ARTICULOS ORIGINALES

Mapas de velocidad media del viento en el centro-este de la provincia de Neuquen

Claudia Palese¹, Jesús M. Gardiol^2† y Jorge L. Lassig¹

¹ Departamento de Mecánica Aplicada (FI-UNC), Neuquén, Arg.
² Departamento de Cs. de la Atmósfera y los Océanos (FCEyN-UBA), Buenos Aires, Arg.

Dirección electrónica: palese@uncoma.edu.ar

Manuscrito recibido el 29 de Marzo de 2010, en su versión final el 18 de Octubre de 2010)

RESUMEN

El objetivo del presente trabajo es generar dos mapas con la distribución de la velocidad media del viento a 10 y 30 metros de altura sobre el suelo. Se utilizó un modelo diagnóstico que satisface la ecuación de conservación de la masa, que trabaja sobre una malla a la que se le superpuso información geofísica en punto de retículo elaborada con datos de sensores remotos. La información de la capa límite atmosférica se obtuvo de modelos atmosféricos. Se usaron datos de viento de superficie y de altura. En el mapa de la velocidad del viento media anual a 10 metros de altura se observa que el área estudiada tiene velocidades entre 4,0 y 5,0 m/s. Los máximos (5,5 a 6,0 m/s) se ubican en zonas donde se exceden los 600 metros snm. En el mapa a 30 metros de altura los máximos tienen velocidades superiores a 6,5 m/s. Se observan diferencias de 0,1 m/s en valor absoluto entre las velocidades medidas y las calculadas por el modelo. Las direcciones de mayor frecuencia e intensidad tienen menor error en los resultados. Los productos obtenidos representan adecuadamente el régimen general de vientos de la zona.

Palabras clave: Viento superficial; Mapa de velocidad media; Campos de viento medio.

Maps of average wind velocity in center-east of the Neuquen province

ABSTRACT

The objective of this work is to produce two maps with the distribution of the average wind speed to 10 and 30 meters above ground level. Was utilized a diagnostic model, that it satisfies the conservation of mass. A mesh is set up throughout the region of interest. It was used remote sensing data to obtain geophysical dates, in each point of the mesh. The atmospheric boundary layer information was obtained of atmospheric models. The calculations of the wind field are carried out with surface data and upper-wind data. In the map of the average velocity of the wind to 10 meters above ground level is observed velocities between 4.0 m/s and 5.0 m/s. The maximums (5.5 to 6.0 m/s) are located where the height exceeds 600 meters above sea level. In the field of the average wind velocity to 30 meters above ground level, the maximums have velocities over 6.5 m/s. Differences of 0.1 m/s (absolute value) are observed between the velocities measures and them calculated by the model. The wind directions of greater frequency and velocity have smaller error. The results obtained of the fields of velocities represent adequately the wind climatic of the zone.

Keywords: Near-surface wind; Maps of average velocity; Wind field.

1. INTRODUCCIÓN

El estado provincial de Neuquén quiere convertir el sistema económico actual de la zona de la meseta al norte de la ciudad de Neuquén, basado en la explotación de petróleo y gas, en un proyecto de desarrollo agroforestal y pecuario, que está orientado a crear nuevas instancias de producción. Con este objetivo, se está construyendo un sistema de riego proyectado a través de un canal que cruzará toda la zona desde el Embalse Mari Menuco hasta la ciudad de Neuquén, que posibilitará este desarrollo a través del abastecimiento de agua potable. La conducción principal del canal tendrá una longitud total de 39.400 m.

El potencial suministro de agua potable a las viviendas de los pobladores rurales y el riego de las parcelas fomentarán la producción de hortalizas y frutales, que mejorará notablemente la dieta de las familias. El proyecto incluye capacitación para la implantación de especies forestales como cortinas rompevientos y la implementación de un vivero.

