Comparación entre los datos de humedad de suelo obtenidos
Transcripción
Comparación entre los datos de humedad de suelo obtenidos
Comparación entre los datos de humedad de suelo obtenidos en campañas de medición y los resultados de modelos globales de suelo y estimaciones de sensores remotos. Maria Eugenia Dillon (1,2), Estela Collini (1,2), Lorena Ferreira (2) , Gloria Pujol(2), Danilo Dadamia (3) (1) Servicio de Hidrografía Naval, Departamento de Meteorología; Argentina. (2) Servicio Meteorológico Nacional, Gerencia de investigación, desarrollo y capacitación; Argentina. (3) Comisión Nacional de Actividades Espaciales; Argentina. E-mail: [email protected] RESUMEN: Argentina es un país de amplias dimensiones geográficas y con una topografía compleja, por lo cual la medición y monitoreo de la humedad de suelo resulta una tarea costosa. Por este motivo las mediciones in situ son efectuadas en dominios reducidos y en períodos cortos. En este trabajo se presentan las mediciones de humedad de suelo obtenidas en campañas de medición efectuadas por la Comisión Nacional de Actividades Espaciales (CONAE) en un predio experimental de la provincia de Córdoba, en diversas fechas de los años 2009 y 2010. Asimismo se evalúa cómo estas mediciones son representadas por el conjunto de los modelos de suelo que integran el sistema GLDAS y por las estimaciones satelitales del sensor de microondas pasivo AMSR-E. Los campos medios de humedad de suelo para el mes de marzo de 2009 de los modelos del GLDAS, muestran una distribución espacial similar en la región oeste y sur de Argentina. El campo mensual de los datos derivados de AMSR-E con dos algoritmos diferentes, corroboran en la capa superficial los patrones medios mencionados. También se observa que todos los modelos presentan una gran incertidumbre en el noreste de Argentina y en la Cuenca del Plata, mostrando la complejidad en la descripción del contenido del agua en el suelo en esa región. Recientemente, se instaló en la estación meteorológica del aeródromo de Venado Tuerto un sensor para la medición de humedad del suelo, lo cual constituye una primera etapa en la configuración de una red de medición en esta región productiva. Estos datos también son incluidos en el presente análisis. Las comparaciones entre los datos provenientes de las mediciones y de los modelos desacoplados muestran que a veces los valores se corresponden, mientras que en otras situaciones difieren significativamente. Los resultados ponen de manifiesto la necesidad de avanzar en la organización de una red de campañas para una mejor caracterización de la variable. INTRODUCCIÓN Para obtener un pronóstico numérico del tiempo confiable, es indispensable utilizar condiciones iniciales y de borde de buena calidad, lo cual representa un desafío principalmente cuando se trabaja en tiempo real. El borde inferior de un modelo atmosférico es la superficie terrestre, y por lo tanto requiere de una ajustada representación tanto de la superficie del mar como de los continentes y en este último caso del suelo. En particular, la humedad del suelo es una de las variables más importantes que caracteriza el estado del suelo. La misma es imprescindible en la inicialización de un modelo numérico del tiempo, influyendo en el pronóstico de variables como la precipitación y flujos de calor en superficie (Collini y otros, 2010; Saulo y otros, 2010; Dillon y otros, 2011). Por estas razones, es de gran utilidad contar con una representación confiable de esta variable, y ello implica la necesidad de verificar los modelos de suelo con mediciones en regiones con determinadas características