Abstract

GONZALEZ, M. H.; SKANSI, M. M.  and  LOSANO, F.. A statistical study of seasonal winter rainfall prediction in the Comahue region (Argentina). Atmósfera [online]. 2010, vol.23, n.3, pp.277-294. ISSN 0187-6236.

El objetivo del presente estudio es establecer las posibles causas que determinan la variabilidad de la precipitación en el período mayo-junio-julio (MJJ) en la cuencas de los ríos Limay y Neuquén. Para establecer la existencia de patrones de circulación previos a este trimestre indicativos de la variabilidad interanual de la precipitación acumulada en MJJ, se correlacionó la precipitación media en el área en cada una de las cuencas con diferentes predictores durante el trimestre precedente (febrero-marzo-abril). Los resultados indicaron que la precipitación en MJJ en ambas cuencas está relacionada con la temperatura de la superficie del mar y las alturas geopotenciales en diferentes niveles observadas previamente en áreas específicas del océano Indico y del Pacífico Sur, tal vez debido a los trenes de onda que se inician en esas zonas y que al llegar a proximidades de la Patagonia se manifiestan como sistemas precipitantes. También se observaron buenas correlaciones con la temperatura de la superficie del mar en el Atlántico, en la costa de Brasil y Argentina asociada al ingreso de vapor hacia el continente y con el viento zonal y meridional en las inmediaciones de la cuenca, responsables de la advección de aire húmedo. La aplicación de esquemas de predicción utilizando una regresión lineal múltiple dio como resultado que las variables elegidas explican el 51% de la variabilidad de la lluvia en MJJ en la cuenca del Limay y el 44% en la del Neuquén. El esquema se validó utilizando la metodología de validación cruzada, obteniendo correlaciones significativas entre la precipitación observada y la pronosticada en ambas cuencas. El análisis de la lluvia del invierno 2009 mostró que los indicadores de gran escala fueron útiles para detectar con anticipación la precipitación del invierno.

Keywords : Seasonal prediction; precipitation; multiple linear regression; sea surface temperature; atmospheric circulation.