IMPACTO DE LA CONDICIÓN INICIAL DE LA HUMEDAD DE SUELO EN EL PRONÓSTICO CLIMÁTICO ESTACIONAL DEL SUR DE SUDAMÉRICA.

Natalia L. Pessacg1, Juan C. Labraga1 y Mónica A. López1

1. Centro Nacional Patagónico (CENPAT-CONICET), Puerto Madryn, Argentina. pessacg@cenpat.edu.ar

Resumen

El pronóstico de las anomalías climáticas estacionales está fuertemente vinculado con el pronóstico de la temperatura de la superficie del mar, debido a que ésta es una de las variables con mayor memoria del sistema climático. Esta memoria permite pronosticar anomalías atmosféricas en escalas estacionales e interanuales. Sin embargo, aún cuando los modelos climáticos son inicializados con datos observados de temperatura de la superficie del mar, es difícil pronosticar anomalías en las variables cercanas a la superficie, como la temperatura y la precipitación. Parte de esta dificultad puede ser atribuida a que la predictabilidad de estas variables no solo está asociada con forzantes remotos, sino también con interacciones suelo-atmósfera. Una de las variables del suelo con mayor memoria es la humedad de suelo que, como forzante local del clima puede ampliar la predictabilidad en escalas estacionales. En este contexto, se realizó un conjunto de experimentos para el pronóstico climático estacional con el modelo atmosférico regional WRF, considerando como condición inicial de la humedad de suelo diferentes bases de datos. Los resultados mostraron que la inicialización de la humedad del suelo tiene un fuerte impacto en el pronóstico de las anomalías climáticas estacionales de temperatura y precipitación, debido principalmente a cambios en la partición de energía. Además, se detectó que una mejor inicialización de la humedad del suelo mejora el pronóstico de la anomalía húmeda que caracteriza el periodo de estudio en la región de La Cuenca del Plata. Palabras claves: humedad de suelo, pronóstico climático estacional, modelo climático regional, anomalías climáticas estacionales

SOIL MOISTURE INITIAL CONDITION IMPACT OVER THE SEASONAL CLIMATE FORECAST OF SOUTHERN SOUTH AMERICA

Abstract

The forecast of seasonal climate anomalies is strongly linked with the sea surface temperature forecast, since this is one of the variables with greater memory in the climate system. This memory allows forecasting atmospheric anomalies in seasonal and interannual time-scales. However, even when the climate models are initialized with observed sea surface temperature data, forecasting anomalies in near-surface atmospheric variables, like temperature and precipitation, is remarkable difficult. Part of this problem is due to the predictability of these near-surfaces atmospheric variables is not only linked to remote forcings, but also to soil-atmosphere interactions. One of the soil variables with greater memory is the soil moisture, and as local forcing it can enhance the predictability in seasonal time-scales. In this context, a set of seasonal climatic forecast experiments with the atmospheric regional model WRF was performed, considering different datasets to initialize the soil moisture. The results showed that the initialization of soil moisture have a strong impact in the forecast of temperature and precipitation anomalies, due to mainly changes in the energy partition. Besides, we detected that a better initialization of soil moisture improved the seasonal climatic forecast of the wet anomaly that characterized the period of study in the region of La Plata River Basin. 1. Introducción

La principal metodología que se utiliza para realizar pronósticos climáticos estacionales es mediante el modelado y pronóstico de la temperatura de la superficie del mar (TSM), ya que ésta es una de las variables con mayor memoria del sistema climático y por lo tanto permite un grado de predictabilidad en escalas