topográficas y de uso del suelo. Argentina es un país de amplias dimensiones geográficas con una topografía compleja, y en consecuencia la medición y monitoreo de la humedad de suelo resulta una tarea costosa, por lo cual las mediciones in situ se efectúan en dominios reducidos y en períodos cortos e intermitentes. Por este motivo, hay que resaltar la importancia de las campañas de medición de humedad de suelo realizadas por la Comisión Nacional de Actividades Espaciales (CONAE) en un predio experimental de la provincia de Córdoba en el marco del proyecto SAOCOM, durante diversas fechas entre los años 2009 y 2010. Recientemente, en la estación meteorológica del aeródromo de Venado Tuerto (provincia de Santa Fe) se instaló un sensor para la medición de humedad del suelo, lo cual constituye una primera etapa en la configuración de una red de medición en esta región productiva. Cabe destacar la importancia de ambos esfuerzos, pero a la vez la necesidad de continuarlos y expandir su cobertura espacial. Frente a esta problemática, se estudia la utilización de otras fuentes de información como las estimaciones provenientes de sensores remotos, las cuales comenzaron a proporcionar mediciones de humedad de suelo en la capa superficial, con frecuencia prácticamente diaria. Un ejemplo es el radiómetro avanzado de microondas pasivo AMSR-E que se encuentra a bordo del satélite EOS-Aqua, y actualmente se encuentra fuera de servicio, pero se está intentando reparar. De todas formas, este sensor proporcionó una base de datos de humedad de suelo desde mediados del 2002 hasta el 2011. Existen dos algoritmos para estimar la humedad de suelo empleando los datos de microondas AMSR-E: el producido por el NSIDC-NASA (National Snow and Ice Data Center and NASA) (Njoku 1999) y el producido por VUA-NASA (Vrije Universiteit Ámsterdam and NASA) (Owe y otros, 2008). En diferentes regiones se ha demostrado que la dinámica de la humedad de suelo representada por cada uno es distinta (Rudiger y otros, 2009; Draper y otros, 2009; Dillon y otros, 2011). Por otro lado, actualmente en el Sistema Global de Asimilación de Datos del Suelo (GLDAS) se procesan los modelos de suelo desacoplados CLM (Community Land Model), Mosaic, NOAH y VIC (Variable Infiltration Capacity), los que proveen de campos diarios y mensuales de variables del estado del suelo en distintas profundidades (Rodell y otros, 2004) entre ellas la humedad de suelo, para la inicialización de modelos atmosféricos y para estudios hidroclimáticos. Varios son los trabajos donde se emplea la base de datos GLDAS (Syed y otros, 2008; Ferreira y otros, 2010; Spennemman, 2010; Zaitchik y otros, 2010). Entre estos podemos citar el de Liu y otros (2009) quienes realizan comparaciones entre la humedad del suelo obtenida a partir de estos modelos, con la correspondiente al radiómetro pasivo AMSR-E, en la Cuenca de Murray Darling en Australia. Los resultados muestran un grado de acuerdo entre ambas bases de datos y destacan que la coincidencia entre las distintas bases de datos depende de las condiciones húmedas o secas. El objetivo del presente trabajo es realizar comparaciones entre las mediciones de humedad de suelo in situ de las campañas mencionadas, con las estimaciones provenientes del sensor remoto AMSR-E, y las estimaciones de los modelos de suelo desacoplados del sistema GLDAS, con el fin de establecer el grado de confiabilidad de dichas estimaciones. BASES DE DATOS DE HUMEDAD DEL SUELO Las simulaciones del GLDAS son forzadas por una combinación de los análisis del GDAS (Global Data Assimilation System) y del CMAP (Climate Prediction Center