3EG<5H?B BE<9<A3?

O`q* Fiq`nodb* >goj\i_di* .,-17 Sjg -3 K .6 ..- ) ..4

REV. INVESTIG. ALTOANDIN

Uaa]2''UbNW`N]NaN&b[N]&RQb&]R'_VN % Uaa]2''Qe&Q\V&\_T')(&)0*/)'_VN&*()-&)).
@Nf\ % 3T\`a\ % <FFA I&<2 *+(.%0-0* I&62 *+)+%*1-/

Validacin de la precipitacin estimada por satlite TRMM y su aplicacin

en la modelacin hidrolgica del rio Ramis Puno Per
Efrain Lujano Laura1, Oscar G. FelipeObando2,Apolinario LujanoLaura3 JosP. QuispeAragn4
1,2
Ingeniero Agrcola, Servicio Nacional de M eteorologa e Hidrologa
Ingeniero Agrcola, Autoridad Nacional del Agua correspondencia: elujano28@gmail.com ofelipe@senamhi.gob.pe

3,4

RESUMEN

<A8BE@35<xA 67? 3EG<5H?B

>mo* O`^d]d_j .1+h\tj+.,-1
>mo* >^`ko\_j -/+\bjnoj+.,-1
\[YV[R2 -0+n`od`h]m`+.,-1
C3?34E3F 5?3I72
& Igpqd\ kjm n\o gdo`
& hj_`gj cd_mjg bd^j DO.J
& QOJJ

3EG<5?7 <A8B

La investigacin se realiz en la cuenca Ramis, ubicado al norte de l a regin hidrogrfica del

Titicaca(lado peruano), teniendo como objetivo validar lasprecipitacionesestimadas por satlite
y su apl icaci n en la modelacin hidrol gica del rio Ramis. La validacin de precipitaciones
estimadas por satli te, se realiz mediante una comparacin entre datos observados en ambos
casos parael periodo enero de1998 adiciembre2013, l oscualesfueron evaluados mediante los
i ndicadores estadsticos de sesgo porcentual y coeficiente de determinacin. Para el caso de la
modelacin hidrolgica, seefectu medianteel modelo hidrolgico GR2M el cual consisti en las
etapas decalibracin y validacin. Lasignificancia estadsticadelassimulacionesdecaudalesfue
evaluada mediante los indicadores de eficiencia de Nash-Sutcliffe y el sesgo porcentual. Los
resul tados obtenidos indican en considerar fiable la lluvia estimada por satl ite y se puedan
utilizar como al ternati va en zonassin informacin, dado queel coeficiente dedeterminacin en
la validacin de preci pitacioneses igual a0.86 con un sesgo porcentual de +21.7% y como datos
deentradaen lamodelaci n hidrol gica para transformar lluviaen escorrenta, es aceptabl econ
eficiencias de Nash-Sutcliffe igual 0.78 en l a etapa de cali braci n y 0.75 en la validacin. Se
concl uye que el producto de estimaci n satelital es vlido en la cuencadel rio Ramis.
Validation of TRMM satellite estimated rainfall and their application in hydrological
modeling of river Ramis Puno Per

>mod^g` O`^`dq`_ .1+h\t+.,-1

>mod^g` >^^`ko`_ -/+\pbpno+.,-1
\[YV[R2-0+n`o`h]`m+.,-1
>7L JBE6F
& P\o`ggdo` m\di
& ct_mjgjbd^\g hj_`g DO.J
& QOJJ

