ANALISIS ESTADISTICO DE LA TENDENCIA AL CALENTAMIENTO ...

ANALISIS ESTADISTICO DE LA TENDENCIA AL CALENTAMIENTO
ESTIVAL EN EL VALLE DE TULÚM -SAN JUAN- PERÍODO 1968-2010
Arnobio Germán Poblete 1
1 Instituto de Geografía Aplicada. Universidad Nacional de San Juan. San Juan -Argentina-.
agpoblete@gmail.com
Juan Leonidas Minetti 2
CONICET, Dpto. de Geografía de la UNT y Laboratorio Climatológico Sudamericano (LCS) -.
Resumen
La temperatura global de la superficie terrestre ha aumentado alrededor de 0.6°C (+/- 0.2°C) desde las dos
últimas décadas del siglo XIX, y de 0.2 a 0.3°C durante los últimos 30 años. El efecto invernadero, ayudado
por las actividades humanas, es el principal sospechoso de ese incremento. En nuestra provincia periodistas,
especialistas y la población en general, necesitan saber: si San Juan participa de ese calentamiento global,
cómo se está alterando la temperatura por estación, y si la frecuencia de temporadas de calor intenso con la
ocurrencia de eventos extemporáneos se incrementó; entre otros interrogantes.
Como complemento de un trabajo anterior, y en la búsqueda de respuestas a esas preguntas, se realiza este
estudio sobre la variabilidad interanual de la temperatura estival para el periodo 1968-2009 con variables
diarias y para 1931-68 con variables mensuales mediante la construcción de un “índice de verano” que
caracterice adecuadamente dicha estación, describa su estructura, y permita explicitar la marcha interanual de
la temperatura de la misma.
Para lograrlo se aplicaron métodos multivariantes que posibilitaron realizar un completo análisis estadísticoclimatológico.
Se determina que en el Valle de Tulum –San Juan- se registra un aumento estadísticamente significativo de
la temperatura estival, que depende fundamentalmente de parámetros y valores relacionados con la
temperatura mínima. Aplicando el “índice de verano” encontrado, se identifican los estíos más calidos del
periodo: 1986-87, 1996-97, 2002-03, 2005-06, y los más frescos: 1970-71, 1985-86, 2001-02, 2003-04.
Palabras claves: Calentamiento estival – San Juan – Estructura estadística – Índice de verano.
STATISTICAL ANALYSIS OF THE WARMING TREND
SUMMER IN THE VALLEY-SAN JUAN-TULUM PERIOD 1968-2010
Abstract
The global temperature of the terrestrial surface has increased around 0.6°C (+ / - 0.2°C) from the last two
decades of the XIX century, and of 0.2 to 0.3°C during the last 30 years. The effect hothouse, helped by the
human activities, is the main suspect of that increment. In our county journalists, specialists and the
population in general, they need to know: if San Juan participates of that global heating, how he is losing
temper the temperature for station, and if the frequency of seasons of intense heat with the occurrence of
untimely events was increased, among other queries.
As complement of a previous work, and in the search of answers to those questions, he/she is carried out this
study about the variability interannual of the summery temperature for the period 1968 -2009, by means of
the construction of a "summer index" that characterizes appropriately this station, describe their structure,
and allow explicitar the march interannual of the temperature of the same one.
To achieve it methods multivariates they were applied that facilitated to carry out a complete statisticalclimatological
analysis.
It is determined that in the Valley of Tulum - San Juan - he/she registers a significant increase of the
summery temperature that depends fundamentally on parameters and values related with the minimum
temperature. Applying the "summer index" opposing, the warmest summers in the period they are identified:
1986-87, 1996-97, 2002-03, 2005-06, and the freshest: 1970-71, 1985-86, 2001-02, 2003-04.