Merged Analysis of Precipitation), los cuales incorporan observaciones de superficie y de satélite. Las mismas se encuentran disponibles en http://mirador.gsfc.nasa.gov con un desfasaje de 3 meses aproximadamente. El modelo Mosaic está basado en el modelo SiB (Simple Biosphere) y se divide en tres capas de profundidad: 0 – 0.02m, 0.02 – 1.5 m, 1.5 – 3.5m. El modelo CLM surge de la combinación de los mejores componentes de 3 modelos (NCAR Land Surface Model – Biosphere Atmosphere Transfer Scheme – LSM of the Institute of Atmospheric Physics of the Chinese Academy of Sciences) y presenta diez capas de variados espesores: 0 – 0.018m, 0.018 – 0.045m, 0.045 – 0.091m, 0.091 – 0.166m, 0.166 – 0.289m, 0.289 – 0.493m, 0.493 – 0.829m, 0.829 – 1.383m, 1.383 – 2.296m, 2.296 – 3.433m. El NOAH es el modelo utilizado operativamente en el NCEP (National Centres for Environmental Prediction), el cual es actualizado continuamente, y está dividido en cuatro capas con espesores distintos: 0 – 0.1m, 0.1 – 0.4m, 0.4 – 1m, 1 – 2m. En el año 2008 se agregó al GLDAS el procesamiento del modelo VIC (Variable Infiltration Capacity Macroscale Hydrologic Model), con tres capas de profundidad: 0 - 0.1m, 0.1 – 1.6m, 1.6 – 1.9m. Las salidas de las cuatro simulaciones ofrecen variables como evapotranspiración total, radiación incidente sobre la superficie, humedad y temperatura del suelo, entre otras, con una resolución horizontal de 1°x1°. Por otro lado, el AMSR-E es un radiómetro pasivo que detecta la radiación en el rango de las microondas, permitiendo inferir temperaturas de brillo en 6 frecuencias que van desde 6,9 a 89,0 GHz. El producto de humedad del suelo derivado del AMSR-E se obtiene de dos fuentes, como se menciona en la Introducción. El algoritmo del NSIDC se basa en el cociente de polarización (RP), mientras que el del VUA utiliza el canal polarizado dual (6.925 o 10.65 GHz) para recuperar la humedad del suelo superficial y el contenido de agua de la vegetación, y el de 36.5 GHz polarizado verticalmente para obtener la temperatura de brillo. Este conjunto de datos de humedad del suelo, tiene alta frecuencia temporal (día y noche) y baja resolución espacial (0.25°), limitándose a una profundidad de suelo de aproximadamente 0.015 m. De esta forma, cada 24 horas es posible producir un mapa global de humedad del suelo. Los autores han estudiado la evolución de la humedad de suelo superficial en el Sur de Sudamérica durante el mes de marzo de 2009, a partir de la base de datos del GLDAS y de las estimaciones del AMSR-E. Dicho período es representativo del comienzo de las precipitaciones en la región, luego de la sequía prolongada desde fines del 2008 hasta comienzos de 2009 (Collini y otros, 2010; Dillon y otros, 2011). En la próxima Sección se muestran algunos resultados de este análisis. Las campañas de medición de humedad de suelo in situ realizadas por CONAE en la provincia de Córdoba, fueron planificadas en un predio de aproximadamente 10 hectáreas divididas en 20 parcelas con diferentes cultivos que representan distintos usos de suelo. Se efectuaron mediciones durante distintas fechas de los años 2009 y 2010, en horas matutinas (entre las 9 y las 11 hs), mediante dos métodos: el gravimétrico y por medio de una sonda Diviner ( http://www.seedmech.com ). Se obtuvieron así datos de humedad de suelo a 5 y 15 cm de profundidad respectivamente, según el método. Dado que algunos modelos del sistema GLDAS ofrecen datos en dichos niveles, es de interés verificarlos con las mediciones in situ. Cabe destacar, sin embargo, que para realizar estas comparaciones es necesario promediar los valores