Precipitação Estimada por Produtos de Sensoriamento Remoto na Região Fisiográfica do Baixo São Francisco: Uma Análise do Desempenho do TRMM (3B42) e do CHIRPS
DOI:
https://doi.org/10.26848/rbgf.v18.05.p3718-3737Palavras-chave:
Pluviometria, Acurácia, Déficit, Estação MeteorológicaResumo
A utilização de dados estimados por Sensoriamento Remoto tem se tornado uma alternativa para suprir o déficit de estações meteorológicas/pluviométricas do Brasil. Sendo assim, esta pesquisa tem como objetivo, avaliar o desempenho da precipitação estimada pelos produtos TRMM e pelo CHIRPS na região fisiográfica do Baixo São Francisco (Baixo SF). Para tanto, utilizando os seguintes parâmetros estatísticos: coeficiente de correlação linear (r), raiz quadrática do erro médio (RMSE), do percentual do viés relativo (PBIAS) e da eficiência de Nash-Sutcliffe (NSE), foram comparados os dados de precipitação de 67 postos pluviométricos com os respectivos valores estimados pelo TRMM e CHIRPS, no período de 2000 a 2015. Com valores de r = 0,88 e 0,87; RMSE = 31,01 e 144,98 e NSE = 0,76 e 0,71, o CHIRPS apresentou melhor desempenho que o TRMM nas escalas mensal e anual. Nas escalas diária e decendial, nenhum dos dois produtos obteve resultados significativos. Nas regiões mais distantes da zona costeira, cuja altimetria entre 400 e 700 metros, os dados do CHIRPS e do TRMM tiveram melhor acurácia. Conclui-se que, apenas as estimativas do CHIRPS, no período mensal e anual, possuem boa acurácia para representar a pluviometria do Baixo SF no período estudado.
Referências
Alejo, L. A., & Alejandro, A. S. (2021). Validating CHIRPS ability to estimate rainfall amount and detect rainfall occurrences in the Philippines. Theoretical and Applied Climatology, 145(3), 967-977. https://doi.org/10.1007/s00704-021-03685-y
Almeida, L. V. C., da Silva Fuzzo, D. F., & Fischer Filho, J. A. (2021). Validação dos dados de precipitação estimados pelo trmm, para a microrregião de ourinhos–São Paulo. Brazilian Journal of Development, 7(11), 102819-102830. DOI:10.34117/bjdv7n11-078
Alsalal, S., Tan, M. L., Samat, N., AL-Bakri, J. T., & Li, L. (2023). Evaluation of CHIRPS and CFSR precipitation products over the Mujib Basin, Jordan. Geografia-Malaysian Journal of Society and Space, 19(2), 1-20.
https://doi.org/10.17576/geo-2023-1902-0
Alsilibe, F., Bene, K., Bilal, G., Alghafli, K., & Shi, X. (2023). Accuracy assessment and validation of multi-source CHIRPS precipitation estimates for water resource management in the Barada Basin, Syria. Remote Sensing, 15(7), 1778.https://doi.org/10.3390/rs15071778
Amorim, J. S., Viola, M. R., Junqueira, R., Oliveira, V. A., & Mello, C. R. (2020). Evaluation of satellite precipitation products for hydrological modeling in the brazilian cerrado biome. Water, 12(9), 2571-2589. https://doi.org/10.3390/w12092571
Anjum, M. N., Irfan, M., Waseem, M., Leta, M. K., Niazi, U. M., ur Rahman, S., ... & Nadeem, M. U. (2022). Assessment of PERSIANN-CCS, PERSIANN-CDR, SM2RAIN-ASCAT, and CHIRPS-2.0 rainfall products over a semi-arid subtropical climatic region. Water, 14(2), 147. https://doi.org/10.3390/w14020147
Araújo, H. L., de Loiola Araújo, T., Duarte, S. N., Rodrigues, J. A. M., Araújo, E. L., & dos Santos, A. D. P. (2022). Análise comparativa entre dados de precipitação observados em superfície e estimados por satélite TRMM na região norte do Tocantins. Revista Brasileira de Meio Ambiente, 10(1).
Bai, L., Shi, C., Li, L.,Yang, Y., & Wu, J. (2018). Accuracy of CHIRPS Satellite-Rainfall Products over Mainland China. Remote Sensing, 10(3), 2-28. https://doi.org/10.3390/rs10030362
CBHSF. (2020). A Gestão do CBHSF 2016-2020: comitê da bacia hidrográfica do Rio São Francisco. Editora Preto.
CBHSF. (2019) Modelo Conceitual – Pacto Pelas Águas da Bacia do Rio São Francisco. Editora - DNA Digital, 2019.
