Documente Academic
Documente Profesional
Documente Cultură
Recibido: 23-09-16
Recibido con revisiones: 13-12-16
Aceptado: 20-12-16
RESUMEN
Las actividades agropecuarias estn generalmente orientadas al aumento de los rendimientos de los cultivos, maximizando
el uso del recurso suelo. En este escenario, el clima juega un rol muy importante. Por esto es necesario contar con modelos
que simulen adecuadamente los patrones climticos, tanto para el crecimiento de los cultivos como para el estudio de los
procesos erosivos. El generador climtico CLIGEN genera patrones de tormenta, insumo necesario para muchos modelos fsicos
hidrolgicos como el Water Erosion Prediction Project (WEPP). Este modelo puede ser aplicado a una amplia gama de topografas,
escenarios de vegetacin, condiciones del suelo y climas, para estimar produccin de sedimentos y escurrimiento. La validacin
del modelo CLIGEN es una condicin primordial para su posterior inclusin y correcto funcionamiento del modelo WEPP. El
objetivo de este estudio fue validar el generador climtico CLIGEN para la estacin meteorolgica de Paran, Entre Ros con
datos de precipitacin y temperatura. Los resultados indican que la precipitacin promedio anual, mensual y diaria son satis-
factoriamente simuladas por CLIGEN. Para las temperaturas mxima anual, mxima mensual y mnima mensual, no se observ
diferencia significativa entre los datos medidos y los generados por el modelo. El modelo climtico CLIGEN reprodujo en forma
satisfactoria los parmetros promedios de todas las variables de precipitacin y temperatura. Esto nos permite establecer que
CLIGEN podra utilizarse con un elevado nivel de confianza para simular en forma diaria, mensual o anual distintos escenarios
climticos futuros que alimenten modelos que estiman la prdida de suelos como USLE, RUSLE o WEPP en nuestra regin.
El uso de CLIGEN en el modelo WEPP podra contribuir a generar distintos escenarios climticos para poder predecir situaciones
de riesgo de erosin hdrica.
Palabras clave. Clima, precipitacin, temperatura, erosin hdrica.
ra del punto de roco), del observatorio meteorolgico de la babilidad de un da hmedo despus de un da hmedo (W/W),
Estacin Experimental Agropecuaria Paran del Instituto Na- y la probabilidad de un da hmedo despus de un da seco (W/
cional de Tecnologa Agropecuaria (INTA EEA Paran - 31 50 D). Se determin la temperatura mximas y mnimas prome-
S - 60 32 O). Se utiliz esta estacin por ser la que cuenta con dios mensuales (C) y sus desvos estndar. Se midi la radiacin
la mayor cantidad de registros continuos diarios termo-pluvio- solar, velocidad y direccin del viento, mxima precipitacin en
mtricos (Saluso, 1999). La precipitacin media anual es de 1030 30 minutos, intensidad de la tormenta (mm hr -1). Cada parmetro
mm con un rango que vara entre 494 y 1818 mm para el perodo se calcul en forma mensual (12 valores). Se us CLIGEN ver-
1934-2010 (76 aos de datos, Fig. 1). La temperatura mnima sin 4.3.
promedio es 13,3 C y la temperatura mxima promedio es de
23,6 C. Validacin CLIGEN
Para este estudio se utiliz el perodo comprendido entre Las variables climticas utilizadas en este trabajo para la
1970 y 2010, ya que se cont con todas las variables de entrada validacin del CLIGEN fueron precipitacin y temperatura. El
necesarias para CLIGEN. La precipitacin horaria y mxima se estudio de estas variables (a diferencia de las otras variables
registr con un pluvigrafo y mediante lectura de fajas se obtuvo climticas consideradas por CLIGEN) es de particular importan-
la intensidad mxima de la tormenta. Las temperaturas mxi- cia, ya que la prediccin de produccin de sedimentos y escu-
mas y mnimas se registraron con termmetro de mxima y rrimiento es muy sensible a la precipitacin y la temperatura
mnima, respectivamente. La humedad relativa media mxi- (Zhang, 2003, Yu, 2002; Nearing et al., 1990).
ma y mnima se midi con un psicrmetro higrgrafo. La radia- Para la validacin, se ingresaron al CLIGEN los datos de
cin solar media diaria se registr con un solarmetro digital. precipitacin y temperatura de 40 aos (1970-2010), y se gener
El punto de roco se midi con psicrmetro sin ventilacin arti- una secuencia de 400 aos de precipitacin y temperatura diaria
ficial y la velocidad media diaria del viento con un anemmetro. para el sitio en estudio, esta secuencia luego se subdividi en
Para alimentar al generador climtico se utilizaron los datos 10 secuencias de 40 aos cada una. La razn para subdividir una
citados anteriormente y se calcularon los siguientes estadsti- secuencia larga en subsecuencias, en lugar de ejecutar el ge-
cos: media, desviacin estndar, asimetra de precipitacin nerador varias veces para producir secuencias de 40 aos, es
mensual (obtenido a partir de datos diarios de lluvia), la pro- debido a que CLIGEN utiliza un generador de nmeros pseudo-
2000
1800
1600
1400
Precipitacin (mm)
1200
1000
800
600
400
200
0
1934
1938
1942
1946
1950
1954
1958
1962
1966
1970
1974
1978
1982
1986
1990
1994
1998
2002
2006
2010
Aos
Promedio anual Promedio Histrico 1934-2010
Figura 1. Precipitaciones anuales correspondientes al perodo 1934-2010 (barras) y al promedio histrico (lnea). Datos obtenidos del observatorio
agrometeorologico del INTA EEA Paran.
