ESTIMATIVA DE PRECIPITAÇÃO ESTIMATIVA DE PRECIPITAÇÃO POR SATÉLITEPOR SATÉLITE

Carlos Augusto MoralesDepartamento de CiDepartamento de Ciências Atmosféricasências Atmosféricas

Inst. de Astronomia, Geofísica e Inst. de Astronomia, Geofísica e CiCiências Atmosféricas – IAGências Atmosféricas – IAG

Universidade de SUniversidade de São Pauloão Paulo

ESTIMATIVA DE PRECIPITAÇÃO ESTIMATIVA DE PRECIPITAÇÃO POR SATÉLITEPOR SATÉLITE

• Revisão dos Métodos de Estimativa de Precipitação: Infra-Vermelho e Microondas

• Estimativas Horárias, Diárias e Mensais: Prós e Contras

• Métodos Operacionais de Estimativa de Precipitação

• Futuro da Estimativa de Precipitação por Satélite

Revisão dos Métodos de Estimativa de Precipitação

INFRA-VERMELHOINFRA-VERMELHO

~ Ts4

~ ~ TnTn44

No Infravermelhoa radiação não penetra as nuvens,logo o Satélite estamedindo a emissãodo topo da nuvem.

A questão é: Comopodemos inferir a chuva sem saber o que existe dentro dela?

Desse modo podemosdizer que temos uma solução empírica

MICROONDASMICROONDAS

~ Ts

~ ~ Ts + (1- )Tn

~ (1- )Tn

A superfície da Terra emite radiação em microondas. Esta energia interage com os hidrometeoros: absorção, emissão e espalhamento.

Como esta interação depende da Freq., podemos inferir algumas propriedades físicas da nuvem amostrada, ou seja:

Podemos identificar tipos de hidrometeoros: Água liquida, Gelo, Neve.

LOGO PODEMOS DIZER QUE OS METODOS DE ESTIMATIVA DE PRECIPITACAO PODEM SER

CLASSIFICADOS EM:

EMPIRICOS (IR) e FEMPIRICOS (IR) e FÍÍSICOS (MW)SICOS (MW)

Prós e Contras

• Sat. Geo-estacionário• 4x4 km• 15 a 30 minutos• Chuva = f(Tb) não é

linear• Área de chuva

proporcional a área de nuvem

• Sat. Polares/Equatorial• 3.5x3.5 a 25x25 km• 2X ao dia;• Chuva = f(Tb1,Tb2…)• Área de chuva

proporcional a área de nuvem

• Problemas sobre o continente

Infra-vermelhoInfra-vermelho MicroondasMicroondas

Técnicas de Infra-vermelho

• Indexação de Nuvens

• Bi-Espectral

• Ciclo de Vida

• Modelo de Nuvem

Indexação de Nuvens

É o método mais antigo de estimativa de precipitação.

Baseia-se na observação das imagens e na identificação do tipo de nuvens.

Na sua forma mais simples, assume-se uma taxa de precipitação para cada tipo de nuvem.

Sendo que a taxa de precipitação em um determinado local ou área pode ser escrito como:

(1)

 onde Ri é a taxa de precipitação assinalada para o tipo de nuvem “i”, e Fi é a fração de tempo que o ponto estava coberto com o tipo de nuvem “i”.

i

ii frR

Barret, E.C. (1970): The estimation of monthly rainfall from satellite data. Mon. Wea. Ver., 98, 322-327.

Barret (1970) foi o pioneiro nesta técnica. Naquele artigo ele estava interessado em estimar a precipitação mensal sobre a Austrália e suas vizinhanças associadas as sistemas marítimos continentais.

 

Follansbee, W.A. (1973): Estimation of average daily rainfall from satellite cloud photographs, NOAA Tech. Memo. NESS 44, Washington, DC, 39 pp.

Follansbee (1973) estava interessado em estimativas médias de precipitação diária sobre um estado. Ele utilizava uma imagem do canal visivel diaria, da tarde. Ele identificava as nuvens visualmente e estimava a fração do estado coberta por:

Cumulusnimbus (R = 1 polegada/dia)

Nimbostatus (R = 0.25 polegada/dia)

Cumulus Congestus (0.02 polegada/dia)

GOES Precipitation Index (GPI)

Mais conhecida e aplicada. 

Arkin, P.A. (1979): The relationship between fractional coverage of high cloud and rainfall accumulations during GATE over the B-scale array, Mon. Wea. Ver., 107, 1382-1387.

