Intercomparación de las estimaciones

de precipitación de productos
multisatélite TRMM y GPM en la
cuenca alta del río Mekong
ZHIHUA HE

Department of Hydraulic Engineering, Tsinghua University, Beijing, China

LONG YANG

Department of Civil and Environmental Engineering, Princeton University, Princeton, New Jersey

FUQIANG TIAN AND GUANGHENG NI

Department of Hydraulic Engineering, Tsinghua University, Beijing, China

AIZHONG HOU

Hydrology Bureau, Ministry of Water Resources, Beijing, China

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

Bastian Manz, Wouter Buytaert, Zed Zulkafli, Waldo Lavado, Bram

Willems, Luis Alberto Robles, and Juan-Pablo Rodríguez-Sánchez
Ideas Generales
• Los productos de precipitación por satélite son cada vez más útiles para
complementar las redes de pluviómetros en regiones donde éstas son
demasiado escasas para captar los patrones de precipitación espacial, como en
los Andes tropicales
• Caracterizar la naturaleza espacio-temporal altamente variable de la
precipitación en las regiones montañosas requiere una alta precisión de
medición a escalas espaciales y temporales
• TPR arroja estimaciones precisas de la precipitación media, sin embargo, podría
decirse que tanto los algoritmos de perfil estratiforme como convectivo en 2A25
no representan suficientemente la dinámica de las precipitaciones extremas
• Muchos productos satelitales (por ejemplo, TRMM 3B42, CHIRPS, TAMSAT entre
otros) ya incluyen una primera etapa de corrección interna, basada
principalmente en métodos estadísticos simples como la corrección del sesgo de
campo medio
• Los métodos geoestadísticos se han utilizado con éxito para fusionar las
estimaciones de lluvia de satélites y pluviométricas
• El estudio aprovecha al máximo el conjunto completo de datos TPR (1998-2014)
para generar series climatológicas de precipitación media mensual de alta
resolución (5 km), ya que los patrones de precipitación son altamente variables
en los Andes tropicales, además existen escasos de datos y el uso de múltiples
satélites (SG) ayudan a identificar la estructura de combinación óptima de datos
• Por lo tanto, es importante señalar que las estimaciones climatológicas
presentadas en este estudio solo representan condiciones medias que están
sujetas a variabilidad interanual, que pueden ser significativas a nivel local
Resultados
• El TPR es una herramienta adecuada para identificar la variabilidad de la precipitación
espacial, los patrones estacionales y, en particular, la delineación de los gradientes de
precipitación en los Andes tropicales
• Los resultados de la validación cruzada y la tasa de escorrentía también sugieren una
sobreestimación en regiones de baja precipitación mensual como la costa peruana
• Existe una subestimación de la pluviometría por el TPR en esta región del orden del 35-
50% para las tierras altas andinas
• El TPR en sí mismo no proporciona estimaciones precisas de observaciones de
pluviómetros basadas en puntos y tiende a subestimar las precipitaciones. Este efecto
se amplifica en regiones donde los eventos convectivos individuales representan una
gran contribución a los totales de lluvia anuales
• Es probable que la baja frecuencia de muestreo de TPR sea relevante,
especialmente porque en esta región se estima que la contribución de los
eventos convectivos con tasas de precipitación extrema a la precipitación total
mensual es superior al 70%
• La subestimación sistemática ocurre particularmente en regiones con pendientes
de barlovento orientadas al este en el sur de los Andes Tropicales y sobre el
Altiplano
• Errores de detección y recuperación afectan la precisión de la estimación de las
diferentes tasas de precipitación para mediciones de TPR instantáneas
individuales
• Las fuentes de error relevantes incluyen bloqueo de señal debido a terreno
complejo, llenado no uniforme, especialmente en ángulos de inclinación altos
(fuera del nadir) y la clasificación errónea de lluvia asociada [Kirstetter et al.
2014], así como la tasa de reflectividad a lluvia (ZR)
• La mayoría de las lluvias no detectadas por el sensor TPR son lluvias
ligeras debido al límite inferior de detección de 18 dBZ, lo que se
traduce en aproximadamente 0.5 mm/hr, la contribución de la lluvia
ligera omitida aumentaría la precipitación de TPR en un 10% y hasta
un 20% en las regiones secas
• Las técnicas de fusión de S-G han demostrado ser beneficiosas,
obteniendo un buen acuerdo con las observaciones de pluviómetros y
preservando los patrones espaciales observados por el TPR. Las
variaciones espaciales en el rendimiento de las técnicas de fusión S-G
se pueden observar a través de los Andes tropicales, con un
rendimiento particularmente pobre a lo largo de la seca costa
peruana
 Nuevo método para la estimación de
la precipitación distribuida
espacialmente mediante la fusión de
observaciones satelitales, registros de
pluviómetros y datos del modelo de
elevación digital del terreno

