Habilidad de los modelos climáticos para simular las heladas meteorológicas ocurridas en Santa Rosa La Pampa, Argentina
DOI:
https://doi.org/10.19137/semiarida.2025(2).79-87Palabras clave:
Adversidades meteorológicas, validación local de modelos climáticos, cambio climático, Índices bioclimáticos de heladasResumen
El objetivo del trabajo fue evaluar la habilidad de los modelos de cambio climático para simular los índices bioclimáticos de heladas en Santa Rosa La Pampa, ubicada en el oeste de la región pampeana central de la Argentina. Para esto se utilizaron las temperaturas mínimas diarias observadas y simuladas por los modelos climáticos CNRM (Centre National de Recherches Météorologiques), CSIRO (Commonwealth Scientific and Industrial Research Organisation), MRI (Meteorological Research Institute) y CMCC (Centro Euro-Mediterraneo per I Cambiamenti Climatici) del Coupled Model Intercomparison Project Phase 5 (CMIP5). Los días de primera y última helada del año simulados por los modelos CNRM y CSIRO estuvieron dentro del rango de días de primera y última helada del año observados durante el periodo 1977-2010. En cambio, los simulados por los modelos MRI y CMCC estuvieron fuera del rango de días observados. Las fechas medias de primera y última helada simuladas por los modelos CNRM, CSIRO y CMCC no se diferenciaron de las observadas. La variabilidad observada en las fechas medias fue adecuadamente simulada por los modelos CNRM y CSIRO, pero no por los modelos MRI y CMCC. El periodo medio libre de heladas observado no se diferenció del simulado por los modelos CNRM y CSIRO. Estos dos modelos fueron los que mejor modelaron las fechas extremas de helada (primera y última) y el número medio de días con heladas al año. En general, índices bioclimáticos de heladas evaluados fueron adecuadamente simulados por los modelos CNRM y CSIRO para Santa Rosa en el periodo 1977-2010. Estos resultados permiten concluir que las proyecciones de los modelos CNRM y CSIRO podrán ser utilizadas para estudiar la evolución futura de los índices bioclimática heladas y su variabilidad en el contexto de distintos escenarios de cambio climático en el sitio estudiado.
Descargas
Citas
Anapalli, S. S., Ahuja, L. R., Gowda, P. H., Ma, L., Marek, G., Evett, S. R., & Howell, T. A. (2016). Simulation of crop evapotranspiration and crop coefficients with data in weighing lysimeters. Agricultural Water Management, 177, 274-283. https://doi.org/10.1016/j.agwat.2016.08.009
Altieri, M.A., & Nicholls, C.I. (2017). The Adaptation and Mitigation Potential of Traditional Agriculture in a Changing Climate. Climatic Change, 140, 33-45. https://doi.org/10.1007/s10584-013-0909-y
Anandhi, A., Perumal, S., Gowda, P. H., Knapp, M., Hutchinson, S., Harrington, J., Murray, L., Kirkham, M. B., & Rice, C.W., (2013). Long- Term Spatial and Temporal Trends in Frost Indices in Kansas, USA. Climatic Change, 120, 169-181. https://doi.org/10.1007/s10584-013-0794-4
Biazar, S. M., & Ferdosi, F. B. (2020). An Investigation on Spatial and Temporal Trends in Frost Indices in Northern Iran. Theoretical and Applied Climatology, 141, 907-920. https://doi.org/10.1007/s00704-020-03248-7
Charalampopoulos, I., (2021). Agrometeorological Conditions and Agroclimatic Trends for the Maise and Wheat Crops in the Balkan Region. Atmosphere, 12, 671. https://doi.org/10.3390/atmos12060671
Charalampopoulos, I., & Droulia, F. (2022). Frost Conditions Due to Climate Change in South-Eastern Europe via a High-Spatiotemporal-Resolution Dataset. Atmosphere, 13, 1407. https://doi.org/10.3390/atmos13091407
Di Rienzo, J. A., Casanoves, F., Balzarini, M. G., González, L. y Robledo, C. W. (2017). InfoStat v. 2017. Universidad Nacional de Córdoba. http://www.infostat.com.ar/
Erlat, E., & Türkeş, M. (2016). Dates of Frost Onset, Frost End and the Frost-Free Season in Turkey: Trends, Variability and Links to the North Atlantic and Arctic Oscillation Indices, 1950-2013. Climate Research, 69, 155-176. https://doi.org/10.3354/cr01397
Fernández-Long, M. E., Barnatán, I., Dominici, C., y Murphy, G. (2016). Información agroclimática de las heladas en la argentina: generación y uso. Meteorológica, 41, 7-31. http://www.meteorologica.org.ar/wp-content/uploads/2017/03/Fernandez-Long_Vol42N2.pdf
Holleman, C., Rembold, F., Crespo, O. & Conti, V. (2020). The impact of climate variability and extremes on agriculture and food security – An analysis of the evidence and case studies. Background paper for The State of Food Security and Nutrition in the World 2018. FAO Agricultural Development Economics Technical Study No. 4. Rome, FAO. https://doi.org/10.4060/cb2415en
Lamichhane, J. R., (2021). Risks of Late-Spring Frosts in a Changing Climate. Nature Climate Change, 11, 554-555. https://doi.org/10.1038/s41558-021-01090-x
Lovino, M. A., Müller, O. V., Berberyb, E. H., & Müller, G. V. (2018). Evaluation of CMIP5 retrospective simulations of temperature and precipitation in northeastern Argentina. International Journal of Climatology, 38, e1158-e1175. https://doi.org/10.1002/joc.5441