ABSTRACT
The research was conducted at the Ramis basin, located north of the river region of Titicaca
(Peruvian side), aiming to validate the estimated satel lite and its application in hydrological
modeling of river Ramisrainfall. Thevalidation of satelli te estimated rainfall wasperformed by
a comparison of observed data in both cases for the period January 1998 to December 2013,
which wereevaluated by statistical indicatorsof biaspercentageand coefficient of determination.
I n the case of hydrological modeling it was performed by GR2M hydrological model which
consisted of calibration and validation stages. The statistical significance of the si mulationswas
assessed by flow i ndicators Nash-Sutcl iffe efficiency and percentage bias. Results i ndicate in
consi dering the estimated satellite can beused as an alternative in areaswithout informati on, as
the coefficient of determination on the validation of rainfall i s equal to 0.86 with a percentage
bias+ 21.7% and as reliable rainfall dataentry into thehydrologi c modeling to transform rainfall
runoff is acceptable wi th Nash-Sutcliffeefficiencies equal 0.78 i n the calibration step and 0.75
in thevalidation. It i sconcluded that satellite product estimateis valid in theRamis Ri ver Basin.

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $'

$$# ! $$*

!$$#!

01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9

INTRODUCCIN
La cuenca del rio Ramis es uno de los principales aportantes
derecurso hdrico al lago Titicaca, en lacual existen estaciones
meteorolgicasque registran variablesdeprecipitacin, cuya
captacin de lluvia sol o es representativa en un radio de 25
km2 al rededor de cada una segn la OMM (2011) y que en
muchos lugares no se cumpl e este cri terio sobre todo en las
zonasaltas delacuenca, exi sti endo vacosquepodran influir
directamente en la model aci n hi drolgica. Una posibl e
alternativa de solucin a este problema es el uso de lluvias
esti madas por sensorami ento remoto debi do a que se
encuentran uniformemente distribui dos resultando de gran
ayudaen el modelamiento hidrolgico.
El Tropical Rainfall Measuri ng Mi ssion (TRMM), es una
conjuncin de exploracin espacial entre l a Admi nistracin
Nacional delaAeronuticay del Espacio (NASA) y laAgencia
deExploracinAeroespaci al Japonesa(JAXA), diseadapara
monitorear y estudiar las lluvia tropi cales y subtropicales,
l anzado el 27 de novi embre de 1997 a una altura de 350 km,
bri ndando informaci n de al ta cobertura espacial y alta
resolucin temporal. La lluvia del TRMM, utilizada en el
presente trabajo, es producida por el algori tmo 3B43, con
resoluci n temporal mensual, resolucin espacial hori zontal
de0.25 x 0.25, cobertura geogrfica de50S- 50N en latitud
y 180W-180E en longitud, abarcando unamayor extensin e
i nf ormaci n espaci o-temporal que las obteni das por l as
estaci ones meteorolgicas convencionales, sin embargo la
informacinqueutilizan losalgoritmostieneunafuerterelacin
en trminos fsicos con los hidrometeoros, que resultan en el
datodeprecipitacin, pero cadasatliteindividualmenteprovee
i nformacin en intervalos de ti empo y espacio que no son
suficientes para obtener un dato preciso de l a ocurrencia de
precipitacin (Huffman, Adler, Bolvin, Gu, Nelkin, Bowman,
Hong, Stocker y Wolff, 2007; Huffman y Bolvin, 2014). Por
ell o las estimaciones estn sujetos a errores los cual es deben
ser validados a travs de datos observados de pluvimetros
para su uti lizaci n (Joyce, Janowi ak, Arkin y Xi e, 2004;
Aghakouchak, Nasrollahi y Habib, 2009), o analizar como
variables de entrada a los modelos hi drolgicos (Qui roz,
Col li schonn y Lavado, 2011).
Lasaplicacionesrealizadasusando lalluviaestimadapor satlite
como datos de entrada a modelos hidrolgi cos, podemos
mencionar losestudiosrealizadospor Collischonn, Collischonn
y Tucci (2008) donderealizaron unamodelizacin hidrolgica
en l a cuenca amazni ca, ut i l i zaron esti maci ones de
precipi taci n TRM M; Nbrega, Souza y Souza (2008)
anal i zaron los datos de satl ite TRM M en un model o
hidrolgico semidistribuido en lacuencadel ro Jamari; Lavado,
Labat, Guyot, Ronchail y Ordoez (2009) validaron la lluvia
utilizando TRMM en dos cuencas amaznicas peruanas y
apl icaron en modelos mensuales de balance hdrico; Dinku,
Connor y Ceccato (2010) realizaron una comparacin sobre
regiones montaosas de frica y Amrica del Sur; Quiroz et
al . (2011) realizaron la model izacin hidrol gica usando
estimacionesdelluviapor satliteen lacuencadel rio Huallaga,
Per; Almazroui (2011) realiz una cali braci n de la lluvia
estimada por el TRMM en Arabi a Saudita; Su, Hong y

!$$$!

