Validação Da Precipitação Estimada Pelo Produto 3b42 Do Satélite “Tropical Rainfall Measuring Mission” Para a Sub-Bacia Hidrográfica Paraíba Do Sul, Estado De São Paulo, Brasil

Abstract

O monitoramento hidrológico em bacias hidrográficas se faz necessário para prevenir e mitigar danos provocados por precipitações, porém, quando este é realizado por meio de observações em campo possui limitações, como: não cobrir todo o território brasileiro, a necessidade de técnicos para operação e estar sujeito à falha de dados em séries históricas. Para suprir a crescente demanda por monitoramento, surgiu o satélite Tropical Rainfall Measuring Mission (TRMM), capaz de monitorar variáveis hidrológicas, como, por exemplo, a precipitação. Objetivou-se com o presente estudo validar os dados de precipitação estimados pelo produto 3B42 do satélite TRMM para a sub-bacia hidrográfica Paraíba do Sul. Foram obtidos dados de precipitação para seis postos no Estado de São Paulo. Os dados estimados pelo satélite TRMM foram obtidos por meio da plataforma EarthData (NASA) e os dados observados obtidos por meio da plataforma HIDROWEB (ANA). Após tabulação, procedeu-se a análise de dados diários, mensais e da máxima diária anual por meio dos parâmetros estatísticos de correlação de Pearson, erro médio absoluto, raiz do erro médio ao quadrado, viés e coeficiente de concordância. Os dados diários estimados de precipitação não apresentaram boa correlação com os dados diários observados nos postos. Em contrapartida, os dados mensais obtiveram forte correlação com os dados observados, fato que viabiliza a utilização dos dados fornecidos por satélite em tal escala temporal. Quanto à precipitação máxima diária anual, o satélite não teve precisão satisfatória para realizar tal estimativa.

Climate-related variables may not improve monthly scale rainfall predictions by artificial neural networks for the metropolitan region of Belo Horizonte, Brazil

“…For the validation of the rainfall predicted by ANN, the following statistical indicators were calculated as in Silva et al (2021): Pearson's linear correlation coefficient (r), mean absolute error (MAE) and bias (b). In order to identify the season in which the largest errors occurred, besides their tendency to underestimate or overestimate, the mean absolute error and bias were calculated separately for the rainy season (October to March) and dry season (April to September).…”