O GPI vem sendo utilizado para estimativa de precipitação tropical para fins de climatologia.

 

Arkin encontrou que sobre a área do GATE, as precipitações estimadas pelo radar eram altamente correlacionadas (CC = 0.86) com a fração de área coberta por pixels com Tb inferior a 235 K (~ -38 oC).

 

Esta correlação é dependente da área e do tempo sobre a qual a precipitação é estimada.

Sendo que a correlação aumenta em função do tamanho da área e da integração no tempo.

 

Resolução Espacial (graus)

0.1 x 0.1 2.5 x 2.5

Resolução Temporal

15 minutos Dia

Correlação < 0.5 (Baixa)

> 0.8

(Alta)

O método final do GPI foi definido em um artigo de Arkin e Meisner (1987).

 

Arkin, P.A. and B. Meisner (1987). The relationship between large-scale convective rainfall and cold cloud over the Western Hemisphere during 1982-1984. Mon. Wea. Rev., 115, 51-74.

 

Eles utilizaram uma Tb <= 235 K e uma taxa de precipitação constante de 3 mm/h, a qual é uma valor apropriado para estimativa de precipitação tropical em áreas de aproximadamente 2.5 x 2.5 graus.

Onde GPI é uma estimativa da altura média da chuva (mm) sobre a área, f é a fração de área mais fria que a Tb=235K, e t é o tempo em horas que f é aplicado (ou seja, se o intervalo de tempo entre imagens é de 3 horas, então t = 3).

 

http://www.cpc.ncep.noaa.gov/products/global_precip/html/wpage.gpi.htmlhttp://www.cpc.ncep.noaa.gov/products/global_precip/html/wpage.gpi.html

tfGPI 3

Técnica Bi-Espectral

Nuvens que são brilhantes nas imagens do visível são mais prováveis de precipitar do que as mais escuras, já que o brilho está relacionado com a espessura ótica e logo a espessura da nuvem.

 

Nuvens que são frias tem topos mais altos do que as nuvens quentes. Existem exceções a esta regra. Nuvens Stratus são brilhantes, mas não precipitam muito, e não tão freqüente como as nuvens Cumulus Nimbus. As nuvens Cirrus são frias, mas não produzem mais precipitação que as nuvens quentes.

Os métodos bi-espectrais tentam combinar estas regras para identificar as nuvens que tem a melhor probabilidade de chover que são ambas frias e brilhantes. Sendo que em menor intensidade (ou menor probabilidade ) de precipitação poderia se esperar das nuvens não tão frias mas escuras (Cirrus) e brilhantes-mas-quentes (Stratus).

 

Dittberner e Vonder Haar (1973): Large scale precipitation estimates using satellite data; application to the Indian Monsoon, Arch. Met. Geoph. Biokl. Ser., B, 21, 317-334.

Dittberner e Vonder Haar (1973) desenvolveram uma relação para estimar a precipitação durante o período de Monção da Índia, sendo que eles obtiveram sucesso em separar os períodos fracos e intensos de monção, e que pode ser descrito por:

 

 

onde P é a porcentagem da precipitação sazonal normal, E é a radiação do infra-vermelho média sazonal e A é o albedo médio sazonal, sendo que c1, c2 e P0 são fatores de regressão.

021 PAcEcP

Lovejoy e Austin (1979): The delineation of rain areas from visible and IR satellite data for GATE and mid-latitudes, Atmosphere-Ocean, 17, 77-92.

 

Lovejoy e Austin (1979) comparam dados do visível e infra-vermelho do GOES com dados de radar durante o experimento GATE e nas regiões de Montreal no Canadá.

 

Eles criaram histogramas 2D de temperatura de brilho e albedo para determinar para os pixels que choviam e não choviam.

Tsonis e Isaac (1985): On a new approach for instantaneous rain area delineation in the midlatitudes using GOES data. J. Climate Appl. Meteor., 24, 1208-1218.

 

Tsonis e Isaac (1985) modificaram a técnica de Lovejoy e Austin a partir da aplicação de técnicas de agrupamento. Aonde os grupos precipitantes eram identificados pelas imagens de radar.

Ciclo de Vida

A taxa de precipitação de uma nuvem, em particular da nuvem convectiva, é função do estagio do ciclo de vida.