estacionales e interanuales. En general los modelos dinámicos logran reproducir las principales anomalías de la circulación de gran escala, pero aún cuando son forzados con TSMs observadas, no logran reproducir adecuadamente las anomalías observadas de temperatura de superficie y precipitación (Frederiksen y otros, 2001). Barreiro y Díaz (2011) determinaron que los patrones de anomalías de precipitación (ubicación y signo) en el sureste de América del Sur dependen principalmente de las anomalías atmosféricas de gran escala asociadas a El Niño, sin embargo la amplitud de las anomalías de precipitación y el patrón y signo de las anomalías de temperatura están controladas no sólo por la circulación atmosférica de gran escala, sino también por la interacción local entre la humedad de suelo (HS) y las anomalías atmosféricas. Los autores concluyen que debido a esto y en orden de mejorar los pronósticos estacionales de América del Sur es necesario representar no sólo los procesos de teleconexiones sino también las interacciones regionales suelo-atmósfera. Por otro lado, Dirmeyer y otros (2009) y Saulo y otros (2010) determinaron que en la región de La Cuenca del Plata los mecanismos de retroalimentación entre la HS y la atmósfera son evidentes durante todo el año, y sugieren que la memoria del suelo en esta región es débil pero suficiente como para alterar la precipitación, por lo tanto el pronóstico de la precipitación en el corto y mediano plazo podría mejorarse con precisas inicializaciones de las condiciones de suelo. Además, Sorensson y otros (2010) sugieren que las condiciones iniciales de HS durante la primavera “realimentan” el Sistema Monsónico de América del Sur durante los meses cálidos, no sólo sobre el Amazonas, sino también en las regiones subtropicales de América del Sur. Las variables de superficie y las interacciones suelo-atmósfera juegan un rol fundamental en la determinación del estado de la atmósfera cerca de la superficie. En particular la HS actúa como un fuerte controlador de la partición entre los flujos de calor sensible y los flujos de calor latente en la superficie. A su vez, los flujos de calor afectan tanto los procesos radiativos como los mecanismos dinámicos de la capa límite atmosférica, modulando de esta manera la precipitación y la temperatura (Eltahir, 1998). El objetivo de este trabajo es estudiar el rol de la HS como condición inicial en el modelado de las anomalías atmosféricas estacionales en el sur de América del Sur y analizar las interacciones suelo-atmósfera asociadas a cambios en la HS que pueden determinar cambios en los patrones atmosféricos pronosticados. Este trabajo está organizado de la siguiente manera: En la próxima sección se describirán las características más importantes del modelo atmosférico regional utilizado, los conjuntos de datos empleados en la inicialización y validación de las simulaciones y el diseño y propósito de los experimentos propuestos. En la tercera sección se describirán los resultados, analizando por un lado el impacto de los cambios de la humedad de suelo como forzante local, y por otro lado el impacto de dichos cambios en el pronóstico estacional de las anomalías de precipitación y temperatura. Finalmente, en la última sección se discutirán las principales conclusiones. 2. Metodología 2.1. Modelo En este estudio fue utilizado el modelo Weather Research and Forescasting (WRF), versión 3.3 (Skamarock y otros, 2008). El dominio de integración abarco desde 21 °S hasta 60 °S y desde 48 °W hasta 82 °W, con 145 puntos en la dirección este-oeste y 188 puntos en la dirección norte-sur, que corresponde a una resolución espacial de 30 km. aproximadamente. Se consideraron 28 niveles verticales con el tope del modelo en 50 hPa. El dominio empleado se muestra en la Fig.1. Se utilizó el esquema de capa límite planetaria Mellor-Yamada-Janjic (Janjic, 2002) y el esquema Betts-Miller-Janjic para parametrizar los procesos convectivos (Betts, 1986; Janjic, 1994). Los esquemas radiativos utilizados fueron Duhia (1989) para el flujo radiativo de onda corta y el esquema Rapid Radiative Transfer Model para el flujo de onda larga (RRTM) (Mlawer y otros, 1997). El esquema de microfísica de nubes adoptado fue el WSM 3-class simple ice (Hong y otros, 2004). Se aplicó el modelo de suelo Noah land-surface model (Chen y Dudhia, 2001), este modelo pronostica humedad y temperatura del suelo en cuatro capas (0-10cm, 10-40cm, 40-100cm y 100-200cm). 2.2. Datos Las condiciones atmosféricas iniciales y de borde para las simulaciones con el modelo WRF se obtuvieron de los pronósticos del Climate Forecast System (CFS) versión 2 provenientes de NCEP (Saha y otros, 2010), con una resolución temporal de 3 horas y espacial de 1°. Estos datos fueron provistos a través del proyecto