Lettenmaier (2008) evaluaron las lluviasTRMM y utilizaron

lassalidascomo datosdeentradaparalaprediccin hidrolgica
en la cuenca de la Plata entre otros.
Estudios recientes como los de Kizza, Westerberg, Rodhe y
Ntale (2012); Li, Zhang y Xu (2012); Li, Zhang y Xu (2014);
Ouma, Owiti, Ki porir, Kibiiy y Teteishi (2012); Mantas, Liu,
Caro y Pereira (2015) concluyeron que las esti maciones de
precipitaci n provenientes del TRM M consti tuyen una
al ternativa aceptabl e y que estas puedan ser incluidas en
modeloshidrolgicos, para reasdondeno se dispongadeuna
adecuadadistribucin espacial deestacionesmeteorolgicas.
El objetivo del presenteestudio fuevalidar lasprecipi taciones
estimadas por el al gori tmo 3B43 del TRM M con datos
pluviomtricosen lacuencadel ro Ramisy su aplicacin en la
modelacin hidrolgica, loscualespueden ser utilizadoscomo
unaalternativa en cuencaspoco instrumentadas, fortaleciendo
en parte l a gesti n de recursos hdri cos en las cuencas
hidrogrficas.
MATERIALES Y MTODOS
rea de estudio
La cuenca del ro Ramis, se encuentra ubicada dentro de la
regin hidrogrfica del Titicaca, entre las coordenadas UTM
(WGS84, zona19 sur); Este: 453,876 m 271,772 m, Norte:
8 104,442 m 8 447,692 m y altitud comprendida entre los
3,820 a 5,750 m.s.n.m. El rea hasta el punto de confluencia
de la estacin hidrolgica es de 14,676.67 km2 (Fig. 1). El
l mi te hidrogrfi co se real iz medi ante una apli cacin
automtica de model builder (ArcGIS) y el uso de modelos
di gi tal es de elevaci n (DEM) obtenido de la Nati onal
Aeronauti cs and Space Admini stration (NASA) y Shuttle
Radar Topography Mi ssion (SRTM).

Fig. 1. Localizacin geogrficadela cuencadel ri o Ramis, al

nortede laregin hidrogrfica del Titicacalado Peruano, los
cuadrados representan laubi cacin espacial de las
estacioneshidrometeorolgicas.

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*

B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j

resolucin espacial (0.25x0.25) del as obtenidaspor satlite

TRM M .

Datos utilizados
Se utiliz informaci n hidrometeorolgica de 16 estaciones
(Tabla 1) que corresponde a variabl es de precipitacin total
mensual y descargasmediasmensualesdel periodo enero 1998
a di ci embre 2013 ubi cadas en l a zona de estudi o y
administradas por el Servi cio Naci onal de Meteorologa e
Hidrologa(SENAMHI - Per). Lasprecipitacionesobservadas
fueron interpoladosmedianteel mtodo deKriging utilizando
paraello el Hydraccess, sobrelaregin deestudio con lamisma

La base histrica de precipitacin estimada por el satlite

TRMM corresponde al mismo periodo de la precipi taci n
observada. La evapotranspi racin de ref erencia (ETo), se
adqui ri de la base de datos del Servi cio Naci onal de
Meteorol oga e Hidrol oga (SENAMHI Per) en formato
grid, el cual fue estimado mediante el mtodo de Hargreaves
modificado a nivel nacional.

