IAHR

AIIH

XXV CONGRESO LATINOAMERICANO DE HIDRULICA

SANTIAGO, CHILE, AGOSTO 2014
SIMULACIN DE EVENTOS EXTREMOS MEDIANTE INTEGRACIN
DE DATOS PLUVIOMTRICOS Y ESTIMACIONES DE PERCEPCIN
REMOTA
Diana Carolina Fernndez*, Jos Agustn Brea-Naranjo*, Adrin Pedrozo-Acua, Laura Coutio
*
*

Instituto de Ingeniera, Universidad Nacional Autnoma de Mxico, Cd. Universitaria, Coyoacn, 04510, D.F., Mxico.

DFernandezR@ii.unam.mx, JBrenaN@ii.unam.mx, APedrozoA@ii.unam.mx

RESUMEN:
El objetivo de esta investigacin es evaluar cuantitativamente la precipitacin total derivada de los
ciclones tropicales Ingrid y Manuel en Septiembre de 2013 para la Republica Mexicana mediante
observaciones mediante la red de pluvimetros y 2 productos de precipitacin del satlite TRMM
satelital (TRMM-3B42V7 y TRMM-3B42RT) Para validar los datos de precipitacin del TRMM, se
utilizo una tabla de contingencia para calcular las estadsticas de cuatro categoras de uso comn: el
sesgo de frecuencia (FBI), la probabilidad de deteccin (POD), la relacin de falsas alarmas (FAR), y
la puntuacin en ellas equitativa (ETS). El coeficiente de correlacin (r) y error cuadrtico medio
(RMSE) tambin se utilizan en estas comparaciones. Los resultados muestran que las estimaciones
comparadas son capaces de detectar eventos de lluvia intensa a pesar de que no logran llegar a la
misma cantidad de lluvia registrada, mientras que las falsas alarmas son confiables. .

ABSTRACT:
The objective of this research is to evaluate in quantitative terms the total cumulative precipitation
during the landing of tropical cyclones Ingrid and Manuel in Mexico during September 2013. Rain
gauge mesurements from the national climate data network and 2 satellite products derived from the
TRMM mission (TRMM-3B42V7 and TRMM-3B42RT) were use for such large-scale assessment The
validation of TRMM rainfall dataconsisted in four commonly used categorical statistics: frequency
bias index (FBI), probability of detection (POD), false alarm ratio (FAR), and equitable thereat score
(ETS). The correlation coefficient (r), and root mean square error (RMSE) are also used in these
comparisons. The results show that compared estimates can detect rain events although not reach the
same amount of rainfall recorded while false alarms are reliable.
PALABRAS CLAVES: Teledeteccin, TRMM, Cicln Tropical