Una de las condiciones ambientales más importantes que se necesitan conocer es la distribución del viento sobre el terreno, ya que su efecto en el norte patagónico es un factor significativo a tener en cuenta debido a que son afectados la estructura y el funcionamiento de los sistemas fruti-hortícola y forestales. El viento causa transferencia y remoción del suelo por erosión eólica, caída de frutos y rotura de ejemplares frutícolas y forestales, derribamiento durante tempestades, reducción en el rendimiento. Los ejemplares rotos quedan expuestos al ataque de insectos y a contraer enfermedades. El daño producido por el viento implica luego importantes pérdidas económicas.

La susceptibilidad al daño eólico es función de características tales como: especie, órgano, altura, diámetro, densidad, profundidad y anchura arraigadas. Se pueden observar grandes diferencias en el riesgo al daño eólico que dependen de las distintas características topográficas y climáticas.

Los trabajos sobre mapas de vientos generalmente están orientados a la generación de energía eólica pero también fueron utilizados para estudiar los efectos de la acción del viento en zonas naturales y agroforestales (Suárez y otros, 1999; Quine, 2000; Achberger y otros, 2002).

El objetivo de este trabajo es generar mapas con la distribución de la velocidad media del viento a 10 m y 30 m de altura sobre el suelo con un modelo que satisface la ecuación de conservación de la masa.

2. METODOLOGÍA

2.1. Modelo ArgentinaMap

La distribución de la velocidad media del viento cercana al suelo se estudia empleando el modelo ArgentinaMap que es una actualización realizada por el Centro Regional de Energía Eólica -CREE- del programa comercial WindMap™ desarrollado por Brower & Company. El modelo WindMap está basado en el código NOABL (Numerical Objective Analysis of Boundary Layer -Análisis Objetivo de la Capa Límite Atmosférica-) desarrollado en la década del ´70 por el Departamento de Energía de los EE.UU., utilizado para estudios de evaluación del recurso eólico, y subsecuentemente modificado por Brower & Co. (Sherman, 1978, Brower, 1999). El modelo WindMap junto con el modelo MASS (Mesoscale atmospheric simulation model) son los componentes principales del Sistema MesoMap (Brower y otros, 2001; citado en Brower y otros, 2004).

ArgentinaMap es un modelo de diagnóstico, del tipo de interpolación objetiva junto con un conjunto de ecuaciones primitivas que proporciona datos de viento medio de un área. El modelo satisface la ecuación de conservación de la masa o ecuación de continuidad que tiene la siguiente expresión general, asumiendo condiciones estacionarias y fluido incompresible:

El modelo calcula el campo de velocidad del viento, que se desvía la mínima cantidad posible de un campo de viento inicial derivado de datos observados. El ajuste necesario para lograr cero divergencia se determina mediante la resolución iterativa de un conjunto de ecuaciones en derivadas parciales, por el método de elementos finitos. Para ello se establece una malla tridimensional a lo largo de la región de interés y las variables claves se definen en los centros de cada celda de la grilla. El campo de viento se ajusta en cada punto hasta que la di-vergencia se reduce por debajo de un nivel de tolerancia.

Dos factores tienen un gran efecto sobre los resultados de este modelo, y son los cálculos relativos dados por los ajustes horizontales y verticales del campo de viento. En los ajustes horizontales, la velocidad inicial en cada punto de la grilla resulta de interpolar con funciones de punto que ponderan los registros de viento con pesos inversamente proporcionales a la distancia. En los ajustes verticales, el modelo utiliza, en la capa de superficie, un perfil de viento logarítmico que tiene en cuenta la interpolación horizontal previa, la rugosidad aerodinámica de la superficie y la estabilidad de la atmósfera. Por encima de la capa de superficie y hasta el tope de la capa límite atmosférica, el modelo asume una interpolación utilizando el viento geostrófico. En la atmósfera libre el modelo asume una variación lineal dada por el incremento de la velocidad con la altura en esta capa superior.

La actualización realizada en el modelo ArgentinaMap consiste en una ampliación de la cantidad de nodos del grillado en ambas direcciones horizontales, que permite mejorar la resolución espacial; y una ampliación en la cantidad de registros de viento que se pueden ingresar, que posibilita el análisis de períodos más extensos.