 

Stout, Martin and Sikdar (1979): Estimating GATE rainfall with geosynchronous satellite images, Mon. Wea. Ver., 107, 585-598.

Stout, Martin and Sikdar (1979) analisaram a relação entre a chuva estimada por radar e a área da nuvem medida pelo satélite de uma nuvem isolada

O ponto importante é que o pico de precipitação ocorre durante a fase de rápido crescimento da nuvem. Sendo que a precipitação reduz bastante durante o tempo em que a nuvem tem área máxima.

 

Eles tentaram ajustar a taxa de precipitação a partir da equação:

 

 

onde A é a área da nuvem, dA/dt é o tempo de mudança da área da nuvem, e a0 e a1 são coeficientes determinados empiricamente. O termo a1 é positivo, isso assegura que a taxa de precipitação será maior durante o estágio de crescimento do que durante o decaimento.

dt

dAaAaR 10

Modelo de Nuvens

Convective and Stratiform Technique (CST)

Adler,R.F. and R.A. Mack (1984): Thunderstorm cloud heigh-rainfall rate relations for use with satellite rainfall estimation techniques, J. Climate Appl. Meteor., 23, 280-296.

 

Adler, R.F. and A.J. Negri (1988), A satellite infrared technique to estimate tropical convective and stratiform rainfall, J. Appl. Meteor., 27, 30-51.

O CST é baseado no trabalho descrito por Adler e Negri (1988).

A técnica CST utilizou resultados de um modelo de física de nuvens de 1D de Adler e Mack (1984).

Sendo que Adler e Mack (1984) analisaram as mudanças da temperatura do topo da nuvem com taxa de precipitação para nuvens observadas na Florida e Oklahoma.

• Utiliza-se uma radiosondagem representativa em um modelo de física de nuvem 1D;

• Calcula-se as temperaturas de brilho e correspondente taxa de precipitação

• Calcula-se as relações entre temperatura de brilho e área precipitante.

O CST pode ser descrito como:

• Definição da precipitação a partir das imagens de Satélite no IR:

- A nuvem é definida por Tb 258 K;- Para cada nuvem delineada, encontra-se a Tb mínima com. Esta Tb minima será usada para fazer uma mascara que removerá os Cirrus (isto se faz através do calculo do gradiente entre 9 pixels, baseado nas simulações do modelo e inspeção manual para a identificação de cirrus);- As regiões de Tb mínima são consideradas convectivas;- Na região vizinha da Tb mínima (80km), calcula-se a temperatura mais freqüente (Tmodal). Esta temperatura representa a temperatura do anvil. Sendo que estas temperaturas são utilizadas como delimitadores para a identificação de precipitação estratiforme;

O modelo 1D define a taxa de precipitação e a respectiva área de chuva:

- No centro do pixel mais frio, começa-se assinalar o pixel convectivo e fazendo um espiral em volta deste ponto começa-se a assinalar os pixels convectivos até que a fração convectiva esteja completa;

- Finalmente as temperaturas mais frias que a temperatura do anvil (estratiforme) que não receberam classificação convectiva são assinaladas como estratiforme e recebem uma taxa de precipitação de 2 mm/h.

The Operational GOES Infrared Rainfall Estimation Technique

Vicente, G.A, R.A. Scofield, W.P. Menzel, 1998: The Operation GOES Infrared Rainfall Estimation Technique, Bull. Amer. Meteor. Soc., vol. 79, 9, 1883-1898.

Este artigo descreve a técnica operacional do National Environmental Satellite Data and Information Service (NESDIS) at the National Oceanic and Atmospheric Administration (NOAA) de estimativa de precipitação que utiliza dados de imagem de satélite no infra-vermelho e a saída de parâmetros meteorológicos do modelo de previsão do tempo ETA.

 

A técnica, conhecida com auto-estimador, tem como principal aplicação: a previsão de enchentes, modelos numéricos e para hidrologia operacional (uma ferramenta de complementação para com os dados do NEXRAD – 120 radares meteorológicos).

O Método utiliza as temperaturas de brilho do infravermelho do canal 4 (10.7 m) dos satélites GOES8 e GOES9, e as converte a partir de uma relação de potência para taxa de precipitação.

A taxa de precipitação utilizada pela equação de potência foi estimada pelo radar (a qual é ajustado com pluviômetros).

Além disso, a taxa de precipitação é ajustada para diferentes regimes de umidade, crescimento das células convectivas e gradientes espaciais das nuvens.

