ResumoUma das principais aplicações das estimativas de precipitação por satélite é a modelagem hidrológica em bacias onde a rede convencional e em tempo real de pluviômetros são precárias no que se refere à resolução espacial e temporal de dados. Neste trabalho discute-se o desempenho do modelo de erro de precipitação por satélite estocástico multidimensional -SREM2D (do inglês, Two-Dimensional Satellite Rainfall Error Model), o qual simula conjuntos de campos diários de precipitação com os mesmos padrões estatísticos (dispersão) que a diferença dos campos de chuva estimados por satélite e pluviômetro de uma série maior. A maioria dos modelos tratam o erro como uma medida uni-dimensional sem o reconhecimento que a precipitação é um processo intermitente no tempo e no espaço. O modelo SREM2D caracteriza a estrutura espacial, a dinâmica temporal e a variabilidade espacial do erro de estimativa das taxas de precipitação. Este trabalho avalia os resultados das simulações do SREM2D para diversos algoritmos de estimativa de precipitação por satélite na bacia dos rios Tocantins-Araguaia. Resultados mostram que o conjunto obtido através das realizações do modelo SREM2D reduziram o viés dos algoritmos de estimativa de precipitação por satélite principalmente para bacias com área de drenagem superior a 12.000 km 2 . Palavras chave: modelo estocástico, métricas de calibração, estimativas de precipitação por satélite, modelagem hidrológica
Evaluation of a Multidimensional Stochastic Error Model Applied to Satellite Rainfall Estimates
AbstractOne of the most important applications of satellite rainfall estimates is the hydrological modeling in basins where the conventional and real time rain gauges networks are inadequate in term of the spatial and temporal resolution. This study discuss the performance of the multidimensional stochastic error model (SREM2D), which simulates an ensemble of daily precipitation fields with the same statistical patterns (spread) as the differences of satellite precipitation fields and rain gauges of a longer data series. Most models treat errors only in one dimension, without recognizing that rainfall is a time and space intermittent process. The SREMD2 model characterize the spatial and temporal structure, and the stail variability of errors, of rainfall estimates. This study assess SREM2D simulations results for several rainfall estimates algorithms in the Tocantins-Araguaia river basin. Results show that the ensemble derived from the SREM2D model reduced bias, of the satellite precipitation estimation algorithms mainly for basin with drainage area higher than 12000 km 2 .