PROPIEDADES DE ANOMALÍAS NEGATIVAS DE PRECIPITACIÓN MENSUAL Olga C. Penalba

PROPIEDADES DE ANOMALÍAS NEGATIVAS DE PRECIPITACIÓN MENSUAL
EN LA CUENCA DEL RÍO DE LA PLATA
Olga C. Penalba1 y Walter M. Vargas1,2
RESUMEN
Los objetivos de este trabajo son analizar propiedades de las anomalías de la precipitación
mensual, a partir del ajuste de modelos de distribución específicos; y el comportamiento espacial
tanto de la bondad del ajuste como de los parámetros de las distribuciones teóricas. Este estudio es
una primera aproximación al diagnóstico de condiciones extremas (sequías). Las propiedades
analizadas fueron: a) la cantidad de meses por año que presentan anomalías negativas de
precipitación y b) las secuencias de anomalías mensuales negativas. Las distribuciones teóricas
usadas para cada una de las propiedades mencionadas fueron binomial y geométrica,
respectivamente. Para llevar a cabo este análisis se evaluaron series largas de precipitación mensual
en una densa red de estaciones ubicadas en la cuenca del Río de la Plata.
Los ajustes de las distribuciones teóricas fue medido a partir del test Chi-cuadrado. En
prácticamente toda la región, los ajustes fueron estadísticamente satisfactorios. La región noreste
argentino, sur de Brasil y sudeste de Paraguay presentan una mayor variabilidad espacial de los
ajustes de los modelos; siendo la zona que presenta mayor relación ENSO-precipitación, pudiendo
ser este evento el causante de la mayor variabilidad espacial del ajuste de los modelos.
Palabras claves: Anomalías negativas de precipitación mensual – Cuenca del Río de la Plata
– Distribuciones teóricas.
ABSTRACT
The objectives of the paper are: analyze properties of monthly rainfall anomalies, using
theoretical distributions and analyze the spatial behavior of their parameters and the goodness-of-fit.
This study is a first approximation to the diagnosis of rainfall extreme conditions. The analyzed
properties are: a) number of months per year with negative rainfall anomalies and b) sequences of
1
Departamento de Ciencias de la Atmósfera y los Océanos. Facultad de Ciencias Exactas y Naturales. Universidad de
Buenos Aires
2
Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)
Dirección Postal: Departamento de Ciencias de la Atmósfera y los Océanos, Facultad de Ciencias Exactas y Naturales.
Universidad de Buenos Aires, Ciudad Universitaria, Pabellón II, Piso 2. (1428) Buenos Aires, Argentina, Tel: (54 11)
4576-3364 ext: 29, Fax: ext 12.
Dirección electrónica: Olga Penalba:[email protected], Walter Vargas:[email protected]
consecutive months with negative rainfall anomalies. The theoretical distributions are binomial and
geometrical. Long time series of monthly rainfall were used, located in the La Plata Basin.
The goodness-of-fit of the sample distributions were statistically satisfied in almost the whole
region, using Chi-squared test. The noreastern argentine region, south of Brazil and southeastern of
Paraguay show more spatial variability in the models' adjusted. This region is the greatest impact
ENSO-rainfall; could be the reason of this spatial variability.
Key Words: Negative monthly rainfall anomalies - La Plata Basin - Theoretical distributions.
INTRODUCCIÓN
El estudio de las variaciones espacio-temporales de la precipitación en distintas escalas
temporales, su comprensión y el ajuste a modelos específicos es importante en los trabajos de
investigación aplicada. Estos estudios y los modelos resultantes permitirán mejorar el manejo de
una gran variedad de problemas asociados a estas variaciones; desde el diagnóstico del almacenaje
de agua en el suelo y su escurrimiento, el mejoramiento de las predicciones climáticas estadísticas
al monitoreo climático. Más aún, en los sectores de toma de decisión las condiciones extremas de
precipitación, deben ser expresadas mediante sus características estadísticas. Estas condiciones
extremas provocan enormes pérdidas en el sector agrícola-ganadero, afectando prácticamente todas
las componentes de las actividades económicas. Idénticamente en términos hídricos, pequeños
