ÍNDICE DE CONTENIDOS - Inicio | MGAP .:. Ministerio de ... · MAPAS DE FRECUENCIA DECENAL PARA LA...

DEPARTAMENTO DE CONSULTORIA Y RELACIONES INTERNACIONALES

Página - 1 -

ÍNDICE DE CONTENIDOS

RESUMEN EJECUTIVO --------------------------------------------------------------------------------------- 9

I. OBJETO--------------------------------------------------------------------------------------------------- 9 II. FASES DEL ESTUDIO -------------------------------------------------------------------------------- 9

II.1 ANÁLISIS CLIMÁTICO: PROPUESTAS DE ZONAS HOMOGÉNEAS BASADAS EN LAS PROBABILIDADES DE OCURRENCIA -------------------------------------------- 9

II.1.1. TEMPERATURAS ---------------------------------------------------------------------- 10 II.1.2. LLUVIAS ---------------------------------------------------------------------------------- 10 II.1.3. GRANIZO --------------------------------------------------------------------------------- 11

II.2 ELABORACIÓN DE LOS MAPAS DE RIESGO ------------------------------------------- 11 II.3 ESTIMACIÓN DE PÉRDIDAS TOTALES ESPERADAS POR CULTIVO Y FASE

DE DESARROLLO. PROPUESTA DE ZONAS HOMOGÉNEAS DE RIESGO---- 12 III. RESULTADOS ---------------------------------------------------------------------------------------- 12

III.1 CREACIÓN DE UNA ESTRUCTURA METODOLOGICA Y GENERACIÓN DE BASES DE DATOS ------------------------------------------------------------------------------- 13

III.2 NORMALIZACIÓN DE ANÁLISIS DE DESARROLLO DE CULTIVOS ORIENTADO AL ANÁLISIS DE RIESGOS AGROCLIMÁTICOS ---------------------------------------- 13

III.3 NORMALIZACIÓN DE PRÁCTICAS AGRÍCOLAS --------------------------------------- 13

CAPÍTULO I: PRESENTACIÓN DEL PROYECTO “FORTALECIMIENTO DE LOS RECURSOS HUMANOS EN EL ÁREA DE LOS SEGUROS AGRARIOS”-------------------- 14

CAPÍTULO II: ELABORACIÓN DE MAPAS DE RIESGO EN URUGUAY: PLANIFICACIÓN ---------------------------------------------------------------------------------------------- 17

CAPÍTULO III: BASES DE DATOS DE INFORMACIÓN. ------------------------------------------- 19

I. ESTABLECIMIENTO DE RIESGOS Y CULTIVOS ------------------------------------------ 20 I.1 ANÁLISIS PARA LA SELECCIÓN DE CULTIVOS.--------------------------------------- 20 I.2 ANÁLISIS PARA LA SELECCIÓN DE RIESGOS. ---------------------------------------- 35 I.3 SELECCIÓN DE CULTIVOS Y RIESGOS. ------------------------------------------------- 37

II. INFORMACIÓN AGROCLIMATOLÓGICA----------------------------------------------------- 39 II.1 DEFINICIÓN DE EVENTO CLIMÁTICO. ---------------------------------------------------- 39 II.2 INFORMACIÓN AGRONÓMICA.-------------------------------------------------------------- 44

III. CARACTERIZACIÓN DE LA INFORMACIÓN ------------------------------------------------ 52 III.1 DEFINICIÓN DE LAS VARIABLES ----------------------------------------------------------- 52 III.2 FUENTES DE LA INFORMACIÓN------------------------------------------------------------ 52

III.2.1. INFORMACIÓN GENERAL ---------------------------------------------------------- 52 III.2.2. INFORMACIÓN AGRONÓMICA. --------------------------------------------------- 53 III.2.3. INFORMACIÓN CLIMATOLÓGICA. ----------------------------------------------- 53


Página - 2 -

III.3 TIPOS DE ANÁLISIS DE PÉRDIDAS-------------------------------------------------------- 53 IV. RECEPCIÓN Y VALIDACIÓN DE LOS DATOS---------------------------------------------- 53 V. ELABORACION DE LA BASE DE DATOS.--------------------------------------------------- 54 VI. ANALISIS DE LA INFORMACIÓN POR EVENTO Y CULTIVO. ------------------------- 55

CAPÍTULO IV: CONSTRUCCIÓN DE MAPAS DE RIESGO. -------------------------------------- 56

I. INTRODUCCIÓN-------------------------------------------------------------------------------------- 56 II. CARACTERIZACIÓN DEL CLIMA--------------------------------------------------------------- 58

II.1 DIAGRAMAS OMBROTÉRMICOS DE GAUSSEN --------------------------------------- 59 II.2 ÍNDICES CLIMÁTICOS-------------------------------------------------------------------------- 62

II.2.1. ÍNDICE DE LANG ---------------------------------------------------------------------- 65 II.2.2. ÍNDICE DE MARTONNE-------------------------------------------------------------- 66 II.2.3. RESULTADOS Y CONCLUSIONES----------------------------------------------- 67

III. EVENTOS CLIMÁTICOS ANALIZADOS------------------------------------------------------- 69 III.1 TEMPERATURAS--------------------------------------------------------------------------------- 70 III.2 LLUVIA----------------------------------------------------------------------------------------------- 72 III.3 SEQUÍA---------------------------------------------------------------------------------------------- 73 III.4 GRANIZO ------------------------------------------------------------------------------------------- 75

IV. PROPUESTA METODOLOGICA PARA EL ANÁLISIS DE LOS DATOS ------------- 76 IV.1 ANÁLISIS UNIVARIANTE----------------------------------------------------------------------- 76 IV.2 ANÁLISIS MULTIVARIANTE ------------------------------------------------------------------- 77

IV.2.1. ANÁLISIS CLUSTER: CONCEPTO Y FASES ---------------------------------- 78 IV.2.2. ANÁLISIS DE LA VARIANZA-------------------------------------------------------- 85

V. DESCRIPCIÓN DE LOS ANÁLISIS REALIZADOS ----------------------------------------- 87 V.1 DEPURACIÓN DE DATOS --------------------------------------------------------------------- 87

V.1.1. TEMPERATURA Y LLUVIA ---------------------------------------------------------- 87 V.1.2. GRANIZO--------------------------------------------------------------------------------- 88

V.2 ANÁLISIS POR EVENTO CLIMÁTICO ------------------------------------------------------ 92 V.2.1. ANÁLISIS DE LA VARIABLE TEMPERATURA. -------------------------------- 92

V.2.1.1 REGÍMENES DE HELADAS-------------------------------------------------------- 92 V.2.1.2 ESTUDIO DE TEMPERATURAS SEGÚN UMBRALES --------------------- 98

V.2.2. ANÁLISIS DEL EVENTO LLUVIA -------------------------------------------------100 V.2.2.1 ANÁLISIS DE LA VARIABLE LLUVIA: ESTUDIO DE ANOMALÍAS -----101 V.2.2.2 ESTUDIOS ZONAS HOMOGENEAS DE LLUVIA POR ESCENARIO--114

V.2.3. ANÁLISIS DEL EVENTO GRANIZO ----------------------------------------------116 VI. MAPAS DE FRECUENCIA POR EVENTO ---------------------------------------------------117

VI.1 INTRODUCCIÓN---------------------------------------------------------------------------------117 VI.2 METODOLOGÍA Y SISTEMA DE GENERACIÓN ---------------------------------------118


Página - 3 -

VI.3 MAPAS DE FRECUENCIA DECENAL POR EVENTO ---------------------------------121 VI.3.1. MAPAS DE FRECUENCIA DECENAL PARA LA VARIABLE

TEMPERATURA -----------------------------------------------------------------------121 VI.3.2. MAPAS DE FRECUENCIA DECENAL PARA LA VARIABLE LLUVIA ---125 VI.3.3. MAPAS DE FRECUENCIA DECENAL PARA LA VARIABLE GRANIZO 128

CAPÍTULO V: CÁLCULO DE LA PÉRDIDA PREVISTA EN CADA FASE--------------------129

I. INTRODUCCIÓN-------------------------------------------------------------------------------------129 II. PROPUESTA METODOLÓGICA----------------------------------------------------------------129 III. ESTIMACIÓN DE PÉRDIDAS TOTALES ESPERADAS POR CULTIVO EN CADA FASE DE DESARROLLO -------------------------------------------------------------------------------131 IV. PROPUESTA DE ZONAS HOMOGÉNEAS --------------------------------------------------134

CAPÍTULO VI: ANÁLISIS TÉCNICO. -------------------------------------------------------------------136

I. INTRODUCCIÓN-------------------------------------------------------------------------------------136 II. LIMITACIONES DEL ESTUDIO------------------------------------------------------------------136

II.1 EN LA SELECCIÓN DE CULTIVOS. --------------------------------------------------------136 II.2 EN LA SELECCIÓN DE RIESGOS. ---------------------------------------------------------137 II.3 EN LA DEFINICIÓN DE EVENTO.-----------------------------------------------------------137

II.3.1. GRANIZO --------------------------------------------------------------------------------137 II.3.2. VIENTO.----------------------------------------------------------------------------------137 II.3.3. HELADAS.-------------------------------------------------------------------------------138 II.3.4. LLUVIAS ---------------------------------------------------------------------------------138

II.4 EN EL ANÁLISIS POR CULTIVO ------------------------------------------------------------138 III. LA BASE METODOLÓGICA ---------------------------------------------------------------------139 IV. ANÁLISIS DE LOS RESULTADOS OBTENIDOS ------------------------------------------141

IV.1 ANÁLISIS INICIAL DE LA INFORMACIÓN Y ESTIMACIÓN DE LAS PROBABILIDADES DE OCURRENCIA DE LOS FENÓMENOS A ANALIZAR --141

IV.1.1. TEMPERATURAS ---------------------------------------------------------------------142 IV.1.2. LLUVIA -----------------------------------------------------------------------------------145 IV.1.3. PEDRISCO ------------------------------------------------------------------------------145

IV.2 ESTIMACIÓN DE LAS PÉRDIDAS ASOCIADAS A UN CIERTO CULTIVO POR OCURRENCIA DE UN DETERMINADO EVENTO EN UNA ZONA CONCRETA.146

V. ASPECTOS FINALES A DESTACAR----------------------------------------------------------149

BIBLIOGRAFÍA -----------------------------------------------------------------------------------------------151


Página - 5 -

ÍNDICE DE TABLAS Y GRÁFICOS

GRÁFICO 1. PLANIFICACIÓN PARA LA ELABORACIÓN DE LOS MAPAS DE RIESGO ---------------------------------------------------------------------------------------------------------- 18

GRÁFICO 2. PLANIFICACIÓN PARA LA ELABORACIÓN DE LAS BASES DE DATOS DE INFORMACIÓN. ------------------------------------------------------------------------------- 19

TABLA 1: SUPERFICIE Y PRODUCCIÓN POR CULTIVO 2003-2004. ------------------------ 21

GRÁFICO 3: SUPERFICIE DE LOS PRINCIPALES CULTIVOS 2004. ------------------------- 21

GRÁFICO 4. PRODUCCIÓN VEGETAL DE URUGUAY 2004.------------------------------------ 22

TABLA 2. SUPERFICIE Y PRODUCCIÓN DE CEREALES Y OLEAGINOSAS ZAFRAS 2002/2003 Y 2003/2004. ------------------------------------------------------------------------------------- 22

GRAFICO 5: DISTRIBUCIÓN DE LA SUPERFICIE CULTIVADA DE CEREALES 2004 -- 23

GRÁFICO 6: DISTRIBUCIÓN DE LA PRODUCCIÓN DE CEREALES 2003/2004---------- 23

GRÁFICO 7 : VALOR DE PRODUCCIÓN DE ARROZ SERIE 1993-2002 --------------------- 24

GRÁFICO 8: VALOR DE PRODUCCIÓN DE CEREALES SERIE 1993-2002 ---------------- 24

GRÁFICO 9 : VALOR DE PRODUCCIÓN OLEAGINOSAS SERIE 1993-2002--------------- 25

TABLA 3: SUPERFICIE Y PRODUCCIÓN DE CULTIVOS GRANJA 2003-2004. ----------- 26

GRÁFICO 10: DISTRIBUCIÓN DE LA SUPERFICIE DE CULTIVOS GRANJA 2004.------ 27

GRÁFICO 11: DISTRIBUCIÓN DE LA PRODUCCIÓN DE CULTIVOS GRANJA 2004. --- 27

GRÁFICO 12: DISTRIBUCIÓN DE LA SUPERFICIE DE FRUTALES 2004. ------------------ 28

GRÁFICO 13: DISTRIBUCIÓN DE LA PRODUCCIÓN DE FRUTALES 2004.---------------- 28

GRÁFICO 14: VALOR DE PRODUCCIÓN DE FRUTALES SERIE 1993-2002. -------------- 29

GRÁFICO 15: DISTRIBUCIÓN DE LA SUPERFICIE DE CÍTRICOS 2004. ------------------- 30

GRÁFICO 16: DISTRIBUCIÓN DE LA PRODUCCIÓN DE CÍTRICOS 2004. ----------------- 30

GRÁFICO 17: VALOR PRODUCCIÓN CÍTRICOS SERIE 1993-2002.-------------------------- 31

GRÁFICO 18: SUPERFICIE VITÍCOLA CULTIVADA SERIE 1996-2004.---------------------- 32

GRÁFICO 19: PRODUCCIÓN DE UVA POR TIPO SERIE 1996-2004. ------------------------- 33

GRÁFICO 20: VALOR PRODUCCIÓN UVA SERIE 1996-2002---------------------------------- 33


Página - 6 -

GRÁFICO 21: DISTRIBUCIÓN DE LA PRODUCCIÓN DE HORTALIZAS Y TUBÉRCULOS 2004.----------------------------------------------------------------------------------------- 34

GRÁFICO 22: VALOR DE PRODUCCIÓN HORTALIZAS Y TUBÉRCULOS. ---------------- 34

TABLA 4: PRINCIPALES EVENTOS CLIMÁTICOS OCURRIDOS EN URUGUAY. -------- 36

TABLA 5. PROPUESTA DE CULTIVOS Y RIESGOS. ---------------------------------------------- 38

TABLA 6: FENOLOGÍA DEL TRIGO.-------------------------------------------------------------------- 45

TABLA 7: NIVELES DE SENSIBILIDAD PARA EL CULTIVO DEL TRIGO. ------------------ 45

TABLA 8: FENOLOGÍA DEL MANZANO. -------------------------------------------------------------- 46

TABLA 9: SENSIBILIDAD DEL MANZANO.----------------------------------------------------------- 46

TABLA 10: FENOLOGÍA PARA EL TRIGO. ----------------------------------------------------------- 49

TABLA 11: FENOLOGÍA PARA EL MANZANO. ----------------------------------------------------- 50

TABLA 12: FENOLOGÍA PARA EL NARANJO.------------------------------------------------------ 51

GRÁFICO 23: DIAGRAMA OMBROTÉRMICO ESTACIÓN INIA ESTANZUELA. ----------- 61

GRÁFICO 24: DIAGRAMA OMBROTÉRMICO ESTACIÓN ARTIGAS ------------------------- 61

TABLA 13: DATOS DE LAS ESTACIONES DE LA RED DE DNM. ----------------------------- 63

TABLA 14: DATOS DE LAS ESTACIONES DE LA RED DE INIA.------------------------------ 64

TABLA 15: CLASIFICACIÓN SEGÚN ÍNDICE DE LANG. ----------------------------------------- 65

TABLA 16: CLASIFICACIÓN SEGÚN ÍNDICE DE MARTONNE. -------------------------------- 66

TABLA 17: ÍNDICES DE LANG Y MARTONNE PARA LAS ESTACIONES DE INIA. ----- 67

TABLA 18: IÍNDICES DE LANG Y MARTONNE PARA LAS ESTACIONES DE DNM. ---- 68

TABLA 19: ESTACIONES CON INFORMACIÓN DE TEMPERATURA AL ABRIGO.------ 71

TABLA 20: ESTACIONES CON INFORMACIÓN DE TEMPERATURA A NIVEL DEL CÉSPED.--------------------------------------------------------------------------------------------------------- 72

TABLA 21. NÚMERO DE DÍAS CON TEMPERATURAS ≤ 0ªC ---------------------------------- 94

GRAFICO 25.- PERIODO MÁXIMO DE HELADAS -------------------------------------------------- 95

GRÁFICO 26.- NÚMERO DE DÍAS DEL PERIODO MÁXIMO DE HELADA ------------------ 96

TABLA 22. INFORMACIÓN SOBRE PERÍODOS DE HELADA EN AÑOS EXTREMOS -- 97

TABLA 23.- TABLA DE DATOS PARA EL ANÁLISIS DE ANOMALÍAS DE LLUVIA.----106


Página - 7 -

TABLA 24: DATOS ELABORADOS PARA LA CARACTERIZACIÓN DE ANOMALÍAS. --------------------------------------------------------------------------------------------------107

TABLA 25: ANOMALÍAS POR DÉFICIT EN PRECIPITACIONES SEGÚN AJUSTE POR ESTADÍSTICOS. ----------------------------------------------------------------------------------------------108

TABLA 26: ANOMALÍAS POR DÉFICIT EN PRECIPITACIONES A TRAVÉS DEL PERCENTIL 10. -----------------------------------------------------------------------------------------------109

TABLA 27: ANOMALÍAS POR EXCESO DE PRECIPITACIONES SEGÚN AJUSTE POR ESTADÍSTICOS. ----------------------------------------------------------------------------------------------110

TABLA 28: ANOMALÍAS POR EXCESO DE PRECIPITACIONES SEGÚN PERCENTIL 90. -----------------------------------------------------------------------------------------------111

GRÁFICO Nº 27: PRECIPITACIÓN MEDIA ACUMULADA ---------------------------------------112

TABLA 29.- CAMPAÑAS AGRÍCOLAS CON ANOMALÍAS POR DEFECTO ---------------113

TABLA 30.- ESTACIONES COMPARADAS ----------------------------------------------------------113

TABLA 31.- ANOMALÍAS POR ESTACIÓN Y AÑO ------------------------------------------------114

GRÁFICO 28.- TEMPERATURA MÁXIMA EJE NORTE-SUR------------------------------------122

GRÁFICO 29.- TEMPERATURA MÁXIMA EJE TRANSVERSAL NORTE-SURESTE-----123

GRÁFICO 30.- TEMPERATURA MÁXIMA EJE TRANSVERSAL NORESTE-SUROESTE -------------------------------------------------------------------------------------123

GRÁFICO 31.- TEMPERATURA MÍNIMA PARA EL EJE NORTE-SUR-----------------------124

GRÁFICO 32.- TEMPERATURA MÍNIMA EJE TRANSVERSAL NORTE-SURESTE------124

GRÁFICO 33.- TEMPERATURA MÍNIMA EJE TRANSVERSAL NORESTE-SUROESTE -------------------------------------------------------------------------------------125

GRÁFICO 34: PRECIPITACIÓN MEDIA ANUAL. EJE NORTE-SUR. -------------------------126

GRÁFICO 35: LLUVIA MEDIA ANUAL. EJE NORTE-SURESTE. ------------------------------127

GRÁFICO 36: LLUVIA MEDIA ANUAL. EJE NORESTE-SUROESTE. ------------------------127

TABLA 32. PORCENTAJE DE PÉRDIDAS -----------------------------------------------------------131

TABLA 33. ESTIMACIÓN DE PÉRDIDAS: RELACIÓN DE CULTIVOS-----------------------133

TABLA 34. ESTIMACIÓN DE PÉRDIDAS: ESTACIONES UTILIZADAS SEGÚN CULTIVO --------------------------------------------------------------------------------------------134

TABLA 35. ESTIMACIÓN DE PÉRDIDAS: UMBRALES SELECCIONADOS----------------134


Página - 8 -

TABLA 36. TEMPERATURAS MÁXIMAS: VALOR MÁXIMO Y MÍNIMO REGISTRADO EN CADA DECENA------------------------------------------------------------------------------------------143

TABLA 37. TEMPERATURAS MÍNIMAS: VALOR MÍNIMO Y MÁXIMO REGISTRADO EN CADA DECENA------------------------------------------------------------------------------------------144

TABLA 38. PÉRDIDAS MEDIAS ESTIMADAS PARA CEREALES POR HELADA AL CÉSPED --------------------------------------------------------------------------------------------------------147

TABLA 39. PÉRDIDAS MEDIAS ESTIMADAS PARA CEREALES POR EXCESO HÍDRICO --------------------------------------------------------------------------------------------------------147

TABLA 40. PÉRDIDAS MEDIAS ESTIMADAS PARA CEREALES POR GRANIZO-------147

TABLA 41. PÉRDIDAS MEDIAS ESTIMADAS PARA FRUTALES POR HELADA AL ABRIGO--------------------------------------------------------------------------------------------------------148

TABLA 42. PÉRDIDAS MEDIAS ESTIMADAS PARA FRUTALES POR EXCESO HÍDRICO --------------------------------------------------------------------------------------------------------148

TABLA 43. PÉRDIDAS MEDIAS ESTIMADAS PARA FRUTALES POR GRANIZO-------148


Página - 9 -

RESUMEN EJECUTIVO

I. OBJETO

El estudio para la elaboración de mapas de riesgo en Uruguay forma parte del proyecto “FORTALECIMIENTO DE LOS RECURSOS HUMANOS EN EL ÁREA DE LOS SEGUROS AGRARIOS”, el cual surge a propuesta del Ministerio de Ganadería, Agricultura y Pesca, y ha contado con el apoyo de la Agencia Española de Cooperación Internacional y con la cooperación técnica de Agroseguro, entidad gestora de los seguros agrarios en España.

Aunque el objetivo del proyecto era analizar la evolución de la oferta de seguros existente hasta conformar un sistema de seguros agrarios, así como fortalecer las capacidades técnicas de los distintos actores vinculados al posible desarrollo de estos seguros.

Los tres participantes en el proyecto (MGAP, AECI y Agroseguro), estuvieron de acuerdo en dar un paso más y, elaborar un programa de generación de mapas de riesgo a partir del análisis de la información que distintos organismos públicos e instituciones poseían o han elaborado, la consecución de estos objetivos ha permitido la elaboración de una propuesta metodológica.

Para su ejecución se formó un grupo de trabajo donde participaron miembros de los distintos sectores involucrados –Administración, sector productor, sector asegurador, Universidades e Institutos de Investigación-, bajo cuya actuación se eligieron los riesgos –temperatura, lluvia y granizo- así como los cultivos que iban a ser estudiados.

II. FASES DEL ESTUDIO

En el desarrollo del trabajo se pueden distinguir tres grandes bloques.

II.1 ANÁLISIS CLIMÁTICO: PROPUESTAS DE ZONAS HOMOGÉNEAS BASADAS EN LAS PROBABILIDADES DE OCURRENCIA

Previo a los análisis de los fenómenos citados –temperaturas, lluvia y granizo- se realizó un breve análisis preliminar sobre aspectos concretos del clima del país, basándose en la elaboración de diagramas ombrotérmicos de Gaussen y dos índices climáticos, utilizando la información disponible de las estaciones de las redes de la DNM e INIA.

En base a estos análisis, se aprecia que en la mayor parte de las estaciones analizadas existen dos períodos de elevadas precipitaciones frente a un período más seco, que abarca los meses de julio y agosto.

En cuanto a los índices climáticos estudiados (Lang y Martonne) definen al Uruguay como un clima semihúmedo o zona húmeda.


Página - 10 -

Para el cálculo de las probabilidades de ocurrencia de los fenómenos a analizar, se ha tenido en cuenta la definición que se hizo para cada uno de los eventos climáticos. El estudio de las bases de datos manejadas se ha basado en dos tipos de análisis estadísticos.

Univariante, es decir, serie a serie por estación.

Multivariante, relacionando la información suministrada para un mismo fenómeno por varias estaciones metereológicas.

El objetivo final del análisis climático es la obtención de zonas de comportamientos homogéneos distintas en función del evento analizado.

II.1.1. Temperaturas

Para la variable temperatura se han estudiado los valores máximos y mínimos para cada una de las estaciones disponibles, diferenciando temperaturas en césped y temperaturas al abrigo.

Teniendo en cuenta la diferente tipología de los cultivos y la sensibilidad de los mismos en cada fase, se han considerado tanto la temperatura mínima por debajo de un umbral definido como una caída de temperatura superior en valor absoluto al cambio medio decenal en las temperaturas mínimas.

El estudio y la obtención de zonas de comportamientos homogéneos se ha realizado para los umbrales de 0ºC, -2ºC, -4ºC y –6ºC. Para poder caracterizar mejor cada una de las agrupaciones resultantes, se ha segmentado el comportamiento para las temperaturas máximas y mínimas. De los resultados obtenidos se desprende que aparecen tres zonas cuyo comportamiento se mantiene uniforme frente a ambos valores (temperaturas máximas y mínimas), es decir, se repiten las mismas agrupaciones respecto a la frecuencia y distribución de las probabilidades analizadas. Las zonas son:

1. INIA-Treinta y Tres, Colonia, INIA-Tacuarembó y Paso Toros (zona centro suroeste de Uruguay)

2. INIA-Estanzuela, INIA-Brujas, Carrasco y Rocha (costa sur de oeste a este)

3. Bella Unión y Artigas (noroeste de Uruguay) y Tacuarembó se desmarca en el caso de las temperaturas mínimas puesto que, como se aprecia en los grupos homogéneos formados a seis grados bajo cero, registra temperaturas mínimas distintas al resto.

II.1.2. Lluvias

En el caso de la variable lluvia se han analizado cinco escenarios diferentes, considerando lluvia, en todos ellos, cuando la precipitación en un día es de al menos 5 mm.

Una vez analizadas las agrupaciones obtenidas de las estaciones puede concluirse que se aprecian comportamientos estables en los cinco sucesos de lluvia estudiados,


Página - 11 -

es decir, se mantienen las mismas agrupaciones respecto a la frecuencia y distribución de las probabilidades analizadas. Así, las estaciones de Melilla, Prado, Carrasco y Punta del Este (extremo sur de Uruguay) siempre presentan el mismo comportamiento.

Lo mismo ocurre con Artigas y Rivera (noreste del país); Trinidad, Florida y Durazno (zona centro-sur); Colonia, INIA-Brujas e INIA-Estanzuela (suroeste de Uruguay con un comportamiento similar en cuanto a lluvia durante 3 y más días consecutivos); Paysandú, Mercedes y Young (oeste).

Al tener información de más de una red de información se comprueba que, en general, recogen el mismo comportamiento dos estaciones situadas en la misma zona aunque pertenezcan a redes distintas como puede apreciarse en los siguientes casos: Salto e INIA-Salto; Tacuarembó e INIA-Tacuarembó; Treinta y Tres e INIA-Treinta y Tres.

II.1.3. Granizo

En el caso del granizo, dado que en el proceso de depuración de datos se desecharon una parte significativa de los mismos, no se han realizado agrupaciones mediante las técnicas anteriormente citadas. Los estudios se han basado en el análisis de frecuencia.

II.2 ELABORACIÓN DE LOS MAPAS DE RIESGO

Para la elaboración de los mapas de riesgos se han utilizado técnicas de interpolación basadas en el método KRIGING.

Teniendo en cuenta que todo el análisis de frecuencias de los distintos eventos se ha realizado a nivel decenal para facilitar su representación, se ha optado por generar los mapas de frecuencia también a nivel decenal.

Para la variable temperatura se han generado mapas de frecuencia para los umbrales de 0ºC y –2ºC, ya que las heladas a partir de estos umbrales son muy escasas.

Para la variable lluvia, teniendo en cuenta la importancia que tiene en el país el exceso hídrico, se han generado mapas de frecuencia para el evento de lluvia abundante.

Para la variable granizo se han elaborado mapas de frecuencia correspondientes a la ocurrencia de este evento para las decenas donde existía información suficiente para aplicar las técnicas de interpolación empleadas.

La generación de los mapas de frecuencia se ha apoyado con la elaboración de estudios adicionales basados en el análisis de gradientes de temperatura y valores medios de precipitaciones, con objeto de establecer el grado de fiabilidad que tienen los mismos.


Página - 12 -

II.3 ESTIMACIÓN DE PÉRDIDAS TOTALES ESPERADAS POR CULTIVO Y FASE DE DESARROLLO. PROPUESTA DE ZONAS HOMOGÉNEAS DE RIESGO

En esta tercera fase se han estimado las pérdidas esperadas asociadas a un cierto cultivo, por ocurrencia de un determinado evento en una zona concreta, a partir de combinación de las probabilidades de ocurrencia, grado de afección según sensibilidad del cultivo en cada fase y de los coeficientes de daños establecidos para cada una de ellas. Ese estudio se ha realizado para los cultivos de cereales y frutales.

Una vez establecidas las pérdidas a nivel de cultivo por cada uno de los riesgos, se han elaborado los correspondientes mapas de zonas homogéneas. Para la generación de los mismos se ha hecho una estratificación de los niveles de pérdida en cinco niveles. Los niveles así definidos representan valores de pérdida diferentes para cada uno de los riesgos y cultivos analizados.

En términos generales puede señalarse que con relación a los cereales:

1. Las máximas pérdidas medias por helada son inferiores al 1% de la cosecha salvo en la estación de Mercedes en el caso de la cebada y el trigo.

2. El exceso hídrico no afecta ni al arroz ni al maíz y las máximas pérdidas registradas en trigo, cebada y soja en ningún caso alcanzan el 1% de la cosecha.

3. El granizo es el evento que más influye, sobre todo, en la cebada y el trigo donde las pérdidas medias pueden alcanzar hasta el 3% de la cosecha.

Respecto a los frutales debe destacarse que:

4. La helada no afecta ni al manzano ni al peral. En el durazno, las máximas pérdidas posibles registran en el caso extremo de Mercedes, más del 2,5% de la cosecha.

5. El exceso hídrico no tiene demasiada incidencia. Según las estaciones y el tipo de frutal puede registrar pérdidas máximas de hasta el 0,97%.

6. El pedrisco es el evento más dañino en todos los frutales. Los perales y manzanos pueden registrar hasta un 4,4% de pérdidas que, en el caso del durazno, suponen más del 9,5% de la cosecha para las estaciones de Paso de los Toros y Paysandú.

III. RESULTADOS

La elaboración de los tres grandes bloques que componen el presente trabajo, ha tenido un resultado adicional. Este resultado adicional viene estructurado en tres direcciones:


Página - 13 -

III.1 CREACIÓN DE UNA ESTRUCTURA METODOLOGICA Y GENERACIÓN DE BASES DE DATOS

La metodología recogida en este estudio sistematiza los procesos necesarios a realizar, que permitan el desarrollo del análisis, que entre otras posibilidades permiten la caracterización de los riesgos agroclimáticos.

El diseño y creación de esta estructura metodológica y la depuración de los datos de origen en base a una sistemática rigurosa, han posibilitado la construcción de las distintas bases de datos que permitirán en el futuro la inclusión de datos ulteriores, que actualizarán dichas bases de datos y que facilitarán dos tipos de análisis posteriores:

Comprobación de los resultados obtenidos y análisis de las posibles desviaciones, con lo que podrán corregirse éstas.

Completar el estudio hasta ahora realizado haciéndolo extensivo a otros eventos y cultivos.

III.2 NORMALIZACIÓN DE ANÁLISIS DE DESARROLLO DE CULTIVOS ORIENTADO AL ANÁLISIS DE RIESGOS AGROCLIMÁTICOS

El análisis del desarrollo de los cultivos tiene un sinfín de aplicaciones. A partir de los datos de la fenología de los cultivos más importantes, se ha hecho una propuesta para sistematizar los diferentes periodos de desarrollo de los cultivos, su cronología y la sensibilidad a los distintos riesgos. Debe hacerse un esfuerzo en el futuro para que se genere mucha más información contrastada, basada en el conocimiento agronómico y la gran experiencia existente en Uruguay en la gerencia de riesgos agroclimáticos.

III.3 NORMALIZACIÓN DE PRÁCTICAS AGRÍCOLAS

A lo largo del desarrollo de este estudio desde diferentes sectores se ha sugerido la conveniencia de contar con un “Manual de buenas prácticas agrícolas”, diferentes elementos contenidos en este proyecto pueden ser de utilidad para la creación del mismo, quedando pendiente su realización que será de gran utilidad para seguir avanzando en el conocimiento y la gestión de riesgos.


Página - 14 -

CAPÍTULO I: PRESENTACIÓN DEL PROYECTO “FORTALECIMIENTO DE LOS RECURSOS HUMANOS EN EL ÁREA DE LOS SEGUROS AGRARIOS”

El proyecto de asistencia técnica y capacitación “Fortalecimiento de los recursos humanos en el área de los seguros agrarios”, surge a propuesta del Ministerio de Ganadería, Agricultura y Pesca de Uruguay (en adelante MGAP), como una acción de política agrícola encaminada a la mejora de la gestión de riesgos de origen climático que afectan al productor uruguayo, tratando de dar un impulso a la mejora de la oferta de productos de seguro agropecuario.

Este proyecto ha contado con el apoyo de la Agencia Española de Cooperación Internacional -AECI- y con la cooperación técnica de Agroseguro, entidad gestora de los seguros agrarios en España.

Teniendo en cuenta la situación económica y financiera del país, la experiencia y oferta de seguros agrarios existente, el número de riesgos a los que están sometidos los productores, cuya incidencia va además en aumento, el MGAP se planteó la necesidad de avanzar en el desarrollo de este instrumento de gestión de riesgos.

Con este proyecto el MGAP trata de consolidar un mercado de seguros agrarios desarrollado, que de una cobertura lo más extensa posible a los productores agropecuarios de ese país. Para ello se plantearon dos tipos de acciones:

1. Evolución de la oferta existente hasta conformar un sistema de seguros agrarios, en el que participen los organismos públicos vinculados al sector, el sector productor y, por supuesto, las entidades aseguradoras.

2. Fortalecimiento de las capacidades técnicas que requieran los distintos actores vinculados al proyecto.

Partiendo de estos objetivos básicos, por parte de AECI, el MGAP y Agroseguro, se acordaron tres fases de desarrollo.

En la primera fase se acordó elaborar, en base a la información disponible, un diagnóstico sobre la situación del mercado asegurador en relación con los seguros agrarios, con la presentación de una propuesta para su mejora y desarrollo.

La segunda fase tenía como fin principal, la elaboración de una base de datos que recogería la información agroclimática disponible. En base a los datos allí recogidos elaborar, de acuerdo con los métodos estadísticos y actuariales correspondientes, unos mapas de riesgos que recojan la probabilidad de ocurrencia de los riesgos más importantes a los que están expuestas las principales producciones agropecuarias del país.

Dentro de esta fase, y siempre que la información de la que se disponga fuese la adecuada, calcular el coste de asumir la cobertura de cada uno de los riesgos estudiados.


Página - 15 -

Por último, la tercera fase tenía como objetivo el apoyo a la formación de los diferentes actores que están y estarán involucrados en el desarrollo de un sistema de seguros a desarrollar en el país. En este proceso de formación se han considerado tres grupos de conocimiento:

1. Capacitación para la aplicación de la técnica aseguradora. Dentro de este apartado se ha pasado revista a los métodos de elaboración, mantenimiento y explotación de bases de datos, teniendo en cuenta la información básica y necesaria para el análisis de los riesgos en cuanto a sus características específicas y garantías que se cubren.

Dentro de este apartado se han revisado los sistemas de tarificación y diseño de productos agropecuarios.

2. Capacitación en la gestión y valoración de los daños ocasionados por distintos riesgos a diferentes cultivos. Una de las mayores preocupaciones de los aseguradores es el alto grado de especialización necesario para la evaluación de este tipo de daños, por ello se ha incidido en distintos aspectos para realizar las peritaciones los más ajustadas posibles a los daños ocasionados por riesgos como heladas, sequías, inundaciones, lluvias persistentes, etc., diferenciando aquellos efectos no garantizados pero que puedan enmascararse, pudiendo llevar a valoraciones erróneas, tanto desde el punto de vista del asegurado como del asegurador.

Igualmente, fue tratado el tema de gestión de redes de expertos tasadores adecuadamente dimensionadas y preparadas.

3. Capacitación en cuanto a la gestión del sistema de seguros agropecuarios, tratándose aspectos como asunción de riesgos, distribución y compensación de los mismos, reaseguro, gestión de productos de seguro, incluyéndose en este punto contratación, liquidación de siniestros y elaboración de información.

Estas fases se han ido desarrollando desde octubre de 2002, habiéndose ya completado las fases primera y tercera. Las actuaciones realizadas han sido las siguientes:

1. Taller de Seguros Agropecuarios, celebrado en Montevideo del 22 al 24 de julio de 2003, en el que se presentó el resultado del diagnóstico elaborado sobre la situación del mercado asegurador en relación con los seguros agrarios, señalando las fortalezas, oportunidades, debilidades y amenazas que presentan los sectores analizados de cara a desarrollar un sistema de seguros agrarios.

También se presentó una propuesta para su mejora y desarrollo, planteándose distintos escenarios para ser debatidos.

2. Referido a la fase tercera, se han venido desarrollando distintos talleres, tanto en España como en Uruguay:

Visita a España de una Delegación Uruguaya para profundizar en el estudio del Sistema Español de Seguros Agrarios y del diseño de este tipo de productos, celebrada del 3 al 7 de mayo de 2004. La delegación


Página - 16 -

estaba compuesta por personal del MGAP, Superintendencia de Seguros y Reaseguros del Uruguay y representantes del sector productor. Durante esta visita se realizaron distintas reuniones con algunas de las instituciones públicas que participan en el sistema (ENESA, Consorcio de Compensación de Seguros, Dirección General de Seguros), con entidades aseguradoras y asociaciones de productores.

Visita a España de una Delegación Uruguaya para participar en un taller sobre elaboración, gestión y mantenimiento de base de datos, celebrada del 10 al 14 de octubre de 2005. La delegación estaba compuesta por personal del MGAP y de la DNM.

Realización de dos cursos de formación sobre diseño de productos y técnicas de tasación en Uruguay, los cuales versaron sobre los siguientes cultivos:

Cursos de formación celebrados del 21 de febrero al 6 de marzo de 2005, y que trataron las producciones de granja, en especial, frutales, cítricos, viña y hortalizas.

Curso de formación celebrado del 8 al 11 de noviembre de 2005, y que analizó las producciones extensivas, tales como cebada, trigo, girasol, arroz y maíz.

Este proyecto de cooperación, con una duración de tres años, destinado en principio a fortalecer la capacidad institucional de quienes participen en el sistema, mediante acciones de capacitación e intercambio técnico, ha querido dar un paso más para el desarrollo de este tipo de sistemas, y ha desarrollado un programa para la elaboración de mapas de riesgo a partir del análisis de la información que distintos organismos públicos poseen.

Respecto a la segunda fase, habría que señalar que con la creación de esta base de datos y la presentación de los mapas de riesgo, se intenta abrir en el país un camino que, aunque largo, pueda llegar a buen término. El objetivo es que pueda contribuir al desarrollo de las capacidades del Estado que lo promovió, de las entidades aseguradoras facilitándoles la información ya elaborada para que sobre ella puedan ofrecer nuevas coberturas y sobre todo, del sector productor para que a través del buen uso de esta herramienta de gestión de riesgos, vea reforzada la salvaguarda de sus inversiones.


Página - 17 -

CAPÍTULO II: ELABORACIÓN DE MAPAS DE RIESGO EN URUGUAY: PLANIFICACIÓN

La segunda fase del proyecto tiene dos objetivos. En primer lugar, la creación de una base de datos que recoja la información agroclimática disponible. En segundo lugar, y en base a los datos incorporados en dicha base, la elaboración de los correspondientes mapas de riesgos, los cuales recogerán la probabilidad de ocurrencia de los riesgos más importantes a los que están expuestas las principales producciones agropecuarias del país.

La realización de los mapas de riesgo, fija dos bloques bien diferenciados:

1. Obtención de mapas de frecuencia para cada uno de los riesgos seleccionados.

2. Obtención de mapas de riesgo por cultivo, mediante la incorporación a los mapas de frecuencia, de información agronómica (fenología, grados de afección, pérdidas registradas, etc.)

Para lograr ambos objetivos, es necesaria la realización de un proceso anterior, dentro del cual deben caracterizarse los distintos riesgos y seleccionarse las producciones objeto de estudio. Para ello hay que definir previamente la información agroclimática requerida.