Keywords: Warm summer - San Juan - Structure Statistics - Index of summer -

INTRODUCCIÓN
La temperatura global de la superficie terrestre ha aumentado alrededor de 0.6°C (+/- 0.2°C) desde
las dos últimas décadas del siglo XIX al presente, y de 0.2 a 0.3°C durante los últimos 30 años, el período
con los datos más creíbles dado el perfeccionamiento del advenimiento de datos satelitales y la ampliación
de la red de medición en todo el mundo. Este calentamiento no ha sido globalmente uniforme. Algunas áreas,
de hecho, han refrescado durante el último siglo. Además, el reciente incremento de calor ha sido más
grande en América del Norte y Eurasia, entre las latitudes de 40º y 70° N, que en el resto del globo. Quizás
ayudado por El Niño de 1997-98 y con la fase PDO más seca sobre los continentes. Ese aumento ha
continuado hasta el presente, siendo el 2005 el año más caliente del periodo instrumental (desde
1860),siguiéndole el 2009 junto con el 2007, (GHCN, 2010. 1880-01/2005. NASA. Vía Internet) (cabe
aclarar que por razones de disponibilidad de datos, este trabajo se realiza a mediados del 2010, en la
actualidad se sabe que ese año fue el más caliente del periodo instrumental, ubicándose, a su vez, el 2011 en
el onceavo lugar, según los principales centros de investigación climáticos mundiales Esto también se
verifica en el Sur de Sudamérica (Laboratorio Climatológico Sudamericano sede NOAA, 2010)).
El efecto invernadero, uno de los procesos naturales del geosistema, ayuda a regular la temperatura
del planeta, hecho esencial para la vida en la Tierra. Es el resultado de la absorción de calor por ciertos gases
en la atmósfera (llamados de invernadero porque ellos “atrapan” eficazmente el calor en la más baja
atmósfera y lo re-irradian hacia la superficie). Sin un efecto invernadero natural, la temperatura media de la
Tierra sería aproximadamente de unos -18°C, en lugar de sus presentes 15°C (aproximadamente). La
preocupación actual está en saber si las actividades humanas están aumentando este efecto, tal como lo
indica, principalmente, el Panel Intergubernamental para el Cambio Climático (IPCC) y que fue difundido
mundialmente mediante películas y conferencias por Al Gore (2008). Contrariamente, hay muchos
investigadores que refutan el origen humano del calentamiento y postulan hipótesis basadas en factores
naturales tales como la actividad solar y vulcanismo, entre otras. Esto da lugar a fuertes controversias que
trascienden lo científico y repercuten en los más altos niveles políticos de decisión.
La opinión más aceptada y corroborada por los modelos, es que el clima presente, particularmente desde las
últimas décadas del siglo XX, es el producto de la combinación entre las variaciones climáticas inducidas por
las actividades humanas sobrepuestas a la variabilidad natural propia del sistema climático.
Simultáneamente, en San Juan hay una generalizada inquietud por saber como la provincia experimenta los
efectos de dicho calentamiento global y si sus estados del tiempo han variado. Además a los sanjuaninos les
interesa saber como se comporta la temperatura por estación. Por ejemplo, la probabilidad de ocurrencia de:
temporadas de calor intenso, periodos con heladas reducidos o aumentados, inviernos benignos o muy fríos,
primaveras inestables y de eventos extemporáneos en general. Poblete y Sánchez G. (1999), Poblete y
Mallea (2004), (Poblete A. G., Silva, S. 2005).
Habiendo determinado, en un trabajo anterior (Poblete A. G., Silva, S. 2005), que la estación que
más asimila el calentamiento global es el verano, se realiza este estudio sobre la estructura estadística del
mismo y se investiga la contribución de diversos factores térmicos en la caracterización de la tendencia al
calentamiento del verano en el Valle de Tulúm, aplicando el análisis factorial y otras técnicas multivariantes.

DATOS
Aero
D.F.S
Pocito
Figura Nº 1: Ubicación geográfica del área de estudio y estaciones de medición (Pocito y Aeropuerto de
D.F Sarmiento-ex Las Chacritas) (izquierda) y rosa de vientos correspondiente a la ciudad de San Juan
(derecha). En está se muestra que de 1000 observaciones la mayor frecuencia de vientos es del S con 341
casos (34.1%) y 22 casos del N (2.2%) lo que habilita a pensar en que no hay advección local del calor
urbano desde la ciudad de San Juan sobre Pocito (principal fuente de datos).
