Validação e análise espaço-temporal de dados de precipitação obtidos por sensoriamento remoto CHIRPS para o estado de Mato Grosso, Brasil
DOI:
https://doi.org/10.55761/abclima.v35i20.18858Palavras-chave:
Pluviometria, Agricultura, CHIRPS, Biomas, MonitoramentoResumo
A precipitação é crucial para a produção agrícola no estado do Mato Grosso. Contudo, a rede de monitoramento dos dados de chuvas é insuficiente e desuniformemente distribuída, afetando a determinação do balanço hídrico, a detecção de secas e a gestão de recursos hídricos. Considerando o potencial dos produtos de precipitação oriundos de sensoriamento remoto para estimar a precipitação em locais com monitoramento deficiente, este trabalho teve como objetivo validar os dados CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) para o estado de Mato Grosso, bem como analisar sua distribuição espacial e temporal na região. As estimativas do CHIRPS foram comparadas com séries históricas registradas em 154 estações pluviométricas da rede hidrometeorológica nacional, tendo sido quantificadas seis métricas de erro para validação do produto. A partir dos resultados obtidos confirmou-se que o bioma Amazônia apresenta a maior precipitação do estado, seguido pelo Cerrado. Em contraste, o bioma Pantanal possui a menor precipitação média mensal e anual em comparação aos outros biomas do estado. Comprovou-se, ainda, que o produto CHIRPS estima de forma adequada a precipitação total mensal e a média histórica mensal, revelando-se uma ferramenta promissora para a gestão de recursos hídricos, detecção de secas, estudos de balanço hídrico e modelagem hidrológica em bacias hidrográficas no estado de Mato Grosso. Contudo, para totais diários, o erro de estimativa é elevado, não sendo recomendada sua utilização direta sem correção dos dados ou calibração em modelos hidrológicos.
Downloads
Referências
AKSU, H.; AKGÜL, M. A. Performance evaluation of CHIRPS satellite precipitation estimates over Turkey. Theoretical and Applied Climatology, v. 142, p. 71-84, 2020. https://doi.org/10.1007/s00704-020-03301-5
ALEJO, L. A.; ALEJANDRO, A. S. Validating CHIRPS ability to estimate rainfall amount and detect rainfall occurrences in the Philippines. Theoretical and Applied Climatology, v. 145, n. 3-4, p. 967-977, 2021. https://doi.org/10.1007/s00704-021-03685-y
ALSILIBE, F.; BENE, K.; BILAL, G.; ALGHAFLI, K.; SHI, X. Accuracy Assessment and Validation of Multi-Source CHIRPS Precipitation Estimates for Water Resource Management in the Barada Basin, Syria. Remote Sensing, v. 15, n. 7, p. 1778, 2023. https://doi.org/10.3390/rs15071778
ANA (Brasil) Agência Nacional de Águas. Polos Nacionais de Irrigação: Mapeamento de Áreas Irrigadas com Imagens de Satélite. 2020. Disponível em: https://cdn.agenciapeixevivo.org.br/media/2020/03/polos-nacionais-irriga%C3%A7%C3%A3o.pdf. Acesso em: 06 jun. 2024.
BIUDES, M. S., GELI, H. M., VOURLITIS, G. L., MACHADO, N. G., PAVÃO, V. M., DOS SANTOS, L. O. F., QUERINO, C. A. S. Evapotranspiration seasonality over tropical ecosystems in Mato Grosso, Brazil. Remote Sensing, v. 14, n. 10, p. 2482, 2022. https://doi.org/10.3390/rs14102482
CARVALHO, M. A. C. C.; ULIANA, E. M.; SILVA, D. D.; AIRES, U. R. V.; MARTINS, C. A. S.; SOUSA JUNIOR, M. F.; CRUZ, I. F.; MENDES, M. A. S. A. Drought monitoring based on remote sensing in a grain-producing region in the cerrado–amazon transition, Brazil. Water, v. 12, n. 12, p. 3366, 2020. https://doi.org/10.3390/w12123366
CARVALHO, M. A. C. C.; ULIANA, E. M.; SILVA, B. F. P.; MARTINS, C. A. S.; CRUZ, I. F.; AIRES, U. R. V.; MENDES, M. A. S. A. Precipitação Provável de uma importante região produtora de grãos do Brasil: probabilidade, distribuição espacial e sistemas sinóticos. Geo UERJ, n. 41, p. e52331, 2022. DOI: 10.12957/geouerj.2022.52331.
DINKU, T.; FUNK, C.; PETERSON, P.; MAIDMENT, R.; TADESSE, T.; GADAIN, H.; CECCATO, P. Validation of the CHIRPS satellite rainfall estimates over eastern Africa. Quarterly Journal of the Royal Meteorological Society, v. 144, p. 292-312, 2018. https://doi.org/10.1002/qj.3244
FESSEHAYE, M.; FRANKE, J.; BRÖNNIMANN, S. Evaluation of satellite-based (CHIRPS and GPM) and reanalysis (ERA5-Land) precipitation estimates over Eritrea. Meteorologische Zeitschrift, v. 31, n. 5, p. 401-413, 2022. https://doi.org/10.1127/metz/2022/1111
FUNK, C.; PETERSON, P.; LANDSFELD, M.; PEDREROS, D.; VERDIN, J.; SHUKLA, S.; HUSAK, G.; ROWLAND, J.; HARRISON, L.; HOELL, A.; MICHAELSEN, J. The climate hazards infrared precipitation with stations—a new environmental record for monitoring extremes. Scientific Data, v. 2, p. 150066, 2015. https://doi.org/10.1038/sdata.2015.66
GHOZAT, A.; SHARAFATI, A.; HOSSEINI, S. A. Satellite-based monitoring of meteorological drought over different regions of Iran: application of the CHIRPS precipitation product. Environmental Science and Pollution Research, v. 29, n. 24, p. 36115-36132, 2022. https://doi.org/10.1007/s11356-022-18773-3
HGE-IPH. ANA Data Acquisition. 2024. Disponível em: https://www.ufrgs.br/hge/ana-data-acquisition/. Acesso em: 06 jun. 2024.
HSU, JIE; HUANG, WAN RU; LIU, PIN YI; LI, XIUZHEN. Validation of chirps precipitation estimates over taiwan at multiple timescales. Remote Sensing, v. 13, n. 2, p. 1-18, 2021. https://doi.org/10.3390/rs13020254
IBGE (Brasil). Instituto Brasileiro de Geografia e Estatística. Censo Agropecuário 2017. 2017. Disponível em: https://censoagro2017.ibge.gov.br/. Acesso em: 06 jun. 2024.
KATSANOS, D.; RETALIS, A.; MICHAELIDES, S. Validation of a high-resolution precipitation database (CHIRPS) over Cyprus for a 30-year period. Atmospheric Research, v. 169, p. 459-464, 2016. https://doi.org/10.1016/j.atmosres.2015.05.015
JUNQUEIRA, R.; VIOLA, M. R.; AMORIM, J. S.; CAMARGOS, C.; MELLO, C. R.Hydrological modeling using remote sensing precipitation data in a Brazilian savanna basin, Journal of South American Earth Sciences, v. 115, 2022, https://doi.org/10.1016/j.jsames.2022.103773.
MELLO, C. R.; SILVA, A. M.; BESKOW, S. Hidrologia de Superfície: princípios e aplicações. Lavras: Editora UFLA, 2020. 531 p.
MAGGIONI, V.; MASSARI, C. On the performance of satellite precipitation products in riverine flood modeling: A review. Journal of Hydrology, v. 558, 2018. https://doi.org/10.1016/j.jhydrol.2018.01.039
NAWAZ, M.; IQBAL, M.F.; MAHMOOD, I. Validation of CHIRPS satellite-based precipitation dataset over Pakistan. Atmospheric Research, v. 248, 2021. https://doi.org/10.1016/j.atmosres.2020.105289
PACA, V. H. M.; ESPINOZA-DÁVALOS, G.; MOREIRA, D.; COMAIR, G. Variability of Trends in Precipitation across the Amazon River Basin Determined from the CHIRPS Precipitation Product and from Station Records. Water, v. 12, n. 5, p. 1244, 2020. https://doi.org/10.3390/w12051244
PAREDES-TREJO, F. J.; BARBOSA, H. A.; KUMAR, T. V. L. Validating CHIRPS-based satellite precipitation estimates in Northeast Brazil. Journal of Arid Environments, v. 139, p. 26-40, 2017. https://doi.org/10.1016/j.jaridenv.2016.12.009
RAMOS FILHO, H. A.; ULIANA, E. M.; AIRES, U. R. V.; CRUZ, I. F.; LISBOA, L.; SILVA, D. D.; VIOLA, M. R.; DUARTE, V. B. R. Nowcast flood predictions in the Amazon watershed based on the remotely sensed rainfall product PDIRnow and artificial neural networks. Environmental Monitoring and Assessment, v. 196, p. 245, 2024. https://doi.org/10.1007/s10661-024-12396-6
SARAGIH, N. F.; SITEPU, S.; SIMANUNGKALIT, G. T.; SINAMBELA, M.; RAJAGUKGUK, E.; LAROSA, F. G.; JAYA, I. K. Validation of CHIRPS Estimation Rainfall Data Using Numerical Accuracy Test with Precitipation Observation Data. IOP Conference Series: Earth and Environmental Science, v. 1083, 2022. https://doi.org/10.1088/1755-1315/1083/1/012095
SILVA, E. R. M.; BARBOSA, I. C. C.; SILVA, H. J. F.; COSTA, L. G. S.; ROCHA, E. J. P. Análise do Desempenho da Estimativa de Precipitação do Produto CHIRPS para Sub-Bacia do Rio Apeú, Castanhal-PA. Revista Brasileira de Geografia Física, v.13, n. 3, p. 1094-1105, 2020.
SOUSA JUNIOR, M. F.; ULIANA, E. M.; AIRES, U. R. V.; RÁPALO, L. M. C.; SILVA, D. D.; MOREIRA, M. C.; LISBOA, L.; RONDON, D. S. Streamflow prediction based on machine learning models and rainfall estimated by remote sensing in the Brazilian Savanna and Amazon biomes transition. Modeling Earth Systems and Environment, v. 10, p. 1191-1202, 2024. https://doi.org/10.1007/s40808-023-01837-9
VAN LIEW, M. W., VEITH, T. L., BOSCH, D. D., ARNOLD, J. G. Suitability of SWAT for the conservation effects assessment project: a comparison on USDA-ARS watersheds. Journal of Hydrologic Engineering, v. 12, n. 2, p. 173-189, 2007. https://doi.org/10.1061/(ASCE)1084-0699(2007)12:2(173)
WU, Q. Geemap: A Python package for interactive mapping with Google Earth Engine. 2020. Disponível em: https://github.com/giswqs/geemap. Acesso em: 06 jun. 2024.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A aprovação dos artigos implica a aceitação imediata e sem ônus de que a Revista Brasileira de Climatologia terá exclusividade na primeira publicação do artigo. Os autores continuarão, não obstante, a deter os direitos autorais. Os autores autorizam também que seus artigos sejam disponibilizados em todos os indexadores aos quais a revista está vinculada.
Os autores mantém seus direitos de publicação sem restrições
A Comissão Editorial não se responsabiliza pelos conceitos ou afirmações expressos nos trabalhos publicados, que são de inteira responsabilidade dos autores.
A Revista Brasileira de Climatologia oferece acesso livre imediato ao seu conteúdo, seguindo o entendimento de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização do conhecimento e tende a produzir maior impacto dos artigos publicados. Os artigos publicados na revista são disponibilizados segundo a Licença Creative Commons CC-BY-NC 4.0 (https://creativecommons.org/licenses/by-nc/4.0/). Segundo essa licença é permitido acessar, distribuir e reutilizar os artigos para fins não comerciais desde que citados os autores e a fonte. Ao submeter artigos à Revista Brasileira de Climatologia, os autores concordam em tornar seus textos legalmente disponíveis segundo essa licença