Figure 1. Annual precipitation from 1934 to 2010 yr (bars), and historical annual precipitation average (line). Data obtained from agro-meteorological
observatory, INTA EEA Parana.
aleatorios. Si el origen de la aleatorizacin no se cambia cada GEN se compararon entre s, utilizando la media, desvo estn-
vez que se ejecuta CLIGEN, se producen secuencias idnticas. dar, coeficiente de variacin, mximo y mnimo valor de preci-
Las estadsticas de los 10 conjuntos de secuencias generadas pitacin, Kurtosis, asimetra, y un t-test para evaluar la diferen-
para el sitio en estudio, se compararon con los de los registros cia entre las medias (P > 0,01). Principalmente, la prueba t se
de precipitacin observados (Kou et al., 2007). basa en la hiptesis de normalidad y la igualdad de la varianza.
A partir de los 40 aos de registros observados de los pa- Para evaluar los datos de sedimento y escurrimiento es-
rmetros climticos para el sitio de estudio, CLIGEN genera se- timados mediante WEPP, a partir de los datos precipitacin y
cuencias de precipitacin diaria, mensual y anual y temperatu- temperatura observados y generados por CLIGEN, se utiliz
ra anual y mensual mxima y mnima. Los registros de preci- la media, el coeficiente de determinacin (R2) y el error rela-
pitacin y temperaturas diarios observados se compararon con tivo (ER, que es el cociente de la divisin entre el error absoluto
cada uno de los 10 conjuntos de secuencias de precipitacin y y el valor exacto, si se multiplica por 100 se obtiene el % de
temperatura diaria generados. error). Todos los anlisis estadsticos se realizaron utilizando
Otra forma de validar el modelo CLIGEN fue mediante el el software INFOSTAT (Di Rienzo et al., 2011).
uso del modelo WEPP (WEPP versin v2012.8). Se compar la
precipitacin y temperatura observada (40 aos) vs las estima-
das por CLIGEN (400 aos), como archivo de entrada climtico RESULTADOS
para el modelo WEPP, adems de ingresar las caractersticas La Tabla 1 presenta los estadsticos generados a partir
representativas de la zona pampeana (suelo, manejo y topo- de las variables medidas en perodo 1970-2010. Los once
grafa), y a partir de estos datos se estim la produccin de se- parmetros necesarios para generar secuencias utilizando
dimento y escurrimiento. CLIGEN, se calcularon a partir de los 40 aos de registros
Para archivos de entrada al modelo, se incorpor al modelo de precipitacin y temperatura diaria para el sitio de estu-
un suelo del sub grupo Argiudol cuico, (Puentes, 2014). Para dio. Cada parmetro tiene 12 valores correspondientes a
el archivo de entrada del manejo, se seleccion la rotacin pre- los meses del ao. Donde se observa un pico de precipita-
dominante de la pampa hmeda, obtenida a travs del Sistema cin en marzo y diciembre (153,3 y 132 mm, respectiva-
Integrado de Informacin Agropecuaria (SIIA, 2014), en donde
mente) y disminuyendo a ms de la mitad para los meses
la rotacin agrcola est claramente dominada por el cultivo
invernales (junio, julio y agosto). Algo similar ocurre con
de soja en un 63% y el resto lo ocupan el maz, trigo y girasol.
La rotacin utilizada fue Soja - Trigo/Soja - Soja - Maz, cinco la temperatura mxima, donde se registran los mayores
cultivos en cuatro aos. Todos los cultivos se realizaron en siem- valores promedios para los meses estivales.
bra directa y fecha de siembra ptima (noviembre/diciembre
para soja y maz, y junio para trigo).Con respecto a los archivos Precipitacin
de entrada de topografa, al ser el factor ms variable, se utiliz El valor medio de la precipitacin promedio anual,
una longitud estndar de 100 m uniforme y un gradiente desde muestra que la media anual de precipitacin fue satisfac-
0,5% (representativo de la zona de sur de Santa Fe), hasta 4%
toriamente simulada por CLIGEN. La prueba estadstica t,
(representativo de las zonas ms onduladas de Entre Ros), con
no detect diferencias significativas entre el valor obser-
el fin de abarcar las condiciones existentes en el norte de la regin
pampeana argentina.