En el proceso de análisis de riesgos, una vez caracterizados éstos de acuerdo a su probabilidad de ocurrencia y el grado de afección sobre los cultivos, se procederá a la elaboración de los diferentes mapas de riesgo. Para su ejecución, han sido establecidas las siguientes fases:

1. Análisis climatológico. Recopilación y validación de la información climática y agronómica necesaria para llevar a cabo un análisis posterior de los riesgos seleccionados.

Para ello se deberán definir los distintos eventos climáticos que supongan una amenaza. Los mapas de riesgo por cultivo se elaborarán en relación con los umbrales de sensibilidad que se consideren para cada uno de los cultivos fijados.

2. Análisis del efecto de los riesgos definidos sobre las producciones. Descripción de las relaciones entre las variables climáticas analizadas con las distintas producciones objeto de estudio. Esta fase se realizará después de haber elaborado los mapas de riesgo.

Su desarrollo estará supeditado a que se disponga de información adecuada sobre las pérdidas que el sector productor ha sufrido por los distintos riesgos a analizar, referida esta adecuación tanto a su recepción con el tiempo necesario para proceder al tratamiento y análisis de la misma, como a su contenido.

Para poder elaborar de forma correcta los mapas de riesgo, se ha establecido una planificación con objeto de facilitar la coordinación de los distintos trabajos a realizar.


Página - 18 -

En esta planificación han sido previstas cuatro fases para el desarrollo final de dichos mapas. Estas fases se recogen en el siguiente gráfico.

FASE I

FASE I

FASE II

FASE III FASE IV

ESTABLECIMIENTODE

RIESGOS Y CULTIVOS

INFORMACIÓNAGROCLIMATOLÓGICA

CARACTERIZACIÓNDE

LA INFORMACIÓN

RECEPCIÓN Y VALIDACIÓNDE LOS DATOS

ELABORACIÓNDE

BASE DE DATOS

DEFINICIÓN DEEVENTO

ANÁLISISESTADÍSTICO

SEGÚN NIVELESDE RIESGO

SEGÚN ZONAS

CONSTRUCCIÓN DE MAPAS

LÍMITACIONESDEL ESTUDIO

FUNDAMENTOSTÉCNICOS

CONCLUSIONES

ANÁLISIS TÉCNICO

ANALISIS DELA INFORMACION

BASES DE DATOS DE INFORMACIÓN

Gráfico 1. Planificación para la elaboración de los mapas de riesgo

Para la realización de esta fase del proyecto se formó un grupo de trabajo formado por distinto personal técnico representante de las siguientes instituciones:

Oficina de Programación y Política Agropecuaria (OPYPA) integrada dentro la estructura del MGAP.

Dirección de Estadísticas Agropecuarias (DIEA)

Dirección Nacional de Meteorología (DNM)

Dirección de Recursos Naturales Renovables (DIRENARE)

Instituto Nacional de Investigación Agropecuaria (INIA)

Superintendencia de Seguros

Entidades Aseguradoras (BSE, Surco, MAPFRE)

Representantes del sector productor

Agroseguro


Página - 19 -

CAPÍTULO III: BASES DE DATOS DE INFORMACIÓN.

Para la elaboración de los mapas de riesgo, la primera fase es la creación de las correspondientes bases de datos, donde se almacenará toda la información recopilada que se considere necesaria para el análisis y generación de los correspondientes mapas de riesgo, una vez haya sido debidamente depurada.

Para la formación de estas bases, el primer punto es definir la información necesaria, la cual puede estar ya elaborada o requerirá un proceso de preparación.

Esta fase incluye los procesos de depuración y homogenización de la información recibida.

En el proceso de elaboración de bases de datos, se han realizado las siguientes actuaciones:

Selección de los riesgos que a nivel país, han causado o pueden causar pérdidas importantes a los productores.

Selección de los cultivos más importantes para los que se desea desarrollar productos de seguros, y establecimiento de los riesgos que pueden producir pérdidas en dichos cultivos.

Selección de la información necesaria para la realización del estudio, tanto climática como agronómica, teniendo en cuenta los riesgos y cultivos seleccionados.

Caracterización de la información, estableciendo que variables deben ser analizadas.

Recepción y validación de los datos. En esta fase se adoptó la metodología más apropiada para la depuración de los datos recibidos.

Elaboración de la base de datos propiamente dicha.

En el gráfico siguiente, se recoge la planificación completa prevista para esta fase.

SELECCIÓN DE RIESGOS

SELECCIÓN DE CULTIVOS

ESTABLECIMIENTO DERIESGOS Y CULTIVOS

REL. CULTIVO-EVENTO

INFORMACIÓNAGRONÓMICA

INFORMACIÓNAGROCLIMATOLÓGICA

DEF. DE LAS VARIABLES

GENERAL

AGRONÓMICA

CLIMATOLÓGICA

FUENTES DE LA INFOR.

TIPOS DE ANÁLISIS DE PÉRDIDAS

CARACTERIZACIÓNDE LA INFORMACIÓN

DEPURACIÓN DATOS

HOMOGENEIDAD

METODOLOGÍA

RECEPCIÓN Y VALIDACIÓNDE LOS DATOS

DEPURACIÓN DATOS

HOMOGENEIDAD

METODOLOGÍA

ELABORACIÓNBASE DE DATOS

BASES DE DATOS DEINFORMACIÓN

Gráfico 2. Planificación para la elaboración de las bases de datos de información.


Página - 20 -

I. ESTABLECIMIENTO DE RIESGOS Y CULTIVOS

I.1 ANÁLISIS PARA LA SELECCIÓN DE CULTIVOS.

Los cultivos para los cuales se elaborarán los mapas de riesgo han sido seleccionados en base al estudio técnico que se encuentra recogido en el Anexo I-Sector Agrícola.

En dicho estudio se han analizado diferentes variables a partir de los datos editados por DIEA, recogidos en el Anuario Estadístico Agropecuario, y en los publicados por la FAO (Organización de las Naciones Unidas para la Agricultura y la Alimentación). Igualmente, se ha contado con información facilitada en las distintas reuniones mantenidas a lo largo del proyecto con los miembros del grupo de trabajo, organizaciones de productores y entidades aseguradoras. Estas variables son:

Superficie cultivada: El estudio de este parámetro, medido en hectáreas, indica la importancia de cada cultivo en relación con la superficie agrícola total. Además, desde el punto de vista social, no se puede olvidar el volumen de familias o empleados que tengan como principal fuente de ingresos la producción de ese cultivo.

Producción, medida en toneladas. Este dato permite conocer la importancia cuantitativa de cada uno de los cultivos.

Rendimientos, valor expresado generalmente en kilogramos por hectárea. Este dato se ha calculado como el ratio entre la producción total y la superficie cultivada. El análisis de este parámetro facilita información sobre:

Variabilidad de los rendimientos a lo largo de la serie histórica de la que se tiene información.

Efectos posibles que determinados riesgos climáticos hayan tenido sobre las producciones agropecuarias.

Valor de producción, medido en millones de pesos. Este parámetro se ha calculado multiplicando el precio percibido por el productor por la producción total. A través de este análisis se ha buscado establecer la importancia económica de cada uno de los cultivos.

En la siguiente tabla se detallan, por familias de cultivos, la superficie y producción en los dos últimos años.

Superficie cultivada (Ha) Producción (Ton)

2003 2004 2003 2004

Cereales 504.223 584.496 2.170.809 2.523.242

Oleaginosas 255.400 357.600 417.000 554.000

Cítricos 19.150 13.750 244.000 242.177

Frutales 8.646 8.520 116.444 119.261

Uva 8.803 8.583 108.164 147.057

Hortalizas 23.977 24.673 301.960 352.486


Página - 21 -

Superficie cultivada (Ha) Producción (Ton)

2003 2004 2003 2004

Legumbres secas 7.080 6.960 6.880 6.760

Tubérculos 17.180 11.705 238.812 166.345

Resto 7.300 7.200 10.650 10.630

TOTAL 851.759 1.023.487 3.614.719 4.121.958

Tabla 1: Superficie y producción por cultivo 2003-2004. Fuente: FAOSTAT

Como se puede observar en la tabla, son los cereales los cultivos con mayor superficie seguidos de las oleaginosas. Igualmente, en términos de producción, los cereales tienen un nivel muy superior al resto, seguidos de las frutas y los cítricos.

En el siguiente gráfico se muestra, en porcentaje, la importancia de la superficie cultivada de cada grupo de cultivos respecto del total para 2004:

SUPERFICIE DE LOS PRINCIPALES CULTIVOS AGRÍCOLAS URUGUAY 2004

RESTO0,70%

OLEAGINOSAS34,94%

HORTALIZAS2,41%

CEREALES57,11%

TUBÉRCULOS1,14% FRUTALES

1%LEGUMBRES SECAS0,68% UVAS

0,84%

CÍTRICOS1,34%

Gráfico 3: Superficie de los principales cultivos 2004. Fuente: Elaboración propia en base a datos FAOSTAT

Como se ha comentado anteriormente, en el gráfico se observa la importancia de los cultivos de cereales, que representan cerca del 60% del total de la superficie cultivada, y de los cultivos oleaginosos, que suponen casi el 35%.

En cuanto a la producción, los cereales se sitúan de nuevo en primer lugar, con el 61% de la producción total de cultivos agrícolas, seguidos de las hortalizas con un 13,5%. En el siguiente gráfico se muestran estos porcentajes para el año 2004:


Página - 22 -

PRODUCCIÓN VEGETAL URUGUAY 2004

RESTO0,26%

CEREALES61,21%

UVAS8,55%

LEGUMBRES SECAS0,16%

TUBÉRCULOS4,04%

FRUTALES3,57%

OLEAGINOSAS2,89%

CÍTRICOS5,88%

HORTALIZAS13,44%

Gráfico 4. Producción vegetal de Uruguay 2004. Fuente: Elaboración propia en base a datos FAOSTAT

A continuación se realiza un análisis más pormenorizado de estos grupos de cultivo. En dicho estudio también se ha analizado la distribución geográfica de las distintas producciones, con el fin de establecer la capacidad de compensación de las posibles pérdidas en función de su ámbito geográfico.

En el Anexo II-Distribución de cultivos, se recogen los mapas de distribución de todos los cultivos con información disponible.

CEREALES Y OLEAGINOSAS

Dentro de este grupo de cultivos, se ha estudiado el arroz, trigo, sorgo, cebada, maíz, girasol y soja.

En la siguiente tabla se detalla el área cultivada y la producción de estos cultivos en las últimas zafras.

Superficie (Miles Has) Producción (Miles Ton)

2002/03 2003/04 2002/03 2003/04

Arroz 153,40 186,50 905,70 1.262,60

Soja 78,90 247,10 183,00 377,00

Trigo 137,10 117,70 205,80 326,00

Cebada 102,80 117,70 176,90 323,70

Maíz 38,90 44,90 178,50 223,00

Girasol 176,00 110,60 234,00 177,00

Sorgo 14,80 18,00 60,20 69,70

Tabla 2. Superficie y producción de cereales y oleaginosas zafras 2002/2003 y 2003/2004. Fuente: Anuario Estadístico Agropecuario DIEA 2004


Página - 23 -

De acuerdo con estos datos, se observa claramente que el arroz es el cultivo más importante en términos de producción, con más de 1,2 millones de toneladas en la campaña 2003/04. En cuanto a la superficie, y aunque el arroz ocupa uno de los primeros lugares, es la soja el cultivo con mayor superficie.

En el siguiente gráfico se han representado los distintos cultivos en función de la superficie total cultivada.

SUPERFICIE CULTIVADA CEREALES 2003/2004

Trigo14%

Girasol13%

Arroz22%

Soja 30%

Sorgo2%

Cebada 14%

Maíz5%

Grafico 5: Distribución de la superficie cultivada de cereales 2004

Fuente: Elaboración propia con datos del Anuario Estadístico Agropecuario DIEA 2004

A continuación se representan el porcentaje de producción de los distintos cultivos de cereales.

PRODUCCIÓN CEREALES 2003/2004

Trigo12%

Cebada 12%

Maíz8%Girasol

6%

Arroz45%

Soja 14%

Sorgo3%

Gráfico 6: Distribución de la producción de cereales 2003/2004

Fuente: Elaboración propia con datos del Anuario Estadístico Agropecuario DIEA 2004

El arroz, con más del 40% de la producción total de los cereales, es el cultivo más importante, seguido por la soja, el trigo y la cebada.

En lo referente al cultivo del arroz señalar, como ya se ha indicado anteriormente, que se trata de la producción más importante en cuanto a volumen de producción y, teniendo en cuenta el precio, el de mayor valor económico.


Página - 24 -

El gráfico siguiente representa la evolución del valor de producción del arroz a lo largo de la serie 1993 a 2002, ambos inclusive. En él puede observarse una acusada tendencia al alza desde el inicio del periodo estudiado hasta el año 1999. En el año 2000, los precios al productor se redujeron casi a la mitad, debido al descenso de la demanda y los precios internacionales, lo que supuso una espectacular caída del valor de producción, que se mantuvo en 2001. En 2002, los precios volvieron a recuperarse alcanzando valores similares a los de 1998.

VALOR DE PRODUCCIÓN ARROZ 1993-2002

0

500

1.000

1.500

2.000

2.500

3.000

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

AÑOS

MIL

LON

ES D

E PE

SOS

Gráfico 7 : Valor de producción de arroz serie 1993-2002

Fuente: Elaboración propia con datos FAOSTAT

En cuanto al trigo y la cebada, su evolución ha sido muy similar. Entre 1993 y 1996 se observa una tendencia creciente del valor de producción, y a partir de ese año se inicia un proceso de reducción continua de los precios que se mantiene hasta el año 2001, donde se aprecia una ligera recuperación.

VALOR DE PRODUCCIÓN CEREALES 1993-2002

0

200

400

600

800

1.000

1.200

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

AÑOS

MIL

LON

ES D

E PE

SOS

Trigo Cebada Maíz Sorgo

Gráfico 8: Valor de producción de cereales serie 1993-2002 Fuente: Elaboración propia con datos FAOSTAT


Página - 25 -

En el caso del sorgo y del maíz, se observa una tendencia creciente del valor de producción que se rompe bruscamente en el año 2000, debido a la caída de producción provocada por las adversas condiciones climáticas. Durante 2001 y 2002, estos valores de producción se han recuperado notablemente.

En cuanto a los cultivos oleaginosos, el valor de producción del girasol ha ido en aumento hasta el año 2000, en el que se redujo, como en el caso del sorgo y el maíz, por las adversas condiciones climáticas, que provocaron una caída de casi el 80%. La tendencia se recuperó de forma rápida alcanzando el valor más alto de la serie estudiada en el año 2002, debido a un espectacular aumento tanto de los precios como de la producción.

VALOR PRODUCCIÓN OLEAGINOSAS 1993-2002

0

100

200

300

400

500

600

700

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

A ÑOS

Soja Semillas de Girasol

Gráfico 9 : Valor de producción oleaginosas serie 1993-2002


En cuanto a la soja, el valor de producción se mantuvo estable a lo largo de la serie, con una ligera caída en 2000 y un importante incremento en el año 2002.

Distribución geográfica

A pesar de que Uruguay no es un país con una gran extensión geográfica, es importante tener en cuenta dónde se concentran las mayores producciones, o si éstas están dispersas a lo largo del país. Una mayor concentración de producciones en un área determinada podría significar una acumulación de riesgo y, por tanto, en caso de ocurrencia de alguno de los eventos climáticos seleccionados en ese área, las pérdidas sobre la producción global serían mayores que si dicho cultivo se encuentra distribuido en distintas áreas.

El siguiente mapa muestra la distribución de los cereales en Uruguay:


Página - 26 -

En el citado Anexo II, se incluyen los mapas de distribución de los cultivos de trigo, arroz, cebada, maíz, sorgo, girasol y soja.

Como puede observarse en dichos mapas de cultivo, la mayor parte de la producción de cereal se concentra en la zona oeste, en los departamentos de Paysandú, Río Negro, Soriano y Colonia.

En el caso del cultivo de arroz, y debido a sus especiales condiciones de cultivo en cuanto a necesidades hídricas y de suelos, éste se sitúa en la zona este y norte, concretamente en los departamentos de Artigas, Rivera, Tacuarembó, Cerro Largo, Durazno y Treinta y Tres.

PRODUCCIONES DE LA GRANJA

Bajo este epígrafe se han incluido los cultivos de fruta (manzana, pera, ciruela, durazno, pelón y membrillo), cítricos (naranja, mandarina, limón y pomelo) uva y hortalizas (papa, tomates, coles, pimientos, cebollas, calabazas, ajos, frijoles, zanahorias, melones, sandías,...)

La producción vegetal de la granja supuso en el año 2004 alrededor del 25% de la producción vegetal total, y la superficie cultivada fue del 7% aproximadamente. Sin embargo, su importancia radica en el gran número de explotaciones que la integran.

En la siguiente tabla se muestran los datos de superficie y producción de estos cultivos en los últimos años:

Superficie (Has) Producción (Ton) 2.003 2.004 2.003 2.004

Cítricos 19.150 13.750 244.000 242.177

Frutales 8.646 8.520 116.444 119.261

Uva 8.803 8.583 108.164 147.057

Hortalizas 23.977 24.673 301.960 352.486

Legumbres secas 7.080 6.960 6.880 6.760

Tubérculos 17.180 11.705 238.812 166.345

TOTAL GRANJA 77.756 67.231 1.009.380 1.027.326 Tabla 3: Superficie y producción de cultivos granja 2003-2004.

Fuente: DIEA


Página - 27 -

En el 2004, la superficie de hortalizas representó el 37% del total de la superficie. La distribución de la superficie según cultivos, se recoge en el siguiente gráfico.

SUPERFICIE CULTIVOS GRANJA 2004

Frutales13%

Uva13%

Tubérculos17%

Hortalizas37%

Cítricos20%

Gráfico 10: Distribución de la superficie de cultivos granja 2004.

Fuente: DIEA

Al igual que ocurría con la superficie cultivada, las hortalizas ocupan el primer lugar en nivel de producción en 2004, con un 34%, seguidas de los cítricos con un 24%.

PRODUCCIÓN CULTIVOS GRANJA 2004

Frutales12%

Uva14%

Tubérculos16%

Hortalizas34%

Cítricos24%

Gráfico 11: Distribución de la producción de cultivos granja 2004.

Fuente: DIEA

A continuación se analizan de forma individualizada los cultivos que integran el sector granja más importantes:

a) Frutales

La producción de frutales supone aproximadamente el 5,5% del total de producción vegetal de Uruguay. En el año 2004 se produjeron alrededor de 120.000 toneladas de fruta, en una superficie cultivada de 8.500 hectáreas.

Los principales cultivos de frutales son la manzana, pera, durazno y pelón.


Página - 28 -

En los siguientes gráficos se muestra, para el año 2004, el porcentaje en términos de producción y superficie que representa cada una de las especies de frutales.

La mayor superficie cultivada, corresponde a los cultivos de manzana, con un 42% y durazno y pelón con un 23%.

SUPERFICIE FRUTALES 2004

Manzanas42%

Peras12%

Membrillos13%

Melocotones y Nectarinas

23%

Ciruelas4%

Restofrutas6%

Gráfico 12: Distribución de la superficie de frutales 2004.


Las producciones más importantes, como se observa en el siguiente gráfico corresponden a manzana, pera y durazno que en conjunto representan el 87% de la producción total de frutales.

PRODUCCIÓN FRUTALES 2004

Manzanas60%

Peras15%

Membrillos8%

Ciruelas2%

Resto Frutas frescas

3% Melocotones y Nectarinas

12%

Gráfico 13: Distribución de la producción de frutales 2004. Fuente: Elaboración propia con datos FAOSTAT

En cuanto al valor de producción de estos cultivos, en el siguiente gráfico se muestra la evolución de dicho valor para la serie 1993-2002:


Página - 29 -

VALOR DE PRODUCCIÓN - FRUTALES

0

50

100

150

200

250

300

350

400

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002AÑOS

MIL

LON

ES D

E PE

SOS

Manzanas Peras Membrillos Durazno y pelón Ciruelas

Gráfico 14: Valor de producción de frutales serie 1993-2002. Fuente: Elaboración propia con datos FAOSTAT

Como se puede observar en el gráfico, en los últimos años se ha producido un repunte considerable del valor de producción de casi todos los frutales, especialmente para la manzana, durazno y membrillo. Este repunte se debe a una recuperación de los precios al productor que, tras caídas generalizadas en 1995, 1999 y 2000, se recuperaron rápidamente.

En cuanto a su distribución geográfica, los mapas contenidos en el citado Anexo II, se han realizado en base al número de plantas. De acuerdo con la información disponible se han elaborado los mapas correspondientes a los cultivos de manzana, durazno, pelón, pera, membrillo y ciruelo. Tal y como se muestra en los mismos, el cultivo de frutales se reparte a lo largo de Salto, Paysandú, Río Negro, Soriano y Colonia, aunque el mayor número de árboles frutales se concentra en San José, Montevideo y Canelones.


Página - 30 -

b) Cítricos

Los cítricos representan cerca del 6% de la producción vegetal del país. Su producción en 2004 fue de 242.000 toneladas y la superficie cultivada de 13.750 hectáreas.

Las producciones cítricas más importantes son las naranjas y mandarinas. De la superficie cultivada, la mayor parte corresponde a mandarina, casi con el 50%, seguido de limones y limas con el 36%.

SUPERFICIE CÍTRICOS 2004

Naranjas12%

Mandarina48%

Limones y Limas36%

Toronjas y Pomelos

4%

Gráfico 15: Distribución de la superficie de cítricos 2004. Fuente: DIEA

La producción de cítricos se centra fundamentalmente en naranjas y mandarinas, que en conjunto representan el 83% de la producción de cítricos en 2004, tal y como muestra el siguiente gráfico.

PRODUCCIÓN CÍTRICOS 2004

Naranjas51%

Mandarinas32%

Limones y Limas14%

Toronjas y Pomelos

3%

Gráfico 16: Distribución de la producción de cítricos 2004.

Fuente: DIEA

En cuanto al valor de producción, ésta se ha mantenido relativamente estable a lo largo de la serie estudiada. Tras una ligera caída en el año 1999, se ha estabilizado en los últimos años, salvo en el caso de la naranja, que experimentó una caída cercana al 50% en 2002, provocada por una acusada reducción de la producción en dicho año acompañada de una ligera caída de precios. En el siguiente gráfico se puede ver esta evolución:


Página - 31 -

VALOR DE PRODUCCIÓN - CÍTRICOS

0

100

200

300

400

500

600

700

1993 1994 1995 1996 1997 1998 1999 2000 2001 2002AÑOS

MIL

LON

ES D

E PE

SOS

Naranjas Mandarinas Limones y Limas Toronjas y Pomelos

Gráfico 17: Valor producción cítricos serie 1993-2002. Fuente: Elaboración propia en base a datos FAOSTAT

En cuanto a su distribución geográfica, la zona citrícola más importante se encuentra al noroeste, siendo los departamentos con un mayor número de árboles cítricos los de Salto y Paysandú.

La información disponible ha permitido la elaboración de los mapas de distribución de los cultivos de limón, mandarina, naranja y pomelo, todos ellos contenidos en el Anexo II.

La producción de limón también tiene una importante zona de cultivo en el sur, en los departamentos de San José, Montevideo y Canelones, donde también se cultivan el resto de cítricos aunque en menor medida. Además, hay otras zonas dispersas de cultivo en Artigas, Rivera y Cerro Largo.


Página - 32 -

c) Uva

La producción de uva en Uruguay es otro de los cultivos importantes del país. En el año 2004, esta producción supuso en torno al 8,5% del total de la producción vegetal. Sin embargo, en los últimos años la superficie cultivada de uva se ha ido reduciendo considerablemente, pasando de las 20.000 Has de 1990 a las 8.500 en 2004. A continuación se muestra la evolución de la superficie cultivada en el periodo 1996-2004.

SUPERFICIE CULTIVADA UVA

7.500

8.000

8.500

9.000

9.500

10.000

10.500

1996 1997 1998 1999 2000 2001 2002 2003 2004AÑOS

HEC

TÁR

EAS

Gráfico 18: Superficie vitícola cultivada serie 1996-2004. Fuente: Elaboración propia en base a datos FAOSTAT

La mayor parte de la producción de uva corresponde a uva de vino. Tan sólo el 4% de la producción es uva de mesa.

A pesar de la notable reducción de la superficie cultivada, la producción no ha seguido esta tendencia tan acusada. La introducción del riego en las principales zonas de cultivo, junto con la mejora de las variedades cultivadas ha hecho que la producción se haya mantenido y, aunque en el periodo 1999-2002 sí se produjo una reducción, en los últimos años ha habido una rápida recuperación, llegando a las 140.000 toneladas de producción en 2004. En el año 2002, hay que señalar que en las áreas principales de producción vitícola se vieron afectadas por un tornado que produjo una merma considerable de producción.

En cuanto al valor de producción, a lo largo de los años analizados se ha observado una tendencia decreciente desde el año 1997 provocada por la caída de la producción y de los precios. Posteriormente, y a pesar de que en 2002 los precios se recuperaron notablemente, la merma de producción causada por las condiciones climáticas adversas hizo que el valor de producción cayera nuevamente.

Tanto la producción de uva en el periodo 1996-2004, como el valor de producción desde el año 1996 hasta el 2002, ambos inclusive, se recogen en los gráficos que se muestran a continuación.


Página - 33 -

PRODUCCIÓN UVA POR TIPO

0

20.000

40.000

60.000

80.000

100.000

120.000

140.000

160.000

1996 1997 1998 1999 2000 2001 2002 2003 2004

Uva para vino Uva de mesa

Gráfico 19: Producción de uva por tipo serie 1996-2004. Fuente: DIEA.

VALOR DE PRODUCCIÓN UVA

0200400600800

1.0001.2001.4001.600

1996 1997 1998 1999 2000 2001 2002

MIL

LON

ES

DE

PE

SO

Gráfico 20: Valor producción uva serie 1996-2002

Fuente: Elaboración propia en base a datos FAOSTAT

En lo referente a la distribución geográfica del cultivo, como puede verse en el mapa realizado en base al número de cepas, la principal zona productiva de uva en Uruguay se encuentra en el sur, en los Departamentos de Canelones, Montevideo, Colonia y San José.

Aproximadamente el 60% de la superficie cultivada de uva se encuentra en Canelones, el 14% en Montevideo y el 8% en Colonia. En cuanto a la producción, los porcentajes son similares a los anteriormente mencionados, con un 65% de la producción de uva en Canelones, 17% en Montevideo y alrededor del 6% en Colonia y San José.


Página - 34 -

d) Hortalizas y Tubérculos

Este grupo de cultivos representó en 2004 el 12,6% de la producción vegetal total. La superficie cultivada en 2004 fue de 36.400 hectáreas, lo que supone aproximadamente el 3,5% del total de superficie de los cultivos de Uruguay.

A continuación se muestra la producción de los diferentes cultivos hortícolas de Uruguay en 2004:

PRODUCCIÓN HORTALIZAS Y TUBÉRCULOS 2004

Sandías3%

Tubérculos45%

Cebollas Secas12%

Pimientos Frescos

2%Zanahorias

6%

Resto hortalizas

9%

Calabazas4%

Tomates16%

Gráfico 21: Distribución de la producción de hortalizas y tubérculos 2004.

Fuente: Elaboración propia en base a datos FAOSTAT

Como se observa en el gráfico, casi la mitad de la producción hortícola pertenece a papa, seguida del tomate y la cebolla.

Los cultivos hortícolas tienen un alto valor de producción. En conjunto, estos representan en torno al 36% del valor de producción vegetal en 2002. En dicho año, los ajos, pimientos y frijoles supusieron casi el 75% de la horticultura. La papa, a pesar de tener una alta producción, tiene un bajo valor, debido fundamentalmente a los precios.

VALOR DE PRODUCCIÓN HORTALIZAS Y TUBÉRCULOS 2002

Coles7%

Tomates1%

Ajos30%

Frijoles Verdes20%

Tubérculos1%

Cebollas Secas

6%

Pimientos Frescos

23% Resto

Hortalizas 6%

Melones6%

Gráfico 22: Valor de producción hortalizas y tubérculos.

Fuente: FAOSTAT.


Página - 35 -

I.2 ANÁLISIS PARA LA SELECCIÓN DE RIESGOS.

La información recabada a lo largo de la serie de reuniones de trabajo que se han ido manteniendo en los distintos viajes realizados por parte de los técnicos de Agroseguro y la aportada por el MGAP, ha permitido conocer y valorar la sensación de riesgo del sector productor frente a los distintos eventos.

El trabajo de recopilación de información se ha basado en la consideración del riesgo agropecuario como el conjunto de agentes climáticos que afectan a la producción y que, además, tienen diferentes niveles de importancia en función de su grado de severidad, pudiendo incluso poner en peligro la viabilidad futura de las explotaciones.

Esta información junto con el análisis de la actual oferta de seguros fue debatida en el taller de trabajo que tuvo lugar en Montevideo en Julio de 2003, y que ha servido de punto de partida para el presente estudio.

En el referido taller se acordaron los riesgos y cultivos que iban a ser objeto de análisis. La información remitida con posterioridad al mismo por parte del sector asegurador ha servido para la selección final.

También se han incorporado las conclusiones y demás información enviada después del taller de trabajo que se desarrolló del 15 al 19 de noviembre de 2004 en Montevideo y que se organizó específicamente para el análisis y depuración de los objetivos e información necesaria para la creación de los mapas de riesgo.

El objetivo de este proceso es la selección de los riesgos de los que posteriormente se elaborarán los correspondientes mapas. Esta selección también quiere ser el reflejo de las peticiones expresadas por el sector productor planteadas en base a las necesidades para una buena gestión de los riesgos que asumen.

En la selección de riesgo se han tenido en cuenta tres aspectos: los riesgos existentes, la oferta actual de coberturas y el acceso al sector financiero,

Como se dijo en el taller de Julio, el objetivo del seguro agrario es ser una herramienta que permita mantener la actividad de la explotación. Teniendo en cuenta la orientación del presente proyecto, dentro de las amenazas a las que hace frente el sector productor estarían los riesgos climáticos, las plagas y enfermedades y los accidentes, estos específicamente, en el sector pecuario.

Al encontrarse en la zona templada del hemisferio sur, Uruguay goza de un clima moderado. La temperatura media en los meses veraniegos de enero y febrero alcanza un promedio de 25ºC, y durante el más frío del invierno, junio, baja hasta los 12ºC. Las lluvias caen durante todo el año, llegando a los 890 mm. de promedio anual. Los vientos también son característicos del clima uruguayo, especialmente en los meses de invierno.

Las heladas son prácticamente desconocidas en la mayor parte del país, y cuando se dan son de escasa intensidad.


Página - 36 -

En la siguiente tabla se relacionan los principales eventos climáticos recogidos en la base de datos “International Disaster Database” de la Universidad Católica de Lovaina (Bruselas). Como se observa en dicha tabla, la inundación es el evento más frecuente y afecta a todas las zonas del país. Le siguen la tormenta de viento y la temperatura extrema. Además, en 2000 hubo un episodio de sequía importante.

EVENTO FECHA ZONA

1967 Centro, oeste

Agosto 1986 Este, Sur

16-04-1991 Artigas, Salto y Rivera

12-06-1992 Artigas, Salto, Paysandú, Río Negro

Abril 1998 Norte, centro

16-05-2000

Junio 2001 Artigas, Rivera y Durazno

01-04-2002 Durazno, Florida, Canelones, San José, Rocha, Montevideo

Inundación

Mayo 2003 Rivera, Treinta y Tres, Salto, Paysandú

08-09-1993 Río Negro

21-12-1997 Artigas, Salto, Rivera

29-06-1999

27-12-2000 Canelones

15-03-2002 Canelones, Montevideo

Tormenta de viento

23/24-08-2005 Canelones, Montevideo, San José, Colonia, Maldonado.

Julio 2000 Paysandú, Maldonado Temperatura extrema Julio 2004 Montevideo

Sequía Enero 2000 Norte y centro.

Tabla 4: Principales eventos climáticos ocurridos en Uruguay. Fuente: “EM-DAT: The OFDA/CRED International Disaster Database. www.em-dat.net - Université Catholique de

Louvain – Brussels - Belgium

El año 2000 fue un año especialmente severo en términos de climatología, con episodios de inundación, viento, helada y sequía. Esto afectó gravemente a las producciones agrícolas, que, como se ha comentado anteriormente, experimentaron una notable reducción de producción en dicho año.

http://www.em%1Edat.net/


Página - 37 -

En el ya mencionado Taller celebrado en Montevideo, se relacionaron los riesgos ya ofertados así como las necesidades manifestadas por el sector productor. El contenido de los análisis realizados para dicho taller, se resume a continuación por cultivos.

A. El sector cerealista cuenta con dos herramientas para la gestión de riesgos como son los fondos y los seguros agrarios.

En lo referente a las garantías existentes destacan las de granizo y otras adicionales entre las que cabe señalar las de exceso hídrico para determinadas producciones.

Sus demandas hacen referencia a la inclusión de otros riesgos como son, fundamentalmente la sequía, aún no incluida en la actual oferta de seguro, y a la mejora de las existentes, fundamentalmente la correspondiente al exceso hídrico.

B. El sector granja, con un alto grado de atomización y concentración, cuenta en la actualidad con una cobertura frente al granizo, subvencionada por el Estado. La suscripción aún baja, se ha ido incrementado a lo largo de los años.

Esta parte de productores, afectados por graves siniestros, plantean la demanda de una mejora de los productos incorporando otros riesgos a los ya garantizados.

Son los productores de uva de vino y los de cítricos, los que a lo largo de las distintas reuniones han manifestado de manera reiterada, la necesidad de estas nuevas garantías.

C. El sector pecuario, con escaso nivel de aseguramiento, planteó las peticiones en dos aspectos. Inclusión de riegos indirectos como son los de sequía y lluvias excesivas y coberturas para accidentes específicos del ganado así como garantías para enfermedades.

I.3 SELECCIÓN DE CULTIVOS Y RIESGOS.

Una vez analizada la información elaborada, referida a la importancia social y económica de los distintos cultivos, así como los riesgos planteados a través del estudio de frecuencia e intensidad de los distintos eventos climáticos, el grupo de trabajo seleccionó qué cultivos y riegos iban a ser objeto del presente trabajo.

Además, el grupo elaboró un calendario para incorporar estos cultivos y riesgos en la oferta de seguros agropecuarios en el corto, medio y largo plazo. Esta planificación se recoge en la siguiente tabla:

CULTIVO RIESGOS TOTALES RIESGOS PRIORITARIOS-corto plazo RIESGOS PRIORITARIOS-medio plazo

RIESGOS PRIORITARIOS-largo

plazo

GIRASOL, SOJAGRANIZO, DÉFICIT HÍDRICO, VIENTO, EXCESO HÍDRICO, HELADAS, ENFERMEDADES, INUNDACIÓN.

GRANIZO, DÉFICIT HÍDRICO, VIENTOS, EXCESO HÍDRICO, HELADAS.

INUNDACIÓN, ENFERMEDADES.

MAIZ

SORGO ENFERMEDADES.

VID GRANIZO, VIENTO, ALTAS TEMPERATURAS, HELADAS GRANIZO, VIENTO NO DEFINIDO

HORTICULTURA CAMPO: PAPA OTOÑO, PAPA VERANO, CEBOLLA Y TOMATE.

GRANIZO, VIENTO, SEQUÍA, EXCESO HÍDRICO, HELADAS, INUNDACIÒN. GRANIZO, VIENTO

HORTICULTURA PROTEGIDA VIENTOS FUERTES, GRANIZO, LLUVIAS TORRENCIALES VIENTOS FUERTES, GRANIZO LLUVIAS TORRENCIALES.

FRUTALES HOJA CADUCA: DURAZNO, CIRUELA, MANZANA Y PERA.

GRANIZO, VIENTO, HELADAS, LLUVIAS PERSISTENTES, INUNDACIÓN.

GRANIZO, VIENTO, LLUVIAS PERSISTENTES. HELADAS.

PASTOS DÉFICIT HÍDRICO, TEMPERATURA EXCESIVA. DEFICIT HÍDRICO TEMPERATURAS ALTAS.

Referencias:prioritario CORTO PLAZOprioritario MEDIO PLAZOprioritario LARGO PLAZO

GRANIZO, BAJAS TEMPERATURAS Y FALTA DE INSOLACIÓN.

GRANIZO, DÉFICIT HÍDRICO, VIENTO, EXCESO HÍDRICO, HELADAS, INUNDACÓN, ENFERMEDADES.

GRANIZO, DÉFICIT HÍDRICO, VIENTO, EXCESO HÍDRICO, HELADAS.

INUNDACIÓN.

CÍTRICOS HELADA, GRANIZO, VIENTO LLUVIAS PERSISTENTES. SEQUIA (sin riego)HELADA, GRANIZO, VIENTO, SEQUÍA, LLUVIAS PERSISTENTES.

ARROZ GRANIZO, BAJAS TEMPERATURAS Y FALTA DE INSOLACIÓN EN FLORACION, INUNDACIÓN. INUNDACIÓN.

TRIGO, CEBADAGRANIZO, VIENTO, EXCESO HIDRICO (LLUVIAS PERSISTENTES (1) ), HELADAS, ENFERMEDADES ASOCIADAS, INUNDACIÓN, DÉFICIT HÍDRICO.

GRANIZO, VIENTO, EXCESO HÍDRICO, DÉFICIT HÍDRICO Y HELADAS.

ENFERMEDADES.

NO DEFINIDO

Tabla 5. Propuesta de cultivos y riesgos.

Página 38


Página - 39 -

II. INFORMACIÓN AGROCLIMATOLÓGICA

Una vez seleccionados tanto los riesgos como los cultivos para los que se van a realizar los mapas de riesgo, el siguiente paso es relacionar la información necesaria, desde el punto de vista climático y agronómico, para la definición de las variables agroclimáticas que se van a analizar.

II.1 DEFINICIÓN DE EVENTO CLIMÁTICO.

Antes de iniciar el estudio de la información disponible es fundamental establecer que se entiende por evento.

La definición de evento debe determinar los umbrales a partir de los cuales se considera que la ocurrencia de un riesgo puede ocasionar pérdidas. Estos parámetros definen la intensidad a partir de la cual se produce un daño.

Sin embargo, teniendo en cuenta las características agronómicas de los distintos cultivos, es importante tener en cuenta que la fijación de un determinado parámetro no establece la ocurrencia de ese daño, dado que deben darse otra serie de circunstancias para que esta pérdida se produzca.

Como ejemplo de lo anterior, un evento de sequía no ocurre sólo porque no haya llovido. Con independencia de la lluvia caída, puede haber pérdidas por sequía debido a que la ocurrencia de las lluvias no se haya producido en el momento adecuado o haya sido en cantidades muy inferiores a las necesarias para el desarrollo de la planta.

Igualmente, un evento climático puede no quedar bien determinado por un único parámetro. Sirva como ejemplo la definición de lluvias persistentes. En este caso hay que considerar la cantidad de lluvia y su distribución en el tiempo.

Teniendo en cuenta todo lo anterior, durante la elaboración del trabajo se propuso generar esta información vinculando la definición de evento, no sólo al riesgo sino también a cada uno de los cultivos seleccionados.

Así pues, la definición de evento quedó establecida mediante dos elementos:

• Parámetros que los definen.

• Descripción de los efectos que producen.

Es importante señalar que este punto se refiere sólo y exclusivamente a la caracterización del evento climático, sin incorporar a dicho concepto los distintos niveles de cobertura y valoración de los distintos daños sufridos, que cada una de las compañías aseguradoras puedan cubrir.

Para elaborar esta información se realizaron una serie de reuniones con los integrantes del grupo de trabajo.


Página - 40 -

En dichas reuniones se revisaron, además de los cultivos y riesgos seleccionados y criterios de selección, aspectos vinculados a la definición y asunción del riesgo, tales como:

Concepto de evento agroclimático desde el punto de vista de su asegurabilidad, y desde el punto de vista del productor.

Definición de las variables a considerar en la caracterización de los riesgos a analizar.

Nivel de información necesaria para el estudio de los mismos.

