ARTÍCULOS ORIGINALES

Contribución al estudio de las secuencias secas en la zona agropecuaria de Argentina

Olga Penalba y María Paula Llano

Departamento de Ciencias de la Atmósfera y los Océanos (FCEyN – UBA) Buenos Aires, Argentina

dirección electrónica: penalba@at.fcen.uba.ar

Manuscrito recibido el 9 de Marzo de 2009, en su versión final el 27 de Agosto de 2009

RESUMEN

En el presente trabajo se analizan las secuencias de días sin precipitación, para el período comprendido entre los años 1961 y 2000, para 12 estaciones ubicadas en la zona de interés agropecuario de la Argentina. Se define una secuencia de n días secos a la sucesión de n días sin precipitación precedida y seguida por días con precipitación mayor a 0 y 2 milímetros.
En este trabajo nos centramos en el estudio de algunas características de las secuencias secas. La secuencia media seca (umbral 2mm) se ubica entre los 7 ú 8 días; mientras que la duración máxima de las mismas presenta una variación entre los 70 y los 140 días entre las estaciones ubicadas al este y al oeste. En un análisis específico de las  secuencias de mayor duración en cada año se puede observar la coherencia espacial y temporal que existe entre las mismas, propias de esta condición hídrica, pudiéndose detectar años hídricamente deficitarios. 
Se analizan en especial tres bimestres (octubre – noviembre, noviembre – diciembre, diciembre – enero), los cuales incluyen las etapas importantes para los principales cultivos (trigo, maíz y soja, respectivamente), donde la falta de agua puede afectar a la producción de los cultivos. En cada uno de los bimestres las secuencias secas más extensas alcanzan un valor promedio de 25 a 35 días, con un valor de secuencia media cercano a los 7 días. 

Palabras Clave: Secuencia seca; Bimestre; Variabilidad.

Contribution to the study of dry sequences in the area agricultural Argentina

ABSTRACT

In this paper we analyzed the sequences of days without precipitation for the period between the years 1961 and 2000 for 12 stations located in the area of agriculture in Argentina. We define the term dry sequence n days as a succession of n days without precipitation preceded and followed by days with precipitation greater than 0 and 2 millimeters. 
In this paper we focus on the study of some characteristics of dry sequences. The average length of the dry sequence (2 mm) is located between 7 or 8 days, while the maximum length  has a variation between 70 (east area) and 140 days (west area). The specific analysis of the longest sequences of each year shows the spatial and temporal coherence that exists between them; we can detect years with water's deficits.
It discusses in particular three periods of two-months (october  - november, november  - december, december  - january), which include the important stages for the main crops (wheat, corn and soybeans, respectively), where the lack of water can affect crop production. In each period the largest dry sequences reach an average of 25 to 35 days, with an average sequence close to 7 days. 

Key Words: Dry sequence; Two-month; Variability.   

