ARTICULOS ORIGINALES

Estudio de la climatología y la hidrología de la Cuenca del Plata en un conjunto de modelos climáticos globales

Ramiro Saurral y Vicente Barros

Centro de Investigaciones del Mar y la Atmósfera (CIMA-CONICET/UBA) y Departamento de Ciencias de la Atmósfera y los Océanos (DCAO-UBA), Buenos Aires, Argentina

Dirección electrónica: saurral@cima.fcen.uba.ar

Manuscrito recibido el 25 de Marzo de 2010, en su versión final el 31 de Agosto de 2010

RESUMEN

La Cuenca del Plata provee de agua potable a millones de personas a través de cinco países en Sudamérica. En el contexto de un potencial cambio futuro en las condiciones medias del clima, los caudales de los ríos de la cuenca podrían verse afectados y en este sentido es de sumo interés poder inferir estos posibles cambios en los caudales para década venideras. El objetivo de este trabajo es determinar la habilidad de tres modelos climáticos globales (CNRM-CM3, ECHAM5-MPI/OM y GFDL-CM2.0) en simular los caudales observados de los principales ríos de la Cuenca del Plata. Para ello, se emplearon las salidas de precipitación y temperatura de esos modelos climáticos para forzar un modelo hidrológico distribuido durante la última década del siglo XX (1990- 1999). Los resultados muestran que los tres modelos presentan serias deficiencias en la representación del ciclo hidrológico y que esas diferencias están principalmente explicadas por los importantes errores que tienen en los patrones de precipitación y temperatura sobre el sur de Sudamérica. Esto determina un fuerte impedimento al potencial uso que se podría dar a estos modelos para inferir posibles cambios futuros en los caudales de los ríos de la región.

Palabras clave: Ciclo hidrológico; Modelos climáticos; Cuenca del Plata

Study of the La Plata Basin climatology and hydrology in a set of global climate models

ABSTRACT

Hydrological modeling is a potent tool that can be useful to, among other things, determine the potential future availability of fresh water on Earth. In particular, the La Plata Basin supplies fresh water to millions of people across five countries. In a context of possible future changes on climate, river streamflows could be affected and in this sense it is of crucial importance to infer these potential changes for the upcoming decades. The objective of this paper is to determine the ability of three climate models (CNRM-CM3, ECHAM5-MPI/OM and GFDL-CM2.0) to simulate the observed discharges of the main La Plata Basin rivers. To force the distributed hydrology model, climate models output data included daily minimum and maximum temperature and precipitation during the last decade of last century (1990-1999). Results show that the three models display serious deficiencies to adequately capture the hydrological cycle of the basin and that these deficiencies are mainly due to the important errors in the temperature and precipitation fields over southern South America. This fact poses a strong limitation in the potential use of these models to perform inferences about future changes across the basin.

Keywords: Hydrological cycle; Climate models; La Plata Basin

1. INTRODUCCIÓN

La Cuenca del Plata, en el sur de Sudamérica, es la quinta cuenca más importante del mundo (en términos de superficie ocupada) y la segunda más grande de Sudamérica detrás de la del río Amazonas. Abarca un área de más de 3 millones de kilómetros cuadrados y comprende territorios pertenecientes a cinco naciones: Brasil, Bolivia, Paraguay, Uruguay y Argentina (Figura 1), proveyendo de agua potable a cientos de millones de personas en la región. La cuenca es particularmente sensible a las variaciones climáticas tales como los eventos El Niño y La Niña (Camilloni y Barros 2000; Berri y otros 2002) y es usualmente afectada por prolongados períodos de precipitaciones intensas que desencadenan inundaciones (Camilloni y Barros 2003), alternándose con largos períodos con precipitaciones deficitarias que, por el contrario, dan lugar a intensas sequías (Penalba y Vargas 2008; Doyle y otros 2008; Llano y Penalba 2010). Algunos trabajos han mostrado que la hidrología de la cuenca es también altamente dependiente de factores no atmosféricos, como por ejemplo el uso del suelo (Saurral y otros 2008).

Figura 1. Dominio de la Cuenca del Plata (línea negra gruesa) y ubicación de los puntos de cierre.

