A. Schrapffer¹
Con : A. Sörensson² ; J. Polcher³ ; L. Fita²

 

Introducción

El ciclo del agua es un elemento esencial tanto para los ecosistemas terrestre como para la actividad humana (Vörösmaty et al., 2000; Pekel et al., 2016). Se puede descomponer el ciclo del agua en la superficie terrestre en cuatro flujos: su ingreso desde la atmósfera por precipitación / condensación, la infiltración del agua en el suelo, su vuelta a la atmósfera por evapotranspiración y el movimiento horizontal del exceso de agua en escorrentía, sea de aguas superficiales o de aguas subterráneas, formando ríos determinados por la topografía y llevando el agua hacia los océanos / lagos. Es posible que el exceso de agua no pueda escurrir lo suficiente por lo cual genera inundaciones, i.e. cuerpos de agua. Estas superficies de agua abierta, sean de origen natural o creadas por el humano, influencian el sistema climático y las actividades humanas (Pekel et al. 2016).

Entre los diferentes tipos de superficies de agua abiertas naturales, están las llanuras de inundación que Junk et al. (1989) define como “áreas temporalmente inundadas por el flujo lateral de los ríos o lagos, y/o por la precipitación directa o por las aguas subterráneas”. En las sub-cuencas más pequeñas, las inundaciones suelen estar relacionadas con la precipitación local y las condiciones de suelo por lo cual reaccionan rápidamente y de manera imprevisible. Al contrario, en las grandes cuencas, estas inundaciones suelen ocurrir en regiones más llanas y están relacionadas con las precipitaciones ocurriendo en las regiones presentes río arriba. En consecuencia, muestran un ciclo anual de inundaciones más predecibles (Junk et al. 1993). Este estudio se enfoca en las llanuras de inundación ubicadas en las grandes cuencas tropicales. Estas cuencas muestran un interés particular porque tienen precipitaciones más importantes e interacciones más fuertes con la atmósfera a lo largo del año. En estas llanuras, consideradas como humedales (Ramsar Convention, Irán 1971), se desarrollan ecosistemas muy ricos y diversos debido a los pulsos anuales de inundaciones (Hamilton et al. 1996; Junk et al. 2006; Alho y Sabino 2012; Costa et al. 2013).

Existen numerosas grandes llanuras de inundación tropicales de por el mundo: el Sudd en el Nilo (Sutcliffe y Brown, 2016), el delta interior del río Níger (d’Orgeval et al., 2007; Taylor et al., 2010) o el río Congo (Lee et al., 2011). Por sus grandes cuencas hidrológicas y sus extensas llanuras, Suramérica es un continente con numerosas llanuras de inundación (Junk et al. 1993). Las más notables son el río principal de la Amazona (Alsdorf et al. 2010, Guimberteau et al. 2012), los Llanos de Moxos y los Llanos del río Orinoco (Hamilton et al. 2004), los Esteros de Iberá (Grimson et al., 2013) y el Pantanal (Hamilton et al. 1996; Penatti et al., 2015). El presente estudio se enfoca en el Pantanal, región de la Cuenca del Plata, que es la llanura de inundación más extensa del mundo. 

Las llanuras de inundación de las grandes cuencas tropicales son áreas naturales cuyo estudio representa un interés en distintos dominios: (1) por su impacto en la hidrología, (2) por su interacción con la atmósfera, (3) por su riqueza ecológica y (4) por su fuerte interacción con el ciclo del carbono. Las llanuras de inundaciones son regiones con escasos datos observacionales por lo cual, antes de estudiar las diferentes problemáticas citadas anteriormente, es importante tener informaciones sobre los procesos de inundación. El uso de modelos de superficie permite enfrentar esta problemática.

Los modelos de superficie (LSMs) son una herramienta que permiten simular los procesos de la superficie terrestre y, por lo general, incluyen un esquema de ruteo de los ríos (Sheng et al. 2017). Los LSMs son una herramienta poderosa para poder estudiar y entender el ciclo hidrológico en regiones extensas con escasas observaciones como el Pantanal. Aunque su representación se considera como esencial (Bierkens et al. 2015), los LSM suelen carecer de representación de las llanuras de inundación. El presente estudio presenta simulaciones realizadas con el modelo ORCHIDEE (Krinner et al. 2005), el LSM del Instituto Pierre Simon Laplace. Este modelo incluye una representación de las llanuras de inundación (d’Orgeval 2006) utilizada en el Delta Interior del Níger (d’Orgeval 2006, d’Orgeval et al. 2008) y en la Amazonia (Guimberteau et al. 2012, 2013).