1. Introduccin
Debido a su ubicacin geogrfica, Mxico se encuentra expuesto a la ocurrencia de fenmenos hidrometeorolgicos extremos (huracanes, tormentas tropicales) produciendo lluvias intensas, incrementos
repentinos en el nivel de ros e inundaciones en reas urbanas y rurales. .
El reciente desarrollo de productos de precipitacin y mediante el uso de satlites, ha permitido
monitorear la ocurrencia de la precipitacin de manera continua a nivel global y regional as como su
aplicabilidad para fines de modelacin hidrolgica (Stisen & Sandholt 2010). La disponibilidad en
tiempo casi real de los productos de precipitacin los ha hecho adecuados para aplicaciones en donde la
gestin de riesgos naturales es crucial.es. El lanzamiento de satlites con fines de monitoreo climtico
ha generado diversos productos de precipitacin en todo el mundo tales como la Misin de Lluvias
Tropicales (TRMM), Tcnica Morphing del Centro de Prediccin del Clima (CMORPH), y
estimaciones de la lluvia a travs de redes neuronales (PERSIANN), que proporcionan a la comunidad
hidrolgica una cantidad importante de datos pluviomtricos en todo el mundo. (Jiang et al. 2012) .
A pesar que existen mltiples estudios acerca de la factibilidad para evaluar este tipo de productos
(Chen et al. 2013) , pocas veces se ha utilizado en eventos hidrometeorologicos a gran escala.
Sin embargo, los datos de satlites tienen sesgos y errores aleatorios que son causados por varios
factores tales como la frecuencia de muestreo, el campo de visin no uniforme de los sensores y las
incertidumbres en los algoritmos de estimacin de las precipitaciones, entre otros.
En un esfuerzo para cuantificar los errores de estimacin de precipitacin por satlite varios estudios
(Bellerby and Sun 2005; Hossain and Anagnostou 2006; Hossain and Huffman 2008; Sorooshian et al.
2011) han indicado que es necesario investigar las propiedades del error en diferentes regiones
climticas, regmenes pluviales, condiciones superficiales, estaciones del ao y altitud debido a que
estos se trasladan a su vez en incertidumbre en las aplicaciones hidrolgicas que debe evaluarse y
cuantificarse.
Las mediciones de la precipitacin desde el espacio pueden complementar las observaciones de
referencia en tierra ofreciendo una visin ms completa de las estructuras de la lluvia en cualquier
escala temporal y espacial. En este estudio, se propone un enfoque de validacin para el TRMM de sus
productos 3B42V7 y 3B42RT comparados con las observaciones pluviomtricas registradas en Mxico
del 01 al 16 de septiembre de 2013 producidas por el efecto combinado de dos huracanes, Manuel
(categora 1, escala Saffir-Simpson) en el Ocano Pacfico e Ingrid (categora 1, escala Saffir-Simpson)
en el Golfo de Mxico.
En la siguiente seccin, se presentan el rea de estudio y los datos utilizados, seguido de la descripcin
de la metodologa implementada. El ltimo apartado contiene la discusin y conclusiones.

1. rea de estudio y datos

2.1 rea de estudio
El rea de estudio es la Republica Mexicana que cuenta con una superficie territorial de 1.964.375 km2.
Por su ubicacin geogrfica, la Repblica Mexicana es afectada por sistemas meteorolgicos de
latitudes medias durante el invierno, y por sistemas tropicales en el verano, lo que hace que el clima
mexicano se debe estudiar considerando procesos de interaccin ocano-atmosfera-continente. En
trminos de dinmica atmosfrica, en el perodo de invierno se presentan ciclones de gran escala en
latitudes medias que afectan el norte del pas y que en ocasiones se propagan hacia el sur, sobre el
Golfo de Mxico y el sureste, provocando bajas de temperatura y en ocasiones lluvias desde Veracruz,
hasta Yucatn, que pueden incluso alcanzar Centro Amrica (Magaa 2004).

Figura 1 Mapa de Mxico representando la elevacin y la distribucin espacial de los pluvimetros disponibles
para el estudio. La resolucin de cada celda es de 0.25 x0.25.

2.2 Obtencin de los datos.

La Misin de Medicin de Lluvias Tropicales (TRMM), lanzada por la NASA y JAXA en 1997, utiliza
tanto los instrumentos de microondas activos y pasivos para medir la precipitacin en las regiones
templadas y trpicales. El TRMM ha demostrado la importancia de tomar las observaciones desde una
rbita no heliosincrnica en diferentes momentos del da, para mejorar el monitoreo en tiempo real de
los huracanes y la estimacin precisa de tiempo de acumulacin de volumen de lluvia.
Para el presente trabajo, fueron empleados los datos 3B42 V7 con una resolucin espacial de 0.25 x
0.25 e intervalos de tiempo diarios, as como el producto 3B42 RT el cual consiste en un producto
experimental en tiempo real (Huffman & Bolvin 2014).

