SciELO - Scientific Electronic Library Online

 
vol.35 número2Variabilidad interanual a interdecádica de la precipitación en Patagonia norteRespuesta de geófonos a campos electromagnéticos índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • En proceso de indezaciónCitado por Google
  • No hay articulos similaresSimilares en SciELO
  • En proceso de indezaciónSimilares en Google

Bookmark


Geoacta

versión On-line ISSN 1852-7744

Geoacta vol.35 no.2 Ciudad Autónoma de Buenos Aires ago./dic. 2010

 

ARTÍCULOS ORIGINALES

Variabilidad temporal de la precipitación en la ciudad de La Plata durante el período 1909-2007: tendencia y fluctuaciones cuasiperiódicas

 

Pablo L. Antico1,2 y Nora C. Sabbione1

1Departamento de Sismología e Información Meteorológica, Facultad de Ciencias Astronómicas y Geofísicas, Universidad Nacional de La Plata. pantico@fcaglp.unlp.edu.ar, nora@fcaglp.unlp.edu.ar Paseo del Bosque s/n, 1900 La Plata, Provincia de Buenos Aires
2Consejo Nacional de Investigaciones Científicas y Técnicas

 


RESUMEN

La variabilidad de la serie temporal de totales mensuales de precipitación de la estación meteorológica La Plata Observatorio es analizada mediante la técnica conocida como SSA (del inglés, Singular Spectrum Analysis) durante el período 1909-2007. Los resultados muestran oscilaciones con períodos dominantes de 4-5 años y otra menor de ~3 años. También se detecta una tendencia creciente que se acentúa durante la segunda mitad del período. Existen también oscilaciones con períodos de 7-8 años, aunque no resultan estadísticamente significativas. El análisis de las series de precipitación por semestres y trimestres muestra que las oscilaciones de 3-5 años aún persisten durante todo el año. En cambio, la tendencia corresponde solamente al semestre cálido. Se calculan coeficientes de correlación lineal entre las series de precipitación y las del Índice de la Oscilación del Sur (SOI). En particular, los resultados indican que, durante los eventos El Niño (La Niña) la precipitación tiende a ser mayor (menor) que el promedio durante octubre-marzo. La relación mejor definida ocurre entre los totales de octubre-diciembre y el valor del SOI durante julio-septiembre del mismo año.

Palabras clave: Precipitación; SSA; ENOS; Variabilidad Climática; La Plata.

ABSTRACT

The variability of the time series of monthly precipitation totals of La Plata Observatorio is analyzed for the period 1909-2007. The analysis is performed with a technique known as Singular Spectrum Analysis (SSA). Results show oscillations with a dominant 4-5-year period and another one with ~3- year period. An increasing trend is also detected, particularly during the second half of the analyzed period. There are also oscillations with 7-8-year period, although they are not statistically significative. An analysis of seasonal and half-year precipitation series also exhibits oscillations with a 3-5-year dominant period. On the other hand, the trend only persists during the warmer season. Linear correlation coefficients are computed between precipitation and Southern Oscillation Index series (SOI). In particular, results suggest that precipitation tends to be higher (lower) than average during October-March after the onset of El Niño (La Niña). The most robust correlation occurs between October-December precipitation totals and the previous July-September SOI average.

Keywords: Precipitation; SSA; ENSO; Climatic Variability; La Plata.


 

INTRODUCCIÓN

Los totales mensuales de precipitación en La Plata están afectados de manera significativa por fluctuaciones casi periódicas en el rango de 2 a 5 años, al menos durante el período 1938-2001 (Antico y Sabbione, 2005). Esta escala de tiempo corresponde al fenómeno de El Niño/Oscilación del Sur (ENOS), la cual ejerce influencias sobre las anomalías de precipitación en la región (Antico, 2009; Almeira y Scian, 2006; Boulanger et al., 2005; Silvestri, 2005, 2004; Grimm et al., 2000, 1998; Krepper et al., 1989; Ropelewski y Halpert, 1989, 1987; entre otros). Por otro lado, también existetendencias a largo plazo (Minetti et al., 2003; Castañeda y Barros, 2004; Minetti y Vargas, 1998; Hoffmann et al., 1987), las cuales se manifiestan en particular durante los meses más cálidos, y en especial a partir de la década de 1950 (Nauman et al., 2009; Antico y Sabbione, 2005; Boulanger et al., 2005).
En el presente estudio se extiende el análisis iniciado por Antico y Sabbione (2005) a la serie histórica de precipitación de la misma estación, abarcando ahora un período de 99 años que se inicia a comienzos del siglo XX. Se aplica la misma metodología, basada en un análisis espectral teniendo en cuenta la significancia estadística de los resultados obtenidos, tanto para la serie de totales anuales como trimestrales. En la última parte del trabajo, previa a las conclusiones, se compara el comportamiento de la precipitación en la escala de tiempo de un año a otro con las fases del fenómeno ENOS.
La principal contribución de este trabajo consiste en reafirmar, a lo largo del período 1909-2007, algunos de los resultados obtenidos por Antico y Sabbione (2005) para el período reciente de 1938- 2001, acerca de las fluctuaciones cuasiperiódicas y tendencias de la precipitación en La Plata. En los resultados también se describe el carácter de la relación existente entre las anomalías de precipitación y el estado del fenómeno ENOS.

