MODELADO HIDROLÓGICO DE LA CUENCA DEL RÍO ÑACUNDAY
UTILIZANDO DATOS DE PRECIPITACIÓN ESTIMADOS POR
SATÉLITES.
Fiorella Giselle Oreggioni Weiberlen; Prof. Lic. Julián Báez Benítez, MSc. Facultad de Ciencias y Tecnología, Universidad Católica “Nuestra Señora de la Asunción”
Tte. Cataluppi y G. Molinas, Asunción, Paraguay Teléfono: 595 21 334650
Fax: 595 21 311820
e-mail: [email protected] e-mail: [email protected]
RESUMEN
Datos de precipitación estimados por satélites son una potencial fuente de datos de entrada alternativa a modelos hidrológicos principalmente en regiones con baja densidad de estaciones pluviométricas. Esta investigación se centra en la evaluación de datos de
precipitación del Tropical Rainfall Measuring Mission (TRMM)Multi-Satellite Precipitation
Analysis (TMPA, 3B42 V7) de la National Aeronautics and Space Administration (NASA) y del Climate Prediction Center Morphing Technique (CMORPH) Versión 1.0 Raw de la
National Oceanic and Atmospheric Administration (NOAA) mediante su comparación con datos de precipitación observados en superficie a escala nacional, y en la implementación del modelo hidrológico MGB-IPH en la cuenca del río Ñacunday con datos de precipitación estimados y observados, para analizar la viabilidad de utilizar las estimaciones satelitales en modelaciones hidrológicas. Se concluyó que tanto los datos del TRMM 3B42 V7 como los del CMORPH V1.0 RAW pueden ser utilizados como datos de entrada a modelos hidrológicos, mostrando claramente un mejor desempeño utilizando datos del TRMM 3B42 V7. A su vez, se analizó la estructura organizacional de la Dirección de Meteorología e Hidrología de la Dirección Nacional de Aeronáutica Civil para proponer puestos de trabajos e inversión necesaria para la utilización operativa de datos de precipitación estimados por satélites en esta institución.
Palabras Clave: precipitación, satélites, TRMM 3B42 V7, CMORPH, modelos hidrológicos, MGB-IPH.
HIDROLOGICAL MODELING OF THE ÑACUNDAY RIVER BASIN
USING SATELLITE RAINFALL ESTIMATES.
Fiorella Giselle Oreggioni Weiberlen; Prof. Lic. Julián Báez Benítez, MSc.
Faculty of Science and Technology, Catholic University of Asuncion Tte. Cataluppi y G. Molinas, Asunción, Paraguay
Phone: 595 21 334650 Fax: 595 21 311820
e-mail: [email protected] e-mail: [email protected]
ABSTRACT
Satellite-based precipitation estimates represent a potential alternative source of input data for hydrological models, especially in regions with low density of rain-gauge stations. This study focuses on evaluating precipitation estimates from the Tropical Rainfall Measuring
Mission(TRMM)Multi-Satellite Precipitation Analysis(TMPA, 3B42 V7), provided by
the National Aeronautics and Space Administration(NASA), and the Climate Prediction
Center Morphing Technique (CMORPH)Version 1.0 Raw, provided by the National Oceanic
and Atmospheric Administration(NOAA), through the comparison with observed
precipitation data at a national level and the implementation of the MGB-IPH distributed hydrological model for the study of the Ñacunday river basin. The results indicate that the data provided by these two satellites can be effectively used for hydrological applications. However, simulations based on the TRMM 3B42 V7 presented a higher performance than those based on CMORPH V1.0 Raw. Furthermore, the organizational structure of the Meteorology and Hydrology Direction of the National Direction of Civil
Aeronautics was analysed in order to suggest the implementation of new job
positions and some necessary investments directed towards the operational use of satellite-based precipitation estimates.
Key words: precipitation data, satellite, TRMM 3B42 V7, CMORPH, hydrolical models, MGB-IPH.
1. INTRODUCCIÓN
La principal variable meteorológica de entrada para las simulaciones de caudal a partir de modelos hidrológicos es la precipitación. A menudo en el Paraguay no se pueden llevar a cabo estos estudios o resultan insatisfactorios por que la distribución espacial de la precipitación esta pobremente representada debido a la baja densidad de estaciones pluviométricas y/o por qué los datos históricos de esta variable poseen una baja calidad y poca confiabilidad, con gran cantidad de datos faltantes. Es importante entonces encontrar alternativas para paliar esta deficiencia y facilitar la aplicación de modelos hidrológicos en cuencas nacionales. Una posible alternativa es la utilización de datos de precipitación estimados por satélites, ya que presentan la ventaja de poseer una mayor resolución espacial, mayor resolución temporal, menor cantidad de datos faltantes y además se encuentran disponibles gratuitamente.
Esta investigación se consiste en: (i) la evaluación de datos de precipitación estimados por satélites a nivel nacional con el objetivo de utilizarlos en modelos hidrológicos, (ii) la implementación del modelo hidrológico distribuido MGB-IPH en la cuenca del río Ñacunday con los datos estimados por satélites y datos de precipitación observados en superficie, y (iii) el análisis de la estructura organizacional de la Dirección de Meteorología e Hidrología de la Dirección Nacional de Aeronaútica Civil (DMH-DINAC) para la inclusión de nuevos puestos de trabajos e inversión inicial necesaria para la utilización operativa de datos de precipitación estimados por satélites.
Evaluaciones previas de los productos satelitales de precipitación diaria revelan que el CMORPH y el TRMM 3B42 ofrecen las mejores estimaciones satelitales de precipitación (Dinku, Chidzambwa, Ceccato, Connor, & Ropelewski, 2008; Tian, Peters-Lidard, Choudhury, & Garcia, 2007; Wu & Zhai, 2012) por lo tanto, ambos productos fueron seleccionados para el análisis.
2. DATOS Y METODOLOGIA
2.1.Datos de precipitación estimados por satélites.
2.1.1. Producto TRMM 3B42 V7.
El Tropical Rainfall Measuring Mission Multi-satellite Precipitation Analysis
(TMPA), también conocido como TRMM 3B42 V7 de la National Aeronautics and Space
Administration (NASA) utiliza mediciones realizadas desde sensores pasivos de microondas ubicados en satélites de órbita polar y sensores de infrarrojo ubicados en satélites de órbita geoestacionaria. Las estimaciones por microondas y por infrarrojo son combinadas para proveer la mejor estimación en cada grilla y luego son calibradas con datos mensuales de precipitación observados en superficie (Huffman, y otros, 2007; National Aeronautics and Space Administration, 2013; Huffman, 2015).