Tabla1. Caractersticas deubicacin delas estaciones hidrometeorolgi cas

Este
N

Norte

Altitud

Estacin

N
[m]

[m]

[msnm]

Este

Norte

Altitud

[m]

[m]

[msnm]

Estacin

Ananea

442448

8377140

4653

Lampa

352861

8301728

3929

Arapa

379823

8326267

3892

10

Llally

297126

8347800

4211

3
4

Ayaviri
Azangaro

328602
371897

8355116
8350772

3921
3840

11
12

M uani
Progreso

397530
352946

8367203
8375575

3923
3952

Pampahuta

320200

8287459

4292

13

Pucara

353035

8336523

3869

Lampa

352861

8301728

3929

14

Putina

406640

8350905

3853

Chuquibambill a

313519

8364727

3899

15

Taraco

395292

8307846

3817

Huancan

419032

8319216

3860

16

HL G Pte. Rami s

406368

8313374

3815

muy bueno 0.90, bueno de 0.80 0.90, aceptabl e de 0.65 0.80 e insatisfactorio <0.65 segn Ritter y Muoz (2013).

Modelo hidrolgico GR2M

Sebasaen laconceptualizacin del ciclo hidrolgico, propuesto
para reconstrui r caudal es a partir de la precipi taci n y
evapotranspiracin. En trmi nosgenerales, el modelo GR2M
es un model o conceptual de dos depsitos o reservorios, el
reservorio suelo quecorresponde a la funcin deproducci n;
y el reservorio de agua gravitacional, donde el aporte es
instantneo al inicio y despuscon el paso del tiempo sevaca
gradualmente, el nivel de este reservori o determina el gasto
que puede liberar (Mouelhi, Michel, Perrin y Andrassian,
2006). Su evaluacin puede ser de manera cuantitativa y
cualitativa, la primera consi steen determinar el valor ptimo
de una funcin objetivo, el cual se reali za con tcni cas de
optimizacin, l a funcin obj etivo resume los resultados de
comparacin entre l os valores observados y los valores
cal cul ados por el modelo. Por otra parte, la eval uacin
cualitati va sebasaen lacomparacin grficaentre losvalores
calculados y los valores observados una descripcin ms
detall ada sepuede encontrar en Mouelhi et al. (2006).
Evaluacin estadstica

Sesgo porcentual (BIAS)

I ndica la tendencia promedio de l os datos simulados de ser
mayores o menores que l os datos observados (Gupta,
Sorooshian y Yapo, 1999). Un BIAS positivo implica que la
tendenciadel modelo esasimular valoresalai zquierda delas
observaciones, y vi ceversa cuando es negati vo. Moriasi,
Arnold, Van Liew, Bingner, Harmel y Veith (2007), menciona
que el valor ptimo del BIAS es 0.0, con valores de baja
magnitud queindican modelosdesimulacin precisa (Ec. 2).
Coeficiente de determinacin (R2 )
El coeficiente de determi nacin describe la proporci n de la
varianza en l osdatos observados quepuede ser explicada por
el modelo (Legates y McCabe, 1999). El R2 fue clasificado
baj o los criterios de muy bueno >0.95, bueno de0.85 0.95,
satisfactorio de0.65 - 0.85 e insatisfactorio <0.65 (Andersen,
Refsgaard y Jensen, 2001). Lasexpresiones matemticas son:

Eficiencia de Nash y Sutcliffe (NSE)

El criterio numrico utilizado para cuantifi car los resultados

fue propuesto por Nash y Sutcl iffe (1970) como i ndicador
adi mensional dela bondad deajuste el cual midecuanto de la
variabilidad delasobservacionesesexplicadapor lasimulacin.
Este indicador es ampliamente util izado en la evaluacin de
modelos hidrolgicos (McCuen, Knight y Cutter, 2006). La
eficiencia deNSE (Ec. 1) Fue cl asi ficado bajo l oscriterios de

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $'

$$# ! $$*

NSE # 1 "

' ( yi " yi" )

i#1
N

' ( yi " y )

(1)

i #1

( N
/
" " yi ) 0
) ' ( yi
0 * 100
BIAS # ) i#1 N
)
0
yi
)* '
01
i #1

(2)

!$$%!