Determinación de las variables necesarias para el estudio.

Establecimiento de umbrales de daños para los distintos eventos.

Para dar respuesta a los distintos puntos enumerados, por parte del grupo de trabajo se elaboró una documentación donde se hacían propuestas para la definición de los distintos eventos, estableciendo además los parámetros a tener en cuenta.

Las distintas definiciones y parámetros propuestas por el grupo de trabajo, así como la problemática que plantean dichas propuestas, se recogen a continuación de forma resumida:

A. Granizo

Definición Es la precipitación atmosférica de agua congelada, sólida y amorfa.

Parámetros:

a. Frecuencia

Cantidad de eventos de la serie, por grado de intensidad, para cada día del mes, de cada mes, por Sección Policial de cada Departamento.

b. Intensidad

La intensidad del evento debería ser la resultante de cruzar tamaño de piedra con la densidad de las mismas, y duración o período (tiempo) del fenómeno.

Por ejemplo: Pueden definirse dos categorías de tamaño (diámetro promedio igual o menor a 1cm y diámetro mayor a 1cm) y dos categorías de período (período igual o menor a 15 minutos, y periodo mayor de 15 minutos). Obviamente, pueden hacerse muchas divisiones, pero de esta forma se tendrían 4 categorías de intensidad, lo cual es una cantidad adecuada en el entendido de que se trabaja con la media de muchas situaciones diferentes. Si se acuerdan dos densidades (alta y baja, expresadas como A y B, por ejemplo) aplicables a cada una de las 4 categorías, se obtienen 8 categorías de intensidad.


Página - 41 -

La tabla siguiente muestra una forma posible.

Ø ≤ 1 cm. Ø > 1 cm.

Periodo ≤ 15 minutos Intensidad 1.A

Intensidad 1.B

Intensidad 3.A

Intensidad 3.B

Periodo > 15 minutos Intensidad 2.A

Intensidad 2.B

Intensidad 4.A

Intensidad 4.B

c. Superficie Afectada

Hace referencia a la superficie afectada por el evento. Esta medida complementaría a los “Grados de Intensidad” de granizo.

De no lograrse método confiable de medición puede explorarse la alternativa de reunir información calificada. Y aún si esta opción no fuera posible o confiable, esto sería un dato en sí mismo.

Problemática:

Para realizar estas valoraciones, una limitación importante ha sido la información disponible, dado que, como se comentará en la sección correspondiente, la información climatológica disponible no recoge los datos necesarios para hacer valoraciones sobre la intensidad del evento

En cuanto a la superficie afectada, tampoco se ha dispuesto de este tipo de información. Sin embargo, hay que valorar la trascendencia de contar con estos datos, dado que mientras que podría ser muy útil para el caso de cultivos leñosos, su importancia en el caso de cultivos herbáceos es menos relevante.

B. Viento

Definición Es el movimiento violento de masas de aire.

Parámetros

a) Frecuencia

Cantidad de eventos de la serie, por grado de intensidad, por cada día del mes, de cada mes, por Sección Policial de cada Departamento.

Aquí se hace necesario definir –a efectos de poder registrar – cuándo la brisa pasa a ser un “viento” peligroso desde el punto de vista agrícola, estableciendo a partir de qué velocidad. El límite inferior debe pensarse en función de la ocurrencia de desgranes u otros sucesos. Ej.: 40 Km./h en trigo y pelón, o en cebada pronta para cosechar.


Página - 42 -

b) Intensidad

La intensidad está relacionada con la velocidad del viento y la duración o período (tiempo) del fenómeno. Por ejemplo: Pudieran definirse tres categorías de velocidad y tres categorías de período.

c) Superficie Afectada

Refiere a la superficie afectada por el evento. Esta medida se complementaría a los “Grados de Intensidad” de viento.

Problemática:

En el caso del viento, es posible que para los episodios más importantes, y sin pretender caracterizar eventos de viento de tipo tornado, el ámbito de estudio pueda ser a nivel de departamento. Hay que tener en cuenta que esta variable solo la registran las estaciones meteorológicas, y que la densidad y distribución de las mismas no permite este tipo de análisis.

Además, tampoco se registra el tiempo de duración ni la intensidad. A lo sumo se puede contar con la velocidad máxima (a lo largo del día) y el recorrido del viento (agregación al total del día en Km./día) y su dirección, lo que conlleva una limitación importante para determinar las valoraciones propuestas.

C. Heladas

Definición Ocurrencia de temperaturas del aire atmosférico menores a 0 Grados Centígrados, medidas a 1,5 a 2 m desde el nivel del suelo, y a 5 cm. del nivel del suelo (césped)

Esta es la definición de helada agro-meteorológica corriente; puede medirse a 5 cm., a 1,5 m o a 2m sobre el piso. Dado que los cultivos son diversos y su altura varía desde casi 0 en la emergencia, hasta 2 m o más en algunos maíces o girasoles –el dato que aporta mayor información a efectos del seguro es el de la helada medida a la altura que pueda afectar al cultivo; por ello, teniendo ambas mediciones, se aplicarán según cultivo y/o estado fenológico.

Parámetros

a) Frecuencia de Heladas

Cantidad de eventos de la serie, por cada día del mes, de cada mes, por Sección Policial de cada Departamento.

b) Frecuencia de Heladas Negras

Cantidad de eventos de la serie, por cada día del mes, de cada mes, por Sección Policial de cada Departamento.


Página - 43 -

En caso de no tener información de heladas negras será necesario tener la Hr. (humedad relativa ambiente) para la misma hora en que se mide la temperatura. Esto está relacionado con la ocurrencia de “heladas negras” (ocurrencia de baja temperatura con baja Hr.)

Problemática:

La información disponible para el análisis de este fenómeno tiene importantes limitaciones para el desarrollo de los mismos según los planteamientos expuestos. El primer paso es establecer los umbrales con los que se puede hacer un primer análisis de situación de la distribución de las heladas por cultivo y estado fenológico.

La información climatológica disponible no permite hacer un análisis exhaustivo de este fenómeno en el que se deberían incorporar datos de humedad relativa (Hr.) de los que se carece. Por tanto, las heladas negras no serán analizadas.

D. Lluvias

Definición Precipitación de agua en forma líquida.

Parámetros

a) Frecuencia de Precipitaciones

Cantidad de eventos de la serie, por grado de intensidad, por cada día del mes, por Sección Policial de cada Departamento. Intensidad de precipitaciones.

La intensidad del evento debería ser la resultante de cruzar la cantidad de lluvias (en mm) con la duración o período (tiempo) del evento.

Problemática:

En efecto, la cantidad de lluvia y el tiempo son los factores a tener en cuenta. Pero lo ideal sería fijar las cantidades día o la cantidad total en una determinada serie temporal para los grupos de cultivo en los que este riesgo puede ser importante.

E. Información de suelos

Complementaria a la información climática, sería de utilidad disponer de información sobre los suelos dominantes en función de su drenaje y escurrimiento. De esta forma sería posible caracterizar –en función de suelos dominantes y sus características- cada Sección Policial.

Problemática:

Aunque este tema puede ser de utilidad, es un trabajo a plantear a largo plazo, quedando fuera del alcance de este proyecto.


Página - 44 -

F. Información de cultivos

Para establecer posibles situaciones de exceso o déficit hídrico, la información anterior debería complementarse con información acerca de la evapotranspiración potencial por estado fenológico para cada cultivo.

Problemática:

Además de lo anteriormente mencionado, habría que tener en cuenta otras relaciones de igual o mayor complejidad, como establecer la relación entre evapotranspiración y disponibilidad hídrica, situaciones de estrés, etc. En lo relativo a la información de que se dispone este tema se plantea a más largo plazo.

La definición de evento analizadas se recoge posteriormente en el apartado correspondiente a la generación de mapas de riesgo.

II.2 INFORMACIÓN AGRONÓMICA.

La información agronómica necesaria para el estudio es variable en función del evento y del cultivo.

Para poder realizar el trabajo es necesario conocer una serie de valores básicos, a saber:

Fenología del cultivo, así como la duración de las distintas fases.

Grado de afección que la ocurrencia del evento puede producir en cada uno de los estados fenológicos del cultivo.

Además, y como información adicional, sería importante conocer posibles enmascaramientos, así como cualquier otro dato que se considerara necesario.

Hay que destacar en este apartado, que de cara al control del riesgo es importante fijar el período óptimo de cultivo, dado que un desplazamiento hacia adelante o hacia atrás, puede incrementar el nivel de exposición del cultivo frente a la ocurrencia del evento, con el resultado de un agravamiento en los daños producidos.

Este aspecto conllevaría la necesidad de elaborar o incorporar al estudio un decálogo de buenas prácticas agrícolas. Para paliar en parte la carencia actual de éste, se propuso revisar el protocolo elaborado por INIA en lo relativo a los períodos óptimos de los cultivos.

Dentro del grupo de trabajo, la Facultad de Agronomía fue la encargada de la elaboración del descriptivo de fenología y duración de las fases.

La documentación elaborada fue revisada en varias reuniones, en las que se analizaron:

Criterios utilizados para establecer los umbrales de sensibilidad, por estado fenológico para cada uno de los cultivos seleccionados, frente a los distintos eventos.


Página - 45 -

Establecimiento de los períodos de inicio y fin de los ciclos normales de cultivo, de acuerdo con las buenas prácticas agrícolas.

Además, se estableció la necesidad de incorporar a toda la información elaborada, todos aquellos elementos descriptivos necesarios para la correcta interpretación de la misma.

ESTUDIO DE LA FENOLOGÍA POR CULTIVO

La información remitida por la Facultad de Agronomía se compone de una serie de cuadros en los que se establece la duración, en días, del ciclo de cultivo y unos cuadros en los que se fija la sensibilidad de los distintos cultivos frente a distintos riesgos, en cada una de dichas fases.

Aunque en el Apéndice 1, Fenología, figura toda la información remitida, a continuación, y a título de ejemplo, se incluye la información remitida para el cultivo más representativo de los grupos de cereales, frutales y cítricos.

Cereales:

Inicio Act. Max. Macollaje AntésisEmergencia Reproductiva Prinp. Encañado 50%

Z 0 Z 22 Z 30 Z 65 M. Fisiológica Cosecha20-may C. Largo (*) 10 50 95 140 174 18620-jun C. Largo (*) 12 41 83 123 156 16820-jun C Medio (**) 12 40 75 111 144 15615-jul C Medio (**) 12 35 66 99 130 140

Trigo

Tabla 6: Fenología del Trigo. Fuente: Facultad de Agronomía. Universidad de la República Oriental del Uruguay

Es importante reseñar que la sensibilidad de los cultivos a lo largo de su ciclo se establece desde un punto de vista cualitativo y no cuantitativo. Esté es un hecho importante puesto que el proceso de creación de los mapas de riesgo es necesario establecer de forma cuantitativa dicha sensibilidad. En el siguiente cuadro se recogen los niveles de sensibilidad según colores para los riesgos más importantes según el estado fenológico.

GTI Agricultura. Ings. Agrs. E Hoffman, L Viega, L. Giménez, O ErntsFacultad de Agronomía Base: Manejo recomendado para cada situación

TRIGO (definir Manual de BPA)

RiesgosSiembra Implant Macollaje Encañado Floración 1/4 Inicial 3/4 restantes Cosecha

Granizo (*)Exceso hídrico ** ***Déficit hídricoFusariumVientos fuertesHeladas blancas ****Heladas Negras ( a muy baja Hr.)Otros (especificar)

Indicar en las etapas del cultivo qué riesgos o eventos climáticos y en que grado afectarían el rendimiento y o la calidad.

(*).- Para cultivos en época el granizo en macollaje no afecta si el cultivo está bien manejado. Al final de macollaje, los efectos pueden ser importantes de acierdo al año. Esto está asociado a las posibilidades de recuperación del cultivo. Esto mismo es más intenso y comienza antes para ciclo más cortos y siembras más tardías.**.- Inmediato a la siembra puede involucrar pérdida total***.- Graves efectos sobre la calidad****.- Debería correr solo si el manejo a priori asegura que la floración se de fuera del período de riego y por tanto realmente considere las heladas tardías.

Etapas del cultivoLlenado grano

Tabla 7: Niveles de sensibilidad para el cultivo del Trigo. Fuente: Facultad de Agronomía. Universidad de la República Oriental del Uruguay


Página - 46 -

Frutales:Frutales:

Días de ciclo medio desde brotación a cosecha

Fecha Brotación Fecha Floración Fecha Cosecha Dias - flor-cosecha

Rojas (*) 13-sep 16-oct 05-mar 140 Bicolores tempranas (**) 10-sep 16-oct 30-ene 107 Bicolores tardías (***) 10-sep 16-oct 20-mar 154 Bicolores muy tardías (****) 10-sep 10-oct 26-abr 191 Granny Smith (*****) 12-sep 10-oct 05-abr 171

Valores Promedio: Datos válidos para zona SurSe tomaron como base las siguientes variedades según época:(*) Red Chief (**) Royal Gala (***) Fuji (****) Cripps pink - Pink Lady

Manzana

Tabla 8: Fenología del Manzano. Fuente: Facultad de Agronomía. Universidad de la República Oriental del Uruguay

Manzano

RiesgosCom. Floració Floración Cuajado Crecimiento Fruto y vegetativo Cosecha Receso Grado Afectación

Granizo 5 5 5 5 5 3 0 No afecta BlancoExceso hídrico - lluvias (**) 4 4 4 2 1 1 1 Baja AmarilloVientos fuertes (**) 3 4 4 5 5 1 2 Media a Baja NaranjaHeladas 4 (*) 4 (*) 5 (*) 0 0 0 3 Media MarrónOtros (especificar) 4 Severa Rojizo

5 Muy Severa Rojo int.

Etapas del cultivo

(*) Temperaturas de -2.2 ° C durante media hora destruyen el 10% de las yemas (Fuente Ballard et. al 1971)(**) Para los casos del viento y el Exceso hídrico se consideró a su vez la afectación por problemas de polenización

Tabla 9: Sensibilidad del Manzano. Fuente: Facultad de Agronomía. Universidad de la República Oriental del Uruguay


Página - 47 -

Cítricos:

INIA Salto Grande ETAPAS FENOLÓGICAS DEL CICLO DE LOS CÍTRICOS EN URUGUAYPROGRAMA NACIONAL DE

CITRICULTURAIng. Agr. Alvaro Otero

ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTOMADURACIÓN DE FRUTO

Limón ... ... ... Mandarinas ... ...Naranjas ...Pomelos ... ...

INDUCCIÓN FLORAL/RECESO Satsumas/Nova ... ...Navel/Clementinas ... ...Ellendale/Valencia

FLORACIÓN 1º Flores ... ... ... Maxima Floración ... ... Fin de Floración ... ...

CUAJADO/CAIDA DE FRUTO

Cuajado de Fruto ... ...Caída de Frutitos ...

BROTACIÓN VEGETATIVA

Primavera ... ...Verano ... ...Otoño ...

SETIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE

INIA Salto Grande PROGRAMA NACIONAL DE CITRICULTURAIng. Agr. Alvaro Otero

PERÍODOS CRÍTICOS DE LOS CÍTRICOS EN URUGUAY

GRANIZO EXCESO DEFICIT VIENTOS HELADAS ALTAS 1

HIDRICO HIDRICO FUERTES TEMPERATURASDESARROLLO DEL FRUTO MADURACIÓN DEL FRUTO

Limón 4 2 4 4 2 4 3 2Mandarinas 4 2 4 4 2 4 3 2Naranjas 4 2 4 4 2 4 3 2Pomelos 4 1 3 4 2 4 3 2

INDUCCIÓN FLORAL/RECESO Satsumas/Nova 0 3 0 0 0 4Navel/Clementinas 0 3 0 0 0 4Ellendale/Valencia 0 3 0 0 0 4

FLORACIÓN 1º Flores 4 4 1 1 5 5Maxima Floración 4 4 1 1 5 5Fin de Floración 4 4 1 1 5 5

CUAJADO/CAIDA DE FRUTO Cuajado de Fruto 4 5 5 4 4 5Caida de Frutitos 4 5 5 3 4 5

BROTACIÓN VEGETATIVA Primavera 3 4 4 4 2 5 1Verano 3 4 4 4 2 5 1Otoño 3 4 4 4 2 5 1

1 Temperaturas máximas mayores a 35ºC en Primavera y a 2 8ºC en Invierno.2 En especial por su incidencia en el Cancro Cítrico en combinación con la lluvia en años de excesos. 3 En lo que hace referencia a la caída de frutos y al deterioro de la calidad interna. 4 En especial por su incidencia en el tamaño del fruto. Desarrollo del Fruto.5 Habría que considerar que los efectos durante el desarrollo y maduración del fruto afectan la

producción del año, mientras que el la floración, cuajado y brotaciones suelen afectar la producción del siguiente año, como muchos cultivos frutales.

Grado de Afectación

0 No afecta 1 Bajo 2 Medio a Bajo 3 Medio 4 Severo 5 Muy Severo


Página - 48 -

A lo largo del desarrollo del proyecto se han hecho esfuerzos por parte del grupo de trabajo para poder completar la información necesaria para la creación de los mapas de riesgo. Con tal fin, a partir de la información remitida desde Uruguay, Agroseguro elaboró una serie de documentos, los cuales fueron posteriormente adaptados en base a dos principios.

1. Adecuación de la cronología de los cultivos a las fases de igual sensibilidad ante los riesgos.

2. Preparación de la información para asignar coeficientes de sensibilidad y de daño para cada uno de los cultivos y riesgos a analizar.

De forma general, debe señalarse que los mapas de riesgo se generarán finalmente a partir de los coeficientes que fueron propuestos por parte de Agroseguro al grupo de trabajo en la reunión celebrada en Montevideo en mayo de 2005, puesto que no fue posible la adecuación de estos a la experiencia que los integrantes del grupo de trabajo de la Facultad de Agronomía y que las compañías de seguro puedan tener de la realidad uruguaya.

Sin duda el problema surge de la falta de información específica para ello y de la necesidad de dedicar más tiempo al trabajo conjunto entre los expertos implicados.

En cuanto al resto de cultivos no mencionados, tan solo reseñar, que no ha sido posible hacer ningún tipo de aproximación debido a la falta de información.

Para la elaboración de cada una de las tablas se han redistribuido la duración en días de cada uno de los ciclos por cultivo y tipo (temprano, ciclo medio y tardío), en los distintos estados fenológicos, acumulando los días en periodos con igual nivel de sensibilidad ante la ocurrencia de un determinado evento.

Para homogeneizar el tratamiento de esta información, a cada uno de estos periodos se le ha asignado un número comprendido entre 1 y 5, de tal forma que el valor 1 representa la menor sensibilidad y el 5 el máximo de sensibilidad para cada uno de los riesgos. Esta asignación permitió convertir la variable cualitativa “sensibilidad” en una variable cuantitativa que pudiera ser tratada en posteriores análisis estadísticos y actuariales.

El estudio de fenología se completo con la incorporación de dos parámetros, como son el coeficiente de afección y el coeficiente de daño total.

El coeficiente de afección se estableció para cada uno de los estados fenológicos en función de la pérdida media ocasionada por un determinado fenómeno en relación con el periodo de ocurrencia.

Finalmente el coeficiente de daño se obtuvo como resultado de aplicar el coeficiente de afección en cada una de las fases de cultivo por su correspondiente sensibilidad.

A continuación se presentan las plantillas correspondientes al trigo, manzana y naranja, y que figuran junto con el resto de cultivos analizados en el mencionado Apéndice 1, Fenología.

Cereales:

Cuadro elaborado para trigo.

Tabla 10: Fenología para el trigo. Fuente: Elaboración propia.

Página - 49 -

Frutales:

Cuadro elaborado para manzana. R e c o le c c ió n

1 3 - s e p R o ja s ( * ) 1 2 0 2 1 3 0 3 1 4 0 4 1 5 0 5 1 1 5 3 1 7 31 0 - s e p B ic o lo r e s t e m p r a n a s ( * * ) 1 2 0 2 1 3 1 3 2 4 1 4 2 5 1 5 2 1 1 9 1 3 91 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 1 2 0 2 1 3 2 3 3 4 2 4 3 5 2 5 3 1 6 8 1 8 81 0 - s e p B ic o lo r e s m u y ta r d ía s ( * * * * ) 1 1 8 1 9 3 0 3 1 4 3 4 4 5 3 5 4 2 0 5 2 2 51 2 - s e p G r a n n y S m it h ( * * * * * ) 1 1 8 1 9 3 0 3 1 4 4 4 5 5 4 5 5 1 8 4 2 0 4

D ía s d e c ic l o m e d ioR e c o le c c ió n

1 3 - s e p R o ja s ( * ) 1 4 - 9 3 - 1 0 4 - 1 0 1 3 - 1 0 1 4 - 1 0 2 3 - 1 0 2 4 - 1 0 2 - 1 1 3 - 1 1 1 3 - 2 5 - 31 0 - s e p B ic o lo r e s t e m p r a n a s ( * * ) 1 4 - 9 3 - 1 0 4 - 1 0 1 4 - 1 0 1 5 - 1 0 2 4 - 1 0 2 5 - 1 0 3 - 1 1 4 - 1 1 1 0 - 1 3 0 - 11 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 1 4 - 9 3 - 1 0 4 - 1 0 1 5 - 1 0 1 6 - 1 0 2 5 - 1 0 2 6 - 1 0 4 - 1 1 5 - 1 1 2 8 - 2 2 0 - 31 0 - s e p B ic o lo r e s m u y ta r d ía s ( * * * * ) 1 4 - 9 1 - 1 0 2 - 1 0 1 3 - 1 0 1 4 - 1 0 2 6 - 1 0 2 7 - 1 0 5 - 1 1 6 - 1 1 6 - 4 2 6 - 41 2 - s e p G r a n n y S m it h ( * * * * * ) 1 4 - 9 1 - 1 0 2 - 1 0 1 3 - 1 0 1 4 - 1 0 2 7 - 1 0 2 8 - 1 0 6 - 1 1 7 - 1 1 1 6 - 3 5 - 4

g r a n i z o R e c o le c c ió n1 3 - s e p R o ja s ( * ) 3 3 3 3 3 3 4 4 4 4 51 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 3 3 3 3 3 3 4 4 4 4 51 2 - s e p G r a n n y S m it h ( * * * * * ) 3 3 3 3 3 3 4 4 4 4 5

0 ,0 0 0 , 0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 , 0 0 0 ,0 0

E x c e s o h íd r i c o R e c o le c c ió n1 3 - s e p R o ja s ( * ) 3 3 3 3 3 3 2 2 1 1 21 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 3 3 3 3 3 3 2 2 1 1 21 2 - s e p G r a n n y S m it h ( * * * * * ) 3 3 3 3 3 3 2 2 1 1 2

0 ,0 0 0 , 0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 , 0 0 0 ,0 0

H e la d a R e c o le c c ió n1 3 - s e p R o ja s ( * ) 4 4 4 4 5 5 5 5 0 0 01 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 4 4 4 4 5 5 5 5 0 0 01 2 - s e p G r a n n y S m it h ( * * * * * ) 4 4 4 4 5 5 5 5 0 0 0

- 6 - 6 - 4 - 4 - 2 - 2 - 1 - 1 - 2 - 2 - 2

0 ,0 0 0 , 0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 , 0 0 0 ,0 0

V ie n t o R e c o le c c ió n1 3 - s e p R o ja s ( * ) 3 3 3 3 3 3 3 3 4 4 51 0 - s e p B ic o lo r e s t a r d ía s ( * * * ) 3 3 3 3 3 3 3 3 4 4 51 2 - s e p G r a n n y S m it h ( * * * * * ) 3 3 3 3 3 3 3 3 4 4 5

0 ,0 0 0 , 0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 , 0 0 0 ,0 0

I h a s t a 2 0 d í a s a r e c o l .

T º U M B R A L





F e c h a d e B r o t a c ió n D y E F y GB y C

C o e f . A f e c c ió nC o e f . D a ñ o F in a l



H e I

B y C D y E F y G H e I

D y E

H e I

F y G H e IF e c h a d e B r o t a c ió n

B y C D y E F y G

B y C





Tabla 11: Fenología para el manzano. Fuente: Elaboración propia.

Página - 50 -

Cítricos:

Cuadro elaborado para naranja.

0 1 - s e p N a v e lin a 1 1 5 1 6 6 0 4 5 7 5 2 3 1 2 7 1 3 6 5 4 2 5 4 7 1 5 1 6 5 4 6 5 7 60 1 - s e p N a v e l- S a lu s t ia n a 1 1 5 1 6 6 0 4 5 7 5 2 6 1 3 0 2 3 6 5 4 2 5 4 7 1 5 1 6 5 4 6 5 7 60 1 - s e p L a te 1 1 5 1 6 6 1 4 6 7 5 2 7 3 3 3 3 3 6 5 4 2 5 4 7 1 5 1 6 5 4 6 5 7 60 1 - s e p V a le n c ia 1 1 5 1 6 6 0 4 5 7 5 3 3 4 4 2 5 3 6 5 4 2 5 4 7 1 5 1 6 5 4 6 5 7 6

D ía s d e c ic lo m e d io

0 1 - s e p N a v e lin a 2 - 9 1 6 - 9 1 7 - 9 3 1 - 1 0 1 6 - 1 0 1 5 - 1 1 2 0 - 4 3 0 - 5 1 - 9 3 1 - 1 0 1 6 - 1 2 3 0 - 1 1 - 3 3 1 - 30 1 - s e p N a v e l- S a lu s t ia n a 2 - 9 1 6 - 9 1 7 - 9 3 1 - 1 0 1 6 - 1 0 1 5 - 1 1 2 0 - 5 3 0 - 6 1 - 9 3 1 - 1 0 1 6 - 1 2 3 0 - 1 1 - 3 3 1 - 30 1 - s e p L a te 2 - 9 1 6 - 9 1 7 - 9 1 - 1 1 1 7 - 1 0 1 5 - 1 1 1 - 6 3 1 - 7 1 - 9 3 1 - 1 0 1 6 - 1 2 3 0 - 1 1 - 3 3 1 - 30 1 - s e p V a le n c ia 2 - 9 1 6 - 9 1 7 - 9 3 1 - 1 0 1 6 - 1 0 1 5 - 1 1 1 - 8 3 1 - 1 0 1 - 9 3 1 - 1 0 1 6 - 1 2 3 0 - 1 1 - 3 3 1 - 3

g r a n iz o0 1 - s e p N a v e lin a 3 3 4 4 4 4 4 4 3 3 3 3 3 30 1 - s e p N a v e l- S a lu s t ia n a 3 3 4 4 4 4 4 4 3 3 3 3 3 30 1 - s e p L a te 3 3 4 4 4 4 4 4 3 3 3 3 3 30 1 - s e p V a le n c ia 3 3 4 4 4 4 4 4 3 3 3 3 3 3

0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0

E x c e s o h íd r ic o0 1 - s e p N a v e lin a 0 0 4 4 5 5 2 2 4 4 4 4 4 40 1 - s e p N a v e l- S a lu s t ia n a 0 0 4 4 5 5 2 2 4 4 4 4 4 40 1 - s e p L a te 0 0 4 4 5 5 2 2 4 4 4 4 4 40 1 - s e p V a le n c ia 0 0 4 4 5 5 2 2 4 4 4 4 4 4

0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0

H e la d a0 1 - s e p N a v e lin a 3 3 5 5 4 4 4 4 5 5 5 5 5 50 1 - s e p N a v e l- S a lu s t ia n a 3 3 5 5 4 4 4 4 5 5 5 5 5 50 1 - s e p L a te 3 3 5 5 4 4 4 4 5 5 5 5 5 50 1 - s e p V a le n c ia 3 3 5 5 4 4 4 4 5 5 5 5 5 5

0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0

D é f ic i t H íd r ic o0 1 - s e p N a v e lin a 0 0 1 1 5 5 4 4 4 4 4 4 4 40 1 - s e p N a v e l- S a lu s t ia n a 0 0 1 1 5 5 4 4 4 4 4 4 4 40 1 - s e p L a te 0 0 1 1 5 5 4 4 4 4 4 4 4 40 1 - s e p V a le n c ia 0 0 1 1 5 5 4 4 4 4 4 4 4 4

0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0 0 ,0 0C o e f . D a ñ o F in a l

p r im a v e r a V e r a n o O t o ñ o

C o e f . A f e c c ió n

D e s a r r o l lo F lo r a c ió n h a s t a c a íd a p e t a lo s F r u t o c u a ja d o ( E s t a d o I ) c o s e c h a

B r o t a c ió n v e g e t a t iv ap r im a v e r a V e r a n o O t o ñ o

B r o t a c ió n v e g e t a t iv ap r im a v e r a V e r a n o O t o ñ o

p r im a v e r a

p r im a v e r a V e r a n o O t o ñ o

B r o t a c ió n v e g e t a t iv a


O t o ñ o


c o s e c h a

c o s e c h a

V e r a n o O t o ñ o

B r o t a c ió n v e g e t a t iv ap r im a v e r a V e r a n o

F r u t o c u a ja d o ( E s t a d o I ) c o s e c h a

D e s a r r o l lo F lo r a c ió n h a s t a c a íd a p e t a lo s F r u t o c u a ja d o ( E s t a d o I )



c o s e c h aF lo r a c ió n h a s t a c a íd a p e t a lo s F r u t o c u a ja d o ( E s t a d o I )

c o s e c h a

F e c h a d e B r o t a c ió n F lo r a c ió n h a s t a c a íd a p e t a lo sD e s a r r o l lo

D e s a r r o l lo F e c h a d e B r o t a c ió n




Tabla 12: Fenología para el naranjo. Fuente: Elaboración propia.

Página - 51 -


Página - 52 -

III. CARACTERIZACIÓN DE LA INFORMACIÓN

Una vez seleccionados los riesgos y cultivos a estudiar, es necesario definir las variables que van a permitir el estudio de estos fenómenos, que serán diferentes según el cultivo estudiado.

A efectos del estudio, es muy importante fijar también el concepto de “anomalía” desde el punto de vista climático y agro-climático, puesto que deben ser diferenciados los episodios extraordinarios en los diferentes riesgos y cultivos.

El objetivo es la concreción de la información necesaria para el análisis de los distintos niveles de riesgo en los cultivos seleccionados.

III.1 DEFINICIÓN DE LAS VARIABLES

Teniendo en cuenta los riesgos a analizar se han definido las variables que los caracterizan tanto desde un punto de vista estrictamente climático como desde el punto de vista agronómico.

La definición de cada una de las variables aparece recogida posteriormente en cada uno de los eventos climáticos analizados.

III.2 FUENTES DE LA INFORMACIÓN

En el proceso de definición de las variables a utilizar es necesario disponer de información climática y agronómica.

A lo largo del desarrollo del proyecto se ha establecido que información base era necesaria, así como la disponibilidad de la misma en cuanto al tiempo adecuado de recepción para su incorporación a los procesos de análisis. Toda la información utilizada en las distintas fases del estudio ha sido elaborada por las instituciones y entidades miembros del grupo de trabajo.

En el Anexo III-Análisis de la información climática y agronómica, se detallan y describen los distintos ficheros con la información que se ha manejado a lo largo del trabajo. Todos los datos manejados se pueden agrupar en tres tipos, información general, agronómica y climática. De cada una de ellas se puede resaltar lo siguiente:

III.2.1. Información General

La información general necesaria para el desarrollo del análisis de las pérdidas sobre los cultivos, tanto desde el punto de vista de pérdidas de producción como su posible cuantificación económica, quedó establecida y sometida a la elaboración y validación por el grupo de trabajo.


Página - 53 -

III.2.2. Información Agronómica.

De acuerdo con la definición de evento para cada uno de los riesgos y cultivos, se determinó que tipo de información era necesaria. Como en el caso anterior, esta solicitud fue gestionada por el grupo de trabajo.

De la información solicitada, solo parte de ella pudo ser elaborada e incorporada al estudio.

III.2.3. Información Climatológica.

En este caso, una parte importante de la información, desde el punto de vista cuantitativo, estuvo disponible para su estudio. No obstante, al no disponer de la totalidad de los datos necesarios, algunas de las variables propuestas no pudieron ser analizadas.

III.3 TIPOS DE ANÁLISIS DE PÉRDIDAS

En una etapa inicial del proyecto, se planteó la posibilidad de incluir en el presente trabajo como avance de las siguientes etapas, el análisis de las pérdidas ocasionadas por los riesgos a analizar desde dos puntos de vista: Pérdidas sobre las producciones y las pérdidas económicas ocasionadas.

Dado que en el momento de iniciar los análisis no ha estado disponible la información necesaria, se ha desarrollado un cálculo teórico, asignando a cada una de las etapas del cultivo un grado de afección de la forma ya explicada en el estudio de la fenología. Al no disponer de información de precios, no ha sido posible establecer cuantificar las pérdidas en términos de unidades monetarias.

IV. RECEPCIÓN Y VALIDACIÓN DE LOS DATOS

En esta fase se ha procedido a verificar que los archivos enviados, que contienen la información con las características demandadas no hubieran sufrido ningún daño en el proceso de creación, envío y recepción.

Confirmado que contenían la información adecuada se procedió a la carga de dichos archivos al sistema informático para su adecuación y tratamiento según la metodología que se contiene en el Capítulo IV Construcción de los mapas de riesgo. El objetivo es la adecuación de los datos de forma sistemática.

En dicha metodología se definen, entre otros, dos procesos fundamentales. Un primer proceso de filtrado y verificación de los datos contenidos en los archivos recibidos, y un segundo proceso de análisis de la consistencia de la información incluida en las tablas elaboradas a partir de los datos anteriormente filtrados y depurados. En el primer proceso caben señalar los siguientes pasos:


Página - 54 -

1. Depuración de los datos.

En esta fase se realizó una primera depuración de los datos recibidos. Descartando ficheros y datos que mostraran de forma masiva información incoherente o incompleta.

2. Homogeneidad de los datos.

En esta fase se procedió a verificar que la información remitida fue elaborada con una estructura y tipología adecuada para la fusión en una única base de datos, esto es, con la misma cadencia temporal, en las mismas unidades, etc.

V. ELABORACION DE LA BASE DE DATOS.

El objetivo de esta fase ha sido la construcción de una base de datos que incluyera las diferentes tablas con los datos una vez depurados y validados. Estas tablas incorporan, los parámetros que mejor describen las distintas variables a analizar, de acuerdo con lo recogido en el Capítulo III, punto II.1. Definición de evento climático.

Entre otros aspectos se han incluido elementos descriptivos de las variables para cada una de las fuentes (redes), tipo de campo, nomenclatura, formato, serie disponible y frecuencia en la toma de datos (diaria, mensual, etc.)

La descripción del proceso para la obtención de la base de datos con las características definidas que permiten el desarrollo del proceso de análisis y creación de los mapas de riesgo, están recogida en el citado Capítulo IV Construcción de mapas de riesgo.

1. Depuración de los datos.

La información recibida procede de las distintas fuentes de información antes citadas. En relación con la información climática hay que señalar que la información incluye la contenida en las dos redes climatológicas, si bien al tener estructuras distintas, los datos han tenido que ser depurados nuevamente de cara a su adecuada utilización y agregación para el análisis conjunto de los datos aportados por ambas redes.

2. Homogeneidad de la información.

Análisis de la estructura de la información de cada una de las tablas de datos y de cada una de las variables en ellas contenidas para evitar que no se produzcan errores en la fase de agregación y estudio de las variables.


Página - 55 -

VI. ANALISIS DE LA INFORMACIÓN POR EVENTO Y CULTIVO.

Una vez depurada y validada la información, y como paso previo a los análisis técnicos a realizar, se procedió a la verificación de la idoneidad de los datos disponibles de cara a efectuar los estudios necesarios.

El grado de representatividad de dicha información desde un punto de vista estadístico, viene determinado por distintos valores, como son la longitud de la serie (temporalidad) y el número y ubicación de estaciones analizadas (representatividad espacial)

El objetivo último de esta fase, es verificar que la información disponible es válida para estudiar el evento riesgo-cultivo, como queda definido posteriormente en cada evento analizado, y que es adecuada para inferir su comportamiento futuro.

1. Distribución temporal (años de la serie).

Para cada uno de los eventos a analizar se ha determinado la suficiencia temporal, es decir fecha inicial y final de los datos de la seria disponible -longitud-, de cara a caracterizar la misma como adecuada o no para los análisis a realizar posteriormente.

Hay que tener en cuenta para cada uno de los fenómenos, como ya se ha dicho, la definición del evento a garantizar, y por tanto, establecer el período de retorno de la ocurrencia de dicho evento.

Para determinar la aptitud de la longitud de la serie se han aplicado distintos criterios, los cuales se recogen en el Capítulo IV, punto V.4. Depuración de datos.

2. Distribución espacial.

Este análisis se ha efectuado para cada binomio cultivo-riesgo, ya que hay que tener en cuenta la información disponible y representatividad en las zonas donde se dan los cultivos.

En el Anexo IV–Mapas de distribución de estaciones por familias de cultivo, se recogen los mapas que han sido elaborados y que representan, de forma conjunta, la distribución del cultivo a nivel de sección policial de las familias de cultivos y la red de estaciones usada para el estudio de los eventos climáticos seleccionados.

En dicho Anexo se ha incluido de forma independiente el mapa para el cultivo del arroz, ya que su distribución espacial no se corresponde con la del resto de cereales.


Página - 56 -

CAPÍTULO IV: CONSTRUCCIÓN DE MAPAS DE RIESGO.

I. INTRODUCCIÓN

Como ya se ha indicado, el presente estudio pretende elaborar mapas de riesgo agroclimáticos para la República Oriental del Uruguay. Para ello es necesario definir previamente qué se entiende por riesgo agroclimático. Se trata de evaluar las pérdidas que se producen como consecuencia de la incidencia de un determinado conjunto de eventos climáticos sobre una serie de cultivos en determinados periodos de tiempo.

La razón última de este cálculo está en la necesidad de conocer la siniestralidad (los daños) asociada a esos fenómenos climatológicos, cuyo conocimiento es indispensable para la formulación de seguros de daños aplicables a los cultivos.

No hay que olvidar que, sin tener en cuenta más factores, el precio que ha de tener un seguro debe ser igual al valor del daño previsto que trata de cubrirse con el mismo. Es una aplicación más del principio básico de los equilibrios microeconómicos, es decir, el precio de un bien o servicio debe ser igual al coste asociado a su producción. En este caso, el precio es el valor de la prima del seguro, mientras que el coste del servicio, es decir, el resarcimiento de los daños ocasionados por un cierto riesgo, es la siniestralidad prevista o esperada. Por ello, formalmente se puede escribir que:

( )SEP =

Siendo P el valor de la prima y E(S) la siniestralidad probable -esperanza matemática- a consecuencia de un determinado riesgo.

Este estudio se centra en el cálculo de la probabilidad de ocurrencia de eventos de origen climático, así como de la estimación de la siniestralidad media de los daños previstos a consecuencia de los mismos. Para llevar a cabo esta tarea, es necesario conocer los siguientes elementos:

1) Fenómenos climatológicos objeto de estudio

En primer término, es necesario relacionar qué fenómenos de origen climático pueden ser los causantes de los daños sobre los cultivos. En segundo lugar, habría que especificar muy claramente, qué efectos provocados por dichos eventos serían garantizados por el seguro, ya que el resto de efectos, distintos a los previamente definidos, no serían objeto de cobertura. Por ejemplo, si para un determinado cultivo, se contrata un seguro por daños en cantidad ocasionados por pedrisco, en los que se garantizaran pérdidas por daños traumáticos que produzcan roturas, defoliación, tronchamiento y/o caídas de frutos, sólo las pérdidas debidas a estos efectos estarían cubiertas por la póliza contratada.


Página - 57 -

La casuística de fenómenos meteorológicos susceptibles de generar daños puede llegar a ser muy elevada1. El estudio de estos fenómenos requiere disponer de información climática suficiente, en cuanto al número de variables climáticas y longitud de sus series temporales. Los análisis llevados a cabo en este proyecto, se han visto condicionados por la disponibilidad de dicha información, teniendo que limitarse al análisis de los daños causados por los siguientes eventos2.

Lluvias, en concreto exceso hídrico y una primera aproximación al estudio de los episodios de sequía.

Temperaturas, episodios de helada.

Granizo.