CBHSF. (2016). Plano de Recursos Hídricos da Bacia Hidrográfica do Rio São Francisco 2016-2025. Comitê da Bacia Hidrográfica do Rio São Francisco. Alagoas.
https://doi.org/10.1016/j.jhydrol.2008.07.032
De Figueiredo, E. E., De Aragão, R., A. S. Cruz, M., Almeida, A. Q., & Srinivasan, V. S. (2019). Evaluation of general circulation models in predicting monthly rainfall for the San francisco River Basin. 38th IAHR World Congress - “Water: Connecting the World”, 1-8. doi:10.3850/38WC092019-1479
Dembélé, M., & Zwart, S. J. (2016). Evaluation and comparison of satellite-based rainfall products in Burkina Faso, West Africa. International Journal of Remote Sensing, 37(17), 3995–4014. https://doi.org/10.1080/01431161.2016.1207258
Dinku, T., Funk, C., Peterson, P., Maidment, R., Tadesse, T., Gadain, H., & Ceccato, P. (2018). Validation of the CHIRPS satellite rainfall estimates over eastern Africa. Quarterly Journal of the Royal Meteorological Society, 144(1), 292-312. https://doi.org/10.1002/qj.3244
Du, H., Tan, M. L., Zhang, F., Chun, K. P., Li, L., & Kabir, M. H. (2024). Evaluating the effectiveness of CHIRPS data for hydroclimatic studies. Theoretical and Applied Climatology, 155(3), 1519-1539. https://doi.org/10.1007/s00704-023-04721-9
Freitas, A. A., Drumond, A., Carvalho, V. S., Reboita, M. S., Silva, B. C., & Uvo, C. B. (2021). Drought assessment in São Francisco river basin, Brazil: characterization through SPI and associated anomalous climate patterns. Atmosphere, 13(1), 41.. https://doi.org/10.3390/atmos13010041
Ghozat, A., Sharafati, A., & Hosseini, S. A. (2022). Satellite-based monitoring of meteorological drought over different regions of Iran: application of the CHIRPS precipitation product. Environmental Science and Pollution Research, 29(24), 36115-36132. https://doi.org/10.1007/s11356-022-18773-3
GOOGLE EARTH ENGINE (GEE). Disponível: Google Earth Engine.
Gorelick, N., Hancher, M., Dixon, M., Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202(1), 18–27. https://doi.org/10.1016/j.rse.2017.06.031
Gupta, V., Jain, M. K., Singh, P. K., & Singh, V. (2020). An assessment of global satellite‐based precipitation datasets in capturing precipitation extremes: A comparison with observed precipitation dataset in India. International Journal of Climatology, 40(8), 3667-3688.
https://doi.org/10.1002/joc.6419
Helmi, A. M., & Abdelhamed, M. S. (2023). Evaluation of CMORPH, PERSIANN-CDR, CHIRPS V2.0, TMPA 3B42 V7, and GPM IMERG V6 Satellite Precipitation Datasets in Arabian Arid Regions. Water, 15(1), 92-16.
https://doi.org/10.3390/w15010092
Hsu, J., Huang, W., Liu, P., & Li, X. (2021). Validation of CHIRPS Precipitation Estimates over Taiwan at Multiple Timescales. Remote Sensing, 13 (2), 254-272. https://doi.org/10.3390/rs13020254
Karaseva, M., O., Prakash, S., & Gairola, R., M. (2012). Validation of high-resolution TRMM-3B43 precipitation product using rain gauge measurements over Kyrgyzstan. Theoretical and Applied Climatology, 108(1), 147-157. https://doi.org/10.1007/s00704-011-0509-6
Katsanos, D., Retalis, A., & Michaelides, S. (2016). Validation of a high-resolution precipitation database (CHIRPS) over Cyprus for a 30-year period. Atmospheric Research, 169(1), 459-464. https://doi.org/10.1016/j.atmosres.2015.05.015
Kibii, J. K., & Du Plessis, J. A. (2023). The application of CHIRPS-based Pitman modelling in South Africa. Physics and Chemistry of the Earth, Parts A/B/C, 132(1), 103475.
https://doi.org/10.1016/j.pce.2023.103475
KÖPPEN, W. (1936). Das geographische system der klimate. Handcuch der klimatologie, 1-44, 1936.