Méndez, M., Vergara, G., Casagrande, G., y Bongianino, S. (2021). Clasificación climática de la región agrícola de la provincia de La Pampa, Argentina. Semiárida, 31(2), 9–20. https://cerac.unlpam.edu.ar/index.php/ semiarida/article/view/5988
Méndez, M., Vergara, G., y Casagrande, G. (2022). SUPLEMENTO 1: Estadísticas agroclimáticas de la Facultad de Agronomía, Santa Rosa, La Pampa, Argentina. Periodo 1977-2021. Semiárida, 32, 7-41. https://cerac.unlpam.edu.ar/index.php/semiarida/article/view/6559
Miao, C., Duan, Q., Sun Q. Huang, Y., Kong, D., Yang, T., Ye, A., Di, Z., & Gong. W. (2014). Assessment of CMIP5 climate models and projected temperature changes over northern Eurasia. Environmental Research Letters, 9, 5, Article ID 055007. https://iopscience.iop.org/article/10.1088/1748-9326/9/5/055007
Moise, A., Wilson, L., Grose M., Whetton, P., Watterson, I., Bhend, J., Bathols, J., Hanson, L., Erwin, T., Bedin, T., Heady, C., & Rafter, T. (2015) “Evaluation of CMIP3 and CMIP5 models over the Australian region to inform confidence in projections,” Australian Meteorological and Oceanographic Journal, 65(1),19-53. https://doi.org/10.22499/2.6501.004
Murphy, G. M. (2008). Atlas agroclimático de la Argentina. Editorial de la Facultad Agronomía Universidad Nacional de Buenos Aires. https://ciag.agro.uba.ar/static/pdf/Atlas_2000.pdf
Papagiannaki, K., Lagouvardos, K., Kotroni, V., & Papagiannakis, G. (2014) Agricultural Losses Related to Frost Events: Use of the 850 HPa Level Temperature as an Explanatory Variable of the Damage Cost. Natural Hazards and Earth System Sciences, 14, 2375-2386. https://doi.org/10.5194/nhess-14-2375-2014
Raghavan, S.V., Liu, J., Nguyen, N.S., Vu, M.T., & Liong, S., (2018). Assessment of CMIP5 historical simulations of rainfall over Southeast Asia. Theoretical and Applied Climatology, 132(3-4), 989-1002. https://doi.org/10.1007/s00704-017-2111-z
Ruml, M., Vuković, A., Vujadinović, M., Djurdjević, V., Ranković-Vasić, Z., Atanacković, Z., Sivčev, B., Marković, N., Matijašević, S., & Petrović, N., (2012). On the Use of Regional Climate Models: Implications of Climate Change for Viticulture in Serbia. Agricultural and Forest Meteorology, 158-159, 53-62. https://doi.org/10.1016/j.agrformet.2012.02.004
Rupp, D. E., Abatzoglou, J. T., Hegewisch, K. C., Mote, P. W. (2013). Evaluation of CMIP5 20th century climate simulations for the Pacific northwest USA. Journal of Geophysical Research: Atmospheres, 118(19), 10884-10906. https://doi.org/10.1002/jgrd.50843
Secretaría de Ambiente y Desarrollo Sustentable de la Nación, (2014). Tercera Comunicación Nacional sobre Cambio Climático. “Cambio Climático en Argentina, Tendencias y Proyecciones” (Centro de Investigaciones del Mar y la Atmósfera). Buenos Aires, Argentina. http://3cn.cima.fcen.uba.ar/3c_inicio.php
Wypych, A., Ustrnul, Z., Sulikowska, A., Chmielewski, F. M., & Bochenek, B. (2017). Spatial and Temporal Variability of the Frost-Free Season in Central Europe and Its Circulation Background. International Journal of Climatology, 37, 3340-3352. https://doi.org/10.1002/joc.4920
Xia, J., Yan, Z., & Wu, P., (2013). Multidecadal variability in local growing season during 1901-2009. Climate Dynamics, 41, 295-305. https://doi.org/10.1007/s00382-012-1438-5
Publicado
Cómo citar
Número
Sección
Licencia
La Editorial de la Universidad Nacional de La Pampa (EdUNLPam) exigirá a los/as autores/as la firma del siguiente documento:
La EdUNLPam lleva a cabo la publicación del artículo: (Título del Artículo) en SEMIÁRIDA Rev.Fac.Agron UNLPam ISSN 2362-4337 (impresa) ISSN 2408-4077 (en línea), del cual el/los abajo firmantes son autores de una o más partes. En el mismo acto, el/los autores entregan exclusivamente a la EdUNLPam todos sus derechos protegidos por las leyes de propiedad intelectual que rigen en la Argentina para reproducir, publicar, editar, fijar, comunicar y transmitir públicamente en cualquier formato o medio impreso o electrónico, inclusive internet, el artículo enviado a publicación e incluirlo en índices o bases de datos nacionales e internacionales. A cambio, la EdUNLPam entrega a los autores la autorización para la publicación o reimpresión con ines académicos y educativos en cualquier libro o medio de divulgación, con la sola obligación de citar el artículo original publicado en la EdUNLPam. Cada autor acuerda en que el material provisto a la EdUNLPam es un trabajo original, que no ha sido impreso o publicado en cualquier otro medio con anterioridad y que no vulnera derechos de terceros. El Primer autor tendrá la posibilidad de leer y corregir el artículo ya editado como “prueba de galera”, pero si el autor no devolviera esas correcciones de la prueba de galera dentro del tiempo especificado, el proceso de producción y publicación podrá proseguir sin la aprobación del autor. El/los autor/es no recibirán compensación monetaria de la EdUNLPam por el uso del material contenido en este artículo y asumen la responsabilidad de las opiniones vertidas en él.
.png)
22.png)
.jpg)
.jpg)
10.png){kind=logo}