MRED (Multi-RCM Ensemble Downscaling of Multi-GCM Seasonal Forecast, http://rcmlab.agron.iastate.edu/mred/). Se consideraron además dos conjuntos extras de datos para inicializar la condición inicial de la HS del modelo WRF. Por un lado, se utilizaron datos climáticos de HS obtenidos de los reanálisis del CFS (CFSR) (Saha y otros, 2010), para el período 1999-2010. Por otro lado, se utilizaron los datos de HS del proyecto GLDAS2 (Global Land Data Assimilation System) (Rodell y otros, 2004). Las bases de datos de HS de GLDAS2 están calculadas a partir de diferentes modelos de suelo y técnicas de asimilación de datos que permiten incorporar datos satelitales y de superficie. En este caso se consideró el conjunto de datos de GLDAS2 producido con el modelo de suelo Noah, de manera que sea compatible con el modelo de suelo utilizado por el WRF. Estos datos tienen una resolución espacial de 1 ° y temporal de 3 horas. Para la verificación de los pronósticos fue utilizada la base de datos Willmott (Matsuura y Willmott, 2007), disponible a través del proyecto CLARIS-LPB ( http://www.claris-eu.org ). Este conjunto de datos cuenta con observaciones de precipitación y temperatura para el periodo 1900-2008 sobre la región continental, interpolados sobre una retícula uniforme de 0.5° x 0.5°. 2.3. Diseño de los experimentos El período de estudio seleccionado corresponde al verano austral 2002-2003. Los experimentos de sensibilidad se iniciaron el 11/11/2002 a las 00z y finalizaron el 28/02/2003 a las 00z. Este período fue anómalamente húmedo y cálido en la región de La Cuenca del Plata (Fig.1) y además estuvo caracterizado por condiciones típicas de la fase cálida del ENSO (El Niño-Southern Oscilation, por sus siglas en inglés).

Figura 1: Dominio del modelo y anomalías de (a) precipitación (mm/mes) y de (b) temperatura a 2 metros

(°C) para el mes de Noviembre de 2002 respecto de la media del período 1979-1988, según la base de datos Willmott (Matsuura y Willmott, 2007).

Los experimentos de sensibilidad se detallan en la Tabla I. En todos ellos se prescribieron idénticas condiciones de contorno para el modelo regional, obtenidas de los pronósticos climáticos del CFS. En primer lugar se realizó una simulación de control (CTRL), utilizando la condición inicial para la humedad del suelo en todos los niveles provista por el CFS. El objetivo de esta simulación es obtener una regionalización (downscaling) del pronóstico climático global del CFS mediante un modelo atmosférico de área limitada, lo que permite un tratamiento con mayor detalle de las interacciones de pequeña escala como la convección y los flujos turbulentos de calor y humedad. Por otro lado, en el experimento de sensibilidad TAB la condición inicial para la humedad del suelo fue provista por los valores climatológicos de tablas disponibles por defecto en el modelo WRF, las cuales asignan a cada categoría de uso de suelo un valor mensual climatológico de HS. En este experimento se ignoran deliberadamente los posibles efectos de la condición previa de HS al prescribir un valor climático. El experimento CFSR es similar al experimento TAB, con la diferencia que la condición inicial de HS fue provista por los valores climatológicos obtenidos de los reanálisis CFSR, en vez de los valores de tabla usados en el experimento TAB. Como los valores de HS del CFSR son producto de un modelo de suelo y un sistema de asimilación de datos atmosféricos, son presumiblemente más exactos que los valores de tabla del WRF. Finalmente, el experimento GLDAS2 consistió en forzar la condición inicial de humedad de suelo con los datos de GLDAS2 correspondientes a la opción del modelo de suelo Noah, también utilizada en las simulaciones con WRF. Los datos de GLDAS2 son una combinación de valores modelados y observaciones,

por lo que ésta es una de las estimaciones de la condición inicial de HS más aproximada a la realidad disponible actualmente.