Una descripción resumida del modelo se encuentra en Palese (2009). Este modelo fue utilizado para elaborar los mapas eólicos de la provincia de Mendoza (Hualpa y Milani, 2007) y del centro y oeste de Massachussets, EEUU (Potts y otros, 2001).

2.2. Topografía

El dominio de aplicación del modelo abarca desde 38,50° S a 39,05° S y desde 68,75° O a 68,00° O, que corresponde a una malla de 336 nodos en x y 319 nodos en y, que representa una superficie de 60 km x 56 km (3.360 km²) (Figura 1). La resolución espacial horizontal es de 178 m.

Figura 1: Mapa topográfico con leyenda de alturas sobre el nivel medio del mar en metros. Proyección Universal Transverse Mercator (UTM), faja 19 Sur (-19).

Los datos de la elevación del terreno se ingresan a través de archivos en formato raster o vectorial. Los datos orográficos Shuttle Radar Topography Mission (SRTM) se obtuvieron del United State Geological Survey (USGS). Estos tienen una resolución espacial de 90 m (3 segundos de arco), un error en la horizontal de 20 m y en la vertical de 16 m.

La altura mínima de la zona es de 254 m y se encuentra ubicada en El Salitral y la máxima altura es 701 m y está en la Sierra Barrosa. La altura media es de 384 m.

2.3. Rugosidad aerodinámica superficial

El software permite entrar un mapa de longitud de rugosidad (z₀), que tiene que tener idénticas dimensiones y formato que el archivo del mapa topográfico. Dado que de la zona de estudio no hay disponible este tipo de cartografía se confeccionó un mapa de rugosidad aerodinámica superficial. Para ello se utilizó una metodología indirecta (Palese, 2005) que consiste en asociar las rugosidades con el tipo de vegetación o cobertura del suelo que se determinaron utilizando las imágenes ópticas del sensor MMRS/SAC-C del 20 de Diciembre de 2002.

La información satelital fue corregida geométricamente para dotarla de una validez cartográfica y se la calibró radiométricamente, para convertir los niveles digitales a valores de radiancia, y estos a reflectividad con la finalidad de otorgar un significado físico a la información.

La definición del esquema de clasificación se establece en la necesidad de detectar 6 clases (Tabla I). Para la asignación de clases se procesó la imagen satelital mediante una clasificación no supervisada de 3 de las bandas reflectivas basándose exclusivamente en la habilidad del sensor en detectar las firmas espectrales de los distintos tipos de cobertura y usos del suelo.

Tabla I: Asignación de la rugosidad al esquema de clasificación.

Los productos de este tipo de agrupamiento no son las clases informacionales, sino clases espectrales, por lo tanto, se necesitó reclasificar la información obtenida. Dado que las áreas urbanas se confunden con suelo desnudo se procedió a separarlas de la imagen y se las delineó manualmente.

En este trabajo la estimación de la exactitud alcanzada por este mapa temático se realizó comparando el inventario de la clasificación contra áreas de verificación, para construirse luego una matriz de error en donde se resumen los aciertos y desaciertos entre las clases del mapa y del terreno. El muestreo de las áreas test (terreno verdadero) se realizó mediante el método aleatorio simple, utilizándose 10 muestras por cada una de las clases 1, 2, 3 y 5 (Palese, 2009). El error general fue de 11 %, con un intervalo de confianza de 95 %. El Índice de ajuste general kappa, κ, resultó 80 %. Este índice delimita el grado de ajuste debido sólo a la exactitud de la clasificación, prescindiendo del causado por factores aleatorios.

En la Figura 2 se presenta el mapa de rugosidad aerodinámica superficial que se ingresó al modelo de flujo de aire ArgentinaMap.

Figura 2: Mapa temático en el que se distinguen las 6 clases de longitud de rugosidad z₀. Proyección UTM -19.

La longitud de rugosidad z₀ = 0,05 m ocupa 76,4 % del área; las superficies menos rugosas de z₀ = 0,0009 m ocupan 7,8 %; y las más rugosas con z₀ = 1,0 m 1,7 % de la superficie estudiada. El valle cultivado ocupa 9,4 % y su z₀ se estimó en 0,8 m.