Dada la sensibilidad de la hidrología de la cuenca a cambios en las condiciones medias del clima, es interesante poder determinar cómo se vería afectada la disponibilidad de agua dulce en la región ante un contexto de cambio climático. En la actualidad la herramienta más difundida en el ambiente científico para inferir los cambios futuros en el estado medio del clima son los modelos de circulación general acoplados océano-atmósfera (MCG). Existe una amplia variedad de este tipo de modelos, varios de los cuales fueron utilizados durante el último informe del Panel Intergubernamental de Cambio Climático de la Organización de las Naciones Unidas (IPCC). El objetivo de este trabajo es el de determinar hasta qué medida pueden emplearse los datos obtenidos de algunos de esos modelos para simular el ciclo hidrológico de la Cuenca del Plata en el presente mediante la utilización de un modelo hidrológico, analizando no sólo las diferencias entre el caudal observado y el simulado sobre las diferentes subcuencas de la región, sino también estudiando los problemas que los MCG tienen para representar los campos medios de las variables meteorológicas utilizadas como forzantes para el modelo. Este trabajo está organizado del siguiente modo: en la sección 2 se describen los datos y la metodología empleados. En la sección 3 se presentan los resultados de las simulaciones del ciclo hidrológico de los diferentes ríos de la Cuenca del Plata. La sección 4 contiene las comparaciones de las climatologías de precipitación y temperatura entre las observaciones y los modelos climáticos, y finalmente la sección 5 presenta la discusión y las conclusiones del trabajo.

2. DATOS Y METODOLOGÍA

En este trabajo se emplearon datos de salidas de tres MCG: el francés CNRM-CM3 (Salas-Meliá y otros 2005), el alemán ECHAM5-MPI/OM (Roeckner y otros 2006) y el estadounidense GFDL-CM2.0 (Delworth y otros 2006). Las variables meteorológicas empleadas fueron temperatura mínima y máxima diaria y precipitación diaria. Los modelos tienen resoluciones horizontales que varían entre 1.88° x 1.88° hasta 2.8° x 2.8° y los datos se obtuvieron del sitio web del Program for Climate Model Diagnosis and Intercomparison (PCMDI, wwwpcmdi. llnl.gov/ipcc/about_ipcc.php). Para la simulación del ciclo hidrológico se utilizó el modelo hidrológico distribuido VIC (Liang y otros 1994, 1996; Nijssen y otros 1997), el cual resuelve ecuaciones de balance de energía y de masa de agua en un grillado regular cuya resolución (tanto temporal como espacial) es determinada por el usuario. En este caso, se empleó una resolución temporal de un día y una resolución horizontal de 0.125° x 0.125°, por lo que los forzantes diarios meteorológicos fueron regrillados a esa resolución antes de realizar las simulaciones usando el método de kriging. El modelo emplea además información de uso de suelo (obtenida del Global Soil Data Task 2000) y de tipo de cubierta vegetal (University of Maryland's 1-km Global Land Cover products, Hansen y otros 2000). Las salidas incluyen información a escala diaria, mensual y anual de escurrimiento superficial y sub-superficial y evapotranspiración en cada punto de grilla, por lo que posteriormente se emplea un modelo de ruteo (Lohmann y otros 1996, 1998) que integra el escurrimiento por sub-cuencas hasta puntos de cierre seleccionados. Para simular el ciclo hidrológico de la cuenca se emplearon datos diarios de temperatura y precipitación de una gran variedad de estaciones de superficie en el dominio en cuestión, en el período 1/1/1990-31/12/1999 (diez años completos). Las distribuciones de las estaciones de precipitación y temperatura diarias se presentan en las Figuras 2 y 3, respectivamente.

Figura 2. Ubicación de las estaciones con datos de precipitación diaria.

Figura 3. Ubicación de las estaciones con datos de temperatura mínima y máxima diarias.

La distribución de estaciones de lluvia no es uniforme a través de la cuenca, con una gran cantidad de datos en el este del dominio (en particular, sobre las cuencas de los ríos Paraná y Uruguay) y mucha menor densidad de estaciones en la cuenca del río Paraguay. En cuanto a temperatura, la distribución es mucho más homogénea a través de la región. Para llevar a cabo las simulaciones forzadas con los modelos climáticos, se emplearon datos diarios de las mismas variables (temperatura y precipitación) y en el mismo período. Con el fin de comparar la calidad de las simulaciones se seleccionaron algunos puntos de cierre en cada una de las tres principales sub-cuencas: Ladario en la cuenca alta del río Paraguay, Jupiá y Posadas en el río Paraná y Paso de los Libres y Concordia en el río Uruguay. La ubicación de los distintos puntos de cierre se muestra en la Figura 1. La capacidad del modelo para simular los caudales de los diferentes ríos se determinó calculando el BIAS, el coeficiente de correlación (R) y el estadístico NSE, definidos a continuación:

donde Q^SIM es el caudal simulado y Q^OBS, el observado. El estadístico NSE toma un valor máximo de 1 cuando el ajuste es perfecto y se considera que valores por encima de 0,5 indican un buen ajuste. Estos mismos estadísticos fueron previamente utilizados en otros análisis de la calidad de simulaciones hidrológicas en la Cuenca del Plata (Su y otros 2008).

