universidad del salvador tÍtulo de la tesis: …

UNIVERSIDAD DEL SALVADOR TÍTULO DE LA TESIS: Impacto de la Variabilidad Climática en la Expansión Agrícola de la zona semiárida Subtropical-tropical del Norte Argentino DOCTORANDO: Dra. Marilyn del Valle Leiva DIRECTOR DE TESIS: Dr. Juan Leonidas Minetti FECHA DE DEFENSA: 22 de Julio de 2020 N° de RESOLUCIÓN DECANAL Nro. 97/19 COMPOSICIÓN DEL TRIBUNAL: Ing. Horacio Ávila, Dra. Natalia Marlenko, Ingeniera Alicia A. M. Sedeño TÍTULO GENERAL DE LA TESIS: Impacto de la Variabilidad Climática en la Expansión Agrícola de la zona semiárida subtropical-tropical del Norte Argentino ÍNDICE 1. INTRODUCCIÓN 1.1 TEMA 1.2 PLANTEO DEL PROBLEMA Y APORTE ORIGINAL DE LA INVESTIGACIÓN 1.3 OBJETIVOS 1.3.1 Objetivos generales 1.3.2 Objetivos específicos 1.4 MARCO TEÓRICO 1.4.1 Área de estudio 1.4.1.1 Ubicación 1.4.1.2 Aspectos naturales 1.4.2 Concepto de Variabilidad climática y términos asociados 1.4.3 La expansión agrícola en la zona semiárida subtropical-tropical del Norte Argentino 1.4.3.1 Concepto de expansión de la frontera agrícola 1.4.3.2 Características generales del proceso de expansión agrícola 1.4.3.3 Causas de la expansión 1.5 HIPÓTESIS 2. LA EXPANSIÓN AGRÍCOLA EN LA ZONA SEMIÁRIDA SUBTROPICAL-TROPICAL DEL NORTE ARGENTINO Y EL IMPACTO DE LA VARIABILIDAD CLIMÁTICA 2.1 Introducción 2.2 Antecedentes del problema 2.3 Metodología 2.4 Análisis de cultivos en expansión según estadísticas económicas: soja y poroto 2.5 Uso de la teledetección y Sistemas de Información Geográfica en el análisis de la expansión de cultivos (soja y poroto) 2.6 Impacto de la variabilidad climática en la expansión de los cultivos de soja y poroto 2.6.1 Correlación entre precipitación y temperatura con rendimientos de soja y poroto. 2.7 Conclusiones parciales 3 ESTUDIO DE LA VARIABILIDAD CLIMÁTICA EN EL ÁREA DE ESTUDIO 3.1 Introducción 3.2 Antecedentes del problema 3.3 Metodología 3.4 Análisis de la variabilidad espacio-temporal de las precipitaciones 3.5 Análisis de las variables diagnosticadoras de las precipitaciones 3.6 Análisis de la variabilidad espacio-temporal de las temperaturas 3.7 Conclusiones parciales

4 CONCLUSIONES FINALES 5 BIBLIOGRAFÍA 5.1 Bibliografía citada 5.2 Bibliografía consultada 6 ÍNDICE DE MAPAS, GRÁFICOS, CUADROS E IMÁGENES 6.1 Índice de Mapas 6.2 Índice de Gráficos 6.3 Índice de Cuadros 6.4 Índice de Imágenes INTRODUCCIÓN En la zona subtropical semiárida argentina se registraron, durante la década de 1950 cambios en las condiciones térmicas e hídricas que, acompañadas por una situación económica exógena produjeron modificaciones en la producción agrícola y el paisaje de esta región. Las variaciones de las condiciones térmicas e hídricas fueron tratadas con anterioridad por Minetti y Poblete (1989), Minetti y Vargas (1983 a y b) entre otros. En estos trabajos se demuestra que en la región hubo un salto climático en donde aumentó la precipitación y se produjo un enfriamiento en una amplia región del Noroeste Argentino. Asimismo, este cambio se evidenciaba en otras variables como la heliofanía y la nubosidad. Simultáneamente, Kalnicky (1974) y Yamamoto et al (1985) (1987) mostraron que este salto climático también se registraba en el Hemisferio Norte, tratándose entonces, de un cambio de gran escala. Posteriormente, Minetti y otros (1987), Vargas y otros (1989) y Minetti y otros (1990) mostraron que los cambios observados tendrían que ver con alteraciones en la circulación regional que influían en el aumento de las precipitaciones en la llanura del Este del Noroeste Argentino. El comportamiento aludido habría favorecido la expansión de la agricultura de granos sobre márgenes semiáridos de la llanura del Este de Argentina, especialmente de soja y poroto, Minetti y Sierra (1984). Farber Truccone (1989) menciona, además del clima, otros factores tales como la posibilidad de acceso a la tierra, la capacidad de inversión, la rentabilidad de los cultivos y la mejora de los precios internacionales de los granos. Reboratti (1989) también menciona a la promoción estatal como un factor determinante. El impacto de estos cambios en la producción agropecuaria fue tratado por Minetti y Sierra (1984), Sierra y otros (1994), Pascale (1985) y Reboratti (1989). Cuando se utilizan sistemas de manejo del cultivo propio de la pampa húmeda en un ecosistema de clima semiárido, pueden surgir problemas ambientales. Esta tesis realizará un diagnóstico acerca del comportamiento y evolución temporal-espacial de algunas variables climáticas de importancia desde un período anterior al salto climático hasta el año 2013. También estudiará la génesis de la variabilidad climática y los precursores del clima que influyeron con su impacto en la expansión agrícola de la zona semiárida subtropical-tropical del Norte Argentino. Para analizar el impacto de las condiciones climáticas se realizará un modelo de regresión múltiple para determinar las variables climáticas más determinantes del rendimiento de soja y poroto. Esta tesis contribuiría, por una parte, al conocimiento de los cambios largos del clima (gran escala), y además se analizará hasta qué punto estas condiciones climáticas incidieron sobre la expansión de la producción agrícola, en particular en el rendimiento de soja y poroto.

OBJETIVOS Objetivos Generales: El objetivo de esta tesis es realizar un diagnóstico sobre la variabilidad climática y su impacto en la expansión agrícola de la zona semiárida subtropical-tropical del Norte Argentino. Objetivos específicos: - Evaluar cómo han sido el comportamiento de las variables climáticas en el área de

estudio y periferia: precipitaciones y temperatura, desde finales del siglo XIX hasta principios del siglo XXI (año 2013).

- Evaluar el impacto de la variabilidad climática (variables mencionadas) en la zona semiárida subtropical-tropical del Norte Argentino y su relación con el rendimiento: cultivos de soja y poroto, desde la década de 1970 hasta principios del siglo XXI (año 2013). Obtención de modelos.

- Estudiar la expansión agrícola por medio de estadísticas económicas y el análisis de imágenes satelitales, desde la década de 1970 hasta principios del siglo XXI (año 2013).