cambios en el porcentaje de lluvia que se evapora o infiltra producen importantes cambios en el
escurrimiento que deben estimarse en forma de modelos objetivos.
El ajuste de distribuciones teóricas a determinadas propiedades de la precipitación y el estudio
de su comportamiento espacial permitirá evaluar la homogeneidad espacial, restringida a estas
propiedades. Más aún, el conocimiento de la distribución teórica de la propiedad bajo estudio y los
parámetros que la definen permitirá inferir resultados para estudios de aplicación como los
reseñados anteriormente y que involucran importantes problemas de decisión.
La Cuenca del Río de la Plata, que comprende territorios de Argentina, Brasil, Bolivia,
Paraguay y Uruguay, es la tercera cuenca en el mundo por su magnitud, aproximadamente de
3.200.000 km2. En términos socioeconómicos la cuenca genera alrededor del 70% del Producto
Bruto Neto de los cinco países que la integran, con una población de más de 100 millones de
habitantes. Desde el punto de vista agrícola-ganadero, la cuenca es una de los mejores productores
de alimentos y energía hidroeléctrica en el mundo. Dentro de la cuenca se pueden diferenciar tres
grandes unidades hidrográficas: la del río Paraguay, la del río Paraná y la del río Uruguay. Las dos
últimas cuencas concurren a formar el Río de la Plata, mientras que el Paraguay tributa
directamente al Paraná, pocos kilómetros aguas arriba de la ciudad de Corrientes. El
comportamiento hidrológico de los principales ríos de la cuenca está fuertemente influenciado por
la topografía y climatología de la región, especialmente por la precipitación, y las actividades
humanas (ver Boulanger et al. 2004; Berbery y Mechoso, 2001; Shi et al., 2002; García y Vargas,
1999; Nery, 1993; para una exhaustiva recopilación de trabajos relacionados con la región)
Por todo lo descrito anteriormente, el objetivo de este trabajo es analizar propiedades de las
anomalías de la precipitación mensual, a partir del ajuste de modelos de distribución específicos y
analizar el comportamiento espacial tanto de la bondad del ajuste como de los parámetros de las
distribuciones teóricas.
DATOS Y METODOLOGÍA
Para este estudio se analizaron totales mensuales de precipitación en estaciones
pluviométricas ubicadas en la cuenca del Río de la Plata y en sus regiones limítrofes. Con el fin de
obtener estabilidad en los resultados, las estaciones seleccionadas fueron aquellas que disponían de
al menos 40 años de información, (Penalba y Vargas, 1992) y no presentaban información faltante
(Figura 1). Las series seleccionadas fueron sujetas a distintos test estadísticos para analizar datos
fuera de rango, saltos artificiales, y tendencias en las series mensuales (Buishand, 1982).
Figura 1: Ubicación de las estaciones utilizadas en el estudio (círculos rojos) y de estaciones
tomadas como referencias (estrellas verdes) en las direcciones noreste-sudoeste y oeste-este (líneas
verdes).
Finalmente, bajo la rigurosidad de estos supuestos, se dispuso de 83 estaciones
pluviométricas; siendo Río de Janeiro ( -22.92; -43.17), Observatorio Central Buenos Aires
(O.C.B.A.: -34.58; -58.48) y San Pablo (-23.50; -46.62) las estaciones que presentaban el período
máximo: 1851-1993; 1961-1993; 1887-1993, respectivamente. Las estaciones en las regiones
limítrofes fueron utilizadas para una mejor representación de los campos analizados. Los datos
utilizados provienen del Servicio Meteorológico Nacional de Argentina y de la base de datos
contruidas en el Proyecto de la Comunidad Europea "Assessing the impact of future climatic change on
the water resources and the hydrology of the Río de la Plata basin, Argentina: ARG/B7-3011/94/25".
Para cada estación se calcularon las anomalías mensuales de precipitación (anomalía =
diferencia entre el total de precipitación mensual y la media de la precipitación mensual). En el caso
en que la serie presentaba tendencia significativa se trabajó con la anomalía mensual respecto de la
recta de regresión.
Inicialmente, se analizó la "cantidad de meses con anomalías mensuales negativas de