de todas las parcelas del campo experimental, ya que la resolución horizontal de los modelos de suelo permite representar en un punto aproximadamente 100 hectáreas. Por lo tanto, las comparaciones se realizan en forma puntual en 31.52°S, 64.45°O. En la Tabla 1 se especifican los días en los que se realiza el análisis. En algunas fechas también se incluyen las estimaciones del AMSR-E. Los sensores que se instalaron en la estación meteorológica del Aeródromo de Venado Tuerto son HYDRAPROBE II ( http://www.stevenswater.com ), y están enterrados a 10 y 50 cm de profundidad, bajo una cubierta de pasto natural en superficie. Los mismos están en funcionamiento a partir de Enero de 2012, proporcionando datos horarios de diversas variables como la humedad y temperatura del suelo, conductividad y salinidad, entre otras. Actualmente, la base de datos del GLDAS se encuentra disponible hasta diciembre de 2011, con lo cual no es posible realizar una verificación de la misma con estos nuevos datos in situ. Sin embargo, en un futuro cercano se va a poder concretar ya que estos sensores no pertenecen a una campaña aislada, sino que son parte de un proyecto a largo plazo. Tabla 1.- Fechas en las que se realizan las comparaciones de humedad de suelo. Referencia Año 2009 Referencia Año 2009 Referencia Año 2010 1 27-Julio 31 09-Octubre 1 15-Enero 2 29-Julio 32 16-Octubre 2 18-Enero 3 31-Julio 33 19-Octubre 3 21-Enero 4 03-Agosto 34 21-Octubre 4 25-Enero 5 05-Agosto 35 26-Octubre 5 27-Enero 6 07-Agosto 36 28-Octubre 6 29-Enero 7 10-Agosto 37 30-Octubre 7 08-Febrero 8 12-Agosto 38 02-Noviembre 8 23-Marzo 9 14-Agosto 39 04-Noviembre 9 09-Abril 10 19-Agosto 40 06-Noviembre 10 13-Abril 11 21-Agosto 41 11-Noviembre 11 15-Abril 12 24-Agosto 42 13-Noviembre 12 19-Abril 13 26-Agosto 43 16-Noviembre 13 23-Abril 14 28-Agosto 44 18-Noviembre 14 26-Abril 15 31-Agosto 45 20-Noviembre 15 21-Mayo 16 02-Septiembre 46 23-Noviembre 16 04-Junio 17 04-Septiembre 47 25-Noviembre 17 23-Junio 18 07-Septiembre 48 30-Noviembre 18 14-Julio 19 09-Septiembre 49 02-Diciembre 19 16-Julio 20 14-Septiembre 50 04-Diciembre 20 19-Julio 21 16-Septiembre 51 07-Diciembre 21 21-Julio 22 18-Septiembre 52 09-Diciembre 22 23-Julio 23 21-Septiembre 53 11-Diciembre 23 26-Julio 24 23-Septiembre 54 14-Diciembre 24 06-Agosto 25 25-Septiembre 55 16-Diciembre 25 25-Agosto 26 28-Septiembre 56 18-Diciembre 26 14-Septiembre 27 30-Septiembre 57 21-Diciembre 28 02-Octubre 58 23-Diciembre 29 05-Octubre 59 28-Diciembre 30 07-Octubre 60 30-Diciembre RESULTADOS Se presentan primero los campos medios de humedad de suelo del mes de marzo de 2009, de las capas superficiales de los cuatro modelos del sistema GLDAS, junto con las estimaciones del AMSR-E a partir de los dos algoritmos mencionados (Figura 1). Observando los modelos Noah y VIC, los cuales alcanzan una profundidad de 10 cm en su capa superficial, se distingue un mayor contenido de humedad en este último, en todo el dominio. Sin embargo, ambos presentan una estructura similar respecto a las zonas de mínimos y máximos relativos: tanto la diagonal seca como la zona húmeda del norte del dominio tienen la misma ubicación en los dos modelos. La región en la que más difieren es en el centro y este de Argentina, donde los gradientes de humedad representados por el VIC son más intensos. La capa superficial de los modelos Mosaic y CLM es menos profunda, alcanzando sólo 2 y 1.8 cm respectivamente. Ambos representan la diagonal seca con valores similares, aunque el Mosaic extiende estas condiciones hacia el norte de Argentina, Bolivia y Paraguay. Respecto a las regiones húmedas, éste posee valores más elevados. Las estimaciones del AMSR-E muestran una fuerte dependencia del algoritmo utilizado: el VUA presenta valores mayores de humedad de suelo en todo el dominio. Dado el espesor representado por este sensor remoto (1.5 cm), los resultados pueden ser comparados con los modelos Mosaic y CLM. En líneas generales se observa una mayor concordancia de ambos con el AMSR-E NSIDC. Por otro lado, si en lugar de considerar un promedio temporal, se consideran promedios areales en las zonas de la provincia de Buenos Aires y Uruguay (cajas delimitadas en la Figura 1), por ejemplo, se puede analizar la evolución diaria de la humedad de suelo. En la Figura 2 se muestran los resultados para las capas superficiales de los cuatro modelos del sistema GLDAS y para las estimaciones AMSR-E, para el mes de Marzo de 2009. Una característica interesante es que en ambos casos el AMSR-E NSIDC acompaña mejor la evolución de los modelos, es decir que parece representar mejor la dinámica de la variable humedad del suelo. Esta propiedad no coincide con los resultados hallados en otras regiones del mundo como Francia y Australia (Rudiger y otros, 2009; Draper y otros, 2009), que muestran una mejor representación con el algoritmo desarrollado por VUA. Cabe destacar, sin embargo, que en la caja correspondiente a la Provincia de Buenos Aires el AMSR-E VUA y el Mosaic se comportan prácticamente de la misma manera. Figura 1.- Campos medios de marzo de 2009 de humedad de suelo volumétrica de los modelos Noah (10 cm), VIC (10 cm), Mosaic (2 cm), CLM (1.8 cm); y estimados por el AMSR-E (1.5 cm) a partir de los algoritmos NSIDC y VUA. El contorno rojo corresponde a la Cuenca del Plata. Mosaic Caja 1 (Provincia de Buenos Aires) CLM VIC 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0 Humedad de suelo volumétrica (m3/m3) Noah AMS VUA AMS NSIDC 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 Días (Marzo 2009) Mosaic Caja 2 (Uruguay) CLM VIC Noah AMS VUA AMS NSIDC Humedad de suelo volumétrica (m3/m3) 0,6 0,5 0,4 0,3 0,2 0,1 0 -0,1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 -0,2 Días (Marzo 2009) Figura 2.- Evolución de la humedad de suelo media en las cajas comprendidas por la provincia de Buenos Aires (Panel superior), Uruguay (Panel inferior), durante Marzo de 2009, de las capas superficiales de los modelos Noah, VIC, Mosaic, CLM, y estimada por el AMSR-E a partir de los algoritmos VUA y NSIDC. El análisis presentado sobre Marzo de 2009, pone de manifiesto una incertidumbre no sólo sobre la humedad de suelo simulada por los modelos del sistema GLDAS, sino también sobre las estimaciones de esta variable a partir de sensores remotos. La inclusión de mediciones in situ en las comparaciones, podría ayudar a obtener conclusiones más robustas. En la Figura 3 se presenta la humedad de suelo medida por el método gravimétrico en el predio experimental de Córdoba, durante distintas fechas entre Julio y Diciembre de 2009 (ver Tabla 1), junto con las simulaciones de esta variable de los modelos del sistema GLDAS, en el punto de retícula más cercano. Respecto a los modelos, se observa que en general poseen la misma tendencia, aunque en los últimos días analizados se encuentra una mayor dispersión. A pesar de que las capas superficiales del Mosaic (2 cm) y CLM (1.8 cm) son menos profundas que el espesor donde se realiza la medición in situ, durante los primeros 20 días, y en algunos períodos intermitentes, los valores de ambos son los más coincidentes con los obtenidos mediante el método gravimétrico. Pero entonces, esto implica que dichos modelos van a presentar mayor contenido de humedad a 5 cm de profundidad. Esto se debe a que el almacenamiento de agua decrece cerca de la superficie terrestre, debido al intercambio de flujos con la atmósfera y su rápida respuesta a la precipitación y evaporación (Ferreira y otros, 2010). Esta característica se puede observar con el modelo CLM, que a 4.5 cm de profundidad muestra, en general, mayor contenido de humedad que a 1.8 cm, superando también el valor de la medición gravimétrica. Por otro lado, en la mayoría de las fechas, el Noah y el VIC simulan a 10 cm de profundidad valores más altos que los medidos in situ a 5 cm, lo cual es consistente con el hecho que estos modelos representen bien la dinámica de la humedad de suelo. Hacia el final del período, que corresponde al inicio del verano, no se encuentra un comportamiento claro. 0,45 Humedad de suelo volumétrica (m3/m3) 0,4 0,35 Gravim (5cm) 0,3 Noah (10cm) 0,25 CLM (4,5cm) 0,2 VIC (10cm) 0,15 CLM (1.8cm) 0,1 Mosaic (2cm) 0,05 0 0 10 20 30 40 50 60 70 Días (2009) Figura 3.- Humedad volumétrica del suelo para las fechas de 2009 indicadas en la Tabla1, obtenida con el método gravimétrico (5 cm), y calculada por los modelos Noah (10 cm), VIC (10 cm), Mosaic (2 cm), CLM (1,8 cm) y CLM (4,5 cm).(Predio experimental Córdoba) Durante los meses de 2010 considerados, se seleccionó una muestra con los días en los cuales hubo mediciones simultáneas con el método gravimétrico y la Sonda Diviner (Figura 4). Respecto a las mediciones in situ, se destaca la diferencia entre el método gravimétrico y el método por Sonda, al mismo tiempo que se recuerda la diferencia de profundidad de cada uno: 5 y 15 cm, respectivamente. Se puede observar que esta desigualdad es subestimada por el CLM, considerando los valores que simula en 4.5 y 16.6 cm. Humedad de suelo volumétrica (m3/m3) 0,4 0,35 0,3 Gravim (5cm) 0,25 Noah (10cm) CLM (4,5cm) 0,2 VIC (10cm) 0,15 Sonda (15cm) 0,1 CLM (16.6cm) 0,05 0 0 5 10 15 20 25 30 Días (2010) Humedad de suelo volumétrica (m3/m3) 0,45 0,4 Gravim (5cm) 0,35 0,3 AMS NSIDC (1.5cm) 0,25 AMS VUA (1.5cm) 0,2 0,15 CLM (1.8cm) 0,1 Mosaic (2cm) 0,05 0 0 5 10 15 20 25 30 Días (2010) Figura 4.- Humedad volumétrica del suelo para las fechas de 2010 indicadas en la Tabla1. Panel superior: obtenida con el método gravimétrico (5 cm) y con la sonda Diviner (15 cm); calculada por los modelos Noah (10 cm), VIC (10 cm), CLM (4,5 cm) y CLM (16,6 cm). Panel inferior: obtenida con el método gravimétrico (5 cm); estimada por AMSR-E NSIDC (1,5 cm) y AMSR-E VUA (1,5 cm); calculada por los modelos Mosaic (2 cm) y CLM (1,8 cm). (Predio experimental Córdoba) Respecto a los modelos Noah y VIC, simularon mayor contenido de humedad que las mediciones gravimétricas, lo cual coincide con lo hallado durante las fechas analizadas del 2009 y es coherente con la dinámica de esta variable. Sin embargo, en general los valores simulados también son mayores que los medidos a 15 cm por el método Sonda, lo que indicaría que ambos modelos presentan una sobrestimación de la humedad de suelo. En las capas superficiales, los primeros días tanto el Mosaic como el CLM (1.8 cm) muestran valores más secos que ambas estimaciones del AMSR-E. El resto del período, en general la humedad representada por el AMSR-E NSIDC es intermedia entre la simulada por el Mosaic y el CLM, mientras que la humedad representada por el AMSR-E VUA es mayor. Este comportamiento es análogo al hallado durante Marzo de 2009, donde este algoritmo presentó una estimación de mayor contenido de humedad que el algoritmo desarrollado por NSIDC. Por último, comparando estos modelos y estimaciones con las mediciones in situ a 5 cm de profundidad, se observa que al comienzo y al final del período los valores son mayores en las capas superficiales. A pesar de que los datos del 2010 presentan más dispersión que los del 2009, se puede apreciar que los modelos Mosaic y CLM también tienden a sobrestimar el valor de la humedad del suelo. Además, luego de haber considerado las mediciones in situ a una profundidad de 15 cm, se pudo observar que los modelos Noah y VIC presentaron sobrestimaciones. Recientemente, se instaló en la estación meteorológica del aeródromo de Venado Tuerto un sensor para la medición de humedad de suelo, y en la Figura 5 se muestran los promedios diarios de la humedad de suelo a 10 cm de profundidad, obtenida con frecuencia horaria en la estación de Venado Tuerto. Como ya se mencionó, actualmente no se dispone de simulaciones del GLDAS para esa época, ni tampoco de estimaciones provenientes de sensores remotos. Sin embargo, se quiere destacar la importancia de este nuevo set de datos, y la necesidad de que las mediciones continúen en esta estación y se extiendan a una red amplia y permanente. Mediciones Venado Tuerto Humedad volumétrica del suelo (m3/m3) 0,40 0,35 0,30 0,25 0,20 0,15 0,10 0,05 0,00 0 5 10 15 20 25 30 35 Días (Enero 2012) Figura 5.- Humedad volumétrica del suelo obtenida con HYDRAPROBE II (10 cm), en la estación Venado Tuerto, durante Enero de 2012. (Entre el 12 y el 20 no hay datos disponibles) CONCLUSIONES A partir de un análisis de variadas fechas de los años 2009 y 2010 en un predio experimental de Córdoba, se mostró que los valores de la humedad del suelo calculadas por los modelos de suelo del GLDAS en profundidades comparables con las de las observaciones, tienden a sobrestimar respecto a dichas mediciones. Aquellos modelos que la calculan a escasa profundidad presentan valores similares con los medidos, lo cual también indicaría una sobrestimación, considerando la diferencia de profundidades entre ambas bases de datos. Por otro lado, la comparación de la humedad del suelo de las capas superficiales de los modelos con las estimaciones del AMSR-E, pone de manifiesto una incertidumbre respecto a los algoritmos utilizados para obtenerla. Sería necesario extender este tipo de verificaciones, y agregar al análisis mediciones in situ a una profundidad semejante a la alcanzada por el sensor remoto con el fin de optimizar las comparaciones. En este sentido, se destaca la iniciativa conjunta entre CONAE y el SMN, en diseñar una red de sensores de humedad del suelo permanente, ubicados en estaciones meteorológicas. Actualmente se encuentra en funcionamiento el sensor en Venado Tuerto desde enero de 2012, cuyos datos se están almacenando para comenzar a organizar una base de datos abierta a incluir mediciones de las estaciones que se vayan agregando a la red potencial. Por último, se quiere mencionar que uno de los interrogantes que se presentó durante este análisis, es la diferencia entre el uso del suelo que utiliza cada uno de los modelos del GLDAS en el punto de retícula estudiado y el de las parcelas donde se efectuó la medición. Creemos que es un tema importante a desarrollar, junto con el análisis de las diferencias entre el tipo de vegetación o cultivo que utilizan los modelos y el de las parcelas donde se hacen las mediciones. Estas características podrían ser cruciales para explicar las desigualdades halladas. Agradecimientos. Este trabajo fue realizado en el marco del proyecto “Aplicaciones de modelos numéricos de última generación, en el ámbito del Servicio Meteorológico Nacional para el pronóstico del tiempo. Estudios de vulnerabilidad del medio ambiente e impacto socioeconómico”, PIDDEF 41/10 del Ministerio de Defensa. Las mediciones fueron realizadas en el marco del Proyecto SAOCOM desarrollado en CONAE. Los datos del AMSR-E/NSIDC están disponibles en el National Snow and Ice Data Center de la NASA (http://nsidc.org/data/docs/daac/ae_land_l2b_soil_moisture.gd.html ) a los cuales se accede vía ftp. Los datos del AMSRE/VUA están disponibles en la Vrije Universitet Amsterdan (http://geoservices.falw.vu.nl/amsr_soil_moisture_description.html). REFERENCIAS Collini E. A., Dillon M. E., Ferreira L., Pujol G., 2010. Estudio de la sensibilidad del modelo WRF-ARW versión SMN empleando los campos de humedad de suelo provenientes de modelos globales y de sensores remotos. XXV Reunión Científica de la AAGG, Córdoba, Argentina; Resumen publicado en las Actas de la Reunión ISBN 978-987-25291-2-3. Dillon M. E., Ferreira L., Collini E. A., Pujol G., 2011. Estudio de la sensibilidad del modelo WRF-ARW versión SMN/SHN usando campos de humedad del suelo del GLDAS. Conferencia Geográfica Regional, UGI 2011, Chile; 14 al 18 de Noviembre de 2011. Trabajo presentado en forma oral, y publicado en Actas del Congreso. Draper C. S., Walker J. P., Steinle P. J., de Jeu R. A. M., Holmes T. R. H., 2009. An evaluation of AMSR-E derived soil moisture over Australia. Remote Sensing of Environment, Elsevier, Vol 113, 703 – 710. Ferreira L., Salgado H., Saulo C., Collini E. A., 2010. Comparison of soil moisture values derived from models with observations from a field campaign over Argentina. enviado al Atmos. Scie.Let. Liu Y. Y., McCabe M. F., Evans J. P., van Dijk A. I. J. M., de Jeu R. A. M., Su H., 2009. Comparison of soil moisture in GLDAS model simulations and satellite observations over the Murray Darling Basin. The 18th World IMACS Congress and MODSIM09 International Congress on Modelling and Simulation. Cairns, Australia. 2798 – 2804. Njoku E., 1999. AMSR Land Surface Parameters. Algorithm Theoretical Basis Document: Surface Soil Moisture, Land Surface Temperature, Vegetation Water Content, Version 3.0. Pasadena, California USA: NASA Jet Propulsion Laboratory. Owe M., de Jeu R. A. M., Colmes T., 2008. Multi-Sensor Historical Climatology of Satellite-Derived Global Land Surface Moisture, J. Geophys. Res., 113, F01002, doi:1029/2007JF000769. Rodell M., Houser P. R., Jambor U., Gottschalck J., Mitchell K., Meng C. J., Arsenault K., Cosgrove B., Radakovich J., Bosilovich M., Entin J. K., Walker J. P., Lohmann D., Toll D., 2004. The Global Land Data Assimilation System. Bull. Ame. Meteo. Soc., Vol 85, 381 – 394, doi: 10.1175/BAMS-85-3-381. Rudiger C., Calvet J., Gruhier C., Holmes T. R. H., de Jeu R. A. M., Wagner W., 2009. An intercomparison of ERS-Scat and AMSR-E Soil Moisture Observations with Model Simulations over France. J. Hydrometeorology, Vol 10, 431 – 447. Saulo C., Ferreira L., Nogues-Paegle J., Seluchi M., Ruiz J., 2010. Land–Atmosphere Interactions during a Northwestern Argentina Low Event. Mon. Wea. Rev., 138, 2481-2498. doi: 10.1175/2010MWR3227.1. Spennemman Pablo, 2010. Evaluación de la representación de la humedad de suelo por el modelo WRF-ARW. Tesis de Licenciatura. Departamento de Ciencias de la Atmósfera y los océanos de la Universidad de Buenos Aires. Syed T. H., Famiglietti J. S., Rodell M., Chen J., Wilson C. R., 2008. Analysis of terrestrial water storage changes from GRACE and GLDAS. Zaitchik B. F., Rodell M., Olivera F., 2010. Evaluation of the Global Land Data Assimilation System using global river discharge data and a source-to-sink routing scheme. Water Resources Research, Vol 46, W06507, 17 pp, doi:10.1029/2009WR007811.