Avaliação da Acurácia das Estimativas de Precipitação do TRMM 3B43 em Escala Nacional e por Biomas Brasileiros
DOI:
https://doi.org/10.26848/rbgf.v19.03.p1166-1181Palavras-chave:
Acurácia, Estações INMET, hidroclimatologia, Métricas de erro, Variabilidade espacialResumo
A quantificação precisa da precipitação é crucial para o Brasil, mas a rede de estações pluviométricas é insuficiente para capturar sua alta variabilidade espacial. Produtos de satélite como o Tropical Rainfall Measuring Mission (TRMM) surgem como alternativas, porém sua acurácia necessita de avaliação regional. Este estudo avaliou a performance do produto TRMM 3B43 em escala nacional e para os seis biomas brasileiros, comparando suas estimativas de precipitação anual com dados de 327 estações do INMET (2000-2014) por meio das métricas RMSE, MAE, viés e R². Os resultados indicaram desempenho global satisfatório (R² = 0,815), mas com viés positivo de +40,6 mm/ano. A análise por bioma revelou variabilidade espacial significativa: o Cerrado apresentou o melhor desempenho (R² = 0,686; MAE = 146,0 mm/ano), enquanto a Mata Atlântica teve a pior capacidade explicativa (R² = 0,487). A Amazônia foi o único bioma com subestimação da precipitação (viés = -31,1 mm/ano). Conclui-se que o TRMM 3B43 é robusto para análises de variabilidade espacial e temporal da precipitação no país, mas sua aplicação para valores absolutos requer correções específicas por bioma, reforçando a importância de validações regionais para o uso eficaz desses dados em estudos hidroclimáticos.
Downloads
Referências
Abouzied, G. A. A., et al. (2025). Completion of the Central Italy daily precipitation instrumental data series from 1951 to 2019. Geoscience Data Journal, 12, e267.
Araújo, H. L., Silva, J. M., Lima, R. S., & Costa, F. A. (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, 14–22.
Ballari, D., Castro, E., & Campozano, L. (2016). Validation of satellite precipitation (TRMM 3B43) in Ecuadorian coastal plains, Andean highlands and Amazonian rainforest. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XL-B8, 305–311.
Campos, J. O., & Chaves, H. M. L. (2019). Tendências e variabilidades nas séries históricas de precipitação mensal e anual no bioma Cerrado no período 1977–2010. Revista Brasileira de Meteorologia, 34, 157–168. https://doi.org/10.1590/0102-7786351019
Collischonn, B., Collischonn, R., & Tucci, C. E. M. (2007). Desempenho do satélite TRMM na estimativa de precipitação sobre a bacia do Paraguai superior. Revista Brasileira de Cartografia, 59, 93–99. https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/43965
DeepSeek. (2025). DeepSeek-V3: Modelo de linguagem de inteligência artificial. https://www.deepseek.com/
ESRI. (2010). ArcGIS Desktop (Version 10). ESRI.