1.  INTRODUCCIÓN  

La escasez del agua es un riesgo natural de creciente responsabilidad social, que se ve condicionada por las manifestaciones climáticas y por los cambios en la distribución de los usos y aprovechamientos  del agua. (FAO, 2007). Si la falta de ella se da en forma extrema, su ocurrencia tiene una consecuencia inmediata en las sociedades afectadas y dependiendo de lo extremo de este fenómeno meteorológico se verán también afectadas las diferentes comunidades y  su economía.
Este trabajo centra su atención en una zona eminentemente agrícola argentina, la Pampa Húmeda. Esta zona es una de las principales regiones de producción de oleaginosas y cereales del mundo. Por ejemplo, en el año 2007 Argentina exportó un total de 14 millones de toneladas de granos de maíz, 10 millones de toneladas de trigo y 12 millones de tone ladas de soja. (SAGPyA, 2008). El sistema agrícola  - ganadero, está influenciado por la precipitación o su escasez.  Un ejemplo de ello es la sequía que afectó durante el año 2006 a gran parte del territorio argentino, esta situación provocó serios daños económicos en la actividad agropecuaria, por ejemplo la provincia de Córdoba perdió un 60 % en el rendimiento del trigo, y en Corrientes la ganadería sufrió pérdidas superiores a los 100 millones de pesos. (Crettaz, 2006). Actualmente, enero 2009, el sector agropecuario y ganadero está siendo fuertemente castigado por la sequía que afecta a distintas zonas argentinas, debido a la escasez de lluvia que se está registrando desde mediados del año 2007 (Subiza, 2008). La provincia de Entre Ríos tuvo pérdidas superiores al 90% relacionadas con el maíz, equivalentes a 176 millones de pesos (Manfroni, 2009).
En el presente trabajo, nos centramos en el estudio de los días sin precipitación, días secos.  Una situación prolongada en el tiempo de estas características, puede transformarse en una sequía. Según la American Meteorological Society (1997) no existe una única definición de sequía, ya que hay diferentes tipos dependiendo del sector afectado: meteorológica, hidrológica, agrícola y socioeconómica. Distintos autores han analizado estas categorías según sus propios criterios.  Para Wilhite  y Glantz (1985)  la definición meteorológica de sequía puede ser considerada como una situación prolongada en el tiempo donde las condiciones atmosféricas no producen precipitación. Con respecto a una sequía agrícola,ésta resulta de una deficiencia en la humedad del suelo que no permite el normal desarrollo y crecimiento de las plantas. 
Entre los diferentes enfoques que estudian las condiciones deficitarias de precipitación, se encuentra el sinóptico. Al respecto, se puede mencionar a Malaka y Núñez (1980) quienes estudiaron las condiciones sinópticas reinantes en la intensa sequía del año 1962 que afectó prácticamente el 80% del territorio argentino. Malaka (1987) estudió en forma particular la sequía de los años 1985 y 1986, la cual estuvo relacionada con altas temperaturas en superficie y una fuerte subsidencia. Alessandro y Lichtenstein (1996) analizaron la sequía del invierno de 1995, que estuvo asociada con una perturbación en la circulación atmosférica.
Otro manera de estudio es analizando el uso de índices. Donnari y Scian (1996) emplearon el"índice de sequía Palmer" para identificar períodos secos y húmedos en la zona triguera de argentina con el fin de cuantificar la severidad de las mismas. Seiler y Rotondo (2006) emplearon "índice estandarizado de precipitación" para clasificar a las sequías en la provincia de Córdoba y Murphy y Serio (2006) lo utilizaron para determinar las probabilidades de ocurrencia de un determinado tipo de sequía. Minetti y otros (2007) emplearon el "índice mensual de sequía" en diferentes escalas de tiempo para analizar las sequías ocurridas en  el siglo 20 en la Pampa Húmeda y su relación con el cultivo del maíz.
El estudio de los días secos es importante debido a la incidencia que los mismos tienen en el funcionamiento de diferentes  ecosistemas,  afectando directamente la disponibilidad de un recurso tan necesario como es agua. En la Argentina son escasos los trabajos que analizan los días secos. Vargas (1981) ajustó las secuencias de días secos mediante una distribución geométrica, para la estación Observatorio Central Buenos Aires. Ruiz (2005) a nalizó las condiciones secas diarias entre 5 y 7 días en el período invernal (mayo a octubre) utilizando 5 años de información (1983–1987) para las estaciones de Ezeiza, Aeroparque y OCBA (Observatorio Central Buenos Aires). Ruíz (2006) analizó la probabilidad de ocurrencia de n días secos en una semana o una quincena, en las estaciones de Ezeiza y Nueve de Julio. Minetti (1983) estudió la persistencia de días secos en la  región cañera del noroeste argentino, calculando entre otros aspectos la probabilidad  de extensión de un período seco.
Boulanger y otros (2007) aplicó distintas distribuciones teóricas a las secuencias diarias, húmedas y secas, en el sudeste de Sud América. 
Entre los más frecuentes procesos estocásticos para el tratamiento de las secuencias diarias secas se encuentran las cadenas de Markov de diferentes órdenes. Martin-Vide  y Gomez (1999), las utilizaron para realizar una regionalización de las secuencias secas en la península Ibérica. Douguedroit (1987) analizó las secuencias secas en Marsella en el  período 1865-1984. Luengo Ugidos y otros (2002) focalizaron su atención en el análisis de las secuencias secas con diferentes umbrales en la cuenca del Duero. En la Argentina, Gattinoni (2008) ajustó un modelo markoviano a las secuencias de días húmedos para estaciones del área metropolitana de Buenos Aires.
Las condiciones climáticas de una región están determinadas por diferentes parámetros, entre ellos, la precipitación, la temperatura y sus valores extremos. En el estudio específico de la precipitación, esta climatología puede ser ampliada a partir del análisis de las secuencias secas, debido a la sensibilidad que los cultivos de secano presentan frente a las mismas. Por lo tanto, mediante el estudio de las distribuciones teóricas de las mismas se podrán inferir resultados útiles para estudios de aplicación. 
Los objetivos de este trabajo son a) caracterizar climáticamente las secuencias secas y analizar su variabilidad temporal; b) ajustar la distribución teórica de las cadenas de Markov a las secuencias secas y analizar su coherencia espacial; c) analizar la variabilidad temporal de las secuencias secas extremas. 

2. DATOS Y METODOLOGÍA 

2.1. Datos utilizados  

Para la realización de este trabajo se utilizaron datos diarios de precipitación  de estaciones pluviométricas ubicadas en la zona de interés agropecuario, conformada por las provincias de Buenos Aires, Santa Fe, Entre Ríos y Córdoba. La información utilizada fue suministrada por el Servicio Meteorológico Nacional y por el Instituto Nacional de Tecnología Agropecuaria. 
Con el fin de obtener resultados consistentes al analizar las secuencias secas,  la base de datos utilizada fue sometida a una consistencia adicional: los datos faltantes no debían superar el 10 %, las secuencias secas no debían ser interrumpidas por datos faltantes y se eliminó la presencia de datos erróneos (Llano, 2007). A partir de este análisis, solamente 12 estaciones (Figura 1), presentaron una buena calidad de datos y comprendieron el mayor período común a todas ellas de 40 años (1961-2000).

