Nueva Base De Datos Reticulada De Precipitacion Para La Provincia De Santa Cruz, Argentina

Abstract

La precipitación es una variable esencial para caracterizar el clima y el ciclo hidrológico de una región. Pero a pesar de su importancia, existen vastas regiones, como Patagonia sur, con redes pluviométricas poco densas que no permiten una adecuada representación de la precipitación a escala regional. El objetivo de este trabajo fue generar una base de datos de precipitación reticulada para la provincia de Santa Cruz. Para ello se realizó un control de calidad y homogeneidad de las series de precipitación disponibles y se utilizó la técnica de Kriging Ordinario para la interpolación, generando un producto de precipitación reticulada anual y estacional para el periodo 1995-2014 con una resolución de 20 km. Esta base de datos de precipitación reticulada para Santa Cruz (BPRSC) mostró un buen desempeño en sus estimaciones al realizar una validación independiente con estaciones pluviométricas no utilizadas en el modelo, además de representar en forma satisfactoria la interacción con la topografía, la circulación atmosférica y la proximidad a los océanos. Por consiguiente, esta nueva base de datos representa una herramienta útil para utilizarla como insumo en modelos hidrológicos y ecológicos. Por otro lado, se utilizaron diferentes estadísticos para evaluar cinco bases de datos globales respecto de estaciones de validación. Los resultados mostraron un mejor desempeño en el producto anual y el promedio de los estacionales para BPRSC, mientras que ERA5 mostro mejor desempeño en la estación de verano y un resultado levemente mejor que BPRSC en la estación de otoño.

Climate regionalization of Santa Cruz province, Argentina

“…The Andes Mountain acts as an orographic barrier blocking the disturbances embedded in the westerly flow and consequently the humid air masses from the Pacific Ocean (Insel et al 2010;Bianchi et al 2016), producing hyper humid conditions on the west side of the Andes and dry conditions on the eastern (Garreaud et al 2013). In the region of study, this barrier causes a considerable pluviometric gradient, with values over 1200 mm year -1 on the border between Argentina and Chile, with absolute extremes ranging from up to 9,000 mm year -1 on the continental ice fields (Sauter, 2019) to 200 mm year -1 towards the Atlantic coast (Almonacid et al 2021). The north-central region of the province is the driest, with rainfall not exceeding 150 mm year -1 .…”

“…The latitude, altitude, and proximity to the Mar Argentino of the different areas of the province determine patterns in the climate, in particular, in the spatial variability of rainfall and temperature (Almonacid et al 2021(Almonacid et al , 2022.…”

“…In addition, precipitation presents large variability in different time scales. The seasonality of rainfall depends on the geographical location, while the southeast of Santa Cruz presents higher rainfall in the summer, the western region near the mountain range shows the lowest seasonality, with values between 100 to 150 mm year -1 throughout the four seasons (Almonacid et al 2021).…”

“…The spatial and temporal variation in rainfall and temperature was analyzed using the Gridded Temperature and Precipitation Databases for Santa Cruz (GTDSC and GPDSC), created by Almonacid et al (2021Almonacid et al ( , 2022 for Santa Cruz province. These databases have the monthly mean values of both variables for the period 1995-2014, with a spatial resolution of 20 km.…”

“…Santa Cruz province exhibits strong climatic gradients, in which rainfall decreases from west to east and from south to north (Almonacid et al 2021), while the temperature decreases from northeast to southwest (Almonacid et al 2022). In addition, the region has different areas, characterized by their variation in the landscape, with hills in the center of the province, river valleys and coastal areas, as well as a western strip with a mountainous environment, each of which is associated with different plant species that respond accordingly to this climate variability (Borreli and Oliva, 2001;Peri et al 2013).…”