pág. 3
Revista de Geografía • Número 23 • Año 2019 • Vol. XXIII • ISSN 1514-1942 • San Juan - Argentina
[ FECHA ENTREGA. 17/10/2018 - FECHA APROBADO 26/10/2018 ]
Arnobio Germán Poblete
Instituto de Geografía Aplicada – Departamento de Geografía de la UNSJ
agpoblete@gmail.com
María José Vera
Instituto de Geografía Aplicada – Departamento de Geografía de la UNSJ
mariajosevera42@gmail.com
TEMPORAL DE SANTA ROSA:
¿CREENCIA POPULAR O REALIDAD?
Análisis Objetivo con Herramientas Estadísticas Especícas
1. RESUMEN
2. ABSTRACT
TEMPORARY OF SANTA ROSA: POPULAR BELIEF OR REALITY?
Objective Analysis with Specic Statistical Tools
Es frecuente en la República Argentina y particular-
mente en San Juan el debate sobre si el advenimiento
del tradicional ¨Temporal de Santa Rosa¨ es un mito o un
suceso natural intrínseco de la climatología.
Varios autores postulan que existen las llama-
das singularidades intraestacionales: conguraciones
atmosféricas que dan lugar a estados del tiempo típicos
de una fecha dada entre las cuales se podría incluir el
evento Santa Rosa, mientras que otros lo atribuyen a
mitos populares.
Este trabajo pretende determinar la signicación
estadística de su ocurrencia en la provincia de San Juan,
analizando más de cincuenta años de registros diarios
de temperatura y otras variables asociadas.
Se demuestra objetivamente mediante pro-
cedimientos estadísticos especícos para determinar
discontinuidades en las series de tiempo, que se po-
dría considerar al “Temporal de Santa Rosa†como una
singularidad climática intraestacional en el entorno del
30 de agosto, sin embargo no se encuentra una dife-
renciación clara en la serie interanual de anomalías de
temperaturas máximas lo que no implica rechazar con-
tundentemente que su ocurrencia depende del azar.
Como aporte adicional para la investigación en
Geografía, se muestra la aplicación de metodologías
estadísticas especícas para la detección de cambios
abruptos en series de tiempo con datos de índole natu-
ral o antrópica.
Palabras Claves: Temporal de Santa Rosa- Procedi-
mientos Estadísticos Especícos - Singularidades Intraes-
tacionales- Creencias Populares.
It is frequent in the Argentine Republic and particu-
larly in San Juan the debate on whether the advent of
the traditional “Temporary of Santa Rosa†is a myth or a
natural event intrinsic to the climatology.
Several authors postulate that there are so-called
intra-seasonal singularities: atmospheric congurations
that give rise to typical weather conditions of a given
date among which the Santa Rosa event could be inclu-
ded, while others attribute it to popular myths.
This work aims to determine the statistical signi-
cance of its occurrence in the province of San Juan,
analyzing more than fty years of daily temperature re-
cords and other associated variables.
It is objectively demonstrated by means of specic
statistical procedures to determine discontinuities in the
time series, which could be considered the “Temporal
of Santa Rosa†as an intra-seasonal climatic singulari-
ty in the environment of August 30, however no clear
differentiation is found in the interannual series of ano-
malies of maximum temperatures which does not imply
to reject overwhelmingly that its occurrence depends on
chance.
As an additional contribution to research in Geo-
graphy, the application of specic statistical methodolo-
gies for the detection of abrupt changes in time series
with data of natural or anthropic nature is shown.
Key Words: Temporal of Santa Rosa - Specic Statis-
tical Procedures - Intraestational Singularities - Popular
Beliefs.
pág. 4
3. INTRODUCCIÓN
Es habitual en la República Argentina y particular-
mente en San Juan debatir sobre el advenimiento de lo
que popularmente se designa como “Temporal de San-
ta Rosaâ€, respecto de que si es un mito, creencia popu-
lar o suceso intrínseco en el devenir estacional del clima.