Figura 1: Ubicación geográfica de las estaciones meteorológicas utilizadas

2.2. Definición de secuencia seca  

En este trabajo se encarará el problema desde un enfoque meteorológico, estudiando la falta de lluvia. Para ello, se define el término secuencia seca de n días  como la sucesión de n días sin precipitación precedida y seguida con día con lluvia. En primera instancia se analizan las secuencias secas en términos anuales, es por tal motivo que las secuencias secas analizadas deben comenzar y finalizar en el mismo año. Posteriormente se analizan las secuencias secas para diferentes bimestres, computándose solamente aquellas que comiencen y finalicen dentro del bimestre de estudio.
Para definir un día seco se pueden considerar diferentes umbrales (0; 2; 5; 10 milímetros) de precipitación. La utilización de umbrales superiores a 0 mm permite incluir en el análisis pequeñas lluvias, las que si bien interrumpen una secuencia seca de 0 mm no pone fin a un período de escasez de agua. En el presente trabajo se utilizaron dos umbrales 0 y 2 milímetros. Los resultados para ambos umbrales no presentan marcadas diferencias. Por tal motivo y bajo la consideración que precipitaciones menores a 2 mm pueden ser escasas para la actividad agrícola – ganadera, se presentarán los resultados considerando día seco a aquel que recibe una lluvia inferior a 2 mm.  

2.3. Metodología  

Existen diferentes modelos teóricos que permiten ajustar las distribuciones empíricas de las secuencias de días secos,  tal es el caso de la serie logarítmica, de la distribución geométrica o las cadenas de Markov (Sneyers, 1990). Con respecto a esta última distribución, ya a comienzos del siglo 20,  A. A. Markov comenzó el estudio de un tipo de procesos, donde la respuesta de un experimento dado puede afectar la respuesta de un próximo experimento (Basharina y otros, 2004). A este tipo de procesos se los denomina cadenas de Markov. Las mismas se basan en el concepto de probabilidad condicionada o de transición, es decir no  dependen solamente del estado actual de una variable sino también de los estados precedentes. Existen diferentes órdenes en las cadenas de Markov, según la cantidad de días involucrados en las mismas.
En el caso particular de este trabajo la probabilidad  de transición dependerá de las condiciones del día actual (seco o húmedo) y de las condiciones del día precedente, ya sea el mismo seco o húmedo.
En el caso de una cadena de Markov de primer orden, la probabilidad de que una secuencia seca tenga una duración de n días esta dada por la siguiente expresión: 

Donde p₀₀ es la persistencia: probabilidad de tener un día seco seguido de otro día con igual condición, (Wilks, 1995).
Para verificar la bondad del ajuste de la distribución teórica se aplicó el test Chi cuadrado con un nivel de significancia del 95 %. (Buishand, 1982).

 3. RESULTADOS 

3.1. Secuencias secas durante el año. 

Distribución empírica  
Inicialmente y previo al ajuste de una distribución teórica, se realiza  una climatología de las secuencias secas (lluvias menores a 2 mm). Para ello, para cada estación se calcula la distribución de frecuencias empíricas de las mismas, para diferente cantidad de días. (Figura 2).

Figura 2: Distribución de frecuencias empíricas (barras) y teóricas -cadena de Markov de primer orden- (línea) para secuencias secas (lluvias menores a 2mm).

Si bien, en términos generales, se observa la disminución asintótica de la frecuencia empírica a medida que aumenta la cantidad de días analizados, las principales diferencias observadas en la región la sintetizan las estaciones de Sauce Viejo y Junín (Figura 2). La estación Sauce Viejo presenta una disminución importante en la ocurrencia entre las secuencias de uno y dos días secos, para luego  aumentar la frecuencia de las secuencias de tres días secos. A partir de esta secuencia de días a 11 días la disminución de la frecuencia es gradual. Si bien las frecuencias relativas a partir de los 17 días son pequeñas, las mismas ocurren con variaciones importantes en las frecuencias empíricas según la cantidad de días involucrados. 
En el caso de la estación Junín se observa que las frecuencias empíricas presentan saltos escalonados cada 2 ó 3 días a mediada que aumenta la cantidad de días involucrados. Por ejemplo, la probabilidad de tener secuencias secas de 6 días de duración es aproximadamente la misma que la de 7 u 8 días. Este resultado nos estaría indicando la presencia de perturbaciones de escala sinóptica, que interrumpirían a la secuencia seca. 