Área de estudio El área de estudio de este proyecto comprende la zona semiárida subtropical-tropical del Norte Argentino ubicada al Este de las provincias de Salta, Tucumán, área Oeste y central de la Provincia de Santiago del Estero y franja Oeste de las provincias de Chaco y Formosa (Mapa 1). Hipótesis La hipótesis general de este proyecto es que el salto climático producido en la década de 1950 impulsó parcialmente el avance de la frontera agropecuaria produciendo grandes cambios en el paisaje ya que el comportamiento de las variables climáticas serían determinantes en el rendimiento de los cultivos. Sin embargo, la tendencia del comportamiento de las variables climáticas se habría invertido a principios del SXXI mientras que la expansión agrícola continúa. METODOLOGÍA En el capítulo 2 que trata sobre La expansión agrícola en la zona semiárida subtropical-tropical del Norte Argentino y el impacto de la variabilidad climática, se abordan 3 cuestiones:

a. Análisis de la expansión agropecuaria según datos económicos b. Uso de la Teledetección y SIG para el estudio del avance de la frontera agrícola c. Impacto de la variabilidad climática en el rendimiento de los cultivos

Los datos y metodología usados fue la siguiente: En el estudio de la expansión agrícola según datos económicos utilicé datos del Ministerio de Producción y trabajo de la Presidencia de la Nación. Se trabajó con datos de producción, superficie sembrada y rendimiento de Soja y Poroto de los departamentos sojeros según Fundapaz. Se eligió aquellos que se encontraban en el área de estudio: Anta, Gral S. Martín, Burruyacu, Jimenez, Taboada y Moreno. En el mapa 2 se puede ver su localización. Calculé para el período 1969-2013: coeficiente de variación, promedio, evolución histórica y tendencias lineal y polinómica de 5to grado. Para usar la Teledetección y SIG se aplicó un método similar al propuesto por Portillo y otros (2005). Las imágenes fueron obtenidas del Servicio Geológico de los EEUU (USGS) en tres años diferentes, con el objetivo de ver las modificaciones producidas durante la década del setenta hasta la actualidad. Los años son: 1975, 1990 y 2016. En primer lugar se realizó una

corrección atmosférica, recorte de las imágenes, luego una clasificación supervisada tomando las áreas según la FAO: áreas cultivadas, superficie artificial, vegetación natural, suelo desnudo y cuerpo de agua. Se asignaron firmas espectrales a cada clase y vectoricé la imagen clasificada para calcular las áreas correspondientes a cada clase. Para analizar el impacto de la variabilidad climática en el rendimiento de los cultivos se utilizaron datos climáticos y de rendimiento de los cultivos. Datos climáticos de precipitación y temperatura obtenidos y cedidos por el Laboratorio Climatológico Sudamericano y Bianchi (2005). Los datos de rendimiento de Soja y Poroto se obtuvieron del Ministerio de Producción y Trabajo. Se escogieron estaciones meteorológicas que se encuentran dentro de los departamentos analizados o cercanos a ellos. A su vez estas estaciones corresponden con algunas de las áreas de génesis similar de lluvias encontradas por Minetti y otros (2005). Luego se elaboró una matriz de correlación para cada departamento y cada cultivo y por último un modelo de regresión múltiple para cada cultivo y cada departamento. En el capítulo 3 que versa sobre el estudio de la variabilidad climática en el área de estudio, se abordaron 3 cuestiones: el análisis de la variabilidad de las precipitaciones, análisis de las variables diagnosticadoras de las precipitaciones y por último el análisis de la variabilidad de las temperaturas. Con respecto a los datos y metodología utilizadas, en el caso de temperaturas y precipitaciones, los datos se extrajeron de series mensuales y anuales correspondientes a estaciones meteorológicas y puestos pluviométricos de la red de los servicios meteorológicos nacionales e hidrológicos provinciales argentinos cedidos y extraídos del Laboratorio Climatológico Sudamericano y Bianchi (2005). El período analizado incluye el SXX hasta principio del SXXI. Se calcularon promedio y tendencia polinómica de 5to grado para ver inflexiones a mediano plazo. También se calculó el promedio regional para evaluar la tendencia general de las precipitaciones medias anuales en la región. Por último, se realizó un análisis espectral. Se muestran solamente localidades seleccionadas de acuerdo con las áreas encontradas por Minetti y otros (2005) en la región del NOA. Éstas son áreas con una génesis común. Se seleccionó 1 estación por cada área. Luego se estudió con idéntico análisis estadístico las precipitaciones de Diciembre, DEF y DEFM, meses y períodos de importancia para el cultivo de la soja y el poroto. En el caso de las variables diagnosticadoras de la lluvia se usaron datos mensuales de Argentina en el período 1931-1990. Se seleccionaron 19 variables predictoras utilizadas operativamente el LCS. Luego se realizó correlación de Pearson entre estas variables con la lluvia mensual y se determinó, para cada mes y localidad la variable de máxima correlación. También se calcularon cuáles son las variables con mayor porcentaje de localidades explicadas. Luego analicé la evolución temporal de la temperatura máxima de SMT dada la importancia que tiene en la zona continental de Argentina donde se encuentra el área de estudio de esta tesis. Grafiqué la tendencia polinómica de 5to grado de la temperatura máxima de DEF. Con respecto al análisis de la variabilidad de las temperaturas en el área de estudio, y con el objetivo de saber si la temperatura de SMT es representativa en la región se realizó un radio crítico de control, es decir una correlación entre la temperatura media de SMT y otras localidades del país ubicadas en distintas direcciones, metodología utilizada por Minetti y otros (2005). El período analizado es de 1963 a 1972. Los datos se obtuvieron de la NASA, NOAA, y otras fuentes. Las localidades correlacionadas son: Córdoba, Ceres, Salta, Rivadavia, Las Lomitas, Rosario, Mendoza y La Quiaca. Por último se realizó un estudio estadístico de la temperatura media y Amplitud térmica de SMT dada su representatividad en un gran área de Argentina. RESULTADOS En el cuadro 1 puede verse el promedio y coeficiente de variación de superficie sembrada, producción y rendimiento de SOJA en los departamentos analizados. Puede observarse que