2.4. Viento de estaciones de superficie

Los datos de dirección y velocidad del viento utilizados provienen de varias fuentes. En la Tabla II se presentan las estaciones de medición utilizadas, altura de los sensores, ubicación geográfica y fuente. Se realizó el relevamiento de las estaciones meteorológicas para comprobar y obtener una descripción a campo de la instalación de los anemómetros, distancia de los mismos a los obstáculos más cercanos, altura de dichos obstáculos, etc. Se comprobó que el área que los circunda es despejada de obstáculos y tienen una buena exposición a los vientos predominantes de la zona. El control de calidad de los datos fue una etapa importante en la elaboración de la información a incluir en el modelo.

Tabla II: Ubicación de las estaciones de medición de viento de superficie, altura sobre el terreno del sensor e intervalo de medición.

En las series analizadas, las características del comportamiento del viento se ven reflejadas de manera similar que en la serie climática de Neuquén Aero (décadas 1961-1970, 1971-1980 y 1981-1990), las menores intensidades del viento ocurren en otoño mientras que las mayores en primavera-verano; y las calmas tienen una frecuencia máxima de ocurrencia en el otoño y un mínimo en primavera. Los vientos del NO son más frecuentes en otoño e invierno y los del SO en primavera y verano.

En las Figuras 3 a 5 se presentan las distribuciones de frecuencia anual de la velocidad media a las que se les superpuso la función de densidad de probabilidad de Weibull (f(v)), que tiene la siguiente expresión:

donde v es la velocidad media del viento, c es el parámetro de escala y k es el parámetro de forma. Esta distribución se utiliza para describir series de datos de velocidad del viento (Lassig y otros, 1999). Dado que las series difieren en la cantidad de datos debido a que tienen distintos períodos e intervalos de medición, y además, las mediciones corresponden a diferentes alturas sobre el nivel del mar y del sensor sobre el nivel del suelo, no se realiza una intercomparación entre ellas, sino que se muestra la concordancia con el comportamiento esperado para la zona. Neuquén Aero (Figura 3, izq.) presenta un máximo de ocurrencias en 2,0 m/s, Capex (Figura 4, izq.) tiene sus máximas frecuencias de ocurrencia entre 2,0 m/s y 3,0 m/s, y Mari Menuco (Figura 5, izq.) tiene máximas frecuencias entre 3,0 m/s y 4,0 m/s.

Figura 3: (Izq.) Distribución de frecuencia anual (%) de la velocidad media del viento. v med es la velocidad media anual sin considerar las calmas, k y c son los parámetros de la distribución de Weibull. (Der.) Distribución de frecuencias anual de direcciones del viento (en barras) y de la velocidad media del viento por dirección (en líneas). Ambas al nivel del sensor en Neuquén Aero (10 m de altura sobre el suelo).

Figura 4: Ídem Fig. 3 al nivel del sensor en Aguada del Cajón -Capex- (2,5 m de altura sobre el suelo).

Figura 5: Ídem Fig. 3 al nivel del sensor en Mari Menuco (4 m de altura sobre el suelo).

En Neuquén Aero (Figura 3, der.) la dirección más frecuente es el OSO y tiene la mayor velocidad media por dirección (4,5 m/s). Capex - Agua del Cajón -(Figura 4, der.) exhibe la mayor frecuencia en el OSO mientras que las mayores velocidades son del SSO con 5,8 m/s. En Mari Menuco (Figura 5, der.) las direcciones más frecuentes (SSE, OSO) no coinciden con la dirección de mayor intensidad asociada que es el O con 6,6 m/s.

En la Tabla III se muestran medidas estadísticas descriptivas de los datos de velocidad del viento a la altura de los sensores.

Tabla III: Velocidad media del viento (v), desviación estándar (S), velocidad máxima (v x), porcentaje de calmas y parámetros de forma (k) y de escala (c) de la distribución de Weibull, a la altura de medición.