precipitación por año" y se planteó como modelo teórico para el ajuste de su distribución empírica
la distribución binomial:
Sea p la probabilidad de ocurrencia de un evento y q la probabilidad de no ocurrencia de ese
evento (q:1-p); la probabilidad de que ocurran k veces el evento bajo estudio entre n repeticiones
independientes es:
Pn(k) =
n!
(n  k )!k!
pk q(n-k)
k = 0, 1, 2, 3...........n
En este estudio las muestras que se están analizando son de 12 meses (n = 12) y k puede
variar de 0 a 12.
Luego, como una forma de aproximación al estudio de extremos se analizaron las secuencias
de anomalías mensuales negativas (secuencia: sucesión de meses con anomalías negativas;
precedida y seguida por anomalías positivas) y se calculó la frecuencia empírica de su ocurrencia.
El modelo teórico que se plantea para su ajuste es la distribución geométrica, caso particular de la
distribución binomial negativa con  = 1. Por lo tanto, la probabilidad de que ocurra una secuencia
de k meses es:
P(k) = p(k-1)
k = 0, 1, 2, 3................. n
donde  es la probabilidad de ocurrencia del evento y puede estimarse a partir de los datos y de la
distribución de frecuencia empírica. Para mayor información sobre las distribuciones teóricas
utilizadas en este trabajo referirse a Sneyers (1990).
RESULTADOS
Ciclo anual de la precipitación
Para una mejor comprensión de los resultados de este trabajo se presentan los aspectos
generales del régimen de lluvia en la cuenca. La precipitación total anual media en la zona de
estudio es de alrededor de 1200 mm. Esta cantidad anual de lluvia presenta una variación espacial
-20
1800
1650
1500
-25
1350
1200
-30
1050
900
750
-35
600
450
300
-65
-60
-55
-50
-45
Figura 2: Total de precipitación anual (mm) en la cuenca del Río de la Plata.
con dirección NE-SO en el sur de Brasil, este de Paraguay, Uruguay y noreste argentino y un
decrecimiento importante de este a oeste en Argentina y parte de Paraguay (Figura 2). Las áreas con
menores precipitaciones anuales, aproximadamente 300 mm, se encuentran en el noroeste
argentino; mientras que la costa brasileña presenta precipitaciones anuales superiores a 1600 mm.
De esta cantidad anual precipitable solamente el 20% llega al mar como agua y el 80% restante se
evapora, escurre o penetra dentro de la tierra (Berbery y Mechoso, 2001).
El ciclo anual medio de precipitación en la cuenca tiene una fuerte componente geográfica;
variando de un ciclo anual bien definido (máximo de precipitación durante el verano) en la zona
norte a una distribución estacional uniforme con máximos durante primavera y otoño en la zona
centro-este (noreste Argentina y sur de Brasil) (Figura 3).
Estos campos medios mensuales y anuales, obtenidos a partir de mediciones de precipitación
en estaciones meteorológicas y con series largas, permiten corroborar los resultados de Shi et el.
(2002), Berbery y Mechoso (2001), Boulanger et al. (2004) obtenidos a partir de Xie & Arkhin.
ENERO
ABRIL
JULIO
OCTUBRE
FEBRERO
MARZO
MAYO
JUNIO
AGOSTO
NOVIEMBRE
SETIEMBRE
DICIEMBRE
320
300
280
260
240
220
200
180
160
140
120
100
80
60
40
20
0
Figura 3: Total de precipitación mensual (mm) en la cuenca del Río de la Plata.
Distribuciones de frecuencias especificas
Para cada serie pluviométrica se calcula la frecuencia absoluta total de la cantidad de meses
con anomalías mensuales negativas de precipitación por año. Debido a la gran cantidad de
estaciones bajo estudio en la Figura 4 se muestran las distribuciones empíricas de estaciones que
sintetizan el comportamiento de la región (estrellas en Figura 1); cubriendo dos direcciones
preferenciales: noreste-sudoeste y oeste-este (líneas en Figura 1). La primera conclusión que se
desprende de la Figura 4 es una clara variabilidad espacial en la región y una asimetría de las
distribuciones empíricas de la cantidad de meses con anomalías negativas, lo que confirma también
la asimetría que se observan generalmente en las distribuciones de los totales de lluvia. En general,
independientemente de la dirección, se puede observar que las mayores frecuencias empíricas con