Varios autores postulan que existen las llamadas
singularidades intraestacionales: conguraciones at-
mosféricas que dan lugar a estados del tiempo típicos
de una fecha dada; entre las cuales se podría incluir el
evento citado; Bauer (1942), Schwerdtfeger (1952), Mi-
netti (1991). Sin embargo, otros lo atribuyen a mitos
populares Corinaldesi S. (2018).
El antecedente más especíco respecto de la
probabilidad de ocurrencia en la citada provincia es el
de Poblete, Aguiar (2000).
Cuando se presenta en San Juan se caracteriza por:
tiempo frío, vientos del S-SE y frecuentemente acompa-
ñado de nubosidad, en algunos casos, con lluvias que,
por la escasez de agua precipitable, no se maniesta
como un temporal propiamente dicho; mientras que en
el Litoral, Pampa Húmeda y NOA al disponer de agua
precipitable se exterioriza muchas veces como una típica
tormenta.
Este trabajo se propone determinar la signi-
cación estadística de su ocurrencia en la provincia, ana-
lizando más de cincuenta años de registros diarios de
temperatura y otras variables asociadas.
Se pretende demostrar objetivamente si se con-
sidera al temporal de Santa Rosa como una singularidad
climática intraestacional o sí su ocurrencia es eventual,
mediante procedimientos estadísticos especícos para
detectar discontinuidades (puntos de cambio y corte
signicativo en la pendiente de la recta de tendencia) en
su serie de tiempo y de esa manera la alteración brusca
del conford climático.
Como aporte metodológico adicional para la inves-
tigación en Geografía, se muestra la aplicación de he-
rramientas estadísticas especícas para la valuación de
rupturas en series de tiempo.
4. DATOS Y METODOS
Para realizar este estudio se tomó como base de
datos los registros aportados por la estación meteoro-
lógica EEA-INTA-POCITO, en el periodo 1967-2016 los
que fueron controlados con los suministrados por las
Estaciones del Aeropuerto ubicado en la localidad de
Las Chacritas (1967-2018), Observatorio de Mendoza y
EEA- INTA San Martín de San Juan, (Fig. Nº 1).
La metodología empleada se basó en Test de
Figura 1: Ubicación del area de estudio y de las Estaciones Meteoro-
logicas que aportaron datos.
(1)
Para d = 1,2…., n, donde:
homogeneidad Absoluta y Relativa como 3-sigma y
3-sigma modicado y de suavizado mediano de Tukey,
Vargas y Alessandro (1985), para el control de datos.
Para la modelación matemática de la onda
anual, usada como ltro para obtener la variabilidad in-
tranual, se emplea el Análisis de Fourier, Minetti (1991)
cuyos algoritmos se describen sucintamente a continua-
ción:
Sea una señal periódica, luego x (t) = x (t + T), con T
el periodo. Mediante el Análisis de Fourier, una serie de
este tipo, puede ser representada por un número dado
de funciones seno y coseno hasta una aproximación que
hace mínimo el error cuadrático medio. Como estas fun-
ciones son ortogonales entre sí, se pueden determinar
independientemente una de otra.
Test de Alexandersson
1. Homogeneidad normal estándar, desarrollada
por Alexandersson (Alexandersson, 1986) y que modi-
có con Moberg (Moeberg & Alexandersson, 1997); un
valor T(d) compara el promedio de los primeros d regis-
tros con los últimos (n-d) este valor se obtiene con la
expresión:
A. Germán Poblete - M. José Vera | TEMPORAL DE SANTA ROSA ¿Crencia Popular o Realidad? ... P P. 3-10
pág. 5
Revista de Geografía • Número 23 • Año 2019 • Vol. XXIII • ISSN 1514-1942 • San Juan - Argentina
Para: d=1, 2…, n, donde la variación es detectada
cuando el valor del registro m cumple:
Un valor alto en P en un registro d indica una varia-
ción “bruscaâ€. El estadístico To se dene como:
Test de Pettitt (Pettitt, 1979):
Esta prueba es no paramétrica, se basa en rangos y
hace caso omiso de la normalidad de la serie, teniendo
en cuenta el orden de los rangos de los valores. El esta-
dístico que se emplea se dene como:
Test de Break Regression (BR):
En un sistema no lineal se describe un punto de
cambio rápido como “abruptoâ€, (Pettitt 1979) (Oerle-
mans 1978). La descomposición “clásica†de un proceso
estocástico, continuo en el tiempo, x (t), se puede ex-
presar de la siguiente manera:
X es una variable aleatoria; T es el tiempo; X
trend
(T)
es la componente de tendencia, S (T) es la desviación
estándar y la componente de ruido X
noise
(T).