2.5. Vientos de altura

Los vientos de altura (dirección e intensidad del viento geostrófico) se utilizan para calcular el campo inicial de vientos a lo largo del dominio del modelo desde el tope de la capa límite atmosférica hasta el nivel con dato de viento geostrófico más bajo ingresado, asumiendo una variación lineal dada por el incremento de la velocidad con la altura en la atmósfera libre superior. También entre el tope de la capa de superficie y el tope de la capa límite atmosférica el modelo asume una interpolación utilizando el viento geostrófico.

Se usaron los datos del sistema Global Data Assimilation System (GDAS/NOAA) dado que no se contó con series de datos aerológicos de los sondeos que realiza el SMN en Neuquén Aero. Se recopilaron 5 años de información (Abr/2000 a Mar/2005), de las 3, 9, 15 y 21 hora oficial argentina de las coordenadas geográficas correspondientes a Neuquén Aero.

Los niveles de presión utilizados fueron 850 hPa que tiene una altura media de 1.490 metros; 700 hPa cuya altura media es de 3.072 metros; y 500 hPa con una altura media de 5.685 metros, todas referidas al nivel medio del mar. En la Tabla IV se observan las principales características de los vientos de altura, en los tres niveles de presión los vientos predominan del Oeste.

Tabla IV: Velocidad media (v), velocidades más frecuentes, dirección predominante y dirección del viento con mayor velocidad media de los vientos de altura en Neuquén Aero.

2.6. Estructura de la capa límite atmosférica

El modelo permite incorporar algunas parametrizaciones de la estructura y comportamiento de la capa límite atmosférica con valores calculados localmente, que los toma como constantes a lo largo del dominio. En este estudio se utilizaron los datos del sistema GDAS del año 2004 , de las 3, 9, 15 y 21 hora oficial argentina, de las coordenadas geográficas correspondientes a Neuquén Aero, aunque no están asociadas en el modelo ArgentinaMap a una posición (X, Y) de la malla.

Del análisis de estos datos se estableció que la capa límite atmosférica tiene, en promedio anual, un espesor de 693 metros. La capa de superficie tiene una profundidad de 180 metros.

La estabilidad atmosférica caracterizada con la longitud de Obukhov (L) se estimó en forma indirecta (Palese, 2006) mediante una expresión que la relaciona con las clases de estabilidad de Pasquill y con la longitud de rugosidad. Los casos cercanos a la neutralidad tienen una frecuencia de ocurrencia anual de 60,7 %.

3. RESULTADOS

3.1. Mapas de viento

El campo de velocidad del viento media anual a 10 metros de altura sobre el suelo calculado por el modelo se observa en la Figura 6 en la que, al igual que en la Figura siguiente, se ha enmascarado la zona que no corresponde al territorio de la Provincia de Neuquén. El rango de velocidades está comprendido entre 2,7 m/s, ubicado en las zonas más bajas y rugosas, y 6,0 m/s en áreas de mayor elevación y menos rugosas. Se aprecia que en la zona del valle cultivado las velocidades son menores a 3,5 m/s.

Figura 6: Velocidad media anual del viento (en m/s) a 10 metros de altura. Proyección UTM -19.

El mayor porcentaje del área estudiada tiene velocidades entre 4,0 m/s y 5,0 m/s. Los máximos, entre 5,5 y 6,0 m/s, se ubican en las zonas donde la altura excede 600 metros snmm.

En la Figura 7 se observa el campo de la velocidad media del viento a 30 metros de altura sobre el suelo. Este campo de viento fue calculado a un nivel que sobrepasa la altura media de los árboles más altos, que se utilizan en la región como cortinas rompevientos. Las velocidades calculadas son mayores que 3,9 m/s y menores que 6,8 m/s. El mayor porcentaje del área estudiada tiene velocidades entre 5,0 m/s y 6,0 m/s. Los máximos se ubican en las mismas posiciones que en el mapa a 10 metros de altura.

Figura 7: Velocidad media anual del viento (en m/s) a 30 metros de altura. Proyección UTM -19.

3.2. Análisis del ajuste

El análisis del ajuste logrado por el modelo se realiza a través del cálculo de diferencias entre los datos medidos y los calculados. En la Tabla V se presentan dichas diferencias y se han resaltado las de mayor valor absoluto.

