Professional Documents
Culture Documents
de precipitación de productos
multisatélite TRMM y GPM en la
cuenca alta del río Mekong
ZHIHUA HE
LONG YANG
Department of Civil and Environmental Engineering, Princeton University, Princeton, New Jersey
AIZHONG HOU
HUI LU
Ministry of Education Key Laboratory for Earth System Modeling, and Department of Earth System Science,
Tsinghua University, and Joint Center for Global Change Studies, Beijing, China
• Idea principal consiste en evaluar la precisión en la estimación de 2
productos satelitales como IMERG y 3B42 en una región montañosa
del sudoeste Chino y examinar cómo difiere el producto GPM recién
lanzado, de su predecesor TRMM 3B42V7
• Todos los productos satelitales poseen serias temporales de media
hora, 3h, diaria y una resolución espacial de 0.1° x 0.1°, para luego
crear un conjunto de datos mensuales
• Tanto el producto TRMM 3B42V7 (3 horas, abreviado como 3B42 en
lo sucesivo) como el producto final GPM nivel 3 basado en el
algoritmo IMERG (media hora, abreviado como IMERG en lo sucesivo)
se integraron a la escala diaria para facilitar las comparaciones con
pluviómetros
• Para el modelado hidrológico de una cuenca, es esencial obtener
estimaciones de precipitación de alta calidad tanto en el espacio como en
el tiempo
• Este problema es más prominente en las cuencas montañosas, donde la
precipitación presenta una gran variabilidad espacial debido a fuertes
transiciones topográficas y por lo general está pobremente cubierta con
medidores (Pluviómetros o radares)
• Estudios previos informaron que los productos TRMM tienen un
rendimiento bajo en los meses de invierno debido a la presencia de nieve
(Condom et al., 2011; Chen et al., 2013). También es bien sabido que las
nevadas causan registros erróneos en los pluviómetros, especialmente
cuando las nevadas constituyen una gran parte de la precipitación
Resultados
• A pesar de estas aplicaciones generalizadas, el bajo rendimiento del producto TRMM
3B42V7 sigue siendo obvio, especialmente en áreas montañosas el producto 3B42V7 es
insuficiente para reflejar los fuertes impactos de la topografía en las precipitaciones
sobre las cuencas montañosas en el noroeste de China. La resolución espacial
aproximada capta pobremente la variabilidad de la lluvia sobre las regiones con fuertes
transiciones topográficas y, por lo tanto, puede tergiversar los eventos extremos de
lluvia
• IMERG produce una mayor frecuencia de éxitos exitosos cuando realmente ocurre lluvia
y una menor tasa de detección errónea cuando en realidad no hay lluvia
• El producto IMERG tiende a producir valores de sesgo sistemáticamente más bajos para
las estimaciones diarias de lluvia y de hecho supera al producto 3B42 en la captura de la
variabilidad de la lluvia espacial y las estimaciones de eventos de lluvia moderada con
una intensidad de 1 a 10 mm/día.
• Hay fuertes dependencias en las intensidades de lluvia para el
desempeño de las estimaciones de lluvia tanto de IMERG como 3B42.
• Los diferentes rendimientos observados para diferentes intensidades
de lluvia podrían atribuirse a las características intrínsecas de los dos
productos satelitales producidos por discrepancias algorítmicas y de
sensores.
• Beneficiándose de los sensores satelitales avanzados, IMERG detecta
las ocurrencias de lluvia ligera y rangos extremos de lluvia intensa
mejor que 3B42. Sin embargo, el algoritmo IMERG tiende a producir
una sobreestimación significativa de las cantidades de eventos
extremos de lluvia.
• IMERG tiende a superar al 3B42 al calibrar los parámetros del modelo
con cada set de datps de lluvia, lo que indica la utilidad prometedora
de IMERG para conducir modelos hidrológicos en cuencas
montañosas donde la red de pluviómetros es escasa.
• Los resultados muestran que el tamaño de la malla tiene efectos
significativos en los valores de precipitación. Sin embargo, las Inter
comparaciones de productos satelitales arrojaron resultados
extremadamente similares, lo que indica que los resultados antes
mencionados no están sujetos a la escala de la malla.
• Los hallazgos con respecto a las diferencias entre IMERG y los
productos 3B42 podrían proporcionar información útil para los
desarrolladores de algoritmos IMERG para una mejora potencial.