01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9
2

+
N
2
.
.
( yi y)( y" i " y" )
'
.
.
i #1
R2 # ,
0.5 N
0.5 3
N
. ( ( y y) 2 / ( ( y " y ) 2 / .
0 )' " i
0 .
. )' i
1 * i #1
1 4
- * i #1

(3)

donde, y i es el valor observado, yi

" valor calculado y y el
promedio de los datos observados.
RESULTADOS Y DISCUSIONES
Validacin de precipitaciones
Los valores obtenidos de precipitaci n total mensual de las
estimaciones por satliteTRMM producto 3B43 considerados
para el periodo enero 1998 a diciembre de 2013, indican un
comportami ento si mil ar al observado. El coefi ciente de
determinacin espacial en lacuencaRamisvarade0.49 a0.91
(Fi g. 2), resultados similares fueron obtenidos por Lavado et
al. (2009); Li et al. (2014); Mantas et al. (2015) al utilizar
productosdesatlite TRMM. Lasestimacionesdel algoritmo
3B43 del TRMM para la cuenca Ramis, muestran una baja
cal idad en la zona este de la cuenca donde se encuentran
ubicadoslasestacionesmeteorolgicas deCrucero y Ananea,
teniendo una mejor representacin en el resto de la cuenca
Ramis. Las estimaciones del TRMM, repl ican de manera
eficiente los valores observados de las estaciones Progreso,
Chuquibambi ll a, Muani, Pucara, Arapa, Ayaviri, Azngaro,
L lall y, Lampa, Pampahuta, Huancan, Puti na, Taraco y
Muani con indi cadores estadsticos R comprendidos entre
0.65 y 0.91, considerados como satisfactorios y buenos
segn la clasificacin de Andersen et al. (2001) tal como se
muestra en l a(Fig. 2).

Fig. 2. Coeficiente dedeterminacin (R ) espacial entre

valores observados y simulados
As mismo losvaloresmediosdeprecipitacin deambasbases,
i nt erpol ados con el mtodo de K ri gi ng muestran un
comportami ento similar a la estacionalidad de los val ores
observados(Fig. 3a) con un coeficientededeterminacin igual
a 0.86 representando un ajuste bueno (Fig. 3b), estos
resultadosdeR , son aceptadossegn los criteriosestablecidos
por Andersen et al. (2001). Mantas et al. (2015) afirman que
l as regionescon mayores coeficientes de correl acin y mejor
Bi as son general mente aquel los con fuertes gradientes de
precipitacin estaci onal (temporada hmedo y seco),
adems indican que los datos del TRMM son especialmente
tilescuando se suman a las escalas de tiempo ms largas (de
16 das a mensual). As mismo Collischonn et al. (2008)
encontraron resultados alentadoresen su trabajo, concluyendo
que l as estimaci ones del TRMM, todava dif ieren de l as
medicionespuntuales, pero, cuando losdatos son promediados
sobre la cuenca, l os resul tados son muy simil ares a los
obtenidos a partir de datos pluviomtricos.

En la Fig. 3a se observa que los valores son sobrestimados en mayor parte de la serie histrica, tanto en lo que respecta meses de
avenidas y estiaje, presentando poca frecuencia de subestimaciones en los peri odosdeavenidas como el 2004, 2005, 2007, 2009 y
2013, pero eval uando ambasbaseshistricas con el indicador estadstico BIAS, indicauna sobreestimacin de+21.7% paratodo el
periodo analizado, loscuales no son significativos y losvaloresestimadosson aceptablessegn lasdiscrecionesde Mori asi et al.
(2007) y Gupta et al. (1999).

Fig. 3. a) Distribucin temporal y b) diagrama de dispersi n de precipitacin areal mensual observada y estimada por el
algoritmo TRMM 3B43 en lacuenca Rami s: periodo de anlisis enero de1998 a diciembre del 2013.

!$$&!

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*

B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j

Aplicacin de la precipitacin estimada por satlite en la modelacin hidrolgica

Calibracin y validacin del modelo GR2M
Los resultadosen la fase decalibracin del modelo hidrolgico utilizando datosobservados deprecipitaci n para la cuencadel rio
Ramis, muestran eficiencias de NSE = 0.90, mientras que los caudales simulados por la l luvia estimada de satlite TRMM al ser
comparados estadsticamente con l os caudales observados alcanzan una efici encia de 0.78 (Tabl a 1), para ambos casos segn la
referencia de Ritter y Muoz (2013) son interpretados como ajuste muy bueno y aceptable respectivamente. As mismo el
indicador BIAS en estafase, muestrasubestimacionesde-0.30%y -10.7% paraambos casos, lassubestimacionesno son significativos
y l as simulaciones segn Moriasi et al. (2007), son precisas. Loshidrogramascomparativosentrecaudales observadosy simulados
para la fasede calibracin, se muestran en laFig. 4.

Fig. 4. Caudalesmedios mensual es observados y simulados fase decalibracin.

Para la etapa de val idaci n de caudales medi os mensuales del ro Ramis con apl icaci n del modelo GR2M, util izando datos de
precipitaci n observada para el peri odo enero 2009 a diciembre 2013, muestran como resultado una efici enci a de NSE = 0.87,
mientras que al utilizar precipitaciones estimadas por satliteTRMM se obtiene un NSE = 0.75 (Tabla 1). Nash y Sutcliffe(1970)
i ndican que no hay nadapreciso en el sentido deeste criterio debido aque los gradosde libertad del modelo son desconocidos. Sin
embargo, sepuede afirmar queun criterio demenosde0.60 o 60% no proporcionaun resultado satisfactori o entre loshidrogramas
observados y los si mulados por el modelo (Niel, Paturel y Servat, 2003).

Fig. 5. Caudales medios mensuales observados y simulados fase de validacin. Las abreviaturas Q observado, P TRMM-Q y
P observada-Q son caudales observados rio Ramis, caudales simulados con precipitacin obtenida por satlite TRMM y
caudalessi mulados con precipitacin observada respectivamente.
Los indicadoresestadsticosdeeficienciaNSE obtenidosen lafase devalidacin nosmuestran resultados buenos y aceptables
respectivamente. As mismo el indicador BIASen esta fase, muestraunasobrestimacin de +10.6% en las simulacionesde caudales
a partir de datos de precipi tacin observada y una subesti macin de -30.1% en las simulaciones de caudales a partir de datos de
preci pitacin obtenida por satlite TRMM, las simulaciones obtenidas son resultados buenos y satisfactorios segn las
discrecionesde Gupta et al. (1999). La comparacin grfica de hidrogramas observadosy simulados para la fase de validacin, se
muestran en las Fig. 5.
Tabla 1. Indicadores estadsticos de Nash y Sutcl iffe (NSE), sesgo porcentual (BIAS), calibracin 70% del total de datos (enero
1998-diciembre2008), validacin 30% del total de datos(enero 2009- diciembre 2013).

Precipitacin

Indicador
estadstico

Observado
TRMM

NS
BIAS(%)

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $'

Observado
Calibracin Validacin
0.90
0.87
-0.30
10.6

$$# ! $$*

TRMM
Calibracin Validacin
0.78
0.75
-10.7
-30.1

!$$'!