Los datos poseen una resolución espacial de 0.25°x0.25° y temporal de 3 horas y representan un promedio del acumulado de precipitación ±90 minutos de la hora nominal, expresado en mm/h (Tabla 1). Se descargaron datos desde 1 de enero de 1998 hasta el 1 de enero del 2015, de la totalidad del globo y en formato binario.
Producto Resolución Espacial
Cobertura Espacial
Resolución
temporal Registro
3B42 V7 (TMPA)
Grilla (0.25° x 0.25°)
Cuasi global.
(180°O – 180°E) (50°N – 50°S)
3 hs. 1998 – mediados del 2017
Tabla 1. Resumen de datos TRMM 3B42 V7 (Huffman, y otros, 2007; Huffman, 2015).
2.1.2. Producto CMORPH Versión 1.0 Raw.
El Climate Prediction Center Morphing Technique (CMORPH) Versión 1.0 Raw de la
National Oceanic and Atmospheric Administration (NOAA), utiliza mediciones realizadas desde sensores pasivos de microondas ubicados en satélites de órbita polar para determinar la tasa de precipitación e imágenes de infrarrojo de satélites de órbita geoestacionaria para determinar el movimiento de los sistemas nubosos (Joyce J. R., Janowiak, Arkin, & Xie, 2004; Joyce & Xie, 2011; Xie, Yoo, Joyce, & Yarosh, 2011; Xie, Joyce, Wu, Sun, & Yoo, 2013).
Los datos poseen una resolución espacial de 0.25°x0.25° y temporal de 3 horas y representan el acumulado de precipitación +180 minutos de la hora nominal, expresado en
mm/3h (Tabla 2). Se descargaron datos desde 1 de enero de 1998 hasta el 1 de enero del 2015,
de la totalidad del globo y en formato binario.
Producto Resolución Espacial
Cobertura Espacial
Resolución
temporal Registro
CMORPH Versión 1.0 RAW
Grilla (0.25° x 0.25°)
Cuasi global.
(180°O – 180°E) (60°N – 60°S)
3 hs. 1998 - presente
Tabla 2. Resumen de datos CMORPH Versión 1.0 RAW (Climate Prediction Center. National Weather Service. NOAA., 2004).
2.2.Análisis de datos de precipitación estimados por satélites en la República del Paraguay.
Se selecciono la técnica denominada “Frozen Grid” propuesta por varios autores en la
literatura (Wu & Zhai, 2012; Hobouchian, Salio, Vila, & García Skabar, 2012). Esta consiste en realizar una comparación puntual entre el dato de precipitación de la grilla satelital con el dato de precipitación observado en la estación pluviométrica ubicada dentro de esa grilla, permitiendo así, validar las estimaciones satelitales de precipitación limitando los errores que serían introducidos convirtiendo los datos observados en superficie puntuales a grillados.
Para la comparación se utilizaron datos diarios de precipitación de 22 estaciones meteorológicas convencionales de la Dirección de Meteorología e Hidrología ubicadas dentro del territorio nacional (Figura 1), y se seleccionaron diferentes métodos estadísticos.
Referencias
(1) Base Aérea “Gral. Div. Adrián Jara” (2) Bahía Negra
(3) Base Aérea “Prats Gill”
(4) Aeropuerto de Mcal. Estigarribia (5) Puerto Casado
(6) Aeródromo de Pedro Juan Caballero (7) Pozo Colorado
(8) Aeródromo de Concepción (9) Gral. José María Bruguez (10)Aeródromo de San Pedro (11)San Estanislao
(12)Aeródromo de Salto del Guairá (13)Aeropuerto “Silvio Pettirossi” (14)Villarrica del Espíritu Santo (15)Coronel Oviedo
(16)Aeropuerto “Guaraní” (17)Aeródromo de Pilar (18)San Juan Bautista (19)Aeródromo de Caazapá (20)Capitán Meza
(21)Encarnación (22)Capitán Miranda.
Figura 1. Estaciones meteorológicas convencionales utilizadas para la comparación con datos de precipitación estimados por satélites. Fuente: DMH-DINAC.
Para evaluar cuatitativamente la exactitud de las estimaciones satelitales de precipitación se utilizaron los estadísticos:
(1) Error promedio (Mean Error – ME) = 𝟏
𝑵 . ∑ (𝑭𝒊− 𝑶𝒊) 𝑵
𝟏=𝟏 Ecuación 1
(2) Raíz cuadrada del error cuadrático medio (Root mean square error – RMSE) =
√𝑵𝟏. ∑𝑵 (𝑭𝒊− 𝑶𝒊)𝟐
𝒊=𝟏
Ecuación 2
(3) PBIAS (Percent BIAS)= ∑ (𝑭𝒊−𝑶𝒊) 𝑵
𝒊=𝟏
∑𝑵𝒊=𝟏𝑸𝒊 . 𝟏𝟎𝟎
Ecuación 3
(4) Coeficiente de determinación (R2) = [ ∑ (𝑭𝒊− 𝑭̅̅̅)(𝑶𝒊 𝒊−𝑶̅̅̅)𝒊
𝑵 𝒊=𝟏
√∑𝑵𝒊=𝟏(𝑭𝒊− 𝑭̅̅̅)𝒊 𝟐.∑(𝑶𝒊−𝑶̅̅̅)𝒊 𝟐 ]
𝟐
Ecuación 4
Para evaluar cuantitativamente la capacidad de los productos satelitales en detectar eventos de lluvia se utilizaron los siguientes índices:
(1) Frequency bias index (FBI) = 𝒂+𝒃𝒂+𝒄 Ecuación 5
(2) False alarm ratio (FAR) = 𝒂+𝒃𝒃 Ecuación 6
Para su cálculo son necesarios los valores resultantes de las tablas de contingencia 2x2
(Figura 2), tal como se encuentra expresada en el libro de métodos estadísticos en las ciencias de la atmosfera de Wilks (2006).
Considerando el valor 1 para los casos donde hubo estimación u observación de lluvia (valor de precipitación diario mayor a cero) y 0 para los casos donde no se registró lluvia (valor de precipitación diario igual a cero), entonces se necesita conocer la cantidad de estimaciones/observaciones donde: (a) satélite = 1 y pluviómetro = 1, (b) satélite = 1 y pluviómetro = 0, (c) satélite = 0 y pluviómetro = 1 y (d) satélite = 0 y pluviómetro = 0.
Figura 2. Tabla de Contingencia 2x2 (Wilks, 2006).
Para evaluar la capacidad de los productos satelitales en detectar eventos de precipitación tanto suaves como fuertes, los índices FBI, FAR y POD fueron calculados en diferentes umbrales de precipitación: 0.1, 0.5, 1, 2, 5, 10, 20, 40, 60 y 80 mm/d, y para esto se utilizó la tabla de contingencia propuesta por Wu y Zhai (2012) (Figura 3).