DATOS

Los datos de precipitación consisten en totales mensuales calculados a partir de registros pluviométricos diarios de la estación meteorológica La Plata Observatorio durante el período 1909- 2007. Previamente a su utilización, los datos fueron sometidos a un control de calidad siguiendo las pautas recomendadas en OMM (1990). Durante el período descripto, la ubicación de los sucesivos pluviógrafos y pluviómetros se mantuvo prácticamente inalterada dentro del predio de la estación. En cambio, las alteraciones en el medio ambiente (por ej., el crecimiento urbano) podrían ser una fuente de error en las observaciones que hasta el momento no ha sido cuantificada, debido principalmente a la falta de información objetiva al respecto.
Para estudiar la relación entre la precipitación y el estado del fenómeno de El Niño/Oscilación del Sur, se utilizan series mensuales del Índice de la Oscilación del Sur (SOI, del inglés Southern Oscilation Index) también para el período 1909-2007. Estas últimas fueron obtenidas del Bureau of Meteorology de Australia a través de su sitio en Internet (http://www.bom.gov.au/).

METODOLOGÍA

El análisis de espectro singular (SSA, del inglés Singular-Spectrum Analysis) consiste en un análisis espectral aplicado a series temporales que permite descomponer a la misma en oscilaciones y tendencias. El objetivo consiste en detectar señales sobre la base de un espectro dominado por el ruido, tal como suele ocurrir con las series de datos meteorológicos. El método se basa en la construcción de componentes principales pero en la dimensión temporal en lugar de la espacial (Vautard y Ghil, 1989).
Para aplicar el SSA se utilizó un conjunto de programas de libre acceso descriptos por Ghil et al. (2002) (http://www.atmos.ucla.edu/tcd/ssa/). En primer lugar se introduce a la serie temporal original { x(t) : t = 1,…, N } en un espacio vectorial de dimensión M considerando M copias desfasadas { x(t- j) : j = 1,…, M }. El valor M, denominado ventana espectral y expresado en las unidades de tiempo de la serie de datos, debe ser mayor que el período de la oscilación motivo del estudio y menor que el tiempo durante el cual se manifiesta la oscilación. En este trabajo, se tomó como referencia el valor de M ≤ N/5 sugerido por Vautard et al. (1992). Luego se construye la matriz de autocovarianza M × M, en este caso mediante el método sugerido por Vautard y Ghil (1989), se diagonaliza y se obtienen los autovalores { λk : 1 ≤ k ≤ M }. Cada uno de los λk representa la varianza de la serie temporal en la dirección especificada por el correspondiente autovector Ek. Las raíces cuadradas de los λk se denominan valores singulares y el conjunto { ( λk ½, Ek ) : 1 ≤ k ≤ M } espectro singular. A los Ek se los denomina EOFs (del inglés, empirical orthogonal functions), por su analogía con el análisis de componentes principales aplicado en el dominio espacial.
Una vez obtenido el espectro singular de la serie temporal, es posible construir otras series denominadas componentes principales (PCs, del inglés Principal Components) que representan la proyección de la serie de datos original sobre cada uno de los EOFs. La suma del espectro de potencia de los PCs es igual a la suma del espectro de potencia de la serie original x(t) (Vautard et al., 1992),haciendo posible el análisis por separado de la contribución espectral de varios componentes a la varianza total de la serie original.
A partir de los EOFs es posible reconstruir la serie de tiempo original x(t) de longitud N según la técnica descripta por Vautard et al.(1992), mediante series de tiempo también de longitud N denominadas componentes reconstruidas (RCs, del inglés Reconstructed Components). Éstas poseen la importante propiedad de conservar la fase de la serie original lo cual permite la superposición con esta última. Se denomina k-ésima RC, o xk(t), a la componente reconstruida exclusivamente a partir de los elementos de la k-ésima EOF (Ek), de manera que la serie original puede reconstruirse por completo mediante la suma de todas las xk(t), con k = 1,…, M.
Al analizar el espectro singular de una serie de tiempo, se observa en general que unos pocos valores singulares destacan con respecto a una meseta que corresponde al ruido blanco de la serie. Este conjunto reducido de valores singulares, representa a los PCs que contienen la señal de la serie de datos original. Esto significa que, para optimizar la relación señal-ruido, basta considerar un número apropiado de componentes reconstruidas S < M. En este trabajo, para determinar el número apropiado S se utilizó la técnica descripta por Allen y Smith (1996) basada en las aproximaciones de Monte- Carlo, utilizando 1000 realizaciones y tomando la hipótesis nula de ruido blanco. De esa manera se logran aislar pares de RCs que representan oscilaciones con pseudo-períodos y tendencias con respecto a aquellas que solo forman parte del ruido de la serie (Vautard et al., 1992).