2) Cultivos seleccionados.

Al igual que en el caso anterior, una póliza de seguro garantizará sólo aquel o aquellos cultivos explicitados en la misma. En el caso del presente análisis y, de acuerdo con el grupo de trabajo, se ha analizado la incidencia de los riesgos climáticos antes enunciados sobre los siguientes cultivos3

Cereales: Arroz, cebada, girasol, maíz, sorgo, trigo

Frutales: Durazno, manzano y peral.

Del conjunto de cultivos seleccionados, los análisis se han centrado en un ciclo específico. En concreto, en cereales, el arroz de ciclo largo, cebada de ciclo largo, girasol de ciclo medio, maíz de ciclo medio, soja de ciclo IV, sorgo de ciclo medio y trigo de ciclo largo. En cuanto a los frutales, los ciclos elegidos corresponden, durazno extra-temprano, manzano variedades rojas de ciclo medio y peral de ciclo temprano.

3) Periodos temporales

El tercero de los elementos lleva a un hecho fundamental en este tipo de seguros. La incidencia de un determinado evento sobre un cultivo dependerá del instante en el cual acontezca el fenómeno y de la fase en la cual se encuentre el cultivo. Este hecho lleva a enunciar los tres aspectos que determinan la incidencia de este factor:

En primer lugar, el instante en el cual se produce el fenómeno atmosférico. La escala temporal de los datos para el análisis viene medido a nivel diario, y también se ha realizado a nivel diario el análisis para la validación y depuración de los datos.

Sin embargo, distintos análisis estadísticos de la información aconsejaron realizar el estudio a nivel decenal. Se comprobó que los resultados

1 Apartado I.3. Selección de cultivos y riesgos. 2 Apartado III.2.1. Definición de evento climático 3 Apartado III.1.3. Selección de cultivos y riesgos


Página - 58 -

obtenidos al realizar el análisis a nivel mensual podrían encubrir comportamientos anómalos, debido a la distorsión generada en el proceso de acumulación. Por otro lado, el análisis a nivel diario generaba grandes problemas de operatividad en lo relativo a su visualización e interpretación de los resultados.

Así pues, el año ha sido dividido en 36 intervalos y cada mes en tres, considerando:

Primera decena: Del 1 hasta el 10 de cada mes

Segunda decena: Del 11 hasta el 20 de cada mes

Tercera decena: Del 21 hasta el final del mes

En segundo lugar, la cronología del cultivo. Dado que a lo largo del proceso vegetativo se producen variaciones importantes en la sensibilidad del cultivo frente a los eventos estudiados con la consecuente variabilidad de las pérdidas sufridas4, para cada uno de los cultivos objeto de estudios, se ha establecido su sensibilidad frente un determinado riesgo para cada una de las fases de desarrollo.

En tercer lugar, para el cálculo de las pérdidas ocasionadas es necesario introducir un coeficiente que mida el efecto que produce la ocurrencia del siniestro en función de la sensibilidad del cultivo según el momento en el que se produce el evento, este coeficiente es el coeficiente de afección.

Las pérdidas sufridas por el cultivo en cada fase a lo largo del ciclo vegetativo vendrían medidas por el coeficiente de daño, calculado éste como el producto del coeficiente de afección por el coeficiente de sensibilidad. De la combinación de ambos se obtiene la pérdida previsible que experimentará un determinado cultivo en una cierta fase de su desarrollo como consecuencia de la ocurrencia de un riesgo climático concreto.

El coeficiente de daño final representa, en porcentaje, los daños medios sufridos por el cultivo a lo largo de todas y cada una de sus fases de crecimiento vegetativo.

La interacción de estos tres factores determinará qué parte de la cosecha es previsible que se pierda en cada fase de desarrollo como consecuencia de los eventos climáticos analizados y, consecuentemente, la cosecha final. Una vez conocido este extremo, ya se estará en disposición de establecer el precio de los seguros.

II. CARACTERIZACIÓN DEL CLIMA

Antes de entrar en consideraciones particulares sobre los fenómenos citados (temperatura, lluvia y granizo), se ha estimado conveniente realizar un breve análisis preliminar sobre aspectos concretos del clima del país. 4 Apartado III.2.2. Información agronómica


Página - 59 -

Los climatólogos modernos han empleado entre otras bases las siguientes para clasificar los climas. Estas son:

Procesos atmosféricos que forman el clima. Basada en el comportamiento, esta clasificación se denomina genética, determinándose en base a la causa climática que la origina. Por ejemplo, un clima podría llamarse clima alisio si la causa fundamental del clima es el hecho de que la zona esté sometida a la influencia de los alisios.

Relación entre el clima y la distribución observada de la vegetación. Esta segunda clasificación está basada en observaciones reales de la existencia de las relaciones entre clima y vegetación. Así un clima puede denominarse como desértico o arbóreo, según la clase de vegetación que se encuentre cerca de sus límites.

Balance hídrico, clasificación basada en hechos conocidos acerca de la cuantía de la precipitación y de la evaporación en cada uno de los meses del año.

Teniendo en cuenta los datos e información de la que se dispone, con objeto de poder realizar este análisis, se han elaborado dos tipos de estudio:

Elaboración de diagramas ombrotérmicos de Gaussen.

Elaboración de índices climáticos.

II.1 DIAGRAMAS OMBROTÉRMICOS DE GAUSSEN

Los diagramas ombrotérmicos de Gaussen son representaciones gráficas del clima que muestran las diferencias y similitudes climáticas de las regiones estudiadas sobre las que se realizan dichos diagramas.

Estos diagramas son climodiagramas elaborados en ejes cartesianos. En el eje de abscisas se representan los meses del año y en el eje de ordenadas se representan las temperaturas medias mensuales, expresadas en grados centígrados (ºC) en un lateral, y la precipitación media mensual en milímetros (mm.) en el otro.

La relación entre precipitaciones y temperaturas es dos a uno, esto es, por cada grado centígrado en temperatura se toma un par de milímetros en precipitación.

El diagrama ombrotérmico de Gaussen ofrece una aproximación a la sequedad estacional ya que se puede considerar que dos veces la temperatura media (2·tm) es una aproximación de la evapotranspiración (ETP). Así, se considera que se está en un periodo seco cuando la curva formada por el conjunto de puntos referidos a los datos de pluviometría se sitúa por debajo de la curva formada por el conjunto de puntos de temperaturas5.

5 Metodología para la Elaboración de Estudios Aplicados de Climatología. Departamento de Edafología. Escuela Técnica Superior

de Ingenieros Agrónomos. Universidad Politécnica de Madrid


Página - 60 -

Para la elaboración de los diagramas ombrotérmicos se ha utilizado la información referida a las distintas estaciones INIA y DNM, las cuales figuran relacionadas en el Anexo XII-Diagramas Ombrotérmicos. Hay que destacar la diferencia de información existente entre ambas redes, no sólo por el número de estaciones que conforman cada una de ellas, sino también por la heterogeneidad en la longitud de sus series, elementos que quedan reflejados en las tablas elaboradas y que están incluidas en dicho Anexo.

Los diagramas elaborados responden a tres tipos de comportamientos:

o Diagramas Tipo 1. Bajo esta denominación se han incluido aquellos diagramas en los que se diferencian tres momentos a lo largo del año, y en el que aparecen dos picos:

• De enero a abril-mayo: Época de las mayores precipitaciones y temperaturas del año.

• De septiembre-octubre a diciembre: Periodo en el que las precipitaciones y temperaturas son de importancia aunque algo menores que en el primer tipo.

• De julio a septiembre: Periodo en el que se dan las menores precipitaciones y temperaturas de todo el año.

o Diagramas Tipo 2, donde se han incluido todos aquellos en los que las precipitaciones y las temperaturas se comportan de manera considerablemente homogénea a lo largo de todo el año, es decir, que no muestran grandes oscilaciones y cuyo perfil está más suavizado.

o Diagramas Tipo ·3. Son diagramas que pueden calificarse como de transición entre el Tipo 1 y el Tipo 2 porque aunque presentan algún pico, estos no son tan pronunciados como en el caso del Tipo 1.

En las estaciones analizadas se han obtenido un 52% de diagramas Tipo 1, un 22% de diagramas Tipo 2 y un 26% de Tipo 3, de lo que puede desprenderse que en la mayor parte de ellos existen dos períodos de elevadas precipitaciones frente a un período más seco, que abarca los meses de julio y agosto. Los diagramas de cada estación, así como las limitaciones que los datos base generan, están recogidos en el citado Anexo XII – Diagramas ombrotérmicos.

Como ejemplo, a continuación se muestran los diagramas elaborados para las estaciones de Estanzuela, perteneciente a la red de INIA, así como el correspondiente a la estación de Artigas, incluida en la red de la DNM.


Página - 61 -

I.N.I.A. Estanzuela ( 81 m.s.n.m.)

0102030405060708090

100110120130140150160170180

Precipitaciones (mm)

0

10

20

30

40

50

60

70

80

90

Temperaturas (ºC)

Precipitaciones 94,3 113,9 126,9 88,2 85,9 71,6 69,9 73,1 82,8 107,8 112,9 104,2

Temperaturas 23 22 20 17 14 11 10 12 13 16 19 22

E F M A M J J A S O N D

Gráfico 23: Diagrama ombrotérmico estación INIA Estanzuela. Fuente: INIA

Artigas (120 m.s.n.m.)

0102030405060708090

100110120130140150160170180

Precipitaciones (mm)

0

10

20

30

40

50

60

70

80

90

Temperaturas (ºC)

Precipitaciones 154,0 170,6 143,3 173,4 136,4 93,5 99,8 75,0 108,0 134,1 134,6 123,6

Temperaturas 25,4 24,4 22,8 19,1 15,7 13,1 13,1 14,9 16,1 19,0 21,3 24,3

E F M A M J J A S O N D

Gráfico 24: Diagrama ombrotérmico estación Artigas Fuente: DNM

Siguiendo el mismo criterio antes señalado, es decir, considerar como “período seco” cuando la curva de los datos de pluviometría se sitúa por debajo de la curva de temperatura, analizando los diagramas elaborados, se pueden obtener las siguientes conclusiones:

No existen periodos secos, es decir, la curva de precipitaciones en todos los casos se sitúa por encima de la curva de temperaturas.


Página - 62 -

Tanto la media de precipitaciones del total de las estaciones de DNM (1314.4 mm.), como la media de temperaturas (17ºC) son muy semejantes a las de la red de INIA (1298.58 mm. y 17ºC) pese a la diferencia existente en la longitud de la serie estudiadas.

II.2 ÍNDICES CLIMÁTICOS

Los diferentes índices climáticos tratan de establecer una correlación numérica entre las variables climáticas de una estación y el medio que le rodea. Principalmente tratan de relacionar las variables climáticas con los grandes grupos de vegetación que se presentan en el planeta. Estos índices originalmente sólo tenían en cuenta valores anuales de temperatura y precipitación, con unos resultados bastante pobres. Según pasó el tiempo estos índices se fueron complicando y obtuvieron mejores correlaciones entre los valores calculados y la vegetación real, pero aún todavía no existe una correlación exacta, existiendo grandes zonas que tienen vegetaciones que corresponden a otros climas, grandes variaciones interanuales del clima etc. Esto indica que aunque estos índices y clasificaciones son muy útiles no son algo excluyente ni definitivo.

La utilidad de los índices climáticos radica en que permiten hacer una aproximación al clima del área de estudio, combinando analíticamente varios elementos con el fin de establecer diferentes tipos climáticos sintéticos.

Dentro de los índices climáticos, los índices de aridez consideran como dato fundamental las precipitaciones caídas a lo largo del año y las temperaturas, como indicador de la energía disponible para evaporar. En este estudio se van a analizar dos, los índices de Lang y de Martonne.

Para la elaboración de los índices climáticos se han utilizado estaciones de DNM y de INIA cuyas series de datos y resultados se detallan a continuación:

Estación SERIE ENE FEB MAR ABR MAY JUN JUL AGO SET OCT NOV DICTª 1971-2002 25,4 24,4 22,8 19,1 15,7 13,1 13,1 14,9 16,1 19,0 21,3 24,3

Lluvia 1971-2003 154,0 170,6 143,3 173,4 136,4 93,5 99,8 75,0 108,0 134,1 134,6 123,6Tª 1970-2002 25,6 24,4 22,6 18,8 15,5 12,5 12,4 14,1 15,7 18,8 21,2 24,1

Lluvia 1971-2003 134,9 134,5 157,0 149,5 112,4 76,0 66,0 61,3 102,0 121,1 141,3 131,7Tª 1970-2002 24,9 23,7 22,2 18,3 15,0 12,0 11,8 13,5 14,9 17,9 20,4 23,2

Lluvia 1971-2003 114,0 131,1 136,8 139,0 98,9 69,3 65,7 56,7 85,9 120,3 123,9 115,4Tª 1978-2002 24,8 23,6 22,3 18,2 14,8 11,8 11,4 13,4 14,5 17,8 20,2 22,9

Lluvia 1971-2003 155,5 151,2 146,8 142,8 113,4 84,8 92,5 69,7 99,9 127,3 131,3 127,1Tª 1971-2002 24,3 23,2 21,5 17,5 14,1 11,1 10,8 12,6 14,1 17,2 19,9 22,9

Lluvia 1971-2003 121,2 148,3 127,2 106,5 86,0 64,3 68,1 63,4 88,4 117,5 101,2 116,1Tª 1981-2002 23,3 22,4 21,1 17,1 13,8 10,9 10,3 12,3 13,2 16,4 18,6 21,5

Lluvia 1971-2003 104,8 132,9 120,1 86,8 93,9 85,3 97,4 84,9 109,3 105,6 95,3 97,6Tª 1971-2002 23,3 22,6 21,3 17,7 14,4 11,5 11,3 12,7 14,0 16,9 19,1 21,8

Lluvia 1971-2003 130,6 151,1 103,2 107,9 122,6 115,4 142,4 107,3 117,6 102,7 108,0 110,7Tª 1971-2002 21,9 21,5 20,3 17,0 14,0 11,3 10,8 11,8 12,9 15,5 18,1 20,4

Lluvia 1971-2003 106,7 118,2 108,1 91,2 102,6 95,0 113,7 111,0 103,1 107,6 93,2 74,0Tª 1987-2002 23,0 22,4 21,3 17,5 14,0 11,2 10,4 12,5 13,1 16,3 18,7 21,3

Lluvia 1971-2003 97,1 107,3 111,8 96,9 95,2 78,3 88,0 90,0 90,6 105,4 101,2 90,5Tª 1971-2002 22,5 22,1 20,6 17,2 14,0 11,0 10,5 11,8 13,2 15,9 18,2 21,0

Lluvia 1971-2003 97,6 101,1 118,4 98,8 95,7 80,6 87,1 89,2 92,9 108,6 104,0 81,1Tª 1971-2002 23,0 22,4 20,9 17,5 14,4 11,4 10,8 12,1 13,5 16,3 18,6 21,4

Lluvia 1971-2003 96,5 103,6 109,1 103,5 96,0 83,6 83,2 88,9 91,2 109,2 102,6 84,8Tª 1979-2002 23,8 23,1 21,6 17,8 14,4 11,6 11,5 13,5 14,3 17,6 19,9 22,5

Lluvia 1971-2003 141,3 138,9 135,7 153,2 130,5 92,9 110,0 78,6 109,5 125,0 128,4 126,0Tª 1971-2002 23,4 22,8 21,3 17,8 14,3 11,5 11,5 13,0 14,3 17,3 19,1 22,0

Lluvia 1971-2003 111,1 131,8 98,1 126,2 120,6 112,0 129,3 99,6 116,7 112,2 112,6 95,3Tª 1971-2002 24,5 23,5 22,0 17,9 14,7 11,5 11,2 12,9 14,3 17,6 20,1 23,0

Lluvia 1971-2003 130,6 129,3 120,5 127,7 120,4 92,0 107,3 80,3 108,0 115,4 109,0 117,9Tª 1971-2002 24,2 23,4 22,0 18,4 15,5 12,6 12,5 14,0 15,2 18,2 20,5 23,1

Lluvia 1971-2003 154,3 164,2 128,8 178,3 143,9 107,7 124,0 94,5 129,8 144,5 137,4 121,6Tª 1996-2003 26,0 25,2 23,7 19,7 16,6 14,2 13,6 16,2 17,1 20,5 22,3 24,1

Lluvia 1971-2003 164,0 169,5 157,9 163,8 109,0 74,2 74,8 65,2 90,9 142,8 140,6 118,2Tª 1996-2003 23,4 22,7 21,9 16,7 14,1 11,5 10,4 12,5 13,5 17,4 19,0 21,2

Lluvia 1971-2003 118,3 140,7 117,7 103,6 111,6 84,5 102,0 87,6 104,9 123,8 117,9 102,5Tª 1996-2003 23,7 23,0 21,8 18,0 15,3 12,1 11,3 13,6 14,1 17,7 19,8 22,0

Lluvia 1971-2003 98,7 120,9 127,0 90,5 86,7 65,5 73,1 78,1 80,2 108,9 119,9 102,5

Estaciones DNM

ARTIGAS

SALTO

PAYSANDU

YOUNG

MERCEDES

FLORIDA

TREINTA Y TRES

ROCHA

MELILLA

CARRASCO

PRADO

TACUAREMBO

DURAZNO

COLONIA

MELO

PASO DE LOS TOROS

RIVERA

BELLA UNION

Tabla 13: Datos de las estaciones de la red de DNM. Fuente: DNM

Página - 63 -

ESTACIÓN VARIABLE ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBREOCTUBRE NOVIEMBREDICIEMBRETª 1965-2003 23,0 21,9 20,3 16,8 13,7 10,5 10,2 11,5 13,1 16,0 18,7 21,6Lluvia 1965-2003 94,3 113,9 126,9 88,2 85,9 71,6 69,9 73,1 82,8 107,8 112,9 104,2Tª 1972-2003 22,9 22,1 20,5 16,9 13,6 10,6 10,0 11,5 13,0 16,0 18,3 21,3Lluvia 1971-2003 93,1 109,4 112,8 103,0 92,4 78,9 79,1 80,9 85,0 102,3 108,8 83,3Tª 1972-2003 25,2 23,9 22,3 18,5 15,2 12,4 12,1 13,7 15,4 18,5 20,9 23,8Lluvia 1971-2003 132,0 128,3 153,7 148,5 110,4 73,4 56,4 53,2 97,3 129,9 131,5 114,9Tª 1987-2003 23,2 22,3 21,3 17,4 13,6 11,2 10,9 13,2 13,9 17,1 19,4 22,0Lluvia 1978-2003 114,5 133,9 145,8 179,3 134,8 94,2 99,0 76,4 112,5 144,1 136,6 123,3Tª 1971-2003 23,0 22,4 21,0 17,5 14,0 11,2 11,0 12,3 13,6 16,4 18,3 21,3Lluvia 1973-2003 122,3 152,7 104,9 108,8 118,7 106,5 134,3 102,4 110,6 98,5 104,0 99,8

Estaciones de INIASERIE

TREINTA Y TRES

ESTANZUELA

LAS BRUJAS

SALTO

TACUAREMBO

Tabla 14: Datos de las estaciones de la red de INIA. Fuente: DNM

Página - 64 -


Página - 65 -

II.2.1. Índice de Lang

En el año 1915, Richard Lang estableció un índice climático general, denominado “Regen-faktor” que se obtiene del cociente entre la precipitación total anual en milímetros y la temperatura media anual en grados centígrados, en función del cual se establecen distintas áreas climáticas que varian desde el desierto hasta clima de zonas superhúmedas. Este cociente se llama también índice de efectividad de la precipitación y/o factor de lluvía de Lang.

Está definido por medio de la expresión:

tmPPf =

Donde:

P: Precipitación medial anual en mm. Es la media de las medias mensuales.

tm: Temperatura media anual en ºC. Es la temperatura media de las medias mensuales.

La clasificación de las zonas en función del valor de Pf se recogen en la tabla siguiente:

Valor de Pf Clase de clima de la zona Símbolo

0-20 Desértico D

> 20-40 Arido A

> 40-60 Semiárido (húmeda de estepa y sabana) Sa

> 60-100 Semihúmedo (húmeda de bosques claros) Sh

> 100-160 Húmedo (húmedas de grandes bosques) H

> 160 Superhúmedo (con bosques y tundras) SH

Tabla 15: Clasificación según índice de Lang. Fuente: Escuela Técnica Superior de Ingenieros Agrónomos (E.T.S.I.A.) Universidad Politécnica de Madrid.

Según los resultados obtenidos, para todas las estaciones el valor del índice define un clima semihúmedo o zona húmeda de bosques claros”.


Página - 66 -

II.2.2. Índice de Martonne

Ese parámetro, también denominado “índice de aridez”, ha sido utilizado para llevar a cabo estudios hidrológicos, y se define como:

10+=

tmPIa

donde P es la precipitación total anual en mílimetros y la tm es la temperatura media anual en grados centígrados. Este índice anual puede ser completado por un índice mensual que se corresponde a la siguiente ecuación:

1012

+=

tmPa

La clasificación de las zonas en función del valor de Ia se recogen en la tabla siguiente:

Valor de Ia Clasificación del clima dela zona

0-5 Desierto (Árido extremo)

> 5-10 Árido (Estepario)

> 10-20 Semiárido (Mediterráneo)

> 20-30 Subhúmedo

> 30-60 Húmedo

>60 Superhúmedo

Tabla 16: Clasificación según índice de Martonne. Fuente: Escuela Técnica Superior de Ingenieros Agrónomos (E.T.S.I.A.) Universidad Politécnica de Madrid.

Según el índice de Martonne, para las medias anuales, Uruguay queda definido como una zona húmeda.

II.2.3. Resultados y conclusiones

Se puede concluir que tanto el índice de Lang como el de Martonne, muestran un resultado completamente homogéneo para todas las estaciones y Uruguay queda definido por este índice como una zona húmeda.

A continuación se recogen en las siguientes tablas, para cada una de las redes analizadas, los resultados obtenidos en base a los dos índices estudiados.

ESTACIÓN VARIABLETº media anual en ºC 16,4 69 Húmedas de bosques claros 43 HúmedaPrecipitación media anual en mm 1131,5Tº media anual en ºC 16,4 69 Húmedas de bosques claros 43 HúmedaPrecipitación media anual en mm 1128,9Tº media anual en ºC 18,5 72 Húmedas de bosques claros 47 HúmedaPrecipitación media anual en mm 1329,5Tº media anual en ºC 17,1 87 Húmedas de bosques claros 55 HúmedaPrecipitación media anual en mm 1494,5Tº media anual en ºC 16,8 81 Húmedas de bosques claros 51 HúmedaPrecipitación media anual en mm 1363,5

TREINTA Y TRES

Ïndice de MartonneEstaciones de INIA

Índice de Lang

ESTANZUELA

LAS BRUJAS

SALTO

TACUAREMBO

Tabla 17: Índices de Lang y Martonne para las estaciones de INIA. Fuente: Elaboración propia

Página - 67 -

EstaciónTª media anual en ºC 19,1 81 Zona húmeda de bosques claros 53 Húmeda

Precipitación media anual en mm 1546,3Tª media anual en ºC 18,8 74 Zona húmeda de bosques claros 48 Húmeda

















Precipitación media anual en mm 1152,1

Indice de Lang Indice de MartoneEstaciones DNM

DURAZNO

COLONIA

MELO

PASO DE LOS TOROS

RIVERA

BELLA UNION

MELILLA

CARRASCO

PRADO

TACUAREMBO

MERCEDES

FLORIDA

TREINTA Y TRES

ROCHA

ARTIGAS

SALTO

PAYSANDU

YOUNG

Tabla 18: Iíndices de Lang y Martonne para las estaciones de DNM. Fuente: Elaboración propia

Página - 68 -


Página - 69 -

III. EVENTOS CLIMÁTICOS ANALIZADOS

Como se ha indicado en anteriores apartados, los fenómenos climáticos analizados han sido temperaturas, lluvia y granizo, para los que se han estudiado las frecuencias de ocurrencia y su distribución a lo largo de la serie.

Para realizar los análisis correspondientes, es necesario describir cada uno de estos fenómenos así como los efectos que conllevan. Para completar esta descripción habrá que definir que se entiende por “evento” y relacionar los parámetros que lo caracterizan.

Sin embargo, en el tema que nos ocupa además de la valoración de la probabilidad de ocurrencia de evento y de los efectos que pueda provocar, es necesario establecer el carácter “anómalo” de la ocurrencia de dicho evento, es decir, la ocurrencia de ese evento junto con su nivel de gravedad o carácter extraordinario. Por ello también habrá que determinar que se entiende por anomalía climática y por anomalía agroclimática.

Estudio de “Anomalía Climatológica”.

Se puede definir anomalía climática aquellos sucesos de origen climático extremos en relación con los comportamientos normales, entendiendo como normales los que se pueden encuadrar en un intervalo próximo a la media.

Desde este punto de vista la descripción del comportamiento de los periodos de helada, la ausencia de lluvia o la presencia de periodos de lluvias intensas, podría ser una primera aproximación a fenómenos extraordinarios o anómalos.

Los análisis de las anomalías de los períodos de helada, así como del comportamiento de las lluvias tanto para caracterizar una falta de precipitaciones significativa como para las lluvias intensas, se recogen en el Capítulo IV, punto V.2. Análisis por evento climático.

Estudio de la “Anomalía Agroclimática”.

La anomalía “agroclimática” sería aquella en la que se ha tenido en cuenta factores relacionados con el cultivo: Desarrollo fenológico, sensibilidad. Para ello deben delimitarse niveles de intensidad, momento de ocurrencia y área de influencia.

Dicho análisis no ha podido ser realizado dado que los fenómenos agroclimáticos estudiados no responden en ningún caso a eventos de carácter extraordinario por su recurrencia o por el carácter catastrófico de sus efectos y, por tanto, no se consideran anomalías en sentido estricto.

A continuación se definen cada uno de los eventos estudiados y los parámetros utilizados para caracterizarlos, así como las definiciones de ambas anomalías.


Página - 70 -

III.1 TEMPERATURAS

Por lo que se refiere a las temperaturas, se ha estudiado dicho fenómeno analizando los valores máximos y mínimos para cada una de las estaciones disponibles y por decena.

De acuerdo con las aportaciones hechas por el grupo de trabajo, el evento de helada quedó definido como la ocurrencia de temperaturas del aire atmosférico menores a 0º C, medidas de1,5 a 2 metros desde el nivel del suelo, lo que denominaremos “temperaturas al abrigo”, y a 5 cm. del mismo o “temperaturas en césped”.

Además, debido a la diferente tipología de los cultivos y a la sensibilidad que muestran en cada fase, el evento de helada ha sido definido mediante dos factores que deben darse de forma simultanea:

a) Temperatura mínima por debajo de un umbral definido. Los umbrales considerados han sido: 0ºC, -2ºC, -4ºC y -6ºC.

b) Una caída de temperatura superior en valor absoluto al cambio medio decenal en las temperaturas mínimas. Los cambios medios se consideran año a año. Este concepto de salto térmico, se ha introducido al no disponer de información sobre la duración de la bajada de temperatura. Con ello se trata de cuantificar las situaciones de estrés sufridos por el cultivo ante los cambios bruscos de temperatura.

Además, también se ha considerado que se produce helada cuando habiendo helado en el día inmediatamente anterior, la temperatura del día considerado es inferior o igual al umbral que se haya definido, es decir, cuando se den dos días seguidos con temperatura por debajo del umbral analizado.

En relación con la ocurrencia de las denominadas “heladas negras”, su estudio hace necesario disponer de una nueva variable adicional a las temperaturas mínimas como es la humedad relativa. Al no contar con este dato, no ha podido llevarse a cabo los correspondientes análisis sobre estos fenómenos.

Como se ha indicado anteriormente, para el evento helada, los estudios realizados han diferenciado entre:

Temperatura en césped.

Temperatura al abrigo.

La evaluación de frecuencias en cada caso se ha realizado a partir de la información muestral obtenida para cada una de ellas. No obstante, se ha encontrado que existe una relación entre ambas mediciones, detectándose que la temperatura al abrigo es superior a la temperatura en césped en un cierto número de grados. Esta diferencia no es constante durante el año, encontrándose oscilaciones a lo largo de las 36 decenas que conforman el año. A su vez, estas diferencias también son distintas (heterogéneas) en función de la estación analizada. El diferencial de temperaturas entre ambas mediciones de temperatura por decena y estación se recogen en el epígrafe I del Anexo VI – Temperaturas.


Página - 71 -

Una vez depurados los datos, siguiendo la metodología establecida, la información disponible corresponde a 13 estaciones de DNM y 5 estaciones de INIA para el análisis de temperaturas al abrigo, y a 9 estaciones de DNM para el correspondiente a temperaturas a nivel del césped.

En el Anexo V - Estaciones, se recoge la ubicación geográfica de cada una de las estaciones con información disponible para analizar la variable temperatura.

En la siguiente tabla se recogen las estaciones con información de temperaturas al abrigo en altura suficiente y útil, seleccionadas una vez depurados los datos iniciales. En dicha tabla se recoge la longitud de la serie de información disponible, junto con el número de la primera y última decena.

AÑO DECENA Estación

Inicial Final Primera Última

Bella Unión 1996 2003 16 21

Artigas 1996 2003 16 25

Tacuarembó 1996 2003 15 28

Paysandú 1970 2003 13 25

Melo 1996 2003 15 28

Young 1996 2003 16 25

Paso de los Toros 1996 2003 16 25

Mercedes 1970 2003 13 28

Treinta y Tres 1970 2003 11 26

Durazno 1996 2003 16 28

Colonia 1996 2003 21 21

Rocha 1970 2003 13 28

Carrasco 1970 2003 16 26

INIA Estanzuela 1965 2004 14 25

INIA Las Brujas 1972 2004 15 26

INIA Salto 1970 2004 15 28

INIA Tacuarembó 1986 2004 13 28

INIA Treinta y Tres 1971 2004 13 28 Tabla 19: Estaciones con información de temperatura al abrigo.

Fuente: DNM

Igualmente, en la siguiente tabla figuran los datos correspondientes a las estaciones con información de temperatura a nivel de césped seleccionadas, donde figuran también la amplitud de las series así como la primera y última decena disponibles.


Página - 72 -

AÑO DECENA

ESTACIONES Inicial Final Primera Última

Bella Unión 1996 2002 1 21 Artigas 1996 2002 1 21 Salto 2001 2002 8 21 Paysandú 1991 2002 1 21 Melo 1996 2001 1 34 Paso de los Toros 1996 1996 1 36 Mercedes 1991 2002 1 21 Durazno 1996 2002 1 21 Rocha 1991 2002 1 21 Carrasco 1991 2002 1 21

Tabla 20: Estaciones con información de temperatura a nivel del césped. Fuente: DNM

III.2 LLUVIA

En lo relativo a las lluvias, se ha estudiado dicho fenómeno analizando las precipitaciones diarias para cada una de las estaciones disponibles a nivel decenal.

De acuerdo con las aportaciones hechas por el grupo de trabajo, el fenómeno lluvia se ha definido como la precipitación de agua en forma líquida, y la intensidad del evento debería ser la resultante de cruzar información de cantidad de lluvia con la duración o periodo del evento.

Dado que, efectivamente la cantidad de lluvia y su duración son factores determinantes para la descripción del evento, los análisis realizados han abarcado cuatro escenarios, considerando lluvia, en todos ellos, cuando la precipitación en un día es de al menos 5 mm:

a) Probabilidad de ocurrencia del fenómeno lluvia.

b) Probabilidad de que llueva un único día en una decena determinada.

c) Probabilidad de que llueva dos días consecutivos en una decena determinada.

d) Probabilidad de que llueva tres o más días seguidos en una decena determinada.

Igualmente, se ha estudiado el evento “lluvia abundante”, definido como el fenómeno en el que se producen simultáneamente las siguientes circunstancias:

a. Lluvia caída en el intervalo considerado superior a 100 mm.

b. Durante más de dos días seguidos.

Al igual que con la temperatura, se ha tenido en cuenta la diferente tipología de los cultivos y la sensibilidad en cada una de las fases.


Página - 73 -

Una vez realizadas las depuraciones correspondientes, para llevar a cabo los distintos análisis se ha contado con datos de 26 estaciones, 21 pertenecientes a la red de la DNM y 5 procedentes de la red de INIA. La localización geográfica de estas estaciones aparece en el citado Anexo V – Estaciones.

Las estaciones de la red DNM cuentan con información desde el año 1971 hasta 2003, ambos inclusive, y son las que se relacionan a continuación:

Artigas Bella Unión Carrasco Colonia Durazno Florida Melilla Melo Mercedes Paso de los Toros Paysandú Prado Punta del Este Rivera Rocha Salto San José Tacuarembó Treinta y tres Trinidad Young.

Respecto a las estaciones de la red INIA se dispone de las siguientes estaciones, cuyas series de datos se detallan:

INIA Estanzuela (1965-2004) INIA Las Brujas (1972-2004) INIA Salto (1970-2004) INIA Tacuarembó (1978-2004) INIA Treinta y tres (1971-2004)

III.3 SEQUÍA

Para abordar la cuantificación de la probabilidad de ocurrencia de sequía y su impacto sobre los cultivos estudiados se han analizado diversos escenarios.

Teniendo en cuenta la necesidad de establecer un valor o umbral fijo que determine los milímetros de agua caída por debajo del cual se puede considerar que se producen efectos negativos sobre el desarrollo normal de la vegetación, se ha propuesto, como


Página - 74 -

una primera aproximación, un criterio que tenga en cuenta tanto la zona geográfica del país como la época del año. De esta forma se determina como sequía el hecho de que, al analizar el fenómeno de manera agregada, la suma de los milímetros de agua caída en un número de decenas consideradas difiera significativamente por defecto del valor medio esperado considerando toda la información histórica de la serie de datos disponible para cada estación.

En concreto se establecen dos criterios para evaluar la probabilidad de ocurrencia de la sequía:

1. Acumulación por decenas, considerando sólo el agua caída en un número consecutivo de decenas, tomadas como un bloque unitario, que no supere un cierto umbral.

2. Concatenación de decenas, considerando sólo el agua caída en un número consecutivo de decenas pero siempre que cada una de ellas, por separado, no supere un cierto umbral.

En ambos casos, el umbral se establece estadísticamente como el límite inferior de un intervalo centrado en el valor medio (MED) de la serie con amplitud variable en función directa de la desviación típica (DT) como medida de dispersión.

A su vez, para cada una de estos criterios se han probado diferentes hipótesis que generan distintos escenarios en función de dos parámetros básicos:

1. Número de decenas consideradas, realizándose los cálculos desde tres hasta diez decenas (3, 6, 8 y 10)

2. Umbral variable, estableciéndose diferentes valores respecto de la desviación típica (n = 0,5; n = 1 y n = 1,5)

De esta forma, el límite inferior del intervalo (la media de la serie menos n veces la desviación típica) no permanece constante, al contrario, se va modificando en función de la época del año analizada en cada momento y la zona geográfica.

Una vez analizados los resultados obtenidos para diversas amplitudes temporales (de 3 a 10 decenas), el análisis se ha centrado en el intervalo correspondiente a 3 decenas, debido a que en el resto de agrupaciones se desvirtuaba el sentido de la definición del fenómeno sequía.

El estudio se ha realizado para las estaciones de Artigas, Bella Unión, Colonia, Mercedes, Paysandú y Young, siendo las hipótesis consideradas las dos siguientes:

1. Utilización de 6, 8 y 10 decenas para el cálculo de la media y los valores 0,5; 1 y 1,5 como coeficientes multiplicativos de la desviación típica.

2. Utilización de 3 decenas para los criterios de acumulación y concatenación, y como coeficientes multiplicativos de la desviación típica, los valores 0,5 y 1.


Página - 75 -

UMBRAL:

(D.T.) típicadesviación 1.5) 1, (0.5, vecesde número e,coeficient

10) ó 8 6, (3, asconsiderad decenas de número del media :siendo

===

−

σ

σ

nx

nx

En el Anexo XIII - Estudio de sequía, se recoge para cada una de las estaciones disponibles en la zona de producción cerealista, el estudio de las probabilidades de sequía asociadas a cada una de las hipótesis antes indicadas.

En cualquier caso, las aproximaciones consideradas anteriormente no son definitivas puesto que, el esquema óptimo para el estudio del fenómeno de la sequía implica la elaboración del llamado balance hídrico. Sin embargo, esta posibilidad no resulta factible ya que la información disponible es insuficiente.

III.4 GRANIZO

En el caso del fenómeno de granizo, la variable estudiada fue la ocurrencia diaria del mismo.

De acuerdo con el grupo de trabajo el granizo quedo definido como la precipitación de agua congelada, sólida y amorfa. La intensidad del evento seria la resultante de cruzar información del tamaño de la piedra con la densidad de la misma y duración o periodo del fenómeno.

Sin embargo, para realizar estas valoraciones hay que disponer de los datos climatológicos necesarios que permitan establecer este tipo de análisis. Dado que los datos disponibles sólo daban información para poder establecer las frecuencias de ocurrencia, y en pocos casos se recogía información adicional sobre dicho evento, el estudio se ha basado en análisis de frecuencias.

Una vez depurados los datos y debido a las limitaciones existentes, en una primera fase esta información se trató de forma mensual. En una fase posterior se procedió al cálculo de las probabilidades decenales, para de esa forma tener datos homogéneos con los del resto de los fenómenos climatológicos analizados y poder obtener las probabilidades de incidencia y consecuentemente de las pérdidas ocasionadas por cada uno de los eventos estudiados para cada uno de los cultivos seleccionados.

Así pues, el evento de granizo ha sido definido a partir de su ocurrencia en un día determinado, y viene definido por una variable binaria que toma el valor uno si se da el fenómeno considerado, y cero en el caso contrario.

Por otro lado, y dada la repetición de más de un evento de granizo en un mismo día, y teniendo en cuenta que en algunos casos no han podido ser calificados como erróneos al responder sus descriptivos a circunstancias distintas, se ha considerado la existencia de pedriscos múltiples, definido como el número de granizadas por día en los casos en los que los datos así lo testifiquen.


Página - 76 -

La base original de datos relativos al pedrisco ocurridos y registrados incluye información de 510 estaciones, 25 pertenecientes a la DNM (tipología OMM) y 484 pertenecientes a la Red Pluviométrica. De las 26 estaciones de la DNM, 21 de ellas coinciden con estaciones de la otra red. Del total del conjunto de estaciones meteorológicas, se dispone de datos de posición verificados únicamente de 21 de la red DNM y 283 de la Red Pluviométrica. Una vez realizadas las correspondientes depuraciones, la información disponible ha quedado reducida a 21 estaciones correspondientes a la red de la DNM.

Al igual que en los casos anteriores, la situación de cada una de las estaciones seleccionadas se recoge en los mapas que forman el Anexo V – Estaciones.

IV. PROPUESTA METODOLOGICA PARA EL ANÁLISIS DE LOS DATOS

Para confeccionar el mapa de riesgo en función de los distintos fenómenos meteorológicos analizados, los datos se han tratado desde un doble punto de vista: univariante y multivariante.

Mediante el análisis univariante se conoce el comportamiento estadístico individualizado de cada una de las series estudiadas. Posteriormente, se ha completado dicho estudio relacionando entre sí la información de varias series, para contrastar estadísticamente la existencia de relaciones y comportamientos globales conjuntos (análisis multivariante)

IV.1 ANÁLISIS UNIVARIANTE

Desde el punto de vista del análisis univariante se han realizado dos procesos distintos:

a) Depuración de la base de datos:

Una vez recibida y revisada la información disponible, se ha procedido a detectar y tratar los posibles errores que pudiese haber en la codificación de los datos capturados.

Tras la corrección de los errores, el problema más importante al que se hizo frente fue el derivado de la ausencia de datos en determinadas estaciones y para determinados eventos (el problema resultó fundamental en lo referente a los datos de granizo). En este tipo de casos, lo habitual es elegir bien entre la imputación de un cierto valor al dato no observado o recogido, o bien la eliminación de la estación que no cumpla ciertos requisitos de longitud en la serie observada.

b) Análisis descriptivo de las series analizadas:

Para ello se ha tenido en cuenta la unidad temporal escogida en cada caso, obteniéndose distintas medidas estadísticas que resumen el comportamiento


Página - 77 -

de las series. Como resumen de cada una de las series, se han recogido en los distintos Anexos las medias e histogramas de frecuencias para cada uno de los fenómenos analizados.