Figura 3. Tabla de contingencia para diferentes umbrales (Wu & Zhai, 2012).
Los datos observados en superficie son acumulados de precipitación de 12UTC a 12UTC, razón por la cual para la comparación primeramente se deben colocar los datos satelitales de precipitación a la misma resolución temporal. Utilizando un script prediseñado descargado desde la página del software libre GrADS denominado “rebin.gs” se prodeció a la suma de los satelitales de precipitación.
Los datos del CMORPH Versión 1.0 raw fueron acumualdos de 12UTC a 12UTC. En cambio, debido a que los datos del TRMM 3B42 V7 representan el promedio del acumulado
±90 minutos de la hora nominal, la operación de suma podía realizarse acumulando la precipitación de 10:30UTC a 10:30UTC o de 13:30UTC a 13:30UTC. Se realizaron ambas sumatorias y se calcularon los diferentes estadísticos comparando con los datos de precipitación observados, obtiendonse resultados similares en ambos conjuntos de datos, con una ligera mejoría en los resultados utilizando el acumulado de 10:30UTC. Por esta razón, fue utilizado este conjunto de datos para comparar con los resultados obtenidos comparando el CMORPH V1.0 Raw con los datos observados.
2.3.Implementación del modelo hidrológico distribuido MGB-IPH en la cuenca del río Ñacunday.
Se seleccionó el modelo hidrológico distribuido de paso diario denominado Mega Grandes Bacias (MGB, por sus siglas en portugués) desarrollado por el Instituto de Pesquisas Hidráulicas de la Universidad Federal de Rio Grande do Sul de Brasil. Se seleccionó como área de estudio la cuenca del río Ñacunday (Figura 4).
Figura 4. Cuenca del río Ñacunday. Fuente: Elaboración propia.
En esta investigación el modelo MGB-IPH es utilizado como una herramienta para evaluar la viabilidad de utilizar datos de precipitación estimados por satélites en modelos hidrológicos.
Se adoptó la metodología propuesta por Sun, Yuan, Liu, & Jiang (2016), en donde el modelo hidrológico es calibrado y validado utilizando como datos de entrada datos de precipitación observados en superficie. Luego, para conocer el desempeño de los datos de precipitación estimados por satélite, se utilizan los mismos archivos de entrada al modelo cambiando únicamente los datos de precipitación observados por los estimados.
De esta manera, se realiza la comparación entre los hidrogramas observados y calculados por los datos de precipitación de pluviómetros, y los hidrogramas obtenidos a partir de datos de precipitación del TRMM 3B42 V7 y del CMORPH V1.0 RAW.
Este enfoque es importante porque al utilizar el modelo calibrado y validado con datos de pluviómetros, el análisis se centra directamente en comparar la influencia de los datos de precipitación estimados por satélite en la exactitud de los caudales simulados.
Para la implementación del modelo se requieren de archivos de datos hidrométricos y meteorológicos, así como un conjunto de mapas de las características topográficas, características hidrológicas, y de tipo y uso de suelo del área de estudio.
Se utilizaron datos de precipitación de 3 estaciones meteorológicas convencionales de la DMH-DINAC, y de 4 estaciones meteorológicas automáticas de la Federación de
Cooperativas de Producción (Fecoprod) (Tabla 3). Por otro lado, se utilizaron datos de 11 grillas satelitales de precipitación para ambos conjuntos de datos satelitales.
Institución Nombre Lat Lon Periodo Frecuencia
Fecoprod
Colonias Unidas -26.30 -55.30 22/03/2012 a 31/12/2014 Horaria
Fecoprod
Pindo -25.90 -55.40 24/03/2012 a 31/12/2014 Horaria
Fecoprod
Raúl Peña -26.10 -55.30 01/02/2012 a 31/12/2014 Horaria
Fecoprod
Unión Curupayty -25.80 -54.90 01/02/2012 a 31/12/2014 Horaria
DMH-DINAC
Aeropuerto “Guaraní” -25.46 -54.84 01/01/1998 a 31/12/2014 Diaria
DMH-DINAC
Aeródromo de Caazapá -26.18 -56.36 01/01/1998 a 31/12/2014 Diaria
DMH-DINAC
Capitán Meza -26.83 -55.33 01/01/1998 a 31/12/2014 Diaria
Tabla 3. Estaciones pluviométricas de la DMH-DINAC y Fecoprod disponibles para la modelación de la cuenca del río Ñacunday. Proveído por: DMH-DINAC y Fecoprod.
Además, se utilizaron datos de variables meteorológicas (temperatura máxima, media
y mínima del aire, velocidad del viento, temperatura en seco, temperatura del bulbo húmedo, humedad relativa, insolación y presión atmosférica) de las mismas tres estaciones de la DMH-DINAC. Por último, se utilizaron datos de caudal de la estación Balsa de la Administración Nacional de Electricidad (ANDE) (Tabla 4).
Institución Nombre Lat Lon Periodo Frecuencia
ANDE Balsa -26.03 -54.75 01/01/1998 al 31/12/2014 Diaria (m3/s)
Tabla 4. Estación hidrométrica utilizada para la modelación hidrológica de la cuenca del río Ñacunday. Proveído por: ANDE.
Para la elaboración de los mapas de entrada al modelo, se utilizó el Modelo Digital de
Elevación del Shuttle Radar Topography Mission (STRM), mapa de tipo de suelo del
Proyecto de Racionalización del Uso de la Tierra (PRUT) y para determinar el mapa de uso de suelo se realizó una clasificación supervisada en el software ArcGIS de una imagen satelital del Landsat 5 del año 2000. Mediante estos mapas, se confeccionaron los mapas de delimitación del área de estudio, dirección de flujo, área de drenaje, red de drenaje, minicuencas, subcuencas y unidades de respuesta hidrológica (URH).
La simulación con el CMORPH V1.0 RAW se pudo llevar a cabo en el periodo comprendido entre el 01/07/2006 y el 31/08/2011 debido a que existen datos faltantes en la totalidad del globo y por lo tanto el modelo MGB-IPH no puede interpolar la precipitación, y a que no existen datos de caudal en la estación Balsa entre el 01/04/2010 y el 30/09/2011. El periodo común entre los diferentes conjuntos de datos de precipitación (pluviométricos, TRMM, CMORPH) y datos de caudal observados, es desde el 01/07/2006 al 31/03/2010.
La calibración del modelo con datos de precipitación de pluviómetros se consideró conveniente realizarla en un periodo común entre los tres conjuntos de datos de entrada. Esto, de modo a simular el modelo con datos de precipitación estimados por satélites en el mismo periodo. Por lo tanto, luego de un análisis de la cantidad de datos de precipitación observados
en superficie durante el periodo común, se seleccionó como periodo de calibración el comprendido entre el 01/10/2007 y el 30/09/2009.