anomalías mensuales negativas en el lapso de un año son de 6 a 9 meses; indicando que la zona
presenta una mayor probabilidad de anomalía negativa mensual, confirmando la asimetría de la
distribución de totales mensuales de precipitación (Figura 4).
San Pablo
30
Córdoba
Frec
30
20
20
10
10
0
Frec
0
0
1
2
3
4
5
6
7
8
9
10 11 12
0
1
2
3
4
k meses
Alegrete
20
5
6
7
8
9
10 11 12
8
9
10 11 12
9
10 11 12
9
10 11 12
k meses
Paraná
Frec
30
15
Frec
20
10
10
5
0
0
0
1
2
3
4
5
6
7
8
9
10 11 12
0
1
2
3
4
k meses
O.C.B.A.
30
6
7
Paso de los Toros
Frec
15
20
10
10
5
0
Frec
0
0
1
2
3
4
5
6
7
8
9
10 11 12
0
1
2
3
4
k meses
5
6
7
8
k meses
Santa Rosa
15
5
k meses
Punta del Este
Frec
10
Frec
10
5
5
0
0
0
1
2
3
4
5
6
7
k meses
8
9
10 11 12
0
1
2
3
4
5
6
7
8
k meses
Figura 4: Frecuencia absoluta empírica (barras rojas) y teóricas a partir de la distribución binomial
(barras azules) de la cantidad de meses con desvíos negativos de precipitación mensual por año. San
Pablo: -23.5:-46.6; Alegrete: -29.76:-55.78; O.C.B.A.: -34.58:-58.48; Santa Rosa: -36.56:-64.26; Córdoba:
-31.4:-64.18; Paraná: -31.73:-60.53; Paso de los Toros: -32.82:-56.52; Punta del Este: -39.96:-55.78.
Al analizar el comportamiento espacial de estas distribuciones empíricas se observa que
describen el comportamiento climático de la región. En San Pablo se observa que en el transcurso
de los 12 meses del año, 6 meses presentan anomalías mensuales negativas (mayor frecuencia
empírica). A medida que nos desplazamos hacia el SO esta cantidad de meses por año va
aumentando; observándose una zona de transición como por ejemplo la estación Alegrete, donde la
probabilidad de tener un mes con anomalía negativa es prácticamente la misma que anomalía
positiva, hasta llegar a la estación Santa Rosa quien presenta la mayor cantidad de meses con
anomalías negativas por año (8 meses, mayor frecuencia empírica). Al analizar el comportamiento
en el sentido este-oeste la cantidad de meses por año con anomalías mensuales negativas aumenta:
en Punta del Este la mayor frecuencia empírica se observa en 9 meses. Por otro lado, es interesante
observar los casos "extremos", en donde prácticamente todo el año presentaron anomalías
mensuales negativas (11 y 12 meses) y en otros donde prácticamente se observaron muy pocos
casos con esta condición (1 y 2 meses) o prácticamente ningún caso con 1, 2, y 3 meses de desvíos
negativos (Paso de los Toros y Punta del Este) (Figura 4). Estos casos definen una condición de
extremos (longitud de sequías y excesos) y a su vez, un límite en las longitudes de las secuencias
como se estudiará más adelante.
Para cada una de estas distribuciones de frecuencias empíricas se ajustó la distribución teórica
binomial. Si bien en las distintas estaciones presentadas en la Figura 4 se puede observar que el
ajuste es satisfactorio, se aplicó el test Chi Cuadrado para verificar estadísticamente esta suposición
(Panofsky y Brier, 1965).
24
-25
22
20
18
16
-30
14
12
10
8
-35
6
4
2
-65
-60
-55
-50
-45
Figura 5: Valores empíricos de Chi-cuadrado, para cada estación, comparando las frecuencias
empíricas y teóricas a partir de la distribución binomial (Evento analizado: cantidad de meses con
desvíos negativos de precipitación mensual por año).
En la Figura 5 se analiza el comportamiento espacial de los valores empíricos de Chi
Cuadrados. (el valor de los grados de libertad utilizados en todas las estaciones es el mismo). Los
resultados muestran que, prácticamente en toda la región de estudio, las distribuciones binomiales
ajustan satisfactoriamente las distribuciones empíricas, con un nivel de significancia del 95%. De
esta figura se puede observar que hay zonas donde se requiere una mayor tolerancia en la
significancia, éstas son una estación en el sudoeste de la provincia de Buenos Aires y una región en
el sur de Brasil, norte de Uruguay y centro de la mesopotamia. En esta zona es donde los impactos
del ENSO son más evidentes, generando quizás una mayor inestabilidad en las propiedades de la
