@Article{FalckVilTomMagDin:2016:AvMoEs,
               author = "Falck, Aline Schneider and Vila, Daniel Alejandro and Tomasella, 
                         Javier and Maggioni, Viviana and Diniz, F{\'a}bio Luiz 
                         Rodrigues",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Centro Nacional de 
                         Monitoramento e Alerta de Desastres Naturais (CEMADEN)} and 
                         {George Mason University} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Avalia{\c{c}}{\~a}o de um modelo estoc{\'a}stico de erro 
                         multidimensional aplicado a estimativas de 
                         precipita{\c{c}}{\~a}o por sat{\'e}lite",
              journal = "Revista Brasileira de Meteorologia",
                 year = "2016",
               volume = "31",
               number = "1",
                pages = "52--63",
                month = "jan./mar.",
             keywords = "Hydrological modeling, Metrics calibration, Satellite rainfall 
                         estimate, Stochastic model, modelo estoc{\'a}stico, m{\'e}tricas 
                         de calibra{\c{c}}{\~a}o, estimativas de precipita{\c{c}}{\~a}o 
                         por sat{\'e}lite, modelagem hidrol{\'o}gica.",
             abstract = "One 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 km2. RESUMO: Uma das principais 
                         aplica{\c{c}}{\~o}es das estimativas de precipita{\c{c}}{\~a}o 
                         por sat{\'e}lite {\'e} a modelagem hidrol{\'o}gica em bacias 
                         onde a rede convencional e em tempo real de pluvi{\^o}metros 
                         s{\~a}o prec{\'a}rias no que se refere {\`a} 
                         resolu{\c{c}}{\~a}o espacial e temporal de dados. Neste trabalho 
                         discute-se o desempenho do modelo de erro de 
                         precipita{\c{c}}{\~a}o por sat{\'e}lite estoc{\'a}stico 
                         multidimensional - SREM2D (do ingl{\^e}s, Two-Dimensional 
                         Satellite Rainfall Error Model), o qual simula conjuntos de campos 
                         di{\'a}rios de precipita{\c{c}}{\~a}o com os mesmos 
                         padr{\~o}es estat{\'{\i}}sticos (dispers{\~a}o) que a 
                         diferen{\c{c}}a dos campos de chuva estimados por sat{\'e}lite e 
                         pluvi{\^o}metro de uma s{\'e}rie maior. A maioria dos modelos 
                         tratam o erro como uma medida uni-dimensional sem o reconhecimento 
                         que a precipita{\c{c}}{\~a}o {\'e} um processo intermitente no 
                         tempo e no espa{\c{c}}o. O modelo SREM2D caracteriza a estrutura 
                         espacial, a din{\^a}mica temporal e a variabilidade espacial do 
                         erro de estimativa das taxas de precipita{\c{c}}{\~a}o. Este 
                         trabalho avalia os resultados das simula{\c{c}}{\~o}es do SREM2D 
                         para diversos algoritmos de estimativa de precipita{\c{c}}{\~a}o 
                         por sat{\'e}lite na bacia dos rios Tocantins-Araguaia. Resultados 
                         mostram que o conjunto obtido atrav{\'e}s das 
                         realiza{\c{c}}{\~o}es do modelo SREM2D reduziram o vi{\'e}s dos 
                         algoritmos de estimativa de precipita{\c{c}}{\~a}o por 
                         sat{\'e}lite principalmente para bacias com {\'a}rea de drenagem 
                         superior a 12.000 km2.",
                  doi = "10.1590/0102-778620140042",
                  url = "http://dx.doi.org/10.1590/0102-778620140042",
                 issn = "0102-7786",
             language = "pt",
           targetfile = "falck_avaliacao.pdf",
        urlaccessdate = "27 abr. 2024"
}