El tipo de calibración utilizada fue la manual. La metodología utilizada fue la asignación de valores de acuerdo al tipo de URH y variación de los parámetros relacionados a las subcuencas, mediante la maximización de los resultados del coeficiente de determinación (R2). El proceso fue realizado de forma iterativa hasta conseguir el mejor ajuste entre caudales observados y simulados.
El periodo de validación del modelo con datos de precipitación observados en superficie seleccionado fue desde el 01/01/2012 al 31/12/2014.
2.4.Análisis de la estructura organizacional de la DMH-DINAC y propuesta de inversión inicial.
Para realizar el análisis de la estructura organizacional se utilizó el Manual de Organización y Funciones de la Dirección de Meteorología e Hidrología, y para elaborar la propuesta de inversión inicial se solicitó propuesto a tres empresas nacionales diferentes, y se seleccionó el precio más bajo.
3. RESULTADOS
3.1.Resultados de la evaluación de datos de precipitación estimados por satélites.
3.1.1. Resultados de la evaluación de la exactitud.
En la Tabla 5 se presentan los resultados obtenidos de los estadísticos utilizados para la evaluación de la exactitud de los datos de precipitación estimados por el TRMM 3B42 V7 y por el CMORPH V1.0 Raw.
Con respecto al error promedio diario (ME) de las estimaciones satelitales, se puede observar que los errores promedios de las estimaciones del TRMM 3B42 V7 son menores que los del CMORPH Versión 1.0 RAW. Los resultados del ME obtenidos con los datos del TRMM 3B42 V7 son negativos en 6 estaciones meteorológicas analizadas, indicando una subestimación del volumen de precipitación, en las restantes se obtuvieron resultados positivos indicando sobreestimaciones. Por otro lado, los resultados obtenidos con datos del CMORPH V1.0 Raw muestran un mayor error promedio y una sobreestimación en todas las estaciones analizadas.
Analizando los resultados del RMSE, se puede observar que el CMORPH V1.0 presenta mayores errores que el TRMM 3B42 V7 mostrando mayores diferencias volumétricas entre los valores observados y estimados.
Con relación a los resultados obtenidos del PBIAS, se observa que el CMORPH V1.0 Raw sobreestima la precipitación en todas las estaciones analizadas, en cambio, el TRMM 3B42 V7 subestima en 6 estaciones y en las demás no. Las sobreestimaciones encontradas en los datos de CMORPH V1.0 Raw son bastante elevadas, donde la máxima registrada es de un 44%.
Con respecto al coeficiente de determinación (R2)en 14 de los 22 puntos analizados se
V7. Sin embargo, las diferencias de estos valores entre ambos conjuntos de datos son poco significativas.
Tabla 5. Medidas de exactitud de los productos satelitales TRMM 3B42 V7 10:30UTC y CMORPH Versión 1.0 RAW. Fuente: Elaboración propia.
3.1.2. Resultados de la evaluación de la precisión.
En la Tabla 6 se presentan los resultados de los índices de detección para ambos productos satelitales.
Analizando los resultados del índice FBI, se puede concluir que producto satelital TRMM 3B42 V7 presenta una mayor precisión en la cantidad de eventos diarios de precipitación estimados en comparación al producto CMORPH V1.0 RAW, debido a que los valores del índice se acercan más a la estimación perfecta (FBI=1). El CMORPH V1.0 RAW presenta una sobreestimación de los eventos de precipitación en todas las estaciones analizadas. El TRMM 3B42 V7 presenta en 5 estaciones tendencia a la subestimación de eventos de precipitación, en las restantes se observa una sobreestimación.
Con respecto al índice FAR, en todas las estaciones se registraron valores mayores del mismo en el producto satelital CMORPH V1.0 RAW en comparación con el TRMM 3B42 V7. Indicando con esto, que la serie de datos del producto CMORPH V1.0 RAW presenta mayor porcentaje de falsas alarmas.
El último índice analizado fue el POD, que hace referencia a la capacidad de los productos satelitales en detectar correctamente eventos de precipitación. En todas las estaciones se registró un mayor valor de este índice en las estimaciones del producto CMORPH V1.0 RAW en comparación a las del TRMM 3B42 V7. Esto indica que el CMORPH V1.0 RAW posee una mejor capacidad para detectar correctamente eventos de precipitación. CMORPH V1.0 RAW TRMM 3B42 V7 10:30UTC CMORPH V1.0 RAW TRMM 3B42 V7 10:30UTC CMORPH V1.0 RAW TRMM 3B42 V7 10:30UTC CMORPH V1.0 RAW TRMM 3B42 V7 10:30UTC # Estaciones
1 Base Aérea “Gral. Div. Adrián Jara” 0.71 0.24 8.80 7.97 25% 9% 0.462 0.459
2 Bahía Negra 0.74 0.16 10.32 9.08 26% 5% 0.313 0.344
3 Base Aérea “Tte. 2º de Mna. Pelayo Prats Gill" 0.58 0.03 9.00 7.22 30% 2% 0.374 0.415
4 Aeropuerto de Mcal. José Félix Estigarribia 0.48 0.04 9.96 7.84 24% 2% 0.254 0.370
5 Puerto Casado 0.65 -0.11 10.51 8.98 17% -3% 0.484 0.532
6 Aeródromo de Pedro Juan Caballero 0.74 -0.12 10.42 9.29 17% -3% 0.467 0.483
7 Pozo Colorado 1.07 0.31 10.12 9.10 36% 10% 0.475 0.462
8 Aeródromo de Concepción 0.98 0.19 10.24 9.46 26% 5% 0.555 0.553
9 Gral. José María Bruguez 1.16 -0.09 10.43 8.91 35% -3% 0.491 0.481
10 Aeródromo de San Pedro del Ycuámandiyú 0.75 -0.19 11.21 10.63 18% -5% 0.470 0.444
11 San Estanislao 1.05 0.16 11.49 10.74 24% 4% 0.492 0.504
12 Aeródromo de Salto del Guairá 1.11 0.05 10.30 10.16 25% 1% 0.507 0.447
13 Aeropuerto Internacional “Silvio Pettirossi” 1.15 0.02 11.05 9.91 29% 0% 0.492 0.485
14 Villarrica del Espíritu Santo 1.63 0.09 10.81 9.67 36% 2% 0.599 0.551
15 Coronel Oviedo 1.42 0.20 10.91 9.93 32% 5% 0.564 0.533
16 Aeropuerto “Guaraní” Minga Guazú 0.89 0.11 10.79 9.76 19% 2% 0.529 0.517
17 Aeródromo de Pilar 1.29 0.27 12.34 10.37 34% 7% 0.455 0.491
18 San Juan Bautista 1.14 -0.24 10.90 10.48 24% -5% 0.580 0.513
19 Aeródromo de Caazapá 1.89 0.38 12.15 9.67 44% 9% 0.519 0.539
20 Capitán Meza 1.70 0.24 10.78 9.61 35% 5% 0.614 0.582
21 Encarnación 1.74 0.49 11.33 10.97 37% 10% 0.569 0.508
22 Capitán Miranda 1.29 -0.10 11.28 10.83 25% -2% 0.595 0.537
Analizando los índices FBI y FAR en comparación al POD, posiblemente este aumento en la capacidad de detectar correctamente eventos de precipitación por el CMORPH V1.0 RAW se da por la sobreestimación en la cantidad de eventos de precipitación estimados.