Para la realización de este trabajo se tomaron distintas fuentes de datos: Los registros diarios y
horarios de temperaturas del periodo 1968-2010, aportados por la estación agro-meteorológica de EEA-
INTA Pocito, la cual se encuentra en (31,57º Lat. Sur y 68,42º W y una altura de 618,23 snm). Ubicada a
unos 14Km. al Sur de la ciudad de San Juan, lo que garantiza la independencia del posible “efecto urbano”, a
lo que se suma la prevalencia de vientos del sur y sureste que garantizan una advección prevalerte desde
Pocito al Gran San Juan anulando la contraria(ver Figura Nº 1). Los mismos fueron cotejados con los
proporcionados por las Estaciones del Aeropuerto D.F. Sarmiento-ADFS- (ex Las Chacritas)
(31°34′S, 68°30`W), Observatorio de Mendoza (32°53′S, 68°50′W) y EEA- INTA San Martín de San Juan
(31º 32`S, 68º 25`W). Otro factor que se tuvo en cuenta para el control de la temperatura mínima de verano
es el crecimiento y extensión areal de la superficie irrigada en el desierto, que envuelve a la estación de
Pocito, sin embargo, como se verá más adelante, la tendencia al calentamiento veraniego también se verifica
en todo el Sur de Sudamérica. Se examinaron desde 5 hasta 42 años de registros diarios de las estaciones
mencionadas, por medio de la aplicación de tests de homogeneidad absoluta y relativa, WMO (1966),
Minetti (1991). En un análisis de homogeneidad entre el ADFS y Pocito se encontró que el primero presenta
una diferencia de promedio de 0,7ºC y que sus diferencias tienen la estructura de un ruido blanco por lo que
son consistentes entre sí, en cuanto a su variabilidad temporal.
También se utilizaron, para estimar la tendencia del calentamiento estacional, datos obtenidos vía
Internet en series mensuales que van desde 1931 hasta 2010 (http://data.giss.nasa.gov/cgi-bin/gistemp). La
aquí analizada se obtuvo homogenizando datos de distintas fuentes (Poblete A.G., 2004), lo cual deja como
incógnita sí está o no afectada por el calor urbano-industrial. Sin embargo hay que tener en cuenta que la
ciudad de San Juan fue destruida en 1944 y recién reconstruida en la década del cincuenta. Por lo que se
infiere que su efecto urbano sobre la temperatura estaría debilitado en ese período. De todas maneras, la
misma se usa solamente para mostrar el desigual calentamiento estacional en el valle de Tulum, puesto que
al tener datos mensuales no se puede realizar el análisis de registros diarios que motiva este trabajo.
Los datos de la temperatura global fueron obtenidos vía Internet de la NOAA y NASA -EE.UU.-. Esta
variable se construye a partir de registros de la temperatura del aire en superficie, medidos en estaciones

terrestres durante el período instrumental, e implementada para que cuantifique la temperatura media global
del aire en superficie. NOAA (2010), NASA (2010), Smith, T., and W. Reynolds, (2003).
METODOLOGÍA
La metodología empleada fue el Análisis Factorial (Morrison D.F. 1982.), cuya denominación abarca
un conjunto variado de técnicas a las que su finalidad las une y da coherencia: encontrar estructuras
subyacentes en un conjunto de datos. El nombre de la técnica deriva de ese hecho, ya que a cada principio o
dimensión latente se la denomina factor.
En otras palabras, el análisis factorial es un conjunto de procedimientos matemáticos diseñados para analizar
las interrelaciones entre variables (modo-R) o entre objetos (modo-Q), a través de la obtención de un nuevo
grupo de aquellas a los que se los llama factores o componentes, que resultan de una combinación lineal de
las observaciones originales, o sea, que contienen información semejante que las mismas. Al coeficiente de
correlación entre una variable y un componente o factor, se llama ‘saturación’, ‘carga’ o ‘loading’ de la
variable en el mismo. La varianza explicada por cada factor resulta de dividir el eigenvalor correspondiente
por las suma de todos los eigenvalores.
Como no siempre los ‘loading’ especifican claramente que variables están mejor asociadas a que
factores, es necesario identificar con mayor claridad a las mismas. Esto es lo que buscan los métodos de
rotación de los de los mismos. En este trabajo se aplica la rotación. ‘Varimax’: que se basa en encontrar una
nueva posición de los factores mediante una rotación rígida, de modo que el peso o carga de cada uno de
ellos tiendan a uno o a cero (Johnson y Wichern, 1995), (Morrison, 1982). (Tatsouda, 1971).
