Metodología — Monitoreo Hídrico de Argentina

El dashboard Monitoreo Hídrico — Argentina presenta 9 variables por departamento (527 unidades, nivel ADM2), reducidas a su valor medio zonal. Cada departamento se identifica con su código INDEC (campo in1, 5 dígitos), que permite unir los datos entre meses y filtrar por provincia. Las variables provienen de cuatro productos satelitales/de reanálisis, elegidos según la variable: GSMaP (precipitación), SMAP (humedad del suelo), ERA5-Land (infiltración) y MODIS (índice de vegetación NDVI). Esta página documenta el cálculo, las unidades y los umbrales de cada una.

🌧️ 1. Precipitación acumulada ppt_mean GSMaP

Definición. Lámina total de agua precipitada acumulada durante el mes, estimada por satélite.

Cálculo. De GSMaP se seleccionan todas las imágenes del mes sobre cada departamento y se suman los valores de la banda hourlyPrecipRate, renombrando el resultado ppt:

Unidad: mm (acumulado mensual).

Contexto. A escala nacional la precipitación varía enormemente entre regiones (del árido patagónico y cuyano al subtropical húmedo del NEA). Como ejemplo, la provincia de Buenos Aires presenta un gradiente del sudoeste seco (~500–600 mm/año) al noreste húmedo (~1000–1100 mm/año), con promedios mensuales de 40–90 mm; en eventos extremos los acumulados superan ampliamente ese rango (marzo 2025: ~500 mm en el sudoeste, hasta 8× la media histórica).

📊 2. Anomalía de precipitación APPT_mean GSMaP

Definición. Desvío de la precipitación del mes respecto a su comportamiento climatológico normal, estandarizado por el rango de variación histórica.

Cálculo. Con todas las imágenes GSMaP del mismo mes calendario entre 2000 y 2023 se estiman la media, el máximo y el mínimo, y con ellos el rango de variación. La anomalía sigue la Ecuación 1:

Unidad: adimensional.

Interpretación. El cero es la referencia normal: positivos = exceso de lluvia, negativos = déficit. Al estar estandarizada por el rango, es comparable entre departamentos con distintos regímenes de lluvia.

⏱️ 3. Tasa media de precipitación en días de lluvia Tppt_mean GSMaP

Definición. Intensidad media de la precipitación considerando solo los días en que llovió. Distingue un mes de lluvia frecuente y suave de uno con pocos eventos intensos.

Cálculo. De la serie diaria de GSMaP se cuentan los días con precipitación positiva y se calcula la tasa media sobre esos días:

Unidad: mm/día.

Interpretación. A igual acumulado, una tasa alta implica lluvia concentrada en pocos eventos intensos (más escorrentía, menos infiltración efectiva); una tasa baja, lluvias repartidas y suaves (más favorables a la infiltración). Complementa a ppt_mean: el total no dice cómo cayó la lluvia.

💧 4. Humedad del suelo media Hum_mean SMAP

Definición. Contenido volumétrico de agua en el suelo superficial, promediado sobre el mes.

Cálculo. De SMAP se toma la banda soil_moisture_am (humedad entre 0 y 5 cm). Los valores diarios se integran por su valor medio mensual (sin conversión de unidades). Error global del producto: 0.04.

Unidad: m³/m³ (fracción volumétrica).

Contexto. En suelos pampeanos (limo-arenosos): punto de marchitez ≈ 0.11 y capacidad de campo / saturación ≈ 0.42 m³/m³. La humedad superficial (0–5 cm) responde rápido a la lluvia y la evaporación. En marzo 2025 el centro-sur registró máximos de 0.46–0.48.

🌱 5. Anomalía de humedad del suelo AHum_mean SMAP

Definición. Desvío de la humedad del mes respecto a su valor climatológico normal, como diferencia absoluta en m³/m³ (no estandarizada, porque la humedad varía en un rango acotado).

Cálculo. Se toma directamente del producto SMAP, mediante su banda dedicada soil_moisture_am_anomaly, integrada al período mensual. No requiere una climatología generada por nosotros.