Tabla 6. Medidas de precisión de los productos satelitales TRMM 3B42 V7 10:30UTC y CMORPH Versión 1.0 RAW. Fuente: Elaboración propia.
Estos índices fueron también evaluados en diferentes umbrales de precipitación (0.1, 0.5, 1, 2, 5, 10, 20, 40, 60 y 80 mm/d) para conocer la capacidad de los productos satelitales en detectar eventos de precipitación tanto suaves como intensos. Se obtuvieron resultados similares para ambos productos satelitales.
Tanto el TRMM 3B42 V7 como el CMORPH V1.0 RAW presentan mejoras en sus valores del índice FBI en umbrales bajos de precipitación (2mm/d umbral 10mm/d). Indicando con esto que existe una mejor precisión por parte de los satélites en detectar
eventos de precipitación en umbrales bajos. A umbrales de precipitación elevados (≥20mm/d)
en la mayoría de las estaciones analizadas los valores del índice aumentan a medida que aumenta la intensidad de la precipitación, exhibiendo una tendencia de los productos satelitales a la sobreestimación de eventos de precipitación intensa.
Los resultados obtenidos en el índice FBI tienen concordancia con los obtenidos en el índice FAR y POD a diferentes umbrales. Los valores del índice FAR también aumentan a medida que aumenta la intensidad de la precipitación, indicando que los productos satelitales tienen tendencia a las falsas alarmas a medida que aumenta la intensidad de la precipitación. En cambio, el índice POD disminuye a medida que aumenta la intensidad de la precipitación, demostrando la baja capacidad de los productos satelitales en detectar correctamente eventos de precipitación de alta intensidad.
CMORPH V1.0 RAW
TRMM 3B42 V7 10:30UTC
CMORPH V1.0 RAW
TRMM 3B42 V7 10:30UTC
CMORPH V1.0 RAW
TRMM 3B42 V7 10:30 UTC
# Estaciones
1 Base Aérea “Gral. Div. Adrián Jara” 1.53 1.15 0.45 0.37 0.83 0.73
2 Bahía Negra 1.73 1.23 0.52 0.39 0.82 0.75
3 Base Aérea “Tte. 2º de Mna. Pelayo Prats Gill" 1.35 0.96 0.51 0.41 0.67 0.57 4 Aeropuerto de Mcal. José Félix Estigarribia 1.13 0.85 0.46 0.41 0.61 0.50
5 Puerto Casado 1.46 1.05 0.41 0.28 0.86 0.75
6 Aeródromo de Pedro Juan Caballero 1.28 0.98 0.34 0.24 0.84 0.75
7 Pozo Colorado 1.73 1.15 0.51 0.37 0.85 0.72
8 Aeródromo de Concepción 1.57 1.11 0.42 0.28 0.91 0.80 9 Gral. José María Bruguez 1.32 0.97 0.37 0.26 0.84 0.72 10 Aeródromo de San Pedro del Ycuámandiyú 1.64 1.18 0.44 0.32 0.91 0.80 11 San Estanislao 1.67 1.26 0.45 0.33 0.93 0.84 12 Aeródromo de Salto del Guairá 1.73 1.30 0.46 0.36 0.93 0.84 13 Aeropuerto Internacional “Silvio Pettirossi” 1.43 0.99 0.39 0.25 0.87 0.74 14 Villarrica del Espíritu Santo 1.55 1.13 0.41 0.28 0.92 0.82 15 Coronel Oviedo 1.56 1.09 0.41 0.25 0.92 0.82 16 Aeropuerto “Guaraní” Minga Guazú 1.34 1.06 0.32 0.23 0.91 0.81 17 Aeródromo de Pilar 2.07 1.34 0.57 0.41 0.89 0.79 18 San Juan Bautista 1.40 1.03 0.37 0.24 0.88 0.78 19 Aeródromo de Caazapá 1.54 1.14 0.40 0.27 0.92 0.83
20 Capitán Meza 1.65 1.13 0.43 0.24 0.94 0.85
21 Encarnación 2.87 1.67 0.67 0.50 0.94 0.83
22 Capitán Miranda 1.95 1.05 0.54 0.24 0.91 0.80
FBI FAR POD
3.2.Resultados de la implementación del modelo hidrológico MGB-IPH en la cuenca del río Ñacunday.
El modelo MGB-IPH se implementó satisfactoriamente en la cuenca del río Ñacunday utilizando datos de precipitación de estaciones pluviométricas.
Durante el periodo de calibración el coeficiente de determinación (R2) obtenido fue de
0.6562, el coeficiente de Nash-Sutcliffe (NSE) obtenido fue de 0.5618 y el coeficiente de Nash-Sutcliffe logarítmico (NSElog) obtenido fue de 0.7733. El caudal promedio observado fue de 66.20m3/s y el caudal promedio simulado de 56.75 m3/s. Se registró un error de volumen del -14%, indicando una subestimación de los caudales simulados.
Durante el periodo de validación el coeficiente de determinación (R2) obtenido fue de
0.5973, el coeficiente de Nash-Sutcliffe (NSE) obtenido fue de 0.4672 y el coeficiente de Nash-Sutcliffe logarítmico (NSElog) obtenido fue de 0.6611. El caudal promedio observado fue de 100.16 m3/s y el caudal promedio simulado de 74.94 m3/s.
Los resultados se consideran satisfactorios de acuerdo a los descritos por Gottschalk & Motovilov (2000), Collischonn W. (2001), Shanti, Arnold, Williams, Dugas, Srinivasan, & Hauck (2001), Van Liew & Garbrecht (2003), Moriasi, Arnold, Van Liew, Bingner, Harmel, & Veith (2007) y Molnar (2011).
Con el modelo calibrado y validado utilizando datos de precipitación observados se procedió a la simulación con los datos de precipitación estimados.
En el hidrograma obtenido con datos del TRMM 3B42 V7 (Figura 5) se puede observar
que los caudales simulados representan el comportamiento hidrológico del curso de agua y que no presentan un patrón único de sobreestimación o subestimación. Se observó un mejor ajuste en caudales mínimos y medios que en caudales máximos.