Experimentos Condición Inicial de humedad de suelo

CTRL Pronóstico CFS

TAB Climatología WRF (asociada a las categorías de uso de suelo)

CFSR Climatología CFSR

GLDAS2 GLDAS2 (para el modelo de suelo Noah)

Tabla I: Experimentos realizados y condiciones iniciales de humedad de suelo consideradas.

3. Resultados 3.1. Humedad de suelo como forzante local

Los experimentos de sensibilidad realizados están caracterizados por diferentes condiciones iniciales de HS en los 4 niveles de suelo considerados. Estos cambios en la condición inicial de HS conducen a diferencias en los campos de HS pronosticados en el dominio de integración durante el periodo de estudio. Los resultados muestran que los valores de HS pronosticados por el modelo WRF en el primer nivel de suelo (0-10cm) para el trimestre Diciembre-Enero-Febrero (DEF) de 2002/2003, están subestimados en la mayor parte del dominio del experimento TAB respecto del CTRL (Fig.2a). Este resultado era esperable ya que el periodo DEF de 2002/2003 fue anormalmente húmedo, mientras que los valores de HS del experimento TAB son valores climatológicos mensuales asignados por tablas disponibles en la configuración del modelo y asociados a las categorías de uso de suelo. La subestimación de la HS en el experimento TAB es mayor al 50% en la región central de Argentina. El experimento CFSR muestra subestimaciones de la HS pronosticada para el periodo DEF en la provincia de Buenos Aires, Litoral, Uruguay y sur de Brasil y sobreestimaciones en el este de la Patagonia y centro-oeste de la zona subtropical de Argentina (Fig.2b). Por último, el experimento GLDAS2 muestra sobrestimaciones de la HS pronosticada en la región de La Cuenca del Plata (LCP) y subestimaciones de la HS en el oeste de Argentina y Patagonia, respecto del experimento CTRL forzado con los pronósticos del CFS (Fig.2c). Los 3 niveles de suelo restantes (10-40cm; 40-100cm y 100-200cm) presentaron una estructura en el desvío de HS similar a la del primer nivel de suelo, pero con porcentajes mayores (no mostrados).

Figura 2: Desvío de la humedad de suelo (%) en el primer nivel de suelo (0-10 cm), para los

experimentos (a) TAB, (b) CFSR y (c) GLDAS2, respecto del experimento CTRL, promediados para el trimestre DEF de 2002-2003.

Es importante destacar que el mes de Diciembre (no mostrado) es el que presenta los mayores desvíos de HS en el trimestre. Este comportamiento es consistente con las series diarias de HS promediadas en todo el dominio para cada uno de los experimentos (Fig.3), donde es evidente que la memoria de la HS en el primer nivel de suelo (0-10 cm) se pierde prácticamente en el primer mes para los experimentos CFSR y GLDAS2, y luego los valores de HS se ajustan a valores de equilibrio respondiendo a la propia dinámica del modelo. Sin embargo, el experimento TAB muestra que al iniciar el experimento con una condición inicial de HS mucho más débil que la pronosticada por el CFS, la propia dinámica del modelo no logra que los valores de

HS alcancen un valor de equilibrio durante todo el período de estudio. Este resultado es concordante con los resultados discutidos por Cosgrove y otros (2003), que concluyen que una inicialización seca de los modelos de suelo requiere períodos de tiempo más extensos para que las variables de suelo alcancen condiciones de equilibrio que una inicialización húmeda, especialmente en las regiones geográficas donde la precipitación acumulada es muy baja.