DISCUSIÓN DE RESULTADOS

SSA aplicado a las series de precipitación
En la Tabla 1a se muestran las componentes detectadas por el SSA utilizando M = 25 años, junto con su período dominante y porcentaje de la varianza total explicada. En negritas se indican aquellos pares de componentes cuyos valores singulares, λk, tienen niveles de significancia de por lo menos 95%. En la serie de precipitación anual el SSA detecta una oscilación significativa con un período entre 4 y 5 años con más del 15% de la varianza (Tabla 1a). Aunque sin significancia, el método también detecta una tendencia y una oscilación de 7-8 años. Similares resultados se obtienen con M = 15 y 20 (en las tablas se muestran únicamente resultados para M = 25, salvo excepción). A fin de potenciar la señal en la escala de tiempo interanual, se reconstruye la serie de precipitación anual utilizando las RCs del SSA con M = 25, pero excluyendo las componentes asociadas con la tendencia y la oscilación de 7-8 años. La serie residual reconstruida es sometida nuevamente al SSA pero en este caso se utiliza una ventana espectral M = 10 a fin de potenciar la significancia estadística de los λk resultantes (Tabla 1b).

Tabla 1a Modos dominantes de oscilación detectados por el SSA con M = 25 años en las series de precipitación anual (ene-dic) y semestral (oct-mar y abr-sep) de La Plata Observatorio durante el período 1909-2007. En negritas se indican los componentes con niveles de significancia del 95% o mayores.

Tabla 1b Modos dominantes de oscilación detectados por el SSA con M = 10 en las serie residuales de precipitación anual y semestrales de La Plata Observatorio durante el período 1909-2007.

Se observa que la serie residual sigue estando dominada por una oscilación de 4-5 años, que explica más del 24% de la varianza. Los resultados también muestran una oscilación de aproximadamente 3 años aunque no es significativa. En la reconstrucción parcial con las RCs[3 4 5 16] (Fig. 1), se observa el incremento de la tendencia a principios de los años '50. En la Figura 2, se muestra la serie residual reconstruida únicamente con los RC's[1 2] con período dominante de ~4 años y la serie original reconstruida sin la tendencia.


Figura 1 Serie de precipitación anual y reconstrucción parcial mediante componentes obtenidas a partir del SSA con M = 25 años.


Figura 2 Serie de precipitación anual sin la tendencia y reconstrucción parcial mediante componentes obtenidas a partir del SSA con M = 10 aplicado a la serie residual.