Se emplearon datos de precipitación de la base de precipitación mensual CMAP (Xie y Arkin 1997) y de temperatura de la base de datos CRU (Jones y otros 1999; Jones y Moberg 2003) para realizar una climatología de la cuenca en el período 1980-1999 y compararla con las climatologías surgidas de los MCG.

3. SIMULACIÓN DEL CICLO HIDROLÓGICO EN LOS MODELOS CLIMÁTICOS

3.1. Río Paraná

Las partes alta y media de la cuenca del río Paraná presentan un máximo de caudal a finales del verano, principalmente debido al máximo de precipitación observado en esta época del año sobre la naciente del río, en tanto que el mínimo de caudal, consistente con la disminución de las precipitaciones sobre el sudeste de Sudamérica, tiene lugar a mediados-fines del invierno (Berbery y Barros 2002).

En la Tabla I se muestran los valores de los estadísticos calculados para determinar la calidad del ajuste del modelo hidrológico. La Figura 4 muestra los resultados de las simulaciones del ciclo hidrológico del río Paraná en Jupiá y en Posadas. En Jupiá el modelo VIC es capaz de reproducir correctamente los caudales observados a nivel mensual, mostrando sólo una leve sobreestimación durante el mes de febrero. Los estadísticos confirman la calidad del ajuste, con valores de correlación entre las series mensuales de caudal de 0,90 y valores de NSE de 0,56, superior al umbral de 0,5 (Tabla I).

Tabla I. Caudal medio observado (Qobs) y simulado usando observaciones (Qsim), y valores de BIAS, R y NSE para los cinco puntos de cierre considerados. Las unidades de caudales son m³ s-¹.

Figura 4. Hidrograma medio anual del río Paraná observado (curva azul) y en base a las simulaciones forzadas con observaciones (curva roja), con los datos del modelo CNRM-CM3 (curva verde), del modelo ECHAM5 (curva negra) y del modelo GFDL2.0 (curva rosa) en a) Jupiá; y b) Posadas. Los valores están expresados en unidades de m³ s-¹.

En el caso de Posadas también presenta resultados buenos, aunque el ajuste no es tan satisfactorio como en el caso de Jupiá, lo cual puede apreciarse no sólo gráficamente sino también comparando los valores de los distintos estadísticos, incluso con valores de NSE inferiores a 0. Esto se debe a la presencia de una gran cantidad de diques y represas aguas arriba de Posadas, lo cual no es tenido en cuenta en las simulaciones efectuadas con el modelo hidrológico. Los modelos climáticos, por su parte, tienen problemas principalmente para representar el máximo de caudal durante los meses de verano: el exceso de caudal durante el mes de febrero es de más del 100% en el caso del GFDL2.0 y en el CNRM, en tanto que el ECHAM5 presenta una marcada subestimación durante la época cálida (de casi el 50%). En invierno, en cambio, los modelos representan con bastante precisión los bajos valores de caudal del río. En Posadas, por su parte, los errores del verano siguen presentes en CNRM y GFDL2.0. El modelo alemán ECHAM5 presenta una marcada subestimación del caudal no sólo durante el verano sino también a lo largo del resto del año.