los departamentos con mayor superficie sembrada son Anta y Moreno y los coeficientes de variación más altos los tienen General San Martín (GSM), Taboada y Jimenez. En cuanto a producción el departamento Anta es el que más produce y tiene el coeficiente de variación más bajo. En cuanto a rendimiento el departamento con mayor rendimiento es Burruyacu. No se observan grandes diferencias en el coeficiente de variación. Se observa en el gráfico 1 que en Burruyacu hay un ascenso en la superficie sembrada, más lento desde la década del setenta hasta el 2000, luego un ascenso pronunciado y finalmente un descenso desde 2010. En el caso de producción en Burruyacu (gráfico 2) se observa un ascenso en el tiempo con descenso desde 2010. En cuanto a rendimiento se observa en el caso de Anta (gráfico 3), una tendencia lineal creciente, y si observamos la polinómica hay períodos de mayores y menores valores. El pico máximo se produce hacia el año 2007 y luego un brusco descenso. En general podemos decir que, en la mayoría de los casos, tanto la superficie sembrada, como producción y rendimiento han ascendido desde la década del setenta hasta el 2010 y luego se observa un descenso. En el cuadro 2 se observa la superficie sembrada, producción y rendimiento de POROTO. Los departamentos con mayor superficie sembrada y producción son GSM y Anta. El departamento con mayor variabilidad en estas mismas variables es Anta. En cuanto al rendimiento se observa similares valores. Anta y GSM tienen menor variabilidad. En el gráfico 4 se muestra la superficie sembrada de Jimenez. Se observa que hay un ascenso en los primeros años del período analizado y luego un descenso con leve ascenso después de 2005 aproximadamente. En cuanto a la producción (gráfico 5), Anta posee grandes fluctuaciones y se observa tendencia lineal decreciente. Si se analiza el rendimiento de soja en Anta (gráfico 6), se observa un ascenso en la tendencia lineal pero también grandes fluctuaciones y un descenso sobre el final del período. En general el cultivo del poroto no posee en cuanto a superficie sembrada o producción homogeneidad según relación de ubicación entre ellos departamentos estudiados. Si se compara Soja y Poroto puede decirse que la superficie sembrada y producción de soja tiene una tendencia ascendente en el tiempo, mientras que la de poroto comenzó en los setenta con mayores valores que luego descendieron. El rendimiento de ambos cultivos, sin embargo se mantiene estable, con tendencia decreciente desde 2010 y sin grandes diferencias entre los departamentos. En los mapas 3, 4, 5 y 6 se observa el uso del suelo de los años 1975 y 2016 que corresponden con los casos extremos del análisis en los departamentos de Anta y Burruyacu-Jimenez. Se observa en todos los departamentos que la superficie ocupada por la vegetación natural que prevalecía en 1975 fue reduciéndose hasta 2016, mientras crecía la superficie cultivada. En Anta se observa un avance de la superficie cultivada hacia al centro y Este. En Burruyacu la tendencia es similar y los cultivos avanzan hacia el Este y en Jimenez hacia el Oeste. En los gráficos 7 y 8 se muestran el área ocupada por cultivos y vegetación natural en los distintos departamentos en los años estudiados. El área cultivada fue incrementándose en todos los dptos. Desde 1975 a 2016 aunque se observan diferencias entre ellos en cuanto al período con mayor incremento. GSM es el departamento con mayor superficie cultivada y Moreno el de menor. La vegetación natural disminuyó especialmente en el período 1975-1990 especialmente en Anta y GSM. Moreno es el departamento con menos cambios. En el gráfico 9 podemos observar que el rendimiento promedio de SOJA en los departamentos estudiados aumenta hasta el año 2000 y desciende luego de 2010. La variabilidad aumenta en los últimos años. Según el gráfico 10 las precipitaciones de DEF, (con mayor correlación en 2 departamentos), y DEFM , (con mayor correlación en 3 departamentos), son las más importantes e impactan más en el rendimiento de los cultivos. En el cuadro 3 se muestran las variables que resultaron incluidas en los modelos de regresión múltiple para el cultivo de SOJA en los distintos departamentos. Las variables más recurrentes son la precipitación de Diciembre, presente en 4 de los 6 modelos. La precipitación de E, F,

M y N están presentes una vez. Estas variables son relevantes ya que constituyen el factor hídrico necesario para el inicio de la actividad fisiológica de la soja como así también para la época del llenado de granos. También figuran otras variables como la amplitud térmica de Febrero y temperatura mínima de Febrero y Marzo, como indicadores de las temperaturas extremas que resultan negativas también para el desarrollo y rendimiento del cultivo. Las temperaturas mínimas de Marzo impactan en el rendimiento del cultivo ya que a menores temperaturas mínimas se compromete el crecimiento vegetativo, la formación y llenado de vainas, lo que incide en el rendimiento. También podría estar relacionado con las condiciones de humedad al relacionarse con la amplitud térmica, o sea con las condiciones hígricas. El modelo de Anta es el que incluye la mayor cantidad de variables. La variabilidad explicada del rendimiento de soja, por variables climáticas para SOJA son: Burruyacu: 53,8% Moreno: 47,8% Anta: 47,7% Jimenez: 23% Taboada: 22,5% GSM: 16,5% El resto se explica por otros factores de índole tecnológica. En cuanto al cultivo del POROTO (gráfico 11), el rendimiento promedio de los departamentos desciende en la década de 1990, asciende en 2010 y luego desciende nuevamente. La variabilidad aumenta con los años al igual que en soja. Las precipitaciones del período DEF son las más importantes para el cultivo. En el gráfico 12 puede observarse que en todos los departamentos estos meses tienen mayor correlación con el rendimiento del Poroto. De los modelos de Regresión múltiples (cuadro 4) se puede concluir que el rendimiento del poroto se encuentra relacionado principalmente con la precipitación de Diciembre y Enero y la amplitud térmica de Diciembre y Febrero. Se estima que la precipitación del mes de Diciembre aporta la humedad necesaria al suelo para su posterior siembra en Enero y Febrero. Asimismo la precipitación de Enero es importante dado que es el inicio del ciclo del cultivo. La amplitud térmica de Febrero, que es una variable climática relacionada con la humedad, es importante en este mes, que es época de siembra. Relacionado con lo dicho anteriormente, las lluvias del trimestre DEF tienen la correlación más alta con el rendimiento de poroto en todos los departamentos. La varianza explicada por las variables climáticas en los modelos se encuentra entre el 16.1% y el 37.2%. El resto se explica por otros factores de índole tecnológica. GSM: 37,2% Burruyacu: 27,8 % Jiménez: 19,4 % Anta: 16,1% Para el análisis de la variabilidad de las precipitaciones se seleccionaron localidades representativas de las áreas con génesis similar: ellas son Salta, Embarcación y San Miguel de Tucumán. Aquí se observa, en Embarcación y SMT (gráficos 13 y 14) que hay un decrecimiento de las precipitaciones medias anuales sobre el final de período estudiado, luego de un período húmedo y más fresco que comenzó en la década de 1950. También puede observarse esta situación en Salta (gráfico 15) y el promedio regional (gráfico 16), aunque en Salta los períodos secos y húmedos son menos marcados. Del análisis espectral de las localidades seleccionadas se puede concluir que los cambios lentos son los que predominan en la explicación de la varianza. En SMT y Embarcación el pico mayor tiene aproximadamente 100 años y corresponden a áreas extensas y homogéneas, la pedeserrana y la llanura del Este del NOA (gráficos 17 y 18). En Salta, localizada en un valle, las frecuencias medias son las principales (gráfico 98). En el análisis de las variables diagnosticadoras de la lluvia mensual encontré que la Temperatura máxima de SMT es una variable importante, actuando como diagnosticador

principalmente en los meses de verano, DEF y también en Septiembre, lo que puede observarse en el cuadro 5. Esta situación se explica por el régimen quasi monzónico de precipitaciones de esta región y el nivel de nubosidad y precipitaciones asociados a esta variable. La temperatura media de Tucumán es relevante para el estudio de las temperaturas de una amplia zona de la República Argentina. Esta zona correspondería con la región del Norte continental del país ya que esta variable tiene importante correlación hacia latitudes medias. Hacia el Norte la relación detectada es menor debido al efecto de la orografía (Mapa 7). La temperatura media de SMT presenta en su evolución temporal períodos de mayor o menor temperatura observándose un ascenso hacia el final del período estudiado (Gráfico 20).