2. Metodologa

Se gener un mallado que cubre todo el pas con una resolucin espacial de celda de 0.25 x 0.25 que
corresponde al tamao del pixel del TRMM. Por lo tanto, la comparacin entre estos dos productos se
implement para 607 de celdas, conteniendo cada uno al menos un indicador de lluvia. La precipitacin
media areal sobre una celda de la malla se supone que es el valor de la precipitacin medida por el
pluvimetro ubicado dentro de esa celda de la malla. Adems, para una celda de la malla con dos o ms
pluvimetros la tasa de precipitacin media areal es el valor medio de estos pluvimetros situados
dentro de ella. En el enfoque de validacin propuesto se emple una tabla de contingencia para calcular
las estadsticas de cuatro categoras de uso comn: ndice de frecuencia del sesgo (BIAS), la frecuencia
de ocurrencias de lluvia que estn correctamente detectadas por el producto de satlite (POD), ratio de
falsas alarmas (FAR), la puntuacin de riesgo (TS) o ndice de Crticos de xito (CSI). Se hizo la
comparacin directa de los diferentes productos de precipitacin por satlite con 1021 pluvimetros
repartidos en 607 celdas de 0.25 0,25 (correspondientes al tamao de pxel del TRMM) en todo el
pas.
Para la validacin de los resultados, se emplearn los siguientes indicadores estadsticos: probabilidad
de deteccin (POD), que representa la frecuencia de ocurrencia de la lluvia que es correctamente
detectada por el producto de satlite; ndice de frecuencia del sesgo (BIAS), que mide la relacin entre
la frecuencia de eventos de lluvia estimada del satlite y la frecuencia de eventos observados en un
pluvimetro donde el valor perfecto es igual a 1;; relacin de falsas alarmas (FAR), que representa la
fraccin de casos en que se registra lluvia del producto de satlite pero que en realidad no se registra
lluvia en el pluvimetros. La puntuacin de riesgo (TS) o ndice de Crticos de xito (CSI) la cual
combina la tasa de aciertos y de relacin de falsas alarmas. Estos indicadores se calculan mediante las
siguientes ecuaciones:

BIAS

( Ps Po )
i 1

N
NH
POD
,
NH NM
NF
FAR
,
NH NF
NH
CSI
,
NH NM NF

(1)

(2)
(3)
(4)

El Error absoluto medio (MAE), error cuadrtico medio (MSE) y otro estadstico normalizado del error
es el ndice RSR, que relaciona la raz del error cuadrtico medio (RMSE) as como la desviacin
estndar de las observaciones; cuyos valores a dimensionales varan de cero al infinito (Moriasi et al.,
2007). El RSR se calcula con las siguientes ecuaciones:

 N
Psi Poi
MAE i 1
N

( Ps

RMSE sim
RSR

STDEV obs

i 1
N

( Ps

i 1

(5)

(6)

Poi )
2

Poi )
(7)

( Ps Ps)( Po Po)

CC

i 1

( Ps Ps) ( Po Po)
i 1

i 1

Donde Psi es el valor de la estimacin para el evento diario i, Poi es el valor de la observacin del
pluvimetro para el evento diario i, N es el numero de eventos de precipitacin diaria,
es el valor medio de las estimaciones para n acontecimientos diarios sobre cada celda de la malla y
es el valor promedio de las observaciones pluviomtricas para n acontecimientos diarios sobre cada
celda de la malla..

3. Resultados
Inicialmente se consult la base de datos de las estaciones pluviomtricas a nivel nacional que
registraron el evento, obteniendo registros en 973 estaciones en tierra con datos de precipitacin diaria
del 01 al 08 y continuando del 11 al 16 de septiembre. La precipitacin de mayor intensidad registrada
fue de 350 milmetros en los das 15 y 16.en el estado de Guerrero. En la Figura 2 se presenta el mapa
de lluvia acumulada segn las estimaciones de satlite TRMM 3B42 y el mapa de lluvia al interpolar
los registros de las mediciones en tierra Es apreciable que las intensidades mximas del TRMM
subestiman los valores ms altos de la referencia en tierra.