Tabla V: Velocidad media anual (m/s) observada y estimada usando ArgentinaMap, por dirección y al nivel de la medición de cada estación y diferencias (v modelada - v observada).

En Neuquén Aero el modelo proporciona un buen ajuste entre los datos medidos y modelados. La dirección en la que ocurre mayor diferencia es 300º, con 0.6 m/s. Sin embargo, la dirección de mayor velocidad media y frecuencia de ocurrencia anual, 240º, fue modelada satisfactoriamente. El modelo sobreestima la velocidad media anual salvo en los sectores ESE (120 º) y O (270 º).

En Capex las diferencias son mayores que en Neuquén Aero. Desde el SSE al SO es subestimado y el sector NO es sobreestimado por el modelo, justamente en 330º es donde se produce la mayor diferencia, que es de 1,7 m/s. No obstante, los vientos de mayor frecuencia anual en esta estación son de los 240º, y en este caso el modelo subestima la medición en -0,3 m/s. De las tres estaciones de medición es en la que se producen las diferencias más importantes.

En Mari Menuco los vientos más frecuentes, en el año, son desde 150º y 240º, en estas direcciones el modelo sobreestima y subestima el valor de la velocidad media anual en 0,1 m/s, respectivamente. Desde el SSE hasta el SSO pasando por el S el modelo sobreestima la medición en 0,1 m/s. Las diferencias más grandes se dan en el E, -1,0 m/s, y en el O, -1,2 m/s.

La velocidad media anual del viento, teniendo en cuenta todas las direcciones, es adecuadamente modelada puesto que se observan diferencias de 0,1 m/s en valor absoluto, Neuquén Aero es sobreestimada y las otras dos estaciones son subestimadas. Con los errores porcentuales calculados entre los valores de velocidad modelados y los medidos, que se produjeron en cada dirección y en cada estación se calcularon las frecuencias de ocurrencia de errores con la finalidad de poder comparar los resultados. La Tabla VI contiene la distribución de frecuencias absolutas del error porcentual. Se aprecia que los errores porcentuales más frecuentes son menores o iguales a 10 %. En Neuquén Aero una sola dirección tiene un error porcentual mayor a 20 %, en Capex son cuatro las direcciones en la que se supera este porcentaje y en Mari Menuco cinco direcciones. El error general, es decir, considerando todas las estaciones y todas las direcciones, es 14,8 %. El error general en cada estación es: en Neuquén Aero 8,6 %, en Capex 18,2 % y en Mari Menuco 17,4 %. Estos valores concuerdan con los mencionados en Potts y otros (2001).

Tabla VI: Distribución de frecuencias del valor absoluto del error porcentual.

En la valoración del ajuste también se utiliza el error cuadrático medio (RMSE) y el error medio debido a que estos estadísticos permiten medir la precisión de la modelación (Jorba i Casellas, 2005). El RMSE proporciona la medida de las diferencias en promedio entre los valores modelados y los observados. El error medio da información sobre la tendencia del modelo a sobreestimar o subestimar la velocidad media y cuantifica el error sistemático. En la Tabla VII se presentan los resultados de estos estadísticos por dirección y el total. Se observa que las direcciones de mayor error son 300 º y 330 º, que son dos direcciones que tiene baja frecuencia de ocurrencia. Opuestamente, el menor error se produce en la dirección de mayor ocurrencia en la región, 240 º. Los valores de error medio indican que en general y en la mayoría de las direcciones el modelo tiende a subestimar las mediciones. En el NO se producen las mayores diferencias y son positivas.

Tabla VII: RMSE y error medio por dirección.

La relación lineal entre las velocidades medias anuales observadas y las modeladas, por dirección se muestran en la Figura 8. Se advierte poca dispersión de la nube de puntos correspondientes a Neuquén Aero, mientras que Capex presenta la mayor dispersión. El coeficiente de correlación, R2, es 0,8843 en Neuquén Aero, 0,5703 en Agua del Cajón (Capex) y 0,886 en Mari Menuco.

Figura 8: Velocidad media anual observada vs. velocidad media anual modelada por dirección, a la altura de medición y ajuste lineal.