3.2. Río Uruguay

El río Uruguay posee un comportamiento notablemente diferente al Paraná en términos de caudal, dado que la naciente del río recibe lluvias no sólo en el verano sino también en el invierno, principalmente gracias a la actividad transiente que da lugar a un máximo de precipitación sobre el sur de Brasil y Uruguay (Vera y otros 2002). Esto determina que el hidrograma anual sea mucho más regular y con menor amplitud que en el caso del Paraná. De hecho, el pico de caudal se observa durante finales del invierno y comienzos de la primavera, como un compromiso entre las precipitaciones y la disminución de evapotranspiración debida a las menores temperaturas propias de la estación fría. El modelo hidrológico presenta también resultados satisfactorios al simular el hidrograma de este río, tanto en Paso de los Libres como en Salto Grande (Figura 5), siendo capaz de capturar la poca variabilidad presente en los caudales y mostrando sólo ligeras diferencias en algunos meses. El caudal medio anual simulado es prácticamente igual al observado (4972 m³ s-¹ y 4840 m³ s-¹ respectivamente para el caso de Paso de los Libres) y los estadísticos muestran que el ajuste mensual es muy bueno, con un R=0,98 en Paso de los Libres y valores de NSE de entre 0,92 y 0,93 (Tabla I). En el caso de las simulaciones con los MCG, tanto el CNRM como el GFDL2.0 presentan serias dificultades para captar la marcha del caudal a lo largo del año: ambos modelos tienen un máximo de caudal en el verano y un mínimo en el invierno, de un modo muy similar al del río Paraná. El ECHAM5, en cambio, es mucho más realista, con máximos caudales durante la época fría y a comienzos de la primavera, de manera que cualitativamente la simulación del ciclo hidrológico con este modelo es muy similar a la simulación realizada con las observaciones, aunque en términos numéricos el caudal medio anual es notablemente inferior al observado. Este patrón se observa tanto para el caso de Paso de los Libres (Figura 5a) como para el de Salto Grande (Figura 5b)

Figura 5. Ídem Figura 4, pero para el río Uruguay en a) Paso de los Libres; y b) Salto Grande.

3.3. Río Paraguay

El hidrograma del río Paraguay presenta un patrón bastante distinto con respecto a los otros ríos de la cuenca, principalmente debido a la topografía de esta sub-cuenca.

La pendiente del terreno en la naciente de este río es extremadamente pequeña (Tossini 1959) y esto determina que el desplazamiento del agua sea muy lento, incluso llevando a que el escurrimiento generado en la naciente del río demore entre 5 y 10 meses en alcanzar la parte baja de la cuenca (Camilloni y Barros 2000). El modelo VIC tiende a presentar problemas en representar los caudales de los ríos cuyas pendientes son muy pequeñas, como es el caso del río Paraguay. En este caso se puede apreciar cómo el modelo hidrológico forzado con las observaciones tiende a sobreestimar el caudal de abril-mayo-junio y a subestimarlo durante el resto del año (Figura 6). En el caso de las simulaciones forzadas con los MCG se observa que tanto GFDL2.0 como CNRM presentan una fuerte sobreestimación del máximo de caudal durante el otoño mientras que ECHAM5 presenta una leve subestimación durante esa época. Durante el resto del año, los tres MCG tienden a ser algo más realistas en sus simulaciones, aunque en todos los casos se observa una tendencia a una subestimación con respecto al caudal observado.

Figura 6. Ídem Figura 4, pero para el río Paraguay en Ladario.

4. CLIMATOLOGÍA DE TEMPERATURA Y PRECIPITACIÓN EN LOS MODELOS CLIMÁTICOS

Para explicar las posibles causas de la mala representación del ciclo hidrológico en la cuenca, se computaron las climatologías de precipitación y temperatura "observadas" y se las comparó con las climatologías de cada uno de los modelos. En la Figura 7 se muestra la precipitación media anual en la base de datos CMAP y en cada uno de los modelos climáticos. Puede verse que los tres modelos presentan una subestimación de la precipitación en especial sobre el centro y sur de la cuenca, con un máximo de subestimación sobre el noreste de Argentina. Sobre el extremo norte de la cuenca tanto ECHAM5 como GFDL2.0 también subestiman los montos de lluvia en tanto que, por el contrario, CNRM simula más precipitación de la que en realidad ocurre. Un aspecto interesante se da sobre el sur de Brasil y el norte de Uruguay: el único modelo climático que logra representar el máximo de precipitación en esa región es el ECHAM5, en tanto que los otros dos modelos muestran importantes subestimaciones. Ese máximo de precipitación se explica fundamentalmente por la lluvia de invierno asociada al pasaje de perturbaciones transientes (Vera y otros 2002), y tanto CNRM como GFDL2.0 no logran captar ese máximo de actividad sinóptica durante la época fría. Sobre el extremo oeste de la cuenca, los totales de precipitación dependen fuertemente de la resolución horizontal de los modelos, e incluso la base de datos que se utilizó en este trabajo como "observacional" tiende a mostrar valores suavizados, sin los máximos locales asociados a la cordillera que en realidad sí ocurren.