Google. (2025). Google Colab. https://colab.research.google.com/
Harris, C. R., et al. (2020). Array programming with NumPy. Nature, 585, 357–362. https://doi.org/10.1038/s41586-020-2649-2
Huerta, A., Serrano-Notivoli, R., Brönnimann, S. (2024). SC-PREC4SA: A serially complete daily precipitation dataset for South America. EarthArXiv. https://doi.org/10.31223/X5JQ7D
Huffman, G. J., Bolvin, D. T., Nelkin, EJ., Wolff, D. B., Adler, R. F., Gu, G., Hong, Y., Bowman, K. P., & Stocker, E. F. (2007). The TRMM multisatellite precipitation analysis (TMPA): Quasi-global, multiyear, combined-sensor precipitation estimates at fine scales. Journal of Hydrometeorology, 8(1), 38–55. https://doi.org/10.1175/JHM560.1
Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55
Kidd, C., & Huffman, G. (2011). Global precipitation measurement. Meteorological Applications, 18(3), 334–353. https://doi.org/10.1002/met.284
Macedo, H. A., Stevaux, J. C., Silva, A., & Bergier, I. (2019). Water balance of the Upper Paraguay Basin and its relationship with hydroclimatological dynamics of the Pantanal wetland. RAE GA – O Espaço Geográfico em Análise, 46, 34–47. https://revistas.ufpr.br/raega/article/view/67014
Marcuzzo, F. F. N., Melo, D. C. R., & Costa, H. C. (2012). Sazonalidade e distribuição espaço-temporal das chuvas no bioma do Cerrado do estado do Mato Grosso do Sul. Revista Brasileira de Recursos Hídricos, 17(1), 77–86. https://rigeo.sgb.gov.br/bitstream/doc/613/1/art_sazonal_marcuzzo.pdf
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, 239–262. https://doi.org/10.15359/rgac.65-2.10
Michot, V., Vila, D., Arvor, D., Silva, F. R., & Sondag, F. (2018). Performance of TRMM TMPA 3B42 V7 in replicating daily rainfall and regional rainfall regimes in the Amazon Basin (1998–2013). Remote Sensing, 10(12), 1879. https://doi.org/10.3390/rs10121879
Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1–2), 17–23. https://doi.org/10.1093/biomet/37.1-2.17
Penereiro, J. C., Badinger, A., Maccheri, N. A., & Meschiatti, M. C. (2017). Distribuições de tendências sazonais de temperatura média e precipitação nos biomas brasileiros. Revista Brasileira de Meteorologia, 32(1), 97–112. https://doi.org/10.1590/0102-7786321009
Pereira, G., Silva, M. E. S., Moraes, E. C., & Cardozo, F. S. (2013). Avaliação dos dados de precipitação estimados pelo satélite TRMM para o Brasil. Revista Brasileira de Recursos Hídricos, 18(3), 139–148.
Quirino, D. T., Paula Neto, H. M., & Oliveira, R. A. J. (2013). Avaliação das estimativas de precipitação do satélite TRMM (algoritmo 3B42 V7) sobre o estado de Goiás. In Anais do XX Simpósio Brasileiro de Recursos Hídricos. https://files.abrhidro.org.br/Eventos/Trabalhos/66/SBRH2013__PAP013360.pdf
Rey, S. J., & Luna, F. (2023). PySAL: Python Spatial Analysis Library. https://pysal.org/
Ribeiro, H. J., Ferreira, N. C., Oliveira, W. N., Siqueira, R. V., Oliveira, A. W. N., & Oliveira, V. T. (2018). Distribuição da pluviometria, NDVI e umidade do solo nos biomas brasileiros. In Anais do 7º Simpósio de Geotecnologias no Pantanal (pp. 400–410). http://mtc-m16b.sid.inpe.br/col/sid.inpe.br/mtc-m16b/2022/05.20.10.56/doc/p62.pdf
Serrano-Notivoli, R., de Luis, M., & Beguería, S. (2017). An R package for daily precipitation climate series reconstruction. Environmental Modelling & Software, 89, 190–195. https://doi.org/10.1016/j.envsoft.2016.11.005
Silva, T. M. M. (2024). Preenchimento de falhas em série de dados meteorológicos e evolução temporal de índices bioclimáticos na bacia hidrográfica do Alto Paranapanema (Tese de doutorado, Universidade Estadual Paulista).
Souza, A., Silva, R. C., Oliveira, L. M., & Almeida, T. (2022). Evaluation of TRMM 3B43V7 satellite precipitation in the Pantanal of Mato Grosso do Sul in the years 1998 to 2019. Mercator, 21, e21023. https://doi.org/10.4215/rm2022.e21023
The Pandas Development Team. (2023). pandas-dev/pandas. Zenodo. https://doi.org/10.5281/zenodo.3509134
Virtanen, P., et al. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17, 261–272. https://doi.org/10.1038/s41592-019-0686-2
Waskom, M. L. (2021). seaborn: Statistical data visualization. Journal of Open Source Software, 6(60), 3021. https://doi.org/10.21105/joss.03021
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Hudson Macedo, Walter Ferreira dos Santos
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.