Mapa 1: Área de estudio

Fuente: Mapa base IGN. Elaboración propia.

Mapa 2: Localización de departamentos analizados y áreas de lluvias con génesis semejante

Fuente: Mapa base IGN. Elaboración propia. Mapa 3:

Mapa 4:

Mapa 5:

Mapa 6:

Mapa 7:

Elaboración propia en base a datos suministrados por el LCS y SMN.

Cuadro 1: Promedio y coeficiente de variación de la superficie sembrada con soja en has, producción en toneladas y rendimientos en Kg/ha de los departamentos de Anta, Gral San Martín, Burruyacu, Jimenez, Taboada y Moreno. El período analizado en cada caso se muestra en el apartado 2.3.

Fuente: Elaboración propia en base a Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación. Cuadro 2: Promedio y coeficiente de variación de superficie sembrada, producción y rendimiento de Poroto en departamentos de Anta, Gral S. Martín, Burruyacu y Jimenez. Departamentos Superficie

sembrada (has) Producción (tn) Rendimiento(Kg/ha) Nº

Datos x Coef.

Var. x Coef.

Var. x Coef. Var.

Anta 16232 1,53 15598 1,5 1083 0,16 40 Gral S. M. 61310 0,59 66410 0,65 1126 0,15 34 Burruyacu 4998,7 0,75 4790,4 0,73 1071 0,20 35 Jimenez 6809 0,65 7540 0,80 1111 0,27 32

Fuente: Elaboración propia en base a Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación. Cuadro 3: Variables incluidas en los modelos de regresión múltiple obtenidos para soja y variabilidad explicada en cada caso. GSM Anta Burruyacú Jimenez Moreno Taboada Variables Prec.

Diciembre Prec. Diciembre Prec. Febrero Prec. Marzo Temp. Mín. Febrero

Prec. Enero Amp. Tér. Febrero

Prec. Diciembre Temp. Mín. Marzo

Prec. Diciembre

Prec. Noviembre

R2 16,5% 47,72% 53.88% 23% 47,84% 22,54% Fuente: Elaboración propia en base Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación y datos climáticos obtenidos del SMN y LCS.

Departamentos Sup. Sembrada (has) Producción (Tn) Rendimiento (Kg/ha) Nº Datos

x Coef.Var. x Coef.Var. x Coef.Var. Anta 118.942 0,93 2.527.442 0,11 1979 0,31 38 Gral. S. Martín 40.737 1,15 85.356 1,25 2014 0,25 37 Burruyacu 49.983 0,70 112.550 0,92 2021 0,26 33 Jimenez 32.366 1,03 67.855 1,20 1878 0,35 36 Taboada 68.316 1,07 133.229 1,27 1951 0,27 32 Moreno 110.059 0,89 212.605 1,07 1896 0,32 25

Cuadro 4: Variables incluidas en los modelos de regresión múltiple obtenidos para poroto y variabilidad explicada en cada caso. GSM Anta Burruyacu Jimenez Variables Prec. Diciembre

Amp. Tér. Febrero

Prec. Diciembre Prec. Enero

Prec. Enero Amp. Tér. Diciembre

Prec. Enero Amp. Tér. Febrero

R2 37,25% 16,11% 27,87% 19,48% Fuente: Elaboración propia en base a Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación y datos climáticos obtenidos del SMN y LCS. Cuadro 5: Variables con mayor porcentaje de localidades asociadas con máxima correlación (lluvia mensual) según meses del año. Mes 1º

variable %

2º variable

%

% Acumulado (2 variables)

3º variable %

E TXSMT 17.5 ATIRIO 15.7 33.2 BA3 13.1 F TXSMT 19.8 BA3 10.8 30.6 BA2 9.9 M DPRICB 15.5 ATIRIO

ATSGO 9.7 9.7

25.2 BA3 7.7

A ATSGO ATRIO

15.6 15.6

DPSGCB 9.8 31.2 VALARE 7.8

M ATSGO 12.8 ATRIO 9.9 22.7 DPRICB 8.9 J ATRIO 13.5 VALARE 12.6 26.1 SOI

PSGO 6.7

J TZGAL RB VALARE

8.8 8.8 8.8

ATRIO 5.8 17.6 TXSMT DPSGCB PBUE

4.9 4.9 4.9

A TZGAL 16.5 DPSGCB 7.7 24.2 TXSMT DPRICB AILIMC

6.7 6.7 6.7

S TXSMT 15.3 ATSGO 13.4 28.7 DPRICB 11.5 O DPSGCB 13.5 PBUE 12.6 26.1 TXSMT

ATSGO 11.6 11.6

N ATRIO 8.7 VALARE TZGAL BA2

7.7 7.7 7.7

16.4 TXSMT TXBUE

6.7 6.7

D TXSMT 19.4 SOI 18.4 AILIMC 10.6 Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN.

Gráfico 1

Fuente: Elaboración propia en base a Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación. Gráfico 2:

Fuente: Elaboración propia en base a Datos abiertos de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación.

Gráfico 3:



Gráfico 5:



Gráfico 7:

Fuente: Elaboración propia a partir de datos obtenidos de imágenes satelitales LandSat 2MSS, 5 TM y 8 OLI Gráfico 8:

Fuente: Elaboración propia a partir de datos obtenidos de imágenes satelitales LandSat 2MSS, 5 TM y 8 OLI

Gráfico 9:


Fuente: Elaboración propia en base a datos de Ministerio de Producción y Trabajo, y datos climáticos obtenidos del SMN y Laboratorio Climatológico Sudamericano. Se muestran las correlaciones estadísticamente significativas al 95%.

Gráfico 11:


Fuente: Elaboración propia en base a datos de Ministerio de Producción y Trabajo, y datos climáticos obtenidos del SMN y Laboratorio Climatológico Sudamericano. Se muestran las correlaciones estadísticamente significativas al 95%.

Gráfico 13:

Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN. Gráfico 14:

Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN.