El Cluster Análisis (Análisis por Conglomerados) (Johnson R.A. and Wichern D.W.1995:), también llamado
segmentación de datos, tiene una variedad de objetivos. Todos se refieren a la agrupación o la segmentación
de una colección de objetos (también llamados observaciones, individuos o casos, o filas de datos) en
subconjuntos o "clusters (racimos)", de manera que aquellos dentro de cada grupo están más estrechamente
relacionados entre sí que los objetos asignados al resto de los clusters. El objetivo común de todos los
análisis de conglomerados es la noción de grado de similitud (o diferencia) entre los objetos individuales que
se hayan agrupado. (Johnson y Wichern, 1995), (Morrison, 1982). (Willmott R. et al. 1996).
En una serie temporal se entiende por “tendencia” a la variación en el largo plazo de la variable considerada.
Las tendencias lineales pueden variar dependiendo fuertemente del período en que se computan, WMO
(1966). En este trabajo, para valorar si la misma es significativa estadísticamente se aplican los tests de
Sperman y Mann-Kendall, cuya expresión matemática se desarrolla en Smillie, K.W., (1976), (Johnson y
Wichern, 1995).
También se utiliza el llamado índice térmico del sur de Sudamérica (ITSS), construido por Minetti
(2010) y que consiste en calcular en las localidades que se citan la mediana de la temperatura media mensual
y verificar si el dato real esta por encima o debajo de la misma, si esta por encima se asigna un 1(uno) y en el
segundo caso un 0 (cero), el anual se obtiene de sumar los mensuales. Las localidades utilizadas para el
cómputo son las siguientes: S.S. de Jujuy (JUJ), Salta (SAL), S.M. de Tucumán (TUC), Santiago del Estero
(SGO),Corrientes (CTE), Posadas(POS), Catamarca (CAT), La Rioja (LAR), Paraná (PAR), San Juan
(JUA), Mendoza (DOZ), Santa Rosa (OZA), Bahía Blanca (BCA), Mar del Plata (MDP), Cipolleti (CIP),
Bariloche (BAR), Comodoro Rivadavia CVR), Rió Gallegos (GAL), Ushuaia (USH).

RESULTADOS Y DISCUSIÓN
Figura Nº 2: localidades usadas para
el calculo del índice térmico del sur de
Sudamérica ( ITSS).
Figura Nº 3: Marcha interanual del índice térmico en el
periodo 1901-2010 (rojo), su tendencia lineal (negro), ajuste
polinómico de quinto grado (violeta), Puede observarse la
aceleración de la tendencia al calentamiento desde el año
1976.
En el periodo de estudio con variables diarias medidas en Pocito (43-años) se ha registrado el mayor
calentamiento global y local en una posible fluctuación natural del clima que se observa en la figura Nº 3
que muestra la variabilidad interanual del índice térmico del Sur de Sudamérica (ITSS), que valúa el
calentamiento zonal de la región antedicha. En ella se ve que hay dos períodos de calentamiento uno en la
primera mitad del siglo pasado, y la otra desde 1976, la que no seria representativa del Cambio Climático
(CC) por un problema de escala y la posibilidad de que esta sea una fluctuación natural exacerbada por
aquel.
También se ha desplazado considerablemente la posición geográfica del máximo de presión en la
costa (Minetti, J.L y Bobba, M.E., 2005) como una forma de fluctuación natural, lo que hace desaconsejable
evaluar el CC con los últimos 50 años de datos o sugerir un calentamiento global a partir de esto. Sin
embargo, se consideró este intervalo de tiempo debido fundamentalmente, como ya se dijo, a la
disponibilidad de series diarias, y aún horarias en el mismo, las que posibilitaron el análisis que se desarrolla
a continuación.
Por lo recién expuesto, el estudio de la variabilidad de la temperatura en los últimos 43 años no
implica el análisis de un cambio climático propiamente dicho, pero de todas maneras puede dar una idea
aproximada de la tendencia a largo plazo de dicha variable.
Figura Nº 4: Marcha interanual de la temperatura media de las cuatro estaciones (verano = D-J-F, otoño
= M-A-M, invierno = J-J-A, primavera = S-O-N) y media anual en el valle de Tulum, San Juan
estandarizada de distintas fuentes. Para el periodo 1931- 2010.

