Pronóstico estadístico de GDD y HF para el norte de México mejorado por corrección de sesgo

• Corrales Suastegui, Arturo ^[1] ; González-González, Miguel Ángel ^[1] ; Martínez-Díaz, Gerardo ^[2] ; Chávez-Sánchez, Noé ^[3] ; González-Jasso, Luis Antonio ^[1] ; Narváez-Mendoza, Mario Primitivo ^[1]
  1. [1] INIFAP. Aguascalientes. México
  2. [2] Campo Experimental Costa de Hermosillo-INIFAP
  3. [3] INIFAP. Chihuahua. México

  Mostrar afiliaciones +
• Localización: Revista mexicana de ciencias agrícolas, ISSN 2007-0934, ISSN-e 2007-9230, Nº. Extra 30, 2025
• Idioma: español
• Títulos paralelos:
  • Statistical forecast of GDDs and CHs for northern Mexico improved for bias correction
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La información que existe de pronósticos climáticos mensuales de variables agrometeorológicas como grados día de desarrollo y horas frío es escasa. En este trabajo se presentó la evaluación de un pronóstico estadístico de grados día de desarrollo y horas frío para el norte de México, con enfoque en regiones productoras de vid y nogal pecanero. El modelo de pronóstico se fundamenta en el método de años análogos, utilizando las anomalías de la temperatura superficial del mar a través del índice mensual Niño-3.4, el cual se basa en la base de datos ERSSTv5. Además, emplea bases de datos históricas mensuales de grados día de desarrollo y horas frío, correspondientes a los periodos 1925-2012 y 1950-2020, respectivamente. Para evaluar el modelo, se realizaron pronósticos retrospectivos mensuales de grados día de desarrollo y horas frío para un periodo de 12 años (2012-2023) y se contrastaron con observaciones. Se encontró que el modelo subestimó hasta en -100 grados días de desarrollo para regiones del sur y centro del país, mientras que para Sonora, Chihuahua, Durango y Coahuila se subestimaron los grados día de desarrollo con valores que van de -20 a -60 grados día de desarrollo. Para el caso de las horas frío, se encontró que el modelo subestimó hasta en 60 h frío, principalmente en Chihuahua, Durango, Zacatecas, Baja California y centro del país. A partir de estos resultados, se aplicó un método de corrección por sesgo, el cual se basó en la resta del sesgo medio, para reducir el error en el pronóstico. El modelo corregido mostró una reducción en el sesgo, principalmente en meses fríos. No obstante, se encontró un sesgo persistente en el modelo después de aplicar la corrección por sesgo.

  • English

    The existing information on monthly climate forecasts of agrometeorological variables, such as growing degree-days and chilling hours, is limited. This work presented the evaluation of a statistical forecast of growing degree-days and chilling hours for northern Mexico, with a focus on grape- and pecan-producing regions. The forecasting model is based on the analogous years method, using sea surface temperature anomalies through the monthly Niño-3.4 index, which is based on the ERSSTv5 database. In addition, it uses monthly historical databases of growing degrees-days and chilling hours, corresponding to the periods 1925-2012 and 1950-2020, respectively. To evaluate the model, monthly retrospective forecasts of growing degree-days and chilling hours were made for a period of 12 years (2012-2023) and contrasted with observations. It was found that the model underestimated up to -100 growing degree-days for regions in the south and center of the country; in contrast, for Sonora, Chihuahua, Durango, and Coahuila, the growing degree-days were underestimated with values ranging from -20 to -60 growing degree-days. In the case of chilling hours, it was found that the model underestimated up to 60 chilling hours, mainly in Chihuahua, Durango, Zacatecas, Baja California, and the center of the country. Based on these results, a bias correction method was applied, which was based on subtracting the mean bias, to reduce the error in the forecast. The corrected model showed a reduction in bias, mainly in cold months. Nevertheless, persistent bias was found in the model after applying bias correction.