 Duración media de las secuencias secas

  Con el fin de caracterizar estas distribuciones empíricas se analiza la duración media de las secuencias secas (Figura 3).  Si bien la variabilidad espacial de la duración media es baja, en términos climáticos la  región presenta una diferenciación entre el oeste y el este. Las estaciones ubicadas al sudeste de la región presentan valores alrededor de 7 días de duración; mientras que hacia el noroeste la duración es mayor, alcanzando los 8,8 días en la estación Ceres. 

Figura 3: Duración media en días de las secuencias secas

Duración máxima de las secuencias secas

Otro aspecto importante desde el punto de vista de su impacto en el sector agropecuario, es el análisis de las secuencias secas más largas. En la Figura 4 se grafica para cada estación esta propiedad, observando que el gradiente este-oeste se conserva pero es mayor. Las dos estaciones ubicadas más hacia el este del área de estudio (Gualeguaychú y Ezeiza) presentan un largo máximo cercano a los 60 días. Al desplazarnos hacia el oeste, en la zona central la duración de las secuencias secas más larga es de aproximadamente 80 días, mientras que en las estaciones del oeste se superan los 100 días, alcanzando en Laboulaye los 110 días, en Marcos Juárez los 135 días y la máxima secuencia seca la presenta Ceres con 144 días.

Figura 4: Duración máxima en días de las secuencias secas

 Estas secuencias son extremas desde el punto de vista de su duración, y el grado de impacto dependerá en mayor medida de la época del año en que se produzcan. Esta propiedad es muy inestable, debido a que su probabilidad de ocurrencia es baja. Sin embargo, su análisis permite determinar cual es la cantidad de días secos que puede presentar la región. 

Distribución teórica  

Previo al ajuste de la distribución teórica de una cadena de Markov de primer orden se analiza el parámetro estadístico involucrado: la persistencia de día seco.  
Para el umbral de 2 milímetros, el valor de la persistencia es superior a los 0.86 (resultado no mostrado). Cuando el umbral de análisis es el de 0 milímetros, el valor de la persistencia ronda los 0.83 para todas las estaciones ubicadas en el área de estudio. Para ambos umbrales se observa una variación este-oeste.
Al realizar el ajuste mediante las cadenas de Markov, el mismo es estadísticamente satisfactorio (test de Chi cuadrado, a = 5 %),  para las estaciones ubicadas en el centro y el este del área de estudio. Las estaciones ubicadas en el extremo oeste, no presentan un comportamiento markoviano. Este comportamiento se repite  para un umbral de 0 milímetros. 
En la Figura 2 se graficaron las distribuciones teóricas, considerando el umbral de día seco de 2 mm, para dos estaciones, Junín y Sauce Viejo. En la primera estación el ajuste mediante el modelo  markoviano de primer orden fue estadísticamente satisfactorio. Mientras que en Sauce Viejo debido a las diferencias encontradas entre lo observado y lo teórico, principalmente en las secuencias menores a los 7 días, en las de entre 12 y 20 días, tanto así  como en las de mayor duración, no permitieron que ajuste de este modelo markoviano sea satisfactorio.  

3.2. Secuencias secas extremas durante el año. 

Cantidad de secuencias secas en un año por largo determinado  
Como se mencionó anteriormente,   las secuencias secas de mayor duración pueden ocasionar situaciones de riesgo en el rendimiento de algún cultivo. Es motivo de ello el análisis detallado de las mismas. Inicialmente,  se analiza la cantidad de veces por año que ocurren secuencias de una determinada longitud característica: 7, 15, 30 y 60 días (Tabla 1). El patrón espacial para una duración determinada repite el gradiente este-oeste observado anteriormente, poniendo en evidencia las condiciones de aridez en el oeste de la zona de estudio. Los resultados más sobresalientes son aquellos que analizan las secuencias secas extremas. 

Tabla 1: Cantidad de secuencias secas de duración mayor o igual a 7, 15, 30 y 60 días.

Las estaciones que presentan mayor cantidad de secuencias de más de 60 días, son principalmente las ubicadas en el oeste Laboulaye (18 veces), Ceres (14) y Marcos Juárez (12). Hacia el este se produce una rápida disminución, las estaciones en promedio presentan de 4 a 5 veces secuencias de esta longitud, hasta llegar al caso extremo de Ezeiza, la cual nunca presenta secuencias de esta longitud en todo el período de estudio. 
Para el caso de secuencias secas mayores o iguales a 30 días o más secos, el patrón espacial de cantidad de eventos de este tipo se vuelve a repetir.  Las estaciones ubicadas en el oeste (Ceres, Marcos Juárez y Laboulaye), a lo largo de los 40 años de estudio, en alrededor de 60 ocasiones presentan secuencias secas de esta duración. A medida que nos desplazamos hacia el este, las estaciones de la zona central presentan este tipo de secuencias entre 40 ó 50 veces a lo largo del período de estudio. Mientras que las estaciones del extremo este (Gualeguaychú y Ezeiza), son las que menor cantidad de veces presentan secuencias de esta duración.  