vado y el estimado (P > 0,01). El modelo CLIGEN reprodujo
el sesgo con precisin, con valores de la variable asimetra
Anlisis estadstico menores a 0,5 (Tabla 2), lo que indica que la reproduccin
Las estadsticas descriptivas calculadas de precipitacin y es simtrica. La Kurtosis y la asimetra fueron cercanos a
temperatura para CLIGEN con 40 aos de datos observados cero, lo cual indica una aproximacin a una distribucin
fueron: precipitacin promedio mensual, precipitacin diaria normal.
promedio, probabilidad de un da hmedo despus de un da
Al comparar la precipitacin mensual observada para
hmedo, probabilidad de un da hmedo despus de un da seco,
desvo estndar de precipitacin, nmero de das con lluvia, cada uno de los meses en un perodo de 40 aos y los 10
temperatura mxima mensual y su desvo estndar, tempera- sets de 40 aos cada uno estimada por CLIGEN, en todos
tura mnima mensual y su desvo estndar. los meses los datos observados se encontraron dentro del
Los registros de precipitacin y temperaturas diarias, men- rango de los 10 sets de los datos estimados (Fig. 2a). La
suales y anuales observadas, al igual que cada uno de los 10 precipitacin promedio mensual (Tabla 2), mostr que la
conjuntos de secuencias de precipitacin y temperaturas dia- media mensual de precipitacin fue satisfactoriamente
rios, mensuales y anuales obtenidos mediante el modelo CLI- simulada por CLIGEN. La prueba t no mostr diferencias
Tabla 1. Parmetros calculados para CLIGEN con 40 aos de datos observados (1970-2010).
Table 1. Calculated parameters with CLIGEN for 40 years of observed data (1970-2010).
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
Pp 114,2 122,2 153,8 109,3 50,5 35,4 27,8 29,4 60,0 110,3 117,1 132,0
Pp D 14,7 15,8 20,1 14,2 9,4 7,4 6,4 7,1 10,9 13,5 14,5 15,5
W/W 0,3 0,4 0,3 0,4 0,4 0,4 0,3 0,4 0,4 0,4 0,4 0,3
W/D 0,2 0,2 0,2 0,2 0,1 0,1 0,1 0,1 0,1 0,2 0,2 0,3
DS Pp 81,1 90,5 102,3 95,1 51,3 36,8 23,6 28,4 57,6 75,9 66,1 83,4
Skew Pp 2,1 2,3 3,3 3,5 2,5 2,9 2,9 2,7 4,4 4,6 2,5 2,0
NDLL 7,8 7,8 7,7 7,7 5,4 4,8 4,4 4,1 5,5 8,2 8,1 8,5
Tmax 30,7 29,3 27,5 23,5 20,2 16,9 16,7 18,9 20,9 24,1 26,8 29,4
DS Tmax 1,4 1,4 1,4 1,4 1,4 1,4 1,4 1,5 1,5 1,5 1,5 1,5
Tmin 19,3 18,5 17,2 13,4 10,7 8,0 7,2 8,1 9,7 13,0 15,2 17,8
DS Tmin 1,0 1,0 1,0 1,0 1,0 1,0 1,0 1,1 1,1 1,1 1,1 1,1
Pp: precipitacin promedio mensual en mm. Pp D: precipitacin diaria promedio en mm. W/W: probabilidad de un da hmedo despus de un da hmedo. W/
D: probabilidad de un da hmedo despus de un da seco. DS Pp: desvo estndar de Precipitacin. NDLL: nmero de das con lluvia. Tmax: temperatura mxima
mensual en C. DS Tmax: desvo estndar de la TMax. Tmin: temperatura mnima mensual en C. DS Tmin: desvo estndar de la Tmin.
Pp: mean monthly precipitation (mm). Pp D: mean daily precipitation (mm). W/W is the probability of wet day after wet day of the same period. W/D is the
probability of wet day after dry day of the same period. DS Pp: standard deviation of precipitation. NDLL: number of days with rain. Tmax: monthly maximum
temperature (C). DS Tmax: Tmax standard deviation. Tmin: monthly minimum temperature (C). DS Tmin: Tmin standard deviation.
Tabla 2. Descripcin estadstica de la precipitacin promedio anual, promedio mensual y diaria; medida
y simulada con CLIGEN.
Table 2. Statistical description of annual, monthly, and daily average precipitation measured and estimated
with CLIGEN.
Precipitacin promedio (mm)
Variables Anual Mensual Diaria
M C M C M C
Media 1030 1097 92,1 89,1 3,1 2,9
Desvo estndar 243 244 44,8 45,1 1,6 1,5
Coeficiente de variacin 24 22 48,7 50,61 51,6 50,9
Mnima 494 545 29,6 28,6 1,0 0,9
Mxima 1818 1856 158,6 153 5,3 4,9
Asimetra 0,4 0,4 0,2 -0,2 -0,2 -0,2
Kurtosis 0,6 0,3 -1,4 -1,5 -1,6 -1,6
Prueba t 0,118 0,071 0,099
M = datos medidos histricos. C = datos estimados con CLIGEN.