Metodologia:

 

• Calcular a taxa de precipitação através de um regressão de potência;

• Utiliza os índices de umidade relativa e água precipitável do modelo ETA do National Centers for Environmental Prediction (NCEP);

• Separa pixels que estão chovendo ou não:- Crescimento e decaimento;- gradiente espacial;

a)      Taxa de Precipitação X Tb

 

As taxas de precipitação estimadas pelo radar e ajustadas com pluviômetros (Região central dos US, Great Plains e Golfo do México) foram colocadas sobre a mesma projeção do satélite.

 

Determina-se a distribuição de freqüências para Tb e R, uma vez que as duas variáveis não são totalmente correlacionadas.

A partir desta distribuição correlaciona-se a distribuição de probabilidades, (PMM) e se ajusta uma curva.

 

R = 1.1183x1011 exp{-3.6382x10-12 T1.2}

Como Funciona a PMM?

Para cada freqüência de Probabilidade obtemos o par correspondente de Taxa de

Precipitação e Temperatura de Brilho

Cria-se uma tabela ou uma relação

Comparação entre a Taxa de Precipitação média estimada e a observada pelo radar meteorológico

b)      Correção por umidade

A aplicação de uma simples curva de regressão entre temperatura e precipitação pode gerar erros, uma vez que a relação entre a temperatura de topo da nuvem e precipitação na superfície varia com o tipo de chuva (tempestades, pancadas de chuva, linhas de instabilidade, frentes, nimbus, cumulus congestus e etc.), estação do ano, localidade, condições diversas nas camadas mais baixas, e etc;

 

Prevendo isso, Scofield em 1987 propôs uma correção na precipitação estimada a partir da umidade relativa.

Sendo que o fator de correção foi definido como sendo PWRH:

PWRH é o produto da água precipitável (PW, em polegadas) (definido pela camada a partir da superfície até a altura de 500 mb) e a umidade relativa (RH, em %) média entre a superfície e o nível de 500 mb.

Neste artigo, o fator PWRH é escalado para variar de 0 a 2:

PWRH < 1 ambiente seco Base das tempestades é bem alta;

PWRH > 1 ambiente úmido

 

Este fator diminuirá a precipitação para ambientes secos e aumentará para ambientes úmidos.

Entretanto eles observaram que para temperaturas inferiores a 210 K, havia uma mudança muito rápida da taxa de precipitação. Sendo assim eles criaram 2 condições:

 

-         Se T < 210 K e PWRH > 1, a umidade do ambiente é bem alta, e precipitação não deverá ser multiplicada por PWRH;

-         Se T < 200 K, a taxa de precipitação deverá ser limitada a 72 mm/h (isso se deve ao fato que os autores, argumentam que precipitações superiores a este valor estão associados a presença de granizo, e isso implicaria em um excessivo erro para precipitações que não possuem esta característica mesmo com temperaturas baixas)

c)      Correção por taxa de crescimento da nuvem:

 

Esta correção é utilizada para discriminar os pixels que estão chovendo dos que não estão.

Isto se baseia nos trabalhos de Woodley et al. (1972) e Scofield (1987), aonde eles observaram que as nuvens em processo de decaimento e nuvens com topos frios mas que tornam-se quentes produzem muito pouca precipitação ou nenhuma.

 

O fator de correção neste caso será

0 sem chuva

1 com chuva

Como calcula-se este índice:

 

-         Se os pixels mais frios da primeira imagem são mais frios na segunda, o sistema convectivo está se intensificando e os pixels da primeira imagem são associados com taxas de precipitação intensa. Fator = 1

-         Se os pixels mais frios da primeira imagems são mais quentes na segunda, o sistema convectivo esta enfraquecendo e os movimentos verticais estão cessando. Fator = 0

-         Se não existe nenhuma mudança na temperatura do topo da nuvem em duas imagens consecutivas (sem crescimento ou decaimento) o Fator =1.

d) Correção pelo gradiente de temperatura:

 

A ideia é o de buscar os pixels que estão acima da média da nuvem, e assim identificar os pixels associados com convecção ativa.

Para isso, tenta-se encontrar os topos de nuvem mais altos (frios) e mais baixos (quentes) centrados em áreas de 3x3 pixels, Po=(xo,yo).

