición en las relaciones Rx1-ENSO y Rx1-SAM se destaca el rol de PDO. Particularmente, en el caso de ENSO durante la fase negativa de PDO, se observan anomalías significativas de humedad y vientos en 700 hPa, lo cual justifica la existencia de la relación Rx1-ENSO en TUC. Mientras tanto, en el caso de SAM negativa en PDO positiva, hay anomalías ciclónicas sobre los subtrópicos de Sudamérica que debilitan el flujo de humedad hacia TUC y generan valores más bajos de Rx1. Además de los efectos en la correlación, también se encontró que en escalas multidecadales PDO modula los valores medios de Rx1, de manera tal que se observan valores más elevados de Rx1 en PDO positiva. Este trabajo sirve como base para una futura investigación más amplia que incluirá más estaciones sobre el norte de Argentina.
El pronóstico de actividad eléctrica es de vital importancia para muchas actividades y la seguridad de las personas. Dicho pronóstico no es sencillo debido a que es un proceso que ocurre a escalas que no son resueltas por los modelos meteorológicos. Por este motivo, el presente trabajo evalúa el desempeño de cinco parametrizaciones aplicadas al modelo WRF con convección permitida. Para generar y evaluar las parametrizaciones se utilizaron los pronósticos determinísticos y por ensamble del Sistema de Asimilación y Pronóstico del Servicio Meteorológico Nacional (SAP.SMN) y las observaciones del sensor GLM entre noviembre de 2022 y abril de 2023. Se encontró que todas las parametrizaciones logran representar de manera correcta distintas características de las descargas observadas durante el período analizado, siendo la que se basa en el contenido de hielo integrado en la vertical, la que brinda los mejores resultados. Se observó además una sensibilidad a la parametrización de la microfísica empleada en el modelo, no así con la parametrización de la capa límite.
La buena calidad del aire interior y el confort térmico en las aulas educativas, especialmente en lo que respecta a las infancias, no sólo es relevante para disminuir el contagio de numerosas enfermedades respiratorias entre ellas la causada por el SARS-CoV-2, sino que también favorece la concentración, mejora los niveles de satisfacción con el entorno y disminuye las tasas de ausentismo escolar. En este trabajo se presentan los resultados de las mediciones de concentración de CO2 que se realizaron en el interior de aulas de jardines y escuelas de nivel inicial de la ciudad de Puerto Madryn, Argentina, en el contexto de la pandemia de COVID-19. Esto permitió evaluar los niveles de CO2 en las aulas y colaborar con las instituciones educativas en verificar si la ventilación que estaban realizando era la adecuada con el fin de disminuir el riesgo de contagio de COVID-19. Los resultados evidenciaron que una ventilación natural continua disminuye la concentración de CO2 de las aulas, lo que indica un menor riesgo de contagio de COVID-19, pero que bajo condiciones ambientales no favorables es complejo de implementar por lo que es necesario innovar con nuevas soluciones simples a las deficiencias de los sistemas actuales de ventilación en las instituciones educativas de nuestro país.
Los Modelos Climáticos Globales (GCM) son la principal herramienta disponible para realizar predicciones sobre el clima en escenarios futuros, sin embargo, los mismos presentan un desempeño bajo para reproducir el clima local debido a su resolución espacial limitada. Esta característica se acentúa en regiones de orografía compleja. En el presente trabajo, se exploró la posibilidad de añadir valor agregado al modelado de la precipitación diaria a través de un método estadístico de reducción de escala (downscaling) en la región de los Andes Centrales. Se utilizó la precipitación diaria de 83 estaciones de la región durante el periodo 1981-2015 para calibrar el método de análogos utilizando el reanálisis ERA-Interim. Las series construidas a partir de los modelos de downscaling estadístico mostraron resultados más fidedignos en comparación con datos crudos del reanálisis, especialmente en el cálculo de valores medios y de estadísticos de escala diaria. En líneas generales, los modelos basados en la información de predictores atmosféricos locales obtuvieron un mejor desempeño que los constituidos utilizando la información de gran escala simplificada en base a un análisis de componentes principales. El desempeño de los modelos de downscaling a lo largo del dominio no fue uniforme, obteniéndose mejores resultados en las estaciones chilenas del sector sur. Esto posiblemente fue debido a que el forzante sinóptico dominante es bien capturado por los modelos de downscaling. Los distintos aspectos temporales de la variabilidad de la precipitación (intraanual, interanual y tendencias de largo plazo) fueron hábilmente reproducidos por los modelos estadísticos.
La evapotranspiración es una variable clave del ciclo hidrológico ya que modifica aspectos físicos del sistema climático, cómo la humedad del suelo y de la atmósfera, la cantidad de agua en ríos o acuíferos, y la temperatura del suelo y del aire en superficie. Una correcta representación de la evapotranspiración es de suma importancia para el estudio del sistema climático, por ejemplo para la identificación de eventos extremos como inundaciones o sequías, u olas de calor o de frío. En particular, es de relevancia distinguir regiones de interacción suelo-atmósfera, es decir dónde variaciones en el suelo modifican la atmósfera. En este trabajo investigamos la representación de la evapotranspiración en Sudamérica según cinco estimaciones diferentes: cuatro simulaciones provenientes de dos modelos globales de vegetación dinámica, y un producto satelital, durante el período 1981-2010. Principalmente, estudiamos la partición de la evapotranspiración en sus componentes: transpiración, evaporación desde la vegetación, y desde el suelo; y cómo éstas contribuyen a la interacción suelo-atmósfera en diciembre-enero-febrero. Hallamos que, aunque las estimaciones de la evapotranspiración anual media presentan un patrón espacial similar, no ocurre lo mismo con la partición en componentes. Encontramos regiones de interacción suelo-atmósfera que son reconocidas habitualmente en la literatura: el centro de Argentina y el noreste de Brasil, que son, además, regiones de transición entre climas secos y húmedos. Nuestro resultado principal es que la transpiración es la componente de la evapotranspiración que más contribuye a la interacción suelo-atmósfera.
La Organización Mundial de la Salud (OMS) actualizó sus directrices de calidad de aire en septiembre de 2021. Las concentraciones medias diarias y anuales de dióxido de nitrógeno (NO2) y material particulado con diámetro menor a 10 µm (PM10) medidas en las tres estaciones de monitoreo de calidad del aire de la ciudad de Buenos Aires, superan frecuentemente los nuevos niveles guía (NG) de la OMS en el período 2010-2019. Un análisis de tendencias revela una disminución significativa en la concentración media anual de PM10 de 1.6 µg m-3 yr-1 y una reducción consistente en la frecuencia de superaciones del NG diario de 1.6 % yr-1 en la estación de fondo urbano. En cambio, las concentraciones de NO2 muestran ligeras tendencias positivas en los tres sitios de monitoreo que podrían llegar a ser estadísticamente significativas a medida que se disponga de nuevos datos. Para ambos contaminantes, las fuertes relaciones lineales entre las concentraciones medias anuales y sus frecuencias de superación diaria sugieren que los nuevos NG anuales son más estrictos que sus correspondientes límites diarios, aunque estos resultados son sensibles al conjunto de datos utilizado. Por otro lado, las concentraciones medias diarias de monóxido de carbono (CO) se encuentran por debajo del nuevo NG, con ligeras tendencias interanuales positivas no-significativas en dos de los sitios. Cuando se utiliza la secuencia horaria diaria del viento como variable de clasificación, se obtienen marcadas diferencias en los niveles de concentración de los tres contaminantes con distintos patrones de viento, las cuales se mantienen a lo largo de los años resaltando el rol de las fuentes locales en las tendencias. En algunos casos, se observan variaciones interanuales pronunciadas con patrones de viento específicos, lo que sugiere el impacto de fuentes nuevas o más intensas procedentes de sectores específicos. Mayores esfuerzos en monitoreo y en desarrollo de inventarios de emisiones de contaminantes de alta resolución contribuirán a comprender las causas de estas variaciones y a evaluar la calidad del aire en toda el área metropolitana.
