En un escenario post Covid 19, en el que la movilidad restringida de personal y recursos, generará impactos en la capacidad de toma de información de campo; resulta conveniente analizar el uso de información satelital. En el siguiente articulo se incluye una lista de fuentes de precipitación grillada, que puede ser ajustada e incluida en la gestión medioambiental.
1.- Precipitación
La precipitación es la más importante variable conductora de la mayoría de los fenómenos hidrológicos, siendo gobernada por complicados procesos, intrínsicamente no lineales y extremadamente sensibles a procesos físicos. (Bardossy & Plate, 1991). La precipitación es fundamental para el desarrollo de estudios de balances de agua, estabilidad hidrológica, modelos de calidad de agua, entre otros.
La implementación de una red de monitoreo de la precipitación es una actividad relativamente sencilla, comparada con la medición de otras variables ambientales, como por ejemplo la escorrentía superficial. Sin embargo, para contar con datos de calidad, la instalación de los pluviómetros debe de realizarse respetando las recomendaciones de la Organización Meteorológica Mundial. Así mismo, no solo es importante contar con una red de estaciones pluviométricas debidamente instaladas, sino además se requiere de un registro sin interrupciones de al menos 20 años a más, para poder obtener análisis con resultados confiables (WMO, 2011).
Por otro lado, actualmente se dispone productos satelitales, los cuales brindan información de series temporales de precipitación, (con más de 20 años de registro en algunos casos) representando información valiosa, que puede ser utilizada para generar una descripción espacial de la precipitación en áreas en donde no se dispone de información de campo.
2. Fuentes de información
“La estimación de la precipitación de lluvia desde el espacio está basada en la medición de la cantidad de radiación reflejada y emitida a través de las cimas de las nubes”, (WMO, 2011). En la siguiente tabla se muestra 5 fuentes de información pluviométrica satelital grillada que puede ser combinada como con registros de campo para mejorar la descripción de la variable precipitación del área de estudio.
|
GFS: Global Forecast System 384-Hour |
|
|
Disponibilidad de data |
01/01/1981 – 31/07/2020 |
|
Resolución |
0.05 ° |
|
Unidades |
mm/day |
|
Fuente |
NOAA, National Centers for Environmental Information |
|
Web |
https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs |
|
PERSIANN-CDR |
|
|
Disponibilidad de data |
01/01/1983 – 30/06/2019 |
|
Resolución |
0.25 ° |
|
Unidades |
mm |
|
Fuente |
NOAA Climate Data Record |
|
Web |
https://data.nodc.noaa.gov/cgi-bin/iso?id=gov.noaa.ncdc:C00854 |
|
TRMM 3B42 / TRMM 3B43 |
|
|
Disponibilidad de data |
01/01/1998 – 31/12/2019 |
|
Resolución |
0.25 ° |
|
Unidades |
mm/hr |
|
Fuente |
TRMM Tropical Rainfall Measuring Mission |
|
Web |
https://disc.gsfc.nasa.gov/datasets/TRMM_3B42_7/summary |
|
CHIRPS |
|
|
Disponibilidad de data |
01/01/1998 – 31/07/2020 |
|
Resolución |
0.05° |
|
Unidades |
mm/day |
|
Fuente |
CHIRPS Daily: Climate Hazards Group InfraRed Precipitation with Station Data |
|
Web |
https://chc.ucsb.edu/data/chirps |
|
PISCOP |
|
|
Disponibilidad de data |
01/01/1981 – 31/12/2016 |
|
Resolución |
~ 5 Km |
|
Unidades |
mm/day |
|
Fuente |
Senamhi |
|
Web |
https://www.senamhi.gob.pe/load/file/01402SENA-8.pdf |
El Senamhi de Perú ha liberado el producto PiscoP , el cual ha sido generado combinando información de los registros históricos de precipitación del senamhi, previo proceso de control de calidad, con información satelital de los productos CHIRP y TRMM2A25.
El Senamhi advierte que la pobre densidad de pluviómetros en Perú limita las aplicaciones del producto PISCOp a escalas regionales. así mismo se indica que la representación de pequeñas tormentas convectivas que pudiesen desencadenar la formación de escorrentía superficial, no es bien captadas por CHIRP impactando en la representación del producto PISCOp, sobre todo para regiones alejadas de pluviometros del senamhi.
asi mismo, se indica que PISCOp sobreestima la cantidad de días con lluvia, debido al uso de técnicas de interpolación sin consideraciones de intermitencia espacial de la precipitación.
3.- Conclusiones
Existe una cantidad importante de información satelital de precipitación, la cual resulta relevante en un escenario en el que será necesario optimizar las mediciones en campo. Dicha información brinda una descripción espacial del fenómeno precipitación. Sin embargo, existen retos importantes para su uso, debido a la resolución de los modelos, a la compleja variación topográfica de los andes peruanos y a la disponibilidad de datos de campo para realizar los análisis de correlación y validaciones necesarias.
4.- Bibliografia
- Aybar Camacho, C. L., Lavado-Casimiro, W., Huerta Julca, A., Fernández Palomino, C., Vega-Jácome, F., Sabino Rojas, E., & Felipe-Obando, O. (2017). Uso del producto grillado pisco de precipitación en estudios, investigaciones y sistemas operacionales de monitoreo y pronóstico hidrometeorológico.
- Bardossy, A., & Plate, E. J. (1991). Modeling daily rainfall using a semi-Markov representation of circulation pattern occurrence. Journal of hydrology, 122(1-4), 33-47.
- Earth Engine Data Catalog, https://developers.google.com/earth-engine/datasets
- Mantas, V. M., Liu, Z., Caro, C., & Pereira, A. J. S. C. (2015). Validation of TRMM multi-satellite precipitation analysis (TMPA) products in the Peruvian Andes. Atmospheric Research, 163, 132-145.
- Organización Meteorológica Mundial, (2008). Guía de prácticas hidrológicas. OMM-Nº 168.