Estimativa de precipitação provinda do radar meteorológico: análise de desempenho entre estações pluviométricas versus Z-R de Marshall e Z-R específica local
DOI:
https://doi.org/10.26848/rbgf.v19.02.p888-906Palavras-chave:
relação Z-R, dupla polarização, variáveis polarimétricas, radarResumo
Pesquisas científicas apontam uma tendência de falha no registro do radar meteorológico quando comparado à chuva observada nas estações pluviométricas. No entanto, através deste trabalho são explorados fatores relevantes, onde o principal deles é a compreensão de que a estimativa de precipitação pelo radar meteorológico e a medição direta dos pluviômetros possuem metodologias distintas. Defende-se a necessidade de conhecimento aprofundado nos predicados, possibilidades do radar e dos seus produtos, principalmente aqueles com aplicação hidrológica. Faz-se necessária a escolha coerente do tipo de produto, a definição do alcance e feixe, ângulo de elevação da antena, resolução espacial e temporal, aplicação de filtro para correção de ecos do terreno e a seleção da relação Z-R. O viés radar-estação será diretamente afetado por esta composição. No presente estudo, foram avaliados os produtos hidrológicos gerados pelo Rainbow®5, empregando a dupla polarização e Z-R específica/local, a fim de aprimorar a estimativa de chuva provinda do radar meteorológico com o objetivo de refinar este dado de entrada para modelos chuva-vazão. O presente trabalho busca reportar a necessidade de explorar as infinitas possibilidades de métodos para o processamento de dados do radar meteorológico, tornando-os cada vez mais próximos aos observados nas estações pluviométricas. Além de, realizar a validação dos dados do radar para uma bacia de clima tropical/semiárido, que apresenta frequentes eventos de cheia, fazendo uso de distintas metodologias para conversão da refletividade no produto chuva.
Palavras-Chave: relação Z-R, dupla polarização, variáveis polarimétricas.
Downloads
Referências
APAC, A. P. de Á. e C. (2017). Boletim do Clima - Síntese Climática. Em No 5 - Maio de 2017. www.apac.pe.gov.br
Baez-Villanueva, O. M., Zambrano-Bigiarini, M., Ribbe, L., Nauditt, A., Giraldo-Osorio, J. D., & Thinh, N. X. (2018). Temporal and spatial evaluation of satellite rainfall estimates over different regions in Latin-America. Atmospheric Research, 213, 34–50. https://doi.org/https://doi.org/10.1016/j.atmosres.2018.05.011
Bárdossy, A., & Pegram, G. (2017). Combination of radar and daily precipitation data to estimate meaningful sub-daily point precipitation extremes. Journal of Hydrology, 544, 397–406. https://doi.org/10.1016/j.jhydrol.2016.11.039
Barszcz, Mariusz Paweł; Stańczyk, Tomasz; Brandyk, Andrzej. Zależności ZR dla różnych typów opadów jako narzędzie do radarowego szacowania wielkości opadów. Polish Geographical Review/Przegląd Geograficzny, v. 95, n. 2, 2023.
Barszcz, Mariusz Paweł; Kaznowska, Ewa. Z–R Relationships for Different Precipitation Types and Events from Parsivel Disdrometer Data in Warsaw, Poland. Remote Sensing, v. 17, n. 13, p. 2271, 2025.
Bertoncini, André; Pomeroy, John W. Quantificação da incerteza espaço-temporal e altitudinal da rede de pluviômetros nas Montanhas Rochosas Canadenses. Hydrology and Earth System Sciences, v. 29, n. 4, p. 983-1000, 2025.
Biggs, E. M., & Atkinson, P. M. (2011). A comparison of gauge and radar precipitation data for simulating an extreme hydrological event in the Severn Uplands, UK. Hydrological Processes, 25(5), 795–810. https://doi.org/10.1002/hyp.7869
Brandes, E. A. (1975). Optimizing rainfall estimates with the aid of radar. Journal of Applied Meteorology.
Cabral, S. L. ;, Sakuragi, J. ;, & Silveira, C. S. (2016). Incertezas e erros na estimativa de vazões usando modelagem hidrológica e precipitação por RADAR. Revista Ambiente & Água.
Calheiros, R. V., & Zawadzkib, I. (1986). Reflectivity-Rain Rate Relationships for Radar Hydrology in Brazil. Journal of Climate and Applied Meteorology, 26, 118–132.