La representación precisa de los patrones espacio-temporales de precipitación es un insumo esencial para numerosas aplicaciones ambientales. Sin embargo, la estimación de los patrones de precipitación derivados únicamente de pluviómetros está sujeta a grandes incertidumbres, especialmente en regiones con escasez de datos. Presentamos una nueva base de datos de Precipitaciones Mensuales de la República Argentina (PMRAv1) para el período 2000-2022, con 5 km de resolución espacial. PMRAv1 utiliza una metodología basada en regresión de bosques aleatorios (Regression Random Forest) para combinar datos mensuales de mediciones terrestres (entre 142 y 227 estaciones en cada mes), cuatro productos globales de precipitación estimada por satélite, modelos de circulación atmosféricas globales o interpolación de datos medidos en terreno (TERRACLIMATE, ERA5-LAND, GPMv6 y PERSIANN-CDR) con el objetivo de mejorar la estimación de las precipitaciones mensuales en Argentina. La metodología desarrollada pudo mejorar la representación espacio-temporal de la precipitación al permitir la fusión de múltiples fuentes de información satelital y mediciones en terreno. La validación realizada utilizando el 30% de los datos de pluviómetros mostró que PMRAv1 mejora significativamente los parámetros RMSE, MAE, EM y R2 en comparación con los cuatro productos globales de precipitación. Además, el producto resultó más estable en la predicción de los valores mensuales observados, al presentar un menor desvío estándar en los tres parámetros de ajuste. La base de datos PMRAv1 se pone a disposición de los usuarios en varios formatos. El término ‘v1’ (versión 1) hace referencia a que se considera que este producto tendrá sucesivas versiones en el futuro que permitan actualizarla y mejorar la precisión de las estimaciones. Asimismo, el método presentado también podría ser utilizado para mejorar la estimación de otras variables climatológicas cuando se disponga de datos medidos en terreno.
En este trabajo se busca evaluar el desempeño de los pronósticos probabilísticos en alta resolución (4 km) generados a partir del Sistema de Asimilación de datos y Pronóstico numérico del Servicio Meteorológico Nacional de Argentina (SAP.SMN) y estudiar el impacto de las condiciones iniciales en los mismos, considerando pronósticos inicializados a partir de un ensamble de análisis regionales (AReg) y de análisis globales (SAP.SMN-ENS). Se seleccionaron 2 casos de estudio para analizar el desempeño de ambos pronósticos, caracterizados por el desarrollo de convección húmeda profunda y precipitación intensa sobre el centro-este de Argentina y Uruguay, ocurridos el 26-27 de febrero y el 6-7 de marzo de 2022. Para verificar los pronósticos probabilísticos se utilizaron datos de estimación cuantitativa de precipitación por satélite SQPE-OBS, reflectividad máxima de radares de banda C, datos de estaciones convencionales y radiosondeos. En líneas generales, se puede considerar que AReg mostró un mejor desempeño para el caso 1 y SAP.SMN-ENS lo hizo en el caso 2, indicando un impacto significativo de las condiciones iniciales en el desempeño del pronóstico. En ambos casos de estudio, ambos experimentos logran representar adecuadamente los sistemas convectivos respecto de los datos de radar, con ciertas diferencias en la posición e intensidad de los mismos, dando como resultado una subestimación de la precipitación acumulada en 24 horas en las zonas de máxima precipitación estimada por SQPE-OBS. Estos resultados son alentadores respecto de la inclusión de observaciones locales en la condición inicial de los pronósticos numéricos en alta resolución del SAP.SMN-ENS y motivan a seguir avanzando en el desarrollo de un sistema regional de asimilación de datos que permita mejorar la precisión de los pronósticos, investigando aspectos como la configuración y la estrategia de asimilación.