 

Definindo a temperatura do topo da nuvem como T = T(x,y), podemos calcular o Maximo e Mínimo a partir da primeira e da segunda derivada de T no espaço:

)())(( ''0/,/

''/

''/

'/,'/

2''

/,/

2'/

2''/

2'/

2''/

yyxoxxyoyyxoxx

yoyxoxyoyyxoxx

yoyyoyy

xoxxoxx

TTTH

dxdy

TT

dy

TT

dx

TT

H > 0 e < 0 maximo;

H > 0 e < 0 minimo;

H < 0 não maximo e não minimo;

H = 0 não se sabe

2'/

2

xoxdx

T

2'/

2

xoxdx

T

Logo o fator pode ser ajustado como:

 

Se Po é máximo, indica que a temperatura Po é mais fria que os vizinhos, Fator =1

-         Se Po é mínimo, indica que a nuvem é mais baixa e quente que os vizinhos, logo, Fator =0

-         Se Po não é nem mínimo nem máximo, indica que Po está na mesma altura que os demais, Fator = 0

-         Se Po não pode ser definido, o processo é recalculado a partir da média de 5x5 pixels

 

e)     Cáculo da Precipitação final:

 

1-Versão taxa de crescimento:

 

PPT = R(regressão) X Fator(PWRW) X Fator(Crescimento)

 

2-Versão gradiente:

 

PPT = R(regressão) X Fator(PWRW) X Fator(Crescimento) X Fator(gradiente)

Radar IR

IR+PWRH IR+PWRH+Grad

IR+PWRH+Grad+Cres

Sferics Infrared Rainfall Technique

Morales, C.A. and E.A. Anagnostou, 2003: Extending the Capabilities of High-Frequency Rainfall Estimation from Geostationary-Based Satellite Infrared via a Network of Long-Range Lightning Observations. J. Hydrometeorology, vol. 4, 141-159.

Esta estimativa de precipitação Esta estimativa de precipitação é é baseada baseada a partir de medidas de a partir de medidas de raios e GOES-IR ajustado com os raios e GOES-IR ajustado com os dados do radar meteorológico dados do radar meteorológico TRMMTRMM

HipótesesHipóteses

•Reprodução da distribuição de precipitação observada pelo TRMM-PR

• Raios estão associados com partículas de gelo;

• Area de chuva e fração convectiva são funções da area da nuvem e da cobertura de raios;

• Tempestades e Pancadas de chuva possuem diferentes propriedades e consequentemente tem distribuições de precipitação distintas.

ComposiComposição do ção do IR e TRMM-PRIR e TRMM-PR

Construir banco de dados deRaio, GOES-IR e TRMM-PR

Extração dos dados

em nuvens precipitantes

Area de NuvemTb, Raios, Achuva

Area: Cv,St,O

Obter as relações de Area de Chuva

e Fração Cv e StPara nuvens LTG e NLTG

Dependencia em intervalos

de Tmode

NuvensLTG-NLTGTerra-Mar

Obter as relações de Taxa de PPTem função da Tb e Freq. Raios

PPT dependeTmode, Terra,

Mar, LTG eNLTG

ConvectivaE

Stratiforme

Algorítimo de Estimativa de Precipitação Algorítimo de Estimativa de Precipitação

Dez 97 e Jan 98 = 631 Orbitas do PRDez 97 e Jan 98 = 631 Orbitas do PR366 LTG e 3103 NLTG usadas na calibração366 LTG e 3103 NLTG usadas na calibração

Determinando Area de PPT e as Taxas de PPTDeterminando Area de PPT e as Taxas de PPT

Definir Nuvens com Tb< 258 KDefinir Nuvens com Tb< 258 KCalcular TmodeCalcular Tmode

Classificar LTG e NLTGClassificar LTG e NLTGCalcular a Area de PPTCalcular a Area de PPTCalcular a Fração Cv, StCalcular a Fração Cv, St

Obter o indice de histogramas de TbObter o indice de histogramas de TbNLTGNLTGClassificar primeiro comClassificar primeiro com

indices CV os pixels com as Tbindices CV os pixels com as Tbmais baixas até se atingir mais baixas até se atingir

a %PPT-Cv.a %PPT-Cv.Posteriormente, assinalarPosteriormente, assinalarindices St para o resto dosindices St para o resto dospixels até atingir area totalpixels até atingir area total

de chuvade chuva

Depois que as Nuvens foram Depois que as Nuvens foram classificadasclassificadas

como regiões Cv e St, o programacomo regiões Cv e St, o programacarrega as relações de taxa de pptcarrega as relações de taxa de ppt

de acordo com Tmode,de acordo com Tmode,Terra/Mar e LTG/NLTG Terra/Mar e LTG/NLTG