Haiyun Shi, Ji Chen, Tiejian Li, Guangqian Wang

Ideas Generales
• Consiste en un método para estimar las precipitaciones distribuidas
espacialmente mediante la fusión de la observación satelital, el registro
pluviométrico y los datos del modelo de elevación digital del terreno (DEM)
• Procedimiento del modelo
• Seleccionar un conjunto de datos de observación satelital adecuado
• Reducir la escala del conjunto de datos de observación satelital con los datos DEM
• Determinar las diferencias ponderadas entre el registro pluviométrico y el conjunto
de datos de observación satelital reducida
• Calcular la precipitación distribuida espacialmente fusionando el conjunto de datos
de observación satelital reducida y las diferencias ponderadas
• Para obtener los datos de lluvia combinados espacialmente
distribuidos, se adoptan dos suposiciones:
• El primero es que cualquier región tiene un radio de influencia efectiva (EIR)
para cualquier evento de lluvia, que refleje la influencia de un ancho de
banda de lluvia, y tal EIR no es mayor que cierta distancia
• La segunda suposición es que la variación espacial de la lluvia puede
representarse mediante una función de elevación. Como resultado, para una
región designada, se puede determinar una forma funcional adecuada
utilizando los datos de lluvia observados y los datos DEM.
• Se implementan las comparaciones por parejas del registro pluviométrico con varios conjuntos de
datos de observación satelital para determinar la observación satelital más adecuada para una
mayor fusión de datos.
• Se utiliza la información topográfica (utilizando los datos DEM), para separar las cuadrículas de
observación satelital seleccionadas en subredes, y luego para fusionar el registro de pluviómetros y
los datos de subred de observación de satélites seleccionados. Luego mediante una función
derivada de la relación entre la lluvia y la elevación se pueden calcular los datos de precipitación a
escala reducida en cada subred de observación satelital separada

• 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:

• La relación entre la precipitación y la altura establecida en este

estudio se basó simplemente en el método de regresión, que no se
basó físicamente
Resultados
• El resultado reveló que los datos de lluvia distribuidos espacialmente combinados son una
representación más racional de la lluvia real que los otros tres conjuntos de datos.
• Se concluye que este método de fusión de datos puede mejorar nuestra capacidad para
estimar la distribución espacial de la lluvia.
• La red de pluviómetros generalmente no es lo suficientemente alta como para describir con
precisión la distribución espacial de la lluvia. Por lo tanto, la observación satelital, que puede
proporcionar estimaciones de precipitación en áreas, se considera como un sustituto o
suplemento viable para el registro de pluviómetros
• Por lo tanto, para mejorar nuestra capacidad de evaluar la distribución espacial de la lluvia,
necesitamos fusionar estas dos fuentes de datos de lluvia.
• Los métodos de fusión disponibles actualmente normalmente carecen de la representación
de la influencia orográfica sobre la lluvia
• Aún se necesitan investigaciones más sistemáticas para reducir la
escala, fusionar la observación satelital y los datos de lluvia récord en
cada paso de tiempo (por ejemplo, una hora)
• Pese a que la densidad de las estaciones de pluviómetros fue
relativamente alta en las regiones seleccionadas, aún se necesita una
mayor exploración sobre la aplicabilidad de este método
recientemente desarrollado en regiones con menor densidad de
estaciones
• En función de la distribución espacial aproximada de la precipitación
descrita por la observación satelital y la información topográfica de
los datos DEM, la adición del registro de pluviómetros hace que las
estimaciones de lluvia para una subred designada sean más precisas
• De los tres conjuntos de datos de observación satelital (es decir, TMPA
3B41RT, TMPA 3B42RT y CMORPH), CMORPH fue quien mejor
coincidió con el registro de pluviómetros para el período de estudio
• Este nuevo método puede proporcionar una lluvia distribuida
espacialmente más confiable. Esto sería útil para proporcionar los datos
de entrada más precisos para los modelos hidrológicos distribuidos, la
evaluación del cambio climático, la previsión de inundaciones y la
exploración de la sustentabilidad de los recursos hídricos.
• Los resultados de la simulación del modelo hidrológico mediante el uso
de estos datos de lluvia, revelaron que el método recientemente
desarrollado puede proporcionar una lluvia espacialmente distribuida
que indica la importancia de la influencia topográfica y da como
resultado una simulación de flujo de inundación más racional.
Evaluación de las estimaciones
de precipitación basadas en
satélites de alta resolución
sobre el Mediterráneo durante
eventos de precipitación
intensa
DIMITRIOS STAMPOULIS AND EMMANOUIL N. ANAGNOSTOU
Department of Civil and Environmental Engineering, University of Connecticut, Storrs, Connecticut
EFTHYMIOS I. NIKOLOPOULOS
Department of Land and Agroforest Environment, University of Padua, Padua, Italy
Ideas Generales
• Los eventos de precipitación intensa (HPE) son la principal causa de inundaciones
catastróficas en cuencas de terreno complejas. Los HPE se caracterizan por tener
características espaciotemporales variables: lluvias de corta duración, lluvias intensas
debidas a tormentas convectivas o tasas de lluvia de intensidad a moderada persistentes
• Dependiendo de la gravedad del evento y la duración de la tormenta, las inundaciones
causadas por dichos eventos pueden clasificarse como inundaciones repentinas, que
constituyen desastres naturales
• El presente estudio se centra en el análisis de errores de dos de los principales productos
satelitales de alta resolución cuasi-globales [Técnica de transformación del Centro de
Predicción Climática (CPC) (CMORPH) y Estimación de Precipitación a partir de imágenes
detectadas remotamente mediante Redes Neuronales Artificiales (PERSIANN) durante
estos eventos de precipitación importante
• Las estimaciones actuales de las precipitaciones satelitales están asociadas con
una gran incertidumbre sobre la tierra. Por lo tanto, la información sobre el
rendimiento de los productos de precipitación satelital para diferentes tipos de
precipitación (estratiforme versus convectivo), sobre diferentes regiones
climáticas y para diversos niveles de complejidad del terreno es esencial para
comprender y mejorar las deficiencias de los algoritmos de recuperación
actuales
• Esta información puede contribuir adicionalmente a la caracterización precisa