Figura 7. Precipitación media anual en a) CMAP; b) CNRM-CM3; c) ECHAM5; y d) GFDL2.0. Los valores están expresados en unidades de mm.

La Figura 8 presenta los campos de diferencias de precipitación total anual para cada uno de los modelos con respecto a CMAP. Los 3 MCG subestiman la lluvia sobre el centro y sur de la cuenca, incluso en valores de más de 1000 mm en el caso del modelo francés CNRM. También se aprecia que el ECHAM5 es el que menos subestima el máximo de lluvia sobre el sur de Brasil y norte de Uruguay, en tanto que sobre el noroeste de la cuenca y en la región de cordillera la tendencia es a una subestimación de las precipitaciones. El promedio de las diferencias (Figura 8d) sigue ese mismo patrón (demostrando que en general existe poca variación entre modelos), con valores de subestimación promedio de entre 750 y 1000 mm sobre el centro de la cuenca y una aceptable representación de los acumulados sobre la parte norte de la cuenca, en la naciente del río Paraná. En materia de temperaturas (Figura 9), los tres MCG simulan condiciones ligeramente más cálidas que las observadas sobre el centro de la cuenca, en la región noreste de Argentina, con valores de unos 2 grados por encima de lo real. Sobre el resto de la cuenca en general la comparación muestra resultados aceptables, aunque ECHAM5 es excesivamente cálido también en la naciente del río Paraguay.

Figura 8. Diferencia entre la precipitación media anual en CMAP y en a) CNRM-CM3; b) ECHAM5; y c) GFDL2.0; y d) promedio de las diferencias de los tres modelos respecto a CMAP. Los valores están expresados en unidades de mm.

Figura 9. Temperatura media anual en a) CRU; b) CNRM-CM3; c) ECHAM5; y d) GFDL2.0. Los valores están expresados en unidades de ºC.

Sobre el oeste de la cuenca, una vez más los valores están fuertemente influenciados por la resolución horizontal y la forma en que cada modelo representa al gradiente de alturas de la Cordillera de los Andes.

5. DISCUSIÓN Y RESULTADOS

El modelo hidrológico VIC fue capaz de simular adecuadamente los caudales de los principales ríos de la Cuenca del Plata cuando fue forzado con observaciones de temperatura y precipitación. Los mejores resultados se obtuvieron sobre la cuenca alta del río Paraná (Jupiá) y sobre el río Uruguay. En el caso del Paraná Medio (Posadas), los estadísticos demostraron un ajuste no tan satisfactorio principalmente debido a la presencia de diques y represas aguas arriba de ese punto de cierre, lo cual no es tomado en cuenta por el modelo hidrológico. En el caso del río Paraguay, en tanto, los errores en las simulaciones sobre Ladario se debieron a la escasez de estaciones de precipitación y a la pequeña pendiente de la cuenca. Por tal motivo, las intercomparaciones entre los modelos climáticos globales y las observaciones deben realizarse principalmente en la parte alta de la cuenca del Paraná y en la del río Uruguay, dado que en los otros casos hay una componente de error asociada al mismo modelo hidrológico.

En este caso, en las tres principales sub-cuencas de la Cuenca del Plata se mostró cómo los tres MCG analizados fallan en la simulación de los caudales medios de los ríos. En el caso del río Uruguay, el principal problema lo presentan los modelos CNRM y GFDL2.0 al no capturar el máximo de lluvia de la estación fría (no se muestra). ECHAM5 sí logra representarlo, y eso repercute en una mejor representación del hidrograma medio anual en los puntos de cierre Paso de los Libres y Salto Grande. Sin el máximo de lluvia del invierno, el hidrograma del río Uruguay sería muy similar al del río Paraná, tal cual lo muestran las simulaciones con CNRM y GFDL2.0. En el caso del río Paraná, el principal factor determinante es la forma en que los modelos simulan el máximo de lluvia de verano sobre el sudeste de Sudamérica, en la Zona de Convergencia del Atlántico Sur (o SACZ, por sus siglas en inglés; Nogués-Paegle y Mo 1997). Un análisis de los campos de precipitación de verano (no se muestra) indica que el modelo francés sobreestima fuertemente las cantidades de lluvia sobre la naciente del Paraná en la época cálida, en magnitudes del orden de 3-4 mm por día (270-360 mm si se considera todo el verano). En cambio, los otros dos modelos subestiman los montos de lluvia en esa zona: el ECHAM5, de hecho, representa muy mal la circulación de verano sobre esa región del sudeste de Brasil, sin siquiera capturar adecuadamente la convergencia de humedad en niveles bajos sobre la franja donde se posiciona la SACZ (no se muestra). En el invierno, sobre esa porción de Sudamérica la lluvia es prácticamente nula y eso es lo que muestran los modelos. Sobre el río Paraguay, el análisis es menos confiable no sólo porque en esa zona la densidad de estaciones de precipitación se reduce drásticamente, sino también porque el tipo de topografía que tiene la cuenca representa dificultades serias para el modelado hidrológico usando el modelo VIC.