distribución (Vargas, et.al. 1999; Ropelewski y Halpert, 1996; Montecino et.al. 2000; Pisciottano et.
al., 1994; Grimm et.al., 2000). Por lo tanto, a partir del análisis de esta propiedad, la zona bajo
estudio puede considerarse climáticamente homogénea. O sea, para cualquier punto de la región la
cantidad de meses por año con anomalías negativas puede representarse con el mismo modelo
teórico. Bajo este supuesto, la región podría estar representada con el campo de la constante del
modelo (p: probabilidad de ocurrencia del evento); quien debería ser constante en la región o variar
suavemente. A partir de las distribuciones empíricas se estimó la constante p del modelo. Para su
estimación se exigió un error menor a 0.02, imponiendo de esta forma un límite del error en su
estimación. En la Figura 6 se presenta la estimación empírica de la probabilidad de ocurrencia de un
mes con anomalía negativa, parámetro p de la distribución teórica binomial. La variación espacial
del parámetro p es pequeña, con una zona de mínimo valor en el noreste argentino y parte de
Paraguay. A partir de esta región los valores de p aumentan levemente con el valor máximo en la
estación Santa Rosa (p = 0.656). La pequeña y gradual variación de este parámetro y la exigencia
que se le ha impuesto en su estimación, permite inferir que este modelo se puede ajustar en toda la
región e incluir como forma específica como input dentro de un modelo general de manejo o
estimación de riesgo en recursos hídricos y energía.
Como se mencionó anteriormente, el parámetro p es la probabilidad de que un mes presente
anomalía negativa de precipitación. Dado que un mes tiene dos posibilidades (anomalía positiva o
negativa), el valor teórico de p sería 0.5. En general, su estimación es levemente mayor al valor
teórico; certificando como se dijo anteriormente la asimetría en la distribución de los totales
mensuales de precipitación. A su vez, su distribución espacial está representando satisfactoriamente
el comportamiento climático de la región: valor cercanos a 0.5 en el noreste argentino y sur de
Brasil (igual probabilidad de tener un mes con anomalía positiva que negativa) a valores superiores
a 0.6 en regiones donde la probabilidad de tener un mes con anomalías negativas es mayor que tener
anomalías positivas (Figura 6).
Para estimar las probabilidades de la duración de estos eventos se analizaron las secuencias de
meses sucesivos con anomalías negativas. Para ello, para cada serie se calculó la frecuencia
empírica de estas secuencias. De la Figura 7 se puede observar que el comportamiento es similar en
toda la región: mayor cantidad de casos en la secuencia de cero meses disminuyendo
asintóticamente a cero; llegando a casos extremos como el de Alegrete y O.C.B.A. quienes
presentaron secuencias de 13 meses y 15 meses respectivamente.
0.63
-25
0.62
0.61
0.60
-30
0.59
0.58
0.57
0.56
-35
0.55
0.54
-65
-60
-55
-50
-45
Figura 6: Estimación de la constante p de la distribución binomial, para cada estación.
San Pablo
300
Frec
200
100
0
0
2
4
6
8
10
12
14
16
12
14
16
12
14
16
Secuencia (meses)
Alegrete
200
Frec
150
100
50
0
0
2
4
6
8
10
Secuencia (meses)
O.C.B.A.
300
Frec
200
100
0
0
2
4
6
8
10
Secuencia (meses)
Figura 7: Frecuencias absolutas empíricas (barras rojas) y teóricas a partir de la distribución
geométrica (barras azules) de la secuencia de desvíos mensuales negativos.
30
-25
28
26
24
22
20
-30
18
16
14
12
10
8
-35
6
4
2
-65
-60
-55
-50
-45
Figura 8: Valores empíricos de Chi-cuadrado, para cada estación, comparando las frecuencias
empíricas y teóricas a partir de la distribución geométrica (Evento analizado: secuencia de desvíos
mensuales negativos).
0.63
-25
0.62
0.61
0.60
-30
0.59
0.58
0.57
0.56
-35
0.55
0.54
-65
-60
-55
-50
-45
Figura 9: Estimación de la constante  de la distribución geométrica, para cada estación.
Estas distribuciones empíricas fueron ajustadas teóricamente con una distribución geométrica
y su ajuste fue medido a partir del test Chi-cuadrado (región de rechazo: 5%). En prácticamente
toda la región el ajuste fue estadísticamente satisfactorio; con excepción de la región del noreste