Figura 2 Mapa de lluvia acumulada, registrando las mximas intensidades en el Pacfico y Atlntico por el
efecto combinado de los dos huracanes.

A fin de comparar los mapas de los productos de satlite con las estimaciones puntuales de
pluvimetros, fue necesario interpolar para generar campos de lluvia de pluvimetros con la misma
resolucin que los productos de satlite (Figura 3). Para ello se us el mtodo de interpolacin inverso
de la distancia ponderada al cuadrado (IDW), estudios previos han empleado el IDW para generar
campos de lluvia a comparar con los productos de satlite (Kizza et al. 2012 ;Tang and Hossain 2012).

Figura 3 Mapas de la lluvia promedio para pluvimetros y el producto TRMM3B42 V7 donde se sealan las
diferentes escalas de las tasas.

Los resultados iniciales son similares a los reportados por Jiang et al. 2012, quienes encontraron una
subestimacin con tres productos de satlite (3B42V6, 3B42RT y CMORPH) en la cuenca del ro
Mishui (9,972 km2) en China de topografa compleja y clima subtropical hmedo.
La Figura 4 muestra el patrn espacial del promedio del BIAS para el producto TRMM 3B42 sobre las
celdas de la malla seleccionadas en el rea de estudio con valores aceptables, como se observa en la
figura el valor del sesgo oscila entre 0 y 0.75 en gran parte de las celdas y con ndices ms elevados en
el estado de Guerreo donde se presentaron las lluvias ms extremas con un sesgo entre 1.26 a 8. Los
ndices obtenidos con la versin TRMM 3B42RT, se comportan de forma similar salvo que en algunas
celdas en donde se observa un incremento considerable en el sesgo en las celdas donde se registraron
las precipitaciones ms extremas

Los resultados promediados espacialmente para todo el pas indican que 3B42V7 tiene un valor
promedio de 0,53 sesgo, RMSE de 110.31 mm/d, y CC de 0,65, con lo cual se da lugar a una mejor
estimacin de la precipitacin diaria con respecto al producto TRMM 3B42RT. Entre las dificultades y
limitaciones de este estudio fueron la escasez de series de datos continuos diarios de pluvimetros que
cubren el periodo de todo el evento (es decir los das 9 y 10 de septiembre), as como la distribucin
desigual sobre el rea de estudio. Por otra parte, debido a la ausencia de una densa red de pluvimetros,
muchas de las celdas de la malla seleccionadas incluyeron un solo pluvimetro.

Figura 4 Distribucin espacial del BIAS, FAR y POD sobre el rea de estudio para el valor promedio de las
precipitaciones en cada celda de la malla en la duracin del evento.

.Finalmente, se reconoce que pueden existir incertidumbres espaciales y temporales al comparar

diferentes productos satelitales con las observaciones de referencia en tierra. En se evidenci que los
datos del sensor TRMM subestiman la precipitacin mensual con respecto a las estaciones
pluviomtricas la evaluacin demuestra que el TRMM 3B42 y TRMM 3B42 RT son capaces de
detectar eventos de lluvia intensa a pesar de que no logran llegar a la misma cantidad de lluvia
registrada, mientras que las falsas alarmas son confiables. .