de la estructura del error de precipitación satelital (por ejemplo, la dependencia
de la magnitud de la lluvia, la variabilidad temporal, etc.) y puede por lo tanto
conducir a estimaciones de precipitación más confiables a escala global
• Por lo tanto, a exactitud de los datos de precipitaciones satelitales está sujeta al
tipo de precipitación (convectiva o estratiforme), topografía de la región (por
ejemplo, terreno complejo) y factores climatológicos
• Las diversas estadísticas utilizadas para caracterizar los eventos de
tormentas son: los coeficientes de variación (desviación estándar de
las tasas de lluvia divididas por la tasa promedio de lluvia) en el
tiempo y espacio, longitud de correlación de lluvia, fracción de lluvia,
fracción de las tasas de lluvia que exceden 10 mm/h, y la fracción de
las tasas de lluvia por debajo de 1 mm/h.
• La fracción de las tasas de lluvia que superan los 10 mm/h o están por
debajo de 1 mm/h proporciona información sobre el tipo de
precipitación del evento de tormenta (precipitación fuerte frente a
precipitación ligera).
Resultados
• El tipo de precipitación juega un papel importante para determinar la magnitud del error de
CMORPH, pero solo para las tasas de precipitación baja a media, donde los eventos de
precipitación convectiva se caracterizan por un mayor error que los sistemas de precipitación
dominados estratiformes,
• Para altos valores de la intensidad de lluvia, el tipo de precipitación no parece influir en la
magnitud del error, ya que tanto los tipos de precipitación dominados por la convección como
los estratiformes presentan errores casi idénticos. En el caso de PERSIANN, no existe una relación
clara entre el tipo de precipitación y las características de error.
• Ambas técnicas de satélite subestimaron las precipitaciones para todos los casos de tormentas,
en todo momento, y especialmente a altas tasas de lluvia. Se encontró que PERSIANN
subestimaba en mayor medida que CMORPH. La tendencia del PERSIANN a subestimar más que
CMORPH se puede atribuir al hecho de que las mediciones IR no están adecuadamente
relacionadas físicamente con la precipitación
• Las diferencias en la magnitud de la subestimación pueden asociarse al
tipo de precipitación
• En general, los mayores errores asociados con los casos de tormenta
convectiva podrían atribuirse al hecho de que la mayoría de estos eventos
se caracterizan por áreas de lluvia mixta y un alto grado de variabilidad
espacial, lo que conduce a mayores errores de recuperación.
• En todos los eventos de tormentas, las mediciones de ambos algoritmos
satelitales no concuerdan bien con las del radar, ya que subestiman
significativamente las altas tasas de lluvia y sobreestiman la precipitación
ligera
• Tanto para CMORPH como para PERSIANN, todos los eventos de
tormentas (lluvia alta) indica subestimación severa (del orden del 60%
-70%).
• Para la mayoría de los eventos de tormentas, CMORPH se caracteriza por perder
menores volúmenes de lluvia y tener mejores relaciones de sesgo que PERSIANN.
Por lo tanto, su rendimiento con respecto a los eventos de precipitación intensa
examinados en este estudio puede considerarse mejor que el de PERSIANN.
• La capacidad de CMORPH para proporcionar información sobre todo el perfil de la
nube, mientras que PERSIANN no, es probablemente la razón de las diferencias en
el volumen de lluvia faltante entre los dos algoritmos.
• Procedimiento de transformación (CMORPH) capta mejor los eventos convectivos,
que la calibración de red neuronal adaptativa de imágenes IR (PERSIANN)
• Las diferencias en el tipo de precipitación (convectiva versus estratiforme) tienen
por lo tanto un efecto en la capacidad del algoritmo para capturar la lluvia de
manera efectiva. Los factores geográficos también determinan el rendimiento del
satélite.
• Ventajas de la estimación satelital
• Los pluviómetros se ven afectados por otras fuentes de incertidumbre (por
ejemplo, efectos del viento) pueden afectar significativamente la fiabilidad de
las mediciones
• desplegar y mantener una red de radar completamente funcional es una
tarea muy costosa, y en ciertos lugares del mundo, esto no es práctico
• A pesar de la implacable mejora en la precisión y robustez de los
algoritmos de estimación de precipitación basados en satélites, aún
quedan muchos desafíos en el desarrollo de estos algoritmos,
especialmente para eventos de precipitación extrema
Evaluación de los conjuntos de
datos de precipitación
histórica a largo plazo
derivados de satélites, para el
monitoreo de la sequía en
Chile

