@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 = "08 maio 2024"
}