Coherencia espacio-temporal  

Con el fin de analizar el comportamiento temporal y espacial de las secuencias secas máximas se compila para cada estación y año el valor de la secuencia seca extrema.
En la Tabla 2 se presenta, para cada una de las estaciones, la cantidad de días involucrados para la secuencia máxima. En una gama de grises se destacan, para cada estación, las 4 secuencias más largas del período de análisis. Este estudio permite analizar los años en los cuales toda la región presenta secuencias extremas secas. 

Tabla 2: Duración de las mayores secuencias secas por año

Es interesante observar lo que ocurre en el año 1995, donde seis estaciones presentan alguna de sus 4 secuencias más largas, ellas son: Rosario con 61 días, Gualeguaychú con 57 días, a las que se suman Ceres con 144 días, Marcos Juárez con 134 días, Paraná y Sauce Viejo, ambas con 84 días, siendo para estas  últimas cuatro estaciones su secuencia más larga del registro. Al analizar el momento en que ocurren estas secuencias se observa que este año todas las estaciones del área de estudio exhiben un invierno seco. Ceres ubicada en el extremo noroeste, como ya se ha mencionado presenta su secuencia seca más larga, la cual se inicia a principios del mes de mayo y se extiende hasta finales de septiembre, una situación similar presenta Marcos Juárez cuya secuencia seca comienza unos días después. Si analizamos en detalle lo que ocurre en estos meses invernales en particular, se observa que, por ejemplo Sauce Viejo presenta una secuencia seca de casi la misma duración cortada solamente por un solo día de lluvia cercana a los 5 milímetros. A medida que nos desplazamos hacia el sudeste del área, las estaciones muestran también un período seco, pero con dos o tres interrupciones de días de precipitaciones escasas, mayores a los 2 milímetros en los meses de junio y julio. Por este motivo se puede resumir que la condición extrema del invierno del 95 comienza en la zona oeste desplazándose hacia el este y sur. Este año se caracteriza por presentar una de las sequías más intensas  que afectó a la Argentina, analizada sinópticamente por Alessandro y Lichtenstein (1996).
El año 1988 también presenta una fuerte coherencia espacial en la ocurrencia de secuencias secas de mayor duración. Pergamino con 87 días y Rosario con 79 días, tienen durante este año las secuencias secas más largas de todo su registro. Seguidos por dos estaciones cercanas Junín con 61 días y Ezeiza con 51 días, ambas con una de sus cuatro secuencias más extensas. Esta secuencia comienza en la provincia de Buenos Aires a finales del mes de abril. En las otras estaciones también se producen importantes secuencias secas, pero su duración no está incluida en la clasificación de las cuatro secuencias más extensas del registro.

 Variabilidad temporal
A partir de los resultados obtenidos, se observa que la longitud de una secuencia seca superior a 30 días es frecuente en la zona de estudio. Dada la importancia que reviste la misma en el sector agropecuario se analiza su comportamiento a lo largo del tiempo.
En la Figura 5 se presenta la cantidad de días que abarcaron las secuencias secas mayores a 30 días en función del tiempo, para algunas estaciones representativas del comportamiento regional.

Figura 5: Duración de las secuencias secas mayores a 30 días (en días)

En el caso de Ceres, se observa que a lo largo de casi todo el período presentan este tipo de secuencias con una duración promedio menor a los 90 días, se puede notar que si bien las secuencias secas mayores a 30 días ocurren a lo largo de todo el  período analizado, hay una tendencia a que las mismas duren más en la última década, donde queda ejemplificado el caso del año 1995 con la  mayor secuencia del registro. 
Otro tipo de comportamiento es el observado en Nueve de Julio, donde salvo algún caso aislado, las secuencias no superan los 70 días de duración. En esta estación  si es notorio la ausencia de secuencias de esta longitud durante los primeros años de la década del setenta. A su vez, en el período 1980-90 la variabilidad de la duración de las secuencias secas es mayor. Un comportamiento similar lo presenta Gualeguaychú, donde a comienzos de la década del setenta en solo una oportunidad se registra una secuencia seca de esta longitud. En el resto del período de análisis es clara la forma aislada en que las mismas se producen.   

3.3. Secuencias secas bimestrales  

En la agricultura, el agua disponible, es generalmente el principal factor que limita el crecimiento y el rendimiento de los cultivos, siendo la precipitación una de las variables más relevantes en este proceso. 
La Argentina es uno de los principales productores en diferentes especies de cultivos. Para este trabajo se seleccionaron tres de los más importantes: el  trigo, debido a que fue el cereal fundador de la colonización agrícola de la región pampeana, por lo que su historia en el país es paralela a la de la agricultura argentina. El maíz, el cual es sin lugar a dudas el grano forrajero por excelencia, presentando además como una de sus principales características sus múltiples posibilidades de utilización en diversos procesos industriales, de los que se obtiene una amplia gama de productos derivados de su procesamiento. Y por último se eligió a la soja, ya que la sojización en la Argentina es una realidad, cuyo proceso de intensificación y expansión aumenta día a día. 
En base a estos tres cultivos se tomaron diferentes bimestres que incluyen las etapas importantes para los mismos: octubre  - noviembre (O-N) para el trigo, noviembre - diciembre (N-D) para el maíz y diciembre - enero (D-E) para la soja. (SAGPyA, 2007, USDA, 1994).