Francisco Zambrano, Brian Wardlow, Tsegaye Tadesse, Mario Lillo-

Saavedra, Octavio Lagos
Ideas Generales
• Este estudio presenta un análisis comparativo de tres conjuntos de
datos históricos de precipitación basados en satélites que incluyen la
Misión de Medición de Precipitaciones Tropicales (TRMM) Análisis de
Precipitación Multisatélite (TMPA) 3B43 versión 7 (1998-2015),
PERSIANN-CDR (1983-2015) y CHIRPS 2,0 (1981-2015) sobre Chile,
para evaluar su desempeño en todo el país
• Además se le dio aplicabilidad a la sequía agrícola, utilizando el
cálculo del indicador de sequía comúnmente conocido como el Índice
de Precipitación Estandarizado (SPI)
• Los datos exactos de precipitación histórica y las herramientas efectivas de
monitoreo de la sequía son de gran interés para Chile
• Se espera que la precipitación disminuya en el futuro cercano en la parte
central de Chile, que es un área principalmente agrícola dentro del país. Se
identificó una tendencia en el aumento de la frecuencia de la sequía en la
región de Coquimbo, en el norte de Chile, particularmente en el Valle de
Limarí
• El objetivo de este estudio es evaluar el rendimiento y el ajuste de los
productos de precipitación basados en satélites mensuales a largo plazo en
Chile para mapear y cuantificar los patrones históricos de lluvia y sequía. En
este estudio, los conjuntos de datos CHIRPS 2.0 y PERSIANN-CDR se
comparan con un producto satelital bien estudiado, el TMPA 3B43 v7 y con
mediciones in situ obtenidas de estaciones meteorológicas en todo Chile
• Se compararon los datos mensuales de series temporales de precipitación para
cada zona, entre los productos satelitales y las mediciones in situ.
• Se calculo la diferencia mensual entre los productos satelitales y los datos in situ
para cada año, de modo de medir el nivel de subestimación y sobreestimación
entre los conjuntos de datos.
• Para complementar este análisis, se agregaron la temporada acumulativa media de
los períodos de invierno, verano, primavera y otoño para determinar si había
diferencias en las interrelaciones entre los conjuntos de datos en diferentes
momentos del año.
• Para evaluar y comparar los conjuntos de datos de precipitación de series
temporales, se calcularon 9 parámetros estadisticos que incluyeron: coeficiente de
correlación lineal (CC), la magnitud de la subestimación (ME), error absoluto medio
(MAE), sesgo multiplicativo (sesgo), eficacia (Eff), error cuadrado medio de raíz
(RMSE), frecuencia de polarización (FBS), la probabilidad de detección (POD) y la
relación de falsa alarma (FAR)
• Para analizar la aplicación de estos productos satelitales y evaluar la
variabilidad espacial de los patrones de sequía agrícola, los datos de
precipitación de CHIRPS 2.0 se usaron para calcular el SPI a escalas de
tiempo (es decir, uno, tres y seis meses) para el período de 1981 a 2015.
• Para el cálculo de SPI, se ajustó una distribución de Gamma utilizando un
método para ajuste de parámetros basado en Momentos Ponderados
por Probabilidad sin sesgo. Para calcular el SPI se utilizó el paquete 'SPEI'
(Beguería y Vicente-Serrano, 2013) dentro del entorno R (R Core Team,
2016).
• El estudio del cambio climático y la variabilidad climática requiere un
largo historial de datos para permitir la evaluación del clima y los
desastres naturales asociados como la sequía.
Resultados
• El análisis mensual mostró que todos los productos satelitales sobreestimaron las
precipitaciones en la árida zona norte
• No hubo una gran diferencia entre los tres productos de las zonas Norte a la Centro-Sur
• En la zona sur, PERSIANN-CDR muestra el ajuste más bajo con subestimación alta,
mientras que CHIRPS 2.0 y TMPA 3B43 v7 estuvieron mejor de acuerdo con las
mediciones in situ
• Los resultados de este estudio muestran que para usar los conjuntos de datos CHIRPS 2.0
y PERSIANN-CDR en Chile para monitorear patrones espaciales de lluvia y sequía, estos
productos deben ser calibrados para ajustar la sobreestimación y subestimación de la
precipitación geográficamente especialmente en la zona norte y estacionalmente
durante los meses de verano y primavera en las otras zonas.
• El ajuste de los productos satelitales de precipitación con las medidas en tierra
estaba fuertemente relacionado con la cantidad de lluvia mensual para los tres
productos satelitales, CHIRPS 2.0 mostraba la relación más alta. Además, los
resultados mostraron que en la zona norte, donde la precipitación mensual
promedio es inferior a 1 mm, los resultados fueron muy inexactos.
• El conjunto de datos de precipitación CHIRPS 2.0 con su alta resolución
espacial (0.05° × 0.05°) y largo (más de 30 años) de registro histórico, resultó
ser un conjunto de datos muy útil para caracterizar los patrones de
precipitación en todo Chile. También proporcionó una valiosa fuente de datos
para calcular un índice de sequía basado en la precipitación como el SPI, que
se usa comúnmente para monitorear la sequía.
• Los resultados del análisis de SPI, particularmente los derivados de los datos de
CHIRPS 2.0, fueron prometedores ya que los resultados de SPI-3 identificaron
los eventos de sequía, que han aumentado durante los últimos treinta años
• El mejor desempeño de los cálculos de SPI-3 de CHIRPS 2.0 ocurrió geográficamente en
las zonas central y sur de Chile. Los resultados de SPI-3 para las zonas Centro-Norte y
Norte fueron muy imprecisos, mostrando los años en los que la medida de la condición
en pluviómetros estaba mojada y la SPI-3 derivada de satélites muestra estado seco
• Los conjuntos de datos de satélites de precipitación larga (más de 30 años) evaluados en
este estudio, el PERSIANN-CDR y el CHIRPS 2.0, se encontraron como opciones viables
para la información de precipitación para países como Chile, que tienen mediciones de
precipitación in situ limitadas tanto en número y longitud histórica
• Para usar los datos de PERSIANN-CDR y CHIRPS 2.0 para monitorear la sequía en Chile,
estos productos deben calibrarse específicamente para todos los meses en la zona norte
y para los meses de verano y primavera en el Centro-Norte, centro, Centro-Sur y sur de
Chile. Para calibrar, y teniendo en cuenta las mayores correlaciones encontradas entre
los productos in situ y satelitales, se podrían utilizar diferentes técnicas como, modelos
de regresión, corrección de sesgo o interpolaciones espaciales, como regresión-kriging
Hengl (2009)
 de las estimaciones de
precipitaciones basadas en
satélites a través de los
complejos gradientes
topográficos y climáticos de
Chile

Mauricio Zambrano-Bigiarini, Alexandra Nauditt, Christian Birkel, Koen

Verbist, and Lars Ribbe
Ideas Generales
• Este estudio intenta evaluar de forma exhaustiva, por primera vez, la idoneidad de siete
productos SER (precipitaciones basadas en satélites) de última generación (TMPA 3B42v7,
CHIRPSv2, CMORPH, PERSIANNCDR, PERSIAN-CCS-Adj, MSWEPv1.1 y PGFv3) sobre la compleja
topografía y diversos gradientes climáticos de Chile
• La representación precisa de la variabilidad espacio-temporal de las entradas de lluvia está
actualmente severamente limitada. Tradicionalmente, los datos de precipitación (P) se
recolectan a través de observaciones terrestres utilizando pluviómetros y/o radares
meteorológicos.
• La precipitación representativa de la captación se obtiene generalmente por interpolación de la
precipitación puntual medida en pluviómetros. Sin embargo, incluso en regiones densamente
monitoreadas, los datos de precipitación son altamente inciertos
• En los países en desarrollo y las regiones de difícil acceso, como las zonas de alta elevación,
normalmente solo hay una red dispersa de estaciones meteorológicas disponibles, y por lo
tanto los campos de lluvia espacial obtenidos están sujetos a incertidumbres aún mayores
• Las estimaciones de precipitaciones basadas en el espacio proporcionan una fuente
alternativa prometedora. Recientemente se han puesto en marcha varias estimaciones de
lluvia basadas en satélites de alta resolución (SRE) casi globales
• Varios investigadores han descubierto que los productos satelitales fallan al capturar ciertos
tipos de eventos de precipitación, tienen sesgos importantes y presentan detección falsa de
• Cuando los productos SRE se utilizan para conducir modelos hidrológicos, los errores
mencionados anteriormente se propagan de forma no lineal a los flujos simulados
• Los resultados de este estudio apuntan a aumentar nuestro conocimiento sobre la
idoneidad de diferentes estimaciones SRE para caracterizar la distribución espacio-temporal
de la precipitación a través del territorio chileno, climático y topográficamente diverso
• Todo como un complemento rentable para las redes de medición basadas en tierra y
regiones donde esta información sea escasa. Además, los hallazgos de este estudio apuntan
a proporcionar retroalimentación a los desarrolladores de diferentes productos SRE para su
posible uso en futuras versiones.
Datos SER Seleccionados
• Se aplicó un análisis puntual por pixel para comparar series
temporales de datos observadas en pluviómetros seleccionados con
el píxel SRE correspondiente
• Las observaciones diarias en los 366 pluviómetros y las
correspondientes estimaciones de satélites se acumularon en valores
mensuales, estacionales (DJF, MAM, JJA, SON) y anuales, para evaluar
la precisión de cada producto de precipitación en diferentes escalas
temporales. Con base en la disponibilidad temporal de los datos
satelitales, el período de evaluación para este estudio se extiende
desde enero de 2003 hasta diciembre de 2010.
• Una evaluación exhaustiva de los siete SRE descritos se llevó a cabo
utilizando índices continuos y categóricos del rendimiento del modelo
a diferentes escalas temporales, (eficiencia modificada de Kling-
Gupta, sesgo, variabilidad)
• La mayoría de los estudios que evalúan SRE contra observaciones en tierra separan los eventos de
lluvia en ausencia de lluvia y lluvia para evaluar la habilidad de cada SRE para reproducir tales eventos
• Aquí, subdividimos las precipitaciones diarias en cinco tipos de eventos, que se utilizan para clasificar
la precipitación en función de su intensidad diaria, que van desde sin lluvia (día seco; 1 mm/dia) a
lluvia violenta (> 40mm/dia)
• Se usaron cinco índices categóricos, para evaluar la capacidad de cada producto satelital para
identificar correctamente las cinco clases de eventos de lluvia diaria antes mencionados
• El porcentaje correcto (PC) es una medida simple que indica el porcentaje de eventos y no eventos que se
identifican correctamente, que van desde cero (ausencia de eventos identificados correctamente) hasta uno (todos
los eventos identificados correctamente). La PC no es útil para eventos de baja frecuencia (extremos)
• Esta deficiencia es compensada por los siguientes tres puntajes. La probabilidad de detección (POD también
conocida como tasa de aciertos) y la relación de falsas alarmas (FAR) mide la fracción de eventos que son
identificados correcta e incorrectamente por el producto satelital, respectivamente.
• Ambos índices, POD y FAR, oscilan entre 0 y 1, pero 1 es el valor óptimo para POD, mientras que un FAR de 0 indica