Estos resultados demuestran cómo los datos provenientes de los modelos climáticos globales deben ser usados con precaución. En particular, la resolución horizontal que tienen estos modelos es todavía relativamente baja (en promedio, 150 km) y eso determina que los aspectos regionales del clima no sean bien representados. Por tal motivo, y hasta que la capacidad computacional de los centros mundiales de desarrollo y aplicación de modelos climáticos aumente, deberá seguir empleándose otras metodologías para mejorar los datos crudos como paso previo a su utilización: ya sea anidando modelos regionales, aplicando técnicas de downscaling estadístico, etcétera. Estos resultados también imponen una cierta restricción a la utilización de los escenarios futuros de temperatura y precipitación simulados por estos modelos, principalmente debido a que los problemas en las simulaciones del clima actual tendrán un comportamiento desconocido en el futuro, acotando al menos parcialmente su utilidad.

Agradecimientos: La investigación que llevó a este trabajo fue parcialmente financiada por el proyecto European Community's Seventh Framework Programme (FP7/2007-2013) under Grant Agreement 212492 (CLARIS LPB: A Europe-South America network for climate change assesment and impact studies in La Plata Basin) y por los proyectos PICT07-00400, CONICET PIP5400 y UBACyT-X033. Los autores desean agradecer al Program for Climate Model Diagnosis and Intercomparison (PCMDI) por recopilar y poner a disposición de la comunidad científica las salidas de los modelos climáticos.

REFERENCIAS

1. Berbery, E. H. y Barros, V. R., 2002: The hydrological cycle of the La Plata Basin in South America. J. Hydrometeor., 3, 630-645.         [ Links ]

2. Berri, G. J., Ghietto, M. A. y García N. O., 2002: The influence of ENSO in the flows of the Upper Paraná River of South America over the past 100 years. J. Hydrometeor., 3, 57-65.         [ Links ]

3. Camilloni, I. A. y Barros, V. R., 2000: The Paraná River response to El Niño 1982-83 and 1997-98 events. J. Hydrometeor., 1, 412-430.         [ Links ]

4. Camilloni, I. A. y Barros, V. R., 2003: Extreme discharge events in the Paraná River and their climate forcing. J. Hydrol., 278, 94-106.         [ Links ]

5. Delworth, T., Broccoli, A., Rosati, A., Stouffer, R., Balaji, V., Beesley, J., Cooke, W., Dixon, K., Dunne, J., Dunne, K., Durachta, J., Findell, K., Ginoux, P., Gnanadesikan, A., Gordon, A., Griffies, S., Gudgel, R., Harrison, M., Held, I., Hemler, R., Horowitz, L., Klein, S., Knutson, T., Kushner, P., Langenhorst, A., Lee, H., Lin, S., Lu, J., Malyskev, S., Milly, P., Ramaswamy, V., Russell, J., Schwarzkopf, M., Shevliakova, E., Sirutis, J., Spelman, M., Stern, W., Winton, M., Wittenberg, A., Wyman, B., Zeng, F. y Zhang, R., 2006: GFDL's CM2 global coupled climate models. Part I: Formulation and simulation characteristics. J. Clim., 19, 643-674.         [ Links ]

6. Doyle, M. E., Saurral, R. I. y Barros, V. R., 2008: Drought conditions in northeastern Argentina. Preprints, XV Brazilian Congress of Meteorology.         [ Links ]

7. Global Soil Data Task, 2000: Global Soil Data Products CD-ROM (IGBP-DIS). Oak Ridge National Laboratory Distributed Active Archive Center. [Available online at http://daac.ornl.gov/SOILS/guides/igbp.html]         [ Links ]

