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.

23
78
79

Asociación Argentina de Agrometeorología