Figura 3: Series temporales de humedad de suelo (m3 m-3) en el primer nivel de suelo (0-10cm) para los cuatro experimentos realizados, promediadas en todo el dominio de integración del WRF.

3.2. Impacto de la humedad de suelo en las variables atmosféricas

Los tres experimentos realizados muestran un fuerte impacto de la condición inicial de HS en la temperatura a 2 metros (T2m) pronosticada (Fig.4), principalmente en la región de LCP, con aumentos de temperatura de hasta 3 °C asociados a subestimaciones de HS mayores al 50% en la región central y este de Argentina (experimento TAB), y disminuciones de 1,5 °C sobre el Litoral asociados a sobreestimaciones de la HS mayores al 30% (experimento GLDAS2).

Figura 4: Desvío de la temperatura a 2 metros (°C), para los experimentos (a) TAB, (b) CFSR y (c)

GLDAS2, respecto del CTRL, promediados para el trimestre DEF de 2002-2003. El pronóstico de precipitación acumulada (Fig.5) muestra subestimaciones en el este de Argentina en el experimento TAB respecto del CTRL durante DEF, asociadas a la fuerte subestimación de la humedad de suelo en esa región. El experimento CFSR muestra regiones específicas en el este de Argentina y Uruguay

con disminución de la precipitación acumulada en concordancia con las regiones donde la HS esta subestimada respecto del CTRL. Por último, el experimento GLDAS2 muestra sobrestimación de la precipitación acumulada pronosticada en el este de Argentina y Uruguay, consistentemente con las regiones de sobreestimación de la HS.

Figura 5: Desvío de la precipitación acumulada (mm/mes), para los experimentos (a) TAB, (b) CFSR y

(c) GLDAS2, respecto del CTRL, promediados para el trimestre DEF de 2002-2003.

A partir de los experimentos realizados es evidente que la HS juega un rol fundamental como forzante local en la predictabilidad de la precipitación y de la temperatura en niveles bajos de la atmósfera. Sin embargo, es importante remarcar que la influencia de la memoria de la HS en la predictabilidad de las variables atmosféricas cercanas a la superficie se localiza principalmente en la región de LCP, mientras que en la región patagónica, si bien se fuerzan cambios en la condición inicial de HS, no se detecta un impacto en las variables cercanas a superficie asociado a cambios en el forzante local. Diferentes condiciones de HS pueden afectar el pronóstico de las variables cercanas a la superficie básicamente de dos maneras. A través de los impactos en el reciclado local del agua, ya que mayor contenido de humedad de suelo conduce a mayor evaporación en la superficie y el incremento de fuentes locales de humedad favorece la precipitación (Zhang y Frederiksen, 2003). El otro modo, es a través de la partición de los flujos turbulentos de calor en la superficie. Un mayor contenido de HS conduce a un incremento del flujo de calor latente y una disminución del flujo de calor sensible, y ambos procesos generan una disminución de la temperatura de superficie que a su vez puede alterar la circulación de niveles bajos de la atmósfera. Por otro lado, el incremento del flujo de calor latente aumenta el vapor de agua, incrementando la nubosidad y por consiguiente la precipitación, aumentando de esta manera el contenido de HS nuevamente, constituyendo por lo tanto un proceso de retroalimentación positivo (Pitman, 2003). Estos mecanismos modifican los procesos dinámicos modelados y afectan la simulación de la precipitación y temperatura. En el experimento TAB, la marcada subestimación de HS respecto del experimento CTRL conduce a una disminución del flujo de calor latente (Fig. 6a) y a un aumento del flujo de calor sensible (Fig. 6d), principalmente en la región central de Argentina (provincias de La Pampa y Buenos Aires). Los valores de la relación de Bowen (cociente entre el flujo de calor sensible y calor latente) en este experimento son muy superiores a 1 en esta región (Fig. 7b). Esto se traduce en que en el experimento TAB se utilizó más energía para calentar la atmósfera que en evaporación y transpiración, resultados coherentes con la sobrestimación de la T2m (Fig. 4a) y subestimación de la precipitación (Fig. 5a) mencionados anteriormente. Por otra parte, como ya fue notado, en el experimento GLDAS2 la HS fue sobrestimada en la región de LCP, produciendo un aumento del flujo de calor latente (Fig. 6c) y una disminución del flujo de calor sensible (Fig. 6f). En consecuencia, la relación de Bowen es inferior a 1 en esta región (Fig. 7d), consistentemente con la subestimación de la T2m (Fig. 4c) y la tendencia a la sobrestimación de la precipitación (Fig. 5c) marcada previamente.

Figura 6: Desvío del flujo de calor latente y sensible (Wm-2) respecto del CTRL, para los experimentos (a) y (d) TAB; (b) y (e) CFSR; (c) y (f) GLDAS2 respectivamente, promediados para el trimestre DEF de

2002-2003.

Figura 7: Coeficiente de Bowen para (a) CTRL, (b) TAB, (c) CFSR y (d) GLDAS, promediados para el trimestre DEF de 2002-2003.

3.3. Impacto de la humedad de suelo en la calidad del pronóstico.

Con el objetivo de evaluar la calidad del pronóstico climático estacional en función del grado de predictabilidad asociado a la memoria de la HS, se analizaron las anomalías climáticas estacionales de precipitación y temperatura para el trimestre DEF de 2002/2003. Las anomalías climáticas estacionales para la base de datos Willmott se calcularon con referencia a los valores medios mensuales promediados en el período 1979-1988. Las anomalías climáticas estacionales para los experimentos de sensibilidad se

calcularon con referencia a los valores medios mensuales para DEF simulados con el modelo WRF durante el período 1979-1988. La simulación con el modelo WRF de la climatología para el período 1979-1988, se realizó utilizando la misma configuración, dominio, y parámetros físicos del modelo considerados en los experimentos de sensibilidad a la HS. Como condición inicial y de borde para esta simulación de 10 años se utilizaron los reanálisis del CFS. Previo a este análisis es importante analizar los campos medios de temperatura y precipitación para el trimestre estudiado. Durante DEF 2002/2003, la precipitación está caracterizada por fuertes valores de precipitación acumulada en la región de La Cuenca del Plata con valores máximos de 200 mm/mes sobre Uruguay y 350mm/mes en la región del sur de Brasil (Fig.8a). Respecto a la T2m, los valores máximos se observan en el norte de Argentina, Paraguay y Bolivia, alcanzando los 30 °C en promedio en el trimestre estudiado en el norte de Paraguay (Fig.8b). El verano de 2002/2003 además está caracterizado por una anomalía húmeda y fría sobre el este de Argentina, Uruguay y sur de Brasil y una anomalía seca de menor magnitud sobre el norte de Paraguay, norte de Argentina y sur de Bolivia (Fig.8c, 8d). También es posible detectar una anomalía cálida en el sur de Brasil y Paraguay que alcanza los 2.5 °C y fría en la región patagónica (Fig.8d).

Figura 8: (a) Precipitación acumulada (mm/mes) y (b) temperatura a 2 metros (°C) para la base de datos Willmott, para el trimestre DEF 2002/2003. Anomalía de (c) precipitación acumulada (mm/mes) y

(d) temperatura a 2 metros, para la base de datos Willmott respecto de la climatología de Willmott (1979-1988).

Los experimentos lograron pronosticar la anomalía seca sobre el norte de Argentina, pero no lograron capturar la extensión de la misma hacia Paraguay como muestran las observaciones (Fig.9). Por otro lado, todos los experimentos pronosticaron adecuadamente la ubicación de la anomalía húmeda sobre el este de Argentina y Uruguay, pero cada uno con diferentes intensidades. Los experimentos CFS y GLDAS2 simularon anomalías húmedas más intensas en la región de La Cuenca del Plata, mostrando mayor concordancia con las observaciones que los experimentos TAB y CFSR. Es evidente que en esta región existe un fuerte acoplamiento entre el estado del suelo y el de la atmósfera, que determina que una inicialización de la condición de HS más cercana a la realidad que un valor climático (experimentos TAB y CFSR) mejore el pronóstico de la anomalía de precipitación en esta región. Respecto a la temperatura, todos los experimentos realizados pronosticaron una anomalía estacional fría en la región patagónica mucho más intensa que las anomalía de las observaciones (Fig. 7d y Fig.8). Además, los experimentos lograron pronosticar la anomalía cálida al norte de Argentina, Paraguay y sur de Bolivia, pero no reprodujeron adecuadamente esta anomalía estacional en el sur de Brasil. El experimento TAB

sobreestima fuertemente la anomalía cálida y no logra pronosticar la anomalía fría en el este de Argentina y Uruguay. El experimento GLDAS2 es el que muestra un mejor pronóstico de la anomalía climática estacional de T2m.

Figura 9: Anomalías de precipitación (panel izquierdo) y temperatura (panel derecho) para cada

experimento respecto de la climatología del WRF (1979-1988).

4. Discusión y Conclusiones

En este trabajo se analizó el impacto de diferentes condiciones iniciales de humedad de suelo en el pronóstico climático estacional de las anomalías de precipitación y temperatura en el sur de América del Sur. Dado que la humedad de suelo es una de las variables que mayor memoria tiene en el sistema climático, puede aumentar la predictabilidad en escalas estacionales e interanuales en ciertas regiones. A partir de las simulaciones realizadas se detectó que los cambios en la condición inicial de humedad de suelo pueden generar significativas diferencias en el pronóstico de precipitación y temperatura en la región norte y noreste de Argentina, Paraguay, Uruguay y sur de Brasil, asociados principalmente a cambios en la partición de energía. Los cambios en la condición inicial de humedad de suelo también fueron forzados en la región patagónica de Argentina, pero no se detectaron impactos en la temperatura y precipitación en esta región, dando evidencia que el suelo no está fuertemente acoplado con la atmósfera en esta área. Una mejor inicialización de la humedad de suelo, dada por los datos del proyecto GLDAS2, permitió una mejora en el pronóstico climático de la anomalía húmeda en la región de LCP y de las anomalías en la temperatura cercana a superficie, respecto de las anomalías observadas. Es importante remarcar que los resultados de este estudio están fuertemente vinculados al período estudiado. En este trabajo se analizó un único período caracterizado por condiciones anómalamente húmedas y cálidas, pero en trabajos futuros se extenderán estos resultados a un período anómalamente seco, con el objetivo de determinar el impacto de la condición inicial del suelo en diferentes períodos climáticos extremos.

