1 EVALUACIÓN DE LA PRECISIÓN DE LA PRECIPITACION ESTIMADA A
2 PARTIR DE SATÉLITE PARA DISTINTOS PERIODOS DE ACUMLUACIÓN
3 4 Vaiman, N.1; Durante, M.1 5 1 Instituto Nacional de Tecnología Agropecuaria, EEA Concepción del Uruguay, Ruta 39 km 143, CP 3260, Entre 6 Ríos, Argentina 7 8 *Contacto: vaiman.nicolas@inta.gob.ar 9 10 11 Palabras clave: TRMM 3B42; correlaciones; Índice 57 como el cociente entre el error absoluto y el valor 12 Crítico de Aciertos. 58 observado de precipitación en las estaciones y se 13 59 realizaron correlaciones para obtener el coeficiente 14 INTRODUCCIÓN 60 de determinación (R2). Además se utilizó una 15 La utilización de datos de precipitación para uso 61 metodología propuesta por Schaefer (1990) para 16 agrícola o hidrológico está limitada por la 62 evaluar la capacidad de detección de eventos de 17 distribución espacial de las estaciones 63 precipitación según la cantidad de días 18 meteorológicas. Las técnicas de estimación de la 64 acumulados. Para esto se calcularon la 19 precipitación a partir de sensores remotos pueden 65 Probabilidad de Detección, la Tasa de Falsas 20 ofrecer una mejor cobertura espacial de dicha 66 Alarmas y el Índice Crítico de Aciertos (POD, FAR 21 variable, siempre y cuando los datos provenientes 67 y CSI, respectivamente y por sus siglas en inglés) 22 de dichos sensores resulten confiables. Una fuente 68 como: 23 de datos de precipitación a partir de sensores 69 24 remotos son los productos derivados de TRMM 70 𝑃𝑂𝐷 = 𝐴/(𝐴 + 𝐵) (1) 25 (Tropical Rainfall Measuring Mission). 71 𝐹𝐴𝑅 = 𝐶/(𝐴 + 𝐶) (2) 26 Si bien existen trabajos que evalúan la precisión 72 𝐶𝑆𝐼 = 𝐴/(𝐴 + 𝐵 + 𝐶) (3) 27 de los datos de TRMM (Adler et al. 2003; Chiu et 73 28 al. 2006a,b; Nicholson et al. 2003a,b), estos se han 74 donde A es el número de aciertos (número de 29 realizado a escala mensual. Para usos agronómicos 75 eventos en los que se registra lluvia y TRMM lo 30 e hidrológicos suele ser necesaria una escala de 76 detecta), B es el número de veces que llueve pero 31 menor tiempo, como la diaria, decádica o 77 TRMM no lo detecta, y C es el número de veces 32 quincenal. 78 que TRMM detecta lluvia pero las EMC no. 33 El objetivo del trabajo fue evaluar la precisión 79 34 de la precipitación estimada mediante TRMM para 80 RESULTADOS Y DISCUSIÓN 35 períodos de entre un día y un mes. 81 La correlación entre datos de las EMC y de 36 82 TRMM mostró que el R2 aumenta en las tres 37 MATERIALES Y MÉTODOS 83 localidades a medida que aumenta la cantidad de 38 Como verdad terrestre se utilizaron datos de 84 días acumulados, mientras que el error relativo 39 precipitación diaria de tres estaciones 85 aumenta al principio debido a la mayor cantidad de 40 meteorológicas convencionales (EMC) de la 86 períodos sin precipitación (lo que eleva el error) y 41 provincia de Entre Ríos (tabla 1) en el período 87 luego desciende ya que es esperable que los 42 2000-2012. 88 períodos de mayor tiempo acierten mejor en el 43 89 monto total de la precipitación con un mínimo en 44 Tabla 1. Coordenadas de las estaciones utilizadas. 90 todas las localidades observado con un período de 45 Latitud Sur, Longitud Oeste. 91 acumulación de 29 días (figura 1). 46 92 Estación Lat (º) Lon (º) Concepción del Uruguay (CdelU) 32,49 58,34 Concordia (Cdia) 31,37 58,12 Gualeguaychú (Gchu) 33,01 58,61 47 48 Los datos diarios de las estaciones fueron 49 acumulados en períodos de tiempo creciente cada 2 50 días desde 1 hasta 29 días. Estos mismos períodos 51 fueron considerados para acumular los datos de 52 precipitación derivados del producto TRMM 3B42 53 que provee datos diarios con una resolución 54 espacial de 0.25° x 0.25° de latitud y longitud. 55 Para la evaluación del producto TRMM 3B42 56 con respecto de las EMC se calculó el error relativo