M = measured historical data. C = estimated data with CLIGEN.
significativas entre el valor observado y el estimado (P > sual medida y estimada, con una relacin muy cercana a
0,01). Al igual que para la precipitacin anual, CLIGEN fue la ideal de 1:1, reflejado en el coeficiente con un R2 = 0,99.
capaz de reproducir el sesgo adecuadamente, con valores Al analizar la precipitacin diaria, considerando los da-
menores a 0,5, indicando una reproduccin simtrica del tos observados para el promedio diario en un perodo de
mismo. La Kurtosis y la asimetra cercanos a cero, indica- 40 aos, comparados con los 10 sets de 40 aos cada uno
ron una aproximacin a una distribucin normal. En la estimada por CLIGEN, se puede apreciar que los valores
Figura 2b, se observa la relacin de la precipitacin men- observados se encontraron dentro del rango de los 10 sets
a b
200 180
1:1
180 160
120
120
100
100
80 80
60 60
40 40
20 20 R2 = 0,99
0 0
0 2 4 6 8 10 12 0 20 40 60 80 100 120 140 160 180
Meses Pp Mensual medida (mm)
Figura 2. (a) Precipitacin mensual promedio medida (lnea de puntos) vs precipitacin mensual estimada con CLIGEN (puntos), para 400 aos divididos
en 10 secuencias de 40 aos. (b) Precipitacin promedio mensual medida vs precipitacin promedio mensual estimada.
Figure 2. (a) Observed monthly precipitation (dash line) vs monthly precipitation estimated with CLIGEN (points), for 400 years divided in 10 sequences
of 40 years; (b) measured monthly average precipitation vs monthly average precipitation estimated with CLIGEN.
a b
7 6
1:1
6
5
Pp Diaria estimada (mm)
5
4
Pp Diaria (mm)
4
3
3
2
2
1 1 R2 = 0,98
0 0
0 2 4 6 8 10 12 0 1 2 3 4 5 6
Meses Pp Diaria medida (mm)
Figura 3. (a) Precipitacin diaria medida (lnea de puntos) vs precipitacin diaria estimada con CLIGEN (puntos), para 400 aos dividido en 10 secuencias
de 40 aos. (b) Precipitacin promedio diaria medida vs precipitacin promedio diaria medida estimada para cada mes.
Figure 3. (a) Observed daily precipitation (dash line) vs daily precipitation estimated with CLIGEN (points), for 400 years divided into 10 sequences
of 40 years; (b) measured daily average precipitation vs estimated daily average precipitation with CLIGEN.
de los valores estimados, similar a lo ocurrido con la pre- Al comparar la precipitacin diaria observada con el
cipitacin mensual (Fig. 3a). La precipitacin promedio dia- promedio de los 10 sets de datos estimados, observamos
ria (Tabla 2), mostr que la media diaria de precipitacin que CLIGEN reprodujo en forma satisfactoria los datos
fue satisfactoriamente simulada por CLIGEN. La prueba t, medidos (Fig. 3b). Comparando el promedio de los 10 sets
no mostr diferencia significativa entre los valores obser- de datos con el promedio observado, se observ una so-
vados y los estimados (P > 0,01). El sesgo fue bien repro- bre-estimacin, la cual fue mxima para el mes de sep-
ducido por CLIGEN, con valores menores a 0,5, lo que indica tiembre. En dicho mes la precipitacin promedio diaria ob-
que la reproduccin fue simtrica. servada fue de 1,5 mm y la estimada de 1,9 mm, lo que
constituy una sobre estimacin mxima del 26%. Los distribucin normal de los valores estimados. El modelo
valores ms bajos estimados por CLIGEN fueron para los CLIGEN reprodujo correctamente el valor mximo de tem-
meses de abril (3,9 mm vs 3,5 mm) y octubre (3,7 mm vs peratura. El t -test revel diferencias estadsticamente sig-
3,3 mm), lo que represent una subestimacin del 10 y nificativas (P < 0,01) entre las temperaturas mnimas
13%, respectivamente. anuales medidas y las simuladas (Tabla 3). El sesgo y la
Kurtosis, tuvieron una distribucin normal, con valores
Temperatura cercanos a cero.
En el anlisis estadstico de temperatura mxima (Ta-
bla 3), no se observ diferencia significativa entre los datos En la Figura 4 se presentan los datos de temperatura
medidos y los generados por el modelo (P > 0,01). El co- mxima mensual observados, comparado con los 10 sets
eficiente de asimetra present valores dentro de los ya de 40 aos cada uno estimados por CLIGEN. No hubo
mencionados, indicando una reproduccin satisfactoria el diferencias significativas entre los valores observados y
sesgo por parte de CLIGEN. Los valores de Kurtosis fueron estimados para ningn mes (Tabla 3), es decir que los datos
cercanos a cero, lo que demostr una aproximacin a una mensuales observados estuvieron comprendidos dentro
Tabla 3. Descripcin estadstica del promedio de temperatura mxima anual, mnima anual, mxima mensual, y mnima
mensual.