Gráfico 15:

Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN. Gráfico 16:


Gráfico 17: Análisis espectral de precipitaciones medias anuales para San Miguel de Tucumán

Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN. Gráfico 18: Análisis espectral de precipitaciones medias anuales para Embarcación


0 0,1 0,2 0,3 0,4 0,5 0,6frecuencia

0

2

4

6

8

10(X 100000,)

Ord

enad

a

0 0,1 0,2 0,3 0,4 0,5 0,6frecuencia

0

2

4

6

8

10(X 100000,)

Orde

nada

0 0,1 0,2 0,3 0,4 0,5frecuencia

0

0,4

0,8

1,2

1,6

2(X 100000,)

Ord

enad

aGráfico 19: Análisis espectral de precipitaciones medias anuales para Salta. Fuente: Elaboración propia en base a datos suministrados por el LCS y SMN. Gráfico 20:


CONCLUSIONES A partir de este estudio y análisis se puede concluir que: Según estadísticas económicas, Anta es el departamento con mayor superficie sembrada con soja, con mayor producción y menor coeficiente de variación. En cuanto al rendimiento promedio no se observan grandes diferencias entre los departamentos estudiados. En relación a la evolución de la superficie sembrada, producción de soja y rendimiento se observa en los departamentos ubicados en el margen occidental un aumento progresivo desde la década de 1970 y un leve descenso desde 2010. En Taboada y Moreno, del margen oriental, el rendimiento es más estable, y en la superficie sembrada y producción se observa un aumento general desde 1970 con un salto en la década de 1990, y fluctuaciones posteriores. Los departamentos con mayor superficie sembrada y producción de poroto son Gral. S. Martín y Anta, mientras Moreno es el que tiene los menores valores. En cuanto a rendimiento todos los departamentos tienen promedios y coeficiente de variación similares. La evolución de la superficie sembrada con poroto, como así también su producción y rendimiento es variable entre departamentos. Comparativamente, la superficie sembrada y producción de soja tiene una tendencia ascendente en el tiempo mientras que la de poroto comenzó en los setenta con mayores valores que luego descendieron. El rendimiento de ambos cultivos, sin embargo se mantiene estable, con fluctuación decreciente desde 2010 y sin grandes diferencias entre los departamentos. A partir del análisis de los mapas de uso del suelo obtenidos desde las imágenes satelitales, se puede concluir que el mayor incremento de la superficie cultivada se produjo en el período 1990-2016. Los departamentos con mayor superficie cultivada son los de Anta y Gral. S. Martín. La vegetación natural disminuyó notoriamente en el período 1975-1990. Los departamentos que más vegetación natural perdieron fueron los de Anta y Gral. S. Martín. Sobre el impacto de las variables climáticas en los rendimientos de los cultivos de soja y poroto se puede concluir que: El rendimiento promedio de soja de los departamentos estudiados (Anta, G. S. Martín, Burruyacu, Jiménez, Moreno y Taboada), aumenta hasta el año 2000 y desciende luego de 2010. La variabilidad aumenta en los últimos años y es homogénea en toda el área de estudio ya que todos están en el mismo grupo con Jiménez como cabecera. El rendimiento promedio de Poroto de los departamentos estudiados (Anta, G. S. Martín, Burruyacu, Jiménez) desciende en la década de 1990, asciende en 2010 para luego descender al final del período. Este último descenso también se observa en Soja. La variabilidad aumenta con los años, al igual que en el cultivo de Soja. No hay relación de ubicación entre los departamentos considerando que si bien hay relación positiva entre ellos en el rendimiento de poroto (salvo Jiménez), ninguno es cabecera de grupo. Sobre el impacto de las variables climáticas en los rendimientos de los cultivos de soja se observan que cada zona geográfica posee un modelo de regresión múltiple diferente, con algunas variables que se repiten. Las precipitaciones del trimestre DEF y el cuatrimestre DEFM son de gran e igual importancia para este cultivo. Las precipitaciones de Diciembre y Enero son las variables que más frecuentemente aparecen en los modelos, muy importantes en el período de siembra del cultivo y posterior al desarrollo. La varianza explicada en los modelos se encuentra entre el 16% y el 53%. En el cultivo de Poroto, las variables más correlacionadas con el rendimiento del cultivo son las precipitaciones de Diciembre y Enero. Las precipitaciones de Diciembre tienen importancia por la acumulación de agua en el suelo previo a la siembra. Las precipitaciones de Enero complementan el balance de agua en el suelo durante el ciclo de la planta. La varianza explicada en los modelos se encuentra entre el 16% y el 37%.

Con respecto a la evolución temporal de las precipitaciones en el área de estudio, se detecta un período más seco a principios del siglo XXI (hasta 2013) en la mayoría de las estaciones meteorológicas estudiadas. Este período con menores precipitaciones surge luego de un período húmedo que comenzó en la década de 1950. Este período más seco se observa en la precipitación media anual y en la de los meses estivales, Diciembre, Enero, Febrero y Marzo. Los cambios lentos de las precipitaciones son los que predominan en los espectros de frecuencias. En el estudio de las variables diagnosticadoras del clima se encontró que TXSMT es una variable importante, que se asocia con la lluvia estacional en un número mayor de meses que el resto de las variables, actuando como diagnosticadora principalmente en los meses de verano. Con respecto a la correlación entre variables diagnosticadoras, las principales se encuentran relacionadas a la baroclinicidad, las segundas al vapor de agua que ingresa desde el Océano Atlántico y las terceras a fenómeno del ENSO. La temperatura media de San Miguel de Tucumán es representativa en una amplia zona de la Argentina, hacia el Sur. Hacia el Norte su importancia es menor por el efecto de la orografía. Por este motivo se incluyó esta variable para los modelos de regresión en los distintos departamentos. Se observa que la temperatura media de San Miguel de Tucumán presenta en los últimos años (hasta 2014) una tendencia ascendente, tendencia que se mantiene desde la década de 1980. La amplitud térmica presenta asimismo la misma tendencia, lo que se relacionaría con el período más seco detectado en estos años. Por lo tanto, se observó, en el área de estudio, hacia principios del SXXI, un decrecimiento de las precipitaciones que se relaciona con un ascenso de la temperatura media y amplitud térmica, lo que estaría indicando un período más seco. Asimismo, este período más seco coincide con un menor rendimiento en los cultivos de soja y poroto. Teniendo en cuenta los porcentajes de varianza explicada del rendimiento de los cultivos por los factores climáticos, el decrecimiento de las precipitaciones y del rendimiento estarían relacionados de forma directa. Esta situación es de vital importancia ya que, de modificarse la situación y de ocurrir un nuevo salto climático se vería afectada la expansión de cultivos y la forma de producción instalada en el área de estudio en estos últimos 40 años. BIBLIOGRAFÍA

• Acuña, L., Minetti, J. L. y Angueira, C. (2004). La expansión agrícola en Santiago del Estero y clima asociado. En X Reunión y LV Latinoamericana de Agrometeorología. Mar del Plata, Argentina.

• Atlas de Cajamarca. (2006). Universidad Católica de Perú. Recuperado de http://www.atlascajamarca.info/index.php

• Banchero, C. B. (Coor.). (2003). La difusión de los cultivos transgénicos en la Argentina. Argentina: Facultad de Agronomía. Universidad de Buenos Aires.

• Benacchio, S. S. (1982). Algunas exigencias agroecológicas en 58 especies de cultivo con potencial de producción en el Trópico Americano. Maracay, Venezuela: FONAIAP-Centro Nacional de Investigación Agropecuarias. Ministerio de Agricultura y Cría.

• Bianchi, A. R., Yáñez, C. E. y Acuña, L. R. (2005). Las precipitaciones en el Noroeste Argentino. Argentina: INTA. EEA Salta-Jujuy.

• Burgos, J. A. J. y Vidal, A. (1950). Los climas de la República Argentina según la nueva clasificación de Thornthwaite. Revista Meteoros, Año 1(1), 3-32. SMN. Bs As

• Congedo Luca (2016). Semi-Automatic Classification Plugin Documentation. DOI: http://dx.doi.org/10.13140/ RG.2.2.29474.02242/1

• Cuadrat, J. M. y Pita M. F. (2004). Climatología. Madrid, España: Cátedra. ISBN 84-376-1531-3.

http://www.atlascajamarca.info/index.php

http://dx.doi.org/10.13140/

• Da Veiga, A. (2005). La soja y la expansión de la frontera agrícola argentina. Soja, eficiencia de cosecha y postcosecha. Proyecto eficiencia de cosecha, y postcosecha de granos. INTA-PRECOP. Manual técnico (3), 9-24. ISSN 1667-9199. Argentina.

• Datos abiertos de Agroindustria. Secretaría de Agroindustria. Ministerio de Producción y Trabajo, Presidencia de la Nación. Recuperado de http://www.siia.gob.ar/sst_pcias/estima/estima.php. Consultado en 2015.

• De Aparicio, F. y Difrieri, H. A. (1958). La Argentina, Suma de Geografía. Buenos Aires, Argentina: Ediciones Peuser.

• Devani, M., Pérez, D., Ledesma, F., Paredes, V. y Sánchez, J.R. (2012). Análisis económico de la campaña de soja 2011/2012 en Tucumán y zonas de influencia. Revista Avance Agroindustrial, 33(3). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Di Gregorio, A. (2005). Land cover classification system, version 2: classification concepts and user manual. FAO, environment and natural resources service series, (8). FAO, Rome, 2005.

• Domínguez, D. y Sabatino, P. (2006). Con la soja al cuello: crónica de un país hambriento productor de divisas. En Alimonda, H. (Ed.), Los tormentos de la materia. Aportes para una ecología política latinoamericana. Buenos Aires, Argentina: CLACSO, Consejo Latinoamericano de Ciencias Sociales. ISBN: 987-1183-37-2. Recuperado de http://bibliotecavirtual.clacso.org.ar/ar/libros/grupos/hali/C9DominguezSabatino.pdf

• EVARSA. (2004). Estadística Hidrológica de la Rep. Argentina. Argentina: Subsecretaría de Recursos Hídricos. ISBN 987-98869-3-3.

• Farber Truccone, E. (1989). La expansión de la frontera agrícola en Tucumán. Rev. Desarrollo Rural, 1(1), 239-259. Instituto para el desarrollo rural del NOA. Tucumán, Argentina.

• Farias, J. R. B. (1995). El Cultivo de la Soja en los Trópicos. Mejoramiento y Producción. Requisitos Climáticos. EMBRAPA-CNPSO. ISSN 1014-3041. Roma.

• FUNDAPAZ. (2008). Impacto social de la Expansión Frontera Agropecuaria. Región Chaqueña Argentina. Informe Final.

• Gargiulo, C., Salas Oroño, J. y González Terán, C. (1981). La expansión sojera en Tucumán. Revista Avance Agroindustrial, Año 2(6), Estación Experimental Agro-Industrial Obispo Colombres.

• González Terán, C. y Vizgarra, O. N. (1994). Poroto, análisis económico de su producción. Revista Avance Agroindustrial, Año 15(59), Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• González Terán, C., Vizgarra, O.N., Devani, M.R. y Ploper, L.D. (1993). Análisis Económico de la producción de poroto en el noroeste argentino. Revista Avance Agroindustrial, Año 13(55), Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1132.

• Infoagro. (2016). Sistema de información del sector agropecuario costarricense. Recuperado de http://www.infoagro.com/herbaceos/industriales/soja.htm

• Kalnicky, R. A. (1974). Climate Change Since 1950. Ann. Amo. Geo., 64(1). USA. • Köppen, W. (1923). Die Klimate der Erde. Grundriss der Klimakunde. Berlin and

Leipzig. Vol. X, 369 págs. • Kugler, W. F. (1983). Discurso inaugural de la 7 Reunión Nacional del CAPERAS. IDIA,

Suplemento (36). INTA. Buenos Aires. • Lamelas, C. M., Pascale, A. J. y Suárez, L. C. (1995). Modificación de la aptitud

agroclimática sojera en Tucumán, en el período 1961-90, como consecuencia del salto climático. Revista Industrial y agrícola de Tucumán, Tomo 72 (1-2), 57-62. Tucumán, Argentina.

• Lara Ledesma, S. E. (2009). Evaluación de varios bioestimulantes Foliares en la producción del cultivo de Soya (Glicyne max L), en la zona de Babahoyo, provincia de Los Ríos. (Tesis de Grado). Escuela Superior Politécnica del Litoral.

http://www.siia.gob.ar/sst_pcias/estima/estima.php

http://www.infoagro.com/herbaceos/industriales/soja.htm

• Lund. I. A. (1969). Map classification by statistical methods. Journal of Applied Meteorology, 2, 56-65.

• Madariaga, M. C. (1999). Transformaciones de las estructuras agrarias en el borde occidental del Gran Chaco Argentino. (Tesis de doctorado). Universidad Nacional de Tucumán. Instituto de Estudios Geográficos. Tucumán. Inédito.

• Mantúa, N. J. y Hare, S. R. (2002). The Pacifical Decadal Oscillation. Journal of Oceanography, 58(1), 35-44.

• Medina, E. R. y Minetti, J. L. (2004). El salto climático y su impacto en la frecuencia de precipitaciones máximas diarias en San Miguel de Tucumán. En X Reunión y LV Latinoamericana de Agrometeorología. Mar del Plata, Argentina.

• Minetti, J. L. (1990). Regionalización de variabilidad de las precipitaciones anuales en el Este de Tucumán. Rev. Industrial y Agrícola de Tucumán, 67(2), 79-97.

• Minetti, J. L. (1991). Estudio de las singularidades climáticas en series de temperaturas del Noroeste Argentino. (Tesis de doctorado). Universidad de Buenos Aires.

• Minetti, J. L. (29 de septiembre, 2016). Conferencia realizada en Santiago del Estero. INTA.

• Minetti, J. L. (Ed.). (2005). El clima del Noroeste Argentino. San Miguel de Tucumán: Magna. 449 págs. ISBN: 987-939.-66-00.

• Minetti, J. L. (Ed.). (2014). El Clima de Bolivia. San Miguel de Tucumán: Laboratorio Climatológico Sudamericano. ISBN 978-987-28266-3-5.

• Minetti, J. L. y Vargas, W. M. (1998). Trends and Jumps in the annual precipitation in South America, south of the 15ºS. Atmósfera, 11, 205-221. México.

• Minetti, J. L. y González, J. A. (2006). El cambio climático en Tucumán. Sus impactos. Serie Conservación de la Naturaleza (17). Fundación Miguel Lillo. ISSN 0325-962. Tucumán, Argentina. 23 págs.

• Minetti, J. L. y Lamelas, C. (1995). Respuesta regional de la soja en Tucumán a la variabilidad climática. Rev. Industrial y Agrícola de Tucumán. Tomo 72 (1-2), 63-68.

• Minetti, J. L. y Poblete, A. G. (1989). El salto de la década de 1950 en Tucumán, Análisis de diagnóstico y consecuencias. RIAT, 66(1), 119-136. EEAOC. San Miguel de Tucumán.

• Minetti, J. L. y Radicella, S. M. (1983). La información hidroclimatológica de la zona árida argentina. Informe técnico N°2. CIRSAJ-CONICET. San Juan.

• Minetti, J. L. y Sierra, E. M. (1984). La expansión de la frontera agrícola en Tucumán y el diagnóstico climático. RIAT, 61(2), 109-116. EEAOC. San Miguel de Tucumán.

• Minetti, J. L. y Vargas, W. M. (1983) (a). El enfriamiento de la década de 1950 en la Rep. Argentina. Meteorológica, 14, 175-188. CAM. Buenos Aires.

• Minetti, J. L. y Vargas, W. M. (1983) (b). Fluctuaciones de la temperatura media en Sudamérica y Hemisferio Sur en el período 1941-60. Meteorológica, 14, 225-235. CAM. Buenos Aires.

• Minetti, J. L., Neder, R. A., Gargiulo, C. A. y Sal Paz, J. C. (1982). Impacto del clima sobre la producción de caña de azúcar en Tucumán. Pub. Misc., (72), 45-93. EEAOC. San Miguel de Tucumán.

• Minetti, J. L., Neder, R. A., Mariotti, J. A. y Gargiulo, C. A. (1982). Respuesta de la caña de azúcar a las condiciones del clima en Tucumán. Pub. Misc., (72), 1-44. EEAOC. San Miguel de Tucumán.

• Minetti, J. L., Poblete, A. G. y Vargas, W. M. (1990). La perturbación en la circulación zonal que originaría el subcontinente sudamericano. Rev. Geofísica, 33, 161-178. IPGH-OEA. México.

• Minetti, J. L., Poblete, A.G., Vargas, W.M. y Ovejero, D.P. (2014). Trends of the Drought Indices in Southern Hemisphere Subtropical Regions. Journal of Earth Science Research, Vol. 2, Iss. 2, 36-47.

• Minetti, J. L., Sierra, E. M. y Poblete, A. G. (1987). Las fluctuaciones de la circulación regional sudamericana. En Anales del II Congreso Interamericano de Meteorología. CAM-AMS. 12-3-1/6. Buenos Aires.

• Minetti, J. L., Vargas, W. M. y Leiva, M. (2006). Cambios en la precipitación media de Argentina y Chile relacionada con el ENSO. Análisis de mesoescala en el Noroeste Argentino. Revista de Geografía, Año IX (10), Diciembre de 2006. San Juan. ISSN 1514-1942.

• Minetti, J.L., Vargas, W. M., Poblete, A. G., Casagrande, G. y Acuña, L. R. (2001). El Salto Climático de las Décadas de 1950-60. Evidencia de un complicado proceso de cambio Climático en la R. Argentina. VIII Congreso Argentino e Ibérico de Meteorología. Bs As.

• Montenegro, D. (2016). Comparación de Índices de Vegetación NDVI, NDWI y SAVI en los departamentos Burruyacu, Pellegrini y Jiménez. Cuaderno de Resúmenes de las XXIV JORNADAS JÓVENES INVESTIGADORES AUGM. Desafios Conteporãneos dos Jovens Investigadores no Desenvolvimento da Ciência na América Latina. ISBN: 978-9974-8553-2-8.

• Monteros Granados, R. (2016). Modelos de regresión lineal múltiples. Granada, España: Documentos de Trabajo en Economía Aplicada. Universidad de Granada.

• Moral Carcedo, J. (2000). Introducción al tratamiento de series temporales mediante filtros. (Tesis doctoral). Universidad Autónoma de Madrid.

• MUNDOMANZ. Recuperado de: http://www.mundomanz.com/meteo_p/yearrep?countr=ARGENTINA&action_coun=display_coun

• NASA. National Aeronautics and Space Administration. Recuperado de http://data.giss.nasa.gov/gistemp/station_data/

• Necco, G. V. (1980). Curso de cinemática y dinámica de la atmósfera. Buenos Aires: EUDEBA-Ediciones Previas. 287 págs.

• NOAA. National Oceanic and Atmospheric Administration. Recuperado de http://www.ncdc.noaa.gov/IPS/mcdw/mcdw.html

• Parmuchi, M. G., Strada, M., Montenegro. C., Manghi. E., Gasparn, I. y Bono, J. (2004). Mapa forestal provincia de Santiago del Estero - Actualización año 2002. Unidad de Manejo del Sistema de Evaluación Forestal. Dirección de Bosques. Secretaría de Ambiente y Desarrollo Sustentable. Ministerio de Salud y Ambiente. República Argentina.

• Paruelo, J. M. (Dir.). (2004). Patrones espaciales y temporales de la expansión de soja en Argentina. Relación con factores socioeconómicos y ambientales. Laboratorio De Análisis Regionales y Teledetección. Facultad de Agronomía. U.B.A. Buenos Aires.

• Paruelo, J. M., Guerschman, J.P. y Verón, Santiago. (2005). Expansión agrícola y cambios en el uso del suelo. Ciencia Hoy. 15(87), 14-23.

• Pascale, A. (1985). Agroclimas hídricos para el cultivo de la soja. RIAT. Tomo 62(1), 107-138. EEAOC. San Miguel de Tucumán.

• Peña Ortiz, C. (2006). Variabilidad climática estratosférica asociada a la QBO. (Tesis doctoral). Universidad Complutense de Madrid. Facultad de Ciencias Físicas. Departamento de Astrofísica y Ciencias de la Atmósfera. Madrid.

• Pérez Ortega, M. (2001). Aplicaciones de la teledetección y SIG en la caracterización de humedales en la Reserva de la Biósfera de La Mancha Húmeda. (Trabajo fin de Master). Universidad Complutense de Madrid. Facultad de Geografía e Historia. Recuperado en: http://eprints.ucm.es/13964/

• Pierre, G. (2007). Diccionario Akal de Geografía. Ediciones Akal. • Ploper, D. y Dantur, N. (1981). Poroto. Visita al Norte Argentino de científicos del

C.I.A.T. Revista Avance Agroindustrial, Año 2(5). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Portillo, J., Zalazar, L., Aloy, G. y Puga, H. (2005). Determinación de usos del suelo mediante análisis multitemporal de imágenes Landsat en los oasis de la provincia de Mendoza. Ecoatlas. Mendoza, Argentina. Recuperado de: http://www.ecoatlas.org.ar/unidades/suelo/valle.pdf

http://www.ecoatlas.org.ar/unidades/suelo/valle.pdf

• Prudkin, N. (1997). Umbral al Chaco: una opción en la encrucijada. De hombres y tierras. Una historia ambiental del Noroeste Argentino. Proyecto Desarrollo Agroforestal en Comunidades Rurales del NOA. 97-113. Salta.

