Statistical forecast of soil water storage in the rolling pampas, Argentina

Abstract

En el sector agrícola, disponer de un pronóstico estacional del almacenaje del agua del suelo (AAS) a una escala espacial más pequeña es de gran interés ya que ello podría reducir la incertidumbre y facilitar la toma de decisiones. El objetivo de este trabajo fue proponer una metodología de pronóstico estadístico para los diferentes escenarios de disponibilidad de agua del suelo en la región pampeana. Para este propósito, se calcularon los valores mensuales de almacenaje de agua del suelo AAS para la estación meteorológica INTA Pergamino (Buenos Aires, Argentina). Dicha información se estimó utilizando e Balance Hidrológico Operacional para Agro (BOHA) para los meses de octubre, noviembre y diciembre durante 1979-2016. Se analizaron las relaciones entre AAS y los forzantes climáticos en escalas mensual, bimestral y trimestral. Los modelos de pronóstico estadístico se desarrollaron para cada mes utilizando la regresión de Lasso, una técnica de regresión moderna que utiliza la validación cruzada para seleccionar los mejores predictores El análisis de la eficiencia de diferentes modelos tiene en cuenta los valores ajustados de coeficiente de correlación cuadrado (R2 adj) y coeficiente de validación cruzada (CV). Estos modelos representan adecuadamente los valores de AAS, particularmente los más extremos.

Establishing a seasonal forecast for soil water storage (AAS) on a smaller spatial scale is of great interest for the agricultural sector since this could reduce uncertainty and facilitate decision making. On the other hand, we should consider that variations in soil moisture are due partly to small scale influences and to soil-specific features such as the capacity of the field. The purpose of this work is to propose a statistical forecasting methodology for different soil water availability scenarios in the Pampean region. For this purpose, monthly soil water storage values were calculated (AAS) for the INTA meteorological station, Pergamino (Buenos Aires, Argentina). Data was gathered using the Operating Hydrological Balance for Agro for October, November and December during 1979-2016. Relations between AAS and climate forcing on a monthly, bimonthly and quarterly scales were analyzed. Statistical forecasting models were developed for each month using the loop regression, a modern regression technique that uses cross-validation k fold. The efficiency analysis of different models takes into account the adjusted values of square correlation coefficient (r2) and cross-validation coefficient (CV). These models appropriately represent the SWS values, particularly the most extreme ones.