El procedimiento de las regresiones de ruptura
(Break Regression -BR-) consiste en calcularlas punto a
punto durante un corrimiento sobre toda la serie tem-
poral, y en cada uno de ellos aplicar un test de signica-
ción de sus tendencias. Cuando ésta es signicativa en
un punto dado se lo considera como un cambio abrupto
de la recta de regresión, (Mudelsee 2009).
El procedimiento de cálculo de la BR, cuyos algorit-
mos para un tiempo continuo son:
Donde X
break
(T) es el punto de ruptura poblacional
de la tendencia X
trend
(T)
Como se ve, en el algoritmo (9) tiene cuatro pará-
metros libres: x1, t2, x2 y x3. Donde xi son realizaciones
de las serie en los tiempos ti, con i=1,2,3…
Una formulación alternativa incluiría los siguientes
parámetros: t2, x2, 1 = (x2 - x1) / (t2 - t1) y 2 = (x3
- x2) / (t3 - t2). Con i la pendiente de la recta i. La rup-
tura (break) describe un cambio en la tendencia lineal
en un punto (t2, x2), a partir de las pendientes 1 a 2
correspondientes a las rectas anteriores y posteriores al
quiebre.
Asumiendo que la desviación estándar S (i) mide la
variabilidad, el modelo de ruptura se ajusta mediante la
minimización de la siguiente suma de mínimos cuadra-
dos ponderada:
Donde x
break
(i) es la versión muestral en tiempo dis-
creto de X
break
(T) poblacional (Ec. 9). (Mudelsee 2009).
Debido a que se supone que la ruptura o quiebre
es una descripción adecuada sobre toda la longitud de
registros en el intervalo limitado por t1 y t3, sólo un
punto del tiempo, a saber: t2 = t (i2), con i2 un núme-
ro entero entre 1 y n, es considerado como candidato
para el corte (t2). Si se conrma, indica un cambio de
signicación de la pendiente de la recta de regresión.
(Yonetani 1993).
5. RESULTADOS Y DISCUSIÓN
a- Aspectos estadísticos descriptivos del evento.
Se analiza la estructura temporal de la temperatu-
ra máxima del 30 de agosto (TX30AGO), puesto que
los autores consideran que la misma es un índice que
representa además de lo térmico, el grado de nubosi-
dad (cuyos registros son incompletos en el periodo en
estudio) y el nivel de confort climático Olgyay (1963) del
dia considerado con el objeto de explicitar sus caracte-
rísticas estadísticas medias.
pág. 6
Cuadro Nº 1: Estadísticos correspondientes a la tempe-
ratura máxima del 30 de agosto.
El cuadro 1 muestra los estadísticos de la TX30A-
GO: media de 21.7°C que indica un día fresco con nu-
bosidad variable. Está enmarcada entre 19°C (primer
cuartil) y 24°C que connan el 75% de los días, con
extremos en 15.2°C (centil del 10%) y 28.4°C (centil
90%) y outliers en 7.3°C pudiendo responder a la ocu-
rrencia de una “ola polar†y 33.8°C un posible Zonda.
Figura 2: Serie temporal de las Anomalias de la temperatura máxima del 30 de agosto en el periodo 1967-2018.