Bibliografa
Behrangi, A., Sorooshian, S. & Hsu, K., 2012. Summertime evaluation of REFAME over the Unites
States for near real-time high resolution precipitation estimation. Journal of Hydrology, 456-457,
pp.130138. Available at: http://www.sciencedirect.com/science/article/pii/S0022169412005185
[Accessed June 10, 2014].
Bellerby, T.J. & Sun, J., 2005. Probabilistic and Ensemble Representations of the Uncertainty in an
IR/Microwave Satellite Precipitation Product. Journal of Hydrometeorology, 6(6), pp.10321044.
Blik, V., Sokol, Z. & Peice, P., 2014. The application of Rapid Scan data to the Convective
Rainfall Rate algorithm from SAF NWC for the area of the Czech Republic. Atmospheric
Research, 144, pp.8294. Available at:
http://www.sciencedirect.com/science/article/pii/S0169809512002724 [Accessed June 10, 2014].
Chen, Y. et al., 2013. Evaluation of TRMM 3B42 precipitation estimates of tropical cyclone rainfall
using PACRAIN data. Journal of Geophysical Research D: Atmospheres, 118(5), pp.21842196.
Ebert, E.E., Janowiak, J.E. & Kidd, C., 2007. Comparison of Near-Real-Time Precipitation Estimates
from Satellite Observations and Numerical Models. Bulletin of the American Meteorological
Society, 88(1), pp.4764. Available at: http://journals.ametsoc.org/doi/abs/10.1175/BAMS-88-147 [Accessed March 25, 2014].
Hossain, F. & Anagnostou, E.N., 2006. A two-dimensional satellite rainfall error model. IEEE
Transactions on Geoscience and Remote Sensing, 44(6), pp.15111522.
Hossain, F. & Huffman, G.J., 2008. Investigating Error Metrics for Satellite Rainfall Data at
Hydrologically Relevant Scales. Journal of Hydrometeorology, 9(3), pp.563575.
Huffman, G.J. & Bolvin, D.T., 2014. August 2013. , (October 2012), pp.146.
Jiang, S. et al., 2012. Comprehensive evaluation of multi-satellite precipitation products with a dense
rain gauge network and optimally merging their simulated hydrological flows using the Bayesian
model averaging method. Journal of Hydrology, 452-453, pp.213225. Available at:
http://www.sciencedirect.com/science/article/pii/S0022169412004581 [Accessed May 27, 2014].
Kizza, M. et al., 2012. Estimating areal rainfall over Lake Victoria and its basin using ground-based
and satellite data. Journal of Hydrology, 464-465, pp.401411. Available at:
http://www.sciencedirect.com/science/article/pii/S0022169412006257 [Accessed March 3, 2014].
Magaa, V., 2004. Los impactos de EL Nio en Mxico S. de G. M. Centro de Ciencias de la
Atmsfera, Universidad Nacional Autnoma de Mxico, ed.,
Moazami, S. et al., 2013. Comparison of PERSIANN and V7 TRMM Multi-satellite Precipitation
Analysis (TMPA) products with rain gauge data over Iran. International Journal of Remote
Sensing, 34(22), pp.81568171. Available at:
http://www.tandfonline.com/doi/abs/10.1080/01431161.2013.833360 [Accessed March 28, 2014].
Sorooshian, S. et al., 2011. Advanced Concepts on Remote Sensing of Precipitation at Multiple Scales.
Bulletin of the American Meteorological Society, 92(10), pp.13531357. Available at:
http://journals.ametsoc.org/doi/abs/10.1175/2011BAMS3158.1 [Accessed June 3, 2014].

Stisen, S. & Sandholt, I., 2010. Evaluation of remote-sensing-based rainfall products through predictive
capability in hydrological runoff modelling. Hydrological Processes, 24(7), pp.879891.
Tang, L. & Hossain, F., 2012. Investigating the similarity of satellite rainfall error metrics as a function
of Kppen climate classification. Atmospheric Research, 104-105, pp.182192. Available at:
http://www.sciencedirect.com/science/article/pii/S0169809511003334 [Accessed June 3, 2014].
Xue, X. et al., 2013. Statistical and hydrological evaluation of TRMM-based Multi-satellite
Precipitation Analysis over the Wangchu Basin of Bhutan: Are the latest satellite precipitation
products 3B42V7 ready for use in ungauged basins? Journal of Hydrology, 499, pp.9199.
Available at: http://www.sciencedirect.com/science/article/pii/S0022169413004952 [Accessed
February 12, 2014].