que el SRE no identifica eventos incorrectos.
• El puntaje de amenaza equitativa (ETS), también conocido como puntaje de habilidad de Gilbert (GSS), mide la
fracción de eventos observados y/o estimados que se predicen correctamente
• ,El sesgo de frecuencia (fBias) compara el número de eventos identificados por el producto del satélite con el
número de eventos que realmente ocurrieron en el pluviómetro correspondiente.
Resultados
• Los resultados revelaron que la mayoría de los productos SRE se comportaron mejor para el sur
húmedo (36.4°-43.7° S) y Chile central (32.18°-36.4° S), en particular en las zonas de baja y media
elevación (0 -1000 ma.sl) en comparación con el regiones áridas del norte y el extremo sur.
• Estacionalmente, todos los productos se desempeñaron mejor durante las estaciones húmedas
(otoño e invierno, MAM-JJA) en comparación con el verano (DJF) y la primavera (SON)
• En las regiones de difícil acceso, como las zonas de alta elevación, normalmente solo hay una red
dispersa de estaciones meteorológicas disponibles, y por lo tanto los campos de lluvia espacial
obtenidos están sujetos a incertidumbres aún mayores
• La topografía, la estacionalidad y el clima impactan en el desempeño del SRE, especialmente en la
probabilidad de detección y sesgo
• Los SRE son más confiables en áreas con fuertes precipitaciones convectivas y superficies planas,
como los océanos tropicales y América del Sur
• PGFv3 exhibió el mejor rendimiento en todas partes y para todas las escalas de
tiempo, lo que se puede atribuir claramente a su procedimiento de corrección de
polarización utilizando 217 estaciones de Chile
• Se obtuvieron buenos resultados con los productos de investigación CHIRPSv2, TMPA
3B42v7 y MSWEPv1.1, mientras que CMORPH, PERSIANN-CDR y PERSIANN CCS-Adj
en tiempo real fueron menos hábiles en la representación de la precipitación
observada
• PGFv3 (actualmente disponible hasta 2010) podría usarse en Chile para análisis
históricos y calibración de modelos hidrológicos, la alta resolución espacial, la baja
latencia y los registros de datos largos de CHIRPS y TMPA 3B42v7 (en transición a
IMERG) muestran un potencial prometedor utilizado en estudios meteorológicos y
evaluaciones de recursos hídricos.
• Varios investigadores han descubierto que los productos satelitales fallan al capturar
ciertos tipos de eventos de precipitación, tienen sesgos importantes y presentan
detección falsa de precipitación
• La mayoría de los SRE tuvieron el peor desempeño en las áreas de gran elevación
(>2000 ma.s.l.) En el Extremo Norte hiperárido (17,5-26,0° S).
• Todos los SRE presentan valores positivos de correlación lineal con observaciones de
suelo, con los mejores valores de mediana a escalas temporales mensuales
(0.4<r<0.95) que a escalas diarias y anuales. Las correlaciones también son más altas
durante el otoño (MAM) y más bajas durante el verano (DJF) y la primavera (SON).
• PGFv3, CHIRPSv2 y 3B42v7 son casi imparciales en todas las escalas de tiempo
(excepto en verano). MSWEPv1.1 y PERSIANN-CDR tienden a sobreestimar la
precipitación (P) en comparación con las observaciones, mientras que CMORPH y
PERSIANN-CCSAdj tienden a subestimar en todas las escalas de tiempo.
• Todos los SRE subestimaron la variabilidad observada de P en todas las escalas de
tiempo, excepto para CMORPH y PERSIANNCCS-Adj que sobreestimaron P en la escala
anual y en invierno (JJA). 3B42v7 y PGFv3 son los productos que mejor capturaron la
variabilidad observada de P, mientras que PERSIANN-CDR presentó el peor
rendimiento.
• KGE’ y sus tres componentes individuales se recomiendan para futuras
comparaciones, ya que no solo proporcionan una evaluación general del
rendimiento del SRE, sino que también nos permiten comprender si los
desajustes se deben a errores en la representación de la forma, magnitud o
variabilidad de la precipitación observada.
• Si los errores detectados se deben principalmente a subestimación o
sobreestimación de la precipitación observada, es muy probable que la
aplicación de un procedimiento de corrección de polarización mejore
significativamente el rendimiento del producto (por ejemplo, PGFv3)
• Proporcionar una mejor representación de la variabilidad de la precipitación
observada debería ser una preocupación importante en las futuras
liberaciones de los SRE analizados, en particular para PGFv3, CHIRPSv2 y
3B42v7 que presentaron altas correlaciones lineales con P observada y fueron
casi insensibles a escalas temporales mensuales y anuales.
• Todos los SRE se comportaron mejor en términos de KGE’ durante las estaciones húmedas
