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: gcruz@fagro.edu.uy
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 33º32’2” 56º55’
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
RESULTADOS Y DISCUSIÓN
Homogeneidad de series climáticasLa 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.
0,6 0,650,7 0,75 0,8 0,850,9 0,95 1 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 años 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
)
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: andrea_terenzi@yahoo.com.ar
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 r ET 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
Donde T2 es la temperatura del aire al final de un
periodo considerado (ºC), T es la temperatura del aire 1
al comienzo del periodo considerado (ºC),
t
es la longitud del periodo (días),c
scapacidad 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 (ASCE, ET-FAO56 y ET-CIMIS)
El conocimiento de la marcha diaria de la radiación solar es información empleada no sólo para conocer la
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 + 0.6539 R2 = 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 T m 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.
