Distancias de correlación espacial de la precipitación en Argentina

Abstract

El estudio aquí presentado fue impulsado en el marco de un proyecto para mejorar la estimación de la precipitación en Argentina y se concentra en la estructura espacial de los patrones de precipitación. En esta línea, se aplicó una metodología para estimar las distancias de correlación de la precipitación diaria basada en el cálculo de un coeficiente de correlación espacial ordinal más adecuado para las propiedades estadísticas de la precipitación y en el ajuste de un modelo de decaimiento exponencial. Los datos utilizados provienen de una estimación de precipitación satelital con acceso libre a nivel global (IMERG FR, generada por la NASA). Los resultados obtenidos se encuentran en línea con estudios previos en otros países, con distancias de correlación más grandes asociadas a una mejor organización de los sistemas precipitantes o eventos de escala sinóptica, y distancias de correlación más cortas vinculadas a una alta variabilidad de los sistemas precipitantes o eventos de escala convectiva. En principio, esta información se utilizará como radios de influencia de la precipitación en el proceso de interpolación del bias para corregir las estimaciones satelitales con observaciones pluviométricas en escala diaria. A futuro, esta información también puede servir para el diseño de redes, los seguros agropecuarios y la validación de distintos datos de precipitación en Argentina.

This study is part of a project at the National Meteorological Service (SMN) to improve precipitation estimates in Argentina with particular attention to precipitation patterns. The methodology applied an ordinal spatial correlation and an exponential decay model with local conditions. The data used is a satellite precipitation estimate with free global access (IMERG FR, from NASA). Results are similar to those of previous works: longer distances in well-organized or synoptic precipitation regions and shorter distances in highly variable or convective precipitation regions. This information is critical for the influence of precipitation in the bias interpolation process for satellite estimate adjustment with rain gauges at a daily scale. In addition, it could serve for network design, agricultural insurance, and validation of different precipitation data in Argentina.