Development of a plugin for spatial downscaling satellite precipitation data for groundwater models and its application on semi-arid zones

• Main Author: Vicente de Oliveira, Jhonata
• Publication Date: 2021
• Other Authors: Coelho, Fernando, Guiguer, Nilson
• Format: Article
• Language: por
• Source: Águas Subterrâneas (São Paulo. Online)
• Download full: https://aguassubterraneas.abas.org/asubterraneas/article/view/29839

O uso de dados de precipitação estimados por sensoriamento remoto são uma poderosa ferramenta na gestão de recursos hídricos. O satélite TRMM (Tropical Rainfall Measumement Mission) por exemplo permite estimar a precipitação diária desde 1997 em escala global. Contudo, a baixa resolução espacial destes produtos (~27km) os tornam pouco utilizados em estudos de detalhe como em minas e áreas industriais. Diversos estudos apresentam soluções para realizar o downscaling (redução de escala) destes produtos para torná-los compatíveis com tais estudos. Contudo são tipicamente soluções customizadas, que não são disponibilizadas como uma ferramenta de fácil manuseio para outros usuários. O NETCDF Toolbox é um novo plug-in com uma interface amigável para fazer os processos de redução de escala (downscaling) de dados de precipitação dentro da suíte ArcGIS. A ferramenta foi desenvolvida em Python e é compatível com modelos de regressão linear e não linear. É também apresentado um procedimento para ser usado em conjunto com o plug-in para extração, análise, e correlação dos dados de precipitação TRMM com estações pluviométricas. O plug-in foi testado em duas regiões semi-áridas, localizadas no México e no Peru. Em ambas as áreas haviam poucos pontos de medição e também falhas nas séries temporais. O NETCDF Toolbox foi capaz de executar o procedimento de redução de escala de precipitação de forma satisfatória. As variáveis utilizadas com dados de alta resolução para o modelo de regressão foram o Modelo Digital de Elevação e o Índice de Vegetação Normalizada (NDVI). A validação cruzada com os dados reais apresentou valores de r² superiores a 0.86, mostrando boa relação entre as variáveis. Ambos os tipos de modelo de correlação foram executados, alcançando resoluções de 30m em uma das áreas e de 1km para a outra.