XVI Reunión Argentina y VIII Latinoamericana de Agrometeorología
24 Figura 3. Valores (adimensionales) de POD, FAR y CSI 25 para a) CdelU, b) Cdia, y c) Gchu. 26 27 CONCLUSIONES 28 La correlación entre la precipitación de las 29 estaciones analizadas y la provista por TRMM 30 aumentó con la cantidad de días acumulados. Se 31 definió al período de acumulación de 15 días como 32 el mínimo que no disminuye la precisión con 33 respecto a períodos más largos. Esta frecuencia es 34 útil para usos agronómicos o hidrológicos de la 35 precipitación, con la ventaja que presenta TRMM 36 de cubrir mejor la superficie que las estaciones 37 meteorológicas. 1 2 Figura 1. Coeficiente de determinación (R2) en la 38 3 correlación entre datos de las EMC y TRMM y error 4 relativo para distinta cantidad de días acumulados para a) 39 REFERENCIAS 5 CdelU, b) Cdia y c) Gchu. 40 Adler, R. F.; Kummerow, C.; Bolvin, D.; Curtis, S.; 6 41 Kidd, C. 2003. Status of TRMM Monthly Estimates 7 Con respecto a los índices propuestos por 42 of Tropical Precipitation. En: Tao, W. K et al. (eds). 8 Schaefer (1990), una metodología sería ideal si 43 Cloud Systems, Hurricanes, and the Tropical Rainfall 44 Measuring Mission (TRMM), 223-234 pp. 9 cumple POD = 1, FAR = 0, y CSI = 1. En este 45 Chiu, L.; Liu, Z.; Vongsaard, J.; Morain, S.; Budge, A.; 10 trabajo se determinó que esas condiciones se 46 Bales, C.; Neville, P. 2006a. Comparison of TRMM 11 cumplen a medida que se aproxima a un 47 and water división rain rates over New Mexico. Adv. 12 acumulado de 29 días. Sin embargo, similar a lo 48 Atmos. Sci. 23: 1-13. 13 hallado por Cohkngamwong y Chiu (2008), valores 49 Chiu, D.; Shin, B.; Kwaiktowski, J.; 2006b. Surface rain 14 aceptables (CSI > 0,80) se obtienen con 7 días de 50 rate from TRMM algorithms. En: Qu, I. J. et al. (eds) 15 acumulación de la precipitación y valores próximos 51 Earth Science Satellite Remote Sensing, Springer and 16 al máximo que dichos autores hallaron (CSI = 52 Tsinghua UniversityPress 317–336. 17 0,94) se obtienen con 13-15 días de acumulación 53 Chokngamwong, R.; Chiu, L. S. 2008. Thailand Daily 54 Rainfall and Comparison with TRMM Products. 18 de la precipitación (según la estación). El máximo 55 Journal of Hydrometeorology 9:256-266. 19 de CSI (0,99 en las tres estaciones) se obtiene a 56 Nicholson, S. E.; Some, B.; McCollum, J.; Nelkin, E.; 20 partir de 23 días de acumulación de la precipitación 57 Klotter, D.; Berte, Y.; Diallo, B. M.; Gaye, I.; 21 (figura 3). 58 Kpabeba, G.; Ndiaye, O.; Noukpozounkou, J. N.; 22 59 Tanu, M. M.; Thiam, A.; Toure, A.; Traore, A. K. 60 2003. Validation of TRMM and Other Rainfall 61 Estimates with a High-Density Gauge Dataset for 62 West Africa. Part I: Validation of GPCC Rainfall 63 Product and Pre-TRMM Satellite and Blended 64 Products. Journal of Applied Meteorology 42: 1337- 65 1354. 66 Nicholson, S. E.; Some, B.; McCollum, J.; Nelkin, E.; 67 Klotter, D.; Berte, Y.; Diallo, B. M.; Gaye, I.; 68 Kpabeba, G.; Ndiaye, O.; Noukpozounkou, J. N.; 69 Tanu, M. M.; Thiam, A.; Toure, A.; Traore, A. K. 70 2003. Validation of TRMM and Other Rainfall 71 Estimates with a High-Density Gauge Dataset for 72 West Africa. Part II: Validation of TRMM Rainfall 73 Products. Journal of Applied Meteorology 42: 1355- 74 1368. 75 Schaefer, J. T. 1990. The critical success index as an 76 indicator of warning skill. Wea. Forecasting 5, 570- 77 575.