En el hidrograma obtenido con datos del CMORPH V1.0 Raw (Figura 6) se puede observar que los caudales simulados también representan el comportamiento hidrológico del curso de agua, presentando una sobreestimación en gran parte del periodo analizado.
En la columna 3 de la Tabla 7 se presentan los resultados de las funciones objetivo utilizando como entrada datos del TRMM 3B42 V7, y en la columna 4 se presentan los resultados de las funciones objetivo utilizando como entrada datos del CMORPH V1.0 Raw. Los resultados obtenidos se consideran satisfactorios de acuerdo a los establecidos por Gottschalk & Motovilov (2000), Collischonn W. (2001), Shanti, Arnold, Williams, Dugas, Srinivasan, & Hauck (2001), Van Liew & Garbrecht (2003), Moriasi, Arnold, Van Liew, Bingner, Harmel, & Veith (2007) y Molnar (2011). De esta manera se verifica que los datos de precipitación estimados por el TRMM 3B42 V7 y el CMORPH Versión 1.0 Raw resultan útiles para ser utilizados como datos de entrada a modelos hidrológicos principalmente en zonas con baja densidad de estaciones pluviométricas.
Haciendo una comparación de los resultados obtenidos en las funciones objetivo analizadas, se puede observar que la simulación realizada con datos de pluviómetros y la realizada con datos del TRMM 3B42 V7 presentan resultados similares, en ambos casos exhibiendo una subestimación de los caudales calculados. Por otro lado, utilizando como datos de entrada los datos del CMORPH V1.0 RAW se puede notar una reducción de la representatividad del modelo, y una gran sobreestimación de los caudales calculados.
Figura 5. Comparación entre caudales observados y simulados a partir de datos de precipitación estimados por el TRMM 3B42 V7 durante el periodo de calibración. Fuente: Elaboración propia.
Figura 6. Comparación entre caudales observados y simulados a partir de datos de precipitación estimados por el CMORPH V1.0 RAW durante el periodo de calibración. Fuente: Elaboración propia.
Funciones objetivo Resultados del periodo de calibración
Pluviómetros TRMM 3B42 V7 CMORPH V1.0 RAW
R2 0.6562 0.6128 0.5536
NSE 0.5618 0.5698 0.3527
NSElog 0.7733 0.6677 0.4705
Error de volumen (%) -14% -11% 23%
Caudal promedio (Obs:66.20m3/s) 56.75 58.80 81.46
Tabla 7. Comparación de resultados de las funciones objetivo del periodo de calibración con diferentes conjuntos de datos de entrada de precipitación. Fuente: Elaboración propia.
Basándonos en el coeficiente de determinación (R2), se obtuvo un mayor ajuste entre los caudales observados y los calculados a partir de pluviómetros, seguido por la realizada con datos del TRMM 3B42 V7 y por último la confeccionada con datos del CMORPH V1.0 RAW.
Con respecto al coeficiente de eficiencia de Nash-Sutcliffe (NSE), el cual es más sensible a valores extremos positivos, se registró un mayor valor con los datos del TRMM 3B42 V7, indicando que los caudales máximos observados son mejor representados utilizando este conjunto de datos. Con datos de precipitación de pluviómetros se registró un valor muy próximo al obtenido con el TRMM pero menor. Por último, con datos del CMORPH V1.0 RAW se observó una reducción significativa en el valor de este coeficiente, indicando una mala representación de los caudales máximos.
Con relación al coeficiente de Nash-Sutcliffe logarítmico (NSElog), el cual es más sensible a valores mínimos de caudal, se obtuvo un mayor valor con datos de precipitación de pluviómetros y por lo tanto un mayor ajuste en los caudales mínimos utilizando este conjunto de datos. Luego, en orden decreciente de valores obtenidos se encuentra la simulación realizada con TRMM 3B42 V7 y posteriormente la realizada con el CMORPH V1.0 RAW.
El menor error volumétrico se registró con datos del TRMM 3B42 V7, con una subestimación del 11% en los caudales calculados. Seguidamente, con datos de pluviómetros se registró una subestimación del 14%. Contrariamente, con datos del CMORPH V1.0 RAW se registró una sobreestimación del 23%. Evidentemente, estas sub y sobreestimaciones se relacionan con el caudal medio calculado, y por lo tanto, se obtiene un caudal medio más acorde a lo real con datos del TRMM 3B42 V7.
En la Figura 7 se pueden ver los hidrogramas resultantes durante el periodo de calibración con los diferentes conjuntos de datos de entrada. Se puede observar que todos los conjuntos de datos representan el comportamiento del hidrograma observado.
En general, el hidrograma obtenido con datos del CMORPH V1.0 RAW se encuentra por encima de los demás hidrogramas, indicando una sobreestimación del caudal durante el periodo. Por otro lado, se puede observar que los hidrogramas generados con datos de pluviómetros y con datos del TRMM 3B42 V7 son muy similares, y a diferencia del hidrograma obtenido con el CMORPH V1.0 RAW, estos sobreestiman en algunos periodos y subestiman en otros, intentando acercarse a la realidad.
Teniendo en cuenta lo descrito anteriormente, se observa que si bien ambos productos satelitales resultan satisfactorios para ser utilizados en modelaciones hidrológicas, el TRMM 3B42 V7 presenta un mejor desempeño.
Figura 7. Comparación de hidrogramas en el periodo de calibración. Fuente: Elaboración propia.
3.3.Propuesta de nuevos puestos de trabajo e inversión inicial para la utilización operativa de datos satelitales en la DMH-DINAC.
El Departamento de Sensores Remotos dependiente de la Gerencia de Sistemas de Observaciones Meteorológicas de la Subdirección de Meteorología es el encargado de realizar la adquisición y procesamiento de datos de la superficie terrestre sin necesidad de contacto, incluyéndose, datos estimados por medio de sensores remotos ubicados en plataformas satelitales. Esta es una actividad que se encuentra establecida en el manual de funciones de la DMH, pero que aún no se está llevando a cabo.
Si bien existen supervisores encargados de garantizar el buen funcionamiento de la red de estaciones meteorológicas convencionales y automáticas, no existe un puesto de trabajo específico destinado al procesamiento de datos estimados por satélites. Por esta razón, se recomienda la inclusión de dos puestos de trabajos nuevos dentro de este Departamento. Un Supervisor de Plataformas Satelitales en dependencia lineal del Jefe del Departamento y un Técnico de Plataformas Satelitales en dependencia lineal del Supervisor.