de otoño e invierno (MAM-JJA) en comparación con el verano (DJF) y la primavera (SON).
• En general, el mejor producto SRE fue PGFv3 seguido de CHIRPSv2, 3B42v7 y MSWEPv1.1,
lo que se espera porque PGFv3 usó 217 pluviómetros chilenos en su procedimiento de
corrección de polarización utilizado para obtener las estimaciones finales.
• Después de evaluar cinco índices categóricos diferentes de rendimiento (PC, POD, fBias, FAR
y ETS), recomendamos el uso de POD y fBias para evaluar la capacidad de un producto SRE
para capturar diferentes intensidades de lluvia.
• Todos los SRE fueron capaces de identificar correctamente la ocurrencia de eventos sin
lluvia (es decir, días secos). Sin embargo, durante los días de lluvia presentaban una baja
habilidad para proporcionar una clasificación precisa de las diferentes intensidades de
precipitación.
• Todos los SRE sobreestimaron la ocurrencia de eventos de lluvia ligera ([1, 5) mm/d),
mientras que subestimaron la cantidad de eventos violentos de lluvia (> 40 mm/d). Los
eventos de alta precipitación fueron bien capturados por todos los productos.
• En general, CMORPH, PERSIANN-CDR y PERSIANN-CCS-Adj se consideraron menos adecuados para
ser utilizados en aplicaciones hidrológicas en Chile en este momento, debido a sus grandes sesgos
en comparación con los registros de precipitación observados.
• La falta de medidores de lluvia en las zonas de mayor elevación (más de 2000 ma.s.l.) en la mayor
parte del territorio chileno (al sur de 26.0° S) impidió una evaluación exhaustiva de los productos
SRE en dichas áreas. Lo mismo se aplica para las zonas de elevación (200-1000 ma.s.l.) en el
Extremo Norte (17.0-26.0° S) y Extremo Sur (sur hasta 43.7° S).
• A pesar de las mejoras continuas de la mayoría de los productos SRE, aún se recomienda una
evaluación específica del sitio antes de cualquier uso en estudios hidrológicos
• Diferentes tipos de desajustes entre SRE y observaciones de tierra pueden reducirse mediante el
uso de observaciones locales para calibrar las estimaciones de satélite
• Esto fue evidenciado por PGFv3, que mostró el mejor desempeño en comparación con los otros
productos debido a la fusión estadística de 217 pluviómetros, destacando la necesidad de redes de
observación adecuadas para complementar los productos SRE.
• Esto es especialmente válido para áreas de gran altitud, donde solo hay registros limitados de
precipitación disponibles, y donde los productos SRE bien calibrados podrían proporcionar el mayor
valor agregado.
• El PGFv3 es el producto de mejor rendimiento para Chile en todas las escalas de tiempo y lugares probados, pero
actualmente solo está disponible hasta 2010, lo que lo convierte en un conjunto de datos relevantes para las
estimaciones del balance hídrico pero no para las aplicaciones en tiempo real.
• Sin embargo, se espera que PGFv3 se utilice para corregir el 3B42v7 como parte del Monitor de Inundación y Sequía
de América Latina. Dado que el conjunto de datos PGFv3 está funcionando bien para todos los índices probados, se
espera que el 3B42v7 calibrado también mejore su rendimiento
• Para aplicaciones (cuasi) en tiempo real e hidrológicas, sugerimos considerar el uso de CHIRPSv2, ya que tiene un
registro de datos largo (1981-presente), una baja latencia (1 día-3 semanas, dependiendo del producto), y alta
resolución espacial (0.05° en vez de 0.25° de la mayoría de los SRE)
• MSWEPv1.1 también es un producto prometedor, y se espera que se publiquen nuevas versiones al menos una vez al
año. Se prevé que la próxima versión de MSWEPv1.1 incorpore correcciones para la llovizna y brinde estimaciones
para todo el mundo, incluidas las áreas oceánicas
• El 3B42v7 tiene una resolución espacial menor y cubre un período más corto (1998-presente), pero mostró un
rendimiento muy similar a CHIRPSv2 en todos los índices. El conjunto de datos 3B42 será reemplazado por el producto
de la misión Global Precipitation Measurement (GPM) IMERG, lanzado por la NASA y la Agencia Japonesa de
Exploración Aeroespacial (JAXA) el 27 de febrero de 2014. Para superar la corta longitud de datos del nuevo conjunto
de datos IMERG, está previsto proporcionar un conjunto de datos de IMERG procesados retrospectivamente a partir
de 1998, que se espera sean lanzados a principios de 2017
• El producto de precipitación en tiempo real PERSIANN-CCS-Adj se está mejorando actualmente mediante la fusión en
tiempo real de los datos de la estación. Los primeros resultados indican que este procedimiento mejorará
significativamente el rendimiento del producto en Chile, que se evaluará en futuras investigaciones.