Forecast of frost days based on monthly temperatures | Predicción de días de helada a partir de temperaturas mensuales

Испанский язык; кастильский. Aunque las heladas pueden causar considerables daños a los cultivos y existen prácticas que mitigan las heladas, las técnicas utilizadas no han cambiado en muchos años. Este artículo proporciona un nuevo método para predecir el número de días de heladas para varias estaciones meteorológicas en la Comunidad de Madrid (España) basado en la aplicación sucesiva de dos modelos. El primero es un modelo estocástico, autorregresivo integrado de media móvil (ARIMA), que predice la temperatura mínima absoluta mensual (t min) y la temperatura media de mínimas mensual (micro t) siguiendo la metodología de Box and Jenkins. El segundo modelo relaciona las temperaturas mensuales (t min, micro t) con la distribución de temperaturas mínimas diarias de un mes. Se identificaron tres modelos ARIMA. Todas presentan el mismo comportamiento estacional (modelo de media móvil diferenciado) y diferente no estacional: modelo autorregresivo (Modelo 1), modelo de media móvil diferenciado (Modelo 2) y modelo autorregresivo y de media móvil (Modelo 3). Los resultados indican que las temperaturas mínimas diarias (t dmin) siguen una distribución normal con una desviación estándar similar a lo largo de los años. Esta desviación estándar podría utilizarse como índice de riesgo para los meses fríos. La aplicación del Modelo 1 para predecir temperaturas mínimas mensuales mostró la mejor predicción en días de helada. Este procedimiento proporciona una metodología para prevenir los daños por heladas en cosechas y estimar el incremento en los daños cuando aparece un escenario inesperado, siendo útil para los agricultores y para las compañías de seguros agrarios.

Английский. Although frost can cause considerable crop damage, and practices have been developed to mitigate forecasted frost, frost forecasting technologies have not changed for years. This paper reports on a new method based on successive application of two models to forecast the number of monthly frost days for several Community of Madrid (Spain) meteorological stations. The first is an autoregressive integrated moving average (ARIMA) stochastic model that forecasts minimum monthly absolute temperature (t min) and average monthly minimum temperature (micro t) following Box and Jenkins methodology. The second model relates monthly temperatures (t min, micro t) to the minimum daily temperature distribution during one month. Three ARIMA models were identified. They present the same seasonal behaviour (integrated moving average model) and different non-seasonal part: autoregressive model (Model 1), integrated moving average model (Model 2) and autoregressive and moving average model (Model 3). The results indicate that minimum daily temperature (t dmin) for the meteorological stations studied followed a normal distribution each month with a very similar standard deviation through out the years. This standard deviation obtained for each station and each month could be used as a risk index for cold months. The application of Model 1 to predict minimum monthly temperatures produced the best frost days forecast. This procedure provides a tool for crop managers and crop insurance companies to assess the risk of frost frequency and intensity, so that they can take steps to mitigate frost damage and estimate the damage that frost would cause.