Figura 8. Organigrama propuesto para el Departamento de Sensores Remotos. Fuente: Elaboración propia. 0 50 100 150 200 250 300 350 400 01 /1 0/ 2 00 7 01 /11/2 007 01 /12/2 007 01 /01/2 008 01 /0 2/ 2 00 8 01 /03/2 008 01 /04/2 008 01 /05/2 008 01 /06/2 008 01 /07/2 008 01 /08/2 008 01 /09/2 008 01 /10/2 008 01 /11/2 008 01 /12/2 008 01 /01/2 009 01 /02/2 009 01 /03/2 009 01 /04/2 009 01 /05/2 009 01 /06/2 009 01 /07/2 009 01 /08/2 009 01 /09/2 009
Observados Pluviómetros TRMM 3B42 V7 CMORPH V1.0 RAW
Departamento de Sensores Remotos Supervisor de Equipamientos Electrónicos y Comunicación Técnico de Equipamientos Electrónicos y Comunicación Supervisor de Estaciones Automáticas Técnico de Estaciones Automáticas Supervisor de Plataformas Satelitales Técnico de Plataformas Satelitales
En lo que respecta a la inversión inicial necesaria para la utilización operativa de datos de precipitación estimados por satélites se determinó necesaria la adquisición de nuevos equipos informáticos y muebles de oficina por un monto aproximado de Gs. 16.500.000 que representa la compra de un servidor, dos computadoras (monitor, CPU, teclado, mouse), dos escritorios y dos sillas operativas.
Inversion Inicial
Descripción Costo total
Equipos informáticos Gs. 11,619,344
Equipos y muebles de oficina. Gs. 4,745,000
Total Inversion Inicial Gs. 16,364,344
Tabla 8. Inversión inicial para la implementación de la presente investigación en la DMH-DINAC. Fuente: Elaboración propia.
4. CONCLUSIONES
Esta investigación consistió en: (i) la evaluación de datos de precipitación estimados por satélites a nivel nacional con el objetivo de utilizarlos en modelos hidrológicos, y (ii) la implementación del modelo hidrológico distribuido MGB-IPH en la cuenca del río Ñacunday con los datos estimados por satélites y datos de precipitación observados en superficie.
Para ello, se analizaron los datos del producto TRMM 3B42 V7 (TMPA) de la
National Aeronautics and Space Administration (NASA) y del CMORPH Versión 1.0 Raw de la National Oceanic and Atmospheric Administration (NOAA) con el objetivo de conocer la capacidad que poseen estos productos satelitales en estimar la precipitación tanto en volumen como en frecuencia.
Los resultados arrojaron que las estimaciones del producto TRMM 3B42 V7 poseen menores errores que el producto CMORPH V1.0 RAW, reflejados en el error promedio (ME) y en la raíz cuadrada del error cuadrático medio (RMSE). Este resultado indica que el TRMM 3B42 V7 posee mejor precisión para estimar los volúmenes diarios de precipitación en el Paraguay.
A escala nacional, se verificó que el CMORPH V1.0 RAW en todas las estaciones analizadas sobreestima el volumen de precipitación, mientras que el TRMM 3B42 V7 no presenta un único patrón, ya que en algunas estaciones sobreestima y en otra no.
Con respecto al coeficiente de determinación (R2) en 14 de los 22 puntos analizados se registraron mayores valores para el producto CMORPH V1.0 RAW que para el TRMM 3B42 V7. Sin embargo, las diferencias de estos valores (R2) entre ambos conjuntos de datos son poco significativas.
Analizando los resultados de los índices de detección (FBI, FAR y POD), se puede concluir que producto satelital TRMM 3B42 V7 presenta una mayor precisión en la cantidad de eventos diarios de precipitación estimados que el producto CMORPH V1.0 RAW, debido a que los valores del índice FBI se acercan más a la estimación perfecta (FBI=1).
En todas las estaciones analizadas se registraron sobreestimaciones en la cantidad de eventos de precipitación en el caso del CMORPH V1.0 Raw, mientras que con el TRMM 3B42 V7 se registraron subestimaciones en 5 estaciones y sobreestimaciones en las restantes.
Con respecto al índice FAR, en todas las estaciones se registraron mayores valores en el producto CMORPH V1.0 RAW en comparación con el TRMM 3B42 V7, indicando que la serie de datos del producto CMORPH V1.0 RAW presenta mayor porcentaje de falsas alarmas.
Con respecto al índice POD, en todas las estaciones se registró un mayor valor en las estimaciones del producto CMORPH V1.0 RAW que en las del TRMM 3B42 V7. Esto indica que el CMORPH V1.0 RAW posee una mejor capacidad para detectar correctamente eventos de precipitación. Posiblemente esta mejoría en los resultados del índice se da por la sobreestimación en la cantidad de eventos que presenta este producto satelital.
Tanto el TRMM 3B42 V7 como el CMORPH V1.0 RAW presentan mejoras en los valores del índice FBI en umbrales bajos de precipitación, indicando que existe una mejor precisión por parte de los satélites en detectar eventos de precipitación leves. A umbrales de precipitación elevados en la mayoría de las estaciones analizadas los valores del índice aumentan a medida que aumenta la intensidad de la precipitación, mostrando una tendencia de los productos satelitales a la sobreestimación de eventos de precipitación intensa.
Los resultados obtenidos en el índice FBI tienen concordancia con los obtenidos en los índices FAR y POD en los diferentes umbrales de precipitación analizados. Los valores del índice FAR también aumentan a medida que aumenta la intensidad de la precipitación, indicando que los productos satelitales tienen tendencia a las falsas alarmas a medida que aumenta la intensidad de la precipitación. En cambio, el índice POD disminuye a medida que aumenta la intensidad de la precipitación, demostrando la baja capacidad de los productos satelitales en detectar correctamente eventos de precipitación de alta intensidad.
Luego de la realización del análisis de los datos de precipitación estimados por satélites, se procedió a la modelación de la cuenca del río Ñacunday con el modelo hidrológico distribuido MGB–IPH. En esta investigación el modelo hidrológico fue utilizado como una herramienta para evaluar la viabilidad de utilizar datos de precipitación estimados por satelitales como datos de entrada al mismo.
Para la implementación del modelo, se procesaron datos climáticos e hidrométricos obtenidos de estaciones en superficie, de acuerdo al formato requerido por el MGB-IPH. Los datos utilizados fueron proveídos por la DMH-DINAC, ANDE y Fecoprod. También, se elaboraron mapas de las características topográficas, características hidrológicas, y de tipo y uso de suelo del área de estudio.
El modelo MGB-IPH fue implementado satisfactoriamente en la cuenca del río Ñacunday con datos de precipitación observados en superficie, ya que los resultados obtenidos durante el periodo de calibración y validación se consideran aceptables de acuerdo a los descritos por Gottschalk & Motovilov (2000), Collischonn W. (2001), Shanti, Arnold, Williams, Dugas, Srinivasan, & Hauck (2001), Van Liew & Garbrecht (2003), Moriasi, Arnold, Van Liew, Bingner, Harmel, & Veith (2007) y Molnar (2011).