Chumchean, S., Seed, A., & Sharma, A. (2006). Correcting of real-time radar rainfall bias using a Kalman filtering approach. Journal of Hydrology, 317(1), 123–137. https://doi.org/https://doi.org/10.1016/j.jhydrol.2005.05.013
Dawson, C. W., Abrahart, R. J., & See, L. M. (2010). HydroTest: Further development of a web resource for the standardised assessment of hydrological models. Environmental Modelling & Software, 25(11), 1481–1482. https://doi.org/https://doi.org/10.1016/j.envsoft.2009.01.001
Dinh, Thi-Linh et al. A new approach for quantitative precipitation estimation from radar reflectivity using a gated recurrent unit network. Journal of Hydrology, v. 624, p. 129887, 2023.
DzwonkowskI, Karol et al. Analysis of Precipitation Totals Based on Radar and Rain Gauge Data. Remote Sensing, v. 17, n. 13, p. 2157, 2025.
Emidio, Z. P. O., & Calheiros, R. V. (2009). Quantificação da chuva com dados de radar meteorológico em áreas cultivadas, através de três relações Z-R. XVI Congresso Brasileiro de Agrometeorologia.
Fragoso Júnior, C. R., Pedrosa, V. A., & Souza, V. C. (2010). Reflexões Sobre a Cheia de Junho de 2010 nas Bacias do Rio Mundaú e Paraíba. XVI Simpósio Brasileiro de Recursos Hídricos, 1–20. http://www.abrh.org.br/SGCv3/UserFiles/Sumarios/d8ce71c0999a0385cf67e71a3561c7ee_09ac740e158cfc1b4f319171ee670537.pdf
Gama, A., & Madeiro, C. (2017). Chuvas deixam mais de 40 mil desalojados e 31 cidades afetadas em AL e PE.
Gourley, J. J., Giangrande, S. E., Hong, Y., Flamig, Z. L., Schuur, T., & Vrugt, J. A. (2010). Impacts of Polarimetric Radar Observations on Hydrologic Simulation. Journal of Hydrometeorology, 11(3), 781–796. https://doi.org/https://doi.org/10.1175/2010JHM1218.1
Hartanto et al. Spatial evaluation rainfall estimation on weather radar using Marshall-Palmer reflectivity-rainfall rate in Banten.Journal of Water and Land Development, n. 62, p. 193-200, 2024.
Huff, F. A. (1967). The adjustment of radar estimates of storm mean rainfall with rain gage data. Em Journal of Applied Meteorology (Vol. 6, p. 52–56).
Kim, T. J., Kwon, H. H., & Kim, K. B. (2021). Calibration of the reflectivity-rainfall rate (Z-R) relationship using long-term radar reflectivity factor over the entire South Korea region in a Bayesian perspective. Journal of Hydrology, 593. https://doi.org/10.1016/j.jhydrol.2020.125790
Kim, Tae-Jeong; Kwon, Hyun-Han & Lima, C. (2018). A Bayesian partial pooling approach to mean field bias correction of weather radar rainfall estimates: Application to Osungsan weather radar in South Korea. Journal of Hydrology, 565, 14–26. https://doi.org/10.1016/j.jhydrol.2018.07.082
Kim, Tae-Jeong; Kwon, Hyun-Han; Kim, Kue Bum. Calibration of the reflectivity-rainfall rate (ZR) relationship using long-term radar reflectivity factor over the entire South Korea region in a Bayesian perspective. Journal of Hydrology, v. 593, p. 125790, 2021.
Kim, Deokhwan et al. Multi-Model Comparison of Hydrologic Simulation Performance Using DWAT, PRMS, and TANK Models. Water, v. 18, n. 2, p. 145, 2026.
Lakshmi, Venkataraman; Kir, Elif Gulen; Fang, Bin. Precipitation data accuracy and extreme rainfall detection for flood risk analysis in the Akçay Sub-Basin. Remote Sensing, v. 17, n. 18, p. 3199, 2025.
Li, Jianzhu et al. Flood forecasting based on radar precipitation nowcasting using U-net and its improved models. Journal of Hydrology, v. 632, p. 130871, 2024.
Marshall, J. S., & Palmer, W. M. (1948). The distribution of raindrops with size. Em Journal of Meteorology (Vol. 5, p. 165–166). https://doi.org/10.1175/1520-0469(1948)005<0165:TDORWS>2.0.CO;2
Mekonnen, Elias Fiseha; Getu, Gebremariam Adane. Hydrological parameter sensitivity analysis for water evaluation and planning model calibration in the Borkena River Sub-basin. Discover Water, v. 5, n. 1, p. 45, 2025.