Table 3. Statistical description of annual maximum and minimum, and monthly maximum and minimum average
temperature.
Temperatura promedio (C)
Anual Mensual
Variables
Mxima Mnima Mxima Mnima
M C M C M C M C
Media 23,8 23,7 12,6 13,1 23,7 23,7 13,2 13,2
Desvo estndar 0,69 0,09 0,69 0,08 4,99 5,00 4,42 4,40
Coeficiente de variacin 2,9 0,4 5,4 0,6 21,0 21,1 33,6 33,4
Mnima 21,9 23,5 11,3 12,9 16,7 16,7 7,1 7,2
Mxima 25,4 23,9 14,9 13,3 30,8 30,7 19,3 19,3
Asimetra 23,8 23,7 12,9 13,1 -0,07 -0,07 0,01 0,01
Kurtosis -0,16 -0,05 0,03 0,01 -1,41 -1,40 -1,48 -1,48
Prueba t 0,216 0,001 0,824 0,586
M = datos medidos histricos. C = datos estimados con CLIGEN.
M = measured historical data. C = estimated data with CLIGEN.
Temperatura mxima mensual (C)
30
Figura 4.
Temperatura mxima mensual observada 26
(lnea de puntos) vs temperatura mxima
mensual estimada con CLIGEN, para 400 aos 22
dividido en 10 secuencias de 40 aos (crculos).
18
Figure 4.
Monthly maximum temperature observed
(dash line) vs monthly maximum temperature 14
estimated with CLIGEN for 400 years 0 2 4 6 8 10 12
divided into 10 sequences of 40 years (circles). Meses
del rango de los 10 sets de los datos estimados (P > 0,01). Es decir, que los datos mensuales mnimos observados se
En la misma Figura 4, se observan crculos negros vacos, encuentran dentro del rango de los 10 sets de los datos
cada crculo son los 10 sets de datos. Al ser tan pequea estimados. La magnitud de la variacin de la temperatura
la variacin, de 0,1 a 0,001 C, la escala no alcanza a captar fue tan pequea (de 0,1 a 0,001 C), que no se alcanza
la diferenciacin. Las variaciones entre lo observado y lo a apreciar debido a la escala del grfico. Los crculos negros
medido no superaron en ningn caso el 0,2%, lo cual indica vacos incluyen los 10 sets de datos.
que las estimaciones de temperaturas mximas mensua-
les realizadas con el modelo CLIGEN fueron muy precisas. El modelo CLIGEN y los resultados
obtenidos con el modelo WEPP
En la Figura 5, se presentan los valores de temperatura
Los resultados de las simulaciones para estimar el
mnima promedio mensual observada y la de los 400 aos
escurrimiento superficial y la produccin de sedimentos con
generada con CLIGEN, dividida en 10 secuencias de 40 aos
el modelo WEPP, a partir de los 40 aos de datos obser-
cada una. La temperatura mnima mensual present un
vados vs 400 aos de datos simulados (Tabla 4), fueron
comportamiento similar a la temperatura mxima mensual,
satisfactorios para los parmetros estadsticos analizados
no habiendo diferencia significativa (Tabla 3) para ningn
(R2 > 0,95 y ER < 9%).
mes entre los valores observados y los estimados (P > 0,01).
25
Temperatura mnima mensual (C)
20 Figura 5.
Temperatura mnima mensual observada (lnea de puntos) vs
15 temperatura mnima mensual estimada con CLIGEN, para 400
aos dividido en 10 secuencias de 40 aos (crculos).
10 Figure 5.
Monthly minimum temperature observed (dash line) vs monthly
minimum temperature estimated with CLIGEN for 400 years
5
divided into 10 sequences of 40 years (circles).
0
0 2 4 6 8 10 12
Meses
Tabla 4. Produccin de sedimentos y escurrimiento estimados con el modelo WEPP para diferentes
pendientes en base a datos de clima observados y a datos generados por el modelo CLIGEN.
Table 4. Estimated sediment and runoff yield for different land slopes using WEPP based on CLIGEN
and observed meteorological data.
Sedimento Escurrimiento
Basado en Basado Basado en Basado
Pendiente datos en datos en
observados CLIGEN observados CLIGEN
% Mg ha-1 ao-1 mm
0,5 10,9 10,5 247,7 234,0
1 12,6 12,1 258,2 235,9
1,5 15,5 14,8 264,1 241,6
2 20,7 19,5 268,6 245,5
2,5 27,1 25,5 271,5 248,7
3 34,1 32,3 274,5 251,4
3,5 41,8 39,5 277,1 254,0
4 49,7 47,0 279,4 256,2
a b
60 285
y = 0,75 x + 45,06
R2 = 0,95
275
Escurrimiento en base a CLIGEN
50 RE = 8,1%
Sedimento en base a CLIGEN
40 265
(Mg ha-1 ao-1)
(mm)
30 255
20 245
y = 0,94 x + 0,10
10 R2 = 0,99 235
RE = 5,3%
0 225
0 20 40 60 225 235 245 255 265 275 285
Figura 6. (a) Sedimento estimado con WEPP en base a 40 aos de datos climticos observados vs estimado en base a 400 aos de datos climticos
generados con CLIGEN y (b) Escurrimiento estimado con WEPP en base a 40 aos de datos climticos observados vs estimado en base a 400 aos
de datos climticos generados con CLIGEN. Ambos (a y b) para diferentes intensidades de pendientes del terreno (de 0,5% a 4%).