IV.2 ANÁLISIS MULTIVARIANTE

Una vez analizadas por separado cada una de las series, se han estudiado conjuntamente la relación existente para cada uno de los fenómenos climáticos considerados, los datos correspondientes a las distintas estaciones. El tratamiento multidimensional de la información ofrece una visión de conjunto que mejora considerablemente los resultados obtenidos.

El análisis multivariante se refiere a todos los métodos estadísticos que analizan simultáneamente medidas múltiples de cada individuo u objeto (ítem) sometido a investigación. Cualquier análisis simultáneo de más de dos variables puede ser considerado como un análisis multivariante.

En sentido estricto, muchas técnicas multivariantes son extensiones del análisis univariante (análisis de distribuciones de una sola variable) considerándose, actualmente, que el propio análisis bivariante se considera incluido en las técnicas multivariantes. En muchas ocasiones las técnicas multivariantes son un medio de representar en un análisis simple aquello que requirió varios análisis utilizando técnicas univariantes. Sin embargo, otras técnicas están diseñadas exclusivamente para tratar con problemas multivariantes, tales como el análisis cluster que posteriormente se explicará en detalle. Es importante señalar que uno de los fines del análisis multivariante es medir, explicar y predecir el grado de relación de los datos unidimensionales incluidos en el análisis.

Existen distintas y variadas técnicas multivariantes que pueden clasificarse en función del tipo de variables utilizadas y su medida, y del objetivo que se busque distinguiendo entre relaciones de dependencia o independencia.

Un análisis de dependencia puede definirse como aquel en el que una variable o conjunto de variables es identificado como la variable dependiente y que va a ser explicada por otras variables conocidas como variables independientes. Como ejemplo de una dependencia técnica tenemos el análisis de regresión múltiple. Por otro lado, un análisis de interdependencia es aquel en que ninguna variable o grupo de variables es definido como independiente o dependiente. Más bien, el procedimiento implica el análisis de todas las variables del conjunto simultáneamente. El análisis cluster o de conglomerados es un ejemplo de un análisis de interdependencia.

Los diferentes métodos que constituyen el análisis de dependencia pueden ser divididos a su vez en dos clases, según el número de variables dependientes y el tipo de escalas de medida empleadas para las variables.

Teniendo en cuenta el número de variables dependientes, el análisis de dependencia puede clasificarse como aquel que tiene tanto una variable dependiente única como varias variables dependientes, o incluso, varias relaciones de dependencia / independencia.


Página - 78 -

El análisis de dependencia puede también ser clasificado en función del tipo de escala de la variable, con variables métricas (numéricas o cuantitativas) o no métricas (cualitativas o categóricas). Si el análisis implica una única variable dependiente que es métrica, una técnica apropiada es el análisis de regresión múltiple. Por otro lado, si la única variable dependiente es no métrica (categórica), entonces una técnica apropiada es la regresión logística. Cuando el problema implica varias variables dependientes, hay otras técnicas estadísticas apropiadas entre las que destacan el análisis de la varianza y el análisis cluster o de conglomerados.

Una de las piezas clave del análisis realizado ha sido la agrupación de estaciones en grupos homogéneos dentro de sí, pero a su vez heterogéneos los unos con los otros. Para realizar estas agrupaciones, se ha utilizado el análisis de conglomerados o cluster junto con otras técnicas estadísticas que permiten confirmar los resultados obtenidos. Dentro de estas técnicas hay que destacar el análisis de la varianza y los análisis confirmatorios usando modelos logit.

A continuación se describen los principales aspectos de la técnica de agrupación -cluster-, para más adelante exponer los contrastes y técnicas estadísticas utilizadas en la confirmación de resultados.

IV.2.1. Análisis cluster: concepto y fases

El término análisis cluster se utiliza para definir una serie de técnicas, fundamentalmente algoritmos que tienen por objetivo la búsqueda de grupos similares de individuos (objetos o ítems) o de variables que se van agrupando en conglomerados. Dada una muestra de individuos, este análisis persigue su clasificación en grupos lo más homogéneos posible en base a las variables observadas. Los objetos que queden clasificados en el mismo grupo serán similares entre sí.

La técnica del cluster está muy relacionada con el análisis discriminante. Ambos sirven para clasificar a los individuos analizados en categorías. La diferencia principal entre ellos estriba en que en el análisis discriminante se conoce a priori el grupo de pertenencia, mientras que en el cluster se trata de ir formando grupos homogéneos de conglomerados.

Existen dos grandes tipos de análisis cluster:

1. Los no jerárquicos que asignan los casos a grupos diferenciados que el propio análisis configura, sin que unos dependan de otros.

2. Los jerárquicos que configuran grupos con estructura arborescente, de forma que clusters de niveles más bajos van siendo englobados en otros de niveles superiores.

Antes de iniciar un análisis cluster deben tomarse las siguientes decisiones:

a) Selección de las variables relevantes para identificar los grupos, la cual dependerá del objetivo que se vaya buscando en el estudio que se esté realizando.


Página - 79 -

b) Elección de la medida de proximidad entre los individuos, básicamente similitudes y distancias, ya que los conglomerados que se forman lo hacen en base a las proximidades entre variables o individuos.

c) Elección del criterio para agrupar individuos en conglomerados.

El segundo paso se centra especialmente en la proximidad, la cual expresa la semejanza que existe entre individuos (objetos) o variables. Es decir, es el grado de asociación que existe entre ellos. Las proximidades pueden medir la distancia o la similitud entre objetos o variables. El valor que se obtiene en una medida de distancia es tanto mayor cuanto más alejados están los individuos o puntos entre los que se mide. En las similitudes, al contrario de las distancias, el valor que se obtiene es tanto mayor cuanto más próximos están los elementos considerados.

Matemáticamente, se denomina distancia entre dos puntos A y B, a toda medida que verifique los siguientes axiomas:

1. d(A,B) ≥ 0 y d(A,A) = 0

2. d(A,B) = d(B,A)

3. d(A,B) ≤ d(A,C) + d(C,B)

Como ejemplo de distancias tenemos la distancia euclídea, la cual se define como:

( ) ( )∑=

−=n

iii BABAd

1

2,

Un segundo ejemplo de distancia es la distancia D2 de Mahalanobis, la cual es la distancia al cuadrado entre centroides de dos poblaciones, siendo el centroide el centro de gravedad de una población en base a un conjunto de variables. De forma general, la distancia de Mahalonobis se puede formular de la siguiente forma:

( ) ( )qp1

qp μμΣμμ −′−= −2pqD

en donde p y q son las poblaciones analizadas, Dpq la distancia entre ambas, μp y μq son vectores columna que contienen las medias de las variables de los grupos respectivos y Σ es la matriz de varianzas covarianzas intergrupos de los grupos conjuntamente.

Teniendo en cuenta que generalmente se trabaja con muestras, la expresión para el cálculo de D2 es:

( ) ( )qp1

qp XXSXX −′−= −2pqD

en donde las medias poblacionales se sustituyen por las medias muestrales y la varianza poblacional se sustituye por la cuasivarianza muestral.


Página - 80 -

A partir de la D2 se puede estimar la F de Fisher y utilizarla como prueba de contraste para dos poblaciones de la siguiente forma:

( )( )( ) 1,

2

21

−−+≈−++

−−+= vnnv

qpqp

qpqpqp

Fvnnnn

vnnnnDF

Si lo que se trata es de calcular la distancia entre dos variables x e y, se pueden utilizar diferentes tipos de distancias, tales como:

Distancia Manhattan o City-block, definida como:

∑=

−=n

iii yxyxB

1),(

Distancia de Minkowski, definida como:

( ) ∑=

⎟⎠⎞⎜

⎝⎛ −=

n

i

ppii yxyxM

1

1

,

Distancia de Chebychef, definida como:

( ) ii yxMaxyxC −=,

Entre las medidas de similitud o similaridad, se utilizan los coeficientes de Pearson, de Spearman y los coeficientes de asociación entre variables (lambda, tau, etc)

El tercer paso se centra en lo que propiamente podría denominarse clusters jerárquicos. El objetivo de esta fase del análisis es la agrupación de variables que presenten un adecuado grado de similitud entre ellas. Es decir, partiendo de tantos grupos iniciales como individuos se estudian, se trata de conseguir agrupaciones sucesivas entre ellos de forma que progresivamente se vayan integrando en clusters los cuales, a su vez, se unirán entre sí en un nivel superior formando grupos mayores que más tarde se juntarán hasta llegar al cluster final que contiene todos los casos analizados. La representación gráfica de estas etapas de formación de grupos, a modo de árbol invertido, se denomina dendrograma.

La decisión de agrupar individuos entre sí ha de tomarse en función de la similaridad multivariante -o de su contrario, la distancia- proporcionada por el conjunto de variables estudiadas, ya que en cada nivel de jerarquía se unen los dos clusters más cercanos. Es, por tanto, importante como paso previo a un análisis de clusters jerárquicos, la elección de una adecuada métrica de similaridad o disimilaridad. Se sabe que a partir de la tabla inicial de datos (n x p) es preciso calcular una matriz de distancias entre individuos (n x n). De forma general, las distancias más utilizadas son:

La euclídea, por ser muy sencilla y potente

La distancia χ2 si las variables son de tipo cualitativo


Página - 81 -

La distancia de Jaccard6, si las variables son de tipo dicotómico

En esta fase del análisis es necesario decidir qué algoritmo emplear para la formación de grupos, definiendo a que se va a llamar distancia entre clusters, para luego poder unir, a otro nivel jerárquico, aquellos clusters más próximos. La aglomeración comienza con tantos grupos como individuos; cada uno de éstos constituye un cluster inicial. A medida que transcurren las etapas del proceso se van formando nuevos clusters por unión de dos individuos, de un individuo con un grupo previo, o de dos grupos anteriores entre los que exista la menor distancia.

Los principales métodos de unión de grupos o algoritmos de clasificación jerárquica son los siguientes:

a) Método de las distancias mínimas o enlace simple (single linkage): Considera como distancia entre dos grupos la que responde al concepto de vecinos más cercanos (nearest neighbour), es decir, la separación que existe entre los individuos más próximos de uno y otro grupo. El método consiste en ir agrupando los individuos que tienen menor distancia o mayor similitud, considerando como distancia entre dos clusters la distancia entre sus dos puntos más próximos.

b) Método de las distancias máximas o enlace complejo (complete linkage): Considera como distancia entre dos grupos la existente entre vecinos más lejanos (furthest neighbour), es decir, entre los individuos más separados de ambos grupos.

c) Método del promedio entre grupos o enlace promedio (average linkage): Considera como distancias entre dos clusters, no la de los individuos más próximos ni más lejanos de ambos grupos, sino la distancia media entre todos los pares posibles de casos (uno de cada cluster).

d) Método del centroide o enlace centroidal (centrol method): Considera como distancia entre dos grupos la existente entre sus centros de gravedad, definidos por las medias aritméticas de las variables de los individuos que componen los clusters. En caso de valores atípicos, es el método más robusto dentro de los jerárquicos.

e) Método de la mediana (median method): Considera como distancia entre grupos la existente entre las medianas de las variables de los individuos que componen los clusters.

6 Para realizar el cálculo de la distancia de Jaccard es necesario previamente conocer en qué casos se

dan dos variables previamente seleccionadas. Así, los distintos casos, con el número de veces que se producen, se pueden recoger en la siguiente tabla:

X Presencia Ausencia

Presencia a b Y Ausencia c d

A partir de aquí, la distancia de Jaccard se define de la siguiente forma:

cbaaJ xy ++

=


Página - 82 -

a) Método de Ward o enlace por mínima varianza (momento central de orden dos o pérdida de inercia mínima): Considera como distancia entre dos grupos el menor incremento de varianza residual global, es decir, si en un nivel dado existe un número de clusters de los que se deben elegir dos para una nueva fusión, se prueban todas las parejas posibles y se calcula la varianza residual global o intragrupos con cada pareja unida y todos los demás clusters. La pareja de grupos que produzca el mínimo incremento en esta varianza residual será la elegida para su unión en un nuevo nivel. En el último nivel, con todos los individuos agrupados en un solo cluster, la varianza residual es máxima y coincide con la varianza total al ser, lógicamente, nula la varianza factorial o intergrupos (ya no hay grupos).

De forma más precisa, en el método de Ward se calcula la media de todas las variables de cada cluster, luego se calcula la distancia euclídea al cuadrado entre cada individuo y la media de su grupo y después se suman las distancias de todos los casos. En cada paso, los clusters que se forman son aquéllos que resultan con el menor incremento en la suma total de las distancias al cuadrado intracluster.

Tras la selección del número de grupos, es necesario contrastar la validez de esa elección. Es decir, la clasificación de todos los casos de una base de datos en grupos separados que configura el propio análisis proporcionando clusters no jerárquicos. Esta fase del análisis necesita que previamente se fije el número de clusters en que se quieren agrupar los datos.

Es un proceso reiterativo pues como puede no existir un número definido de grupos o, si existe, generalmente no se conoce, la prueba debe ser repetida con diferente número de grupos a fin de tantear la clasificación que mejor se ajuste al objetivo del problema estudiado, o que proporcione una más clara explicación.

Las diferencias entre estos métodos y los jerárquicos son las siguientes:

Los métodos no jerárquicos también se conocen como métodos partitivos o de optimización, dado que tienen por objetivo realizar una sola partición de los individuos en K grupos. Esto implica que previamente se debe especificar el número de grupos que deben ser formados.

Estos métodos trabajan con la matriz de datos originales y no requieren su conversión en una matriz de proximidades, tal y como se hacen en los jerárquicos.

Estos métodos se pueden clasificar de la siguiente forma:

a) Métodos de reasignación: Permiten que un individuo asignado a un grupo en un determinado paso del proceso sea reasignado a otro grupo en un paso posterior si esto optimiza el criterio de selección. El proceso termina cuando no quedan individuos cuya reasignación permita optimizar el resultado que se ha conseguido. Dentro de esta familia se encuentran el método K-medias de Mc Queen, el Quick Cluster Analysis y el método de Forgy, los cuales se suelen agrupar bajo el nombre de métodos centroides o centros de gravedad.


Página - 83 -

b) Métodos de búsqueda de la densidad: En los cuales, en una primera aproximación, los grupos se forman buscando las zonas en las cuales se da una mayor concentración de individuos, mientras que en la segunda aproximación, se parte del postulado de que las variables siguen una determinada ley de probabilidad, según la cual, los parámetros varían de un grupo a otro. Se trata, por tanto, de encontrar los individuos que pertenecen a una misma distribución. Dentro de esta familia destaca el método de las combinaciones de Wolf.

c) Métodos directos: Permiten clasificar simultáneamente a los individuos y a las variables. Las entidades agrupadas ya no son los individuos o las variables, sino que son las observaciones, es decir, los cruces que configuran la matriz de datos.

d) Métodos de reducción de dimensiones: Se trata de buscar factores en el espacio de los individuos, correspondiendo cada factor a un grupo.

Resulta muy intuitivo suponer que una clasificación correcta debe ser aquélla en que la dispersión dentro de cada grupo formado sea la menor posible. Esta condición se denomina criterio de varianza, y lleva a seleccionar una configuración cuando la suma de las varianzas dentro de cada grupo sea mínima. Existen diversos algoritmos de clasificación no jerárquica basados en minimizar progresivamente esta varianza. Estos métodos difieren en la elección de los clusters provisionales que necesita el arranque del proceso y en el método de asignación de individuos a los grupos. Los métodos más utilizados son:

Algoritmo de H-medias: Parte de una primera configuración arbitraria de grupos con su correspondiente media, eligiendo un primer individuo de arranque de cada grupo y asignando posteriormente cada caso al grupo cuya media es más cercana. Una vez que todos los casos han sido ubicados, calcula de nuevo las medias o centroides y las toma en lugar de los primeros individuos como una mejor aproximación de los mismos, repitiendo el proceso mientras la varianza residual vaya disminuyendo.

Algoritmo de K-medias: Parte también de unas medias arbitrarias y, mediante pruebas sucesivas, contrasta el efecto que sobre la varianza residual tiene la asignación de cada uno de los casos a cada uno de los grupos. El valor mínimo de varianza determina una configuración de nuevos grupos con sus respectivas medias. Se asignan otra vez todos los casos a estos nuevos centroides en un proceso que se repite hasta que ninguna transferencia puede ya disminuir la varianza residual; o se alcance otro criterio de parada, como son un número limitado de pasos de iteración o, simplemente, que la diferencia obtenida entre los centroides de dos pasos consecutivos sea menor que un valor prefijado.

El procedimiento configura los grupos maximizando, a su vez, la distancia entre sus centros de gravedad. Como la varianza total es fija, minimizar la residual hace máxima la factorial o intergrupos. Y puesto que minimizar la varianza residual es equivalente a conseguir que sea mínima la suma de distancias al cuadrado desde los casos a la media del cluster al que van a


Página - 84 -

ser asignados, es esta distancia euclídea al cuadrado la utilizada por el método.

Los cluster no jerárquicos están indicados para grandes bases de datos y son útiles para la detección de casos atípicos. Si se elige previamente un número elevado de grupos, superior al deseado, aquéllos que contengan muy escaso número de individuos servirán para detectar casos extremos que podrían distorsionar la configuración. Es aconsejable realizar el análisis definitivo sin ellos, utilizando sólo el número adecuado de grupos para después, opcionalmente, asignar los atípicos al cluster adecuado que habrá sido formado sin su influencia distorsionante.

Un problema importante es la determinación del número de grupos. Para ello, será conveniente realizar varios tanteos. La selección del más apropiado al fenómeno que se estudia ha de basarse tanto en criterios matemáticos como de interpretabilidad. Entre los primeros se han definido indicadores de adecuación como el criterio de la pseudo F.

Matemáticamente, un método de clasificación no jerarquizado consiste en formar un número prefijado K de clases homogéneas excluyentes, pero con máxima divergencia entre las clases. Las K clases o cluster forman una única partición y no están organizados jerárquicamente ni relacionados entre sí. La clasificación no jerárquica o de reagrupamiento tiene una estructura matemática menos precisa que la clasificación jerárquica. Así, supongamos que tenemos N individuos para clasificar en K grupos respecto a n variables, X1, X2,....,Xn. Sean W, B y T las matrices de dispersión intergrupos, entre grupos y total respectivamente. Como T = B + W y T no depende de la forma en que han sido agrupados los sujetos, un criterio razonable de clasificación consiste en crear K grupos de forma que B sea máxima o W sea mínima, de acuerdo con algún criterio determinado. Los más utilizados son los siguientes:

Minimizar la traza de W.

Minimizar el determinante de W.

Tanto este criterio como el anterior tratan de minimizar la magnitud de la matriz W.

Minimizar el cociente entre el determinante de W y el determinante de T. Éste es el llamado criterio de Wilks y es equivalente al anterior pues el determinante de la matriz T es constante.

Maximizar la traza de la matriz W-1B. Éste es el llamado criterio de Hotelling.

Minimizar ( ) ( iihK

i

N

hiiih XXSXX −′−∑ ∑

= =

−

1 1

1 ). Este criterio recoge la suma de las

distancias de Mahalanobis de cada sujeto al centroide del grupo al que es asignado.


Página - 85 -

IV.2.2. Análisis de la varianza

La confirmación de los resultados del cluster puede realizarse mediante el análisis de la varianza. Para ello, se utiliza el test F, lo cual supone que estamos en presencia de un modelo Anova tipo I.

El Anova se puede utilizar en las situaciones en las que nos interesa analizar una respuesta cuantitativa, llamada variable dependiente, medida bajo ciertas condiciones experimentales identificadas por una o más variables categóricas llamadas variables independientes. Cuando hay una sola variable que proporciona condiciones experimentales distintas (como es este caso donde la variable es el número de grupos-conglomerados o cluster formados), el análisis recibe el nombre de Anova de un factor con efectos fijos y completamente aleatorizados también llamado modelo Anova tipo I.

En el análisis de la varianza, la variación en la respuesta se divide en la variación entre los diferentes niveles del factor (los diferentes tratamientos) y la variación entre individuos (objetos) dentro de cada nivel. Suponiendo que las medias de los grupos son iguales, la variación entre grupos es comparable a la variación entre individuos. Si la primera es mucho mayor que la segunda, puede indicar que las medias en realidad no son iguales.

El objetivo principal del Anova es contrastar si existen diferencias entre las diferentes medias de los niveles de las variables (factores). Cuando sólo hay dos medias, el Anova es equivalente a la prueba t-Student para el contraste de dos medias. La prueba Anova nos permite comparar las medias de r grupos, siendo k mayor o igual a 2. El modelo Anova presupone que las varianzas de los grupos son iguales y que los residuos o errores son aleatorios, independientes e idénticamente distribuidos siguiendo una ley normal con media 0 y desviación constante. La hipótesis nula de la prueba Anova de un factor es:

H0: Las medias de los k grupos son todas iguales

H1: Al menos una de las medias es diferente

Esta prueba se basa en la comparación de las sumas de cuadrados de las medias debidas a la variabilidad entre grupos y las debidas a la variabilidad intergrupos (dentro de los grupos). Ambas sumas son estimaciones independientes de la variabilidad global, de manera que, si el cociente entre la primera y la segunda es grande, se tendrá mayor probabilidad de rechazar la hipótesis nula. Este cociente sigue una distribución F con k-1 y N-k grados de libertad.

Por tanto, la hipótesis nula que dicho análisis contrasta es la significatividad estadística del factor considerado, es decir:

kxxxH =⋅⋅⋅⋅== 210 :

En consecuencia, el estadístico a utilizar tiene la siguiente expresión:


Página - 86 -

kNkE

A FSSF −−≈

′′

= ,1

Es decir, es una relación entre cuadrados medios, definidos de la siguiente manera:

SA

1−=′

kSS A

A

en donde SA es la suma de cuadrados entre las muestras, es decir, la debida al factor que se está analizando y k es el número total de factores o variables incluidas en el análisis. SA se define de acuerdo a la expresión:

∑∑==

⋅ =−=k

ii

k

iiiA nN / xNxnS

11

22

SE

kNSS E

E −=′

donde SE es la suma de cuadrados dentro de las muestras, es decir, la debida al error muestral, N es el tamaño total de la muestra analizada y k es el número total de factores o variables incluidas en el análisis. SA se define de acuerdo a la expresión:

∑ ∑∑= =

⋅=

−=k

i

k

iii

in

jijE xnxS

1 1

2

1

2

Así, dado un cierto valor teórico para el test F, F(α), y el valor obtenido a partir de los

datos de la muestra, E

A

SS

′′

, la regla de decisión es la siguiente:

→ si ( ) 0H rechaza seFSS

E

A ⇒α>′′

→ si ( ) 0H rechaza seno FSS

E

A ⇒≤′′

α


Página - 87 -

V. DESCRIPCIÓN DE LOS ANÁLISIS REALIZADOS

V.1 DEPURACIÓN DE DATOS

Una vez expuesto el marco teórico que sirve de base, a continuación se detallan los procesos realizados sobre las bases de datos con objeto de depurar los datos contenidos en ellas, distinguiéndose entre fenómenos climatológicos.

V.1.1. Temperatura y lluvia

Para los datos asociados a temperatura y lluvia se ha realizado una depuración exhaustiva de los datos, los cuales han consistido, fundamentalmente, en detección y tratamiento de datos erróneos, eliminación de registros mal codificados, así como detección y eliminación de duplicidades. Una vez depuradas las series de datos se procedió a la elaboración de tablas de frecuencia decenales de los distintos fenómenos analizados. Finalmente, se buscaron comportamientos homogéneos entre situaciones mediante la utilización de técnicas multivariantes. En concreto, se realizaron técnicas de análisis cluster jerárquico (debido a la naturaleza de los datos analizados una vez probados después de realizar pruebas con todos los métodos se eligen los resultados proporcionados por el método de Ward con distancia euclídea al cuadrado) y no jerárquico (algoritmo k-medias).

En el caso específico de temperaturas, el proceso de depuración y análisis de los datos se ha centrado en las siguientes consideraciones:

a) Eliminación o reemplazamiento mediante técnicas de sustitución de datos en los siguientes casos:

Valores inexistentes de temperatura.

Valores de temperatura máxima inferior a la mínima.

Temperaturas mínimas superiores a la temperatura máxima.

En caso de disponer del dato de temperatura media (sólo en las 5 estaciones de INIA) verificación de que la temperatura media está comprendida entre la mínima y la máxima (se encontraron temperaturas medias superiores a la máxima o mínimas superiores a la media)

Eliminación de temperaturas mínimas inferiores a 10 grados bajo cero y máximas superiores a 40 grados (existían valores de 80º y –35º)

b) Eliminación de registros codificados con valores 99,9, -99,9 y valores blancos.

c) Comprobación de que el valor 0 no se trataba de una codificación de error o ausencia de dato sino de la temperatura 0 grados.


Página - 88 -

Debido a que la información suministrada por las dos redes no tenía los mismos campos (INIA ofrece información de temperatura media y la DNM no), la temperatura media sólo se ha utilizado como información a tener en cuenta en el proceso de depuración de los datos. En el proceso de análisis sólo se han estudiado las temperaturas máximas y mínimas.

En los epígrafes 2 –Temperaturas medias decenales- y 3 –Gráficos de temperaturas anuales por decenas- del Anexo VI - Temperaturas, se recoge la información correspondiente a las temperaturas medias de las máximas, de las mínimas y las medias a nivel decenal.

Una vez depurados los datos, se han agrupado por decenas puesto que los datos diarios son poco operativos y los mensuales agrupan en exceso, encubriendo comportamientos.

Tras analizar los datos disponibles de todas las estaciones, se consideran válidas todas las estaciones salvo Melo y Durazno por no tener un número suficiente de observaciones. Consecuentemente, el número de estaciones utilizadas ha sido de 16: Cinco de la red de INIA y el resto de la red de la DNM, cuyo posicionamiento se señala en el mapa.

V.1.2. Granizo

En este caso el análisis fue ligeramente distinto. Dado que durante el proceso de depuración de datos se desecho una parte significativa de los mismo, no se realizaron agrupaciones estadísticas mediante las técnicas citadas anteriormente.

Así, teniendo en cuenta los datos disponibles y la naturaleza del fenómeno a analizar, durante el proceso de depuración se han tenido en cuenta las siguientes consideraciones. En primer lugar, la condición previa para la utilización de la información referida a cada una de las estaciones fue que estuviera geográficamente posicionada. Para ello se requiere el conocimiento de sus coordenadas, verificándose posteriormente que es correcta dicha posición.

Debido a que los datos proceden de dos redes distintas -OMM y Pluviométrica- en un primer momento se procedió a la fusión de ambas redes para intentar optimizar ambas. Este proceso dio lugar a una fase posterior de búsqueda, comprobación y eliminación de los registros duplicados.

Sin embargo, el resultado obtenido no fue satisfactorio por lo que se desestimó continuar con el proceso. Las razones para justificar estos resultados pueden explicarse por los distintos niveles de información disponibles en ambas redes:


Página - 89 -

a) Información suministrada por la red de estaciones acogidas a la OMM: Estación, año, mes, día, tamaño máximo, tamaño mínimo. En la práctica, los dos últimos campos registraban en el tamaño máximo más de un 10% de datos perdidos y falta de información y en el tamaño mínimo más del 75% de datos perdidos.

b) Información suministrada por estaciones de la Red Pluviométrica: Estación, año, mes, día, hora de inicio, duración, tamaño máximo, tamaño mínimo, comentarios. En la práctica, la hora de inicio es codificada como 0:0 en más del 80% de los casos, la duración no es registrada en más del 85% de los casos, el tamaño máximo con más de un 39% de datos perdidos y falta de información, en el tamaño mínimo más del 85% de los registros están vacíos, además los comentarios no son relevantes y sólo están disponibles en el 4% de los registros.

Debido a la naturaleza de los datos registrados en las series (importante falta de información, duplicidad de registros, incoherencia en la información recogida en los diferentes campos, etc.), el proceso de depuración ha seguido distintos pasos en función del fenómeno a analizar:

a) Frecuencia de granizo. El proceso de depuración ha considerado aquellas estaciones que cumplen dos requisitos:

Actualmente operativas.

Estaciones que lleven operando más de 14 años considerando para ello la diferencia entre el primer y último granizo registrado. Al considerarse únicamente la frecuencia de granizo, no se tiene en cuenta si un día determinado ha granizado más de una vez.

b) Granizo múltiple. Como ya se ha indicado en otras ocasiones, debido a la altísima ausencia de datos correspondientes a los capos de hora de inicio, duración, tamaño máximo, tamaño mínimo y comentarios, no se han tenido en cuenta a la hora de analizar la frecuencia del granizo, pero sí como elemento para verificar que se trata de dos pedriscos distintos (cuando existe información) a la hora de analizar el granizo múltiple.

Ante la presencia de varios registros en un mismo día y considerando la posibilidad real de que fueran distintos, se analizó este fenómeno partiendo de la base de datos inicial sin considerar duplicidades. Siempre que la información permitiera considerar que en una misma estación se trataba de dos granizos distintos, para la misma fecha (día, mes, año) y hora distinta o tamaños distintos, se ha considerado granizo múltiple.

Respecto a los datos relativos a las estaciones seleccionadas hay que resaltar las siguientes consideraciones:

a) Existencia de estaciones con una secuencia de registros en unos años y grandes periodos en “blanco”, que ante la ausencia de más información se han considerado reales y no falta de registros debido a diferentes causas.


Página - 90 -

b) Para el análisis del granizo no múltiple se han considerado distintos niveles de precisión en el proceso de depuración de los registros duplicados. Para ello, se ha diferenciado la posible duplicidad a nivel de la hora de inicio y del tamaño mínimo y máximo.

Tras analizar los datos disponibles de todas las estaciones, se consideran válidas 138 estaciones y se realiza el análisis con las siguientes designadas con un código único que se corresponde con la denominación de la red pluviométrica:

1013, 1050, 1054, 1094, 1105, 1147, 1165, 1174, 1237, 1253, 1257, 1268, 1283, 1291, 1294, 1321, 1351, 1362, 1363, 1374, 1405, 1454, 1494, 1502, 1537, 1553, 1626, 1628, 1665, 1672, 1680, 1683, 1686, 1709, 1717, 1722, 1734, 1761, 1766, 1768, 1771, 1793, 1821, 1840, 1841, 1849, 1856, 1884, 1902, 1909, 1915, 1971, 1973, 1996, 2050, 2073, 2083, 2094, 2099, 2145A, 2147, 2148, 2152, 2154, 2164, 2166, 2167, 2179, 2204, 2206, 2237, 2285, 2289A, 2297A, 2298, 2301, 2334, 2337, 2340, 2370, 2379, 2383, 2384, 2392, 2395, 2425, 2430, 2436, 2452, 2471, 2476, 2480, 2486, 2498, 2519, 2530, 2549, 2570, 2585, 2588, 2601, 2621, 2623, 2632, 2634, 2646, 2664, 2680, 2683, 2702, 2704, 2707A, 2709, 2710, 2719, 2747, 2748, 2752, 2759A, 2774, 2781, 2804, 2812, 2816, 2823, 2826, 2838, 2842, 2857, 2867A, 2871, 2875, 2876, 2879, 2887, 2889, 2893, 2906.

De éstas estaciones registran pedrisco múltiple 44, las cuales se relacionan a continuación, 1013, 1050, 1105, 1283, 1294, 1374, 1405, 1672, 1709, 1766, 1768, 1793, 1856, 1915, 1971, 2145A, 2154, 2164, 2166, 2179, 2204, 2206, 2297A, 2298, 2301, 2334, 2340, 2395, 2430, 2480, 2519, 2680, 2707A, 2719, 2774, 2804, 2812, 2842, 2867A, 2871, 2887, 2889, 2893, 2906.

Las probabilidades mensuales de todas las estaciones analizadas aparecen en el epígrafe I del Anexo XI - Granizo (tablas de probabilidad de ocurrencia en el apartado 1.1 y gráficos asociados en el apartado 1.2). Igualmente, aparecen en el epígrafe II de dicho Anexo XI, las incidencias asociadas al granizo múltiple.

Al fusionar ambas redes se apreciaron huecos de información significativos en periodos de tiempo prolongados, tal y como puede apreciarse en la matriz que aparece en el epígrafe III del Anexo XI ya citado.


Página - 91 -

Esta ausencia de datos no se daba en todas las estaciones pues un conjunto de ellas, mayoritariamente las estaciones de la OMM, recogen observaciones hasta el final del periodo analizado (2001). Por tanto, si el comportamiento estadístico de ambas redes en el periodo de muestra común (1996-2001) fuese igual, se podría utilizar la información de todas las estaciones durante ese periodo para estudiar el fenómeno considerado.

Para comprobar la bondad de dicha hipótesis se procedió a realizar un Test de Igualdad de Medias entre ambas redes durante ese periodo, utilizando para ello un contraste de Anova tipo I. En base a los resultados obtenidos se rechazó la igualdad de medias, por lo que hay que considerar que cada red presenta un comportamiento distinto. Los resultados del Anova se recogen en el epígrafe IV –test de igualdad de medias: global anual- del mismo Anexo XI.

Finalmente y dado que una de las redes recogía información hasta 2001 inclusive, se analizaron únicamente las estaciones de este subconjunto, formado por las estaciones que a continuación se relacionan.

N° OMM NOMBRE N°PLUVIO86315 E. MET. BELLA UNION 1013 86330 E. MET. ARTIGAS 1050 86350 E. MET. RIVERA 1147 86360 E. MET. SALTO 1283 86370 E. MET. TACUAREMBO 1405 86430 E. MET.PAYSANDU 1672 86440 E. MET. MELO 1709 86450 E. MET. YOUNG 1856 86460 E. MET. PASO DE LOS TOROS 1915 86490 E. MET. MERCEDES 2145A 86500 E. MET. TREINTA Y TRES 2179 2206 86540 E. MET. CARMELO 2519 86550 E. MET. SAN JOSE 2707A 86560 E. MET. COLONIA 2774 86565 E. MET. ROCHA 2804 86568 E. MET. LIBERTAD 2812 86575 E. MET. MELILLA 2867A 86580 E. MET. CARRASCO 2889 86585 E. MET. PRADO 2887 86595 E. MET. PUNTA DEL ESTE 2906


Página - 92 -

V.2 ANÁLISIS POR EVENTO CLIMÁTICO

Una vez depurada la información contenida en las distintas bases de datos para poder trabajar con una información consistente, se han realizado los análisis correspondientes con cada uno de los fenómenos estudiados, dentro del marco teórico ya expuesto. En este apartado se recoge dicho proceso de análisis.

V.2.1. ANÁLISIS DE LA VARIABLE TEMPERATURA.

La variable temperatura ha sido objeto de dos tipos de análisis. Por un lado, se ha analizado el régimen de heladas, con el fin de determinar una primera aproximación a la distribución de los períodos de helada, que servirán para establecer el nivel de exposición de los cultivos frente a este evento.

En segundo lugar, se ha realizado el estudio del comportamiento de dicha variable para los distintos umbrales determinados en la definición del evento. El objeto de este análisis era poder determinar la exposición del cultivo a este evento en función del grado de sensibilidad de cada uno de ellos en sus distintas fases fenológicas.

V.2.1.1 REGÍMENES DE HELADAS

El estudio de los regímenes de heladas sirve para clasificar las diferentes épocas del año según la mayor o menor probabilidad de que este evento se produzca. Ese análisis se realiza mediante el estudio de los siguientes parámetros:

Período máximo absoluto de heladas: Comprende desde la fecha más temprana de la primera helada hasta la fecha más tardía de la última helada. Se determina así el período extremo de heladas. El complementario de este valor establece el período libre de heladas.

Periodo medio de heladas: Comprende desde la fecha media de la primera helada a la fecha media de la última. El complementario de este valor sería el período medio libre de heladas.

El análisis se ha realizado para todas las estaciones disponibles, tanto de la red de INIA como de la DNM, considerando únicamente los valores de temperatura al abrigo. Con ello se trata de obtener una visión generalizada del comportamiento de esta variable climática de especial trascendencia en la actividad agraria, ya que, como es sabido, marca la viabilidad y metodología óptima de las buenas prácticas agrícolas para el desarrollo correcto de un determinado cultivo. Además, y desde el punto de vista asegurador, establece los extremos a partir de los cuales se incurre en un riesgo donde la probabilidad de ocurrencia de pérdidas al cultivo puede verse sensiblemente incrementada si, teniendo en cuenta dichos períodos, estos factores limitantes no fueran considerados.

En el caso de Uruguay y, a partir de la información aportada por parte del sector productor sobre la sensibilidad frente a los riesgos, se ha puesto de manifiesto la incidencia de heladas en cultivos leñosos, si bien estos estudios deberían reflejar una frecuencia e intensidad poco severa para este riesgo.


Página - 93 -

El proceso de cálculo de los valores necesarios para la realización del estudio ha tenido tres fases:

1. Para cada estación se han seleccionado el primer y último día donde se hayan registrado temperaturas iguales o inferiores a cero grados centígrados.

2. Una vez obtenido el intervalo de referencia se han contabilizado el número de días con temperaturas iguales o inferiores a cero grados centígrados.

3. Para cada estación se han calculado, considerando la serie total disponible, el período máximo y medio de helada, considerando que se produce un episodio de helada cuando la temperatura es igual o inferior a cero grados centígrados.

Los valores así obtenidos se recogen en las tablas que se han elaborado para cada una de las estaciones y que figuran en el Anexo XIV – Regímenes de heladas.

En base a estos datos se han elaborado, también para cada una de las estaciones, dos tipos de gráficos. En el primero de ellos, se representan mediante barras flotantes, el período máximo absoluto de helada para cada uno de los años de los que se dispone de información, delimitándose además, para el conjunto de la serie, el período medio de heladas.

En el segundo tipo de gráficos, se ha representado tanto el número de días del período máximo absoluto de heladas para cada año, como el número de días con temperaturas iguales o inferiores a cero grados centígrados.

El estudio de heladas por métodos directos depende en gran medida de las series de datos analizadas, aspecto en el cual el presente estudio se ha visto limitado debido a la heterogeneidad de las series disponibles, tal y como puede apreciarse en el conjunto de los gráficos elaborados. Así, de la observación de los mismos se pueden destacar los siguientes aspectos:

Cuando se consideran todas las estaciones de DNM, se obtiene un periodo medio de heladas de ciento ocho días, mientras que el periodo máximo absoluto es de doscientos treinta y dos días. La diferencia de ciento veinticuatro días entre ambos periodos deja en evidencia la significación de cada uno de ellos.

El extremo derecho del periodo máximo absoluto del conjunto de todas las estaciones (12 de diciembre) es un caso absolutamente aislado, puesto que analizando el resto de series tanto de DNM como de INIA, el siguiente valor extremo aparece el 16 de octubre, por lo que puede concluirse que o bien es un error, o bien es un evento extremo, atípico o anómalo.

Si no se considera el valor del 12 de diciembre, el valor extremo derecho del periodo máximo de heladas pasa a ser el 16 de octubre. Con este nuevo intervalo se obtiene un periodo máximo absoluto de ciento setenta días que es el que se ha considerado válido como fecha final del período máximo.

Se deberá tener en cuenta de cara a obtener conclusiones de este estudio, las limitaciones impuestas al mismo por la información de la que se ha dispuesto. Así,


Página - 94 -

respecto a los datos facilitados por las estaciones de DNM, aunque con un número mayor de ellas, sólo se ha dispuesto de series de datos de más de quince años en cinco de ellas, mientras que el resto poseen series bastante reducidas. En cuanto a las de la red de INIA, formada por cinco estaciones, se ha dispuesto de series que superan los quince años de información, pero, dado el escaso número de estaciones que conforman dicha red, han limitado igualmente los resultados del estudio.

Además, para el conjunto de estaciones de la red DNM, dado la distribución espacial de sus estaciones, y como consecuencia, su nivel de representatividad, se ha realizado el mismo proceso de análisis. Es decir, se han obtenidos los valores de primer y último día con temperaturas igual o inferior a cero grados centígrados, calculándose posteriormente los períodos máximos absolutos y medio de heladas.

Con los valores obtenidos se han confeccionado, igualmente, los dos tipos de gráficos anteriormente citados, los cuales figuran a continuación (gráficos números 23 y 24). Tanto estos gráficos como los que se han elaborado para cada una de las estaciones de las que se dispone información, figuran en el Anexo XIV – Regímenes de helada.

Del análisis de los valores elaborados para cada una de las estaciones de ambas redes, así como para el conjunto de la red de la DNM, hay que destacar lo siguiente:

El periodo máximo absoluto de heladas comprendería desde el 20 de abril al 16 de octubre con una duración de 164 días que abarca el mes de abril parcialmente, los meses de mayo, junio, julio, agosto y septiembre y parte de octubre.

El periodo medio de heladas abarcaría desde el 26 de mayo al 15 de septiembre, durando 109 días. Es el periodo donde la posibilidad de que se produzcan heladas es mayor, y comprende los meses de junio, julio, agosto y de forma parcial los meses de mayo y septiembre.

El periodo libre de heladas está integrado por los meses de noviembre, diciembre, enero, febrero y marzo. No se han recogido temperaturas inferiores a cero grados en ningún año en ninguna de las estaciones analizadas.

La media de días por año en los que las temperaturas registradas son iguales o inferiores a cero grado se cifran en ocho. La variabilidad de estos datos es muy alta (coeficiente de variación de 0,8). Los valores más repetidos en las series, son de cuatro días al año con temperaturas inferiores a cero grados para el caso de las estaciones DNM, y de un día al año para las estaciones de INIA.

NÚMERO DE DÍAS DE HELADA

Medio 8

Máximo 38

Mínimo 0 Tabla 21. Número de días con temperaturas ≤ 0ªC

Fuente: DNM

PERIODO MÁXIMO DE HELADAS. En el se representa para cada año el período máximo de heladas para el conjunto de estaciones analizadas. Además, se han señalado los límites temporales que definen el periodo medio.

154126

9279

9470

138102

96109

9198

28105

10789

75117

133125

122120

123104

91107

201131

78134

114123

87126

13-4 23-4 3-5 13-5 23-5 2-6 12-6 22-6 2-7 12-7 22-7 1-8 11-8 21-8 31-8 10-9 20-9 30-9 10-10

AÑ O S

1970197119721973197419751976197719781979198019811982198319841985198619871988198919901991199219931994199519961997199819992000200120022003

Fech

as

TO D AS (period o m áxim o abso lu to de he ladas )

P eriodo M ed io

GRAFICO 25.- Periodo máximo de heladas Fuente: Elaboración propia

Página 95 de 152

de 152

NÚMERO DE DÍAS DEL PERIODO MÁXIMO DE HELADA. Este grafico recoge, para el conjunto de estaciones analizadas, el número de días del periodo máximo de heladas y el número medio de días en los que la temperatura ha sido inferior a cero grados centígrados.

154

126

9279

94

70

138

10296

109

9198

28

105 107

8975

117

133125122 120123

10491

107

131

78

123

87

126

9 125 5

165

133 5

11 8 5 111 9

3 2 717 12 7 10 10 6

13 145 1 7 5 3

9 7

201

134

114

7

0102030405060708090

100110120130140150160170180190200210

1970

1971

1972

1973

1974

1975

1976

1977

1978

1979

1980

1981

1982

1983

1984

1985

1986

1987

1988

1989

1990

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

Nº de días del periodo de heladas Nº medio de días <0ºC

GRÁFICO 26.- Número de días del periodo máximo de helada Fuente: Elaboración propia


Página - 97 -

Como años “extremos”, en cuanto a amplitud del período de heladas y el número de días de heladas registrados, se destacan los años 1971, 1979, 1996 y 1999. En ellos se dan un gran número de estaciones con un periodo absoluto de heladas amplio y donde se registran un número considerable de días con temperaturas iguales o inferiores a 0ºC7,

DESCRIPCIÓN DE VALORES AÑOS EXTREMOS

CONCEPTO FECHA INICIO FECHA FINAL NÚM. DÍAS

Periodo máximo absoluto 20/04 16/10 164

Periodo medio 26/05 15/09 109

Años “extremos” 1971; 1979; 1996; 1999.

Tabla 22. Información sobre períodos de helada en años extremos Fuente: DNM

Contando con unas series históricas homogéneas, el análisis de los períodos máximos de helada en cada una de las estaciones refleja el comportamiento de ese evento en esa estación. El estudio conjunto de las estaciones puede dar un comportamiento diferente en función de la variabilidad que este fenómeno tenga en el país. La agrupación por comportamientos similares da origen a la zonificación de un determinado evento.

En el caso de Uruguay, los valores obtenidos en base a los datos disponibles, considerando únicamente eventos de helada que se producen con temperaturas iguales o inferiores a cero grados centígrados, demuestran que existe una homogeneidad en cuanto al comportamiento de la variable climática estudiada, dado que no se dan variaciones entre estaciones distribuidas a lo largo del país, ni tampoco en estaciones próximas pertenecientes a distinta red.

Esta afirmación podría ser distinta si se consideran umbrales de temperatura muy inferiores a los cero grados centígrados. No obstante, hay que tener en cuenta, que el análisis por umbrales que se recoge posteriormente, recoge frecuencias mínimas para este tipo de eventos. Sólo en el caso de la estación de Mercedes se han registrado temperaturas inferiores a cinco grados bajo cero.

Teniendo en cuenta todo lo anterior, podría concluirse, como resultado de la revisión de los análisis realizados, lo siguiente:

El periodo máximo absoluto de heladas es amplio, establecido en 164 días. Sin embargo, el número medio de días de helada es relativamente reducido, por lo que la relación entre ambos valores es mínima. Por tanto, podría decirse que la frecuencia con la que se producen estos eventos es muy baja.

7 Teniendo en cuenta la heterogeneidad de las series de las distintas estaciones estudiadas, los periodos máximos absolutos y el

número de días con helada han sido variables. Sin embargo en todas las estacione seleccionadas ambos valores eran claramente significativos para la obtención de estos resultados.


Página - 98 -

Desde un punto de vista de cuantificación de los daños que este riesgo puede producir sobre la producción agrícola, debe tenerse en cuenta que el reducido número de días no significa que los eventos de helada ocurridos en periodos extremos (heladas muy tempranas, o muy tardías) no puedan tener efectos muy severos sobre la cantidad y/o calidad de las producciones afectadas.

V.2.1.2 ESTUDIO DE TEMPERATURAS SEGÚN UMBRALES

El proceso de análisis de los datos se centró en valores de temperatura máximos y mínimos, teniendo en cuenta la descripción del evento helada, tal y como quedo recogido en su apartado correspondiente8, y que de forma resumida se detalla a continuación:

a) Temperatura mínima por debajo de un umbral definidos, con caídas bruscas de temperatura.

b) Cuando se den dos días seguidos con temperatura por debajo del umbral analizado.

Los umbrales considerados en todos los casos han sido los de 0º, -2º, -4º y -6º.

Las temperaturas medias anuales por decenas, distinguiéndose entre máxima, mínima y media para cada una de las dieciséis estaciones estudiadas se recogen en el Anexo VI - Temperaturas, epígrafes II y III.

Una vez realizados los análisis descriptivos con la información depurada, se aplicaron distintas técnicas de análisis multivariante para agrupar estaciones cuyo comportamiento respecto a la temperatura mínima y temperatura máxima sean semejantes. En concreto, se realizaron técnicas de análisis cluster jerárquico (debido a la naturaleza de los datos analizados una vez probados después de realizar pruebas con todos los métodos se eligen los resultados proporcionados por el método de Ward con distancia euclídea al cuadrado) y no jerárquico (algoritmo k-medias)

Realizados los análisis de segmentación y homogeneidad de comportamiento para las distintas temperaturas consideradas por separado (máximas y mínimas), las agrupaciones resultantes fueron los siguientes:

1. Considerando únicamente las temperaturas máximas:

o INIA-Treinta y Tres, Colonia, INIA-Tacuarembó, Paso Toros o INIA-Estanzuela, INIA-Brujas, Rocha, Carrasco o Paysandú, INIA-Salto, Young, Mercedes, Tacuarembó, Treinta y Tres o Bella Unión, Artigas

2. Sólo considerando temperaturas mínimas:

o INIA-Treinta y Tres, Colonia, INIA-Tacuarembó, Paso Toros o INIA-Estanzuela, INIA-Brujas, Rocha, Carrasco, Paysandú, INIA-Salto,

Mercedes, Treinta y Tres o Bella Unión, Artigas, Young o Tacuarembó

8 Capítulo IV, punto III. Eventos climáticos analizados, punto III.1. Temperaturas


Página - 99 -

Los gráficos con las temperaturas medias decenales, tanto de las temperaturas máximas como mínimas, para cada una de las agrupaciones, se recogen en el epígrafe IV -Gráficos temperatura por grupos homogéneos a nivel decenal - del Anexo VI ya citado.

Las tablas con los análisis de la varianza dentro de cada cluster junto con los tests F correspondientes a cada bloque de estaciones se recogen en el mismo Anexo, epígrafe V –Test Anova para las temperaturas máximas y mínimas.

Además, y de acuerdo con la definición de helada, donde se diferenciaba entre temperaturas registradas al abrigo y a nivel del césped, se han llevado a cabo análisis para constatar las diferencias entre ambas mediciones. Dichos análisis han estado supeditados a los distintos niveles de información disponibles en cada caso.

TEMPERATURAS AL ABRIGO

En este caso se han estudiado las probabilidades medias de ocurrencia por decena para las dieciséis estaciones consideradas. Los resultados se recogen en el Anexo VII - Heladas al abrigo, epígrafe I “Tablas de probabilidad de temperatura”, y epígrafe II “Gráficos de probabilidad de helada al abrigo”.

Tras este primer paso se ha procedido a la utilización del análisis cluster para tratar de obtener las agrupaciones de estaciones que resulten estadísticamente homogéneas entre sí. Para llevar a cabo estos conglomerados de estaciones se ha distinguido entre distintos umbrales. Así, se han considerado heladas a 0º, -2º, -4º y -6º. Los resultados han sido los siguientes:

1. A cero grados:

o Young, Paso Toros, Bella Unión o Carrasco, INIA-Estanzuela o Mercedes, INIA-Treinta y Tres o Paysandú, INIA-Brujas, INIA-Tacuarembó o Rocha, INIA-Salto, Treinta y Tres o Artigas, Tacuarembó o Colonia

2. A dos bajo cero:

o Bella Unión, Paso Toros, Artigas o Young, Colonia, Carrasco, INIA-Brujas, Paysandú, INIA-Estanzuela o Tacuarembó, INIA-Tacuarembó, Rocha o Treinta y Tres, INIA-Treinta y Tres, INIA-Salto o Mercedes

3. A cuatro bajo cero:

o Colonia, INIA-Brujas, Bella Unión, Paso Toros, Paysandú, Young, Rocha, Carrasco, INIA-Estanzuela, Treinta y Tres

o INIA-Salto, INIA-Tacuarembó, Artigas, INIA-Treinta y Tres, Tacuarembó o Mercedes


Página - 100 -

4. A seis bajo cero:

o INIA-Tacuarembó, INIA-Treinta y Tres, Bella Unión, INIA-Brujas, INIA-Salto, Carrasco, INIA-Estanzuela, Colonia, Rocha, Treinta y Tres, Young, Paso Toros, Artigas, Paysandú

o Tacuarembó o Mercedes

Las tablas de probabilidad para elaboración de los grupos homogéneos se recogen en el epígrafe IV del citado Anexo VII, mientras que los gráficos de probabilidad de cada agrupación según umbral figuran en el epígrafe V del mismo Anexo, mientras que en el epígrafe III se recogen los análisis de la varianza y los tests F correspondientes.

En todos los casos, el intervalo temporal recogido va desde la 11ª decena hasta la 28ª, que son las correspondientes a la primera y última heladas registradas. En cuanto al valor máximo de las probabilidades es de 1,8% por ser ésta la cota más alta registrada en todas las estaciones.

Igualmente, han sido elaborados los correspondientes mapas territoriales que representan, según los grupos de homogeneidad para cada uno de los umbrales estudiados, la distribución de las estaciones estudiadas. Esta información se encuentra en el epígrafe I del Apéndice 5-Mapas de distribución de estaciones por grupos de homogeneidad por evento.

TEMPERATURAS EN CÉSPED

Para el estudio de las temperaturas en césped sólo se ha dispuesto de información referida a nueve estaciones, por lo que no se han podido aplicar técnicas de agrupación usando clusters, estudiándose únicamente las probabilidades medias por estación, elaborándose los correspondientes gráficos de probabilidades.

Como en el caso anterior, se han realizado estudios para los umbrales de 0º, -2º, -4º y -6º. Los resultados aparecen recogidos en el Anexo VIII – Heladas en césped.

En este caso, el intervalo temporal representado y en clara relación con el periodo de heladas, va desde la 11ª decena hasta la 35ª que son, como antes, las correspondientes a la primera y última heladas registradas.

En cuanto a la altura máxima de las probabilidades, en todos los casos es del 2,60% que, como antes, es la máxima entre las estaciones analizadas.

V.2.2. ANÁLISIS DEL EVENTO LLUVIA

El proceso de análisis de los datos pluviométricos se realizó teniendo en cuenta la descripción de la variable lluvia tal y como se describe en el apartado correspondiente. Los aspectos básicos considerados han sido:

a) Agrupación de los datos por decenas ya que, como se indicó anteriormente, los datos a nivel diario son poco operativos y los mensuales agrupan en exceso encubriendo comportamientos atípicos.


Página - 101 -

b) En todos los escenarios se ha considerado “evento de lluvia” aquellos días en los que la precipitación fuera igual o superior a 5 milímetros.

c) Se han analizado cinco escenarios distintos: Frecuencia de lluvia, frecuencia de que llueva un día, frecuencia de que llueva dos días, frecuencia de que llueva tres o más días y frecuencia de lluvia abundante.

Tras el proceso de depuración de los datos disponibles de todas las estaciones, se consideraron válidos los correspondientes a 26 estaciones, 21 de la red DNM y 5 de la red de INIA, cuyo posicionamiento se señala en el mapa.

Las probabilidades para cada una de las estaciones analizadas anteriormente se recogen en el epígrafe I del Anexo IX.I, Lluvias.

Al igual que la variable temperatura, también la variable lluvia ha sido objeto de dos tipos de estudios. Por un lado, se ha estudiado el comportamiento general de la variable lluvia, con el fin de determinar los comportamientos anómalos tanto por defecto como por exceso de lluvia.

En segundo lugar, se ha realizado el estudio de los resultados para agrupar las estaciones estudiadas según comportamientos homogéneos frente a cada uno de los cinco escenarios antes descritos.

V.2.2.1 ANÁLISIS DE LA VARIABLE LLUVIA: ESTUDIO DE ANOMALÍAS

Las precipitaciones de una zona son el principal factor que define el ciclo hidrológico en una región, y, por tanto, el paisaje y los usos del suelo, por lo que el análisis de las anomalías de lluvia es importante para mejorar el conocimiento de la propia variable.

De cara al análisis de los valores extremos, se han definido dos tipos de anomalías, una por déficit de lluvias y la otra por exceso. Los estudios de ambas se han realizado teniendo en cuenta todos los datos de las estaciones disponibles, tanto de la red de INIA como de la red de DNM.

Se han realizado dos tipos de ajustes:

Ajuste de la serie a través de la media y de la desviación típica. En este ajuste se define:

• Anomalía por defecto. Se considera que se produce déficit cuando un valor dado de la serie (n1) es menor que el valor resultante de la diferencia existente entre la media y la desviación típica de la serie estudiada.


Página - 102 -

• Anomalía por exceso. Se considera exceso cuando un valor dado de la serie (n1) es mayor que el valor que se obtiene al sumar a la media la desviación típica de dicha serie.

Ajuste a través del cálculo de los percentiles. En este caso se define:

• Anomalía por defecto. Se considera que se produce déficit cuando un valor dado de la serie (n2) es menor que el valor que marca el percentil diez.

• Anomalía por exceso. Se considera exceso cuando un valor dado de la serie (n2) es mayor que el valor que marca el percentil noventa.

El estudio se ha basado en estos dos tipos de ajustes dado que las precipitaciones no se ajustan a una curva de distribución normal, los resultados obtenidos en base a estos dos tipos de ajuste permiten extraer una serie de conclusiones con mayor nivel de fiabilidad.

Para la realización de los análisis se han tenido en consideración distintos criterios, unos basados en la precipitación acumulada en el año natural y en otros casos se ha utilizado la campaña agrícola que va de abril a marzo del año siguiente, debido a que de esta manera se puede valorar el comportamiento anómalo de estas variables climáticas, siguiendo el desarrollo de los cultivos.

AJUSTE DE LA SERIE A TRAVÉS DE LA MEDIA Y LA DESVIACIÓN TÍPICA:

Se han definido dos anomalías en las precipitaciones, una en la que se produce un déficit y otro en la que se da un exceso.

El ajuste se ha realizado teniendo en consideración, a la hora de calcular los valores acumulados de déficit, que las series de cada año comienzan en el mes de enero y finalizan el mes de diciembre.

Se considera déficit cuando un valor dado (n1) es menor que el valor resultante de la diferencia existente entre la media y la desviación típica, según la siguiente expresión:

)(1 σ−< xn

El valor de dicho déficit es la diferencia entre el valor que se obtiene al restar a la media la desviación típica y a este valor obtenido restarle el elemento de la serie que cumple el criterio antes definido, según expresa la siguiente fórmula:

1)( nxDeficit −−= σ

Se considera exceso cuando un valor dado de la serie (n1) es mayor que el valor que se obtiene al sumar a la media la desviación típica, según la siguiente expresión:

)(1 σ+> xn


Página - 103 -

El valor de dicho exceso es la diferencia entre el elemento de la serie que cumple el criterio de exceso y el valor que se obtiene al sumar a la media la desviación típica, según la siguiente fórmula:

)(1 σ+−= xnExceso

Siendo: x : Media de los valores de la serie σ : Desviación típica de la serie.

AJUSTE DE LA SERIE A TRAVÉS DEL CÁLCULO DE LOS PERCENTILES:

Los percentiles son valores que dividen el conjunto de datos ordenados en cien partes iguales: P1, P2, ..., P99. Se han ordenado los registros de las series de cada estación de la red de INIA y de la red de DNM de menor a mayor para cada uno de los doce meses del año

Se han definido también en este caso dos anomalías en las precipitaciones una de déficit y otra de exceso.

El ajuste se ha realizado teniendo en consideración, a la hora de calcular los valores acumulados de déficit, que las series en este caso se estudian siguiendo el año natural. En el caso de los percentiles también se ha realizado un análisis de las anomalías en cuanto al déficit teniendo en cuenta la campaña agrícola que comienza en abril y finaliza en marzo del año siguiente.

Se considera déficit cuando un valor dado de la serie es menor que el valor que marca el percentil diez.

102 Pn <

El valor de dicho déficit es la diferencia entre el valor que se obtiene al restar al percentil diez, el valor de la serie que cumple el criterio de déficit, según expresa la siguiente fórmula:

210 nPDeficit −=

Se considera exceso cuando un valor dado de la serie es mayor que el valor que marca el percentil noventa.

902 Pn >

El valor de dicho exceso es la diferencia entre el elemento de la serie que cumple el criterio de exceso y el valor del percentil noventa:

902 PnExceso −=

Siendo:

10P El valor del percentil diez.

90P El valor del percentil noventa.


Página - 104 -

Para la obtención de las campañas consideradas anómalas en cuanto a las precipitaciones, se ha analizado el conjunto de estaciones de la red de INIA y de la red de DNM y se ha verificado cuáles eran las campañas en las que se daban anomalías dos o más meses de manera consecutiva y además que el volumen de déficit fuera considerable. Tras esto se comprobó cuales eran las campañas en las que estos hechos se producían de manera generalizada en el conjunto de estaciones en estudio, es decir, cuando la anomalía se producía en una parte amplia del territorio. El mismo análisis se hizo considerando el año natural.

El número de anomalías que se obtiene a través del estudio de los percentiles es algo menor que el que se obtiene a través de las medidas de dispersión. Esto es debido al hecho de que las series de precipitaciones no son normales y por tanto tampoco simétricas.

Los datos de lluvia efectiva acumulada mensualmente para el conjunto de estaciones estudiadas, junto con los valores medios, máximos y mínimos, se recogen en la siguiente tabla. Asimismo, se recogen en ella los estadísticos media y desviación típica mensual.

En el Anexo X, ya citado, se han incluido también los siguientes cuadros para cada estación:

Tabla con todos los datos de precipitación por año y por meses en las que se incluye la precipitación media anual, la precipitación máxima anual, la precipitación mínima anual y la precipitación total. También se incluye la media y la desviación mensual de la serie, así como el percentil diez y noventa del total de las precipitaciones por campaña, es decir, de abril a marzo del siguiente.

Tabla de déficit de precipitaciones a través del estudio de la distribución normal. Incluye un resumen con el número de años de la serie, el número de años con déficit y el porcentaje que estos representan sobre el total de años. De la misma manera se refleja el número de meses con déficit por año y el volumen de déficit de precipitaciones anual.

Tabla de exceso de precipitaciones a través del estudio de la distribución normal. Incluye un resumen con el número de años de la serie, el número de años con exceso y el porcentaje que estos representan sobre el total. También incluye el número de meses con exceso por año y el volumen de exceso de precipitaciones anual.

Tabla resumen con los valores por meses de la media menos la desviación típica, la media más la desviación típica, así como el valor del percentil diez y el valor del percentil noventa.

Tabla con los datos por campaña de la precipitación en aquellos años considerados anómalos por un defecto de precipitaciones respecto al comportamiento medio de las campañas.

Tabla de déficit de precipitaciones a través del estudio del percentil diez. Incluye un resumen con el número de años de la serie, el número de años con


Página - 105 -

déficit y el porcentaje que estos representan sobre el total de años. Se presenta asimismo en esta tabla el número de meses con déficit por año y el volumen de déficit de precipitaciones anual.

Tabla de exceso de precipitaciones a través del estudio del percentil noventa. Incluye un resumen con el número de años de la serie, el número de años con exceso y el porcentaje que estos representan sobre el total. Contempla el número de meses con exceso por año y el volumen de exceso de precipitaciones anual.

.

AÑO Nº_ Est 1 2 3 4 5 6 7 8 9 10 11 12 Media Máx MínTotal

Campaña1973 2 92 178 48 146,9 20,5 79,2 162,5 4 19 99 26,3 35,1 75,88 178,00 4,00 1137,101974 799,801975 836,10

1979 783,701980 1472,70

1988 622,301989 923,20

2 325 82,4 137,2 10,8 52,5 8 52,1 156,8 53 58 24 21,5 81,78 325,00 8,002 101,4 219,4 42,3 16,5 83,5 44 77,2 109,9 68,8 11,6 66,2 71 75,98 219,40 11,60

1976 2 116,9 27 143,5 113,2 70,9 54,4 142 58,8 83 182,9 109,6 120,4 101,88 182,90 27,00 1329,901977 2 43 255,7 96 47,1 110,4 54,9 53,1 39,7 255,5 81,6 83,5 49,2 97,48 255,70 39,70 1133,401978 2 118,3 122,5 117,6 4,1 40,7 122,2 124,2 29,3 93,8 120,1 192,2 98,5 98,63 192,20 4,10 951,00

2 5,7 38,8 81,4 21,7 32,4 4,5 50,9 142,6 78,2 57 47,9 95 54,68 142,60 4,502 18,5 151 84 257,7 143,2 126,2 94,1 48,3 97,9 130,4 209,5 15,7 114,71 257,70 15,70

1981 2 153,1 127,1 69,5 77,1 297,6 49,2 60 72,1 92 34,6 107,9 105,7 103,83 297,60 34,60 1048,101982 2 25,2 72,4 54,3 12,2 147,5 150,3 127 79,9 111,4 44,5 61,8 46,3 77,73 150,30 12,20 952,201983 2 38,8 84 48,5 55 36,6 83,7 20,4 197,1 102,3 164,2 113,1 68,9 84,38 197,10 20,40 1226,601984 2 134,2 172,3 78,8 106,7 98 68,5 151,3 24 53,1 160,8 74,4 33,3 96,28 172,30 24,00 1060,201985 2 50,3 107,2 132,6 160,9 62,3 295,8 18,3 63,7 97,4 150,1 66,2 29,3 102,84 295,80 18,30 1189,701986 2 123,4 95,5 26,8 84,3 111,4 104,9 72,1 161,7 166,7 140,2 220,9 20,9 110,73 220,90 20,90 1435,301987 2 104,2 141,1 106,9 57,6 36,5 0,8 117,6 37,9 41 79,8 52,6 23,7 66,64 141,10 0,80 1037,50

2 156,9 39,3 393,8 21,2 20,7 6,9 30,2 83,8 30 95,7 81,5 54,2 84,52 393,80 6,902 19,2 62,7 116,2 87,5 20,2 16,7 59,5 141 42,5 37,6 73,6 90,9 63,97 141,00 16,70

1990 2 147,1 119,5 87,1 251,6 58,3 30,9 27,5 11 66,8 188,9 250,7 121,9 113,44 251,60 11,00 1248,901991 2 80,4 48,5 112,4 93,2 79,3 106,2 187,8 107,7 54,9 131,9 113,7 70,8 98,90 187,80 48,50 1130,901992 2 41 92,2 52,2 137,5 92,1 147,2 53,4 89,3 64,5 101,1 71,5 16,4 79,87 147,20 16,40 1186,401993 2 99,7 249,8 63,9 327,7 111,4 61,5 62,1 39,5 59,9 221,7 180,6 139,6 134,78 327,70 39,50 1382,801994 2 37,2 32,1 109,5 113,6 150,4 67,8 97,8 65,3 83,3 127,4 142,6 87,5 92,88 150,40 32,10 1188,501995 2 44,9 131,8 76,1 162,7 76,4 87,7 45,8 17,6 34,2 63,8 146,6 17,7 75,44 162,70 17,60 827,701996 2 60,6 59,2 55,4 194,8 19,8 57 50,2 28,9 111,4 77,1 123,4 53 74,23 194,80 19,80 928,801997 2 64,5 73,4 75,3 44,8 94,7 93,4 54,6 89,4 46,6 85,5 90,8 320 94,42 320,00 44,80 1252,701998 2 145,3 42,7 144,9 83 50,2 37,4 82 18,7 100,2 26,8 97,2 244,4 89,40 244,40 18,70 1237,501999 2 222,2 128 147,4 62,8 51,2 63,9 101,9 112,2 85,7 43,3 50,1 77,8 95,54 222,20 43,30 852,302000 2 40,4 61,7 101,3 169,7 375,6 118,5 88 133,4 135,3 100,2 78 103,4 125,46 375,60 40,40 1809,102001 2 139,4 172,9 194,7 50,4 75 144,9 86,7 108,3 48,6 258 116,6 45,4 120,08 258,00 45,40 1681,202002 2 125 86,5 535,8 74 187,5 29,5 74,8 69,8 69,8 91,2 127,6 146,2 134,81 535,80 29,50 1057,202003 2 33,6 133,1 20,1 38,3 115,5 140,4 71,2 73,2 171,9 59 178,5 94,8 94,13 178,50 20,10 1261,15

93,79 109,93 114,63 99,50 94,27 79,24 80,53 77,90 84,47 104,00 109,00 81,24 94,04 236,13 22,47 1042,6967,83 61,51 103,20 79,29 78,22 60,29 42,31 49,67 48,16 59,14 57,68 66,32 19,82 90,01 13,93

Decil 10% 827,70Decil 90% 1435,30

MediaDesviación

Tabla 23.- Tabla de datos para el análisis de anomalías de lluvia. Fuente: Elaboración propia en base a datos DNM e INIA.

Página 106 de 152

A partir de los datos contenidos en la tabla anterior se han elaborado los valores mensuales correspondientes a cada uno de los dos tipos de ajustes desarrollados. Los resultados obtenidos figuran en la siguiente tabla:

1 2 3 4 5 6 7 8 9 10 11 12 Media Máx Mín25,96 48,42 11,43 20,21 16,05 18,95 38,22 28,23 36,32 44,86 51,32 14,92 29,57 51,32 11,43

161,62 171,43 217,82 178,80 172,49 139,53 122,83 127,57 132,63 163,14 166,68 147,56 158,51 217,82 122,83

25,2 39,3 48 16,5 20,7 8 30,2 18,7 41 37,6 50,1 20,9153,1 234,6 294,25 254,65 242,55 148,75 156,9 159,25 169,3 205,3 215,2 195,3

Percentil 10Percentil 90

media-Desvmedia+Desv

Tabla 24: Datos elaborados para la caracterización de anomalías. Fuente: Elaboración propia

En las siguientes tablas se recogen los resultados obtenidos para cada uno de los casos estudiados, es decir, anomalías por déficit y exceso para cada uno de los dos tipos de ajustes. Los datos resaltados en color representan las anomalías obtenidas en cada caso.

Igualmente se incluye la representación gráfica de las precipitaciones medias acumuladas y las precipitaciones acumuladas de los años que han resultado anómalos, en el sentido de deficitarios, en función del percentil diez.

Todos los cálculos efectuados a nivel global, han sido realizados también para cada una de las estaciones de ambas redes y figuran incluidos en el Anexo X – Estudio de anomalías de la variable lluvia.

Página 107 de 152


Página - 108 -

Deficit media - desviación

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 Nª Deficit1973 0 0 0 0 0 0 0 24 17 0 25 0 3 671974 0 0 0 9 0 11 0 0 0 0 27 0 3 481975 0 0 0 4 0 0 0 0 0 33 0 0 2 371976 0 21 0 0 0 0 0 0 0 0 0 0 1 211977 0 0 0 0 0 0 0 0 0 0 0 0 0 01978 0 0 0 16 0 0 0 0 0 0 0 0 1 161979 20 10 0 0 0 14 0 0 0 0 3 0 4 481980 7 0 0 0 0 0 0 0 0 0 0 0 1 71981 0 0 0 0 0 0 0 0 0 10 0 0 1 101982 1 0 0 8 0 0 0 0 0 0 0 0 3 91983 0 0 0 0 0 0 18 0 0 0 0 0 1 181984 0 0 0 0 0 0 0 4 0 0 0 0 1 41985 0 0 0 0 0 0 20 0 0 0 0 0 1 201986 0 0 0 0 0 0 0 0 0 0 0 0 0 01987 0 0 0 0 0 18 0 0 0 0 0 0 1 181988 0 9 0 0 0 12 8 0 6 0 0 0 4 361989 7 0 0 0 0 2 0 0 0 7 0 0 3 161990 0 0 0 0 0 0 11 17 0 0 0 0 2 281991 0 0 0 0 0 0 0 0 0 0 0 0 0 01992 0 0 0 0 0 0 0 0 0 0 0 0 0 01993 0 0 0 0 0 0 0 0 0 0 0 0 0 01994 0 16 0 0 0 0 0 0 0 0 0 0 1 161995 0 0 0 0 0 0 0 11 2 0 0 0 2 131996 0 0 0 0 0 0 0 0 0 0 0 0 0 01997 0 0 0 0 0 0 0 0 0 0 0 0 0 01998 0 6 0 0 0 0 0 10 0 18 0 0 3 331999 0 0 0 0 0 0 0 0 0 2 1 0 2 32000 0 0 0 0 0 0 0 0 0 0 0 0 0 02001 0 0 0 0 0 0 0 0 0 0 0 0 0 02002 0 0 0 0 0 0 0 0 0 0 0 0 0 02003 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Sin deficit 27 26 31 27 31 26 27 26 28 25 27 31Años 31 31 31 31 31 31 31 31 31 31 31 31Con deficit 4,00 5,00 0,00 4,00 0,00 5,00 4,00 5,00 3,00 6,00 4,00 0,00

13% 16% 0% 13% 0% 16% 13% 16% 10% 19% 13% 0%

Tabla 25: Anomalías por déficit en precipitaciones según ajuste por estadísticos. Fuente: Elaboración propia


Página - 109 -

Deficit percentil 10

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 Nª Deficit2 0 2 3

19 1 190 7 39 18 4 64

20 2 3 0 0 9 4 341 19 1 3 21

14 1 142 1 2

20 1 2022 16 2 38

1 1 112 1 12

7 12 2 192 27 2 29

4 1 4

9 1 917 1 17

1 18 19 3 388 7 0 0 2 16

9 1 96 23 2 29

14 1 146 1 6

1 0 2 27 30 31 3 67

10 14 2 2411 4 2 3 17

1971 0 0 0 0 0 0 0 0 0 01972 0 0 0 0 0 0 0 0 0 0 01973 0 0 0 0 0 0 0 01974 0 0 0 0 0 01975 0 0 0 0 0 0 0 0 01976 0 0 0 0 0 0 0 0 0 0 01977 0 0 0 0 0 0 0 0 0 0 01978 0 0 0 0 0 0 0 0 0 0 01979 0 0 0 0 0 0 0 0 0 01980 0 0 0 0 0 0 0 0 0 0 01981 0 0 0 0 0 0 0 0 0 0 01982 0 0 0 0 0 0 0 0 0 01983 0 0 0 0 0 0 0 0 0 01984 0 0 0 0 0 0 0 0 0 0 01985 0 0 0 0 0 0 0 0 0 0 0 0 0 01986 0 0 0 0 0 0 0 0 0 0 01987 0 0 0 0 0 0 0 0 0 0 01988 0 0 0 0 0 0 0 0 01989 0 0 0 0 0 0 0 01990 0 0 0 0 0 0 0 0 0 0 01991 0 0 0 0 0 0 0 0 0 01992 0 0 0 0 0 0 0 0 0 0 01993 0 0 0 0 0 0 0 0 0 0 01994 0 0 0 0 0 0 0 0 0 0 0 0 0 01995 0 0 0 0 0 0 0 0 0 01996 0 0 0 0 0 0 0 0 01997 0 0 0 0 0 0 0 0 0 01998 0 0 0 0 0 0 0 0 01999 0 0 0 0 0 0 0 0 0 0 0 0 0 02000 0 0 0 0 0 0 0 0 0 0 0 0 0 02001 0 0 0 0 0 0 0 0 0 0 0 0 0 02002 0 0 0 0 0 0 0 0 0 0 0 0 0 02003 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Sin deficit 29 29 29 29 29 29 29 29 29 29 29 29Años 33 33 33 33 33 33 33 33 33 33 33 33Con deficit 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00 4,00

12% 12% 12% 12% 12% 12% 12% 12% 12% 12% 12% 12%

Tabla 26: Anomalías por déficit en precipitaciones a través del percentil 10.

Fuente: Elaboración propia


Página - 110 -

Exceso media + desviación

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 Nª Exceso1966 0 0 118 0 0 0 0 0 0 0 0 0 1 1181967 0 0 0 0 0 9 42 0 0 100 0 0 3 1501968 0 0 0 0 0 0 0 0 0 0 0 101 1 1011969 0 0 0 0 40 0 0 0 0 0 0 0 1 401970 0 0 0 0 19 0 7 0 0 0 0 0 2 261971 55 46 0 0 0 0 0 0 0 0 0 0 2 1011972 0 0 0 0 0 0 0 28 15 0 0 0 3 421973 0 41 0 45 0 0 8 0 0 0 0 0 3 941974 25 0 0 0 0 0 0 39 0 0 0 0 2 631975 0 0 0 0 0 0 0 2 0 0 0 0 1 21976 51 0 0 0 0 0 14 0 0 41 0 52 4 1571977 0 62 0 0 0 0 0 0 107 0 0 0 2 1701978 75 28 0 0 0 0 83 0 0 0 0 0 3 1861979 0 0 0 0 0 0 0 36 0 0 0 0 1 361980 0 0 0 0 0 0 0 0 0 0 0 0 0 01981 40 0 0 0 10 0 0 0 0 0 0 19 3 691982 0 0 0 0 0 0 0 0 0 0 0 0 0 01983 0 0 0 0 0 0 0 19 13 0 0 0 2 321984 0 89 0 0 0 0 0 0 0 0 0 0 1 891985 0 0 0 16 0 154 0 0 0 0 0 0 2 1701986 0 0 0 95 0 29 0 59 6 0 49 0 5 2381987 0 0 0 0 0 0 0 0 0 0 0 0 0 01988 0 0 230 0 0 0 0 0 0 0 0 0 1 2301989 0 0 0 0 0 0 0 50 0 0 0 8 2 591990 0 105 0 53 0 0 0 0 0 0 0 0 2 1571991 0 0 0 0 0 0 28 0 0 0 0 0 1 281992 0 0 0 0 0 6 0 5 0 0 0 0 2 101993 0 66 0 0 0 0 0 0 0 94 221 73 4 4541994 0 0 0 0 0 0 0 0 0 0 0 0 0 01995 0 0 0 44 0 5 0 0 0 0 0 0 2 481996 0 0 0 6 0 0 0 0 41 0 0 0 2 481997 0 0 0 0 0 0 0 0 0 0 0 53 1 531998 0 0 0 0 0 0 0 0 0 0 0 0 0 01999 0 0 72 0 0 0 0 0 0 0 0 0 1 722000 0 0 0 11 197 0 1 0 9 0 0 0 4 2192001 24 0 71 0 0 0 0 21 0 109 0 0 4 2252002 0 0 0 0 44 0 0 0 0 0 0 20 2 642003 0 12 0 0 0 0 0 0 38 0 0 0 2 50

Sin exceso 27 25 30 26 29 26 26 24 27 29 30 26Años 32 32 32 32 32 32 32 32 32 32 32 32Con exceso 5,00 7,00 2,00 6,00 3,00 6,00 6,00 8,00 5,00 3,00 2,00 6,00

16% 22% 6% 19% 9% 19% 19% 25% 16% 9% 6% 19%

Tabla 27: Anomalías por exceso de precipitaciones según ajuste por estadísticos.



Página - 111 -

Exceso percentil 90

AÑO 1 2 3 4 5 6 7 8 9 10 11 12 Nª Exceso1973 0 0 0 0 0 0 6 0 0 0 0 0 1 61974 172 0 0 0 0 0 0 0 0 0 0 0 1 1721975 0 0 0 0 0 0 0 0 0 0 0 0 0 01976 0 0 0 0 0 0 0 0 0 0 0 0 0 01977 0 21 0 0 0 0 0 0 86 0 0 0 2 1071978 0 0 0 0 0 0 0 0 0 0 0 0 0 01979 0 0 0 0 0 0 0 0 0 0 0 0 0 01980 0 0 0 3 0 0 0 0 0 0 0 0 1 31981 0 0 0 0 55 0 0 0 0 0 0 0 1 551982 0 0 0 0 0 2 0 0 0 0 0 0 1 21983 0 0 0 0 0 0 0 38 0 0 0 0 1 381984 0 0 0 0 0 0 0 0 0 0 0 0 0 01985 0 0 0 0 0 147 0 0 0 0 0 0 1 1471986 0 0 0 0 0 0 0 2 0 0 6 0 2 81987 0 0 0 0 0 0 0 0 0 0 0 0 0 01988 4 0 100 0 0 0 0 0 0 0 0 0 2 1031989 0 0 0 0 0 0 0 0 0 0 0 0 0 01990 0 0 0 0 0 0 0 0 0 0 36 0 1 361991 0 0 0 0 0 0 31 0 0 0 0 0 1 311992 0 0 0 0 0 0 0 0 0 0 0 0 0 01993 0 15 0 73 0 0 0 0 0 16 0 0 3 1051994 0 0 0 0 0 0 0 0 0 0 0 0 0 01995 0 0 0 0 0 0 0 0 0 0 0 0 0 01996 0 0 0 0 0 0 0 0 0 0 0 0 0 01997 0 0 0 0 0 0 0 0 0 0 0 125 1 1251998 0 0 0 0 0 0 0 0 0 0 0 49 1 491999 69 0 0 0 0 0 0 0 0 0 0 0 1 692000 0 0 0 0 133 0 0 0 0 0 0 0 1 1332001 0 0 0 0 0 0 0 0 0 53 0 0 1 532002 0 0 242 0 0 0 0 0 0 0 0 0 1 2422003 0 0 0 0 0 0 0 0 3 0 0 0 1 3

Sin exceso 28 29 29 29 29 29 29 29 29 29 29 29Años 31 31 31 31 31 31 31 31 31 31 31 31Con exceso 3,00 2,00 2,00 2,00 2,00 2,00 2,00 2,00 2,00 2,00 2,00 2,00% 10% 6% 6% 6% 6% 6% 6% 6% 6% 6% 6% 6%

Tabla 28: Anomalías por exceso de precipitaciones según percentil 90.