En la serie temporal de las anomalias de la TX30A-
GO (g. 2), se observa una gran variabilidad y en au-
mento, registrándose igual cantidad de anomalías posi-
tivas (26) y negativas (26) de lo que se inere que no
existe una diferencia signicativa respecto de atribuir a
dicho temporal los días con TX por debajo de lo normal
o no.
Figura 3: Serie temporal de la TX30AGO, con la aplicación del test
e Puntos de Cambio (1967-2018).
A. Germán Poblete - M. José Vera | TEMPORAL DE SANTA ROSA ¿Crencia Popular o Realidad? ... P P. 3-10
pág. 7
Revista de Geografía • Número 23 • Año 2019 • Vol. XXIII • ISSN 1514-1942 • San Juan - Argentina
En la (g. 3) se observa un cambio signicativo en la
media: entre los periodos 1967 -1995 con 20°C y 1996-
2018 con 23,5°C. Es decir un calentamiento de 3°C que
se podrían atribuir al “Start del Niño†de 1997 soste-
Figura 4: Variabilidad interanual de las temperaturas máximas (TX) de los días 29,30 y 31 de agosto. Serie 1968-2016.
Figura 5: Correlación entre el 30 de agosto y los días
correspondientes a las semanas anterior y posterior medida con el “râ€
de Pearson.
Dedido a que el temporal de Santa Rosa como se
dice popularmente “se adelantó/atrasóâ€, se analizan las
semanas anterior y posterior, en función de su asocia-
ción con el 30. La (g. 4) muestra la marcha conjunta
de los días de su entorno, observándose coincidencias
en la variabilidad especialmente el día 31. Pero como el
imaginario colectivo asigna a la ocurrencia del evento
a días más lejanos, se analiza la asociación del 30AGO
con dichas semanas (g. 5), comprobándose que hay
Siendo 96,55% la Varianza Explicada del primer armónico al-
canzando con el segundo un 97,11%.
asociación signicativa al 5 % con el 29 (r= 0.54), 01
(r= 0.68), 02 (r= 0.38) y 07 (r= 0.31) de septiembre,
dichas correlaciones indican una persistencia en el en-
torno del evento; sin embargo es más difícil de explicar
la última. Lo expuesto justica que la población atribuya
a cualquiera de los días citados como el de la presencia
de “Santa Rosaâ€.
b- Signicación estadística del cambio.
Antes de implementar los test que identican
descontinuidades, se modeliza la variabilidad intranual
de la temperatura máxima mediante el Análisis Armóni-
co de Fourier (Minetti 1991) con el objeto de desestacio-
nalizar la serie y de esa manera cuanticar la signicación
del evento sin el aumento natural de la temperatura en
los primeros días de septiembre, resultando el siguiente
modelo:
nido por el calentamiento registrado en la provincia en
dicho periodo Poblete (2018). Hecho a ser teniendo en
cuenta cuando se evalúa la probabilidad de ocurrencia
del evento.
pág. 8
Figura 9: Test de Break Regression aplicado a temperaturas máximas
corridas día a día sin marcha estacional.
Con la aplicación del test de BR a las TX sin la mar-
cha estacional (g. 9) se corrobora lo detectado por
los test anteriores; mostrando las rectas una tendencia
creciente antes y despues del día en estudio que sin em-
bargo muestra una tendencia negativa.
Del análisis estadístico recién implementado se in-
ere la presencia de no aleatoriedad en la discontinui-
dad de la TX en el entorno de Santa Rosa. Es decir, que
desde este punto de vista es una singularidad
c- Conguración Sinóptica de un día típico del
Evento Santa Rosa:
Como ejemplo de una conguración sinóptica aso-
ciada al “Temporalâ€, a continuación se analiza lo ocurri-
do en el año 2018:
Figura 10: Carta del geopotencial de los 500mb del día 30 de agosto
de 2018 y el Jet Stream (amarillo-rojo)
FUENTE: http://wxmaps.org/pix/sa1.00hr.png
Figura 6: Marcha estacional de las temp.maximas medias diarias con
ajuste del 1er. armonico de Fourier y sus anomalías.