Tabla Nº 1: Significación estadística del incremento de la temperatura por estación en aeropuerto Las
Chacritas - valle de Tulum, San Juan-), según los test de Spearman (izq.) y Mann-Kendall(der.). Los
números en rojo indican significación estadística con un nivel de confianza del 95%.
La figura 4 y el Tabla Nº 1 muestran el calentamiento registrado en San Juan en el periodo 1931-
2010 por estación y su significación estadística, medido con la temperatura media de los trimestres
correspondientes. Se aprecia que el verano es el que tiene una mayor significación (r de Spearman= 0.32 y de
Mann-Kendall= 0.23), también se manifiesta, pero en menor medida, en la primavera y la temperatura media
anual. Sin embargo, el otoño no tiene un crecimiento estadísticamente significativo como así también el
invierno que a su vez decrece.
Figura Nº 5: Marcha interanual del índice térmico en el periodo 1931-2010 (rojo). Puede observarse la
aceleración de la tendencia (negro) al calentamiento desde el año 1976.
En la figura Nº 5 se a graficado el ITSS para el periodo 1931-2010, para hacerlo coincidir con el que
se utilizó para discriminar estacionalmente la tendencia al calentamiento en San Juan. Se nota que la misma
es significativa lo que corrobora el análisis realizado cuando se describió la figura Nº 4.
Como el verano es la estación más afectada por el calentamiento, se decide redefinirlo y analizarlo, no solo
tendiendo en cuenta la temperatura media de los meses de Diciembre del año n-1, Enero y Febrero del año n,
sino también otros parámetros típicos del calor veraniego, con el propósito de construir un índice “estival”
que lo represente más adecuadamente, como una contribución para evitar las simplificaciones que
habitualmente se utilizan, como por ejemplo, la temperatura media que, para los autores, resulta insuficiente.
Para elaborar dicho índice, se eligen los siguientes parámetros y valores en la serie de temperatura
diaria de Pocito durante el período 1968-2009:
1.- Temperatura Máxima Media (TX-MEDIA) que es el promedio de las temperaturas máximas diarias en el
período considerado. Es la medida del calor intenso más usada.
2.- Temperatura Máxima Absoluta (TX-MÁX) que es el registro de la mayor temperatura máxima diaria en
el período considerado. Representa el “techo” del rango de temperaturas para todos los veranos estudiados.
3.- Menor Temperatura Máxima Absoluta (TX-MÍN) que es la menor temperatura máxima diaria en el
período considerado. Puesto que representa el “piso” del rango de temperaturas para todos los veranos.
4.- Número de días con Temperaturas Máximas menores que 20ºC (TX < 20º). Dado que representan los días
“frescos” y/o fríos de ese verano.

5.- Número de días con Temperaturas Máximas mayores que 30ºC (TX >30º). Constituye el umbral de un día
caluroso.
6.- Número de días con Temperaturas Máximas mayores que 35ºC (TX >35º). Puesto que representan días
con calor intenso.
7.- Número de días con Temperaturas Máximas mayores que 40ºC (TX > 40 º). Representan días con calor
extremo.
8.- Temperatura Mínima Media (TI-MEDIA) es el promedio de las temperaturas mínimas diarias en el
período considerado. Representa el comportamiento global de la temperatura mínima de los días de ese
periodo.
9.- Temperatura Mínima Máxima (TI-MÁX) que es la mayor temperatura mínima registrada en el período.
Representa el “techo” del rango de temperaturas para todos los días de ese verano.
10.- Menor Temperatura Mínima Absoluta (TI- MIN) que es la menor temperatura mínima diaria en el
período considerado. Es el “piso” del rango de temperaturas para todos los días de ese verano.
11.- Número de días con Temperaturas Mínimas menores que 10ºC (TI < 10). Representan los días frescos
y/o fríos de ese verano.
12.- Número de días con Temperaturas Mínimas mayores que 20ºC (TI > 20). Representan días calidos e
indican el posible inicio de un día caluroso.
13.- Número de días con Temperaturas Mínimas mayores que 22ºC (TI >22). Representan el comienzo de un
día muy caluroso y con alta sensación térmica, por la posible presencia de una masa tropical cálida y
húmeda.
14.- Número de días con Temperaturas Mínimas mayores que 25ºC (TI > 25). Representa a un día con
probable calor y sensación térmica extremos.
ºC
50
45
TX mayor 40 TX-MEDIA TX-MAX TX-MIN TX menor 20
TX mayor 30 TX mayor 35 Lineal (TX-MEDIA) Lineal (TX mayor 40)
90
80
Nro. de días
40
70
35
30
25
20
15
60
50
40
30
10
20
5
10
0
V-68-69 V-73-74 V-78-79 V-83-84 V-88-89 V-93-94 V-98-99 V-03-04 V-08-09
0
Figura Nº 2: Marcha de los parámetros elegidos para caracterizar la temperatura máxima.

TI-mayor 25 TI-MEDIA TI-MAX TI-MIN TI menor 10
TI-mayor 20 TI-mayor 22 Lineal (TI-MEDIA) Lineal (TI-mayor 20) Lineal (TI-mayor 25)
ºC
30
25
60
50
Nº de Días
20
40
15
30
10
20
5
10
0
V-68-69 V-73-74 V-78-79 V-83-84 V-88-89 V-93-94 V-98-99 V-03-04 V-08-09
0
Figura Nº 3: Marcha de los parámetros elegidos para caracterizar la temperatura mínima.
Tabla Nº 1: test de significación de las tendencias correspondientes a los parámetros en estudio según
Spearman y Mann Kendall (los significativos al 5 % se destacan en rojo).
En las figuras Nº 2 y Nº 3 se grafican los parámetros recién enumerados para valuar las
características térmicas del verano. Se observa que en general tienen una tendencia al crecimiento, sin
embargo, no se puede determinar a simple vista si dicha tendencia es significativa. Para salvar lo anterior se
les aplica los test no paramétricos de Spearman y Mann-Kendall. En el TablaNº 1 se muestran los resultados
de dicha aplicación, poniéndose en evidencia que los únicos parámetros y valores significativos al 5 % para
ambos test son: Temperatura Mínima Media, Número de días con Temperatura Mínima mayores que 20ºC y
Número de días con temperaturas Mínimas mayores a 25ºC; a lo que se le debe sumar el número de días con
temperaturas mayores a 40ºC detectado solamente por Mann-Kendall. Como se observa la mayoría de los
parámetros significativos tienen que ver únicamente con la temperatura mínima, lo que se elucubrará
climáticamente más adelante.
Por los resultados recién comentados se decide aplicar metodologías más refinadas y adecuadas para
medir el “peso” de la influencia de las variables asociadas a la temperatura mínima respecto de las asociadas
a la máxima. De ahí que se implementan: un cluster análisis y un análisis factorial.

Distancia Euclideana
16
14
12
10
Método de Ward
8
6
4
2
0
TI< 10
TX < 20
TI>25
TI-MAX
TI > 22
TI-ME DIA
TI > 20
TI-MIN
TX -MIN
TX -MAX
TX > 40
TX > 30
TX > 35
TX -MEDIA
Figura Nº 4: Dendrograma resultante de aplicar el cluster análisis a las variables en estudio.
En la figura Nº 4 se muestra el dendrograma resultante de aplicar el cluster análisis. En el mismo se
observan cuatro conglomerados claramente definidos y que marcan el agrupamiento de variables de una
misma naturaleza: 1.- un “racimo” asociado a las variables que indican días frescos, 2.- otro que marca el
calentamiento conectado a las temperaturas mínimas, 3.- otro relacionado a las temperaturas máximas y
mínimas absolutas y, por último, 4.- el vinculado con las máximas. Lo descripto muestra una estructura
subyacente que discrimina el comportamiento de la variabilidad interanual del verano en función de
variables que conforman grupos homogéneos e independientes coincidentes con lo esperado.
Tabla Nº 2: Resultados de la aplicación del
análisis factorial con el porcentaje de varianza de
cada uno de los componentes.
Figura Nº 5: Porcentaje de varianza
explicada por cada uno de los factores.
Tabla Nº 3: Factores significativos con sus correspondientes loading (cargas) en rojo se marcan los
significativos en cada factor.
Para cuantificar lo encontrado por el cluster análisis, se decide aplicar el análisis factorial. La Tabla
Nº 2 y la figura Nº 5 muestran los eigenvalores y la varianza explicada por cada componente. Como se

aprecia, el primer factor explica el 45% de la varianza, el segundo el 15% y el tercero 13.8%, quedando sin
especificar un 26%.