argentino, sur de Brasil y sudeste de Paraguay, zona que exige niveles más bajos de significancia en
el Chi-cuadrado (Figura 8). Por lo tanto, se puede concluir que las secuencias de anomalías
mensuales negativas de precipitación están distribuidas siguiendo una ley geométrica en la región
que comprende la cuenca del Río de la Plata. Por otra parte, se observa nuevamente que la mayor
variabilidad espacial del ajuste del modelo está en la región de impacto ENSO-precipitación mejor
definida, o sea noreste argentino, Paraguay, sur de Brasil, oeste de Paraguay.
Luego, el parámetro  de este modelo teórico se estimó con un error menor a 0.001. De la
Figura 9 se puede observar una leve variación espacial; valores mínimos en el centro de la región de
estudio, aumentando levemente hacia los extremos de la región, con un valor máximo en la estación
Santa Rosa. Dado que el parámetro  es la probabilidad de que un mes con anomalía negativa
ocurra, nuevamente se está verificando la asimetría de la distribución de la precipitación mensual.
Esta distribución fue aplicada por Vargas y Alessandro (1985) para estimar las secuencias de la
anomalía de la temperatura y precipitación mensual respecto a la media y mediana en la región
húmeda y semihúmeda argentina. Posteriormente, los mismos autores (1990) utilizaron esta
distribución para ajustar las anomalías extremos de precipitación y temperatura mensual en la
estación Corrientes, ubicada en el noreste argentino.
CONCLUSIONES
En este trabajo se analizaron las precipitaciones mensuales en una densa red de estaciones
ubicadas en la cuenca del Río de la Plata. Las series utilizadas no presentaban datos faltantes en un
período mínimo de 40 años y fueron seleccionadas luego de un riguroso estudio de control de
calidad. El objetivo de este trabajo fue analizar propiedades de las anomalías de la precipitación
mensual, a partir del ajuste de modelos de distribución específicos y analizar el comportamiento
espacial tanto del ajuste como de los parámetros de la distribución teórica.
Las propiedades analizadas fueron: a) la cantidad de meses en un año que presentan
anomalías negativas de precipitación y b) la secuencia de anomalías mensuales negativas. Las
distribuciones teóricas seleccionadas fueron binomial y geométrica, respectivamente.
El ajuste de las distribuciones teóricas a estas propiedades de la precipitación fue medido a
partir del test Chi-cuadrado. En prácticamente toda la región los ajustes fueron estadísticamente
satisfactorios, con excepción de la región noreste argentino, sur de Brasil y sudeste de Paraguay,
donde es necesario menos niveles de significancia. Esta región es justamente la zona de mayor
relación ENSO-precipitación, pudiendo ser este evento el causante de la mayor variabilidad espacial
del ajuste de los modelos.
Los valores estimados de las constantes de los modelos (p y )
resultaron levemente superiores a 0.5 corroborando la asimetría de la precipitación mensual en la
región.
El conocimiento de las distribuciones teóricas y los parámetros que las definen permiten
inferir resultados para estudios de aplicación, los cuales involucran importantes problemas de
decisión, especialmente en la estimación de riesgo climático de sequías y/o inundaciones. En cierta
medida parte de estos problemas de decisión se plantean por ejemplo, cuando se necesita conocer la
probabilidad de ocurrencia "extrema" de meses con anomalías negativas de precipitación por año
y/o la ocurrencia de secuencias largas con anomalías negativas de precipitación. El poder ajustar
estas propiedades a partir de distribuciones teóricas en una región, permitirá estimar estas
probabilidades de los "eventos extremos" en cuanto a su duración que son reconocidos como
parámetros importantes en en el pronóstico hidrológico. sin la necesidad de disponer de la serie de
precipitación mensual. Más aún, el conocimiento de estas probabilidades permitirá estimar los
riesgos de estos "eventos extremos" e incluirlos en modelos de decisión específicos.
REFERENCIAS