La precipitación en La Plata, cuya media anual es de 1039 mm (período 1909-2007), se distribuye en forma relativamente homogénea a lo largo del año. Sin embargo, existe una onda anual con el máximo durante el semestre cálido octubre-marzo, y además una onda semianual con máximos en octubre y marzo (Antico y Sabbione, 2005). Teniendo en cuenta este régimen, a partir de la serie de totales mensuales se construyen series de precipitación semestral para octubre-marzo (semestre cálido) y abril-septiembre (semestre frío). La precipitación del semestre cálido está dominanda por una tendencia significativa, que se acentúa a partir de los años '50 (Tabla 1a y Fig. 3). En segundo lugar, el SSA detecta una oscilación también significativa, con un período dominante de ~ 4 años. La oscilación con período cercano a los 3 años, aunque sin poseer significancia, también se manifiesta al aplicar el SSA con M = 15 y 20, al igual que la tendencia y la oscilación de 4 años. En este caso la serie residual consiste en la reconstrucción excluyendo a las RCs[1 10] (Tabla 1b y Fig. 4). El resultado del SSA aplicado a esta última con M = 10 fortalece a la oscilación de 4 años, que ahora explica más del 22% de la varianza, y se amplifica durante la segunda mitad del período analizado. En cambio, la oscilación cercana a los 3 años carece de significancia estadística y explica menos del 10% de la varianza total.


Figura 3 Serie de precipitación del semestre octubre-marzo y reconstrucción parcial mediante componentes obtenidas a partir del SSA con M = 25 años.


Figura 4 Serie de precipitación del semestre octubre-marzo sin la tendencia y reconstrucción parcial mediante componentes obtenidas a partir del SSA con M = 10 aplicado a la serie residual.

Durante el semestre frío, el SSA no detecta tendencia alguna (Tabla 1a). La única oscilación significativa explica poco más del 10% de la varianza y tiene un período dominante de ~3 años. Si bien el método identifica otros pares oscilatorios, además de no tener significancia, la varianza de sus EOFs asociados en conjunto no logra explicar el 10% de la varianza total de la serie (no aparecen en la tabla). Además, estos últimos no aparecen al aplicar el SSA con M = 15 y 20.
Durante enero-marzo, la precipitación está dominada por una tendencia creciente que explica poco más del 8% de la varianza total (Tabla 2a). La oscilación de 9 años, si bien no posee significancia estadística y representa tan solo el 1% de la varianza, aún persiste al considerar M = 25, pero no así con M = 15. Al aplicar el SSA con M = 10 años a la serie residual (todas las RCs menos RC[1]) surge una oscilación dominante con período ~3 años que explica más del 16 % de la varianza, y otra también significativa con un período de 6 años y poco menos del 10% de la varianza (Tabla 2b).

Tabla 2 a Modos dominantes de oscilación detectados por el SSA con M = 20 años en las series de precipitación trimestral (ene-mar, abr-jun, jul-sep y oct-dic) de La Plata Observatorio durante el período 1909-2007. En negritas se indican los componentes con niveles de significancia del 95% o mayores.

Tabla 2b Modos dominantes de oscilación detectados por el SSA con M = 10 en las series residuales de precipitación trimestral de La Plata Observatorio durante el período 1909-2007.

En el caso de la precipitación de octubre - diciembre, se muestran los resultados del SSA con M = 25 debido a las mayores significancias estadísticas para este caso (Tabla 2a). La tendencia aún persiste en esta época del año, explicando cerca del 8% de la varianza, aunque no posee significancia. En cambio, la oscilación de ~4 años además de ser significativa explica más del 12% de la varianza. Existe también un par oscilatorio con un período dominante de casi 8 años con el 7,7% de la varianza total de la serie, aunque no posee significancia y ni aparece en el análisis con M = 15. Se construye de todas formas la serie residual para octubre - diciembre, restando a la serie original las RCs[3 4 5 8]. La oscilación de 4 años pasa a dominar el espectro con más del 19% de la varianza total explicada (Tabla 2b).
Los trimestres comprendidos en el semestre frío se caracterizan por no presentar tendencia alguna (Tabla 2a). En abril-junio, la precipitación está afectada por una oscilación de ~3 años y también por otra de 7-8 años, aunque esta última sin tener significancia y con menos del 10% de la varianza. Los resultados son similares al tomar M = 15 y 25. Durante julio-septiembre, persiste aún con M = 15 y 25 una oscilación de 4-5 años con significancia y más del 15% de la varianza. Dado que no se han detectado tendencias ni oscilaciones de baja frecuencia, al igual que en la serie del semestre frío, en los dos últimos trimestres tampoco fue necesario construir series residuales.