8. Hansen, M. C., DeFries, R. S., Townshend, J. R. G. y Sohlberg, R., 2000: Global land cover classification at 1 km resolution using a classification tree approach. Int. J. Remote Sens., 21, 1331-1364.         [ Links ]

9. Jones, P. D. y Moberg, A., 2003: Hemispheric and large-scale surface air temperature variations: an extensive revision and an update to 2001. J. Climate, 16, 206-223.         [ Links ]

10. Jones, P. D., New, M., Parker, D. E., Martin, S. y Rigor, I. G., 1999: Surface air temperature and its variations over the last 150 years. Reviews of Geophysics, 37, 173-199.         [ Links ]

11. Liang, X., Lettenmaier, D. P. y Wood, E. F., 1996: One-dimensional statistical dynamic representation of subgrid spatial variability of precipitation in the two-layer Variable Infiltration Capacity model. J. Geophys. Res., 101 (D16), 21403-21422.         [ Links ]

12. Liang, X., Lettenmaier, D. P., Wood, E. F. y Burges, S. J., 1994: A simple hydrologically based model of land surface water and energy fluxes for GSMs. J. Geophys. Res., 99 (D7), 14415-14428.         [ Links ]

13. Llano, M. P., y Penalba, O., 2010: A climatic analysis of dry sequences in Argentina. Int. J. Climatol., doi: 10.1002/joc.2092.         [ Links ]

14. Lohmann, D., Nolte-Holube, R. y Raschke, E., 1996: A large-scale horizontal routing model to be coupled to land surface parameterization schemes. Tellus, 48A, 708-721.         [ Links ]

15. Lohmann, D., Raschke, E., Nijssen, B. y Lettenmaier, D. P., 1998: Regional scale hydrology: 1. Formulation of the VIC-2L model coupled to a routing scheme. Hydrol. Sci. J., 43, 131-141.         [ Links ]

16. Nijssen, B. N., Lettenmaier, D. P., Liang, X., Wetzel, S. W. y Wood, E. F., 1997: Streamflow simulation for continental-scale river basins. Water Resour. Res., 33, 711-724.         [ Links ]

17. Nogués-Paegle, J., y K. Mo, 1997: Alternating wet and dry conditions over South America during summer. Mon. Wea. Rev., 125, 279-291.         [ Links ]

18. Penalba, O. C. y Vargas, W. M., 2008: Variability of low monthly rainfall in La Plata Basin. Meteorol. Applic., 15, 313-323.         [ Links ]

19. Roeckner, E., Brokopf, R., Esch, M., Giorgetta, M., Hagemann, S., Kornblueh, L., Manzini, E., Schlese, U. y Schulzweida, U., 2006: Sensitivity of simulated climate to horizontal and vertical resolution in the ECHAM5 atmosphere model. J. Clim., 19, 3771-3791.         [ Links ]

20. Salas-Meliá, D., Chauvin, F., Déqué, M., Douville, H., Gueremy, J., Marquet, P., Planton, S., Royer, J. y Tyteca, S., 2005: Description and validation of the CNRM-CM3 global coupled model. CNRM working note 103.         [ Links ]

21. Saurral, R. I., Barros, V. R. y Lettenmaier, D. P., 2008 : Land use impact on the Uruguay River discharge. Geophys. Res. Lett., 35, doi: 10.1029/2008GL033707.         [ Links ]

22. Su, F., Hong, Y. y Lettenmaier, D. P., 2008: Evaluation of TRMM Multisatellite Precipitation Analysis (TMPA) and its utility in hydrologic prediction in the La Plata Basin. J. Hydrometeor., 9, 622-640.         [ Links ]

23. Tossini, L., 1959: Sistema hidrográfico y Cuenca del Río de la Plata. Contribución al estudio de su régimen hidrológico. Anales de la Sociedad Científica Argentina, III y IV, Tomo CLXVII, 41- 64.         [ Links ]

24. Vera, C. S., Vigliarolo P. K., y Berbery E. H., 2002: Cold season synoptic scale waves over subtropical South America. Mon. Wea. Rev., 130, 684-699.         [ Links ]

25. Xie, P. y Arkin, P., 1997: Global precipitation: a 17-year monthly analysis based on gauge observations, satellite estimates, and numerical model outputs. Bull. Amer. Meteor. Soc., 78, 2539-2558.         [ Links ]