01>,49 7A5,9; 7,A>, $ ;?.,> 2% 1074<0 ;-,9/; $ ,<;749,>4; 7A5,9; 7,A>, $ 5;?f <% =A4?<0,>,2i9

CONCLUSIONES
Las precipi taciones estimadas por el al goritmo 3B43 del
TRMM paralazonaevaluada, muestran unaeficiencia buena,
afirmando que reproducen con cierta precisin el patrn del
ciclo estacional considerndosedatosfiables, loscualespueden
ser utilizadoscomo datos deentradaen modelos hidrolgicos
en zonas sin informacin, constituyendo como unaalternativa
en el fortalecimiento de l a gestin de recursos hdricos en
cuencashidrogrficas.
AGRADECIMIENTOS
Los autores desean agradecer muy especialmente al Servicio
Nacional de Meteorologa e Hidrologa (SENAMHI) que
f aci li taron l a i nformaci n hi drometeorol gica, para l a
realizacin del presente trabajo de investigaci n.
BIBLIOGRAFIA
Aghakouchak, A., Nasroll ahi , N., y Habib, E. (2009).
Accounti ng for uncertainties of the TRMM
satelliteestimates. Remote Sensing, 1(3), 606619.
A lmazroui , M . (2011). Cal i brati on of TRMM rai nfal l
climatol ogy over Saudi Arabia during 1998
2009. Atmospheric Research, 99, 400-4014.
Andersen, J., Refsgaard, J., y Jensen, K.H. (2001). Distributed
hydrological modelli ng of the Senegal River
basi nmodel constructi on and vali dati on.
Journal Hydrological, 247, 200214.

Huffman, G. J., Adl er, R.F., Bolvin, D.T., Gu, G., Nelkin, E.J.,
Bowman, K.P., Hong, Y., Stocker, E.F., y
Wol ff , D.B. (2007). The TRM M
MultisatellitePrecipitation Analysis(TMPA):
Quasi-Global, Multiyear, Combi ned-Sensor
Precipitation Estimatesat FineScales. Journal
of Hydrometeorology, 8, 38-55.
Joyce, R.J., Janowiak, J.E., Arkin, P.A. y Xi e, P. (2004).
CMORPH: a method that produces global
preci pi tati on esti mates f rom passi ve
microwave and i nfrared data at high spatial
and temporal resol uti on. Journal of
Hydrometeorology, 5 (3), 487-503.
Kizza, M., Westerberg, I., Rodhe, A., y Ntale, H. L. (2012).
Estimating areal rainfall over lake Victoriaand
its basin usi ng ground-base and satellite data.
Journal of Hidrology, 464, 401-411.
Lavado, W. S., Labat, D., Guyot, J.L., Ronchail, J. y Ordoez,
J. J. (2009). Validacin de lluvia utilizando
TRMM en dos cuencas amaznicas peruanas
y su apli caci n en modelos mensuales de
bal ance hdri co. Revista Peruana Geoatmosfrica, 1, 11-19.
Legates, D. R., y McCabe, G. J. (1999). Evaluati ng the use of
goodness-of-t measures in hydrologic and
hydrocl i mati c model val i dati on. Water
Resources Research, 35(1), 233241.

Collischonn, B., Collischonn, W., y Tucci, C.E. (2008). Daily

hydrological modeling i n the Amazon basin
using TRMM rainfall estimates. Journal of
Hydrology, 360, 207-216.

Li, X. H., Zhang, Q., y Xu, C. Y. (2012). Suitabil ity of the

TRM M satel l i t e r ai nf al l s i n dri vi ng a
di stri buted hydrol ogical model f or water
bal ance computati ons i n the X i nj i ang
catchment, Poyang lake basin. Journal of
Hydrology, 426-427, 28-38.

Dinku T., Connor, S., y Ceccato, P. (2010). Comparison of

CM ORPH and TRM M -3B42 over
mountai nous regi ons of Af ri ca and Soth
America. Satellite for Surface Hydrology, 193204.

Li, X ., Zhang, Q., y Xu, C., 2014. Assessing the performance

of satellite-based precipitation products and
its dependence on topography over Poyang
L ake basi n. Theoret i cal and A ppl i ed
Climatology, 115, 713729.

