Validando productos de precipitación diaria estimados por sensoramiento remoto con estaciones pluviométricas en la cuenca Vilcanota, Perú
DOI:
https://doi.org/10.24850/j-tyca-2025-03-05Palabras clave:
variabilidad espacio-temporal, MSWEP, CHIRPSResumen
La precipitación representa uno de los elementos más importantes dentro del ciclo del agua para la representación de la oferta hídrica en cuencas hidrográficas. Debido a una inadecuada distribución de estaciones, seguridad, relieve, accesibilidad, etcétera, existe escasez de estos datos en cuencas andinas del Perú. Esto representa uno de los principales inconvenientes que afrontan los investigadores en ciencias de la tierra y ciencia del clima para la representación de manera espacial y temporal de la precipitación. En los últimos años, el avance de las tecnologías permite la estimación de las variables hidrológicas a partir de técnicas de sensoramiento remoto. Estos datos deben ser evaluados con observaciones meteorológicas. En esta investigación se evaluaron 11 productos de precipitación estimada por sensoramiento remoto (PPEDsr) que estiman la precipitación. La evaluación de los PPEDsr se realizó para el periodo 1981-2018 a paso de tiempo: diario, de diez días y mensual. Se utilizaron los estadísticos descriptivos: error medio (ME), correlación de Pearson (R), raíz del error medio cuadrático (RMSE), error absoluto medio (MAE) y BIAS relativo (BIAS). Además, de los estadísticos categóricos: probabilidad de detección (POD), tasa de falsas alarmas (FAR), índice de éxito crítico (CSI). Los productos MSWEP, CHIRPS, TRMM-3B42 y PERSIANN-CDR resultaron ser más eficientes para representar la variabilidad espacial de las precipitaciones diarias y acumuladas en la cuenca del Vilcanota. Los datos de sensoramiento remoto mostraron ser útiles para representar la variabilidad espacio-temporal de la precipitación la cuenca Vilcanota, los resultados sugieren que los datos de sensoramiento remoto podrían ser utilizados para simular el balance hidrológico en cuencas hidrográficas de montaña andinas con escasa información in-situ.
Citas
Abdallah, A. M., & Rosenberg, D. E. (2019). A data model to manage data for water resources systems modeling. Environmental Modelling and Software, 113-127. DOI: 10.1016/j.envsoft.2019.02.005
Beck, H., Vergopolan, N., Pan, M., Levizzani, V., Van Dijk, A., & Weedon, G. (2017). Global-scale evaluation of 22 precipitation datasets using gauge observations and hydrological modeling. Hydrolgy and Earth System Sciences, 21, 6201-6217. DOI: 10.1016/j.nimb.2010.02.072
Bisselink, B., Zambrano-Bigiarini, M., Burek, P., & De Roo, A. (2016). Assessing the role of uncertain precipitation estimates on the robustness of hydrological model parameters under highly variable climate conditions. Journal of Hydrology: Regional Studies, 8, 112-129. DOI: 10.1016/j.ejrh.2016.09.003
Chen, L., Xu, J., Wang, G., & Shen, Z. (2019). Comparison of the multiple imputation approaches for imputing rainfall data series and their applications to watershed models. Journal of Hydrology, 572, 449-460. DOI: 10.1016/j.jhydrol.2019.03.025
Fang, J., Yang, W., Luan, Y., Du, J., Lin, A., & Zhao, L. (2019). Evaluation of the TRMM 3B42 and GPM IMERG products for extreme precipitation analysis over China. Atmospheric Research, 223, 24-38. DOI: 10.1016/j.atmosres.2019.03.001
Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., Kobrick, M., Paller, M., Rodriguez, E., Roth, L., Seal, D., Shaffer, S., Shimada, J., Umland, J., Werner, M., Oskin, M., Burbank, D., & Alsdorf, D. (2007). The shuttle radar topography mission. Reviews of Geophysics, 45(2), RG2004. DOI: 10.1029/2005RG000183
Funk, C., Peterson, P., Landsfeld, M., Pedreros, D., Verdin, J., Shukla, S., Husak, G., Rowland, J., Harrison, L., Hoell, A., & Michaelsen, J. (2015). The climate hazards infrared precipitation with stations - A new environmental record for monitoring extremes. Scientific Data, 2, 1-21. DOI: 10.1038/sdata.2015.66
Gebregiorgis, A. S., & Hossain, F. (2013). Understanding the dependence of satellite rainfall uncertainty on topography and climate for hydrologic model simulation. IEEE Transactions on Geoscience and Remote Sensing, 51(1), 704-718. DOI: 10.1109/TGRS.2012.2196282
Han, P., Long, D., Han, Z., Du, M., Dai, L., & Hao, X. (2019). Improved understanding of snowmelt runoff from the headwaters of China’s Yangtze River using remotely sensed snow products and hydrological modeling. Remote Sensing of Environment, 224, 44-59. DOI: 10.1016/j.rse.2019.01.041
Iqbal, M. F., & Athar, H. (2018). Validation of satellite based precipitation over diverse topography of Pakistan. Atmospheric Research, 201, 247-260. DOI: 10.1016/j.atmosres.2017.10.026
Jiang, L., & Bauer-Gottwein, P. (2019). How do GPM IMERG precipitation estimates perform as hydrological model forcing? Evaluation for 300 catchments across Mainland China. Journal of Hydrology, 572, 486-500. DOI: 10.1016/j.jhydrol.2019.03.042
Joyce, R., Janowiak, J., Arkin, P., & Xie, P. (2004). CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. Journal of Hydrometeorology, 5(3), 487-503. DOI: 10.1175/1525-7541(2004)005<0487:CAMTPG>2.0.CO;2
Kenabatho, P. K., Parida, B. P., & Moalafhi, D. B. (2017). Evaluation of satellite and simulated rainfall products for hydrological applications in the Notwane catchment, Botswana. Physics and Chemistry of the Earth, 100, 19-30. DOI: 10.1016/j.pce.2017.02.009
Kim, J., Lee, J., Kim, D., & Kang, B. (2019). The role of rainfall spatial variability in estimating areal reduction factors. Journal of Hydrology, 568, 416-426. DOI: 10.1016/j.jhydrol.2018.11.014
Lakshmi, V. (2004). The role of satellite remote sensing in the prediction of ungauged basins. Hydrological Processes, 18(5), 1029-1034. DOI: 10.1002/hyp.5520
Lekula, M., Lubczynski, M. W., Shemang, E. M., & Verhoef, W. (2018). Validation of satellite-based rainfall in Kalahari. Physics and Chemistry of the Earth, 105, 84-97. DOI: 10.1016/j.pce.2018.02.010
Li, D., Christakos, G., Ding, X., & Wu, J. (2018). Adequacy of TRMM satellite rainfall data in driving the SWAT modeling of Tiaoxi catchment (Taihu lake basin, China). Journal of Hydrology, 556, 1139-1152. DOI: 10.1016/j.jhydrol.2017.01.006
Mahmoud, M. T., Hamouda, M. A., & Mohamed, M. M. (2019). Spatiotemporal evaluation of the GPM satellite precipitation products over the United Arab Emirates. Atmospheric Research, 219, 200-212. DOI: 10.1016/j.atmosres.2018.12.029
Marzen, M., Iserloh, T., De Lima, J. L. M. P., Fister, W., & Ries, J. B. (2017). Impact of severe rain storms on soil erosion: Experimental evaluation of wind-driven rain and its implications for natural hazard management. Science of the Total Environment, 590-591, 502-513. DOI: 10.1016/j.scitotenv.2017.02.190
Paredes-Trejo, F. J., Barbosa, H. A., & Lakshmi-Kumar, T. V. (2017). Validating CHIRPS-based satellite precipitation estimates in Northeast Brazil. Journal of Arid Environments, 139, 26-40. DOI: 10.1016/j.jaridenv.2016.12.009
Satgé, F., Bonnet, M. P., Gosset, M., Molina, J., Hernan-Yuque-Lima, W., Pillco-Zolá, R., Timouk, F., & Garnier, J. (2016). Assessment of satellite rainfall products over the Andean plateau. Atmospheric Research, 167, 1-14. DOI: 10.1016/j.atmosres.2015.07.012
Satgé, F., Ruelland, D., Bonnet, M. P., Molina, J., & Pillco, R. (2019). Consistency of satellite-based precipitation products in space and over time compared with gauge observations and snow- hydrological modelling in the Lake Titicaca region. Hydrology and Earth System Sciences, 23(1), 595-619. DOI: 10.5194/hess-23-595-2019
Satgé, F., Xavier, A., Zolá, R. P., Hussain, Y., Timouk, F., Garnier, J., & Bonnet, M. P. (2017). Comparative assessments of the latest GPM mission’s spatially enhanced satellite rainfall products over the main bolivian watersheds. Remote Sensing, 9(4), 1-16. DOI: 10.3390/rs9040369