Figure 6. (a) WEPP estimated sediment delivery based on 40 years of observed climatic data vs 400 years of CLIGEN estimated climatic data and (b)
WEPP estimated runoff based on 40 years of observed weather data vs 400 years of CLIGEN generated climatic data. In both cases (a and b) for different
land slope intensities (from 0,5% to 4%).
Las fluctuaciones de los datos simulados con respecto El modelo simul correctamente la temperatura media
a los medidos, no fueron significativas (Tabla 2), por lo que mnima anual, el sesgo y la kurtosis mostraron una distri-
el ajuste de la misma fue satisfactorio. Coincidente a lo bucin normal. Sin embargo, segn la prueba t el modelo
encontrado en este trabajo, Kou et al. (2007), informaron no ajust adecuadamente, similar a lo encontrado por
que el 98% de los casos analizados no difiri significa- Zhang (2003). La temperatura mxima y mnima mensual
tivamente, concluyendo que la variabilidad de la precipi- present una variacin entre lo observado y lo medido
tacin mensual observada y la estimada coincidi mode- menor al 1%, lo cual indica que las estimaciones de tem-
radamente bien. peratura mxima y mnima mensual realizadas con
Las simulaciones diarias realizadas con CLIGEN, mos- CLIGEN en fueron muy precisas. Zhang (2003), evalu la
traron que en septiembre todos los valores fueron sobre- capacidad de CLIGEN para estimar temperatura y observ
estimados, en el orden del 16% (0,39 mm). En tanto para que la media, el desvo estndar, el coeficiente de asimetra
los meses de abril y octubre se sub-estim la precipitacin y la Kurtosis, fueron correctamente reproducidos por
diaria promedio (0,40 y 0,47 mm, respectivamente), lo que CLIGEN (similar a lo encontrado en este trabajo) y conclu-
signific una variacin del 8 y 10%, respectivamente (si- y que la temperatura media mxima diaria fue simulada
milar a lo ocurrido para las simulaciones mensuales). Esto en forma satisfactoria.
indica que la estimacin mensual de las precipitaciones fue Cuando se evalu la produccin de sedimento en
mejor simulada por CLIGEN que la diaria (Tabla 2). Los datos WEPP, utilizando datos climticos observados y datos
de precipitacin media diaria se representaron en forma estimados con el modelo CLIGEN, se detect una leve
satisfactoria en el anlisis total, lo cual coincide a lo en- tendencia a sub-estimar la produccin de sedimentos cuan-
contrado por Zhang & Garbrecht (2003), quienes anali- do se utilizaron los datos generados por CLIGEN, no en-
zaron datos diarios de precipitacin y concluyeron que estos contrndose diferencia estadsticamente significativa en-
fueron generados adecuadamente por CLIGEN. Las preci- tre lo observado y simulado, similar a lo sugerido por Ghidey
pitaciones medias mensuales se estimaron mejor que las & Alberts (1996) para aos secos.
medias diarias. Esto se debe a que CLIGEN sobreestim Al evaluar la escorrenta, se observ una sub-estima-
consistentemente las precipitaciones medias diarias, pero cin con el uso de los datos generados por CLIGEN, similar
subestim el nmero de das con lluvia. Los errores de a lo encontrado por Zhang et al. (1996). Esto podra de-
sobreestimacin de las precipitaciones medias diarias, berse a que las precipitaciones generadas por CLIGEN, si
tendieron a compensar los errores de subestimacin de los bien no difirieron estadsticamente de las observadas,
das con lluvia. La variabilidad da por da, se predijo ade- tuvieron una leve tendencia a la sub-estimacin, las cua-
cuadamente, el modelo captur ms del 95% de la varia- les se magnificaron en la escorrenta estimada con el modelo
bilidad de los datos de precipitacin diaria medidos. WEPP.
Si bien se observan desviaciones no significativas en
los datos de precipitacin, estas mismas no influyen en la
estimacin de escurrimiento y en la produccin de sedimen- CONCLUSIN
tos. La precipitacin media anual, mensual y diaria estima-
da por CLIGEN para los 10 sets de 40 aos cada uno,
La temperatura mxima anual para los 40 aos de datos comparada con los datos observados, mostr que CLIGEN,
fue apropiadamente simulada por CLIGEN, ya que no exis- reprodujo en forma satisfactoria los datos observados.