Para identificar la naturaleza de cada uno de los factores encontrados se realiza un análisis de las
cargas o loading de cada una de las variables en los mismos. La Tabla Nº 3 muestra este examen, se nota que
el primer factor esta muy asociado con los parámetros propios de la temperatura mínima (las cargas superan
ampliamente el r=0.75), por lo que se decide nombrarlo como “FACTOR – TI” (factor temperatura mínima).
También se observa que el segundo factor esta altamente correlacionado con las variables asociadas a la
temperatura máxima (loading cercanos a r=0.80) por lo que se decide llamarlo “FACTOR – TX” (factor
temperatura máxima), mientras que el tercer factor se asocia a las variables que tienen que ver con los días
frescos/fríos del verano, por lo que se decide llamarlo “FACTOR – FRIO”.
De ambos análisis se deduce que casi la mitad de la tendencia al calentamiento del verano del Valle de
Tulum esta explicada por el ascenso de la temperatura mínima, pasando a un segundo plano el de la máxima
(como se dijo, solo explica el 15%) lo que corrobora objetivamente lo encontrado por Poblete en 2005
(Poblete et.al., 2005) que indicaba que el calentamiento en San Juan se manifiesta más claramente en la
temporada estival, por lo que su origen podría deberse a una mayor presencia de masas tropicales,
confirmado por el aumento en las temperaturas mínimas, que estaría indicando una mayor frecuencia de
aquellas, las que, a su vez, posibilitarían la formación de la nubosidad que, como se sabe, aminora el
acrecentamiento de las máximas.
Conociendo la proporción de varianza explicada por cada uno de los factores se decide, por medio de
los scores correspondientes, hacer un análisis de series temporales con ellos.
Tabla Nº 4: Test de Spearman y Kendall para valuar la significación de la tendencia de ambos factores.
Figura Nº6: Marcha interanual de los scores correspondientes a los dos primeros factores con sus
respectivas tendencias.
La figura Nº 6 muestra la marcha interanual de los scores correspondientes al factor TI y al factor
TX, se ve que ambos tienen una tendencia al crecimiento (pendiente de TI= 0.302, y de TX= 0.0135), sin
embargo los test de Spearman y Mann-Kendall revelan que solamente el factor TI es significativo como se
muestra en el Tabla Nº 4, lo que corrobora la implicancia fundamental de la temperatura mínima en el
calentamiento estival que se produce en el Valle de Tulúm, quedando relegada la máxima a un rol

secundario. Esto se explicaría climáticamente debido a que San Juan también participa del proceso de
“tropicalización”, observado por muchos investigadores en todo el centro de Argentina, que sería causado
por una mayor frecuencia de visitas de masas de aire calidas y húmedas provenientes de las regiones
cercanas al trópico. Como la temperatura mínima es un índice que marca el tipo de masa presente en un lugar
y la máxima depende del calor radiactivo fundamentalmente, se colige que de esa mayor presencia de masas
calidas y húmedas se desprende el acenso de los valores y parámetros que tienen que ver con la mínima,
además, como ya se dijo, que el aumento de humedad antedicho posibilitaría un incremento de la nubosidad
que produciría una atenuación en el crecimiento diario de la temperatura máxima. De lo anterior, se está en
condiciones de asignar el rol de “índice de verano” al factor TI puesto que sintetiza sus principales
características.
La aplicación de dicho índice se muestra en la figura Nº6 donde se observa que los veranos más
cálidos del periodo (1968-2009) fueron: 1986-87, 1996-97, 2002-03,2005-06, mientras que los más frescos
fueron 1970-71, 1985-86, 2001-02, 2003-04.
CONCLUSIONES
La tendencia al calentamiento en San Juan -Argentina- semejante al observado en los últimos 40
años para el Sur de Sudamérica se manifiesta significativamente en el verano y en menor medida en la
primavera. Para el primer caso los únicos parámetros y valores con incrementos significativos al 5 % son:
La Temperatura Mínima Media, Número de días con Temperatura Mínima mayores que 20ºC, Número de
días con temperaturas Mínimas mayores a 25ºC y el número de días con temperaturas mayores a 40ºC, los
que marcan un incremento de episodios de calor extremo. Como se mostró, la mayoría de los parámetros
significativos tienen que ver únicamente con la temperatura mínima. La estructura estadística de ese
calentamiento estival, analizada objetivamente mediante metodologías multivariantes, muestra también que n
parte de éste es debido, corroborando lo anterior, al incremento de las temperaturas mínimas, que podría
deberse a una mayor presencia de masas de origen tropical. Por lo descripto, se determina darle el rol de
“índice de verano” al factor TI. Quedando en un lugar secundario el factor TX, que estaría también
relacionado con el aumento de las llegadas de masas tropicales cálidas y húmedas puesto que posibilitarían la
formación de la nubosidad aminorando el aumento de las mismas.