4. DISCUSIÓN Y CONCLUSIONES

Se han presentado la metodología y los resultados del trabajo de analizar series cortas de viento y cartografiar el campo de velocidades del viento en niveles cercanos a la superficie (10 m y 30 m de altura sobre el suelo) con el modelo de flujo de aire ArgentinaMap, que satisface la ecuación de conservación de la masa.

La velocidad media anual del viento es adecuadamente modelada puesto que se observan diferencias de 0,1 m/s en valor absoluto, Neuquén Aero es sobreestimada y las otras dos estaciones son subestimadas. El análisis detallado, por estación de medición y por dirección del viento, del error relativo porcentual muestra valores menores a 10 % como los más frecuentes. Neuquén Aero, considerando todas las direcciones, presenta menor error, 8,6 %, respecto de las otras dos estaciones, (Capex, 18,2 %; Mari Menuco, 17,4%). Este hecho se debe, probablemente a que la serie de datos es la de mayor extensión (10 años) y a que el sensor está a 10 m de altura, condiciones que hacen que sea la estación más representativa. El modelo ArgentinaMap (WindMap) fue creado con la finalidad de realizar estudios de evaluación del recurso eólico. En este tipo de estudios se producen mapas generalmente a más de 50 m de altura sobre el suelo, las estimaciones que realiza el modelo por debajo de 10 m de altura presentan mayor error. Este hecho se debe probablemente a que el modelo utiliza una función potencial del campo de velocidades para lograr el campo no divergente y esta función luego es corregida para tener en cuenta la desviación respecto a las condiciones de estabilidad neutral y los efectos del terreno. Los errores que presentan Capex (medición a 2,5 m) y Mari Menuco (medición a 4 m) son más altos puesto que sus mediciones están hechas a baja altura.

Por otra parte, la baja correlación encontrada entre la velocidad modelada y la medida en Capex se puede deber a un efecto topográfico puesto que el sensor está ubicado en una torre de medición, a 2,5 m de altura sobre el suelo, en el borde de una barda con un salto tipo escalón de 12 m de altura. Esta discontinuidad abrupta del terreno produce un efecto en la intensidad del viento que el modelo tiene dificultad de representar, dada la resolución espa-cial del mapa topográfico que es de 178 m y las funciones de interpolación que utiliza el modelo.

El error cometido en las estimaciones efectuadas en este trabajo tienen un nivel similar al informado en otros trabajos (Potts y otros, 2001).

Los resultados obtenidos demuestran que el modelo empleado es una herramienta adecuada para calcular el campo de velocidades, en la zona de estudio cuya topografía es algo compleja (cerros hasta 700 m, mesetas y valles).

Los resultados obtenidos de los campos de velocidades podrían mejorarse utilizando series climáticas de viento en Capex y Mari Menuco. Una de las herramientas utilizadas para lograr este objetivo es el método MCP (Medición Correlación Predicción) descrito en Rogers y otros (2005).

No obstante, los resultados encontrados en este trabajo constituyen una buena aproximación al patrón climático de viento, debido a que se ha incorporado a los cálculos 10 años de datos horarios de una estación (Neuquén Aero), además, las otras series si bien son de períodos más cortos, representan adecuadamente el régimen general de vientos de la zona.

Los mapas realizados se pueden aplicar en la caracterización de algunos aspectos de los principales factores eólicos adversos para un desarrollo agroforestal en el centro-este de la Provincia de Neuquén, por ejemplo, pueden emplearse para calcular el grado de erosividad y, distinguir zonas con mayor exposición que otras, ya sea en promedio (Palese, 2009) y por cada dirección del viento. También es posible realizar el cálculo de la distribución de los vientos extremos en el área que ocasionarían daños, con importantes pérdidas económicas, como volcadura o rotura de ramas de ejemplares frutales como forestales, o problemas en la polinización.