tieron diferencias significativas con los valores estimados
por el modelo. La mxima sobre-estimacin estuvo en el La temperatura mxima anual y mensual, teniendo en
orden del 5,5% (22,5 vs 23,7 C, observado vs CLIGEN) cuenta los datos observados para el promedio diario en un
y una mnima del 6,5% (25,4 vs 23,7 C, observado vs periodo de 40 aos, comparado con los 10 sets de 40 aos
CLIGEN). Johnson et al., (1996), quienes compararon dos cada uno estimados por CLIGEN no presentaron diferen-
modelos climticos, encontraron que las temperaturas cias para ningn ao o mes, es decir que los datos anuales
medias anuales fueron bien estimadas por los modelos y y mensuales observados se ubicaron dentro del rango de
la mayor diferencia entre la temperatura media anual ms los 10 sets de los datos estimados. Las temperaturas m-
alta y la ms baja para una simulacin con CLIGEN fue de nimas anuales y mnima mensual fueron correctamente
menos de 1 C. simuladas por el modelo CLIGEN.
El modelo climtico CLIGEN reprodujo en forma satis- Headrick, MG & BN Wilson. 1997. An evaluation of stochastic
weather parameters for Minnesota and their impact on WEPP. ASAE
factoria los parmetros promedios de todas las variables Paper No. 972230. St. Joseph, Mich.: ASAE.
de precipitacin y temperatura. Esto nos garantiza el uso
Johnson, GL. 2001. GEM webpage. URL: http://www.wcc.nrcs.
de este modelo para simular en forma diaria, mensual o usda.gov/water/climate/gem/gem.html
anual distintos escenarios climticos para ser empleados Johnson, GL; CL Hanson; SP Hardegree & EB Ballard. 1996. Stochastic
en modelos alternativos para estimar las prdidas de sue- weather simulation: overview and analysis of two commonly used
los en nuestra regin. models. J. Applied Meteorology 35(10): 1878-1896.
Jorge, G. 2012. Evaluacin del impacto de la intensificacin del uso
Asimismo, los resultados de este estudio indican que del suelo sobre la erosin hdrica en sistemas agrcolas del Uruguay:
los datos climticos generados con CLIGEN pueden ser Aplicacin del modelo WEPP. Tesis para optar al ttulo de Magister
utilizados en el modelo WEPP para estimar datos confia- en Ciencias Ambientales. Montevideo-Uruguay.
bles de produccin de sedimentos. Sin embargo, el escurri- Knisel, WG. 1993. GLEAMS: groundwater loading effects of agricultural
management systems, U. S. Department of Agriculture-Agricultural
miento estimado a partir de los datos generados con CLIGEN, Research Service Southeast Watershed Research Laboratory, Tifton,
fue un 8% menor al estimado a partir de datos observados. GA.
El uso del modelo CLIGEN, podra contribuir a generar Kottek, M; J Grieser; C Beck; B Rudolf & F Rubel. 2006. World Map
of the Kppen-Geiger climate classification updated. Meteorol.
distintos escenarios climticos para poder predecir situa-
Z., 15, pp. 259-263. DOI: 10.1127/0941-2948/2006/0130. http:/
ciones de riesgo de erosin hdrica en la regin pampeana /www.editorial.unca.edu.ar/Publicacione%20on%20line/
norte de la Argentina. DIGITESIS/marta%20vigo/pdf/2.6clima.pdf
Kou, X; G Jianping; Y Wang & C Zhang. 2007. Validation of the weather
generator CLIGEN with daily precipitation data from the Loess
BIBLIOGRAFA Plateau. J. Hydrol. 347(3-4), 347-357.
Arnold, JG & JR Williams. 1994. SWRRB; a watershed scale model Meyer C; C Renschler & RC Vining. 2002. 5.7 Implementing quality
for soil and water resource management, Grassland Soil and Water control, techniques for random number generators to improve
research Laboratory, U. S. Department of Agriculture-Agricultural stochastic weather generators: the CLIGEN experience. Soil, Purdue
Research Service, Temple, TX. Univ., West Lafayette, 1196 Bldg. IN 47907; http://www.ars.usda.
gov/SP2UserFiles/ad_hoc/36021500WEPP/AppliedClimato
Arnold, JG & JR Williams. 1989. Stochastic generation of internal
logy_0205.pdf
storm structure. Transactions of the ASAE 32(1): 161-166.
Min, YM; VN Kryjov; KH An; SN Hameed; SJ Sohn; WJ Lee & JH Oh.
Arnold, JG; JR Williams; R Srinivasan & KW King. 1995. SWAT: soil 2011. Evaluation of the weather generator CLIGEN with daily
and water assessment tool, U. S. Department of Agriculture- precipitation characteristics in Korea. Asia-Pacific J. Atmos. Sci.
Agricultural Research Service Grassland Soil and Water research 47(3): 255-263.
Laboratory, Temple, TX.
Nearing, MA; L Deer-Ascough & JM Laflen. 1990. Sensitivity analysis
Baffaut, C; MA Nearing & AD Nicks. 1996. Impact of CLIGEN of the WEPP hillslope profile erosion model. Transactions of the
parameters on WEPP-predicted average annual soil loss. Tran- ASAE 33(3): 839-849.
sactions of the ASAE 39(2), 447-457.
