Aunque no lleguen a provocar catástrofes en edificaciones e infraestructuras, las inundaciones y las sequias pueden causar estragos en los campos de cultivo. La agricultura, y también la ganadería, son muy vulnerables a esos fenómenos y por eso su productividad depende en buena medida de las previsiones climáticas.
Teniendo en cuenta lo mucho que los fenómenos atmosféricos extremos pueden dañar a la producción agropecuaria, es por esto que conocer la probabilidad de que ocurran con meses de antelación resulta vital. Una investigadora de la Universidad de Buenos Aires (UBA) en Argentina trabaja en la generación de modelos matemáticos para hacer estimaciones con hasta seis meses de antelación.
“Para la región del este de la Argentina, por ejemplo, pueden obtenerse pronósticos sobre las condiciones climáticas de los próximos tres meses con un buen desempeño”, cuenta Marisol Osman, doctora en Ciencias de la atmósfera, investigadora del Centro de Investigaciones del Mar y de la Atmósfera (CIMA) y docente de la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires.
“Los pronósticos con los que trabajamos son de carácter probabilístico”, explica la experta a Argentina Investiga. “No dan un valor específico de lluvia o temperatura esperado, sino la probabilidad de que esas variables sean muy diferentes a sus valores típicos”.
Conocer el clima para prevenir desastres
Regiones como las de Argentina suelen experimentar una variabilidad climática importante que ha sido estudiada durante décadas. Esto permite a los expertos conocer las causas y, en base a eso, pronosticar cómo será esa variabilidad con meses de anticipación.
Marisol Osman es una de las investigadoras que estudia esos fenómenos, desde sus inicios en la carrera científica y continúa actualmente en Alemania, donde realiza un posdoctorado.
“Vengo de un pueblo lleno de productores agropecuarios donde la conversación sobre el clima era una constante. De chica me gustaba la matemática, y estudiar Ciencias de la Atmósfera me permitía combinar ese gusto por la matemática con temas relevantes para mi pueblo” explica la especialista.
“Tanto mi tesis de licenciatura como la de doctorado tomaron tópicos asociados al pronóstico climático, que incluyó el desarrollo de un pronóstico probabilístico de lluvia y temperatura. Hoy es usado por el Servicio Meteorológico Nacional”.
“En mi posdoctorado y ahora como investigadora del CONICET trabajé en el desarrollo de pronósticos sobre todo para aplicaciones en el sector agropecuario”, contó la científica. “En particular, en 2019 el grupo DiVar que integro y que dirige la doctora Carolina Vera, obtuvo un Proyecto de Desarrollo Estratégico para implementar pronósticos climáticos en la gestión del riesgo agropecuario”.
“En el marco de este proyecto nos asociamos al grupo ProVul de la Facultad de Ciencias Económicas de la UBA. Junto a ellos colaboramos con la Oficina de Riesgo Agropecuario (ORA) del Ministerio de agricultura, Ganadería y Pesca para desarrollar un sistema de pronóstico de reserva de agua en el suelo para diferentes localidades de la Argentina” contó Osman.
La ORA se especializa en evaluar el riesgo de que los desastres climáticos puedan afectar a la producción agropecuaria del país. Las sequías o el exceso de lluvias son las principales causas de pérdida de rendimiento en los cultivos y en la cría de ganado, lo que impacta fuertemente en la economía.
“El grupo de economistas que forman ProVul viene investigando el impacto de la variabilidad climática en el rendimiento de los cultivos, y desarrolló modelos que vinculan los rendimientos con la lluvia en cada campaña”, explicó Osman.
“Gracias al proyecto que llevamos adelante de manera conjunta pudimos refinar ese modelo para obtener mejores estimaciones utilizando, entre otras variables, las reservas de agua del suelo en diferentes localidades del país”.
Medir las reservas de agua
El agua de la que se vale la agricultura es la que se encuentra almacenada en el suelo, llamada reserva de agua. Los expertos pueden calcular el tamaño de esa reserva en cada zona en base a la cantidad de lluvia que ha caído, y estimando cuánta de esa agua puede haberse evaporado, de acuerdo a la temperatura y el viento de la región.
Contando con el dato del tamaño de esa reserva, y sumando el pronóstico de la variabilidad climática de una región, se puede saber si el suelo se resecará o si se saturará, y cómo esto podrá afectar a determinados cultivos.
Este tipo de pronósticos sirve para predecir la variabilidad de la reserva de agua; se realiza una vez para los siguientes treinta días, en diversas localidades de la Argentina.
“Los pronósticos de reserva de agua en el suelo para diferentes cultivos tienen dos componentes. Por un lado, un registro extenso de datos de esas reservas, obtenido a partir de datos meteorológicos y utilizando información sobre el ciclo del cultivo en cuestión; como fecha típica de siembra, floración, cosecha, etcétera. Por otro lado, utilizamos los pronósticos a treinta días de las variables meteorológicas de un modelo de pronóstico global”.
“Los datos los usamos de dos maneras: primero, como diagnóstico del estado actual de las condiciones del suelo. Segundo, dado que los pronósticos no son perfectos, tenemos que corregirlos con métodos matemáticos. Para eso vemos los resultados de pronósticos del pasado, contando con los datos del clima que querían predecir. Eso nos sirve para mejorar los pronósticos a futuro” señala la investigadora.
Los pronósticos de patrones meteorológicos recurrentes no se utilizan solo para predecir reservas de agua, sequías e inundaciones, sino que pueden utilizarse en el sector energético. Eso es lo que hace Marisol Osman en Alemania, donde se perfecciona como profesional haciendo un posdoctorado en el Instituto Tecnológico de Karlsruhe.
Allí buscará aplicar sus conocimientos al sector de las energías renovables. “Al terminar este proyecto me gustaría volcar todo el conocimiento que adquiera sobre clima y energía en el desarrollo de aplicaciones en la Argentina”, concluyó Marisol Osman.
Fuente: Noticias de la Ciencia
No Comment! Be the first one.