Duración media de las secuencias
Como primera propiedad característica de las secuencias secas bimestrales se analiza la duración media de las mismas. En la Figura 6 se puede ver como en términos generales, en los tres bimestres el valor promedio es de 5 días de duración, con variaciones según la estación y el bimestre considerado.

Figura 6: Duración media de las secuencias secas por bimestres. O-N (sup.). N-D (centro). D-E (inf.)

Durante el bimestre O –N, esta propiedad analizada no muestra un patrón definido entre las tres zonas encontradas en términos anuales. Las secuencias presentan un largo medio entre los 4 y los 6 días, en forma indistinta según su ubicación geográfica.
En el bimestre  N-D (el  cual esta comprendido en los otros dos bimestres estudiados) los valores medios alcanzados son los menores, los mismos tienen una variación menor a un día entre todas las estaciones con un gradiente de oeste – este. Las estaciones del oeste del área de estudio muestran una duración de las secuencias medias cercana a los 4,5 días mientras que en la zona central y este, el valor medio asciende hasta los 5,7 días. 
En el bimestre D-E, el gradiente vuelve a observarse, pero con una variación sudoeste – noreste. Y con un aumento en la duración media si se lo compara con el bimestre anterior. Es notoria la orientación que alcanza este gradiente a nivel bimestral, ya que en esta oportunidad las menores secuencias las encontramos en la zona oeste del área de estudio, mientras que a nivel anual las mismas se hallaban en el sector este.

 Duración máxima de las secuencias  
Para cada bimestre se calculan las secuencias máximas registradas.  Por tratarse de  una propiedad extrema de las secuencias secas  su variabilidad espacial es mayor. En la Figura 7 para el primer bimestre  O-N, la mayor secuencia se encuentra en Ezeiza con 42 días, y la  menor en Nueve de Julio con 19 días. Para los meses de N- D, la mayor secuencia seca de 32 días se produce en dos estaciones, Gualeguaychú y Pergamino, y la menor secuencia seca de 22 días en Sauce Viejo. En el último bimestre analizado, las mayores secuencias secas de 44 días se producen en Gualeguaychú y Paraná, y la menor de 20 días en Nueve de Julio. 

Figura 7: Duración máxima de las secuencias secas por bimestres. O-N (sup.). N-D (centro). D-E (inf.)

El patrón visto en las secuencia s medias, se continúa manteniendo para esta propiedad, pero contrario al encontrado en términos anuales. Durante los bimestres estivales las secuencias secas más extensas se producen en las zonas central y este de la región de estudio. 
Sintetizado lo que ocurre con las secuencias secas mayores a 30 días se arriba a las siguientes conclusiones regionales: en el primer bimestre las mismas se producen en el sector este y central norte. Durante los meses de noviembre y diciembre solo dos estaciones se producen. Y en el último bimestre este tipo de secuencias suceden en las estaciones del norte.

Distribución teórica   
Previo a llevar a cabo el ajuste de la distribución teórica, se procede a analizar la distribución espacial de la persistencia de día seco para cada uno de los bimestres estivales. Al igual que en términos anuales, el valor de la persistencia para cada bimestre es elevado, sin embargo el mismo disminuye a valores cercanos a 0.80. Al comparar los campos espaciales de las persistencias bimestrales se observa que la mayor variabilidad espacial la presente el bimestre N-D, debida principalmente a la disminución de la persistencia en las estaciones del oeste, con valores de 0.79. 
Esta disminución de la persistencia en términos bimestrales permitió que el ajuste de la distribución teórica sea estadísticamente satisfactoria en la mayoría de las estaciones y bimestres. Solamente no ajustaban a una cadena de Markov de primer orden las estaciones de Ezeiza, para el bimestre  N–D y Rosario en el último bimestre, D-E.   

Análisis de las distribuciones empíricas  
Al analizar con mayor detalle las distribuciones empíricas entre estaciones y entre bimestres se observan particularidades interesantes de mencionar. En la Figura 8, se presentan las distribuciones empíricas de las secuencias secas para distintas longitudes de días para los bimestres excluyentes (O-N; D-E) y cuatro estaciones que caracterizan el comportamiento regional. 

Figura 8: Distribución de frecuencias empíricas para secuencias secas (lluvias menores a 2mm) en diferentes bimestres.

En términos generales, para el bimestre O- N, se observa que las estaciones Nueve de Julio y Laboulaye, presentan un comportamiento similar (mayor probabilidad empírica) para las secuencias secas cortas (menores a 7 días).  Las secuencias entre 7 y 10 días presentan una singularidad, observándose un máximo relativo en la probabilidad empírica. Por ejemplo este aumento se da entre 7 y 11 días en la estación Gualeguaychú, y entre 8 y 9 días en Laboulaye. Con respecto a las secuencias superiores a 12 días las mayores probabilidades se observan en Laboulaye.
Al comparar para cada estación las distribuciones empíricas de los bimestres O-N y D- E, las diferencias más importantes en términos agrícolas que se pueden mencionar son: Gualeguaychú que en  D-E presenta una mayor variabilidad en la probabilidad de ocurrencia, principalmente en las secuencias de menor duración y en las de más de dos semanas. En Nueve de Julio no se observan grandes diferencias, salvo el aumento en la probabilidad  de secuencias largas. En Laboulaye la mayor diferencia se produce en las secuencias de 2 días de duración, cuya probabilidad de ocurrencia aumenta significativamente en el bimestre D-E. Por último en Sauce Viejo en las secuencias de menor duración se observa una fuerte variabilidad en su probabilidad de ocurrencia.

4. CONCLUSIONES  

Los eventos extremos en el clima que sufre la Argentina afectan el entorno agrario, social y el económico, de la zona perjudicada. Desde el punto de vista de la política de manejo de los recursos de agua, un estudio detallado de los períodos secos es absolutamente necesario, como también el pronóstico de episodios extremos de días secos consecutivos. 
En este trabajo se analizan las secuencias secas, de 12 estaciones para el período 1961-2000. 
Entre los principales resultados obtenidos para un umbral de 2 milímetros,  se puede mencionar que las secuencias de máxima duración presentan un valor cercano a los 70 días, y para las estaciones ubicadas en el Oeste del área de estudio este valor supera ampliamente los 100 días.
La variabilidad temporal de las secuencias secas superiores a 30 días presenta en términos generales una disminución de la ocurrencia de eventos a lo largo del período. Este resultado acompaña al aumento en los totales de precipitación a nivel anual en varios sectores de Argentina, a partir de mediados del siglo XX, observado en diversos trabajos científicos. 
En lo que respecta a la coherencia espacial de las secuencias secas extremas se observa que las mismas se producen simultáneamente, cubriendo en algunos casos prácticamente la totalidad de la zona bajo estudio. 
La persistencia de tener un día seco seguido por otro día sin precipitación ronda el valor del 0.86 en toda la región. El valor de esta propiedad disminuye notablemente en el análisis de las secuencias secas bimestrales.
La falta de lluvia puede afectar si ella ocurre en forma sucesiva y  prolongada en algunas etapas características de los cultivos. En el caso de la región de estudio se consideraron los cultivos principales de la zona, resultando: octubre- noviembre, para el trigo; noviembre-diciembre, para el maíz y diciembre-enero, para la soja. Analizando la duración de las mayores secuencias secas, entre los diferentes bimestres encontramos un comportamiento similar, con un valor promedio de 25 a 35 días.
El ajuste de la distribución teórica fue satisfactorio estadísticamente en términos bimestrales, permitiendo de esta forma conocer en forma sencilla cual es la probabilidad de tener secuencias de una cierta cantidad de días.  

Agradecimientos:  A los proyectos de la Universidad de Buenos Aires X170 y al proyecto CLARIS de la Comunidad Europea (001454) por hacer posible y financiar este trabajo. Los autores desean expresar su gratitud a los revisores cuyas sugerencias has enriquecido la calidad de este trabajo.  

REFERENCIAS 

1. Alessandro, P. y Lichtenstein, E., 1996. Situación sinóptica asociada a la sequía del invierno de 1995, Geofísica,  45, 125-143.         [ Links ]

2. American Meteorological Society, 1997. Meteorological drought – Policity statement. Bull. Amer. Meteor. Soci. 78, 847-849.         [ Links ] 

3. Basharina, G.,  Langville, A., and Naumovc V., 2004. The life and work of A.A. Markov, Linear Algebra and its Applications,  386, 3-26.         [ Links ]

4. Boulanger, J. P, Martinez, F., Penalba, O. y Segura, E., 2007.    Neutral network based daily precipitation generator (NNGEN-P). Clim. Dyn 28, 307-324.         [ Links ]

5. Buishand, T. A., 1982. Some methods for testing the homogeneit of rainfall records.  J. Hydrol ., 58, 11-27.         [ Links ]

6. Crettaz, J., 2006.  Una amplia zona agrícola con sequía. Suplemento  Diario La Nación, 21 de septiembre.         [ Links ]

7. Douguedroit, A., 1987. The variations of dry spells in Marseilles from 1865 to  1984, Journal of Climatology, 7, 541-551          [ Links ]

8. Donnari, M. y Scian, B., 1996: "Estudio de episodios húmedos y secos en la región triguera V Sur, Argentina". VII Congreso Argentino de Meteorología, pp 41-42.         [ Links ]

9. FAO. 2007. Food and Agriculture Organization of the United Nations. http://www.fao.org/newsroom/es/news/2007/1000520/index.html .         [ Links ]