Miguel, B. H., & Rennó, C. D. (2020). Validation of precipitation estimates by weather radar data in a river basin in the central region of São Paulo state, Brazil. Anuario do Instituto de Geociencias, 43(2), 325–339. https://doi.org/10.11137/2020_2_325_339
Nash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I—A discussion of principles. Journal of hydrology, 10, 282–290.
Osman, Noor Shazwani; Tahir, Wardah. Radar Quantitative Precipitation Estimation (QPE) Calibration Methods: A Systematic Literature Review. Engineering, Technology & Applied Science Research, v. 14, n. 5, p. 16185-16192, 2024.
Overeem, Aart et al. The Dutch real-time gauge-adjusted radar precipitation product. Earth System Science Data Discussions, v. 2025, p. 1-39, 2025.
Qiu, Xiaobin et al. Quality control of the composite radar quantitative precipitation estimation product for Great Britain. Journal of Hydrology, p. 134755, 2025.
Rendon, S., Vieux, B., & Pathak, C. (2010). Estimation of regionally specific Z-R relationships for radar-based hydrologic prediction. In Proceedings of the World Environmental and Water Resources Congress, 2, 4668–4680. https://doi.org/http://dx.doi.org/10.1061/41114(371)474
Rosenhoover, Marshall et al. Improving Doppler Radar Precipitation Prediction with Citizen Science Rain Gauges and Deep Learning. Sensors (Basel, Switzerland), v. 25, n. 12, p. 3719, 2025.
Schulz, Karen; Niemann, Andre; Mietzel, Thorsten. Framework for data-driven modelling in an imbalanced data distribution scenario: tow ards semi-automated data correction for classical and low-cost precipitation sensor data. Digital Water, v. 3, n. 1, p. 2577427, 2025.
Suk, M.-K., Chang, K.-H., Cha, J.-W., & Kim, K.-E. (2013). Operational Real-Time Adjustment of Radar Rainfall Estimation over the South Korea Region. Journal of the Meteorological Society of Japan. Ser. II, 91(4), 545–554. https://doi.org/10.2151/jmsj.2013-409
Tenório, R. S., Moraes, M. cristina da silva, & Sauvageot, H. (2012). Raindrop size distribution and radar parameters in coastal tropical rain systems of northeastern Brazil. Journal of Applied Meteorology and Climatology, 51(11), 1960–1970. https://doi.org/10.1175/JAMC-D-11-0121.1
Tenório, S. R., Moraes, M. C. . S., & Kwon, B. H. (2010). Raindrop Distribution in the Eastern Coast of Northeastern Brazil Using Disdrometer Data. 254, 415–426. https://doi.org/10.1590/S0102-77862010000400001
Voormansik, Tanel et al. Evaluation of the dual-polarization weather radar quantitative precipitation estimation using long-term datasets. Hydrology and Earth System Sciences, v. 25, n. 3, p. 1245-1258, 2021.
Verdelho, Fernanda F. et al. Quantitative precipitation estimation using weather radar data and machine learning algorithms for the southern region of Brazil. Remote Sensing, v. 16, n. 11, p. 1971, 2024.
Vrugt, J. A., ter Braak, C. J. F., Gupta, H. V., & Robinson, B. A. (2009). Equifinality of formal (DREAM) and informal (GLUE) Bayesian approaches in hydrologic modeling? Stochastic Environmental Research and Risk Assessment, 23(7), 1011–1026. https://doi.org/10.1007/s00477-008-0274-y
Zhang, Zhe et al. Dual-Polarization Radar Quantitative Precipitation Estimation (QPE): Principles, Operations, and Challenges. Remote Sensing, v. 17, n. 21, p. 3619, 2025.
Zambrano-Bigiarini, M., Nauditt, A., Birkel, C., Verbist, K., & Ribbe, L. (2017). Temporal and spatial evaluation of satellite-based rainfall estimates across the complex topographical and climatic gradients of Chile. Hydrology and Earth System Sciences, 21(2), 1295–1320. https://doi.org/10.5194/hess-21-1295-2017
Zanchetta, A. D. L., & Coulibaly, P. (2020). Recent advances in real-time pluvial flash flood forecasting. Em Water (Switzerland) (Vol. 12, Número 2). MDPI AG. https://doi.org/10.3390/w12020570
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 1969 Geiza Thamirys Correia Gomes, Vera Núbia Carvalho de Farias , José Almir Cirilo , Carlos Ruberto Fragoso Júnior , Maria Luciene Dias de Melo , Clebson Carvalho de Farias , Kleymerson Pereira Lins , Marcelo Queiroz de Assis Oliveira , Micaela Costa Viana , Luan Anderson Lima de Araújo
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.