• IMERG reduce sistemáticamente el valor de sesgo en las estimaciones de lluvia
en la grilla y presenta una mayor capacidad para capturar la variabilidad de la
lluvia en comparación con 3B42
• IMERG mejora la capacidad de capturar eventos de lluvia con intensidades
moderadas y presenta mayor capacidad para detectar eventos extremos de
lluvia, pero sobreestima significativamente las cantidades de estos eventos
extremos
• IMERG generalmente produce simulaciones de flujo diarias comparables a 3B42
y tiende a superar a 3B42 en la conducción de simulaciones hidrológicas, todo
cuando se calibran los parámetros del modelo usando cada entrada de lluvia
• En general, las diferencias significativas entre los productos IMERG (IMERGr) y
3B42r (3B42) ocurren principalmente con respecto a las detecciones de
probabilidades de ocurrencia y cantidades para eventos extremos de lluvia, es
decir, 0-1 mm/day y >100 mm/day.
• Las diferencias en el rendimiento del los productos de precipitación
satelital en varios niveles de lluvia podrían atribuirse a las diferencias
en los métodos de recuperación de lluvia, así como a los sensores
satelitales utilizados en los dos productos
• En general, tanto los productos IMERG como los productos 3B42
produjeron una sobreestimación significativa en la serie temporal de
flujo simulado
Combinación de datos
pluviométricos y TRMM en
modelación hidrológica de
cuencas escasamente
informadas de Laos
Xing Li
Fa Ming Liu
Xiao Xia Wang
Xiao Dong Li
Yu Yan Fan
Shi Xiang Cai
Tian Qi Ao
Ideas Generales
• Las estimaciones de precipitaciones basadas en satélites son inmensamente
útiles para mejorar nuestra comprensión de la variación espacio-temporal
de precipitaciones, particularmente en cuencas de datos escasos
• TRMM 3B42 V7 y sus datos corregidos por sesgo se utilizaron,
respectivamente, para conducir un modelo hidrológico distribuido basado
en la física BTOPMC para realizar simulaciones diarias del flujo en las
cuencas del río Nam Khan y Nam Like
• También se le puede dar un uso potencial al TRMM para complementar los
datos del pluviómetro en el modelado hidrológico de cuencas dispersas de
datos
• En la simulación de modelos hidrológicos, la calidad de los datos de
precipitación ejerce una tremenda influencia sobre la fiabilidad de los
resultados de la simulación
• El pluviómetro, como instrumento de medición de precipitación directa,
no puede reflejar la variación espacial de la lluvia de manera efectiva
debido a la distribución de estaciones de lluvia y al radio efectivo muy
limitado de las mediciones puntuales
• El uso en bloque del TOPMODEL (Beven et al., 1995) con el modelo de
enrutamiento Muskingum-Cunge (Cunge 1969) (BTOPMC) permiten crear
un modelo hidrológico distribuido basado en la física, que se basa en
subdividir toda la cuenca en subcuencas que consisten en una cantidad
de celdas de grillas (Takeuchi et al., 1999; Ao 2001; Ao et al., 2006).
• Hong et al. (2007) propusieron un método de simulación de flujo de flujo de
NRCSCN simple, pero practicable impulsado por productos TMPA para simular
la escorrentía casi global
• Los resultados de las investigaciones indican que la precisión de la simulación
mejora dramáticamente cuando el área de la cuenca es mayor a 10.000 km2.
Aunque sus informes demuestran el potencial de los productos TMPA en
pronósticos de escorrentía a gran escala e incluso global
• La evaluación del error de estimación de lluvia basado en satélites y su
influencia no lineal en la incertidumbre del modelado lluvia-escorrentía sigue
siendo una gran preocupación hidrológica no abordada
• Arias-Hidalgo et al. (2013) compararon la precipitación medida con los
productos de lluvia TRMM en varias escalas de tiempo y llegaron a la
conclusión de que los productos de TRMM a escala mensual son más efectivos
que a escala diaria
• Como las mediciones del pluviómetro son correctas, por el contrario,
se supone que complementar los datos del satélite TRMM con
mediciones del pluviómetro como una entrada para impulsar un
modelo hidrológico distribuido podría mejorar la precisión de la
simulación de escorrentía.
Descripción del modelo BTOPMC, modelo hidrológico
distribuido de base física
• En primer lugar los datos mensuales promedio de TRMM 3B42 de la grilla, se tuvieron que
interpolar a las ubicaciones del pluviómetro usando el método de ponderación de distancia
inversa (IDW), método de interpolación de lluvia utilizado principalmente por National Weather
Service.