Agradecimientos: al Prof. Dr. Héctor F. Mattio (Centro Regional de Energía Eólica -CREE-) por su guía en el uso del modelo. Los datos de viento de superficie fueron provistos por La Universidad Nacional del Comahue, el Servicio Meteorológico Nacional, y la empresa Capex, a través de gestiones realizadas por el Ente Provincial de Energía del Neuquén -EPEN-. Los datos de viento de altura y los requeridos para los cálculos de capa límite atmosférica se obtuvieron del NOAA Air Resources Laboratory a través de su página Web. Agradecemos a los revisores por las sugerencias y comentarios aportados que ayudaron a mejorar el manuscrito. El estimado colega Prof. Dr. Jesús María Gardiol falleció luego de la elaboración de este trabajo.

REFERENCIAS

1. Achberger, C., Ekström, M. y Bärring, L., 2002. Estimation of local near-surface wind conditions-a comparison of WASP and regression based techniques. Meteorol. Appl. 9, 211-221.         [ Links ]

2. Brower, M.C., 1999. Validation of the WindMap model and development of MesoMap. Actas Windpower 1999, American Wind Energy Association, Washington DC.         [ Links ]

3. Brower, M.C.; Bailey, B. y Zack, J., 2001. Application and validation of the MesoMap System in different climatic regimes. Actas Windpower 2001, American Wind Energy Association, Washington DC.         [ Links ]

4. Brower, M.C.; Zack, J.; Bailey, B.; Schwartz, M.N. y Elliott, D.L., 2004. Mesoscale modeling as a tool for wind resource assessment and mapping. Actas 14^th Conference on Applied Climatology, Seattle, Washington State. USA.         [ Links ]

5. Hualpa, F. y Milani, F., 2007. Mapa eólico de la Provincia de Mendoza, Informe Técnico Proyecto J-046, Universidad Tecnológica Nacional, Facultad Regional Mendoza, 60 pág.         [ Links ]

6. Jorba i Casellas, O., 2005. Simulación de los campos de viento de la Península Ibérica y el área geográfica de Catalunya con alta resolución espacial para distintas situaciones meteorológicas típicas. Tesis Doctoral Universidad Politécnica de Cataluña.         [ Links ]

7. Lässig, J.L., Cogliati, M.G., Bastanski, M.A. y Palese, C., 1999. Wind characteristics in Neuquén, North Patagonia, Argentina, J. of Wind Engineering and Industrial Aerodynamics, 79, 183-199.         [ Links ]

8. Palese, C., 2005. Longitud de rugosidad aerodinámica estimada de datos MMRS/SAC-C del Departamento Confluencia (Provincia de Neuquén). Primera aproximación, Anales IX Congreso Argentino de Meteorología, CCC-16, Bs.As. OCT/2005         [ Links ]

9. Palese, C., 2006. Estimación de las condiciones de estabilidad atmosférica en el Departamento de Zapala de la Provincia de Neuquén, Actas en CD de la XI Reunión Argentina de Agrometeorología, SET/2006, La Plata.         [ Links ]

10. Palese, C., 2009. Campo de viento en el centro-este de la Provincia de Neuquén, Tesis de Magíster, FCEyN, Universidad de Buenos Aires, Buenos Aires.         [ Links ]

11. Potts J.R., Pierson S.W., Mathisen P.P., Hamel J.R. y Babau V.C., 2001. Wind energy resource assessment of western and central Massachusetts. Actas American Institute of Aeronautics and Astronautics, AIAA-2001-0060, 11pág.         [ Links ]

12. Quine, C.P., 2000. Estimation of mean wind climate and probability of strong winds for wind risk assessment. Forestry, 73 (3), 247-258.         [ Links ]

13. Rogers, A.L. y Rogers, J.W., 2005. Comparison of the performance of four Measure-Correlate-Predict algotithms. J Wind Eng. and Ind. Aerodyn., 93, 243-264.         [ Links ]

14. Sherman, C.A., 1978. A Mass-Consistent Model for Wind Fields over Complex Terrain, J. Applied Meteorology, 98, 875-883.         [ Links ]

15. Suárez, J.C., Gardiner, B.A., Quine, Q.P., 1999. A comparison of three methods for predicting wind speeds in complex forested terrain. Meteorol. Appl. 6, 329-342.         [ Links ]