Agradecimientos Este trabajo fue realizado con fondos del Proyecto de Investigación PIP 11420100100093 provistos por CONICET. Además, los autores desean agradecer al Proyecto CLARIS-LPB (A Europe-South America Network for Climate Change Assessment and Impact Studies in La Plata Basin) y a NCEP-NOAA en el marco del Proyecto MRED (Multi-RCM Ensemble Downscaling of Multi-GCM Seasonal Forecast), por los datos provistos para desarrollar este trabajo. Referencias Barreiro M. and N. Díaz, 2011: Land–atmosphere coupling in El Niño influence over South America. Atmospheric Science Letters, 12: 351–355. doi: 10.1002/asl.348 Betts A., 1986: A new convective adjustment scheme. Part I: Observational and theoretical basis. Quart. J. Roy. Meteor. Soc., 112, 677–691. Chen F. and J. Dudhia, 2001: Coupling an advanced land-surface/hydrology model with the Penn State–NCAR MM5 modeling system. Part I: Model description and implementation. Mon. Wea. Rev., 129, 569–585. Cosgrove B., et al., 2003: Land surface model spin-up behavior in the North American Land Data Assimilation System (NLDAS). J. Geophys. Res., 108(D22), 8845. Dirmeyer P., A. Schlosser, K Brubaker, 2009: Precipitation, Recycling, and Land Memory: An Integrated Analysis. J. Hydrometeor., 10, 278–288. Dudhia J., 1989: Numerical study of convection observed during the winter monsoon experiment using a mesoscale twodimensional model. J. Atmos. Sci., 46, 3077–3107. Eltahir E., 1998: A soil moisture-rainfall feedback mechanism. 1. Theory and observations. Water Resour. Res., 34, 765–776. Frederiksen C., H. Zhang, R. Balgovind, N. Nicholls, W. Drosdosky and L. Chambers, 2001: Dynamical seasonal forecasts during the 1997/98 ENSO using persisted SST anomalies. J. Clim., 14, 2675–2695 Hong S., J. Dudhia and S. Chen, 2004: A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation. Mon. Wea. Rev., 132,103-120 .

Janjic Z., 1994: The step-mountain Eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure schemes. Mon. Wea. Rev., 122, 927–945. Janjic Z., 2002: Nonsingular Implementation of the Mellor–Yamada level 2.5 scheme in the CEP Meso model. NCEP Office Note 437, 61 pp. Koster R. and M. Heiser, 2000: Variance and predictability of precipitation at seasonal-to-interannual timescales. J. Hydrometeor., 1, 26-46. Matsuura K. and C. Willmott, 2007: Terrestrial Precipitation: 1900-2008 Gridded Monthly Time Series (Version 1.01), edited, Center for Climatic Research Department of Geography University of Delaware. Mlawer E., S. Taubman, P. Brown, M. Iacono and S. Clough, 1997: Radiative transfer for inhomogeneous atmosphere: RRTM, a validated correlated-k model for the long wave. J. Geophys. Res., 102 (D14), 16 663–16 682. Pitman A., 2003: Review. The evolution of, and revolution in, land surface schemes designed for climate models. Int. J. Climatol., 23:479-510. Rodell M., P. Houser, U. Jambor, J. Gottschalck, K. Mitchell, C.-J. Meng, K. Arsenault, B. Cosgrove, J. Radakovich, M. Bosilovich, J. Entin, J. Walker, D. Lohmann and D. Toll, 2004: The Global Land Data Assimilation System. Bull. Amer. Meteor. Soc., 85(3), 381-394, Abstract. Saha S. and Coauthors, 2010: The NCEP Climate Forecast System Reanalysis. Bull. Amer. Meteor. Soc., 91, 1015.1057. Saulo C., L. Ferreira, J. Nogués-Paegle, M. Seluchi, J. Ruiz, 2010: Land–Atmosphere Interactions during a Northwestern Argentina Low Event. Mon. Wea. Rev., 138, 2481–2498. Skamarock W., J. Klemp, J. Dudhia, D. Gill, D. Barker, M. Duda, X. Huang, W. Wang, J. Powers, 2008: A description of the advanced research WRF version 3. NCAR Technical note NCAR/TN-475+STR, 113 pp. Sörensson A., C Menéndez, P. Samuelsson, U. Willén and U. Hansson, 2010: Soil-precipitation feedbacks during the South American Monsoon as simulated by a regional climate model. Clim. Change 98, 429–447. Zhang H. and S. Frederiksen, 2003: Local and Nonlocal Impacts of Soil Moisture Initialization on AGCM Seasonal Forecasts: A Model Sensitivity Study. J. Climate 16(13), 2117-1137