Se calculan las diferencias entre el primer armónico
de Fourier y la marcha de las temperaturas máximas
diarias, en éstas se puede observar que son negativas en
el entorno del 30 de agosto, periferiadas con notorias
anomalías positivas (g. 6).
Figura 7: Test de Alexandersson aplicado a temperaturas máximas
corridas día a día con la marcha estacional.
La (g. 7) muestra el Test de Alexandersson apli-
cado al entorno del 30 de agosto sin haber restado la
marcha estacional, se observa que hay una marcada
discontinuidad centrada en el día 30 de agosto y debi-
do al ascenso estacional una positiva más signicativa
posterior, lo que demuestra que dicho día representa
una inexion negativa estdísticamente signicativa en la
marcha estacional de la TX.
Figura 8: Test de Alexandersson aplicado a temperaturas máximas
corridas día a día sin la marcha estacional.
Con la serie desestacionalizada (g. 8) se aplica
nuevamente el TA, conrmando la discontinuidad en el
entorno del 30 de agosto, pero en este caso con un
“salto†posterior menor debido a que no se toma en
cuenta el ascenso normal por el cambio de estacion.
A. Germán Poblete - M. José Vera | TEMPORAL DE SANTA ROSA ¿Crencia Popular o Realidad? ... P P. 3-10
pág. 9
Revista de Geografía • Número 23 • Año 2019 • Vol. XXIII • ISSN 1514-1942 • San Juan - Argentina
Figura 11: Imagen Satelital correspondiente al día 31de agosto de
2018. Fuente: SMN
La (g. 10) muestra la carta del geopotencial de los
500 mb en la que se observa una profunda vaguada en
la costa adyacente al centro de Chile de la cual se está
desprendiendo una Baja Segregada, además se observa
el ujo del Jet Stream impactando en los Andes Ãridos,
condiciones que propician una fuerte inestabilidad en la
delantera de aquella, lo que se ve reejado en la imagen
satelital (g. 11) con intensa convección en Cuyo, gene-
rando nubosidad y precipitaciones.
Lo descripto sinópticamente dio como resultado lo
que se observa en la (g. 12), con un marcado descenso
en la máxima que tuvo como epicentro el 31 de agosto.
De ahí se inere la presencia de cielo cubierto con preci-
Figura 12: Temperaturas máximas y minímas del día 30 de agosto de
2018 y su entorno.
6. CONCLUSIONES
De la observación de las anomalías de las TX del 30
de agosto se inere que no hay diferenciación marcada
del número y el monto entre las positivas y negativas,
puesto que ambas ocurren en el 50% de los casos, de
ahí que no se puede hacer una armación estadistica-
mente contundente respecto de la “no aleatoriedadâ€
de la ocurrencia del Temporal de Santa Rosa.
Como el imaginario colectivo asigna a la ocu-
rrencia del evento a días más lejanos del 30 de agosto,
del análisis de su asociación con las semanas anterior y
posterior, se comprueba que existe una asociación signi-
cativa al 5 % con el 29 (r= 0.54), 01 (r= 0.68), 02 (r=
0.38) y 07 (r= 0.31) de septiembre, dichas correlacio-
nes indican una persistencia en el entorno del evento.
Justicando que la población atribuya a cualquiera de
los días citados como “Santa Rosaâ€.
Con la aplicación del test de TA y del BR a las TX
con/sin la marcha estacional se corrobora la presencia
de no aleatoriedad en la discontinuidad diaria de la TX
en el entorno de Santa Rosa.
Del análisis dinámico de este evento en 2018, se
deduce que debe producirse la combinación de una de-
presión fría en altura con presencia de agua precipita-
ble transportada en este caso por un Río Atmosférico
asociado al Jet Stream descripto; proceso que lleva a
un marcado descenso de la temperatura y aumento de
la nubosidad. Se advierte que dicha concatenación no
tiene una frecuencia regular sino más bien episódica,
hecho que explica en parte que el evento estudiado no
pueda ser calicado como una singularidad intraesta-
cional.