La motivación del presente estudio es la evaluación de los impactos de las llanuras de inundación y, principalmente, sobre los flujos entre la superficie terrestre y la atmósfera. Por lo cual busca responder a la siguiente cuestión: ¿Cuál es el beneficio de integrar las llanuras de inundación a un modelo de superficie? Se busca responder a esta pregunta con experimentos realizados con el modelo de superficie ORCHIDEE sobre la región del Pantanal. A continuación, se encuentra en la sección 2 el detalle de la Metodología. La sección 3 presenta los resultados que se discutan a continuación en la sección 4. La sección 5 da una conclusión a este trabajo.

Metodología

Área de interés: el Pantanal

El Pantanal, con sus 140 000 km² (Hamilton et al. 1996), es la llanura de inundación más extensa del mundo (Alho et al. 1988; Penatti et al. 2015). Se ubica en el Suroeste de Brasil, en el Mato Grosso, y a la frontera con Bolivia y Paraguay. Esta región pertenece a la cuenca Alta del río Paraguay, el afluente más importante del río Paraná y es la llanura de inundación más extensa del mundo. El Pantanal es una región muy plana, con entre 80 y 150 m.s.n.m de altitud, que recibe la escorrentía de las montañas del Cerrado a su norte / noreste (entre 200 y 1400 m.s.n.m) y de las llanuras del Gran Chaco a su oeste (Gonçalves et al. 2011).

Figura 1: Ubicación y descripción de la topografía del Pantanal, incluyendo las estaciones fluviométricas de Porto Murtinho y Ladario.

Esta región está localizada en una zona de transición entre el clima tropical húmedo del Cerrado y el clima semiárido del Gran Chaco. A pesar de sus diferentes climas, estas tres zonas tienen una climatología de precipitación similar con altas precipitaciones en el verano austral, entre noviembre y marzo, y bajos niveles de precipitaciones el resto del año (Fig. 2.a). Las precipitaciones son más altas en la región del Cerrado debido al impacto directo del sistema de monzones suramericano (SAMS). La precipitación media va disminuyendo del Noreste (Cerrado) hacia el Suroeste (Chaco) de la cuenca (Fig. 2.b).

Figura 2: Climatología de la precipitación entre 1961-2000 basado en los datos de GPCC con
(a) el ciclo anual de la precipitación en las 3 regiones del Paraguay Alto (Cerrado, Pantanal y Chaco) y (b) precipitación promedia anual.

La precipitación del verano austral genera inundaciones en la región del Pantanal que actúa como una zona tampón retrasando entre 3 y 5 meses el flujo de agua proveniente de las regiones río arriba. La superficie inundada es máxima en abril y mínima en Octubre (Penatti et al. 2015).

Modelo utilizado: ORCHIDEE

El modelo ORCHIDEE es un modelo de superficie desarrollado por el Institut Pierre Simon Laplace. Los experimentos presentados fueron realizados con la versión de ORCHIDEE utilizada en el Coupled Model Intercomparison Project Phase 6 (CMIP6). Estas simulaciones fueron realizadas con una configuración dicha “offline”, es decir que está forzada por datos atmosféricos externos (cantidad de lluvia y de nieve caída, temperatura del aire y humedad específica en superficie velocidad del viento, radiación de onda corta y larga recibida por la superficie).

La representación de los ríos en ORCHIDEE se organiza en unidades hidrológicas básicas llamadas HTUs. El presente estudio basa la representación de los HTUs en un mapa global de las cuencas a 0.5º (Vörösmaty et al. 2000) que contiene la información necesaria para ORCHIDEE: topografía y largura del río, dirección del río. Cada HTU contiene 3 reservorios: el reservorio principal que representa directamente el río, un reservorio para representar los procesos locales de escorrentía superficial y uno para los procesos de drenaje. ORCHIDEE contiene un módulo para representar las llanuras de inundación que puede ser activado. Este modelo gestiona un reservorio adicional en los lugares donde hay llanuras de inundación, basado en el Global Lake and Wetland Database (GLWD – Lehner et al. 2004). Este reservorio va a simular los procesos de inundación vía la posible evaporación del agua y el cambio de dinámica del río. El esquema de representación de los ríos con el esquema de llanuras de inundaciones se muestra en la Figura 3.

Figura 3: Descripción del esquema de simulación de los ríos en ORCHIDEE con
el módulo de llanuras de inundación y sus respectivas interacción con la atmósfera y el suelo.

Experimentos

Se realizó una simulación de 40 años entre 1961 y 2000. Se trata de un periodo largo para poder considerar la variabilidad climática. Ese período incluye una década seca de 1960 a 1972 (Alho y Silva, 2012) y una década húmeda de 1980-1990. En el presente estudio se presentará una simulación forzada por CRU-NCEP versión 7 (Viovy 2018) basada en un re-análisis con un paso de tiempo de 6 horas del National Center for Environmental Prediction National Center for Atmospheric Research (NCEP-NCAR) interpolado a 0.5º y con un sesgo corregido por los datos mensuales del CRU (Climatic Research Unit) TS3.24 (Harris et al. 2014). En Schrapffer et al. (2020) se evaluaron otros forzantes para considerar la incertidumbre de la precipitación, pero no están incluidos en el presente estudio.

Se hicieron dos simulaciones: una primera con el módulo de llanuras de inundación activado (FP) y una con el mismo módulo desactivado (NOFP). Esto permite, por un lado, evaluar el interés de considerar las llanuras de inundación y, por otro lado, de estimar el impacto de las llanuras de inundación sobre las variables en superficie.

Los caudales fueron evaluados en la estación de Porto Murtinho (Fig. 1) gracias a los datos observados mensuales de la Agência Nacional de Águas (Brasil, ANA). Esta estación es considerada como una referencia para representar la salida del Pantanal (Penatti et al. 2015). Además, posee datos para la integralidad del periodo considerado (1961-2000).

Resultados

Hidrología

Se evalúa en un primer tiempo el módulo de llanuras de inundación con el caudal en Porto Murtinho (ver Fig. 1). La figura 4 presenta el ciclo anual para el periodo considerado del caudal en Porto Murtinho para las simulaciones FP y NOFP comparado a las observaciones. Los extremos de cada mes se pueden observar con el sombreado. 

Se nota que el ciclo anual del caudal en Porto Murtinho en FP se atrasa algunos meses con una variabilidad anual y un caudal medio más bajos en comparación con NOFP por lo cual el ciclo anual es más parecido a las observaciones. En FP se reducen también los valores extremos del caudal comparado con NOFP para acercarse al rango de variabilidad de las observaciones.

Estos resultados muestran que la activación del esquema de llanuras de inundación mejora la simulación del caudal en el Pantanal. Demuestra también que las llanuras de inundación actúan como un filtro paso-bajo sobre el caudal.

Figura 4: Ciclo anual del caudal en Porto Murtinho (líneas) para las simulaciones FP (verde) y NOFP (naranja) y para las observaciones (negro) para el periodo 1961-2000. El nivel del caudal promedio está representado por una línea a la izquierda del gráfico y los máximos / mínimos para cada mes por un sombreado.

Balance de Agua

Figura 5: Flujo promedio P-E para el periodo 1961-2000 para las simulaciones FP y NOFP.

La diferencia entre la precipitación promedia y la evapotranspiración promedia (el flujo P-E) es una medida del intercambio de agua entre la superficie terrestre y la atmósfera.

La Figura 5 presente P-E para las simulaciones FP y NOFP. Se observa que, con el módulo de llanuras de inundación, el agua proveniente de las regiones río arriba pueden evaporar en el Pantanal lo que aumenta la evapotranspiración en FP y, por consecuencia, reduce el flujo P-E en comparación con NOFP. Los valores negativos sobre el río Paraguay significan que la evapotranspiración supera a la precipitación local, lo que no es posible sobre un largo periodo si no se consideran las llanuras de inundación.

Ciclo de Evapotranspiración

Figura 6: Ciclo anual entre 1961 y 2000 de la relación entre el porcentaje del área del
Pantanal inundada en FP y la diferencia de evapotranspiración sobre el Pantanal
entre ambas simulaciones (Delta ET = ET(FP) – ET(NOFP)).

La diferencia de evapotranspiración sobre el Pantanal entre FP y NOFP es positiva todo el año, pero es más importante en invierno (periodo seco). Considerar las llanuras de inundación en el modelo permite evaporar agua precipitada sobre las regiones río arriba pero también permite desfasar temporalmente la evaporación de estas precipitaciones al periodo seco. Este fenómeno va a aumentar los flujos latentes a expensas de los flujos sensibles. Esto puede generar gradiente horizontal de temperatura y humedad que van a afectar las capas bajas de la atmósfera y pueden afectar la circulación atmosférica.

La integración de las llanuras de inundación es, entonces, crítica para poder capturar este aumento de la evapotranspiración en el periodo seco.

Discusión y Conclusión

¿Cuánta agua evapora del Pantanal?

Estimar la precipitación a gran escala es difícil en regiones con pocas observaciones como el Pantanal. Además, las formulaciones empíricas de los productos satelitales se basan en balance de energía en superficie y no fueron calibradas sobre superficie de agua abiertas. Entonces no proveen estimaciones confiables sobre las llanuras de inundaciones. Las formulaciones de la evapotranspiración en los modelos enfrentan también incertidumbre.

Por estas razones, se realizó una estimación de la evapotranspiración a partir de observaciones que fueron completadas con las salidas del modelo. Se estimó la evapotranspiración con un balance hídrico anual promediado sobre el periodo 1961-2000. Este balance se realizó para las simulaciones FP y NOFP con la formula siguiente: 

Con E y P respectivamente la evapotranspiración y la precipitación sobre el Pantanal, Qi los caudales entrando en el Pantanal y Q el caudal en salida del Pantanal, en Porto Murtinho. Para más detalles ver Schrapffer et al. (2020).

Figura 7: Ilustración del balance hídrico realizado para estimar la evapotranspiración total
sobre el Pantanal y la cantidad de evapotranspiración directamente relacionada con
las llanuras de inundación.

La evapotranspiración sobre el Pantanal fue estimada a 1220 mm anual con una incertidumbre de 180 mm anual mientras la precipitación promedia anual fue estimada a 1250 mm. La incertidumbre es alta, pero permite tener una estimación razonable de la evapotranspiración sobre el Pantanal.

La evapotranspiración relacionada con las llanuras de inundación, ∆E, fue estimada a 90 mm anual. Comparado con la evapotranspiración simulada en ORCHIDEE, esta diferencia representa entre 6 y 12 % de la evapotranspiración. Significa que los modelos atmosféricos con modelos de superficie que no consideran las llanuras de inundación perderían entre 6 a 12 % de la evapotranspiración por no considerar las llanuras de evapotranspiración sobre el Pantanal.

Conclusión

La activación del módulo de llanuras de inundación permitió mejorar la simulación de la descarga en el río Paraguay. Resultó en un cambio espacial del flujo de P-E (Precipitación – Evapotranspiración). Al estimar la evapotranspiración real con un balance de agua sobre el Pantanal encontramos un valor de 1220 mm anual muy cercano al valor de precipitación considerado de 1250 mm anual. Se estima entre 6 y 12 % de evapotranspiración pérdida sobre el Pantanal por los modelos de superficie que no consideran las llanuras de inundación.

Las perspectivas a futuro de este trabajo es el desarrollo de un esquema de llanuras de inundación a alta resolución en ORCHIDEE y seguir estudiando la interacción entre las llanuras de inundación y la atmósfera con la realización de simulaciones acopladas a alta resolución con el modelo regional RegIPSL que acopla ORCHIDEE con el modelo atmosférico WRF.

Agradecimientos

Este trabajo fue financiado por el proyecto PICT-2018-02511.

Referencias

Alho, C., & Sabino, J. (2011). A conservation agenda for the Pantanal’s biodiversity. Brazilian Journal of Biology, 71(1 suppl 1), 327–335. https://doi.org/10.1590/s1519-69842011000200012

Alho, C. J. R., Lacher, T. E., & Gonçalves, H. C. (1988). Environmental Degradation in the Pantanal Ecosystem. BioScience. https://doi.org/10.2307/1310449

Alho, C. J. R., & Silva, J. S. V. (2012). Effects of severe floods and droughts on wildlife of the pantanal wetland (Brazil)-a review. In Animals. https://doi.org/10.3390/ani2040591

Alsdorf, D., Han, S. C., Bates, P., & Melack, J. (2010). Seasonal water storage on the Amazon floodplain measured from satellites. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2010.05.020

Bierkens, M. F. P. (2015). Global hydrology 2015: State, trends, and directions. Water Resources Research. https://doi.org/10.1002/2015WR017173

Costa, M., Silva, T. S. F., & Evans, T. L. (2013). Wetland classification. In Remote Sensing of Natural Resources. https://doi.org/10.1201/b15159

D’Orgeval, T. (2006). Impact du changement climatique sur le cycle de l’eau en Afrique de l’Ouest: modélisation et incertitudes. Universite Paris VI.

D’Orgeval, T., Polcher, J., & De Rosnay, P. (2008). Sensitivity of the West African hydrological cycle in ORCHIDEE to infiltration processes. Hydrology and Earth System Sciences. https://doi.org/10.5194/hess-12-1387-2008

Gonçalves, H., Mercante, M., & Santos, E. (2011). Hydrological cycle. Brazilian Journal of Biology, 71(1 suppl 1), 241–253. https://doi.org/10.1590/S1519-69842011000200003

Grimson, R., Montroull, N., Saurral, R., Vasquez, P., & Camilloni, I. (2013). Hydrological modelling of the Iberá Wetlands in southeastern South America. Journal of Hydrology. https://doi.org/10.1016/j.jhydrol.2013.08.042

Guimberteau, M., Drapeau, G., Ronchail, J., Sultan, B., Polcher, J., Martinez, J. M., Prigent, C., Guyot, J. L., Cochonneau, G., Espinoza, J. C., Filizola, N., Fraizy, P., Lavado, W., De Oliveira, E., Pombosa, R., Noriega, L., & Vauchel, P. (2012). Discharge simulation in the sub-basins of the Amazon using ORCHIDEE forced by new datasets. Hydrology and Earth System Sciences. https://doi.org/10.5194/hess-16-911-2012

Guimberteau, M., Ronchail, J., Espinoza, J. C., Lengaigne, M., Sultan, B., Polcher, J., Drapeau, G., Guyot, J. L., Ducharne, A., & Ciais, P. (2013). Future changes in precipitation and impacts on extreme streamflow over Amazonian sub-basins. Environmental Research Letters. https://doi.org/10.1088/1748-9326/8/1/014035

Hamilton, S. K., Sippel, S. J., & Melack, J. M. (2004). Seasonal inundation patterns in two large savanna floodplains of South America: The Llanos de Moxos (Bolivia) and the Llanos del Orinoco (Venezuela and Colombia). Hydrological Processes. https://doi.org/10.1002/hyp.5559

Hamilton, S. K., Sippel, S. J., & Melack, J. (1996). Inundation patterns in the Pantanal Wetland of South America determined from passive microwave remote sensing. Archiv Für Hydrobiologie.

Harris, I., Jones, P. D., Osborn, T. J., & Lister, D. H. (2014). Updated high-resolution grids of monthly climatic observations – the CRU TS3.10 Dataset. International Journal of Climatology. https://doi.org/10.1002/joc.3711

Junk, W. J., Bayley, P. B., & Sparks, R. E. (1989). The flood pulse concept in river-floodplain systems. D. P. Dodge [Ed.] Proceedings of the International Large River Symposium. Can. Spec. Publ. Fish. Aquat. Sci., 106(Proceedings of the International Large River Symposium.), 110–127.

Junk, W. J., Bayley, P. B., & Sparks, R. E. (1989). The flood pulse concept in River-Floodplain Systems. In D. P. Dodge [Ed.] Proceedings of the International Large River Symposium. Can. Spec. Publ. Fish. Aquat. Sci., 106, 110–127.