Nicks, AD & LJ Lane. 1989. Weather generator. Chapter 2 in USDA
Di Rienzo, JA; F Casanoves; MG Balzarini; L Gonzalez; M Tablada & Water erosion prediction project: hillslope profile version, eds. L.
CW Robledo. 2011. InfoStat Versin 2011 Grupo InfoStat. FCA, J. Lane, and M. A. Nearing. NSERL Report No. 2. West Lafayette,
Universidad Nacional de Crdoba, Argentina. http://www.infostat. Ind.: USDA-ARS National Soil Erosion Research Laboratory.
com.ar. Nicks, AD & GA Gander. 1994. CLIGEN: a weather generator for
Elliot, WJ & CD Arnold. 2000. Validation of the weather generator climate inputs to water resources and other models. In: Watson,
CLIGEN with precipitation data from Uganda. Transactions of the D.G., Zazueta, F.S., Harrison, T.V. (eds), Proceedings of fth
ASAE 44(1): 53-58. Keywords: Africa, Stochastic, Climate, CLIGEN, International Conference on Computer in Agriculture. ASAE, St.
validation 2000m. Joseph, MI, pp. 903-909.
Nicks, AD; LJ Lane & GA Gander. 1995. Weather generator. Chapter
Flanagan, DC & MA Nearing. 1995. USDA-Water erosion prediction
2 in USDA-Water erosion prediction project: hillslope profile and
project: hillslope profile and watershed model documentation.
watershed model documentation. D. C. Flanagan and M. A. Nearing,
NSERL Report No. 10. West Lafayette, Ind.: USDA-ARS National
eds. NSERL Report No. 10. West Lafayette, Ind.: USDA-ARS National
Soil Erosion Research Lab.
Soil Erosion Research Laboratory.
Ghidey, F & EE Alberts. 1996. Comparison of measured and WEPP Puentes, M. 2014. Ordenes dominantes en los suelos de la Repblica
predicted runoff and soil loss for midwest claypan soil. Transactions Argentina. Atlas de Suelos de la Repblica Argentina. Instituto de
of the ASAE 39(4), 1395-1402. Suelos-INTA-Castelar. http://www.suelos.org.ar/sitio/mapa-de-
Hanson, CL; KA Cumming; DA Woolhiser & CW Richardson. 1994. ordenes-de-suelos-de-la-argentina-segun-soil-taxonomy-68-kb/
Microcomputer program for daily weather simulations in the Richardson, CW. 1981. Stochastic simulation of daily precipitation,
contiguous United States. USDA-ARS Publ. ARS-114, Washing- temperature, and solar radiation. Water Resour. Res. 17 (1), 182-
ton, D.C.: USDA-ARS. 190.
Saluso, J. 1999. El observatorio agrometeorolgico de la EEA Paran Zhang, XC. 2003. Assessing seasonal climatic impact on water
del INTA. Macrorregin pampeana norte. Centro Regional Entre resources and crop production using CLIGEN and WEPP models.
Ros. http://inta.gob.ar/sites/default/files/script-tmp-inta- Transactions of the ASAE 46(3), 685-693.
_observatorio_eea_paran-_65_aos.pdf
Zhang, XC & JD Garbrecht. 2003. Evaluation of CLIGEN precipitation
Sharpley, AN & JR Williams. eds. 1990. EPIC Erosion/Productivity parameters and their implication on WEPP runoff and erosion
Impact Calculator, USDA-ARS Technical Bulletin 1768, USDA-ARS prediction. Trans. ASAE 46(2): 311-320.
Grassland, Soil, and Water Research Lab, Temple, TX. 5/09/
Zhang, XC; MA Nearing; LM Risse & KC McGregor. 1996. Evaluation
2001.URL: http://www.brc.tamus.edu/epic/index.html
of WEPP runoff and soil loss predictions using natural runoff plot
SIIA, 2014. Datos provistos por la Direccin de informacin agrope- data. Trans. ASAE 39(3): 855-863.
cuaria y forestal, Subsecretara de Agricultura. Coordinacin de ser-
Yu, B. 2000. Improvement and evaluation of CLIGEN for storm
vicios de informacin, Ministerio de Agroindustria. http://www.
generation. Trans. ASAE 43(2): 301-307.
siia.gob.ar/_apps/siia/estimaciones/estima2.php. Verificado 07/
09/2016. Yu, B. 2002. Using CLIGEN to generate RUSLE climate inputs.
Transactions of the ASAE 45(4), 993.
Wallis, TR & JF Griffiths. 1995. An assessment of the weather generator
(WXGEN) used in the erosion/productivity impact calculator (EPIC). Yu, B. 2005. Adjustment of CLIGEN parameters to generate
Agric. and Forest Meteorology 73(1-2): 115-133. precipitation change scenarios in southeastern Australia. Catena,
61: 196-209.
Williams, JR; CA Jones & PT Dyke. 1984. A Modeling approach to
determining the relationship between erosion and soil productivity.
Transactions of the ASAE 27(1) 129-144.