Los océanos y la circulación como precursores del pronóstico estadístico de precipitación estacional en Argentina
Las restricciones y adversidades climáticas que enfrentan distintos sectores productivos en Argentina generan un alto grado de incertidumbre sobre el resultado final de las actividades económicas ya que enfrentan el riesgo de sufrir pérdidas debido a numerosos factores climáticos. Diversos estudios...
Guardado en:
Autor principal: | |
---|---|
Formato: | Tesis Doctoral |
Lenguaje: | Español |
Publicado: |
15 d
|
Materias: | |
Acceso en línea: | https://hdl.handle.net/20.500.12110/tesis_n7133_Garbarini |
Aporte de: |
Sumario: | Las restricciones y adversidades climáticas que enfrentan distintos sectores productivos en Argentina generan un alto grado de incertidumbre sobre el resultado final de las actividades económicas ya que enfrentan el riesgo de sufrir pérdidas debido a numerosos factores climáticos. Diversos estudios han demostrado que la variabilidad interanual de la temperatura superficial del mar (TSM) y la circulación de superficie en las distintas cuencas oceánicas ejercen cierta influencia sobre las anomalías de precipitación estacional en Argentina. Es por ello que el objetivo de este trabajo de tesis es analizar la interrelación entre la TSM en los océanos y la circulación en capas bajas y determinar la influencia que estas relaciones ejercen sobre las anomalías estacionales de precipitación en Argentina con fines de pronóstico estacional. Se identificaron patrones estacionales de variabilidad interanual de TSM y de circulación en capas bajas sobre dominios correspondientes a los océanos Atlántico y Pacífico Sur e Índico tropical utilizando el método de componentes principales. Los patrones que más varianza explican fueron comparados entre sí para evaluar la respuesta atmosférica ante la TSM a escala estacional y, a partir de estas relaciones, se definieron posibles indicadores de variabilidad interanual de anomalías de precipitación estacional en Argentina. Las conclusiones de esta tesis doctoral amplían el conocimiento para la definición de nuevos indicadores relevantes para generar el mejor conjunto de predictores para un modelo estadístico de precipitación estacional más eficiente. |
---|