• El modelo consta de cinco parámetros esenciales; son la transmisividad del suelo saturada T0, el
factor de descomposición m, la capacidad de almacenamiento máxima de la zona de raíces
Srmax, el déficit de saturación local saturado Sbar0(k) de la subcuenca k y el coeficiente de
rugosidad n de Manning,
• El modelo divide toda la cuenca en subcuencas (agrupadas) que constan de varias celdas de
cuadrícula (distribuidas). Luego, el cálculo de la escorrentía se lleva a cabo para cada celda de la
grilla mediante la aplicación de las suposiciones y conceptos de TOPMODEL a cada subcuenca, y
finalmente se adoptó el método Muskingum-Cunge (M-C) (Fread 1993) para calcular la ruta del
flujo.
• Para llevar a cabo el estudio se incluyó lo siguiente:
• Un modelo de elevación digital (DEM) con una resolución espacial de 30 m
• Datos de uso del suelo y cobertura vegetal a una resolución de 1 km
construidos a partir de la digitalización e interpretación de imágenes de
teledetección
• Los datos pluviométricos mensuales y los datos diarios de escorrentía en el
lugar de estudio
• Los datos de evaporación mensuales y evapotranspiración
• TRMM 3B42 V7 datos de lluvia con alta resolución en el espacio (0.25 x 0.25)
y tiempo (3 h)
Resultados
• Aunque el modelo BTOPMC fue impulsado por productos de lluvia
corregidos por sesgo, los resultados de la simulación tanto para flujo alto
(especialmente para picos) como para flujo bajo siguen siendo deficientes
• Ya sea impulsado por datos de lluvia TRMM originales o corregidos por
sesgo, el caudal simulado puede representar el flujo diario en general en
las estaciones, excepto por la subestimación de alto flujo y bajo flujo
• El ajuste de polarización de los datos de lluvia TRMM puede mejorar la
aplicación en la predicción de inundación hasta cierto punto, pero con el
intercambio de más falsas alarmas en el flujo máximo
• El método simple de corrección de sesgo presentado en el artículo no es
tan efectivo para mejorar la precisión de la simulación del flujo. Es
necesario desarrollar más algoritmos de corrección, integración de datos y
reducción de escala para la precipitación satelital en términos de precisión y
resoluciones espaciotemporales de las estimaciones de lluvia
• En general, este estudio demuestra la viabilidad de los datos de lluvia
TRMM (ya sean originales o corregidos) que pueden reflejar la distribución
espacial de la lluvia en la estimulación del flujo en el área escasa de datos
aunque los resultados de la simulación de flujo diario no son tan
satisfactorios.
• Los datos de TRMM proporcionan una fuente alternativa potencial para
forzar datos para modelos hidrológicos en regiones dispersas donde las
mediciones de precipitación in situ convencionales no están disponibles.
Combinación pluviómetro
satelital de alta resolución
para medir precipitaciones
climatológicas en los andes
tropicales
• La validación del método de fusión de datos se realiza comparando los datos de lluvia combinados
con los dos conjuntos de datos de lluvia originales (es decir, el registro pluviométrico y la
observación satelital) y otro dataset de lluvia combinado sin considerar la influencia de elevación.
• Finalmente los datos de lluvia combinados y los conjuntos de datos originales se utilizan para
conducir un modelo hidrológico y simular el flujo
• Para evaluar las precisiones de los datos de lluvia espacialmente distribuidos
combinados, los datos de registro pluviométrico y los datos de observación satelital, se
utilizó el Modelo integrado de río amarillo digital (denominado DYRIM) para simular la
escorrentía.
• El DYRIM utiliza la red de drenaje digital de alta resolución, que se extrae de los datos
DEM y se codifica mediante el método del árbol binario (Li et al., 2010) para simular los
procesos hidrológicos.
• Los parámetros en el modelo hidrológico DYRIM se pueden dividir en dos tipos.
• Uno es los parámetros invariables usados para describir las propiedades del uso del suelo y el tipo
de suelo
• El otro tipo son los parámetros ajustables, conductividad vertical saturada de la capa superficial del
suelo, la tasa de infiltración superficial, la conductividad vertical saturada de la capa superior del
suelo a la capa del subsuelo, y las conductividades horizontales saturadas de la capa superior del
suelo y la capa del subsuelo que pueden controlar las velocidades de flujo subsuperficial lateral de
las dos capas del suelo.
• Esos parámetros ajustables se pueden calibrar con los datos de precipitación y caudal observados.
• La relación entre la precipitación y la altura se describió mediante
diferentes funciones, las cuales son derivadas de la observación
satelital y los datos DEM durante el periodo de estudio. Luego
mediante un indicador de relación la que obtuvo mejor resultado fue
la función logarítmica, como se describe en la tabla a continuación: