Evaluación del reanalysis (NCEP/NCAR) para el estudio de la variabilidad termo-pluviométrica del Noroeste Argentino.

Abstract

El objetivo de esta investigación fue evaluar la precisión del reanálisis NCEP/NCAR para la caracterización de la variabilidad termo-pluviométrica del Noroeste Argentino. Series meteorológicas obtenidas de observatorios meteorológicos del área de estudio y modeladas del período 1960-2020 fueron estudiadas con técnicas estadísticas estándar (valores medios, desvíos, máximos, mínimos, etc). Posterior a la verificación del método Kriging como el método más adecuado para interpolar la información espacial, se analizó la temperatura y la precipitación. Un análisis de regresión cuantílica se aplicó a las series de tiempo. Para ello, las series fueron divididas en diez cuantiles y se evaluaron sus ajustes. Los resultados para ambas variables presentaron ajustes estadísticos significativos (p < 0,05), indicando que los datos del modelo Reanálisis permiten caracterizar la distribución espacial de estas variables. La temperatura del aire registró mejores resultados que la precipitación. Sin embargo, al estudiar los eventos extremos, se observaron diferencias importantes. La temperatura mostró buenos ajustes (p < 0,05) en los climas templados, seguidos por los climas áridos. La precipitación mostró ajustes significativos en los cuantiles medios, pero no así en los cuantiles extremos. Los resultados demostraron que el Reanalysis permite estudiar las características climáticas de la región NOA, pero no sus eventos extremos térmicos y pluviométricos. Además, esta base de datos es esencial para el estudio del clima a escala regional y para el diseño de planes de ordenamiento del territorio.

This study aims to assess Reanalysis NCEP/NCAR's skills to capture the temperature and rainfall variability in Northwestern Argentina. Observations and Reanalysis estimations were analyzed in the target region from 1960 to 2020. Standard statistical techniques were applied (means values, maximum, minimum, standard deviations, etc.), and the spatial variation of temperature and rainfall was subsequently studied using the Kriging method. We divided the time series into ten quantiles and studied the adjustments. Finally, we analyzed both series with quantile regression. Results evidenced that both temperature and rainfall had statistical adjustments (p < 0.05), indicating that data from Reanalysis allowed the characterization of the spatial distribution of these variables with high accuracy. Air temperature registered higher results than rainfall. Nevertheless, when we studied the extremes, we observed significant differences. The temperature was reasonably adjusted in temperate and arid climates, while rains presented significant results in the middle quantiles but not so in the extreme quantiles. The results obtained are an essential database for climate studies on a regional scale and for the design of land use plans to improve the population's quality of life and the environment.