10. Contribución al estudio de las secuencias secas... Gattinoni, N., 2008.  Diagnóstico de propiedades estadísticas de la lluvia diaria en relación a su aplicación en el pronóstico objetivo en Buenos Aires y alrededores. Tesis de Licenciatura en Cs. de la Atmósfera. Facultad de Cs. Exactas y Naturales. Univ. de Buenos Aires.         [ Links ]

11. Luengo Ugidos, M. A., Ceballos Barbancho, A., Martinez  Fernández, J. y Yuste Yuste, C ., 2002.  Las rachas secas en el sector central de la cuenca del Duero. Investigaciones geográficas, 27,  65-82.         [ Links ] 

12. Llano, M., 2007. Variabilidad espacio temporal de las secuencias de días sin lluvia en la Argentina. Tesis de Licenciatura en Cs. de la Atmósfera. Facultad de Cs. Exactas y Naturales.  Univ. de Buenos Aires.         [ Links ]

13. Malaka, I. 1987. Aspectos sinópticos de las anomalías de precipitación ocurridas durante los meses octubre a enero 1985/86.  Anales del II Congreso Interamericano de Meteorología y V Congreso Argentina de Meteorología.  Buenos Aires 30/11 – 4/12.         [ Links ]

14. Malaka, I. y Núñez, S., 1980. Aspectos sinópticos de la sequía que afectó a la República Argentina en 1962, Geoacta, 10, 1 – 22.         [ Links ]

15. Manfroni, M., 2009. Sequía: Entre Ríos la provincial más castigada. Suplemento  Diario La Nación. 24 de enero.         [ Links ]

16. Martin-Vide, J.  and Gomez, L., 1999. Regionalization of Peninsular Spain based on the length of dry spells, Int. J. Climatol., 19, 537-555.         [ Links ]

17. Minetti, J. y Sierra, E., 1983: "Persistencia de días secos en el área cañera del NOA", Revista Industrial y Agrícola de Tucumán,  N° 60, 97-104.         [ Links ]

18. Minetti, J., Vargas, W., Vega, B. y Costa, M., 2007. Las sequías en la Pampa Húmeda: Impacto en la productividad del maíz. Revista Brasileira de Meteorología , 22, 218-232.         [ Links ] 

19. Murphy,  G. y Serio, L., 2006 Cálculo de la probabilidad de alcanzar distintas categorías de sequías definidas por medio del índice estandarizado de precipitación.  XII Reunión Científica de Argentina de Agrometerorología . 5 al 8 de septiembre de 2006. La Plata, Buenos Aires, Argentina, 294-250.         [ Links ]

20. Ruíz, N., 2005. Análisis climático  – estadístico de las propiedades asociadas a condiciones secas semanales en Buenos Aires,  CONGREMET IX, Buenos Aires, 3 – 7 octubre.         [ Links ]

21. Ruíz, N., 2006. Estudio sobre el inicio a condiciones secas semanales y quincenales.  XII Reunión Argentina de Agrometeorología , La Plata, Bs. As. 5 – 8 septiembre.         [ Links ]

22. SAGPyA., 2007. Secretaria de Agricultura, Ganadería, Pesca y Alimentación. Dirección de Mercados Agroalimentarios. Estimaciones agrícolas. Principa les cultivos de la República Argentina. Informe sobre cierres de campaña. http://www.sagpya.mecon.gov.ar. 2007.         [ Links ]

23. SAGPyA., 2008. Secretaria de Agricultura, Ganadería, Pesca y Alimentación. Dirección de Mercados Agroalimentarios. Exportaciones de granos y oleaginosas. Elaboración propia a base de datos suministrados por terminales portuarias. http://www.sagpya.mecon.gov.ar.         [ Links ]

24. Seiler, R. Y. y Rotondo, V., 2006. Las sequías en los últimos 20 años en el sur de Córdoba evaluadas mediante el índice estandarizado de precipitación. XII Reunión Científica de Argentina de Agrometerorología . 5 al 8 de septiembre de 2006. La Plata, Buenos Aires, Argentina, 294-250.         [ Links ]

25. Sneyers, R., 1990. On the statistical analysis of series of observations. WMO, 415.         [ Links ]

26. Subiza, E., 2008. La sequía no da tregua y amenaza la cosecha gruesa. Suplemento diario La Nación, 24 de septiembre.         [ Links ]

27. USDA, 1994. United States Departament of Agriculture, Major Worl d Crop Areas and Climatic Profiles, Agricultural Handbook, 664.         [ Links ]

28. Vargas, W., 1981. Las secuencias de días secos y días con precipitación en Buenos Aires, Meteorológica, 12. 73-85.         [ Links ]

29. Wilhite, D. A. and Glantz, M. H., 1985. Understanding the drought phenomenon: the role of definitions. Water International, 10, 111-120.         [ Links ]

30. Wilks, D.F., 1995. Statistical Methods in the Atmospheric Sciencies, Academic Press, 467.         [ Links ]