NLTGNLTGUsar as relações de Usar as relações de

RCv e RSt em funçãoRCv e RSt em funçãode Tb para os pixelsde Tb para os pixels

classificadosclassificados

LTGLTGUsar as relações de RCv-Raios Usar as relações de RCv-Raios

em função da Freq. de raio em função da Freq. de raio para os pixels com raiospara os pixels com raios

e RCv e RSt em função de Tbe RCv e RSt em função de Tbpara demais pixels classificadospara demais pixels classificados

LTGLTGClassificar primeiro comClassificar primeiro comindices Cv os pixels com indices Cv os pixels com

Raio e depois para os pixelsRaio e depois para os pixelscom IR-Tb mais baixas até com IR-Tb mais baixas até

se atingir a %PPT-Cvse atingir a %PPT-CvPosteriormente, assinalarPosteriormente, assinalarindices St para o resto dosindices St para o resto dospixels até atingir area totalpixels até atingir area total

de chuva de chuva

ResultadosResultados• Define-se o algorítimo de estimativa de precipitaçãoDefine-se o algorítimo de estimativa de precipitação::

Sferics Infra-Red Technique - SIRT Sferics Infra-Red Technique - SIRT

• TRMM-PR durante Fevereiro de 1998;TRMM-PR durante Fevereiro de 1998;

- - Area de Chuva, Chuva Volumétrica eArea de Chuva, Chuva Volumétrica e ;;

- - Taxa de Precipitação instantâneaTaxa de Precipitação instantânea ..

• Pluviometros (Dezembro de 1997 ate Fevereiro de 1998)Pluviometros (Dezembro de 1997 ate Fevereiro de 1998)

- - DistribuiçõesDistribuições de Probabilidade; de Probabilidade;

- Ciclo - Ciclo diáriodiário;;

- Estimativas Mensais.- Estimativas Mensais.

•Avaliação da assimilacão de medidas de raiosAvaliação da assimilacão de medidas de raios- Comparacões com o TRMM-PR e Pluviometros- Comparacões com o TRMM-PR e Pluviometros ..

Area da Análise : 125W-45W and 40N-10S

ComparaçõesComparações entre TRMM - PR e SIRT entre TRMM - PR e SIRT

TRMM-PR: Area de Chuva

Area de Chuva Tempestades Pancadas de Chuva

(graus2) CC NBIAS(%) CC NBIAS(%) CV 0.87 -20.52 0.72 -29.11 ST 0.97 -21.83 0.96 -29.15

Total 0.97 -21.55 0.96 -29.14

TRMM-PR: Chuva Volumétrica

Chuva Vol. Tempestades Pancadas de Chuva

(m3) CC NBIAS(%) CC NBIAS(%) CV 0.64 46.79 0.76 -52.61 ST 0.77 -45.57 0.82 -31.94

Total 0.67 19.54 0.82 12.52

Tempestades

Pancadas de Chuva

TRMM-PR

Distribuição da taxa de

precipitação

TRMM-PR

SIRT

TRMM-PR: Ciclo Diário – Taxa de Precipitação

TRMM-PR

SIRT

Comparação com PluviometrosComparação com Pluviometros

Distribuição de Probabilidade e Ciclo Diário

Pluviometros SIRT

Precipitação Média MensalPrecipitação Média Mensal

1x1 graus2 2x2 graus2

Bias=2.4%Bias=2.4% Bias = 0.27%Bias = 0.27%

Análise da utilização de medidas de RaiosAnálise da utilização de medidas de Raios

Simulation Rain

Area CC NBIAS(%)

With 0.97 -26.08 Without 0.95 -37.83 Simulation Rain

Volume CC NBIAS(%)

With 0.75 16.66 Without 0.70 -24.07

degree2 CC NBIAS(%)0.1 x 0.1 0.62 0.49 5.77 -46.520.2 x 0.2 0.61 0.55 9.48 -43.200.5 x 0.5 0.63 0.59 9.64 -41.461.0 x 1.0 0.64 0.60 23.58 -37.632.0 x 2.0 0.61 0.58 35.43 -39.10

ComparaçãoComparação com o TRMM PRcom o TRMM PR

ComparaçãoComparação com os Pluviometroscom os Pluviometros