Unidad: m³/m³ (diferencia; en el dashboard figura como adimensional).

Interpretación. Positivos = más humedad que la media histórica (recarga/saturación); negativos = déficit edáfico. En marzo 2025 el centro-sur mostró anomalías de 0.1–0.2 (10–20 % más de carga de agua que la media del mes).

⬇️ 6. Infiltración media mensual inf_mean ERA5-Land

Definición. Agua que efectivamente permanece en el perfil del suelo (recarga efectiva), estimada por balance hídrico superficial con ERA5-Land.

Cálculo. Se acumulan las bandas diarias del mes (m → mm, ×1000) y se combinan:

Unidad: mm (acumulado mensual).

💧 7. Eficiencia de infiltración InfEf_mean ERA5-Land

Definición. Proporción de la lluvia que efectivamente se incorpora al perfil del suelo, tras descontar escorrentía y evapotranspiración.

Unidad: adimensional (fracción de la lluvia).

🌿 8. NDVI — Índice de Vegetación ndvi_mean MODIS

Definición. El NDVI (Índice de Vegetación de Diferencia Normalizada) mide el vigor y la densidad de la vegetación verde a partir de la reflectancia en el rojo e infrarrojo cercano. Varía de −1 a 1: valores altos indican vegetación densa y sana; cercanos a 0, suelo desnudo o vegetación escasa; negativos, cuerpos de agua.

Cálculo. Del producto MODIS MODIS/061/MOD13A1 (satélite Terra, compuesto cada 16 días, 500 m) se toma la banda NDVI y se promedia sobre el último mes y medio, reduciéndolo a la media zonal de cada departamento.

Unidad: índice adimensional (rango −1 a 1).

Interpretación. Refleja el estado de la cobertura vegetal (cultivos, pastizales, bosques) y detecta zonas anegadas (NDVI negativo). Complementa a la humedad del suelo: la vegetación integra la disponibilidad de agua a lo largo del tiempo.

🍃 9. Anomalía de NDVI Andvi_mean MODIS

Definición. Desvío del NDVI del período respecto a su comportamiento normal, estandarizado por el rango de variación histórica (mismo criterio que la anomalía de precipitación).

Cálculo. Con la serie MODIS del mismo período del año entre 2018 y 2024 se estiman la media y el rango (máximo − mínimo) del NDVI. La anomalía sigue la Ecuación 1:

Unidad: adimensional.

Interpretación. El cero es la referencia normal: positivos = vegetación más vigorosa que la media histórica (mejores condiciones hídricas); negativos = pérdida de vegetación (estrés, sequía o cosecha). Al estar estandarizada por el rango, es comparable entre departamentos con distinta cobertura.

🧮 10. Resumen del período

Definición. Consulta del dashboard que, para un departamento seleccionado, agrega las 9 variables sobre todos los meses cargados (por ejemplo un semestre o un año) y devuelve una síntesis del estado hídrico del período. La forma de agregar depende de la naturaleza de cada variable.

Síntesis

Referencias

• Drozd, A. A., Castillo, C. y Colombo, S. (2025). Indicadores satelitales para el monitoreo del estado hídrico regional. El caso de Buenos Aires, marzo 2025. LaDAAS–ENVSAT, UNDAV (IDERA).
• Kubota, T., et al. (2020). Global Satellite Mapping of Precipitation (GSMaP) products in the GPM era. Springer.
• Reichle, R. H., et al. (2022). SMAP L3/L4 Global 9 km EASE-Grid Soil Moisture, v6/7. NASA NSIDC DAAC.
• Muñoz-Sabater, J., et al. (2021). ERA5-Land: a state-of-the-art global reanalysis dataset for land applications. ESSD.
• Didan, K. (2021). MODIS/Terra Vegetation Indices 16-Day L3 Global 500 m SIN Grid (MOD13A1 v061). NASA LP DAAC.
• Varni, M. y Custodio, E. (2013). Recarga al acuífero Pampeano, Azul (SEDICI-UNLP). Recarga efectiva regional: 7–26 % de la precipitación.