Precipitación media acumulada y precipitación acumulada de los años agrícolas que se han considerado anómalos en función del percentil diez.

Precipitación acumulada (mm)

0,00

200,00

400,00

600,00

800,00

1000,00

1200,00

1400,00

1600,00

4 5 6 7 8 9 10 11 12 1 2 3

m eses

prec

ipita

ción

(mm

)

Media acum ulada 1971-72 1978-79 1988-89 1995-96 1999-00

Gráfico nº 27: Precipitación media acumulada Fuente: elaboración propia

Página - 112 -


Página - 113 -

De los resultados obtenidos se puede destacar lo siguiente:

Que las campañas agrícolas en las que se produjeron mayores anomalías en cuanto al defecto de precipitaciones fueron las siguientes:

CAMPAÑAS AGRÍCOLAS DNM INIA

1971/72

1979/80 1988/89 1995/96 1996/97 1999/00

1971/72 1973/74 1979/80 1988/89

1999/00 Tabla 29.- Campañas agrícolas con anomalías por defecto

Fuente: DNM e INIA

Las campañas resaltadas en negrita son aquellas en las que las anomalías se producen de forma generalizada en ambas redes.

Aproximadamente cada diez años se produce de forma general en el conjunto de estaciones de ambas redes, lo que se puede considerar anomalía por déficit hídrico.

El año 1989 presenta el mayor déficit acumulado anual con un valor de 125 milímetros, frente a un valor medio de 22 milímetros.

El mes en el que se dio un déficit mayor, fue el de mayo del año 1953.

Las campañas de 1995 y 1996, fueron dos campañas consecutivas en las que se produjeron estás anomalías en un número amplio de estaciones de la red de la DNM.

Analizadas las anomalías en función de los años naturales, los años 1973, 1979, 1989 y 1999 fueron los años en los que en la mayor parte de estaciones se registraron anomalías de precipitación por déficit.

Teniendo en cuenta la heterogeneidad de las dos redes utilizadas, con el fin de analizar la dispersión de los resultados de cada una de ellas respecto a los obtenidos en base al conjunto total, se ha realizado una comparativa entre las estaciones de ambas redes que se encuentran más próximas geográficamente. Las estaciones comparadas son las siguientes:

ESTACIONES INIA DNM

Estanzuela 86560 Brujas 86580

Tacuarembo 86370 Salto 86360

Treinta y tres 86500 Tabla 30.- Estaciones comparadas



Página - 114 -

Las campañas y años especialmente anómalos de las series de las estaciones de DNM e INIA que se encuentran situadas próximas, son muy similares como se muestra a continuación en el siguiente cuadro:

Estaciones

comparadas Campañas anómalas

Años anómalos según

σ)X( −

Años anómalos según

los percentiles

Estanzuela 1988-99/1999-00 1973/1988/1999 1988/1999

86560 1988-89/1995-96/

1999-00

1973/1979/

1988/1999 1988/1999

Brujas 1974-75/1979-80/

1988-89 1973/1974/1979 1973/1975

86580 1975-76/1988-89/

1996-97/1999-00 1973/1974/1979 1973

Tacuarembo 1979-80/1988-89/

1995-96 1991 1991

86370 1978-79/1988-89/ 1995-96 /1999-00

1978/1979/1990 1978/1979/1990

Salto

1971-72/1980-81/

1988-89 /1996-97/ 1999-00

1971/1973/1988/

1996/1999

1973/1980/1989/ 1996/1999

86360 1988-89/1995-96/ 1996-97/1999-00

1971/1973/1989/

1996/1999

1973/1989/ 1996/1999

Treinta y tres 1988-89/1990-91/

1999-00 1973/1979/ 1989/1990/

1973/1985/

1989/1991

86500 1988-89/1990-91/

1999-00 1973/1979/ 1989/1990

1973/1979/

1989/1990

Tabla 31.- Anomalías por estación y año

Los años que aparecen en negrita son aquellos en los que las anomalías se dieron en ambas estaciones.

V.2.2.2 ESTUDIOS ZONAS HOMOGENEAS DE LLUVIA POR ESCENARIO

Una vez realizados los análisis descriptivos con la información depurada, se han efectuado distintas técnicas de análisis multivariante (análisis cluster jerárquico y no jerárquico y análisis de la varianza) para agrupar estaciones cuyo comportamiento respecto a los cinco escenarios definidos, fuera semejante.


Página - 115 -

Realizados los análisis de segmentación y homogeneidad de comportamiento para los cinco eventos asociados con la lluvia, las agrupaciones resultantes fueron las siguientes:

1. Número de días de lluvia:

o Melilla, Prado, Carrasco, Punta del Este, Inia-Las Brujas, Inia-Tacuarembó

o Florida, San José, Trinidad, Paso de los Toros, Durazno o Artigas, Rivera, Tacuarembó o Bella Unión, Salto, Inia- Salto, Inia-Estanzuela o Mercedes, Paysandú, Young, Colonia, Inia-Tacuarembó o Rocha, Inia-Treinta Y Tres, Treinta Y Tres, Melo

2. Un día de lluvia:

o Melilla, Prado, Carrasco, Punta del Este, Inia-Las Brujas o San José, Rocha, Inia-Treinta Y Tres, Treinta Y Tres, Melo o Artigas, Rivera o Paso de los Toros, Bella Unión, Tacuarembó, Inia-Tacuarembó o Mercedes, Trinidad, Paysandú, Salto, Young, Colonia, Inia-Salto o Trinidad, Florida, Durazno o Inia-Estanzuela

3. Dos días de lluvia:

o Melilla, Prado, Carrasco, Inia-Las Brujas, Inia-Estanzuela, San José o Punta del Este, Rocha, Treinta Y Tres o Melo, Tacuarembó o Trinidad, Young, Florida, Colonia o Paso de los Toros, Mercedes, Inia-Treinta Y Tres, Durazno o Artigas, Rivera o Bella Unión, Salto, Inia-Salto, Inia-Tacuarembó, Paysandú

4. Tres días de lluvia:

o Melilla, Carrasco, Prado, Punta del Este o Colonia, Inia-Brujas, Inia-Estanzuela o Treinta Y Tres, Inia-Treinta Y Tres o Florida, Paso de los Toros, Rocha, San José o Artigas, Rivera o Mercedes, Paysandú, Trinidad, Young, Durazno o Bella Unión, Salto, Inia-Salto o Tacuarembó, Inia-Tacuarembó, Melo

5. Lluvia abundante:

o Melilla, Prado, Carrasco, Punta del Este, Rocha o Mercedes, San José, Colonia, INIA-Brujas, INIA-Estanzuela o Melo, Treinta y Tres, INIA-Treinta y Tres


Página - 116 -

o Durazno, Florida, Trinidad, Paysandú, Paso de los Toros, Young o Artigas, Rivera, Bella Unión o Tacuarembó, INIA-Tacuarembó o Salto, INIA-Salto

Las tablas y gráficos con los análisis de la varianza intergrupos y los tests F correspondientes aparecen en el Anexo IX.II – Lluvias por grupos homogéneos.

Los resultados evidencian comportamientos homogéneos dentro de cada agrupación así como una confirmación de la significatividad estadística de cada variable empleada en el análisis.

Los mapas correspondientes a cada uno de los grupos de homogeneidad referidos a cada uno de los cinco escenarios, se encuentran en el epígrafe II del Apéndice 5-Mapas de distribución de estaciones por grupo de homogeneidad según evento.

V.2.3. ANÁLISIS DEL EVENTO GRANIZO

En el caso del granizo, el análisis fue ligeramente distinto, dado que la depuración de datos desechó una parte significativa de los mismos, por lo que no se pudieron realizar agrupaciones estadísticas mediante las técnicas citadas, al considerar la nula representatividad que podrían haber tenido los resultados obtenidos si se tiene en cuenta la aleatoriedad de la ocurrencia del evento estudiado en relación con la escasa distribución de estaciones disponibles para el estudio.

El proceso de análisis de los datos correspondientes al granizo se realizó teniendo en cuenta la descripción del evento y de los parámetros que lo caracterizan.

Una vez depurada la base de datos y teniendo en cuenta las limitaciones impuestas por la información disponible, el análisis ha girado en torno al cálculo de frecuencias, teniendo en cuenta las siguientes consideraciones:

a) Agrupación de los datos por decenas para homogeneizar el estudio del granizo con el resto de eventos.

b) Se ha distinguido entre dos fenómenos: La ocurrencia en un día determinado del pedrisco y la existencia de pedriscos múltiples en un mismo día, teniendo en cuenta lo establecido en el Capítulo IV, punto V.1. Depuración de datos.

c) Debido a la importante ausencia de datos correspondientes a los campos relativos a: hora de inicio, duración, tamaño máximo y tamaño mínimo, no han podido ser tenidos en cuenta a la hora de analizar la frecuencia del evento, pero sí como elementos para el proceso de depuración, tal y como se ha señalado anteriormente.

Como ya se indicó en el apartado relativo a la depuración de datos, se ha trabajado con la información recogida en 21 estaciones pertenecientes a la red de la DNM, cuyas probabilidades mensuales por estación se recogen en el epígrafe II del Anexo XI-Granizo ya citado.


Página - 117 -

VI. MAPAS DE FRECUENCIA POR EVENTO

VI.1 INTRODUCCIÓN

Los sistemas de información geográfica (SIG) son un conjunto de herramientas orientadas al tratamiento de información digital que contenga una componente de interés espacial. Además, cuentan con la ventaja añadida de que permite integrar la modelización numérica con las herramientas cartográficas. De esta forma se pueden construir mapas objetivos y a la vez predictivos. Este moderno concepto de la cartografía permite, además de planificar y gestionar, tener una mejor comprensión de los distintos fenómenos que puedan darse a lo largo del territorio representado en dichos mapas.

Una de las aplicaciones de este tipo de sistemas es la integración de datos climáticos. La generación de mapas climáticos puede realizarse mediante interpolación espacial de datos puntuales pertenecientes a las estaciones metereológicas disponibles, o bien, cuando estos datos no están disponibles, a través de la digitalización de mapas preexistentes.

La combinación de herramientas SIG, métodos estadísticas y técnicas de interpolación espacial permite la elaboración de una cartografía climática que permita mejorar la comprensión y gestión del entorno. La cuantificación es importante porque, además de para introducir objetividad en el proceso de cartografiado, permite calcular el error asociado de los mapas resultantes. Además, la ausencia de un método de interpolación implica que hay que validar distintas pruebas cartográficas para detectar el modelo más fiable.

Por otro lado, los SIG posibilitan actualizar los mapas más fácilmente cuando haya nueva información disponible, bien por incorporación de nuevos datos, bien por el establecimiento de nuevas estaciones. Por ello, es importante automatizar los procesos para minimizar los errores y facilitar el manejo de los datos.

El objetivo del trabajo al generar mapas de frecuencia para los distintos eventos climáticos ha sido representar con la máxima objetividad los datos manejados a través de técnicas estadísticas, y la mejor aproximación cartográfica posible utilizando SIG.

El problema ha estado en obtener una superficie de valores continuos a partir de los datos de las estaciones metereológicas disponibles para cada uno de los eventos analizados, teniendo en cuenta la información geográfica existente respecto de cada una de las estaciones de las redes disponibles.

Una vez depurados y validados los datos climáticos, basándose en la definición de “evento climático”, se han obtenido las tablas de frecuencia de acaecimiento de cada uno de estos eventos tal y como se ha expuesto en el Capítulo IV de este estudio.

A partir de estas frecuencias se ha procedido a la construcción de los correspondientes mapas. Teniendo en cuenta que los cálculos de probabilidad de ocurrencia se han realizado a escala decenal, para la elaboración de estos mapas se


Página - 118 -

ha mantenido también la decena como intervalo temporal, de tal forma que para cada decena se ha generado un mapa de frecuencias.

VI.2 METODOLOGÍA Y SISTEMA DE GENERACIÓN

El software utilizado para la elaboración de estos mapas ha sido SURFER 8, de Golden Software, Inc., ya que al ser esta herramienta la más utilizada entre los miembros del grupo de trabajo, facilitaba el intercambio de información entre sus componentes.

SURFER es un programa gráfico basado en ejes que permite interpolar datos distribuidos de forma irregular en un sistema de coordenadas XYZ regular. Este espacio normalizado permite elaborar diferentes tipos de mapas incluyendo contorno, vectores, curvas de nivel, imágenes y mapas de superficie.

Para la construcción de los mapas, SURFER dispone de diversos métodos de cálculo. En este caso el método utilizado ha sido el método KRIGING.

Este método ha demostrado ser el que mejor se adapta al manejo de este tipo de variables. Además, se ha optado por él al ser el método más usado por los especialistas en la elaboración de mapas y por ser también, el empleado por aquellos miembros del grupo de trabajo que desarrollan su actividad en este área de conocimiento.

KRIGING es un método geoestadístico de interpolación que ha probado ser útil y conocido en muchos campos. Dicho método provee, a partir de una muestra de puntos, ya sean regular o irregularmente distribuidos, valores estimados de aquellos sitios donde no hay información, sin sesgo y con una varianza mínima conocida.

Los fenómenos distribuidos en el espacio presentan un carácter mixto, un comportamiento caótico o aleatorio a escala local, pero a la vez estructural a gran escala.

Se puede entonces sugerir la idea de interpretar este fenómeno en términos de función aleatoria, es decir, a cada punto x del espacio se le asocia una variable aleatoria Z(x). Para dos puntos diferentes x e y, se tendrán dos variables aleatorias Z(x) y Z(y) diferentes pero no independientes, y es precisamente su grado de correlación el encargado de reflejar la continuidad de cualquier fenómeno en estudio, de modo que el éxito de esta técnica es la determinación de la función de correlación espacial de los datos (Zhang, 1992).

Así, su estimador, KRIGING en este estudio, tiene como objetivo encontrar la mejor estimación posible a partir de la información disponible, y en efecto, el valor estimado obtenido Z*(x) de un valor real y desconocido Z(x), consiste en una combinación lineal de pesos asociados a cada localización donde fue muestreado un valor Z(xi) (i = 1,…n) del fenómeno estudiado, observando dos condiciones fundamentales:

1. Que el estimador sea insesgado. E[Z* - Z] = 0.

2. Que la varianza Var[Z* - Z] sea mínima.

http://www.monografias.com/trabajos15/llave-exito/llave-exito.shtml

http://www.monografias.com/trabajos14/nuevmicro/nuevmicro.shtml


Página - 119 -

De esta manera se consigue minimizar la varianza de error de estimación.

La diferencia entre KRIGING y otros métodos de interpolación es la manera como los pesos son atribuidos a las diferentes muestras. En el caso de interpolación lineal simple, por ejemplo, los pesos son todos iguales a 1/N, siendo N el número de muestras. En el KRIGING, el procedimiento es similar a la interpolación por medias móviles ponderadas, sólo que aquí los pesos son determinados a partir de un análisis espacial, basado en el semivariograma experimental. Además, KRIGING proporciona, en promedio, estimaciones con la mínima variación.

Este método utiliza en la estimación las características de variabilidad y correlación espacial del fenómeno estudiado, por lo que su uso implica un análisis previo de la información con el objetivo de definir o extraer de esta información inicial un modelo que represente su continuidad espacial. Una vez logrado, se está en condiciones de obtener el mejor valor posible en cada localización a estimar a partir de los datos medidos, acompañado de la varianza como medida del error de la estimación realizada.

Para realizar interpolaciones con esta técnica es necesario conocer previamente cuatro aspectos básicos acerca de los datos a interpolar, el semivariograma, el efecto pepita o nugget, la anisotropía y la presencia o no de un componente estructural o “drift” (Burgess y Webster, 1980).:

El semivariograma experimental. El variograma se define como la media aritmética de todos los cuadrados de las diferencias entre pares de valores experimentales separados una distancia (Journel y Huijbregts, 1978), o lo que es la mismo, la varianza de los incrementos de la variable regionalizada en las localizaciones separadas una distancia .

h

h

( ) ( )[ ] ( )hxZhxVar γ2=−+

La función ( )hγ se denomina semivariograma, y puede ser obtenida por la expresión:

( ) ( ) ( )[ ]( ) 2

121 ∑

=

+=hNp

ii hxZ

hNphγ

Donde:

( )hNp es el número de pares a la distancia h.

h es el incremento.

( )ixZ son los valores experimentales.

ix localizaciones donde son medidos los valores ( )ixZ

El problema fundamental en la obtención de un semivariograma correcto es la elección adecuada de los intervalos de distancias para los cuales será calculado


Página - 120 -

el semivariograma, de modo que en éstos la cantidad de pares encontrados sea suficiente desde el punto de vista estadístico.

El efecto pepita o nugget. El semivariograma por definición es nulo en el origen, pero en la práctica las funciones obtenidas pueden presentar discontinuidad en el origen, a esta discontinuidad se le llama efecto de pepita. Puede ser obtenido trazando una línea recta entre los primeros puntos del semivariograma empírico y extender ésta hasta que se intercepte con el eje de ordenadas. Si esta intersección ocurre por debajo de cero, el valor asumido por este efecto es cero, pues valores negativos de ( )0γ no tienen significado y no es común.

Anisotropía. Se conoce que el semivariograma describe las características de continuidad espacial de la variable regionalizada en una dirección, pero este comportamiento pueden variar según la dirección que se analice. El análisis de anisotropía es un análisis del comportamiento de la continuidad en distintas direcciones.

Cuando el semivariograma calculado en diferentes direcciones (norte-sur, este-oeste, y en direcciones intermedias de 45º ó de 22.5º, con tolerancia de 22.5º), muestra similar comportamiento, se dice que el fenómeno es isotrópico, cuando muestran diferentes comportamientos es anisotrópico (Krajewski y Gibbs, 1993). Los tipos de anisotropías más comunes son la geométrica y la zonal. (Krajewski y Gibbs, 1993; Journel y Huijbregts, 1978; Armstrong y Carignan, 1997)

Anisotropía Geométrica: Está presente cuando los semivariogramas en diferentes direcciones tienen la misma meseta pero distintos alcances.

Anisotropía Zonal: Está presente cuando los semivariogramas en diferentes direcciones tiene diferentes mesetas y alcances.

Se denomina meseta o sill el valor de ( )hγ para el cual con el aumento de h su valor permanece constante. El alcance o range es la distancia h para la cual las variables y son independientes, es decir, las distancias para la cual los valores de la variable dejan de estar correlacionados, o lo que es lo mismo, la distancia para la cual el semivariograma alcanza su meseta.

( )ixZ ( hxZ + )

Presencia de un componente estructural o “DRIFT”. Con el semivariograma experimental es posible determinar la presencia de un componente estructural o tendencia de variación conocida como “DRIFT”. En datos de elevación la presencia de un “DRIFT” responde a si el terreno presenta una pendiente general, lo que sucedería si la unidad de manejo se encuentra en la ladera de una montaña; o si por el contrario la unidad se ubica en una zona plana se diría entonces que no existe un DRIFT en los datos.

SURFER para Windows cuenta con una versión muy completa de la aplicación de la técnica KRIGING, en la cual es posible definir los parámetros de interpolación de estos cuatro elementos básicos, determinados mediante la construcción de un semivariograma experimental, o bien utilizar los parámetros por omisión provistos por el propio SURFER para Windows. La diferencia es que, con dicho semivariograma


Página - 121 -

experimental es posible indicar en el módulo KRIGING de SURFER para Windows, el modelo que ajusta la variación de la semivarianza, la semivarianza máxima entre pares de puntos conocida como SILL, el RANGO del semivariograma, y el tipo de variación (ISOTRÓPICA o ANISOTRÓPICA).

KRIGING tiene dos formas para ser aplicado, como “ORDINARY KRIGING” o “UNIVERSAL KRIGING”. El primero asume que la variación en los valores está libre de cualquier componente estructural (DRIFT). El segundo asume que dicha tendencia de variación espacial está presente en los datos. Esta puede ser ajustada de dos formas: con un modelo lineal o con uno cuadrático.

Para este estudio, aunque se han elaborado semivariogramas experimentales para analizar la tipología y distribución de los datos disponibles, no se han introducido en el módulo KRIGING de SURFER para Windows, dado el nivel de información del que se ha dispuesto.

En cuanto al tipo de modelo de KRIGING utilizado, ha sido el “ORDINARY KRIGING”, ya que los datos a interpolar, una vez tratados estadísticamente, no han mostrado que haya ningún elemento que pueda introducir un factor de anisotropía en dicha información.

De cara al análisis de los mapas, hay que tener en cuenta que si bien todos ellos han sido elaborados con una escala de color única, la escala de frecuencia representada es diferente en cada uno de los mapas, ya que es establecida por el programa por defecto basándose en la muestra.

VI.3 MAPAS DE FRECUENCIA DECENAL POR EVENTO

VI.3.1. Mapas de frecuencia decenal para la variable temperatura

Siguiendo la metodología anteriormente explicada, se han elaborado los correspondientes mapas de frecuencia para la variable temperatura, sobre la base de definición de evento de helada, recogido Capítulo IV, punto III.1. Temperatura.

Teniendo en cuenta que todas las tablas y gráficos de frecuencia que se han elaborado se han presentado a escala decenal para facilitar su representación, se ha optado por construir los mapas de frecuencia también a nivel decenal.

Aunque los umbrales considerados en el estudio eran los de 0º, -2º, -4º y –6º, los mapas de frecuencia sólo se han generado para los umbrales 0ºC y –2ºC. No se han generado mapas de isolíneas para los umbrales –4ºC y –6ºC, ya que las heladas a partir de estos umbrales son muy escasas y además se dan en un reducido número de estaciones, lo que imposibilita la generación de los correspondientes mapas.

En el Apéndice 2, epígrafe I.1, se recogen los mapas de isolíneas para el umbral 0ºC, correspondientes a las decenas 12 a la 26, ambas inclusive. En el resto de las decenas no se han registrado heladas en ninguna de las estaciones.

Igualmente, en el epígrafe I.2 del citado Apéndice, se han incluidos los mapas correspondientes al umbral –2ºC, desde la decena 15 hasta la 26, ambas inclusive.


Página - 122 -

Como en el caso anterior, no se han producido heladas en el resto de decenas para este umbral.

De una primera comparativa entre ambos umbrales, se puede ver que existe un patrón de comportamiento similar en cada una de las decenas representadas, con independencia de la frecuencia con que se dan cada uno de los umbrales, lógicamente menor a medida que las temperaturas disminuyen.

Previo al análisis de los resultados, hay que destacar el efecto que puede tener la estación de Mercedes, perteneciente a la red de la DNM, en cuanto a introducir un efecto distorsionador en la generación de las isopletas. Este efecto puede ser explicado, como ya se puso de manifiesto en distintas reuniones del grupo de trabajo, por la especial ubicación de dicha estación, no representativa de la zona.

Generado los mapas cabe plantearse el grado de fiabilidad que tienen estos, sobre todo para comparar el comportamiento de las distintas variables climáticas, los diferentes niveles de estudio temporal y las técnicas de interpolación utilizadas.

Para analizar los resultados recogidos en los mapas generados a partir de los datos disponibles para la variable temperatura, en relación con el comportamiento de la misma a lo largo del territorio uruguayo, se han creado una serie de gráficos en los que se ha pretendido reflejar los gradientes de temperatura existentes entre las estaciones que definen tres ejes con orientaciones distintas.

El objetivo ha sido comprobar si usando los valores medios de las temperaturas máximas y mínimas para el total de la serie disponible existe una tendencia constante en la variación de estos parámetros.

Como puede observarse en el gráfico que se representa a continuación, hay una variación de la media de las temperaturas máximas para la estaciones que componen el eje imaginario N-S entre las estaciones 86315 y 86560, paralelo a la frontera oeste del país, el cual va disminuyendo, de tal forma que se puede afirmar que las temperaturas máximas en la zona de Colonia y Estanzuela son inferiores a la zona de Artigas, donde el efecto “litoral” es menos patente.

Gráfico 28.- Temperatura máxima eje Norte-Sur Fuente: Elaboración propia en base a datos DNM e INIA


Página - 123 -

Igualmente, en el gráfico número 29, se aprecia una variación de la media de las temperaturas máximas para la estaciones que componen el eje imaginario que atravesaría el país desde la estación 86315 a la 86565. En él puede apreciarse un efecto similar al del gráfico anterior pero con un gradiente de temperaturas claramente inferior.

Gráfico 29.- Temperatura máxima eje transversal Norte-Sureste Fuente: Elaboración propia en base a datos DNM e INIA

Por último, en el siguiente gráfico, que representa el gradiente para el eje imaginario Noreste-Suroeste, que va desde la estación 86370 a la 86560, se aprecia el mismo efecto que en los dos anteriores.

Gráfico 30.- Temperatura máxima eje transversal Noreste-Suroeste Fuente: Elaboración propia en base a datos DNM e INIA


Página - 124 -

Teniendo en cuenta que este análisis se ha realizado para el conjunto de datos, mientras que los mapas por umbrales representan frecuencias decenales, se constata, salvo excepciones, que para las temperaturas máximas el conjunto de los mapas reflejaría la tendencia que aparece recogida en los distintos gráficos. En todo caso, las variaciones recogidas en estos gráficos vienen a confirmar los resultados obtenidos en los análisis estadísticos realizados para la creación de los grupos de homogeneidad, en el sentido de que las variaciones son muy escasas alcanzando como máximo un diferencial de 3,5 ºC.

Si se realizara el mismo análisis para las temperaturas mínimas, como puede observarse en los tres gráficos que se recogen a continuación, elaborados para cada uno de los distintos ejes, no se da la misma tendencia.

Gráfico 31.- Temperatura mínima para el eje Norte-Sur Fuente: Elaboración propia en base a datos DNM e INIA

Gráfico 32.- Temperatura mínima eje transversal Norte-Sureste Fuente: Elaboración propia en base a datos DNM e INIA


Página - 125 -

Gráfico 33.- Temperatura mínima eje transversal Noreste-Suroeste Fuente: Elaboración propia en base a datos DNM e INIA

El conjunto de los gráficos elaborados para las temperaturas mínimas muestra una mayor variabilidad sin que se pueda percibir algún tipo de orientación. Estos resultados vienen a confirmar las diferencias existentes en los distintos grupos de homogeneidad generados para las temperaturas máximas y mínimas.

VI.3.2. Mapas de frecuencia decenal para la variable lluvia

Como se recogía en el Capítulo IV, punto III.2, para el evento de lluvia se han analizado cuatro escenarios, considerando lluvia, en todos ellos, cuando la precipitación en un día es de al menos 5 mm.:

a) Probabilidad de ocurrencia del fenómeno lluvia.

b) Probabilidad de que llueva un único día en una decena determinada.

c) Probabilidad de que llueva dos días consecutivos en una decena determinada.

d) Probabilidad de que llueva tres o más días seguidos en una decena determinada.

Igualmente, se ha estudiado el evento “lluvia abundante”, definido como el fenómeno en el que se producen simultáneamente las siguientes circunstancias:

Lluvia caída en el intervalo considerado superior a 100 mm.

Durante más de dos días seguidos.


Página - 126 -

Al igual que en el caso del evento de helada, los mapas de frecuencias se han elaborado al mismo nivel en el que se han representado las tablas y gráficos de frecuencia para esta variable, es decir, a nivel decenal.

Teniendo en cuenta la importancia que tiene el exceso hídrico, los mapas que se han elaborado representan el evento de lluvia abundante.

En el Apéndice 3, aparecen recogidos las tablas de frecuencias (epígrafe I) como los mapas de frecuencia decenales (epígrafe II).

Como en el caso de la variable temperatura, también para la variable lluvia se ha planteado analizar el grado de fiabilidad que tienen los mapas elaborados.

En este caso, el objetivo ha sido comprobar si usando los valores medios de las precipitaciones recogidas en el total de la serie disponible, existe una tendencia constante en la variación de éste parámetro.

Como puede observarse en el gráfico en el siguiente gráfico, existe una variación de la media de las precipitaciones para la estaciones que componen el eje imaginario N-S entre las estaciones 86315 y 86560, el cual va disminuyendo hasta la zona de Colonia, destacan los datos recogidos por la estación 86450-Young que truncan esta tendencia.

Los mapas también reflejan en la dinámica decenal de las precipitaciones los valores que introducen pautas de comportamiento diferentes en relación con las estaciones circundantes, determinar si estos valores son el resultado de una ubicación no ideal o si por el contrario se trata de una zona con un microclima seria objeto de otro tipo de análisis.

Gráfico 34: Precipitación media anual. Eje Norte-Sur. Fuente: Elaboración propia en base a datos DNM e INIA


Página - 127 -

En el siguiente gráfico se muestra el gradiente de las precipitaciones en un eje transversal Noroeste-Sueste, que iría desde la estación número 86315-Bella Unión a la estación 86565-Rocha.

Gráfico 35: Lluvia media anual. Eje Norte-Sureste. Fuente: Elaboración propia en base a datos DNM e INIA

En el siguiente gráfico se recoge las precipitaciones medias anuales para las estaciones que conforman el eje transversal Noreste-Suroeste.

Gráfico 36: Lluvia media anual. Eje Noreste-Suroeste. Fuente: Elaboración propia en base a datos DNM e INIA


Página - 128 -

En este gráfico se observa una constante disminución de las precipitaciones en el eje imaginario que va desde la estación 86350 a la estación 86560-Colonia.

El conjunto de estos gráficos, elaborados para establecer alguna pauta de comportamiento de las precipitaciones, muestra una clara zonificación de mayores precipitaciones que recorrería el noreste del país, Rivera y Artigas.

En la franja oeste del país se produce una progresiva disminución en el sentido norte sur, con una zona de mayor pluviometría en Paysandú y Río Negro.

VI.3.3. Mapas de frecuencia decenal para la variable granizo

De acuerdo con lo recogido en el punto III.4 del Capítulo IV, en el caso del granizo, la variable estudiada ha sido la ocurrencia diaria del mismo, definiendo el evento como la precipitación de agua congelada, sólida y amorfa.

A lo largo del trabajo se ha hecho mención a la escasa información válida disponible para el estudio de este riesgo. Por ello, en la realización de los mapas de frecuencia de granizo se ha buscado la representación dinámica de la ocurrencia de dicho fenómeno, respecto de su comportamiento a lo largo del año.

En el Apéndice 4 se recogen los mapas de frecuencia decenal construidos a partir de la interpolación de los valores dados para cada una de las estaciones. Dichos mapas se han elaborado sólo para las decenas desde la 1 a la 5 y de la 10 a la 36, ambas inclusive. Para el resto de decenas (desde la 6 a la 9) no ha sido posible la elaboración de los mapas al no existir un número representativo de estaciones.


Página - 129 -

CAPÍTULO V: CÁLCULO DE LA PÉRDIDA PREVISTA EN CADA FASE

I. INTRODUCCIÓN

Hasta ahora, en los distintos análisis desarrollados se han integrado únicamente la información de tipo climático, dado que el objeto principal era establecer las frecuencias de acaecimiento de los eventos definidos y la elaboración de los correspondientes mapas.

En este capítulo se incorporan los datos agronómicos elaborados. La combinación de las frecuencias de acaecimiento, sensibilidad del cultivo frente a la ocurrencia de un evento, así como el coeficiente de daños que puedan resultar, permite establecer la valoración de las pérdidas previstas en caso de ocurrencia de un siniestro.

II. PROPUESTA METODOLÓGICA

Una vez estudiadas las probabilidades de ocurrencia de los eventos climatológicos considerados -lluvia, heladas y granizo- estación a estación, y una vez definidos los coeficientes de daño total para los cultivos escogidos en este análisis -cereales y frutales- recogidos en el Capítulo III, punto II.2. Información agronómica, el siguiente paso consiste en la combinación de ambos elementos. Es decir, se trata de evaluar la incidencia que tendría sobre un determinado cultivo, la ocurrencia de un cierto evento climático.

Esa incidencia se calcula determinando para cada una de las fases de desarrollo del cultivo la pérdida que ocasionaría la ocurrencia del evento estudiado en cada una de esas fases. El análisis de las pérdidas ocurridas en cada una de las fases del ciclo de desarrollo del cultivo, daría el total de las pérdidas.

Para evaluar esta pérdida se han realizado los siguientes pasos:

1. Delimitación de las decenas que se incluyen dentro de una determinada fase fenológica.

2. Cálculo de la probabilidad de ocurrencia de un cierto fenómeno climático dentro de esta fase. Ello implica la estimación de dichas probabilidades para cada una de las decenas consideradas.

3. Generación de todos los posibles casos que se pueden dar dentro de una fase fenológica.

Para ello se supone que la ocurrencia del evento estudiado en cada decena sigue un comportamiento dicotómico -se produce/no se produce-, siendo pi la probabilidad de ocurrencia del fenómeno en la decena i-ésima. Por tanto, el número total de posibles casos dentro de una fase será 2n, siendo n el número de decenas consideradas en esa fase fenológica.


Página - 130 -

4. Cálculo de la probabilidad de cada uno de esos casos, la cual se define como:

nn

iij j / xP 2,,2,1

1L=∀= ∏

=

siendo xi la probabilidad asociada a cada decena, definida de la forma:

⎩⎨⎧

−=

ésima-i decena la en evento el produce se no si 1ésima-í decena la en evento el produce se si

i

ii p

px

y Pj la probabilidad asociada a cada uno de los j posibles escenarios.

5. Evaluación de los porcentajes de pérdida total para cada una de las decenas como consecuencia de la ocurrencia del evento considerado.

6. Cálculo del porcentaje de la cosecha no afectada por la realización del evento al final de una determinada decena.

Así, si el porcentaje de la cosecha no afectada o sana al final de la decena i-ésima se denota por Ci y el porcentaje de pérdida total esperada en esa decena es zi, entonces:

( )iii zCC −= − 11

7. Obtención del porcentaje de cosecha no afectada en cada uno de los casos obtenidos en el paso 3.

Sustituyendo de forma recurrente, tenemos que:

( )( )( )( )( )( )

( )( ) ( ) ( ) ( )∏∏−

=−

−

=−−

−−−

−−

−

−=−=−−−=

⇒−−−=

⇒−−=⇒−=

1

0

1

00110

213

12

1

11111

11111

1

i

kki

i

kkiiii

iiiii

iiii

iii

zzCzzzCC

zzzCCzzCC

zCC

L

ya que C0 es el porcentaje inicial, es decir, la unidad. Esta última igualdad recoge la parte de la cosecha no afectada. Por tanto, la pérdida en cada uno de los posibles casos, CPj, será:

( ) ( )∏∏−

=−

−

=− −−=

⎥⎥⎦

⎤

⎢⎢⎣

⎡−−=−=

1

0

1

000 1111

i

kki

i

kkiij zzCCCCP

8. Obtención de la pérdida esperada por la ocurrencia de un cierto evento en toda la fase.


Página - 131 -

Para ello se utilizan los resultados obtenidos en las fases 4 -probabilidad de ocurrencia de cada caso de entre los 2n posibles- y 7 -pérdida probable de cada uno de los 2n casos-. Por tanto, la pérdida esperada Ef(PD) en una fase cualquiera f, se obtiene como:

( ) ∑=

⋅=m

jjjf CPPPDE

1

siendo m = 2n

A modo de ejemplo, el Apéndice 8, Pérdida esperada, recoge un posible caso para una fase que abarca seis decenas con las siguientes probabilidades de ocurrencia de un determinado evento climático considerado y el porcentaje de pérdida asociado a ese evento en cada decena:

Decena Probabilidad (%)

Cosecha Afectada (%)

19 1,75 0,47

20 0,50 0,73

21 0,68 1,00

22 1,25 1,00

23 1,50 3,67

24 0,91 6,33

Tabla 32. Porcentaje de pérdidas Fuente: Elaboración propia.

La tabla 1 del citado Apéndice recoge los posibles casos (26 = 64) con su correspondiente probabilidad de ocurrencia9, mientras que la tabla 2 recoge la pérdida probable esperada a cada uno de los 64 escenarios. En este ejemplo, y aplicando la expresión correspondiente a ( )PDE f , el resultado es 21,21%.

III. ESTIMACIÓN DE PÉRDIDAS TOTALES ESPERADAS POR CULTIVO EN CADA FASE DE DESARROLLO

Una vez cuantificadas las probabilidades de ocurrencia de los eventos climatológicos seleccionados y definidas las fases fenológicas de los cultivos en los que se centra el estudio, se ha procedido a realizar la evaluación del riesgo para cada estación y cultivo, o lo que es lo mismo, se trata de ver la incidencia de los distintos fenómenos climáticos sobre un determinado cultivo en cada una de las estaciones meteorológicas. Para ello, los pasos dados han sido los siguientes:

1. Para cada cultivo, se ha evaluado el coeficiente de daño total (en adelante, CDT) decena a decena a lo largo de todo el ciclo de desarrollo de ese cultivo.

9 Las cifras en negro que se recogen en el Anexo se corresponden con la ocurrencia del evento y las cifras en rojo con la

complementaria


Página - 132 -

Para ello, partiendo de la información agronómica correspondiente a los coeficientes de riesgo (CR) de cada fase y a los coeficientes de afección (CA), se ha procedido a calcular un coeficiente de daño total (CDT) para cada una de las fases de acuerdo con la siguiente expresión:

5CACRCDT ⋅

=

Una vez calculado este coeficiente se ha procedido a asignar el correspondiente valor a cada una de las decenas en las que se encuentra el cultivo. Dado que este coeficiente puede presentar cambios bruscos de una fase a otra, se ha supuesto que el valor obtenido para cada fase es el que habrá en la decena central de la misma. Para el resto de las decenas de cada fase se ha procedido de la siguiente forma:

Para todas las decenas anteriores al centro de la primera fase se las ha asignado el valor del primer centro.

Para todas las decenas entre dos centros se ha procedido a interpolar valores.

Para todas las decenas posteriores al centro de la última fase se les ha asignado el valor de ese último centro.

Los CDT para cada cultivo se recogen en el Apéndice 6, Coeficiente de daño, tanto para los cereales (tablas 1 a 7) como para los frutales (tablas 8 a 10)

2. Para cada estación, se han tomado las probabilidades de ocurrencia de los riesgos climáticos seleccionados -heladas, granizo y exceso hídrico- correspondientes a las decenas de cada una de las fases del ciclo del cultivo.

3. A partir de los datos anteriores -CDT de las decenas en las que se suceden las distintas fases de desarrollo y probabilidades de ocurrencia de los fenómenos-, se han evaluado las pérdidas esperadas de cosecha. Para ello se han utilizado los árboles de probabilidad que se han definido en el apartado correspondiente10. De esta forma se obtienen las pérdidas para cada una de las fases del ciclo de desarrollo, que se calcula según la siguiente expresión:

( ) ∑=

⋅=m

jjjf CPPPDE

1

4. A partir de ellas, se evalúan las pérdidas totales de cosecha como consecuencia de un cierto fenómeno climático. Así, si el número de fases es F y en cada fase se distingue entre porcentaje esperado de cosecha que no se perderá, Es(C), y el porcentaje esperado de cosecha que sí se perderá, Es(PD) Así por ejemplo, para la fase 1, el porcentaje esperado de cosecha que no se perderá se puede expresar como:

10 Capitulo VI, punto II, Propuesta metodológica.


Página - 133 -

( ) ( )[ ]PDECCE 101 1−=

para la fase 2, será:

( ) ( ) ( )[ ] ( )[ ] ( )[ ]PDEPDECPDECECE 210212 111 −−=−=

para la fase 3, será:

( ) ( ) ( )[ ] ( )[ ] ( )[ ] ( )[ ]PDEPDEPDECPDECECE 3210323 1111 −−−=−=

y, de forma general, para una fase f, será:

( ) ( )[ ]∏=

−=f

ssf PDECCE

10 1

Al realizar los cálculos en porcentaje, C0 es la unidad, por lo que:

( ) ( )[ ]∏=

−=f

ssf PDECE

11

Los cultivos para los cuales se han realizado las estimaciones de pérdidas en las cosechas se agrupan en dos grandes bloques, que se recogen en la siguiente tabla detallando el ciclo que se ha elegido para realizar los cálculos:

Cereales Frutales Arroz (primer ciclo) Durazno (ciclo muy temprano)

Cebada (primer ciclo largo) Manzana (ciclo manzanas rojas) Girasol (primer ciclo medio) Peral (ciclo muy temprano) Maíz (primer ciclo medio) Soja (ciclo INIA-Tijereta)

Sorgo (primer ciclo medio) Trigo (ciclo largo)

Tabla 33. Estimación de pérdidas: relación de cultivos Fuente: Elaboración propia.