Berbery E. H., Mechoso C.R., Climatology and Hydrology of the La Plata basin, Document of the
VAMOS scientific study group on La Plata basin, http://meto.umd.edu/~berbery/lpb/laplata.html,
2001.

Boulanger J.P., Leloup J., Penalba O.C., Rusticucci M.M., Lafon F., Vargas W.M., Observed
precipitation in the Paraná-Plata hydrological basin: Long-term trends, extreme conditions and
ENSO teleconnections, aceptado para su publicación en Clim Dynamics, 2004.

Buishand T.A., Some methods for testing the homogeneit of rainfall records, J. Hidrol., 58. 11-27,
1982

García N.O., Vargas W. M., Análisis de la variabilidad climática en la Cuenca del Río de la Plata,
a través de sus caudales y búsqueda de precursores de extremos hídricos. Reporte Final del Proyecto
de la Comunidad Europea “Assessing the impact of future climatic change on the water resources
and the hydrology of the Río de la Plata Basin, Argentina. Contract N° ARG/B7-3011/94/25, 1999.

Grimm A.M., Barros V., Doyle M., Climate variability in southern South America associated with El
Niño and La Niña events, J. CLIMATE, 13, 35-58, 2000.

Montecinos A., Diaz, A., Aceituno P., Seasonal diagnostic and predictability of rainfall in
subtropical South America based on tropical Pacific SST, J. Climate, 13, 746-758, 2000.

Nery J. T., Estudio climático de la precipitación del Brasil meridional asociado con fenómenos
extra-regionales, Tesis del Departamento de Ciencias de la Atmósfera, Universidad de Buenos
Aires, 1993.

Panofsky H. A., Brier G.W., Some applications of statistics to meteorology. Penn State
University, 224 pp, 1965.

Penalba O.C., Vargas W.M., Estudio de la estacionalidad de la lluvia mensual en una región de la
provincia de Buenos Aires. Geoacta, 19, 1992.

Pisciottano G.J., Diaz A.F., Cazes G., Mechoso C.R., El Niño-Southern Oscillation impact on
rainfall in Uruguay, J. Climate, 7, 1286-1302, 1994.

Ropelewski C.F., Halpert M.S., Quantifying Southern Oscillation-precipitation relationships, J.
Climate, 9, 429-438, 1996.

Shi W, Higgins R.W., Yarosh E., Kousky V.E., The annual cycle and variability of precipitation
in
Brazil,
Document
of
“Climate
Prediction
Center”,
http://www.cpc.ncep.noaa.gov/
research_papers/ncep_cpc_atlas/9/index.html.

Sneyers R., On the statistical análisis of series of observations, WMO – N° 415, 192 pp, 1990.

Vargas W.M., Alessandro P.A., Características regionales de los extremos climáticos en la región
húmeda y semihúmeda argentina. Meteorológica, 15, 2, 79-92, 1985.

Vargas W.M., Alessandro P.A., Los extremos climáticos de precipitación y temperatura en
Corrientes, Meteorologica, 17, 1 y 2, 33-37, 1990.

Vargas W.M., Penalba O.C., Minetti J.L., Las precipitaciones mensuales en zonas de la Argentina
y el ENOS. Un enfoque hacia problemas de decisión, Meteorologica, 24, 1-2, 3-22, 1999.
Agradecimientos
Este trabajo fue solventado por los subsidios: Universidad de Buenos Aires 01X/102,
AGENCIA BID 1207/OC-AR PICT 99 N° 07-06921, IAI CRN 055, Universidad de Buenos Aires
X234.