Gupta, H. V., Sorooshian, S. y Yapo, P. O. (1999). Status of

automati c calibration for hydrologic models:
Comparison with multilevel expert calibration.
Journal of Hydrologic Engineering, 4(2), 135143.

Mantas, V. M., Liu, Z., Caro, C., y Pereira, A.J.S.C. (2015).

Val i dati on of TRM M mul t i -satel l i te
precipi tati on analysi s (TMPA) products in
the Peruvian Andes. Atmospheric Research,
163, 132-145.

Huffman, G.J., y Bolvin, D.T. (2014). TRMM and Other

Data Precipitation Data Set Documentation.
Laboratory for Atmospheres, NASA Goddard
SpaceFlight Center and ScienceSystems and
Appl i cat i ons. Recuperado de: f tp: //
pr eci p. gsf c. nasa. gov / pub/ t r mmdocs/
3B42_3B43_doc.pdf

McCuen, R.H., Knight, Z. y Cutter, A.G. (2006). Eval uation

of theNash SutcliffeEfficiency Index. Journal
Hydrology Engineering, 11, 597-602.

!$$(!

Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R.

L., Harmel, R. D., y Veith, T. L. (2007). Model
Eval uati on Gui del i nes f or Systemati c
Quanti fi cati on of Accuracy i n Watershed

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*

B,74/,.4i9 /0 7, <>0.4<4@,.4i9 0?@48,/, <;> ?,@f74@0 @>88 E ?A,<74.,.4i9 09 7, 8;/07,.4i9 34/>;7i24., /07 >4; >,84? <A9; <0>j

Simulation. Transactions of the ASABE, 50(3),

885-900.
Mouelhi, S., C. Michel, C. Perri n, y Andrassian, V. (2006),
Stepwise devel opment of a two-parameter
monthl y water balance model . Journal of
Hydrology, 318, 200-214.
Nash, J.E. y Sutcliffe, J.V. (1970). River flow forecasting
through conceptual model s, part I : A
discussion of principles. Journal of Hydrology,
10(3), 282290.
Niel, H., Paturel, J. E. y Servat, E. (2003). Study of parameter
stability of a lumped hydrologic model in a
context of cl imatic vari abil ity. Journal of
Hydrology, 278, 213230
Nbrega, R.S., Souza, E. P. y SouzaF.A.S. (2008). Anliseda
util izao de dados do satli te TRMM em
modelo hidrolgico Semidistribuido na bacia
do rio Jamari. Revista Brasileira de Geografia
Fsica, 1(1), 47-61.

Ouma, Y. O., Owiti, T., Kiporir, E., Ki biiy, J., y Tatei shi R.
(2012). Multi temporal comparative analysis
of TRMM-3B42 satellite-estimated rainfall
with surface gauge data at basin scales: daily,
decadal and monthly evaluations. International
Journal of Remote Sensing, 33(24), 7662-7684.
Ritter, A., y Muoz, R. (2013). Performance evaluation of
hydrological models: Statistical significancefor
reduci ng subj ecti vi ty i n goodness-of -fi t
assessments. Journal of Hydrology, 480, 3345.
Su, F., Hong, Y., y Lettenmaier, D. P. (2008). Evaluati on of
TRMM Multisatellite Precipitation Analysis
(TM PA ) and i ts Uti l i ty i n Hydrol ogi c
Prediction in the La Plata Basin. Journal of
Hydrometeorology, 9, 622-640.
Qui roz, K .J., Col l i schonn, W. y Lavado W.S. (2011).
Modelizacion hidrolgica usando estimaciones
de l luvia por satlite en la cuenca del rio
Hual l aga, Per. Revist a Pe ruana Geoatmosferica, 3, 51-62.

Organizacin MeteorolgicaMundial (2011). Guadeprcticas

hidrolgicas, gestin de recursos hdricos y
apli cacin deprcticas hidrolgicas. Volumen
II.

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $'

$$# ! $$*

!$$)!

!$$*!

,09! *4907821! )385.4/24! $"#%( -53 #& +65 $' $$# ! $$*