Las estaciones y grupos de cultivos para las cuales se han estimado las probabilidades son las recogidas en la siguiente tabla:

Estación Cereales Frutales Artigas

Bella Unión

Carrasco

Colonia


Página - 134 -

Estación Cereales Frutales Mercedes

Paso de los Toros

Paysandú

Rocha

Tacuarembó

Treinta y tres

Young

Tabla 34. Estimación de pérdidas: estaciones utilizadas según cultivo Fuente: Elaboración propia.

En cuanto a los eventos climáticos hay que señalar que para el caso de las heladas se han tenido en cuenta las siguientes consideraciones:

a) Para analizar la incidencia en los cultivos de cereales, se ha tomado el umbral de helada 0º C. Sin embargo, en el caso de los frutales, la elección del umbral ha venido determinada por la fase fenológica en la cual se halle el cultivo. La relación de umbrales y fases se recoge en la siguiente tabla:

Fase Umbral

B y C - 6º C D y E - 4º C F y G - 2º C H e I 0º C I hasta 20 días - 2º C Recolección - 2º C

Tabla 35. Estimación de pérdidas: umbrales seleccionados Fuente: Elaboración propia.

b) Para el caso de los cereales se han utilizado los datos correspondientes a heladas en césped, para los frutales se ha utilizado siempre la información referida a heladas al abrigo, dada las características del cultivo.

Los resultados finales obtenidos se han recogido en el Apéndice 7, Coeficiente de pérdidas. En él figuran los coeficientes de pérdidas por cultivo y riesgo para cada fase, en el epígrafe I para los cereales, tablas 1 a 42, y en el epígrafe II los correspondientes a los frutales, tablas 1 a 33.

IV. PROPUESTA DE ZONAS HOMOGÉNEAS

Una vez establecidas las pérdidas a nivel de cultivo por cada uno de los riesgos, se han elaborado una serie de mapas de zonas homogéneas. Para la generación de los mismos se ha hecho una estratificación de los niveles de pérdida en cinco niveles. Los niveles así definidos representan valores de pérdida diferentes para cada uno de los riesgos y cultivos analizados.


Página - 135 -

La tabla para la generación de los estratos es la siguiente:

BBAAJJAA 11 MMEEDDIIAA--BBAAJJAA 22 MMEEDDIIAA 33 MMEEDDIIOO--AALLTTAA 44 AALLTTAA 55

El objetivo de tales mapas es doble:

1. Presentar de forma sencilla la distribución del riesgo.

2. Circunscribir la asignación de estos niveles de riesgo a las zonas de cultivo más representativas.

A modo de ejemplo se presenta a continuación la zonificación resultante para el cultivo de trigo y para el riesgo de exceso hídrico.

El conjunto de mapas generados se presenta en el Apéndice 9, Zonas homogéneas, se recogen las tablas elaboradas según estratos por cultivo y riesgo, así como los mapas correspondientes. Así en el epígrafe I aparecen las tablas y mapas relativos a los cultivos de cereal y oleaginosas, mientras que en el epígrafe II se han incluido los frutales.


Página - 136 -

CAPÍTULO VI: ANÁLISIS TÉCNICO.

I. INTRODUCCIÓN

Una vez elaborados los análisis climáticos y agroclimáticos, un punto importante es determinar el grado de significación que la información contenida en ambos puntos, puede aportar de cara a determinar la distribución del riesgo sobre las producciones agrícolas seleccionadas, así como su valoración.

En el estudio de las bondades y limitaciones que estos análisis aportan al conocimiento sobre la distribución y valoración de los riesgos, es preciso diferenciar dos puntos:

La base metodológica.

Los resultados obtenidos propiamente dichos.

No obstante, antes de analizar el grado de significación que este estudio puede aportar al conocimiento del manejo de riesgos agroclimáticos en Uruguay, sería conveniente señalar las causas que han limitado el desarrollo de algunos de los objetivos iniciales del propio trabajo.

II. LIMITACIONES DEL ESTUDIO

En el desarrollo de las diferentes fases, los objetivos planteados inicialmente se han tenido que adaptar a las limitaciones que han ido surgiendo de cara a disponer de toda la información necesaria para abordar estudios más ambiciosos.

Siguiendo las fases de trabajo que se han ido desarrollando a lo largo de este trabajo, podrían señalarse las siguientes:

II.1 EN LA SELECCIÓN DE CULTIVOS.

En el Capítulo III, epígrafe I.3. Selección de cultivos y riesgos, el grupo de trabajo elaboró una selección de cultivos y riesgos que deberían ser incluidos en el estudio11.

Posteriormente, y basándose en la información disponible, el trabajo se limitó a los siguientes cultivos:

Cereales: Trigo, cebada y arroz.

Cultivos de verano: Girasol, soja y maíz.

Frutales: Manzana, pera, durazno.

11 Tabla 5. Propuesta de cultivos y riesgos


Página - 137 -

Cítricos. Naranja, mandarina.

Entre los cultivos más significativos que no han sido analizados están; la horticultura a campo y la horticultura protegida.

II.2 EN LA SELECCIÓN DE RIESGOS.

Como se ha indicado anteriormente, en el Capítulo III, epígrafe I.3. Selección de cultivos y riesgos, se recogen, junto con los cultivos seleccionados, los riesgos que el grupo de trabajo consideró objeto de estudio en distintas fases, entendiendo que el objetivo de este proyecto podría asumir aquellos incluidos bajo la denominación “Riesgos prioritarios-corto plazo”.

A lo largo de este trabajo se ha hecho mención a la escasa información disponible para el estudio de diferentes riesgos, básicamente las limitaciones han surgido por la ausencia de las variables necesarias, estar disponibles para una serie de años insuficiente para la caracterización adecuada del riesgo, o finalmente, por estar disponibles en un escaso número de estaciones meteorológicas.

Sobre la base de la información disponible sólo pudieron ser analizados las variables de temperatura, lluvia y granizo.

II.3 EN LA DEFINICIÓN DE EVENTO.

Previo al cálculo de frecuencia de acaecimiento de los riesgos seleccionados, se procedió a definir para cada uno de ellos el concepto de “evento climático”. De acuerdo con las aportaciones del grupo de trabajo, y las definiciones propuestas por ellos, las limitaciones encontradas para el análisis de los riesgos fueron las que se señalan a continuación.

II.3.1. Granizo

La propuesta inicial contemplaba el análisis de este fenómeno describiéndolo según una serie de parámetros, como son el diámetro, la densidad y el tiempo de duración del fenómeno. Además, de forma adicional, se planteó la posibilidad de considerar la superficie afectada por cada fenómeno de granizo.

Dado que la información disponible era muy limitada en cuanto a diámetro, densidad, duración del fenómeno y superficie afectada, el estudio del evento granizo se ha centrado en únicamente la frecuencia de ocurrencia del granizo.

II.3.2. Viento.

En el caso del viento, la propuesta de análisis consideraba la frecuencia, intensidad y superficie afectada, creando diferentes tipos de viento en base a la velocidad y la duración.

Para este fenómeno, ha sido más patente la falta de información que permitiera abordar su análisis. La mayor limitación ha venido dada por el escaso número de


Página - 138 -

estaciones meteorológicas con información de viento, y que la existente no recoge parámetros como son la intensidad, duración ni superficies afectadas.

II.3.3. Heladas.

En el caso de las heladas los planteamientos para su análisis contemplaba diferenciar entre las heladas medidas a nivel de suelo, que afectan a una serie de cultivos extensivos (cereales, arroz, etc.), y las heladas medidas a 2 m. de altura que son las que afectan a los cultivos leñosos (frutales y cítricos).

Para ello la información necesaria integraba datos para las heladas a nivel del suelo (césped), y datos para heladas a nivel de caseta (2 m. de altura).

La información recibida para cada una ha estado referida a un número de estaciones muy diferentes y si bien ha sido analizada la información climática, no ha sido estudiado el fenómeno de helada a nivel de suelo para los cultivos específicos debido al escaso número de estaciones disponibles.

Otro de los análisis propuesto fue diferenciar el fenómeno de helada negra del resto. Este estudio no ha sido posible abordarlo debido a la falta de información adecuada del parámetro “Humedad relativa”, del que sólo se disponía información del valor medio diario.

II.3.4. Lluvias

En el caso de la variable lluvia se propuso analizar el evento en función de la intensidad, entendiendo por tal la combinación del factor cantidad de lluvia y duración.

El estudio se ha centrado en cinco escenarios distintos. Sin embargo, ha quedado limitado debido a la falta de definición del evento sequía referido a los cultivos agrícolas seleccionados y a los pastos.

En el primer caso si se ha realizado un estudio de sequía en base a la propuesta de evento recogida en el Capítulo IV, epígrafe III.3. En el caso de la sequía en pastos no se ha realizado ningún análisis al no contar con información sobre los parámetros necesarios que pudieran permitir un estudio basado en métodos de balance hídrico.

II.4 EN EL ANÁLISIS POR CULTIVO

Como se ha explicado a lo largo del documento el análisis de los riesgos climáticos que afectan a los cultivos debe ser enfocado teniendo en cuenta las diferentes formas en que se dan los fenómenos climáticos y la forma en que estos afectan a los cultivos.

Si bien el grupo de trabajo elaboró para los grandes cultivos el desarrollo fenológico de los mismos, computando la duración de cada una de las fases, no se llegó a determinar el nivel de afección que la ocurrencia de cada uno de los eventos climáticos seleccionados podía producir para cada cultivo y en cada una de las fases de desarrollo.


Página - 139 -

El estudio de las pérdidas posibles se ha realizado en base a la propuesta que se hizo, teniendo en cuenta las características agronómicas de cada cultivo y la sensibilidad del mismo en cada una de sus fases, en relación con los riesgos estudiados.

Esta propuesta se ha basado en la experiencia y conocimiento técnico de los expertos de Agroseguro, por lo que está sujeta a la adecuación de las posibles diferencias que pueda tener el desarrollo de los cultivos y la naturaleza de los riesgos en ambos países.

III. LA BASE METODOLÓGICA

La base metodológica recogida en este estudio sistematiza los análisis necesarios a realizar con el fin de elaborar mapas de riesgos para una zona geográfica concreta, en este caso, para Uruguay, así como para obtener el valor de las pérdidas posibles en caso de ocurrencia de un determinado evento.

Bajo este prisma, la metodología que se ha aplicado en todo el proceso ha tenido como objetivo preparar un primer nivel de bloque de información necesaria y generar una base de conocimiento resultado de la integración de distintos grupos de trabajo multidisciplinar.

En relación con el bloque de información, la base metodológica, partiendo de información agronómica y climática aislada, ha generado valores agregados al introducir en ambos ámbitos el concepto del riesgo agroclimático:

Información agronómica. Partiendo de los modelos de desarrollo de los distintos cultivos estudiados –fenología- se ha introducido el concepto de sensibilidad de dicho cultivo frente a un determinado evento climático que puede causar pérdidas. Basándose en ese concepto de “sensibilidad” se ha incorporado el concepto de “nivel de afección”.

El resultado de este proceso ha sido la propuesto de los coeficientes de afección para cada una de las fases de desarrollo, para cada uno de los cultivos objeto de estudio12.

Información climática. Previo al análisis de los datos metereológicos, se definió para cada una de las variables el concepto de “evento climático”. Una vez definido, se calcularon las probabilidades de ocurrencia de cada uno de ellos, obteniendo las correspondientes frecuencias.

La combinación de ambos elementos –coeficientes de afección y frecuencia de ocurrencia- dio como resultado los coeficientes de pérdidas13.

La metodología desarrollada permite, al combinar en el tiempo la ocurrencia de uno o más eventos, obtener las pérdidas esperadas totales14.

12 Capítulo III, epígrafe II.2 13 Apéndice 7, Coeficiente de pérdidas 14 Apéndice 8, Pérdida esperada


Página - 140 -

Esta pérdida esperada así establecida es la esperanza matemática de ocurrencia de dicho evento, previamente definido. La aplicación de las correspondientes franquicias y deducibles permitirá al asegurador tarificar cada uno de esos riesgos, bien de forma aislada o individualizada, bien de forma combinada o multirriesgo.

A lo largo de este estudio se han detallado paso a paso las distintas fases y procesos en los que se ha dividido y los diferentes trabajos realizados a partir de la información climática y agronómica del país.

Además del diseño y creación de la estructura metodológica antes citada, la depuración de los datos de origen y la construcción de las distintas bases de datos de acuerdo a una sistemática rigurosa ya establecida, permitirán en el futuro la inclusión de datos ulteriores que actualizarán dichas bases de datos y que posibilitarán dos tipos de análisis posteriores:

Comprobación de los resultados obtenidos y análisis de las posibles desviaciones, con lo que podrán corregirse las posibles desviaciones.

Completar el estudio hasta ahora realizado haciendo extensivo a otros eventos y cultivos.

Los pasos a seguir con el fin de realizar dicha actualización, de forma sistemática, serían los que se detallan a continuación. Se trata de realizar dieciséis pasos que pueden agruparse en función de las tres fases anteriormente comentadas.

Fase 1: Análisis inicial de la información.

1. Recogida del dato de un determinado evento en cada una de las estaciones. 2. Comprobación y depuración, si procede, de la información.

Fase 2: Estimación de la probabilidad de ocurrencia de cada fenómeno a analizar.

3. Recálculo de la probabilidad periódica -decenal o mensual según el caso-.

4. Confirmación de la estabilidad de las áreas estadísticamente homogéneas utilizando el análisis multivariante.

Fase 3: Estimación de las pérdidas asociadas a un cierto cultivo por ocurrencia de un determinado evento en una zona concreta. En esta fase pueden distinguirse dos etapas:

Etapa a) Cálculo de la pérdida prevista en cada fase fenológica:

5. Delimitación de las decenas que se incluyen dentro de una determinada fase fenológica.

6. Cálculo de la probabilidad de ocurrencia de un cierto fenómeno climático dentro de esta fase estimando dichas probabilidades para cada una de las decenas consideradas.

7. Generación de todos los posibles casos que se pueden dar dentro de una fase fenológica.

8. Cálculo de la probabilidad de cada uno de esos casos.


Página - 141 -

9. Evaluación de los porcentajes de pérdida total para cada una de las decenas como consecuencia de la ocurrencia del evento considerado.

10. Cálculo del porcentaje de la cosecha no afectada por la realización del evento al final de una determinada decena.

11. Obtención del porcentaje de cosecha no afectada.

12. Cálculo de la pérdida esperada por la ocurrencia de un cierto evento en toda la fase.

Etapa b) Estimación de la pérdida total esperada por estación y cultivo:

13. Cálculo del coeficiente de daño total (CDT), dado un cierto cultivo, decena a decena a lo largo de todo el ciclo de desarrollo de cada cultivo.

14. Especificación de las probabilidades de ocurrencia de los riesgos climáticos seleccionados -heladas, granizo y exceso hídrico- correspondientes a las decenas de cada una de las fases del ciclo del cultivo para cada estación.

15. Evaluación de las pérdidas esperadas de la cosecha para cada una de las fases del ciclo de desarrollo utilizando los árboles de probabilidad definidos en la etapa a) a partir de los datos anteriores (CDT de las decenas en las que se suceden las distintas fases de desarrollo y probabilidades de ocurrencia de los fenómenos).

16. Evaluación de las pérdidas totales de cosecha como consecuencia de un cierto fenómeno climático a partir de las pérdidas de cada fase calculadas en el paso anterior.

IV. ANÁLISIS DE LOS RESULTADOS OBTENIDOS

Los distintos estudios realizados para los dos tipos de análisis elaborados –climático y agroclimático-, se han estructurado en dos grandes fases:

1. Análisis inicial de la información y estimación de las probabilidades de ocurrencia de los fenómenos a analizar.

2. Estimación de las pérdidas asociadas a un cierto cultivo por ocurrencia de un determinado evento en una zona concreta.

IV.1 ANÁLISIS INICIAL DE LA INFORMACIÓN Y ESTIMACIÓN DE LAS PROBABILIDADES DE OCURRENCIA DE LOS FENÓMENOS A ANALIZAR

Como se ha ido comentando a lo largo del trabajo, partiendo de las bases de datos recibidas, se procedió a depurar y preparar la información para ser analizada posteriormente con técnicas estadísticas.

Un aspecto crucial es la determinación de la longitud del intervalo temporal a considerar. La razón para esta división es que los datos diarios son poco operativos y los mensuales agrupan en exceso encubriendo comportamientos. Sin embargo, en el


Página - 142 -

caso del granizo, los datos se trataron de forma mensual debido a la escasez de información disponible para el análisis tras la depuración de la información recibida.

En el estudio de las bases de datos manejadas se han realizado dos tipos de análisis estadísticos:

1. Univariante, es decir, serie a serie por estación.

2. Multivariante, relacionando la información suministrada para un mismo fenómeno por varias estaciones meteorológicas.

El objetivo final del análisis climático es la obtención, si fuere posible, de zonas con comportamientos homogéneos para cada uno de los eventos analizados.

Los resultados de los análisis sugieren la existencia de zonas homogéneas distintas en función del evento analizado.

IV.1.1. Temperaturas

En este caso sólo se han obtenido bloques homogéneos para el caso de las temperaturas al abrigo y no en césped por el escaso número de estaciones disponibles con esa información. En concreto, y en función de los distintos umbrales de temperatura utilizados –0ºC, -2ºC, -4ºC, -6ºC-, se obtuvieron las diferentes agrupaciones15.

Igualmente, una vez realizados los análisis de segmentación y homogeneidad de comportamiento para las temperaturas máximas y mínimas, los grupos resultantes fueron:

a) Temperaturas máximas:

GM1: INIA-Treinta y Tres, Colonia, INIA-Tacuarembó, Paso Toros GM2: INIA-Estanzuela, INIA-Brujas, Rocha, Carrasco GM3: Paysandú, INIA-Salto, Young, Mercedes,Tacuarembó, Treinta y Tres GM4: Bella Unión, Artigas

b) Temperaturas mínimas:

Gm1: INIA-Treinta y Tres, Colonia, INIA-Tacuarembó, Paso Toros. Gm2: INIA-Estanzuela, INIA-Brujas, Rocha, Carrasco, Paysandú, INIA-Salto, Mercedes, Treinta y Tres Gm3: Bella Unión, Artigas, Young Gm4: Tacuarembó

Para poder caracterizar mejor cada una de las agrupaciones respecto a las temperaturas máximas y mínimas, se detallan en las dos tablas siguientes los valores:

15 Capítulo IV, epígrafe V.2.1.2.


Página - 143 -

GM1 GM2 GM3 GM4

DECENA MAX MIN MAX MIN MAX MIN MAX MIN

1 34,50 24,45 32,79 23,14 37,29 25,20 35,73 27,31 2 33,62 25,78 32,24 23,38 36,18 26,53 33,67 28,12 3 34,78 25,81 32,59 23,51 36,23 26,04 34,48 28,31 4 32,59 24,03 31,73 22,68 34,71 25,77 34,00 28,45 5 34,92 24,81 32,07 23,79 37,08 24,09 31,27 28,38 6 33,41 24,23 32,80 23,00 34,90 25,73 32,86 28,58 7 33,50 24,74 31,58 23,27 34,45 25,92 34,30 28,30 8 30,00 22,31 32,58 21,76 31,61 22,59 32,19 23,59 9 30,27 22,29 30,75 21,05 32,63 22,36 29,98 23,48 10 30,17 19,97 28,38 18,74 30,33 20,58 28,67 23,14 11 27,37 19,16 26,76 17,96 28,71 19,79 28,14 21,63 12 28,52 17,96 26,95 17,17 29,71 18,65 27,25 20,51 13 25,28 15,98 24,46 13,77 27,94 15,79 26,79 18,24 14 24,40 14,53 23,73 14,56 25,47 15,52 25,42 18,34 15 23,60 13,21 23,00 13,05 24,43 14,27 24,73 16,34 16 20,52 12,21 20,44 11,40 22,20 12,60 24,09 16,49 17 21,33 12,98 21,55 9,17 22,73 12,95 20,30 15,91 18 19,61 10,30 20,70 9,74 22,58 11,21 23,57 12,73 19 22,89 11,34 22,36 10,98 24,47 12,26 22,64 14,62 20 23,03 8,89 21,36 8,91 23,38 8,70 22,27 10,65 21 24,05 11,72 23,02 10,93 25,21 12,58 24,99 15,99 22 24,04 12,33 22,00 10,71 25,34 13,16 26,92 15,72 23 23,66 14,37 23,78 11,61 25,00 13,64 26,00 19,54 24 25,68 12,39 22,16 11,83 25,43 13,55 25,09 16,47 25 22,73 15,05 22,94 11,45 25,30 14,27 24,77 18,72 26 23,10 15,55 21,65 14,13 26,22 16,47 26,93 19,53 27 23,42 16,90 23,73 14,46 27,41 16,98 25,86 21,62 28 23,72 15,94 23,63 14,28 28,28 15,35 26,28 18,73 29 26,83 19,77 26,18 17,56 27,14 20,16 27,99 24,17 30 27,99 20,11 26,25 17,23 29,91 20,27 28,55 24,12 31 27,58 19,98 27,22 18,19 29,25 20,81 28,72 24,22 32 29,34 21,90 28,37 19,22 31,39 21,33 31,61 25,08 33 30,41 22,94 29,47 19,42 31,32 22,53 31,92 26,59 34 30,95 22,61 30,89 21,32 33,43 22,85 31,46 26,68 35 33,04 24,48 30,67 21,98 35,97 24,69 34,19 26,58 36 32,42 24,01 34,49 22,85 35,96 25,96 35,41 27,82

Tabla 36. Temperaturas máximas: valor máximo y mínimo registrado en cada decena


Página - 144 -

Gm1 Gm2 Gm3 Gm4

DECENA MIN MAX MIN MAX MIN MAX MIN MAX

1 11,79 22,03 10,94 23,47 15,47 21,92 15,06 18,94 2 11,72 21,26 12,95 21,93 16,27 22,67 14,93 19,78 3 12,67 21,03 10,65 22,55 18,42 21,32 16,95 19,44 4 11,87 21,60 12,37 23,10 15,26 23,34 14,61 21,39 5 11,11 21,83 12,22 21,99 16,16 20,63 14,74 17,78 6 12,61 22,46 10,82 23,06 17,34 23,54 16,49 21,91 7 12,48 21,59 9,74 21,87 16,75 22,63 15,20 21,19 8 11,16 21,34 11,07 22,36 14,68 23,66 13,21 22,29 9 8,88 18,54 7,84 20,45 12,95 19,67 11,17 17,97 10 6,47 18,30 7,42 19,39 11,39 19,15 8,43 16,26 11 7,32 18,49 7,45 17,38 9,75 18,10 7,97 16,70 12 6,28 17,65 4,85 19,85 9,84 17,81 8,87 14,03 13 3,84 14,76 1,75 16,63 7,73 14,51 6,47 11,80 14 2,23 15,98 2,16 17,73 7,34 16,90 6,08 14,99 15 0,49 14,90 1,35 15,10 5,20 14,21 2,77 12,04 16 0,29 14,51 -0,66 15,57 2,42 17,07 -1,63 14,81 17 0,09 12,22 -0,23 14,14 2,89 13,44 1,39 11,18 18 -0,28 11,38 -1,01 13,97 0,32 15,28 -1,36 12,32 19 -0,14 10,58 -0,77 14,24 4,29 13,57 3,90 11,29 20 1,08 11,23 1,34 11,93 -0,38 10,81 0,31 9,58 21 -0,31 14,52 -0,53 13,90 2,64 14,63 0,97 12,13 22 0,96 13,07 0,19 13,16 5,19 14,13 4,78 10,57 23 1,96 12,94 0,32 13,71 6,37 15,29 4,07 13,43 24 2,38 12,92 2,15 13,65 5,32 13,68 4,82 12,45 25 1,47 12,92 0,13 13,41 3,33 16,90 2,05 13,95 26 3,18 13,13 3,27 14,10 6,20 13,09 4,33 11,48 27 5,01 14,29 5,84 14,57 9,21 14,91 7,80 14,19 28 3,53 15,23 4,12 16,94 8,45 18,08 7,85 16,31 29 5,29 17,40 5,94 16,64 11,58 18,51 9,64 17,48 30 7,18 16,52 6,97 17,37 12,90 17,27 12,10 14,71 31 5,36 17,14 7,54 18,66 11,35 18,81 10,38 16,02 32 7,71 17,15 7,51 19,54 11,76 18,52 10,59 15,49 33 8,64 17,28 5,20 21,60 14,66 19,35 12,62 17,68 34 10,68 18,58 9,22 19,97 13,31 19,84 13,34 17,59 35 8,90 19,11 7,57 20,01 15,47 19,38 14,64 17,40 36 10,32 20,25 11,11 21,14 16,34 21,32 14,81 18,85

Tabla 37. Temperaturas mínimas: valor mínimo y máximo registrado en cada decena Fuente: Elaboración propia en base a datos DNM e INIA.


Página - 145 -

Se observan tres zonas cuyo comportamiento se mantiene uniforme tanto con relación a las temperaturas máximas como a las mínimas, es decir, se repiten las mismas agrupaciones respecto a la frecuencia y distribución de las probabilidades analizadas. Las zonas son:

4. INIA-Treinta y Tres, Colonia, INIA-Tacuarembó y Paso Toros (zona centro suroeste de Uruguay)

5. INIA-Estanzuela, INIA-Brujas, Carrasco y Rocha (costa sur de oeste a este)

6. Bella Unión y Artigas (noroeste de Uruguay) y Tacuarembó se desmarca en el caso de las temperaturas mínimas puesto que, como se aprecia en los grupos homogéneos formados a seis grados bajo cero, registra temperaturas mínimas distintas al resto.

IV.1.2. Lluvia

En el caso de la variable lluvia se han obtenido bloques homogéneos para cada uno de los cinco casos propuestos –número de días de lluvia, un día de lluvia, dos días de lluvia, tres días de lluvia y lluvia abundante- los cuales se recogen en el Capítulo IV, epígrafe V.2.2.2.

Una vez analizadas las agrupaciones obtenidas de las estaciones puede concluirse que se aprecian comportamientos estables en los cinco sucesos de lluvia estudiados, es decir, se mantienen las mismas agrupaciones respecto a la frecuencia y distribución de las probabilidades analizadas. Así, las estaciones de Melilla, Prado, Carrasco y Punta del Este (extremo sur de Uruguay) siempre presentan el mismo comportamiento.

Lo mismo ocurre con Artigas y Rivera (noreste del país); Trinidad, Florida y Durazno (zona centro-sur); Colonia, INIA-Brujas e INIA-Estanzuela (suroeste de Uruguay con un comportamiento similar en cuanto a lluvia durante 3 y más días consecutivos); Paysandú, Mercedes y Young (oeste).

Al tener información de más de una red de información se comprueba que, en general, recogen el mismo comportamiento dos estaciones situadas en la misma zona aunque pertenezcan a redes distintas como puede apreciarse en los siguientes casos: Salto e INIA-Salto; Tacuarembó e INIA-Tacuarembó; Treinta y Tres e INIA-Treinta y Tres.

IV.1.3. Pedrisco

Por lo que se refiere a este evento, la información procede de varias redes, siendo distinta entre sí. De todas las estaciones de las que se dispone de datos, únicamente se pudo utilizar un subconjunto de ellas con un volumen suficiente de información, en concreto, solamente 21 estaciones, cuyos códigos según la red pluviométrica son: 1013, 1050, 1147, 1283, 1405, 1672, 1709, 1856, 1915, 2145A, 2179, 2206, 2519, 2707A, 2774, 2804, 2812, 2867, 2887, 2889 y 2906.

La valoración de la información manejada en el estudio de esta variables se recoge en los distintos puntos relacionados con el evento granizo, por lo que no es necesario hacer mayor hincapié en ello.


Página - 146 -

IV.2 ESTIMACIÓN DE LAS PÉRDIDAS ASOCIADAS A UN CIERTO CULTIVO POR OCURRENCIA DE UN DETERMINADO EVENTO EN UNA ZONA CONCRETA.

En esta fase se han determinado qué cultivos son afectados por cada uno de los eventos citados (en función de la fase fenológica) y establecer qué estaciones (por zonas) se tienen en cuenta para utilizar esa información para los eventos elegidos.

Posteriormente, para cada cultivo, evento y estación se han estimado las pérdidas asociadas en función de las fases fenológicas y ciclos estudiados, siguiendo la metodología propuesta.

Así, tras la estimación de probabilidades y la definición de áreas climáticas homogéneas, se ha llegado a determinar las pérdidas por cultivo como consecuencia de la ocurrencia de un determinado evento en un área concreta.

Dado que se quiere evaluar la incidencia de todos los fenómenos climáticos estudiados, se escogieron aquellas estaciones de la cuales se tuviera información de cada uno de ellos, lo cual reduce la selección a las siguientes:

Artigas Bella Unión Carrasco Colonia Mercedes Paso de los Toros Paysandú Rocha Tacuarembó Treinta y Tres Young

Los cultivos seleccionados se dividen en cereales y frutales, siendo analizadas con profundidad los que figuran relacionados en la tabla 34.

Finalmente, se evaluaron las pérdidas acaecidas en cada estación para cada uno de los cultivos para los cuales existe información.

De forma resumida, las pérdidas medias estimadas (esperanza matemática, riesgo medio de pérdida) para todo el ciclo fenológico son, por tipo de cultivos, las que se muestran en las siguientes tablas (las cifras recogen porcentajes del total de la cosecha perdida):


Página - 147 -

Arroz Cebada Girasol Maíz Soja Sorgo Trigo

Artigas 0,00 0,02 0,00 0,00 0,00 0,00 0,00

Bella Unión 0,00 0,00 0,00 0,04 0,01 0,00 0,00

Colonia 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Mercedes 0,00 0,26 0,00 0,00 0,00 0,00 0,17

Paysandú 0,00 0,07 0,00 0,00 0,00 0,00 0,04

Young 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Tabla 38. Pérdidas medias estimadas para cereales por helada al césped Fuente: Elaboración propia.


Artigas 0,00 0,53 0,28 0,00 0,42 0,32 0,53

Bella Unión 0,00 0,78 0,39 0,00 0,40 0,36 0,61

Colonia 0,00 0,56 0,14 0,00 0,44 0,14 0,55

Mercedes 0,00 0,49 0,04 0,00 0,25 0,06 0,41

Paysandú 0,00 0,39 0,21 0,00 0,46 0,18 0,42

Young 0,00 0,64 0,17 0,00 0,47 0,23 0,85

Tabla 39. Pérdidas medias estimadas para cereales por exceso hídrico Fuente: Elaboración propia.


Artigas 0,16 1,24 0,13 0,74 0,32 0,15 1,14

Bella Unión 0,46 1,65 0,25 0,75 0,45 0,35 1,25

Colonia 0,61 2,70 0,48 0,82 0,70 0,64 2,47

Mercedes 0,36 2,30 0,26 0,76 0,39 0,47 1,81

Paysandú 0,41 3,12 0,17 0,54 0,53 0,40 2,67

Young 0,22 1,37 0,23 0,65 0,52 0,41 1,26

Tabla 40. Pérdidas medias estimadas para cereales por granizo Fuente: Elaboración propia.


Página - 148 -

Durazno Manzana Peral

Artigas 0,98 0,00 0,00 Bella Unión 0,31 0,00 0,00 Carrasco 0,65 0,00 0,02 Colonia 0,00 0,00 0,00 Mercedes 2,56 0,01 0,13 Paso de los Toros 0,98 0,00 0,00 Paysandú 1,15 0,00 0,03 Rocha 1,60 0,07 0,09 Tacuarembó 0,59 0,00 0,00 Treinta y Tres 0,35 0,00 0,00 Young 0,07 0,00 0,00

Tabla 41. Pérdidas medias estimadas para frutales por helada al abrigo Fuente: Elaboración propia.



Tabla 42. Pérdidas medias estimadas para frutales por exceso hídrico Fuente: Elaboración propia.



Tabla 43. Pérdidas medias estimadas para frutales por granizo Fuente: Elaboración propia.


Página - 149 -

En términos generales puede señalarse que con relación a los cereales:

7. La helada no supone un problema puesto que las máximas pérdidas medias no llegan al 1% de la cosecha salvo en la estación de Mercedes en el caso de la cebada y el trigo.

8. El exceso hídrico no afecta ni al arroz ni al maíz y las máximas pérdidas registradas en trigo, cebada y soja en ningún caso alcanzan el 1% de la cosecha.

9. El granizo es el evento que más influye, sobre todo, en la cebada y el trigo donde las pérdidas medias pueden alcanzar hasta el 3% de la cosecha.

Respecto a los frutales debe destacarse que:

10. La helada no afecta ni al manzano ni al peral. En el durazno las máximas pérdidas posibles registran, en el caso extremo de Mercedes, más del 2,5% de la cosecha.

11. El exceso hídrico no tiene demasiada incidencia. Según las estaciones y el tipo de frutal puede registrar máximas pérdidas de hasta el 0,97%.

12. El pedrisco es el evento más dañino en todos los frutales. Los perales y manzanos pueden registrar hasta un 4,4% de pérdidas que, en el caso del durazno, suponen más del 9,5% de la cosecha para las estaciones de Paso de los Toros y Paysandú.

Como se deduce de los resultados anteriores, las estimaciones de las pérdidas esperadas al evaluar conjuntamente los riesgos agroclimáticos difieren en función de los cultivos, los eventos y las zonas analizadas.

V. ASPECTOS FINALES A DESTACAR

Los resultados recogen la existencia de áreas con características comunes para todos y cada uno de los eventos climáticos estudiados -lluvia, granizo y heladas tanto al abrigo como en césped-.

Sin embargo, es necesario señalar que las agrupaciones obtenidas podrían haber sido otras, probablemente muy diferentes, si los datos hubiesen sido más abundantes. Así, conviene recordar que no toda la información inicialmente suministrada pudo ser utilizada por haberse detectado problemas en los datos de partida. Esto redujo el número de estaciones usadas a 21 para el caso del granizo, 21 para las heladas al abrigo, 9 para las heladas en césped y 26 para las lluvias. Como se puede intuir, es un número muy reducido para recoger una imagen más precisa de la climatología de Uruguay.

Una vez definidas las zonas climáticas, el siguiente paso ha sido el estudio de la fenología de los cultivos. En esta fase, y teniendo en cuenta su carácter intermedio para llegar a la evaluación de los riesgos agroclimáticos, fue necesario distinguir dentro de cada fase entre lo que se conoce como coeficiente de afección y coeficiente


Página - 150 -

de daño total, sobre el principio de que un mismo evento climático no tiene igual impacto sobre los cultivos, dependiendo de la fase en la que éstos se encuentren.

En tercer lugar, de la combinación de ambas variables, la fase fenológica y el evento climático considerado, se obtienen los porcentajes de cosecha que se espera perder por la ocurrencia de los fenómenos atmosféricos tratados. Conviene señalar que para la evaluación de tales pérdidas se ha tratado cada evento por separado y que, por tanto, si deseásemos obtener la pérdida total estimada por todos los eventos, se calcularía como la suma de cada una de las pérdidas acaecidas por cada fenómeno considerado individualmente.

Es interesante tener en cuanta que, un evento tan significativo como el déficit hídrico no ha sido incluido en el estudio. La razón de su ausencia es la multiplicidad de definiciones que se pueden utilizar para registrarla, si bien la más exacta, que es la asociada a la obtención del balance hídrico, no ha sido posible aplicarla a partir de los datos utilizados.

Finalmente, debe señalarse la aportación que supone la entrega de la base de datos con la información depurada relativa a cada uno de los eventos analizados. La base de datos recoge, por separado, la información referida a los distintos eventos analizados:

Granizo: Registros por pedrisco que especifican el código de estación, año, mes y día

Lluvia: por estación se registra información del año, mes, día y milímetros cúbicos de agua caídos

Temperatura al abrigo: Por estación se registra la fecha, la máxima temperatura registrada, la mínima y la media

Temperatura en césped: Por estación se registra el año, mes, día y la temperatura mínima registrada en grados centígrados


Página - 151 -

BIBLIOGRAFÍA

Panorama de la agricultura de América Latina y el Caribe, 1990-2000.- Comisión Económica para América Latina y el Caribe (ONU) /Instituto Interamericano de Cooperación para la Agricultura. http://www.eclac.cl/

Anuario Estadístico de América Latina y el Caribe año 2000, 2001 y 2002.- Comisión Económica para América Latina y el Caribe (ONU). http://www.eclac.cl/

Estudio económico de América Latina y el Caribe 2001-2002.- Comisión Económica para América Latina y el Caribe (ONU). http://www.eclac.cl/

El estado mundial de la agricultura y la alimentación 2002.- Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO). http://www.fao.org

Estadísticas de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) – FAOSTAT - http://faostat.fao.org/

Publicaciones sobre Agricultura de la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) http://www.fao.org

Información de la base de datos “EM-DAT: The OFDA/CRED International Disaster Database. http://www.em-dat.net/ - Université Catholique de Louvain – Brussels – Belgium ‘’

“Análisis de la tendencia de las precipitaciones en los meses de febrero, marzo y abril en el territorio peninsular de España”, V. Mossman, A.Castro, J.L. Sánchez.

“Spatial stochastic modelling of inland inundation hazard”, László Pásztor, Imre Pálfai, Csaba Bozán, Janos Kórösparti, József Szabó, Zsófia Bakacsi, László Kuti.

Información general y Boletín Diario de Seguros edición América Latina de la Federación Interamericana de Empresas de Seguros (FIDES). http://www.fideseguros.com

Estadísticas del mercado asegurador de la Superintendencia de Seguros y Reaseguros de Uruguay. http://www.bcu.gub.uy/index5.html

Recopilación de normas de Seguros y Reaseguros del Banco Central de Uruguay. http://www.bcu.gub.uy

Anuario estadístico Agropecuario 2002, 2003, y 2004. Estadísticas agropecuarias DIEA. http://www.mgap.gub.uy/Diea/

http://www.eclac.cl/



http://www.fao.org/

http://faostat.fao.org/

http://www.fao.org/

http://www.em-dat.net/

http://www.fideseguros.com/

http://www.bcu.gub.uy/index5.html

http://www.bcu.gub.uy/

http://www.mgap.gub.uy/Diea/


Página - 152 -

Información sobre Seguros Agrarios de la Oficina de Programación y Política Agropecuaria (OPYPA). http://www.mgap.gub.uy/opypa/index.htm

Información de la Dirección General de Recursos Naturales Renovables (DIRENARE) http://www.mgap.gub.uy/Renare/default.htm

Información de la Junta Nacional de la Granja (JUNAGRA). http://www.mgap.gub.uy/Junagra/default.htm

Información climática y estadísticas del Instituto Nacional de Investigación Agropecuaria (INIA). http://www.inia.org.uy/

Información del Banco de Seguros del Estado (BSE). http://www.bse.com.uy/home/

Información de MAPFRE Uruguay. http://www.mapfre.com.uy/

Información de SURCO Cía. de Seguros. http://www.surco.com.uy/

Estadísticas e información de la Asociación de Cultivadores de Arroz (ACA). http://www.aca.com.uy/

Información de Cooperativas Agrarias Federadas (CAF). http://www.caf.org.uy/

http://www.mgap.gub.uy/opypa/index.htm

http://www.mgap.gub.uy/Renare/default.htm



http://www.inia.org.uy/

http://www.bse.com.uy/home/

http://www.mapfre.com.uy/

http://www.surco.com.uy/

http://www.aca.com.uy/

http://www.caf.org.uy/

ÍNDICE DE CONTENIDOS - Inicio | MGAP .:. Ministerio de ... · MAPAS DE FRECUENCIA DECENAL PARA LA...

Documents

Transcript of ÍNDICE DE CONTENIDOS - Inicio | MGAP .:. Ministerio de ... · MAPAS DE FRECUENCIA DECENAL PARA LA...