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.