Aplicando el “índice de verano” descripto, se identifican los estíos más calidos del periodo estudiado: 1986-
87, 1996-97, 2002-03, 2005-06, y los más frescos: 1970-71, 1985-86, 2001-02, 2003-04.
AGRADECIMIENTOS
Se agradece a la Universidad Nacional de San Juan y la ANCYT, PICTO- UNSJ-2009-0150-BID, por sus
aportes económicos en el desarrollo de este trabajo.
Variabilidad Espacial y Temporal del Clima de San Juan- Argentina- y su posible relación con el
Cambio Climático Global. Cod. /916. Res. Nº 37/11- Cs. CICITCA-UNSJ. Proyecto de Vinculación,
Articulación y Transferencia entre Universidad y la Sociedad en el Área de Extensión Universitaria:
Vigilancia Sistemática del Tiempo y Clima de San Juan y Monitoreo del Cambio Climático Global, con
Transferencia de datos e Información en Tiempo Real a los Medios de Comunicación, Ministerio de
Educación y Sociedad en General.
Al Laboratorio Climatológico Sudamericano, Secretaria de Energía por los datos proporcionados para esta
investigación.
BIBLIOGRAFIA
GHCN, 2010. 1880-01/2005. NASA. Vía internet.
Johnson R.A. and Wichern D.W.1995: Applied Multivariate Statistical Analysis. 2da. ED. Prentice Hall
International Edition. New Jersey.
Minetti, J., L., 1991. Estudio de las singularidades climáticas en series de temperaturas del NOA. Tesis
doctoral, Pág. 117, FCEYN-DEPTO. Met. UBA., Bs. As.
Minetti, J., L., 2010. Vigilancia Climatica Regional, Laboratorio Climatologioco Sudamericano.
S.M. de Tucumán.

Minetti, J.L, Bobba, M.E. 2005 «Relación entre la presión atmosférica y las sequías en el Noroeste
Argentino» Revista de Geografía 9 - Instituto de Geografía Aplicada- Departamento de Geografía-
FFHA-UNSJ. San Juan.
Morrison D.F. 1982. Multivariate Statistical Methods. Mc Graw Hill 1002. New York
Poblete, A. G. y Sánchez G. 1999. “Determinación de las fechas de inicio y finalización de la temporada de
calor intenso en el Valle de Tulúm“. Actas 60ª Semana de la Geografía de GAEA. Soc. Argentina de
Estudios Geográficos. Buenos Aires.- Pág.: 579-590.-
Poblete, A. G., Mallea, L.A., S. 2004. “Aplicación del análisis factorial en la detección de los agentes
climáticos que intervienen en la caracterización del verano de San Juan”. XXXI Coloquio Argentino de
Estadística. San Juan- Argentina. 1, 2 y 3 de Octubre del 2003.
Poblete A.G., 2004. Historia de la ubicación de las estaciones meteorológicas en el valle Tulum. Inédito
Poblete A. G., Silva, S. 2005 “Tendencias de la temperatura del Valle De Tulum -San Juan- en el Periodo
1968-2004 y su relación con el Calentamiento Global. Revista Ambiental San Juan. Año I. Nro 3.
Subsecretaría de Medio Ambiente. Gobierno de San Juan. San JuanSmillie, K.W., 1976: An Introduction of
Regression and Correlation. Imp.Acad.Inc.Ltd. Londres.
Smith,T., and W. Reynolds, 2003: Extended Reconstruction of Global Sea Surface Temperatures Based on
CODAS Data (1854-1997). J. Climate 16, Nº 10, 1495-1510.
Willmott R. et al. 1996."Statistical Spatial and Models". P. Hall. 1009. New York.
World Meteorological Organization (WMO). 1966. Climatic Change. Technical Note Nro. 79. Geneve. 264
pgs.