Relación con el ENOS
El fenómeno ENOS se manifiesta con una periodicidad que oscila entre 2 y 5 años. Los resultados obtenidos en nuestro estudio indican la existencia de una periodicidad similar en la serie de anomalías de precipitación. Entonces, es probable que la variabilidad de la precipitación en La Plata en esta escala de tiempo responda a la variabilidad del ENOS. Para determinar el carácter de la relación subyacente, se calculan índices de correlación lineal entre las series reconstruidas de las anomalías de precipitación y las correspondientes series del SOI. Previamente, a cada una de las series de tiempo se les sustrajo la tendencia, lineal para las series del SOI, y no lineal (obtenida mediante el SSA) para las series de precipitación. Los resultados se presentan en la Tabla 3: en la primera parte (Tabla 3a) se correlacionan valores anuales y semestrales, y en la segunda parte (Tabla 3b) valores trimestrales.

Tabla 3a Coeficientes de correlación lineal por semestre y anual entre las series del SOI s/ tend lineal y las series de precipitación s/ tends. no lineales. En cursiva se indican valores con niveles de significancia del 95% o mayores.

Tabla 3b Similar a la Tabla 3a pero utilizando trimestres en lugar de semestres.

La persistencia de valores negativos del SOI suele indicar episodios El Niño. Estos valores negativos en general están acompañados por un calentamiento en el centro y este del Océano Pacífico tropical, y lluvias por encima de los valores normales en el centro y este de la región subtropical de América del Sur en distintas épocas del año (Ropelewski y Halpert, 1987; Grimm et al., 1998, 2000; Antico, 2009). Valores positivos del SOI están asociados con elevadas temperaturas de la superficie del mar en el oeste del Océano Pacífico tropical, situación que normalmente se corresponde con un episodio La Niña. Al mismo tiempo, en el centro y este del Océano Pacífico tropical ocurre un enfriamiento, y se registran precipitaciones inferiores a las normales en el sudeste de América del Sur (Ropelewski y Halpert, 1989).
Los resultados obtenidos en este estudio indican que, donde existe una correlación lineal con significancia estadística, se trata de valores negativos. Por consiguiente, la ocurrencia de anomalías positivas (negativas) de la precipitación en La Plata está asociada con valores negativos (positivos) del SOI, es decir con condiciones de El Niño (La Niña) en el Océano Pacífico tropical. De hecho, la serie completa de precipitación anual presenta una correlación de -0,31 con la correspondiente serie anual del SOI (Tabla 3a). El análisis por semestres muestra que las correlaciones más robustas se dan entre los valores del SOI del semestre frío y la precipitación tanto del semestre frío como del semestre cálido subsiguiente. Por otro lado, la correlación entre ambas variables exclusivamente durante el semestre frío es nula, coincidiendo con resultados de Silvestri (2005).
En la Tabla 3b se analizan las correlaciones por trimestre. Para cada serie de precipitación se calculan dos índices de correlación: uno con la serie del SOI correspondiente, y otro con la del trimestre anterior. En el caso particular de la precipitación de octubre-diciembre, se calculó también la correlación con el SOI durante el trimestre abril-junio debido a su significancia estadística. El único trimestre que no presenta correlación alguna es enero-marzo, lo cual se contradice con resultados de Silvestri (2004) que muestran relaciones significativas en la misma región durante febrero-marzo. En el caso de abril-junio y julio-septiembre, la correlación significativa se da entre la precipitación y el SOI del mismo trimestre. En cambio, durante octubre-diciembre la precipitación muestra valores significativos de correlación con las series del SOI, inclusive considerando los dos trimestres previos, es decir julio-septiembre y abril-junio. Resultados similares fueron obtenidos por Almeira y Scian (2006) para la parte inferior de la Cuenca del Plata.
En la Tabla 4 se comparan valores extremos de anomalías de precipitación durante octubre- diciembre con los correspondientes valores medios del SOI durante el período previo julio- septiembre. En la Tabla 4a se presentan los máximos de la serie de anomalías ordenados de mayor a menor, junto con el año de ocurrencia y el correspondiente valor del SOI. En la cuarta columna se indica, en caso que corresponda, la ocurrencia de los eventos El Niño (o La Niña) junto con los años de inicio y finalización, según la definición de Trenberth (1997). Se observa que en 11 de los 15 casos exhibidos en la tabla, las anomalías de precipitación están asociadas con valores negativos del SOI, de los cuales 9 corresponden a eventos El Niño.