Luego, este modelo calibrado y validado con datos de precipitación observados en superficie fue utilizado como herramienta para probar si los datos de precipitación estimados
por satélite pueden ser utilizados en modelaciones hidrológicas. Para esto, se modificaron únicamente los datos de precipitación de entrada al modelo y se realizaron las simulaciones con los diferentes conjuntos de datos en el periodo de calibración.
Los resultados obtenidos en las simulaciones con datos de precipitación estimados por satélite se consideran satisfactorios de acuerdo a los valores establecidos por Gottschalk & Motovilov (2000), Collischonn W. (2001), Shanti, Arnold, Williams, Dugas, Srinivasan, & Hauck (2001), Van Liew & Garbrecht (2003), Moriasi, Arnold, Van Liew, Bingner, Harmel, & Veith (2007) y Molnar (2011). De esta manera se verificó que los datos de precipitación estimados por el TRMM 3B42 V7 y el CMORPH V1.0 RAW pueden ser utilizados como datos de entrada a modelos hidrológicos, mostrando claramente un mejor desempeño utilizando datos del TRMM 3B42 V7.
Comparando los resultados obtenidos del análisis de datos de precipitación estimados por satélites en la República del Paraguay y los resultados de las simulaciones con los datos satelitales, se puede concluir que los errores de los datos de precipitación se propagan a los caudales simulados en modelos hidrológicos.
Como el objetivo último de la presente investigación consistió en la utilización operativa de estimaciones satelitales de precipitación en la Dirección de Meteorología e Hidrología de la Dirección Nacional de Aeronáutica Civil, se propuso la inclusión de dos nuevos puestos de trabajo: (i) Supervisor de Plataformas Satelitales y (ii) Técnico de Plataformas Satelitales, y una inversión inicial necesaria de aproximadamente Gs. 16.500.000 para la compra de equipos informáticos y muebles de oficina.
5. REFERENCIAS BIBLIOGRAFICAS
Collischonn, W. (2001). Tesis de Doctorado en Ingeniería de Recursos Hídricos y
Saneamiento Ambiental. Simulação hidrológica de grandes bacias. Porto Alegre,
Brasil: Instituto de Pesquisas Hidráulicas - Universidade Federal do Rio Grando do Sul.
Climate Prediction Center. National Weather Service. NOAA. (2004). NOAA CPC Morphing
Technique ("CMORPH"). Obtenido de
http://www.cpc.ncep.noaa.gov/products/janowiak/cmorph_description.html
Departamento de Desarrollo Organizacional de la Gerencia de Planes y Programas de la
Dirección Nacional de Aeronáutica Civil. (2016). Manual de Organización y
Funciones de la Dirección de Meteorología e Hidrología.
Dinku, T., Chidzambwa, S., Ceccato, P., Connor, S., & Ropelewski, C. (2008). Validation of high-resolution satellite rainfall products over complex terrain. International Journal of Remote Sensing, 29, 4097-4110.
Gottschalk, L., & Motovilov, Y. (2000). Macro-scale hydrological modelling - a
Scandinavian experience. Japan Society of Hydrology and Water Resources, 38-45.
Hobouchian, M. P., Salio, P., Vila, D., & García Skabar, Y. (2012). Validación de estimaciones de precipitación por satélite sobre Sudamérica utilizando una red de
observaciones de alta resolución espacial. Congreso de Meteorología XI.
Huffman, G. J., Bolvin, D. T., Nelkin, E. J., Wolff, D. B., Adler, R. F., Gu, G., y otros. (2007). The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-Global,
Multiyear, Combined-Sensor Precipitation Estimates at Fine Scales. Journal of
Hydrometeorology, Vol. 8, 38 - 55.
Joyce, J. R., Janowiak, J. E., Arkin, A. 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, 487-503.
Joyce, R. J., & Xie, P. (2011). Kalman Filter-Based CMORPH. Journal of Hydrometeorology
, 1547-1563.
Joyce, R. J., Janowiak, J. E., Arkin, P. A., & 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, V, 487-503.
Molnar, P. (2011). Calibration. Watershed Modelling. Institute of Environmental
Engineering. ETH Zurich, Switzerland., Chair of Hydrology and Water Resources Management.
Moriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., & Veith, T. L. (2007). Model Evaluation Guidelines for Systematic Quantification of Accuracy in
Watershed Simulation. American Society of Agricultural and Biological Engineers
ISSN 0001−2351, 50, 885-900.
National Aeronautics and Space Administration. (2013). Algorithm 3B42: TRMM Merged
HQ/Infrared Precipitation. Obtenido de GES DISC - NASA: http://trmm.gsfc.nasa.gov/3b42.html
National Aeronautics and Space Administration. (2015). Product Description. Obtenido de TRMM 3B42 V7: http://mirador.gsfc.nasa.gov/collections/TRMM_3B42__007.shtml
Shanti, C., Arnold, J. G., Williams, J. R., Dugas, W. A., Srinivasan, R., & Hauck, L. M. (2001). Validation of the SWAT model on a large river basin with point and nonpoint
sources. Journal of American Water Resources Association, 37(5), 1169-1188.
Sun, R., Yuan, H., Liu, X., & Jiang, X. (2016). Evaluation of the latest satellite-gauge precipitation products and their hydrologic applications over the Huaihe River basin.
Journal of Hydrology, 302-319.
Van Liew, M. W., & Garbrecht, J. (2003). Hydrologic simulation of the Little Washita River
experimental watershed using SWAT. Journal of American Water Resources
Association, 39(2), 413-426.
Wilks, D. S. (2006). Statistical Methods in the Atmospheric Sciences. Elsevier.
Wu, L., & Zhai, P. (2012). Validation of Daily Precipitation from Two High-Resolution Satellite Precipitation Datasets over the Tibetan Plateau and the Regions to Its East.
The Chinese Meteorological Society and Springer-Verlag Berlin Heidelberg 2012, 735-745.
Xie, P., Joyce, R., Wu, S., Sun, F., & Yoo, S.-H. (2013). A 15-Year High-Resolution Gauge-Satellite Merged Analyses of Precipitation. Recuperado el agosto de 2016, de NOAA
Climate Prediction Center:
https://ams.confex.com/ams/93Annual/webprogram/Paper220506.html
Xie, P., Yoo, S.-H., Joyce, R., & Yarosh, Y. (2011). Bias-Corrected CMORPH. A 13-Year Analysis of High-Resolution Global Precipitation. NOAA's Climate Prediction Center.