Junk, W. J., Da Cunha, C. N., Wantzen, K. M., Petermann, P., Strüssmann, C., Marques, M. I., & Adis, J. (2006). Biodiversity and its conservation in the Pantanal of Mato Grosso, Brazil. Aquatic Sciences. https://doi.org/10.1007/s00027-006-0851-4

Junk, W. J., & Furch, K. (1993). A general review of tropical South American floodplains. Wetlands Ecology and Management. https://doi.org/10.1007/BF00188157

Junk, W. J., & Furch, K. (1993). A general review of tropical South American floodplains. Wetlands Ecology and Management. https://doi.org/10.1007/BF00188157

Krinner, G., Viovy, N., de Noblet-Ducoudré, N., Ogée, J., Polcher, J., Friedlingstein, P., Ciais, P., Sitch, S., & Prentice, I. C. (2005). A dynamic global vegetation model for studies of the coupled atmosphere-biosphere system. In Global Biogeochemical Cycles. https://doi.org/10.1029/2003GB002199

Lee, H., Beighley, R. E., Alsdorf, D., Jung, H. C., Shum, C. K., Duan, J., Guo, J., Yamazaki, D., & Andreadis, K. (2011). Characterization of terrestrial water dynamics in the Congo Basin using GRACE and satellite radar altimetry. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2011.08.015

Lehner, B., & Döll, P. (2004). Global Lakes and Wetlands Database GLWD. Journal of Hydrology.

Pekel, J. F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature. https://doi.org/10.1038/nature20584

Penatti, N. C., Almeida, T. I. R. de, Ferreira, L. G., Arantes, A. E., & Coe, M. T. (2015). Satellite-based hydrological dynamics of the world’s largest continuous wetland. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2015.08.031

Schrapffer, A., Sörensson, A., Polcher, J., & Fita, L. (2020). Benefits of representing floodplains in a Land Surface Model: Pantanal simulated with ORCHIDEE CMIP6 version. Climate Dynamics. https://doi.org/10.1007/s00382-020-05324-0

Sheng, M., Lei, H., Jiao, Y., & Yang, D. (2017). Evaluation of the Runoff and River Routing Schemes in the Community Land Model of the Yellow River Basin. Journal of Advances in Modeling Earth Systems, 9(8), 2993–3018. https://doi.org/10.1002/2017MS001026

Sutcliffe, J., & Brown, E. (2018). Water losses from the Sudd. Hydrological Sciences Journal, 63(4), 527–541. https://doi.org/10.1080/02626667.2018.1438612

Taylor, C. M. (2010). Feedbacks on convection from an African wetland. Geophysical Research Letters. https://doi.org/10.1029/2009gl041652

Viovy, N. (2018). CRUNCEP Version 7 – Atmospheric Forcing Data for the Community Land Model. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory.

Vörösmarty, C. J., Fekete, B. M., Meybeck, M., & Lammers, R. B. (2000). Global system of rivers: Its role in organizing continental land mass and defining land-to-ocean linkages. Global Biogeochemical Cycles, 14(2), 599–621. https://doi.org/10.1029/1999GB900092

 

1 – Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Buenos Aires, Argentina
2 – Centro de Investigaciones del Mar y la Atmósfera (CIMA), CONICET – Universidad de Buenos Aires, Buenos Aires, Argentina
3- Instituto Franco-Argentino para el Estudio del Clima y sus Impactos (UMI 3351 IFAECI), CNRS – IRD – CONICET – UBA, Buenos Aires, Argentina
4 – Laboratoire de Météorologie Dynamique (LMD), IPSL, CNRS, École Polytechnique, Palaiseau, France

1. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Buenos Aires, Argentina. Centro de Investigaciones del Mar y la Atmósfera (CIMA), CONICET – Universidad de Buenos Aires, Buenos Aires, Argentina. Instituto Franco-Argentino para el Estudio del Clima y sus Impactos (UMI 3351 IFAECI), CNRS – IRD – CONICET – UBA, Buenos Aires, Argentina [↩]
2. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Buenos Aires, Argentina. Centro de Investigaciones del Mar y la Atmósfera (CIMA), CONICET – Universidad de Buenos Aires, Buenos Aires, Argentina. Instituto Franco-Argentino para el Estudio del Clima y sus Impactos (UMI 3351 IFAECI), CNRS – IRD – CONICET – UBA, Buenos Aires, Argentina [↩] [↩]
3. Laboratoire de Météorologie Dynamique (LMD), IPSL, CNRS, École Polytechnique, Palaiseau, France [↩]

---

---