@Article{BorgesMoreRoza:2019:CaPrPr,
               author = "Borges, Iuri Val{\'e}rio Graciano and Moreira, Demerval Soares 
                         and Rozante, Jos{\'e} Roberto",
          affiliation = "{Universidade Estadual Paulista (UNESP)} and {Universidade 
                         Estadual Paulista (UNESP)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Campo de precipita{\c{c}}{\~a}o proveniente de medidas 
                         pluviom{\'e}tricas e estimativas de precipita{\c{c}}{\~a}o dos 
                         radares do IPMet",
              journal = "Anu{\'a}rio do Instituto de Geoci{\^e}ncias",
                 year = "2019",
               volume = "42",
               number = "4",
                pages = "417--426",
             keywords = "Radar, Pluvi{\^o}metro, Campo de precipita{\c{c}}{\~a}o, 
                         Weather radar, Pluviometer, Precipitation field.",
             abstract = "A precipita{\c{c}}{\~a}o {\'e} uma vari{\'a}vel 
                         meteorol{\'o}gica essencial em diversas {\'a}reas do 
                         conhecimento, tais como agricultura, defesa civil, energia, etc. 
                         Entretanto, por ser uma vari{\'a}vel descont{\'{\i}}nua tanto 
                         no espa{\c{c}}o quanto no tempo, para se obter campos de 
                         precipita{\c{c}}{\~a}o com adequada representa{\c{c}}{\~a}o 
                         espacial e temporal seria necess{\'a}rio uma extensa 
                         distribui{\c{c}}{\~a}o de postos pluviom{\'e}tricos, de modo a 
                         se ter uma boa interpola{\c{c}}{\~a}o dos dados. 
                         Distribui{\c{c}}{\~a}o essa que normalmente n{\~a}o ocorre 
                         devido a diversos fatores limitantes como, por exemplo, a 
                         geografia da regi{\~a}o de estudo e quest{\~o}es econ{\^o}micas 
                         para instala{\c{c}}{\~a}o e manuten{\c{c}}{\~a}o de uma densa 
                         rede pluviom{\'e}trica. Para suprir a falta de dados 
                         pluviom{\'e}tricos, este trabalho mesclou os dados de 
                         pluvi{\^o}metros com estimativas de precipita{\c{c}}{\~a}o via 
                         radares meteorol{\'o}gicos, obtendo o campo de 
                         precipita{\c{c}}{\~a}o denominado PluRad com {\'a}rea cobrindo 
                         grande parte do estado de S{\~a}o Paulo, norte do Paran{\'a} e 
                         leste do Mato Grosso do Sul. Esse produto foi comparado com as 
                         estimativas de precipita{\c{c}}{\~a}o dos radares do IPMet/UNESP 
                         (Centro de Meteorologia de Bauru da Universidade Estadual 
                         Paulista), com o produto GPM (Global Precipitation Measurement) e 
                         com o produto MERGE num acumulado de 24 h para o dia 21/mar/2018, 
                         ambos provenientes da composi{\c{c}}{\~a}o de dados 
                         pluviom{\'e}tricos com estimativas de precipita{\c{c}}{\~a}o 
                         via sat{\'e}lite. Os resultados mostraram que o PluRad obteve uma 
                         melhor representa{\c{c}}{\~a}o da distribui{\c{c}}{\~a}o 
                         espacial da precipita{\c{c}}{\~a}o na regi{\~a}o analisada, 
                         sobretudo devido {\`a} alta resolu{\c{c}}{\~a}o espacial desse 
                         produto. ABSTRACT: Precipitation is an essential meteorological 
                         variable in several areas of knowledge, such as agriculture, civil 
                         defense, energy, etc. However, it is a variable known to be 
                         discontinuous both in space and time. To obtain precipitation 
                         fields that seek to have an adequate spatial and temporal 
                         representation, it would require an extensive distribution of 
                         pluviometric stations to achieve a good interpolation of the data. 
                         That distribution normally does not occur due to several limiting 
                         factors, such as the geography of the study region and economic 
                         issues for installation and maintenance of a dense pluviometric 
                         network. In order to overcome the lack of rainfall data, this work 
                         merged rain gauges data with estimates by meteorological radars 
                         creating a precipitation field called PluRad covering most of the 
                         state of S{\~a}o Paulo, northern Paran{\'a} and eastern Mato 
                         Grosso do Sul. This product was compared with the IPMets (Bauru 
                         Meteorological Center) radar precipitation estimates, GPMs (Global 
                         Precipitation Meusurement) product and the MERGEs product on a 
                         24hs rainfall at March, 21st 2018, both generated from the 
                         rainfall data composition with satellite precipitation estimates. 
                         The results showed that PluRad has a better representation of the 
                         spatial distribution of precipitation in the analyzed region, 
                         mainly due to the high spatial resolution of this product.",
                  doi = "10.11137/2019_4_417_426",
                  url = "http://dx.doi.org/10.11137/2019_4_417_426",
                 issn = "0101-9759",
             language = "pt",
           targetfile = "borges_campo.pdf",
        urlaccessdate = "26 abr. 2024"
}