Tabla 4a Máximos valores de la serie de totales de precipitación durante octubre-diciembre

La relación entre el SOI y los mínimos de la serie de anomalías de precipitación se muestra en la Tabla 4b. Se observa un único caso con valores negativos tanto en la anomalía de precipitación como en el SOI. De los 13 casos restantes, 12 corresponden a eventos La Niña. A su vez, entre estos últimos tan solo cuatro han ocurrido después de la década de 1970, posiblemente debido a cambios en los patrones de teleconexiones como sugieren Boulanger et al. (2005).

Tabla 4b Mínimos valores de la serie de totales de precipitación durante octubre-diciembre

CONCLUSIONES

Los resultados del SSA aplicado a la serie de precipitación en La Plata muestran, en primer lugar la existencia de oscilaciones con un período aproximado de 3 a 5 años. Dado que esta escala de tiempo es comparable con la del fenómeno ENOS, se analiza el comportamiento de la serie del SOI en relación con las de precipitación mediante el cálculo de coeficientes de correlación lineal. Los resultados revelan la existencia de una correlación negativa entre la precipitación, tanto en los totales anuales, semestrales como trimestrales, y el estado de la Oscilación del Sur. Ésta se manifiesta a lo largo de casi todo el año excepto durante los meses comprendidos entre enero y marzo. La correlación negativa entre el SOI y la precipitación en la región subtropical del continente, y más específicamente en la llanura pampeana y en la cuenca del Plata ha sido definida en otros estudios (ver referencias en Introducción). Sin embargo, la ausencia de una relación robusta entre los meses de enero y marzo constituye una singularidad con respecto a otros trabajos. Por ejemplo, la relación entre la precipitación en la cuenca inferior del Plata y los valores del SOI a fines de verano y otoño descripta por Almeira y Scian (2006), y la correlación significativa entre las fases del ENOS y la precipitación de la región entre febrero y marzo hallada por Silvestri (2004).
En particular, la ocurrencia de anomalías de precipitación en octubre-diciembre está relacionada con el estado de la Oscilación del Sur durante esa misma época e inclusive durante los meses previos comprendidos entre abril y septiembre. Es decir, que la fase fría (caliente) del ENOS durante el otoño y el invierno se asocia directamente con la ocurrencia de anomalías negativas (positivas) de precipitación en La Plata durante la primavera. El análisis de los valores extremos de precipitación muestra una mejor correspondencia entre las anomalías negativas de precipitación en primavera y la ocurrencia de episodios La Niña.
Durante los meses comprendidos entre abril y septiembre, el SSA también detecta en la precipitación fluctuaciones en la escala del ENOS. Por otro lado, el análisis de correlación lineal muestra valores significativos entre el SOI y la precipitación únicamente cuando ambas variables se encuentran en fase durante esta época del año.
Los resultados del SSA también indican la existencia de tendencias en las series de totales anuales de precipitación en La Plata. Éstas a su vez se explican por las tendencias observadas durante los meses comprendidos entre octubre y marzo. Este resultado concuerda con los hallazgos de Naumann et al. (2009) para el centro y sur del sudeste del continente. A su vez, dentro de este período de seis meses, los resultados del SSA muestran una tendencia estadísticamente significativa entre enero y marzo. Justamente durante estos tres meses es cuando no se encuentran relaciones entre el ENOS y la precipitación en La Plata. Este resultado difiere de los obtenidos mediante técnicas diferentes en otros estudios. Por ejemplo, Boulanger et al. (2005) explican el aumento observado en las precipitaciones en la cuenca del Plata mediante cambios en los patrones de teleconexión asociados al ENSO. Por lo tanto, los resultados obtenidos en este trabajo sugieren que la tendencia creciente observada en la precipitación de La Plata durante el período estudiado no estaría relacionada con el fenómeno del ENOS. En todo caso, podría ser debida a la acción de un forzante de mayor escala en el tiempo.

REFERENCIAS

1. Allen, M. R. y L. A. Smith, 1996. Monte Carlo SSA: Detecting irregular oscillations in the presence of coloured noise. J. Clim. 9: 3373-3404.         [ Links ]

2. Almeira, G. J. y Scian, B., 2006. Some atmospheric and oceanic índices as predictors of seasonal rainfall in the Del Plata Basin of Argentina. J. Hidrol. 329: 350-359.         [ Links ]

3. Antico, P. L., 2009. Relationships between autumn precipitation anomalies in southeastern South America and El Niño event classification. Int. J. Climatol. 29: 719-727.         [ Links ]

4. Antico, P. L. y N. C. Sabbione, 2005. Comportamiento de la precipitación en La Plata durante el período 1938-2001. Geoacta 30: 13-25.         [ Links ]

5. Boulanger, J.-P., Leloup, J., Penalba, O., Rusticucci, M., Lafon, F. y Vargas, W., 2005. Observed precipitation in the Paraná-Plata hydrological basin: long-term trenes, extreme conditions and ENSO teleconections. Climate Dynamics 24: 393-413.         [ Links ]

6. Castañeda, M. E., y Barros, V., 1994. Las tendencias de la precipitación en el cono sur de América al este de Los Andes. Meteorologica 19: 23-32.         [ Links ]

7. Ghil M., R. M. Allen, M. D. Dettinger, K. Ide, D. Kondrashov, M. E. Mann, A. Robertson, A. Saunders, Y. Tian, F. Varadi and P. Yiou, 2002. Advanced spectral methods for climatic time series. Rev. Geophys.,40(1): 3.1-3.41.         [ Links ]

8. Grimm, A. M., S. E. T. Ferraz and J. Gomes, 1998. Precipitation anomalies in Southern Brazil associated with El Niño and La niña events. J. Climate 11: 2863-2880.         [ Links ]

9. Grimm A. M., V. R. Barros and M. E. Doyle, 2000: Climate variability in Southern South America associated with El Niño and La Niña events. Journal of Climate 13: 35-58.         [ Links ]

10. Hoffmann, J. A. J., Núñez, S. E. y Gómez, A. T. M., 1987. Fluctuaciones de la precipitación en la Argentina, en lo que va del siglo. Anales del II Congreso Interamericano de Meteorología y V Congreso Argentino de Meteorología. Centro Argentino de Meteorólogos, 12.1.1-12.1.5.         [ Links ]

11. Krepper, C. M., Scian, B. V. y Pierini, J. O., 1989. Time and space variability of rainfall in Central- East Argentina. J. Climate 2: 39-47.         [ Links ] 12. Minetti, J. C. y Vargas, W. M., 1998. Trends and jumps in the annual precipitation in South America, south of the 15ºS. Atmósfera 11: 205-221.         [ Links ]

13. Minetti, J. L., Vargas, W. M., Pobrete, A. G., Acuña, L. R. y Casagrande, G., 2003. Non-linear trends and low frequency oscillations in annual precipitation over Argentina and Chile, 1931-1999. Atmósfera 16: 119-135.         [ Links ]

14. Naumann, G., Llano, M. P. y Vargas, W. M., 2009. Climatología de los máximos de precipitación en la Cuenca del Plata. Anales del X Congreso Argentino de Meteorología y XIII Congreso Latinoamericano e Ibérico de Meteorología. Centro Argentino de Meteorólogos. OMM (Organización Meteorológica Mundial), 1990. Guía de prácticas climatológicas. Publicación N 100.         [ Links ]

15. Ropelewski, C. F. and M. S. Halpert, 1987: Global and regional scale precipitation patterns associated with the El Niño/Southern Oscillation. Mon. Wea. Rev. 115, 1606-1626.         [ Links ]

16. Ropelewski, C. F. and M. S. Halpert, 1989. Precipitation patterns associated with the High Index phase of the Southern Oscillation. J. Climate 2: 268-284.         [ Links ]

17. Silvestri, G. E., 2004. El Niño signal variability in the precipitation over southeastern South America during austral summer. Geophys. Res. Lett. 31, L18206.         [ Links ]

18. Silvestri, G. E., 2005. Comparision between winter precipitation in southeastern South America during each ENSO phase. Geophys. Res. Lett. 32, L05709.         [ Links ]

19. Trenberth K. E., 1997. The definition of El Niño. Bulletin of the American Meteorological Society 78: 2771-2777.         [ Links ]

20. Vautard R. and M. Ghil, 1989. Singular spectrum analysis in nonlinear dynamics, with applications to paleoclimatic time series. Physica D 35: 395-424.         [ Links ]

21. Vautard R., P. Yiou and M. Ghil, 1992. Singular spectrum analysis: a toolkit for short noisy chaotic signals. Physica D 58: 95-126.         [ Links ]

Recibido: 18 de enero de 2010
Aceptado: 9 de agosto de 2010