Se concluye que al no haber encontando un con-
traste signicativo respecto de la aleatoriedad/no alea-
toriedad, se justica la discusión entre los que sostienen
que es una creencia popular de que efectivamente es
una singularidad intraestacional real propia de la variabi-
lidad intraanual del clima de San Juan, y los que arman
que es debida solo al azar. Sin embrago la discontinui-
dad térmica diaria estadísticamente signicativa en el
entorno del 30 de agosto abonaría la primera.
pitaciones aisladas. Mientras que las minímas de los días
subsiguientes al mismo descendieron abruptamente,
indicando la advección en supercie de la masa fría aso-
ciada a la perturbación mostrada en las (gs. 10 y 11).
Dadas las características que originaron este even-
to, se deduce que debe producirse la combinación de
una depresión fría en altura con presencia de agua pre-
cipitable transportada en este caso por un Río Atmosfe-
rico asociado al Jet Stream descripto; proceso que lleva
a un marcado descenso de la temperatura y aumento
de la nubosidad. Se advierte que dicha concatenación
no tiene una frecuencia regular sino más bien episódica,
hecho que explica en parte que el evento estudiado no
pueda ser calicado como una singularidad intraesta-
cional.
pág. 10
7. BIBLIOGRAFIA
Alexandersson H. 1986. A homogeneity test applied
to precipitation data. Journal of Climatology 6: 661–67.
Bauer, F. 1948. Zur Frage der Echtheir der soge-
nannten singularitaten im Jahresgang der Witterrung.
Ann.Met. 1, 372-78. Frankfurt.
Corinaldesi S. 2018; “La tormenta de Santa Rosa:
¿Mito o realidad?â€. ARGENTINA, BUENOS AIRES, SMN.
Minetti, J., L.; 1991, Estudio de las singularidades
climáticas en series de temperaturas del NOA. Tesis
doctoral. Pag. 117. FCEYN-DEPTO. Meteorología. UBA.
Buenos. Aires.
Moberg1 A., Alexandersson2 H. (1997); Homoge-
nization Of Swedish Temperature Data. Part Ii: Homo-
genized Gridded Air Temperature Compared With A
Subset Of Global Gridded Air Temperature Since 1861;
International Journal Of Climatology, Vol. 17, 35–54.
Mudelsee M (2009) Break function regression: A
tool for quantifying trend changes in climate time series.
European Physical Journal Special Topics 174:49–63.
Oerlemans, J., 1978: An Objective Approach to
Breaks in the Weather, Mon. Wea. Rev., 106, 1672-1679
Olgyay, V., 1963, Design with Climate, Bioclimatic
Approach and Architectural Regonalism, New Jersey:
Princeton University Press.
Pettitt, A. N. (1979), A non-parametric approach to
the change point problem. Journal of the Royal Statisti-
cal Society Series C, Applied Statistics 28, 126-135.
Poblete A. G., Aguiar L. 2000. “Análisis estadístico
del temporal de Santa Rosa en la Prov. de San Juanâ€.
Revista de Geografía Nº: 3 del Instituto y Departamento
de Geografía de la UNSJ. ISSN 1544-1942. Pg. 12-21.
Poblete, A. G; Vera M. J. 2018. Detección de Cam-
bios Abruptos en la Variabilidad Interanual del Verano
en San Juan. En Ejecucion.
Schwerdtfeger. 1952. “El problema de la previsión
del tiempoâ€. Ediciones Librería del Colegio. Editorial
Sudamericana. Buenos Aires.
Vargas W.M., Alessandro P.A. 1985. Características
Regionales De Los Extremos Climáticos En La Región Hú-
meda Y Semiárida Argentina Meteorologica, Vol. XV.
Pag.79-92 Cam Bs.As.
Yonetani, T. (1993) Detection of long term trend,
cyclic variation and step-like change by the Lepage test,
J. Meteor. Soc. Japan, 71, 415–418.
A. Germán Poblete - M. José Vera | TEMPORAL DE SANTA ROSA ¿Crencia Popular o Realidad? ... P P. 3-10