• Reboratti, C. (Redacción). (1989). La frontera agraria en el umbral al chaco; desarrollo, balance y perspectivas. Buenos Aires: Publicación de la Universidad de Buenos Aires, Facultad de Filosofía y Letras, Instituto de Geografía, Versión Preliminar.

• Ramage, C. S. (1986). El Niño. En el clima. Barcelona, España: Libros de Investigación y Ciencia. Prensa científica Barcelona. 67-75.

• Ricci, J. R. y Ploper, L. D. (1982). Poroto. Evaluación de nuevas variedades para el NOA. Revista Avance Agroindustrial, Año 2(8). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Ruiz Corral, J.A., Medina García, G., González Acuña, I.J., Flores López, H.E., Ramírez Ojeda, G., Ortiz Trejo, C., Byerly Murphy, F. y Martínez Parra, R.A.(2013). Requerimientos Agroecológicos de cultivos. Segunda Edición. Libro Técnico (3). Tepatitlán de Morelos, Jalisco, México: INFAP. Instituto Nacional de Investigación Forestales Agrícolas y Pecuarias. CIRPAC. Campo Experimental Centro Altos de Jalisco. ISBN: 978-607-37-0188-4.

• Ruíz Fernández, L. A., Del rey Pérez, A., Estornell Cremades, J. y Ruiz Marin, R. (2007). La Teledetección como herramienta del análisis del crecimiento urbano y su representación en 3D. ACE, 2(4). Barcelona. España.

• S.A.USGS. Recuperado de: https://earthexplorer.usgs.gov/ • Salas, G., Devani, M. y Ledesma, F. (1998). Análisis del comportamiento varietal de

soja en el Noroeste Argentino: Campaña 1997/98. Conclusiones de un Taller de Técnicos realizado en la EEAOC. Revista Avance Agroindustrial, Año 19(74). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Salas, G., Devani, M.R. y Ricci, O.R. (1995). Soja: Respuesta al déficit hídrico de los principales grupos de maduración cultivados en el NOA. Revista Avance Agroindustrial, Año 16(62). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Sierra, E. M., Conde Pratt M., Pérez S. y Messina C. (1994). Variaciones del régimen de precipitaciones y del área cultivada con granos en la R. Argentina 1941-01. En VI Reunión Nacional de Agrometeorología, AADA. Córdoba.

• Sistema Nacional Argentino de Vigilancia y Monitoreo de Plagas. Recuperado de http://www.sinavimo.gov.ar/cultivo/phaseolus-vulgaris. Consultada en Julio 2018.

• SNDC. Recuperado de http://datosclimaticos.mincyt.gob.ar/ • Spiegel, M. R. (1991). Estadística. Segunda Edición. Madrid, España: McGraw-

Hill/Interamericana de España S.A. ISBN: 0-07-060234-4; ISBN: 84-7615-562-X. • Toll Vera, J. R. (1987). Efecto de las heladas en siembras tardías de poroto. Revista

Avance Agroindustrial, Año 8(30). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Tukey, J. W. (1950). The sampling theory of power spectrum estimates. Symposium on Applications of Autocorrelation Analysis to Physical Problems. U.S. Office of Naval Research, 47-67.NAVEXOS P-735. Washington, D.C.

• TUTIEMPO. Recuperado de http://www.tutiempo.net/clima/Argentina/AR.html • Uriel Jiménez, E. (1985). Análisis de series temporales. Modelos ARIMA. España:

Thomson-Paraninfo • Vargas, W. M., Minetti, J. L y Poblete, A. G. (2002). Low-frequency oscillations in

climatic and hydrological variables in southern South America´s tropical-subtropical regions. Rev. Theoretical and Applied Climatology, 72(1-2). ISSN 0177-790X. Austria.

• Vargas, W. M., Minetti, J. L. y Poblete, A. G. (1989). Climatic Jump in Zonal Regional Circulation. En Anales de la Third International Conference on Southern Hemisphere Meteorology and Oceanography, 134. CAM-AMS. Buenos Aires.

https://earthexplorer.usgs.gov/

http://www.sinavimo.gov.ar/cultivo/phaseolus-vulgaris

• Vargas, W. M., Minetti, J.L. y Poblete, A.G. (1995). Statistical study of climatic jump in the regional zonal circulation over South America. Journal of the Meteorological Society of Japan, 73(5), 849-856. Japan.

• Viglizzo, E. F. y Jobbácy, E. (2010). Expansión de la Frontera Agropecuaria en Argentina y su impacto Ecológico-Ambiental. INTA. ISBN 978-987-1623-83-9.

• Vizgarra, O. N. y Ploper, L. D. (1998). Poroto: resultados de la campaña 1998. Revista Avance Agroindustrial, Año 19(74). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O. N. y Toll Vera, J. (1992). La precocidad en poroto: estrategias de producción. Revista Avance Agroindustrial, Año 13(50). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O. N., Espeche, M.C., Berbeluk, R. y Ploper, L.D. (2007). Aspectos sobresalientes y resultados de la campaña 2007 de poroto. Revista Avance Agroindustrial, 28(3). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O. N., Ploper, L.D. y Barcala, G. (1996). Investigación de poroto en la EEAOC: Avances registrados durante 1995. Revista Avance Agroindustrial, Año 16(64). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O. N., Ploper, L.D. y Devani, M. (1993). Evaluación de cultivares de poroto durante la campaña 1993. Revista Avance Agroindustrial, Año 13(55). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O. N., Ploper, L.D., Aguirre, N. y Karlen, J.J. (1999). El Poroto en la campaña 1999. Revista Avance Agroindustrial, Año 20(78). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Vizgarra, O.N., Espeche, C.M., Mamaní, S.Y., Velázquez, D. y Ploper, L.D. (2012). Consideraciones generales de la campaña de poroto 2012 y resultados de los ensayos evaluados en el Noroeste Argentino. Revista Avance Agroindustrial, 33(3). Estación Experimental Agro-Industrial Obispo Colombres. ISSN 0326/1131.

• Volante, J.N., Bianchi, A.R., Paoli, H.P., Noé, Y.E., Elena, H.J. y Cabral, C.M.(2005). Análisis de la Dinámica del uso del suelo agrícola del Noroeste Argentino mediante Teledetección y Sistemas de Información Geográfica. PRO. RE. NOA. Publ. Por INTA. EEA Salta

• White, W. J. (1985). Conceptos básicos de fisiología del frijol. En López, M., Fernández, F. y Schoonhoven, A. (Eds.), Frijol, investigación y producción. (pp.43-60). Cali, Colombia: Programa de las Naciones Unidas. CIAT.

• World Meteorological Organization (1966). Climate Change. Technical Note (79). Geneva.

• World Meteorological Organization (1975). The physical basis of climate and climate modeling. GARP Publications Series (16). ICSU-WMO. Siuza

• Yamamoto, R. T. (1987). Climatic Jump-Evidence and possibility. Workshop on Climatic Change and water resources, 1-34. Beijing, China.

• Yamamoto, R., Iwashima, T. and Sanga, N. K. (1985). An analysis of Climatic Jump. J. Meteor. Soc. Of Japan, 64, 273-281. Japan.

universidad del salvador tÍtulo de la tesis: …

Documents