Li, W., Sun, W., He, X., Scaioni, M., Yao, Y., Chen, Y., Gao, J., Li, X., & Cheng, G. (2019). Improving chirps daily satellite-precipitation products using coarser ground observations. IEEE Geoscience and Remote Sensing Letters, 16(11), 1678–1682. DOI: 10.1109/LGRS.2019.2907532
Li, X., Zhang, Q., & Xu, C. Y. (2013). Assessing the performance of satellite-based precipitation products and its dependence on topography over Poyang Lake basin. Theoretical and Applied Climatology, 115(3-4), 713–729.
https://doi.org/10.1007/s00704-013-0917-x
López-Bermeo, C., Montoya, R. D., Caro-Lopera, F. J., & Díaz-García, J. A. (2022). Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth, Parts A/B/C, 127, 103184. https://doi.org/10.1016/j.pce.2022.103184
Ma, Q., Ji, C.; Xiong, L., Wang, Y., Xu, C., & Zhang, Y. (2020). Spatiotemporal patterns of satellite precipitation extremes in the Xijiang River Basin: From statistical characterization to stochastic behaviour modelling. International Journal of Climatology, 41(1).
https://doi.org/10.1002/joc.6846
Macharia, J., Ngetich, F., & Shisanya, C. (2020). Comparison of satellite remote sensing derived precipitation estimates and observed data in Kenya. Agricultural and Forest Meteorology, 284(1), 107875. https://doi.org/10.1016/j.agrformet.2019.107875
Medeiros-Feitosa, J. R., & Oliveira, C. W. (2020). Estudo comparativo dos dados de precipitação do satélite TRMM e postos pluviométricos no estado do Ceará, Brasil. Revista Geográfica de América Central, 65(1), 239-262. http://dx.doi.org/10.15359/rgac.65-2.10
Medhioub, E., Bouaziz, M., Achour, H., & Bouaziz, S. (2019). Monthly assessment of TRMM 3B43 rainfall data with high-density gauge stations over Tunisia. Arabian Journal of Geosciences, 12(2), 1-14. https://doi.org/10.1007/s12517-018-4155-5
Medina, F. D., Zossi, B. S., Bossolasco, A., & Elias, A. G. (2023). Performance of CHIRPS dataset for monthly and annual rainfall-indices in Northern Argentina. Atmospheric Research, 283, 106545.
https://doi.org/10.1016/j.atmosres.2022.106545
Melo, D. C. D., Xavier, A. C., Bianchi, T., Oliveira, P. T. S., Scanlon, B. R., Lucas, M. C., & Wendland, E. (2015). Performance evaluation of rainfall estimates by TRMM Multi-satellite Precipitation Analysis 3B42V6 and V7 over Brazil. Journal of Geophysical Research: Atmospheres, 120(1), 9426-9436. https://doi.org/10.1002/2015JD023797
Mulungu, D. M., & Mukama, E. (2023). Evaluation and modelling of accuracy of satellite-based CHIRPS rainfall data in Ruvu subbasin, Tanzania. Modeling Earth Systems and Environment, 9(1), 1287-1300. https://doi.org/10.1007/s40808-022-01555-87-1300.
Neto, R. M. B., Santos, C. A. G., Silva, J. F. C. B. D. C., da Silva, R. M., Dos Santos, C. A. C., & Mishra, M. (2021). Evaluation of the TRMM product for monitoring drought over Paraíba State, northeastern Brazil: a trend analysis. Scientific Reports, 11(1), 1097. https://doi.org/10.1038/s41598-020-80026-5
Ning, S., Zhou, H. W., Zhang, Z. Y., Bai, S. B., Liu, L. (2023). Precipitation scale effect of the TRMM satellite in Tianshan, China. Journal of Mountain Science, 20(5), 1349-1368.
https://doi.org/10.1007/s11629-022-7714-x
https://doi.org/10.1002/2013WR015202
Paredes-Trejo, F. J., Barbosa, H. A., & Lakshmi Kumar, T. V. (2017). Validating chirps-based satellite precipitation estimates in Northeast Brazil. Journal of Arid Environments, 139(1), 26–40. https://doi.org/10.1016/j.jaridenv.2016.12.009
QGIS.org, 2022. QGIS 3.28. Geographic Information System API Documentation. QGIS Association. Disponível em: Documentação (qgis.org).
Rivera, J., Marianetti, G., & Hinrichs, S. (2018). Validation of CHIRPS precipitation dataset along the Central Andes of Argentina. Atmospheric Research, 213 (1), 437-449. https://doi.org/10.1016/j.atmosres.2018.06.023
Saeidizand, R., Sabetghadam, S., Tarnavsky, E., & Pierleoni, A. (2018). Evaluation of CHIRPS rainfall estimates over Iran. Quarterly Journal of the Royal Meteorological Society, 144(1), 282-291. https://doi.org/10.1002/qj.3342
Santos, C. A., Brasil Neto, R. M., Da Silva, R. M., & Passos, J. S. (2018). Integrated spatiotemporal trends using TRMM 3B42 data for the Upper São Francisco River Basin, Brazil. Environmental Monitoring and Assessment, 190(3). https://doi.org/10.1007/s10661-018-6536-3
Santos, C. A., Brasil Neto, R. M., Passos, J. S., & Da Silva, R. M. (2017). Drought assessment using a TRMM-derived standardized precipitation index for the Upper São Francisco River Basin, Brazil. Environmental Monitoring and Assessment, 189(6), 1-19. https://doi.org/10.1007/s10661-017-5948-9
Senjaya, T., Yudianto, D., Yuebo, X., & Adidarma, W. K. (2023). Monthly TRMM correction and application in hydrological modelling. International Journal of Hydrology Science and Technology, 16(2), 187-203.
https://doi.org/10.1504/IJHST.2023.132589
Silva, C. B., Silva, M. E., Ambrizzi, T., Tommaselli, J. T. G., Patucci, N. N., Mataveli, G. A. V., Lima, B. S., & Correa, W. C. (2019). Precipitação na América do sul – Dados Obtidos por estações meteorológicas automáticas e por sistemas orbitais. Revista Brasileira de Climatologia, 25(1), 54-79. https://doi.org/10.5380/abclima.v25i0.58813
Silva, D. T., Bispo, B. R. S., Almeida, A. Q., Silva, R. M., Cruz, M. A. S. (2020). Precipitação estimada por sensoriamento remoto no Estado de Sergipe. Nativa, 8 (1), 198-204.
DOI: 10.31413/nativa.v8i2.7821
Souza, B. S., de Melo, M. H. B., da Silva Araújo, F., & de Araújo, L. D. (2023). Avaliação Das Estimativas De Precipitação Pelo Satélite TRMM. RECIMA21-Revista Científica Multidisciplinar, 4(5), e453101-e453101.
https://doi.org/10.47820/recima21.v4i5.3101
Uma, K. N., & Reshma, B. (2024). Vertical structure of North Indian Ocean tropical cyclones: A composite analysis using TRMM and GPM. Dynamics of Atmospheres and Oceans, 105(1), 101421. https://doi.org/10.1016/j.dynatmoce.2023.101421
Wahyuni, S., Sisinggih, D., & Dewi, I. A. (2021). Validation of climate hazard group infrared precipitation with station (chirps) data in Wonorejo Reservoir, Indonesia. IOP Conference Series: Earth and Environmental Science, 930(1), 012042. DOI: 10.1088/1755-1315/930/1/012042
Xavier, A. C., Scanlon, B. R., King, C. W., Alves, A. I. (2022). New Improved Brazilian Daily Weather gridded data (1961–2020). International Journal of Climatology, 42(16), 8390–8404.
https://doi.org/10.1002/joc.7731
Xue, X., Hong, Y., Limaye, A. S., Gourley, J. J., Huffman, G. J., Khan, S. I., Dorji, C., & Chen, S. (2013). Statistical and hydrological evaluation of TRMM-based multi-satellite precipitation analysis over the Wangchu Basin of bhutan: Are the latest satellite precipitation products 3B42V7 ready for use in ungauged basins? Journal of Hydrology, 499(1), p. 91–99.
http://dx.doi.org/10.1016/j.jhydrol.2013.06.042
Yan, Y., Wu, H., Gu, G., Ward, P. J., Luo, L., Li, X., & Tao, J. (2020). Exploring the ENSO impact on Basin‐scale floods using hydrological simulations and TRMM precipitation. Geophysical research letters, 47(22), e2020GL089476. https://doi.org/10.1029/2020GL089476
Yang, W., Fu, S., Sun, J., Zheng, F., Wei, J., & Ma, Z. (2021). Comparative Evaluation of the Performances of TRMM-3B42 and Climate Prediction Centre Morphing Technique (CMORPH) Precipitation Estimates over Thailand. Journal of the Meteorological Society of Japan, v. 99(6), 1525-1546.
https://doi.org/10.2151/jmsj.2021-074
Yuan, F.; Zhang, L.; Win, K.; et al. (2017). Assessment of GPM and TRMM multi-satellite precipitation products in streamflow simulations in a data-sparse mountainous watershed in Myanmar. Remote Sensing, 9(3), 302.
https://doi.org/10.3390/rs9030302
Zhang, Y., Wu, C., Yeh, P. J. F., Li, J., Hu, B. X., Feng, P., & Jun, C. (2022). Evaluation and comparison of precipitation estimates and hydrologic utility of CHIRPS, TRMM 3B42 V7 and PERSIANN-CDR products in various climate regimes. Atmospheric Research, 265, 105881.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Luciano da Silva Alves, Marcus Aurélio Soares Cruz, Ricardo de Aragão, André Quintão de Almeida
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