Simpson, J., Kummerow, C., Tao, W. K., & Adler, R. F. (1996). On the tropical rainfall measuring mission (TRMM). Meteorology and Atmospheric Physics, 60(1-3), 19-36. DOI: 10.1007/BF01029783
Sorooshian, S., Hsu, K. L., Gao, X., Gupta, H. V., Imam, B., & Braithwaite, D. (2000). Evaluation of PERSIANN system satellite-based estimates of tropical rainfall. Bulletin of the American Meteorological Society, 81(9), 2035-2046. DOI: 10.1175/1520-0477(2000)081<2035:EOPSSE>2.3.CO;2
Steele, C., Dialesandro, J., James, D., Elias, E., Rango, A., & Bleiweiss, M. (2017). Evaluating MODIS snow products for modelling snowmelt runoff: Case study of the Rio Grande headwaters. International Journal of Applied Earth Observation and Geoinformation, 63, 234-243. DOI: 10.1016/j.jag.2017.08.007
Su, F., Hong, Y., & Lettenmaier, D. P. (2008). Evaluation of TRMM multisatellite precipitation analysis (TMPA) and its utility in hydrologic prediction in the La Plata Basin. Journal of Hydrometeorology, 9(4), 622-640. DOI: 10.1175/2007jhm944.1
Sultana, R., & Nasrollahi, N. (2018). Evaluation of remote sensing precipitation estimates over Saudi Arabia. Journal of Arid Environments, 151, 90-103. DOI: 10.1016/j.jaridenv.2017.11.002
Sun, R., Yuan, H., & Yang, Y. (2018). Using multiple satellite-gauge merged precipitation products ensemble for hydrologic uncertainty analysis over the Huaihe River basin. Journal of Hydrology, 566, 406-420. DOI: 10.1016/j.jhydrol.2018.09.024
Tahir, A. A., Chevallier, P., Arnaud, Y., Neppel, L., & Ahmad, B. (2011). Modeling snowmelt-runoff under climate scenarios in the Hunza River basin, Karakoram Range, Northern Pakistan. Journal of Hydrology, 409(1-2), 104-117. DOI: 10.1016/j.jhydrol.2011.08.035
Tan, M. L., & Santo, H. (2018). Comparison of GPM IMERG, TMPA 3B42 and PERSIANN-CDR satellite precipitation products over Malaysia. Atmospheric Research, 202, 63-76. DOI: 10.1016/j.atmosres.2017.11.006
Tang, L., Tian, Y., Yan, F., & Habib, E. (2015). An improved procedure for the validation of satellite-based precipitation estimates. Atmospheric Research, 163, 61-73. DOI: 10.1016/j.atmosres.2014.12.016
Valverde-Ramírez, M. C., De-Campos-Velho, H. F., & Ferreira, N. J. (2005). Artificial neural network technique for rainfall forecasting applied to the São Paulo region. Journal of Hydrology, 301(1-4), 146-162. DOI: 10.1016/j.jhydrol.2004.06.028
Wang, X., Ding, Y., Zhao, C., & Wang, J. (2019). Similarities and improvements of GPM IMERG upon TRMM 3B42 precipitation product under complex topographic and climatic conditions over Hexi region, Northeastern Tibetan Plateau. Atmospheric Research, 218, 347-363. DOI: 10.1016/j.atmosres.2018.12.011
Zhang, A., Xiao, L., Min, C., Chen, S., Kulie, M., Huang, C., & Liang, Z. (2019a). Evaluation of latest GPM-Era high-resolution satellite precipitation products during the May 2017 Guangdong extreme rainfall event. Atmospheric Research, 216, 76-85. DOI: 10.1016/j.atmosres.2018.09.018
Zhang, S., Xiang, M., Yang, J., Fan, W., & Yi, Y. (2019b). Distributed hierarchical evaluation and carrying capacity models for water resources based on optimal water cycle theory. Ecological Indicators, 101, 432-443. DOI: 10.1016/j.ecolind.2019.01.048
Zhong, R., Chen, X., Lai, C., Wang, Z., Lian, Y., Yu, H., & Wu, X. (2019). Drought monitoring utility of satellite-based precipitation products across mainland China. Journal of Hydrology, 568, 343-359. DOI: 10.1016/j.jhydrol.2018.10.072
Zhu, H., Li, Y., Huang, Y., Li, Y., Hou, C., & Shi, X. (2018). Evaluation and hydrological application of satellite-based precipitation datasets in driving hydrological models over the Huifa river basin in Northeast China. Atmospheric Research, 207, 28-41. DOI: 10.1016/j.atmosres.2018.02.022
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Tecnología y ciencias del agua
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial
