HYDROLOC

manuscrito aceptado
Los artículos de revisión
Evaluación de las estimaciones de precipitación extrema de TRMM en Angola Sandra Pombo,
Rodrigo de Oliveira Proença PII:
S0022-1694 (15) 00125-0

DOI: http://dx.doi.org/10.1016/j.jhydrol.2015.02.014
Referencia: HYDROL 20257
Aparecer en: Journal of Hidrología
Fecha de recepción: 19 de noviembre 2014
Fecha revisada: 29 de de enero de el año 2015
Fecha de aceptación: 5 de febrero de el año 2015
Por favor citar este artículo como: Pombo, S., de Oliveira, RP, Evaluación de las estimaciones de precipitación extrema del TRMM en Angola, Journal of
Hidrología ( 2015), doi: http://dx.doi.org/10.1016/j.jhydrol.2015.02.014
Este es un archivo PDF de un manuscrito inédito que ha sido aceptado para su publicación. Como un servicio a nuestros clientes estamos proporcionando esta
primera versión del manuscrito. El manuscrito será sometido a la corrección de estilo, composición y revisión de la prueba resultante antes de que se publique en su
forma final. Tenga en cuenta que durante los errores en el proceso de producción se pueden descubrir lo que podría afectar el contenido, y todos los avisos legales
que se aplican a la revista pertenecen.

1 Evaluación de las estimaciones de precipitación extrema de TRMM en Angola
2
3 Sandra Pombo ( 1), Rodrigo de Oliveira Proença

4 Cehidro, Departamento de Ingeniería Civil, Arquitectura y Georecursos, Instituto Superior Técnico,
5 Universidad de Lisboa
(1) E_mail: sandra.m.pombo@gmail.com , Tel .: 351 917 612 462
6
7 Resumen
En el lugar suelo medición observación de precipitación es difícil en áreas extensas y poco pobladas, con 8
redes de carreteras en mal estado. Este artículo examina el uso de sensores remotos instalados en satélites y evalúa la 9
la precisión de un máximo anual de estimaciones de precipitación diaria TRMM 3B42 en Angola, en África occidental, una región 10
donde las redes de monitoreo de tierra son en general. TRMM 3B42 estimaciones del máximo anual diario 11
precipitación se comparan a tierra los datos de observación de 159 lugares. Como una comparación directa entre el 12
los dos conjuntos de datos para un período específico común y los sitios no es posible, un enfoque estadístico se adoptó a 13
probar la hipótesis de que las estimaciones TRMM 3B42 y los registros de control de tierra exhiben similares 14
características estadísticas. 15
El estudio muestra que las estimaciones de precipitación diaria máxima anual obtienen de TRMM 3B42 ligeramente 16
subestimar los cuantiles obtenidos a partir de la en el lugar observaciones. El uso de productos de teledetección a 17
estimar los valores extremos de precipitación para fines de diseño de ingeniería Sin embargo, es prometedor. Un máximo diario 18
mapa de precipitación para un período de retorno de 20 años se calculó como en el futuro, como la longitud de la distancia 19
detección de aumentos de la serie de datos, puede ser posible estimar la precipitación diaria máxima anual estima 20
exclusivamente a partir de estos conjuntos de datos para períodos de retorno más grandes. 21
22 El documento también presenta mapas de la las proporciones, donde es la precipitación máxima anual para una
23 d duración y un período de retorno de T años, y es la precipitación máxima diaria anual para un periodo de retorno
de T años. En conjunto con estos mapas es posible estimar la precipitación máxima para las duraciones 24
entre 3 horas y 5 días. 25
palabras clave: precipitación máxima diaria, análisis de frecuencia de la precipitación, análisis regional, TRMM, Angola. 26
27 1 Introducción
Cuando las condiciones de drenaje son inadecuados, las precipitaciones extremas conducen a inundaciones, daños a la propiedad a 28
y la posible pérdida de la vida animal y humana. Este riesgo es particularmente grave en los países en desarrollo, donde 29
infraestructura de drenaje, previsión de inundaciones y sistemas de gestión de emergencias a menudo están ausentes. 30
Evaluación de las estimaciones de precipitación extrema de TRMM en Angola
Dada la variabilidad espacial y temporal significativa de precipitación, se requiere un gran conjunto de datos para estimar la 31
valores asociados con eventos extremos. Tradicionalmente, estos datos son proporcionados por las redes de en el lugar monitoreo 32
estaciones que son costosos de mantener en vastas y desérticas áreas, como es el caso de muchos países africanos. en 33
Angola, este problema se agrava aún más por la guerra civil que prohibía viajar dentro del país y 34
impedido el mantenimiento adecuado de la mayoría de las estaciones de monitoreo. 35
Hoy en día, hay una serie de productos estándar que se mezclan las mediciones de sensores instalados en satélites 36
con las observaciones de tierra para ofrecer estimaciones de precipitación sobre una base regular, como TRMM (Huffman et al., 37
38 1995, Huffman et al., 2007), GPCP (Schneider et al., 2010), CMORPH (Joyce et al., 2004) y PERSIANN
(Sorooshian et al., 2000). Los errores de estimación asociados a estos productos derivados de satélites surgen de 39
muchas fuentes diferentes y siguen siendo significativas, lo que dificulta la posibilidad de recomendar un solo producto a ser 40
utilizado en todas las circunstancias. En particular, la reducción del número de estaciones de control de tierra disponible en África 41
para corregir, dentro del algoritmo, las estimaciones de precipitación originales de sensores remotos reduce la exactitud 42
de las estimaciones finales de este continente. 43
Varios estudios han evaluado el rendimiento de estos productos de teledetección para estimar la precipitación en 44
África mediante la comparación de las estimaciones mensuales y anuales de precipitación a partir de sensores remotos con los datos de calibre planta 45
(Hughes, 2006; Nicholson et al., 2003;. Pombo et al, 2013), lo que demuestra que, entre los productos existentes, el 46
estimaciones de precipitación de los productos del TRMM (en particular, el producto TRMM 3B43 que ofrece mensualmente 47
valores de precipitación) se desempeñan mejor. Awadallah et al. (2011) evaluaron el rendimiento de la TRMM 3B42 48
producto, que ofrece valores de precipitación en intervalos de 3 horas, en la estimación de los valores máximos de precipitación a las seis 49
ubicaciones en noroeste de Angola y llegaron a la conclusión de que los datos a partir de 3 horas a 24 horas son consistentes con el 50
proporciones de Bell (Bell, 1969). 51
Este artículo revisa las estimaciones de máxima anual de los valores diarios de producto TRMM 3B42 para Angola 52
y los compara con los valores derivados de las mediciones de tierra. El análisis se basa en diario 53
valores de precipitación porque el período más corto de en el lugar mediciones de precipitación diaria. La estimación 54
errores del producto TRMM 3B42 se evalúan y métodos para corregir ellos se proponen. Las proporciones entre el 55
También se presentan los valores de precipitación sub-diarias y los valores de precipitación diaria, lo que permite la propuesta de 56
relaciones lluvia-duración-frecuencia para duraciones más cortas de un día. 57
El conjunto de datos de observaciones de tierra de precipitación se recogió a partir de diferentes fuentes a través de una intensa 58
esfuerzo para recopilar datos hidrológicos sobre Angola. Esto constituye una importante contribución a este científico y 59
campo de la ingeniería como los datos de seguimiento de Angola precipitación es escasa en las bases de datos internacionales. 60
2
61 2 red de monitoreo de precipitación Angola
La República de Angola es el quinto país más grande de África, con una superficie de 1 246 700 kilometros 2 y un océano occidental 62
frente a 1.650 kilometros. Las país comparte fronteras con la República Democrática del Congo (en el norte), Zambia (en 63
Este) y Namibia (en el sur). Alrededor de 60% del territorio es una secuencia de mesetas en el centro de la 64
país, con una altitud de entre 1000 my 2000 m. El pico más alto de alcanzar 2620 m es Monte Moço, en 65
la provincia de Huambo. Afluentes de los principales ríos de África tienen su origen en esta meseta central, con agua 66
cursos que fluye hacia el norte de Zaire (o Congo), al este, hacia el río Zambeze, en el sureste hacia el 67
Okavango y suroeste hacia el Cunene (Figura 1). 68
El clima de Angola está determinada en gran parte por la topografía del terreno, dominado meseta central; por la presencia de un 69
centro de alta presión en el Atlántico sur y de un centro de baja presión sobre el continente; y por el frío 70
Benguela corriente oceánica que fluye hacia la costa y luego a lo largo de la costa hacia el norte. El clima varía de 71
considerablemente desde la costa hasta la meseta central y de norte a sur a lo largo de la costa. el 72
regiones del norte, este y central tienen un clima tropical húmedo con una larga temporada de lluvias. Al sur de Luanda 73
ya lo largo de la costa hacia el desierto de Namibe, en el suroeste, el clima varía de un clima tropical seco, 74
con una estación seca más larga que la temporada de lluvias, a un clima caliente del desierto, donde la lluvia es escasa (Dupont et al., 75
76 2008).
La precipitación media anual de más de Angola es de aproximadamente 1,100 mm, variando significativamente sobre el territorio, de cerca 77
en relación con la altitud. Por la costa, por debajo de 100 m, la precipitación media anual es generalmente menor que 78
500 mm, pero alcanza valores por encima de 1000 mm en el interior donde la altitud es superior a 800 m. Namibe, 79
en el suroeste del país, registra una precipitación media anual de 50 mm, mientras que Dundo, en el noreste, 80
registra 1,600 mm (Figura 2). En promedio, más del 95% de la precipitación anual se produce en la estación húmeda. Los dos claramente 81
temporadas de lluvia distintivos son controlados por el movimiento de la Zona de Convergencia Intertropical y por lo general 82
la temporada de lluvias se produce de octubre a abril (Lars, 2004). 83
La estación de control más antigua de Angola es João Capelo, instalado en 1857 en la ciudad capital de Luanda. A partir de 84
1940 en adelante, se hizo un esfuerzo importante para crear una red de vigilancia de las precipitaciones estructurado que alcanzó el 85
145 estaciones en la década de 1940 y 371 estaciones en la década de 1960. En 1974, había 465 estaciones con más 86
de cinco años de registros completos, pero la guerra civil que siguió a la independencia se debilitó este esfuerzo y 87
sólo 18 estaciones ubicadas en las principales ciudades se mantuvieron en funcionamiento. La Figura 1 muestra la ubicación de la 88
estaciones de vigilancia en funcionamiento inmediatamente después de la guerra civil. En el inicio del nuevo milenio el conjunto de 89
3
estaciones en funcionamiento se redujo a 14, un número claramente insuficiente para este vasto país, pero el final de la 90
guerra civil proporciona la oportunidad de aumentar la inversión en actividades de seguimiento. 91
Para la investigación actual se hizo un gran esfuerzo para recopilar datos de precipitación a partir de fuentes distintas en Angola 92
y Portugal. La mayoría de los datos se obtuvieron de la red libros de registro impresos publicados por el 93 Angola
Met Office y existentes en el Instituto D. Luiz (Lisboa), el portugués Biblioteca Nacional y el 94 Angola
Instituto Nacional de Recursos Hidráulicos. Las buenas prácticas de la Oficina Meteorológica de Angola declaró que un 95 anual
el valor máximo de precipitación diaria se publicó sólo si el registro completo de la precipitación diaria fue de 96
disponibles para ese año. La Tabla 1 resume el resultado de este esfuerzo, que incluye 465 estaciones de lluvia. Para seis 97
estaciones que fue posible recolectar los registros de precipitación diaria máxima anual con más de 40 años. en 98
Además, 24 estaciones tienen registros con longitudes entre 30 y 40 años. Tabla 2 enumera las 159 estaciones utilizadas en 99
este estudio y sus características principales, todas las estaciones que tienen más de 20 años de máxima precipitación diaria 100
datos. La figura 4 muestra la ubicación de las 159 estaciones de control utilizados. 101
El promedio de los valores de precipitación diarias máximas anuales varía de 111,3 mm / día, en Colonia de S. 102
João, en la región de la costa norte, a 6,9 mm / día, en Porto Alexandre, en la costa suroeste. El promedio 103
máximo de precipitación diaria varía significativamente a lo largo de la costa, aumentando desde el desierto Namibe, en el 104
al sur, a Cabinda, en el norte. En el interior, la máxima media de precipitación diaria disminuye con el 105
altitud, que van en la media más o menos de 110 mm / día a 50 mm / día (Figura 3). El máximo absoluto de diario 106
precipitación de 360,0 mm / día se registró en noviembre de 1953 en Cameia, en el sur interior. tres 107
estaciones de monitoreo ubicadas en la costa suroeste (Namibe, Porto Alexandre y Bahía de los Tigres) no lo hicieron 108
registrar un solo milímetro de precipitación durante un año completo. El coeficiente de variación anual del 109
valores máximos de precipitación diaria se encuentra entre 0,2 y 1,3 y la asimetría entre 4,34 y -1,31. el 110
asimetría es negativo en sólo 12 estaciones. 111
112 3 La teledetección producto de las lluvias - 3B42 TRMM
Hoy en día, (es decir, con su propia fuente de radiación electromagnética como el radar) y instrumentos pasivos activos son 113
utilizado para estimar precipitación a partir de la radiación electromagnética recibida de o reflejada por las nubes y 114
lluvia cae. Estos sensores remotos trabajan en el microondas (MW), infrarrojo (IR) y en las bandas visible (VIS). 115
La Misión de Medición de Lluvias Tropicales (TRMM) fue inicialmente una misión de prueba concebidos principalmente para el estudio de 116
tropical y la precipitación y para verificar su influencia sobre el clima global subtropical, pero rápidamente se convirtió en un 117
referencia para el estudio de la precipitación (Kummerow et al., 1998). Los instrumentos a bordo del satélite TRMM 118
4
son el TRMM Microwave Imager (TMI), el radar de precipitación (PR) y el escáner infrarrojo visible (VIRS), 119
el sistema de nubes y sensor de energía radiante de la Tierra (CERES) y el sensor de imagen Rayo (LIS). El TRMM 120
productos incorporan datos de los instrumentos de satélite TRMM y mediciones realizadas por una variedad de otros bajo 121
plataformas órbita de la tierra y satélites geoestacionarios para proporcionar estimaciones de precipitación con una resolución espacial de 122
123 0,25 ° Lat / Long (Huffman et al, 1995;.. Huffman et al, 2007). fuentes externas de datos utilizados en los algoritmos del TRMM
incluir sensores pasivos MW de la DMSP (Defensa Programa de Satélite Meteorológico), el satélite Aqua y 124
la serie de satélites NOAA, así como los datos de IR constelación internacional de la tierra geosíncrona 125
satélites en órbita. Para calibrar y mejorar la fiabilidad de las estimaciones y reducir al mínimo las diferencias entre 126
estimaciones de satélite y mediciones en tierra, hay un programa paralelo de validación en tierra que utiliza 127
radar meteorológico y pluviómetros en varias estaciones a lo largo de la pista intertropical. El África occidental, el TRMM 128
producto tiene buenos resultados cuando se compara con los datos de calibre en un paso de tiempo mensual (Nicholson et al., 2003, 129
Pombo et al., 2013). 130
Los dos productos principales de esta familia, 3B42 y 3B43, ofrecen una resolución temporal de tres horas y 131
un mes, respectivamente, y una resolución espacial común de 0,25 ° latitud / longitud (figura 4), en el rango entre 132
50 ° S y 50 ° N. El conjunto de datos intervalo de 3 horas usado en esta investigación fue a partir del producto TRMM 3B42 (versión 7) 133
y se extiende desde octubre de 1998 a septiembre de 2013. Se obtuvo en http://mirador.gsfc.nasa.gov/services. 134
135 4 Metodología
Las estimaciones de precipitación diarios desde TRMM 3B42 (versión 7) se evaluaron mediante la comparación de ellos con 136
mediciones de la estación de tierra. El análisis utiliza el registro máxima precipitación diaria anual de 137
159 estación de tierra con más de 20 años de datos. Por 10 estaciones dentro de este conjunto de datos, que también era posible al 138
recoger el registro completo precipitación diaria de cada año, además de la cantidad máxima anual, y calcular 139
los valores máximos anuales para la duración de 48h, 72h, 96h y 120h. 140
Los controles de calidad se realizaron en los registros pluviómetros para comprobar si alguna causa desconocida, como un 141
cambio en la ubicación de la estación o del equipo de medición y el método, podría haber afectado a la 142
homogeneidad en serie y estacionariedad. parcelas de masa dobles y pruebas sobre los medios parciales se utilizan para comprobar 143
homogeneidad de las series de datos de precipitación anual, y ninguna serie de datos fue rechazada con una confianza 144
intervalo de 95%. La figura 5 compara las distribuciones empíricas de la precipitación diaria máxima anual 145
valores montaje de las 159 estaciones en 8 regiones (Figura 4). Las parcelas (Figura 5) muestran que las distribuciones de 146
estaciones cercanas son muy similares, con la posible excepción de la región sur-oeste (parcela G). baja 147
5
valores de precipitación en el desierto de Namibe por la costa y un terreno escarpado de la costa al interior 148
explicar las diferencias de precipitación. 149
Al comparar las estimaciones de la lluvia a partir de productos de satélite con las mediciones de estaciones en tierra los diferentes 150
escalas espaciales de los dos conjuntos de datos tienen que ser considerados cuidadosamente. estimaciones basadas en satélites se ofrecen en un 151
formato de la rejilla, mientras que las mediciones de tierra comprenden valores de precipitación en puntos específicos. La comparación 152
de los valores de precipitación en una estación de medición dada requiere el cálculo de las estimaciones satelitales en ese 153
ubicación específica, que puede ser obtenido por interpolación de los valores en las celdas adyacentes dentro del satélite 154
rejilla producto. Alternativamente, se puede comparar un mapa precipitación calculado a partir de mediciones en el terreno por 155
interpolación de las mediciones terrestres en lugares específicos y un mapa de satélite estimaciones obtenidas por interpolación 156
los valores cuadriculada. 157
En esta investigación se aplicó el método inverso de la distancia de ponderación, cada vez que se requiere interpolación. el 158
estimaciones basadas en satélites en cada sitio de la estación se calcularon por interpolación de las estimaciones de la 4 adyacente 159
puntos de la cuadrícula, suponiendo que cada valor se refiere al punto medio de la red. Dada la densa y regular 160
resolución de la cuadrícula TRMM, este método proporciona una estimación precisa de la medición TRMM. el 161
mapas de precipitación obtenidos a partir de mediciones en el terreno se calcularon usando los valores de precipitación de 162
los 12 puntos más próximos, debido a la baja densidad y la distribución irregular de la red de vigilancia. 163
La inexistencia de un período de mediciones terrestres y por satélite concurrentes estimaciones de los diferentes 164
fuentes de datos añade otra dificultad cuando se comparan los conjuntos de datos. Como una comparación directa entre los dos 165
conjuntos de datos para un período y sitio específico no es posible, se adoptó un enfoque estadístico para probar la hipótesis 166
que las estimaciones TRMM 3B42 y los registros de control de tierra exhiben características estadístico similar 167
(Media y desviación estándar). 168
La definición de precipitación diaria en estas dos fuentes de datos es diferente. Para las mediciones de tierra se refiere 169
ventana de tiempo a un 24 horas de iniciar 07:00-09 a.m., ya que la práctica habitual de la Met 170 Angola
Oficina era leer los instrumentos de precipitaciones en este período de la mañana. Algunos errores pueden surgir de este blanda 171
definición de precipitación diaria, que no puede ser eliminada en este punto. Las estimaciones de satélite utiliza un fijo 172
ventana de tiempo de 0:00 a 24:00. Al igual que en ambos casos se fija la ventana de tiempo, una comparación estadística (no es un 173
comparación directa) de la serie de datos de ambas fuentes de datos es posible debido a las consecuencias del uso de un 174
distinta definición de precipitación diaria debería ser insignificante. 175
6
176 4.1 La homogeneidad de los medios
La prueba t de dos muestras para medios iguales (Snedecor y Cochran, 1989) y la prueba de U de Mann-Withney (Stedinger 177
et al., 1993) se utilizaron para comprobar la homogeneidad de las medias de los dos conjuntos de datos. La prueba de Mann-Withney T 178
a menudo es visto como el equivalente no paramétrico de la prueba t de Student. Aunque se trata de una prueba no paramétrica que hace 179
asumen que las dos distribuciones son similares en forma. La estadística de prueba, T, de muestra de dos t-test para desapareado 180
los datos se define como 181
182 (1)
183 dónde norte es el tamaño de la muestra, es la media de la muestra, y es la varianza de la muestra. Si , dónde
184 es el valor crítico de la distribución t con grados de libertad, la hipótesis nula de que los dos
medios son iguales deben ser rechazadas. 185
La prueba de Mann-Withney U compara las diferencias entre dos grupos independientes (no apareados), que son 186
no distribuidos normalmente. La prueba utiliza la combinación de datos de los conjuntos de datos bajo prueba, clasificado en el aumento de 187
188 orden. El tamaño del conjunto de datos combinados es, por lo tanto, . Si es la suma de las filas de la
189 elementos de en el lugar de datos y es la suma de las filas de los elementos de TRMM de datos, tanto en el
serie combinada, la estadística de prueba, U, de la prueba de Mann-Withney se define como 190
191 (2)
192 donde
193 (3)
y 194
195 (4)
196 4.2 La homogeneidad de las desviaciones estándar
Se utilizó el test de Levene sobre la base de la mediana para comprobar la homogeneidad de la desviaciones estándar 197
(Nordstokke et al. 2011). La versión basada en la mediana de la prueba de Levene, una alternativa a la prueba original basada 198
en la media, se ha demostrado que ser robusto en situaciones en las que el conjunto de datos presenta asimetría significativa (por ejemplo, 199
Carroll y Schneider, 1985; Nordstokke et al., 2011; y Zimmerman, 2004). La estadística de prueba Levene aplica 200
a dos subgrupos de un X variable dada ( en el lugar y datos TRMM) puede definirse como 201
202 (5)
203 donde N yo es el tamaño de la muestra de cada subgrupo. es igual a
204 (6)
7
205 dónde son significa el grupo de la y es la media general de la y es la mediana de cada
206 subgrupo.
207 La prueba de Levene rechaza la hipótesis Si , dónde es la crítica superior
valor de la distribución F con 1 y N 1+ norte 2- 2 grados de libertad en un nivel de significación de α. 208
209 4.3 La selección de la función de distribución de probabilidad
Además de las pruebas estadísticas sobre la homogeneidad de la media y de la desviación estándar de ambos 210
bases de datos, las estimaciones de máxima anual de los valores diarios para diferentes periodos de retorno obtenidos tanto desde 211
se compararon conjuntos de datos. El Gumbel, Pearson III, Galton, log-Pearson tipo III y distribuciones GEV eran 212
considerado. Los parámetros del tipo de Pearson III y log-Pearson tipo distribuciones III se estimaron usando 213
el método de los momentos, mientras que se utilizó el método momentos lineal para estimar los parámetros de la 214
Gumbel, GEV y distribuciones Galton (Stedinger et al., 1993). 215
La selección de la función de distribución de probabilidad que mejor se ajusta a la distribución de ambos los datos observados 216
serie serie y los datos TRMM se basó en una evaluación visual de la gráfica de probabilidad, así como en el 217
Los resultados de la prueba de la Filiben. 218
La prueba de la Filiben asume como hipótesis nula ( H 0) que el conjunto de datos sigue un modelo de distribución dada y 219
que las diferencias entre los valores observados, X yo, y los correspondientes W yo valores, que se estima por el inverso 220
función del modelo específico para la probabilidad empírica y posiciones de trazado q yo, son debido al muestreo 221
fluctuaciones y no son estadísticamente significativas. La prueba estadística es el coeficiente de correlación, r, entre el 222
223 (observaciones ordenados X yo) y los datos correspondientes ( W yo).
224 (7)
225
226 (8)
Valores de r cerca de 1,0 sugerir la aceptación de la hipótesis nula, mientras que los valores más pequeños pueden conducir a su 227
rechazo con un nivel de pre-especificado de confianza (Chowdhury et al, 1991;. Stedinger et al, 1993 y Vogel et 228.
229 al., 1991).
230 4.4 métodos de regionalización
El uso de funciones de distribución de probabilidad con dos o tres parámetros requiere la estimación de la 231
segundo y tercer momentos población, que están mal estimadas a partir de pequeñas muestras de datos. En este caso, 232
métodos de regionalización se pueden utilizar para superar esta limitación, como los datos de varios lugares se recogen 233
en un conjunto para mejorar la estimación de los momentos de orden superior. 234
8
métodos de análisis regionales supone que el máximo de los datos de precipitación diaria normalizado en cada planta 235
236 estación i, , tiene la misma distribución en cada sitio en la región, a excepción del parámetro de escala. los
coeficiente de variación y el coeficiente skeweness de la precipitación máxima diaria estandarizada son 237
considera constante en toda la región y puede estimarse a partir del conjunto de datos recopilación de los datos normalizados 238
239 desde todas las ubicaciones en las regiones. El cuantil de precipitación para un período de retorno dado, , Puede estimarse
240 la ecuación (9), donde es el cuantil normalizado regional para el período de retorno T y es la media de la
precipitación máxima diaria en i sitio. 241
242 (9)
Para este propósito se consideraron dos regiones: uno incluye las 27 estaciones ubicadas en altitudes inferiores a 243
70 m, y el otro el 132 estaciones. Se utilizó la prueba basada en Wiltshire Cv para comprobar si las series de datos podría ser 244
agrupados en estas dos regiones (Wiltshire, 1986 apud Awadallah et al. 2011). La estadística de prueba, S, se define como 245
246 (10)
247 donde M es el número de sitios en la región, es el coeficiente de variación en el sitio yo, V es el regional
248 varianza y es la longitud de registro en el sitio yo. S es • 2 distribuido, con N-1 grados de libertad. Si
249 • , dónde • es el valor crítico de la • 2 distribución con n-1 grados de libertad,
la hipótesis nula de que las dos regiones son homogéneas debe ser rechazada. 250
El uso de un pico de más de un enfoque de umbral es otro enfoque para mitigar el problema que surge de pequeña 251
conjuntos de datos, pero no se aplican en este caso. 252
253 4.5 error de estimación
Dos conjuntos de estimaciones de precipitación diaria máxima anual para períodos de retorno específicos se calcularon a partir de la 254
conjunto de datos TRMM 3B42. El primero utiliza el récord de 15 años en un sitio específico para estimar la precipitación 255
cuantiles, mientras que la segunda utiliza el método de regionalización. El error de estimación de estas estimaciones obtuvo 256
de TRMM se evaluó 3B42 conjunto de datos suponiendo que la estimación de la en el lugar registro es preciso. el 257
258 error de estimación ( se definió como
259 (11)
Basado en la prueba Resultados Dos conjunto de mapas de precipitación máxima diaria se calculan. El primero fue 260
obtenida mediante la interpolación de los cuantiles de precipitación calculadas para cada una de las 2856 células de la TRMM 3B42 261
cuadrícula, utilizando la estimación regional de la segunda y tercera momentos. El segundo mapa se obtuvo por 262
9
interpolación de los cuantiles de precipitación calculados en cada estación de tierra y que se extiende la en el lugar registro 263
con las estimaciones de precipitación TRMM 3B42. Las estimaciones de precipitación resultantes de la primera opción de utilizar un 264
serie corto de datos de 15 valores que perjudiquen su exactitud. Las estimaciones de precipitación resultantes de la 265
segunda opción sólo están disponibles en los sitios donde el registro de estación de monitoreo de tierra y el TRMM 266
registro tiene propiedades estadísticas similares, según la evaluación de las pruebas estadísticas y la prueba de la Filiben. espaciales 267
errores de interpolación pueden surgir de este enfoque. 268
269 4.6 Ratios
270 Para calcular las estimaciones de precipitación para diferentes duraciones de un día, la Se analizaron las proporciones,
271 dónde es la precipitación máxima anual para una duración d y por un período de retorno de T años y es el
la precipitación máxima diaria anual para un periodo de retorno de T años. Las proporciones de la precipitación promedio 272
Se calcularon los valores, así como la relación de las precipitaciones para un período de retorno de 20 años. 273
Los registros TRMM 3B42 con un paso de tiempo de 3 horas permite el cálculo de estas relaciones durante 3 h, 6 h, 12 h, 274
275 24 h, 48 h, 72 h, 96 h y 120 h para cada celda de la cuadrícula computacional producto. Para estimar para cada
ubicación de una función de distribución de probabilidad se ajustó a la serie de tiempo de precipitación máxima anual en 276
una duración re. Por 10 estaciones de monitoreo en los registros diarios completos están disponibles era posible 277
278 estimar la relaciones para duraciones de más de 24 horas, y comparar luego con el relaciones
obtenido a partir de los registros TRMM 3B42. 279
280 5 resultados
281 5.1 Las pruebas de homogeneidad
La Figura 6 compara la media, el coeficiente de variación y el coeficiente de asimetría del máximo 282 anual
valores de precipitación diarias de la en el lugar y los conjuntos de datos TRMM 3B42 en 159 localizaciones, correspondiente a la 283
estaciones de monitoreo. El período utilizado para calcular las estadísticas de cada conjunto de datos es diferente, pero está claro 284
que hay una ligera tendencia de TRMM 3B42 a subestimar la precipitación máxima diaria anual de 285
(Figura 6a). Collischonn et al. (2008) ya había verificado esta tendencia subestimación cuando se analizan 286
estimaciones de precipitación TRMM 3B42 para Brasil. Las estaciones situadas a una altura menor que 70 m, de acuerdo 287
La figura 6a, se puede dividir en dos grupos: las estaciones ubicadas en el desierto Namibe en el suroeste de Angola 288
muestran una ligera tendencia de TRMM 3B42 a subestimar la precipitación máxima diaria anual; en las estaciones 289
situado a lo largo de la costa, TRMM 3B42 sobreestima la precipitación máxima diaria anual. Figura 6b 290
muestra que el registro TRMM 3B42 tiene significativamente mayor coeficiente de variación de los valores en algunas estaciones, 291
10
ubicada en altitudes más bajas. Los valores de coeficiente de asimetría presentan una dispersión grande con más incluido en el 292
intervalo de -0,5 a 2 (Figura 6c). 293
Los resultados de las pruebas sobre la homogeneidad de los medios de la TRMM y en el lugar conjuntos de datos, usando un 294
nivel de significación del 5%, muestran que 16 estaciones (10% de las estaciones) fallan ambas pruebas y 43 estaciones (27% de la 295
estaciones) fallan al menos una prueba. Cuando se utiliza un nivel de significación del 1%, la hipótesis nula es rechazada por tanto 296
pruebas en 6 lugares (4% de las estaciones). Los resultados de la prueba de Levene para comprobar la homogeneidad de la varianza, 297
con un nivel de significación del 5%, muestran que la hipótesis nula se rechaza en sólo 17 estaciones, es decir, 10,7% de la 298
estaciones bajo escrutinio. Las estaciones de control en el que el TRMM 3B42 y registros de control de tierra no lo hacen 299
300 tienen estadísticas homogéneas tienden a ser los que tienen valores de precipitación diaria máximas más altas en el lugar
(Figura 3). 301
Para corregir la tendencia a subestimar 3B42 TRMM la en el lugar mediciones, un valor de 10,5 mm, sugirieron 302
por el análisis de la Figura 6a, se añadió a todas las estimaciones TRMM 3B42, excepto en cinco lugares en el sur-oeste 303
cerca de Namibe, donde la precipitación máxima diaria media es de menos de 40 mm. Con esta corrección, el 304
hipótesis de que los medios de ambos conjuntos de datos son homogéneas se rechaza, con un nivel de significación del 5%, por 305
ambas pruebas a sólo 6 lugares (3,8% de las estaciones) y por al menos una prueba en 13 ubicaciones (8,2% de la 306
estaciones). El test de Levene se aplica a los nuevos valores de TRMM muestran que con un nivel de significación del 5% al 307
hipótesis nula se rechaza en sólo 12 sitios, es decir, 7,5% de las estaciones bajo escrutinio. 308
Basándose en estos resultados, 146 estaciones de control, de las 159 ubicaciones originales, se seleccionaron para su posterior 309
análisis. Este conjunto incluye 134 lugares en los que no se rechaza la hipótesis nula de los 3 pruebas estadísticas, en 310
un nivel de 5% de significación, y 12 lugares en que se cumplían los tres criterios siguientes: i) la hipótesis nula 311
una prueba de media no fue rechazada en el nivel de significación del 5%; ii) la hipótesis nula de otra prueba media no era 312
rechazada en el nivel de significación del 1%; iii) la hipótesis nula de la prueba de varianza no fue rechazada al 5% de significancia 313
314 nivel.
315 5.2 Comparación de las estimaciones de precipitación diaria máxima anual
La correlación r los valores de la prueba de Filiben para funciones de distribución de probabilidad varios mostraron que la GEV y 316
los de tipo Pearson funciones III son capaces de describir la distribución de la en el lugar máximo anual diario 317
valores de precipitación. La adopción de un nivel de significación del 5%, la distribución GEV nunca es rechazada y el Pearson 318
tipo de distribución III es rechazado en sólo 3 de los lugares. El siguiente mejor función es la ley de Gumbel, que es 319
rechazada en 12 de los lugares. 320
11
El GEV y el tipo Pearson III distribuciones donde por lo tanto adopta para estimar el máximo diario 321
precipitación en las estaciones de control 146 y 143, respectivamente, del conjunto de datos TRMM 3B42 corregido y 322
la en el lugar archivos. La figura 7 muestra la caja y bigotes parcelas del error de estimación de dos conjuntos de TRMM 3B42 323
estimaciones, se calcula que los cuantiles de precipitación exclusivamente utilizando el registro de cada sitio y el 324
otro que adopta el método de regionalización. Los cuantiles para los 20 años de período son el retorno, en promedio, 325
1,5% menor que las estimaciones obtenidas a partir de la en el lugar mediciones. Aunque la estimación promedio de 326
error es baja, el error absoluto varía en cada estación de vigilancia, que van aproximadamente de -40% a 80%, con 50% 327
acostado en el intervalo entre -10% y 10% gama. Los resultados no se presentan en este documento muestran que el error 328
depende del período de retorno. En general, el uso de la regionalizado registro TRMM 3B42 con el tipo de Pearson III 329
función conduce a un error de estimación promedio más bajo. 330
La Figura 8 muestra el error de estimación distribución espacial de las estimaciones TRMM 3B42 al adoptar 331
método de regionalización para los 20 años periodo y las dos funciones de distribución de probabilidad de regreso. La mapas 332
para cada una de las dos funciones de distribución de probabilidad son similares. La principal prueba de la Figura 8 es que el 333
error absoluto de las estimaciones de 20 años es menor que 20% en el 90% del territorio de Angola y menor que 10% en 334
60% del territorio. subestimación errores inferiores a -10% ocurren en la meseta central, mientras que la sobreestimación 335
errores anteriores 10% se producen en el NE y en áreas pequeñas a lo largo de la costa. 336
La Figura 9 muestra los mapas máximos de precipitación diaria para 20 años período regresan, obtenido de ajuste de la 337
GEV y Pearson tipo III funciones de distribución a los registros TRMM 3B42 de 2856 células reticulares y utilizando el 338
método de regionalización. 339
Al estimar la precipitación máxima diaria anual para un período de retorno dado, el TRMM 3B42 340
estimaciones de precipitación se pueden utilizar en conjunción con mediciones en tierra para extender los registros existentes. 341
Las estimaciones de precipitación resultantes de esta opción sólo están disponibles para 146 sitios para la ley GEV o 143 342 sitios
para Pearson ley de tipo III, donde se encuentran las estaciones de vigilancia de tierra, lo que significa que la interpolación espacial 343
errores pueden surgir de este enfoque. Sin embargo, el registro de la precipitación en cada lugar se incrementa en 15 344
valores que conduce a grabar longitudes entre 74 y 35 valores. La Figura 10 muestra la precipitación máxima diaria 345
Los mapas obtenidos a partir de los registros extendidos, exclusivamente mediante el registro de cada sitio. A pesar de la más alta espacial 346
resolución obtenida en la Figura 9, las superficies presentados son similares en todas las figuras. 347
348 5.3 estimaciones de precipitación para una duración más larga de un día
El esfuerzo de recopilación de datos propuesto para esta investigación fue capaz de recuperar los registros completos de todos los días 349
precipitación durante 10 estaciones de vigilancia. En estas ubicaciones los valores de precipitación máximos anuales para 350
12
duraciones de 48h, 72h, 96h y 120h se obtuvieron a partir de los registros de monitoreo de suelo y de TRMM 3B42 351
registros de estimación por satélite. La Tabla 3 muestra la relación media de máxima anual de precipitación en horas d para 352
la precipitación máxima diaria anual obtenido a partir de la en el lugar y los datos de TRMM, por 10 lugares 353
correspondiente a estaciones de monitoreo. Los valores de la relación de ambos conjuntos de datos están cerca, pero, en general, el TRMM 354
relaciones son más grandes que la en el lugar relaciones, lo que sugiere una tendencia a sobreestimar persistencia precipitación. el 355
356 valores medios de estos 10 sitios de , , y obtenido a partir de datos in situ
son 1.22, 1.39, 1.55 y 1.68, respectivamente. El homólogo del conjunto de datos TRMM son 1,30, 1,51, 1,69 y 357
358 1,84, respectivamente. Por estas 10 estaciones se analizaron las funciones de distribución de probabilidad para describir diversos
los valores máximos anuales para duraciones de 48h, 72h, 96h y 120h y la GEV y tipo Pearson III 359
funciones conducen a los mejores ajustes. La distribución GEV no fue rechazada en cualquier sitio, mientras que el Pearson 360
tipo de distribución III fue rechazada en Namibe para en el lugar datos para duraciones de 48h, 72h y 96h. 361
362 La Figura 11 muestra los mapas para el y , relaciones obtenidas a partir del conjunto de datos TRMM 3B42 y
la adopción de la distribución Pearson tipo III. Los valores medios obtenidos durante todo el territorio de los 20 años regresan 363
364 periodo de , , y relaciones son 1,334, 1,533, 1,702 y 1,856, respectivamente.
Los valores correspondientes para los valores de precipitación medias máximas son 1.404, 1.637, 1.840 y 2.031. 365
366 los superficies presentados en la Figura 11 muestran un complicado y en algún trastorno arbitraria manera que resulta
de la resolución espacial del conjunto de datos TRMM 3B42 y que deben ser eliminados para fines de ingeniería. 367
368 5.4 estimaciones de precipitación sub-diarias
369 La Figura 12 muestra las proporciones de y , en Angola calculada a partir de la precipitación TRMM 3B42,
370 dónde es la precipitación con una duración de 3h, 6h, 12h y 24h para los 20 años de período de retorno y es
la precipitación diaria máxima anual para el mismo período de retorno, tanto adoptar el tipo Pearson III 371
372 distribución. corresponde a valores promedio para esas duraciones. Las relaciones medias , ,
373 y sobre el territorio son 0.764, 0.917, 1.003 y 1.104 y las correspondientes proporciones de
Los valores promedio son 0,747, 0,910, 1,002 y 1,133, que muestra la influencia de la reducción del período de retorno de 374
375 estas proporciones. Las relaciones medias para y son mayores que uno, porque y son
calculado mediante la selección de cada año la ventana de tiempo continuo de 12h y 24h que maximizan el 376
377 cantidad de precipitación, mientras corresponde a la precipitación máxima anual en una ventana de tiempo fijo.
Varios autores han puesto de manifiesto este hecho como la OMM (1994) y Jakob et al. (2005). 378
13
Los valores estimados en Angola por el producto TRMM 3B42 se cierran a las estimaciones previas, tales como 379
380 Hershfield (1962), quien propuso un valor de 1,13 para la relación para la EUA y
Montfort (1997), quienes analizaron 130 estaciones de chinos y obtuvieron valores entre 1,04 y 1,16 para el 381
382 proporción. Brandão et al. (2001) analizaron 30 galgas en Portugal y concluyó que la proporción
osciló entre 1.028 y 1.373 y no era dependiente de la período de retorno, muy similar al intervalo 383
obtenido para Angola, entre 1.017 y 1.360. 384
385 los superficies presentados en la Figura 12 muestran un complicado y en algún trastorno arbitraria manera que resulta
de la resolución espacial del conjunto de datos TRMM 3B42 y que deben ser eliminados para fines de ingeniería. 386
387 6 Comentarios finales
El análisis presentado en este documento muestra que el algoritmo TRMM 3B42 puede reproducir estimaciones fiables de 388
la precipitación máxima diaria anual de Angola. A medida que las estimaciones muestran una ligera tendencia a subestimar el 389
la precipitación máxima diaria anual, una sugerencia se hace para corregir las estimaciones originales TRMM 3B42 por 390
la adición de 10,5 mm, excepto en los lugares donde la precipitación diaria máxima anual es menor que 40 mm, 391
es decir, en el desierto de Namibe, en el suroeste de Angola. 392
Con esta corrección, las pruebas estadísticas que comparan TRMM 3B42 estimaciones con los registros de 159 Pluviometros 393
mostró que las estimaciones TRMM 3B42 tienen una media que no es estadísticamente diferente de la media de la lluvia 394
medir registro en 143 sitios, cuando se asume un nivel de 5% de significancia. Las varianzas de ambos conjuntos de datos son 395
También no es estadísticamente diferente en las 147 localidades. Las estaciones de monitoreo, donde las estimaciones TRMM 3B42 fallaron 396
las pruebas estadísticas correspondientes a los lugares donde se producen mayores cantidades de precipitación para una altitud dada 397
398 distancia.
Dada la corta duración del registro TRMM 3B42, se adoptó el método para estimar la regionalización 399
la precipitación máxima diaria anual para períodos de retorno específicos de este conjunto de datos. La comparación de estos 400
estimaciones con los cuantiles de precipitación diaria máxima anual obtenidos a partir de la supervisión de la planta 401
registros mostraron que el error medio y la mediana asociado con estas estimaciones es baja, aunque hay un 402
una variabilidad significativa en el espacio. En 50% de las ubicaciones de monitorización correspondiente al 60% del territorio de 403
Angola el error de las estimaciones TRMM 3B42 para un periodo de retorno de 20 años se ubica aproximadamente entre -10% y 10%. 404
405 El intervalo de tiempo de 3 horas del registro TRMM 3B42 permitió el cálculo de las proporciones , dónde es
406 la precipitación máxima con la duración re con un periodo de retorno de T años y la máxima diaria
precipitación con un período de retorno de T años. Estos resultados son importantes para obtener estimaciones de precipitación para 407
14
408 duraciones entre 3h y 24h, como registros de precipitación sub-diaria son escasos en Angola. los relación y la
409 proporción estimada para un periodo de retorno de 20 años están cerca, lo que sugiere la reducida influencia de la
410 período en estas proporciones volver. El areal decir sobre el territorio de , , y
proporciones son 0,76, 0,92, 1,00 y 1,10. Estos valores se comparan bien con los resultados anteriores, tales como Hershfield (1962) 411
para los EE.UU., Montfort (1996) para China y Brandão et al. (2001) para Portugal. 412
A pesar de la corta duración del registro TRMM y las disparidades locales existentes entre las estimaciones obtenidas 413
desde el en el lugar registro histórico y el conjunto de datos TRMM 3B42, los resultados muestran que los registros son de 414 TRMM
gran interés en la estimación de los valores extremos de precipitación asociados con diferentes periodos de retorno. El 415 anual
416 Los mapas de precipitación máxima diaria y Los mapas de relación que se presentan en este documento permiten el cálculo de
estimaciones de precipitación máxima anual para las duraciones de precipitación específicos y para los valores promedio y por un 417
período de 20 años volver. 418
Para el futuro, el uso de productos de teledetección para mejorar las estimaciones de precipitación extrema para la ingeniería 419
fines de diseño es prometedor. Como la longitud de los sensores remotos aumenta la serie de datos y la reconstrucción de 420
red de monitoreo en Angola hace posible la comparación de la precipitación contemporánea estima 421
desde en el lugar estaciones de control y sensores TRMM, los algoritmos TRMM puede ser posible estimar 422
la precipitación máxima diaria anual calcula exclusivamente a partir de estos conjuntos de datos. 423
424 7 Expresiones de gratitud
425 Este trabajo fue financiado parcialmente por el proyecto SFRH / BD / 70290/2010 de la Fundación para una Ciência ea
426 Tecnologia. Los autores también desean agradecer el apoyo recibido de la Instituto de Recursos
Hídricos de Angola y de INAMET y desde André Mendes quien recogió y organizó el TRMM 3B42 427
conjunto de datos utilizado en el papel. 428
429 8 referencias
Awadallah AG, ElGamal, M., ElMostafa, A., Elbadry, H., 2011: El desarrollo de Intensidad-Duración-Frecuencia 430
Curvas en la región de datos escasos: una aproximación a partir de datos de análisis y de satélite regionales. Ingeniería, la Ciencia 431
Investigación. Vol. 3, pp. 215-226. 432
Bell, FC, 1969: Generalizada relaciones lluvia-duración-frecuencia. Proc. ASCE, 95, HY1, pp.311-327 (*). 433
Brandão, C., Rodrigues, R., Costa, JP, 2001: Análise de fenómenos Extremos. Precipitaciones intensas em 434
Portugal continental. Eirecção Geral dos Hídricos Recursos. 435
15
Chowdhury, JU, Stedinger, JR, Lu, LH, 1991: pruebas de bondad de ajuste para el valor regional Generalizado Extreme 436
distribuciones de inundación. Water Resources Research, Vol.27, n.º7, pp.1765-1776. 437
Carol, RJ, Schneider, H., 1985: Nota sobre las pruebas de Levene sobre la igualdad de varianzas. Elsevier, Estadísticas y 438
Cartas de probabilidad, Vol.3, Nº.4, pp. 191-194. 439
Collischonn, B., Collischonn, W., Tucci, CEM, 2008: modelización hidrológica diario en la cuenca del Amazonas utilizando 440
estimaciones de la lluvia del TRMM. Diario de la hidrología. 360, pp. 207-216. 441
Dupont, LM, Behling, H., Kim, JH, 2008: Treinta mil años de desarrollo de la vegetación y el clima 442
cambio en Angola (Programa de Perforación Oceánica Sitio 1078). Clim. Pasado, Vol.4, pp.107-124. 443
Hershfield, MS, 1962: Frecuencia de precipitaciones Atlas de Estados Unidos para las duraciones de 30 minutos a 24 horas y 444
períodos de retorno de 1 a 100 años. Documento Técnico de EE.UU. Oficina Meteorológica 40, Washington DC. 445
Huffman, GJ, Adler, RF, Bolvin, DT, Nelkin, EJ y Kenneth, PB, 2007: El análisis TRMM multi-satélite 446
(TMPA): Quasi-globales, de varios años, las estimaciones de precipitación-sensor combinado en escamas finas. Journal of 447
Hydrometeororology, Vol. 8, pp. 38-55. 448
Huffman, GJ, Adler, RF, Rudolf, B., Schneider, U., Kenneth, PB, 1995: estimaciones de precipitación global basada en 449
en una técnica para la combinación de estimaciones basadas en satélites, análisis indicador de lluvia, y el modelo NWP precipitación 450
información. Diario Climático, Vol. 8, pp. 1284-1295. 451
Hughes, DA, 2006: Comparación de los datos de precipitación por satélite con las observaciones de las redes de estaciones de aforo. 452
Journal of Hidrología Vol. 8, pp. 399-410. 453
Jakob, D., Taylor, B., Xuereb, K., 2005. Servicio de Asesoramiento Hidrometeorológico, unidad de Hidrología - Melbourne, 454
serie de informes de hidrología, HRS Informe Nº 10. Un estudio piloto para explorar métodos para derivar lluvias de diseño de 455
Australia. Parte 1, Gobierno de Australia, la Oficina de Meteorología. 456
Joyce, RJ, Janowiak, JE, Arkin, PA, Xie, P., 2004: CMORPH: un método que produce la precipitación global 457
estimaciones de microondas pasivo y los datos infrarrojos de alta resolución espacial y temporal. J. 458
Hidrometeorología, Vol.5, pp. 487-503. 459
Kummerow C, Barnes W., Kozu T., Shiue J., J. Simpson, 1998: El TRMM (TRMM) 460
paquete de sensores. J. Atmos. Technol oceánica. Vol.15, pp.809-817. 461
Lars, EP, 2004: plan estratégico nacional para la rehabilitación de la red hidrométrica en Angola. Noruega 462
Recursos Hídricos y Energía. Oslo. Vol.8, pp.1-31. 463
Montfort, MAJ, 1997: Concomitantes- del factor Hershfield. Diario de Hidrología, Vol. 194, 464
pp.357-365. 465
dieciséis
Nicholson, SE, A veces, B., McCollum, J., Nelkin, E., Klotter, D., Berte, Y., Diallo, BM, Gaye, I., Kpabeba, G., 466
Ndiaya, O., Noukpozounkou, JN, Tanu, MM, Thiam, A., Touré, AA y Traore, AK, 2003: Validación de 467
TRMM y otras estimaciones de la lluvia con una alta densidad medidores conjunto de datos para el África Occidental. Parte I: Validación de 468
productos lluvia GPCC y Pre-TRMM satélite y los productos mezclados. Journal of Applied Meteorología, vol.42, 469
pp.1337-1354. 470
Nicholson, SE, A veces, B., McCollum, J., Nelkin, E., Klotter, D., Berte, Y., Diallo, BM, Gaye, I., Kpabeba, G., 471
Ndiaya, O., Noukpozounkou, JN, Tanu, MM, Thiam, A., Touré, AA y Traore, AK, 2003: Validación de 472
TRMM y otras estimaciones de la lluvia con un conjunto de datos Medidor de alta densidad para el África Occidental. Parte II: Validación de 473
TRMM los productos lluvia. Journal of Applied Meteorología, Vol. 42, Nº.10, pp. 1355-1368. 474
Nordstokke, DW, Zumbo, BD, Caims, SL, Saklofske, DH, 2011: Las características de funcionamiento del 475
prueba no paramétrica de Levene para la igualdad de varianzas con los datos de valoración y evaluación. Evaluación Práctica, 476
Investigación y evaluación. Vol. 16, nº 5, pp. 1-8. 477
Pombo S., Oliveira, RP, Mendes, A., 2013: Validación de productos de precipitación de detección remotas para Angola. 478
Diario de Aplicaciones de la Meteorología. Wiley. (aceptado). 479
Schneider, U., Becker, A., Meyer-Christoff, MZ y Rudolf, B., 2010: productos de análisis de la precipitación global de 480
CCPG. Centro Mundial de Climatología Precipitación. Deutscher Wetterdients Offenbach. Alemania, pp. 1-12. 481
Snedecor, GW y Cochran, WG, 1989: Métodos estadísticos. Octava edición, Iowa State University Press. 482
Sorooshian, S., Hsu, K., Gao, X., Gupta, HV, Imam, B., Braithwaite, D., 2000: Evolución de la PERSIANN 483
estimaciones de lluvia tropical sistema de satélite basa. Boletín de la Sociedad Americana de Meteorología, vol. 81 (9), 484
pp. 2035-2046. 485
Stedinger, JR, Vogel, RM, Foufoula-Georgiou, E., 1993: Análisis de frecuencia de eventos extremos. Handbook of 486
Hidrología, DR Maidment (ed.), McGraw-Hill. Chap.18, 66 pp. 487
Vogel, RW, McMartin, NE, 1991: Gráfico de probabilidad de bondad de ajuste y procedimientos de estimación de asimetría para 488
la distribución Pearson tipo 3. Water Resources Research, Vol.27, n.º12, pp.3149-3158. 489
OMM, 1994: Guía de prácticas hidrológicas. Adquisición de datos y procesamiento, análisis, previsión y 490
aplicaciones. OMM, nº 168, Organización Mundial de la Meteorología. 491
Zimmerman, DW, 2004: Una nota sobre la prueba preliminar de la igualdad de varianzas. British Journal of Mathematical 492
y Psicología de Estadística, vol.57, pp.173-181. 493
(*) No referencia consultados directamente. 494
17
1 Evaluación de las estimaciones de precipitación extrema de TRMM en Angola
2
3 Sandra Pombo ( 1), Rodrigo de Oliveira Proença

4 Cehidro, Departamento de Ingeniería Civil, Arquitectura y Georecursos, Instituto Superior Técnico,
5 Universidad de Lisboa
(1) E_mail: sandra.m.pombo@gmail.com , Tel .: 351 917 612 462
6
Figura 1 - Las estaciones de monitoreo que estaban en funcionamiento en 1975, después de Figura 2 - La precipitación media anual calculado para la
La guerra civil período de 1946-1947 a 1973-1974
7
89
10
120
100
Annual maxima daily precipitation
80
(mm)
60
40
20
No se rechaza
Rechazado
0
0 500 1000 1500 2000 2500
Altitud (m)
Figura 3 - precipitación diaria máxima anual media como una función de Figura 4 - Localización de estaciones de vigilancia terrestres, de cuadrícula de
la altitud estación de monitoreo cálculo TRMM y regiones del máximo anual diarias
distribuciones empíricas de precipitación
11
12
13
14
15
16
17
18
19
20
21
22
23
1.00 1.00 1.00
0.90 0.90 0.90
0.80 0.80 0.80
0.70 0.70 0.70
0.60 0.60 0.60
0.50 0.50 0.50
0.40 0.40 0.40
0.30 0.30 0.30
0.20 0.20 0.20
0.10 0.10 0.10
0.00 0.00 0.00
0 50 100 150 200 0 50 100 150 200 0 50 100 150 200
Una región La región B región C
1.00 1.00 1.00
0.90 0.90 0.90
0.80 0.80 0.80
0.70 0.70 0.70
0.60 0.60
0.60
0.50 0.50
0.50
0.40 0.40
0.40
0.30 0.30
0.30
0.20 0.20
0.20
0.10 0.10
0.10
0.00 0.00
0.00
0 50 100 150 200 0 50 100 150 200
0 50 100 150 200
La región D La región E la región F
1.00 1.00 1.00
0.90 0.90 0.90
0.80
0.80 0.80
0.70
0.70 0.70
0.60
0.60 0.60
Plot Position
0.50
0.50 0.50
0.40
0.40 0.40
0.30
0.30 0.30
0.20
0.20 0.20 0.10
0.10 0.10 0.00

0 50 100 150 200
0.00 0.00
Maximum daily precipitation
0 50 100 150 200 0 50 100 150 200
región G H región
24 Figura 5 - distribuciones empíricas de la precipitación diaria máxima anual en 8 regiones.

25 Cada gráfico muestra la función de distribución de probabilidad de varias estaciones de monitoreo
26
(a) (b) (c)

120 1.4
1.2
100
1.0
Coef. of variation of AMDP In Situ
Skewness of AMDP In Situ
80
AMDP In Situ (mm)
0.8
60
0.6 45
40
0.4 23
20
0.2 01
0 0.0 -1
0 20 40 60 80 100 120 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 -1 0 1 2 3 4 5
AMDP of TRMM (mm) Coef. of variation of AMDP of TRMM Skewness coef. of AMDP of TRMM
AMDP - precipitación diaria máxima anual
Figura 6 - Comparación entre el coeficiente de (a) un medio, (b) de variación y (c) coeficiente de asimetría de la máxima anual diaria
precipitación a partir de la en el lugar y TRMM 3B42 conjuntos de datos.
27
2
Evaluation of extreme precipitation estimates from TRMM in Angola
(a) (b)
28 Figure 7 - Error of the maximum daily precipitation estimates assuming the Pearson type III and GEV distribution
29 functions and using 2 methods to estimating the distribution parameters: TRMM – parameters estimated
30 using the record of each site; TRMM R – parameters estimated using the regionalization method.
31 (a) 20 years return period, Pearson type III, (b) 20 years return period, GEV
32
(a) (b) (c)
Average precipitation values Pearson type III, T=20 years GEV, T=20 years
33 Figure 8 - Estimation error of the maximum daily precipitation, in %. (a) Average precipitation values, (b) 20 years return period.
34 Precipitation estimates are computed using the Pearson type III distribution function with parameters obtained with the regionalization
35 method, (c) 20 years return period. Precipitation estimates are computed using the GEV distribution function with parameters obtained
36 with the regionalization method
37
(a) (b) (c)
38 Figure 9 - Maximum daily precipitation obtained from TRMM 3B42 dataset. (a) Average precipitation values, (b) return period of 20
39 years assuming the Pearson type III distribution functions with parameters obtained with the regionalization method, (c) return period
40 of 20 years assuming the GEV distribution functions with parameters obtained with the regionalization method
3
(b)
(a) (c)
41 Figure 10 - Maximum daily precipitation obtained by extending the ground measurements records with the TRMM 3B42 estimates. (a)
42 Average precipitation values, (b) return period of 20 years obtained by extending the ground measurements records in 143 locations
43 with the TRMM 3B42 estimates and the using the Pearson type III distribution function, (c) return period of 20 years by extending the
44 ground measurements records in 146 locations with the TRMM 3B42 estimates and the using the GEV distribution function
4
Average precipitation values 20 years return period

45 Figure 11 - ratio where is the precipitation with duration of 48h, 72h, 96h and 120h for a return period of T years and is
46 the annual maximum daily precipitation for a return period of T years, both computed from the TRMM 3B42 precipitation dataset using
47 the Pearson Type III distribution and the regionalization method
48
5
Average precipitation values 20 years return period

49 Figure 12 – ratio where is the precipitation with duration of 3h, 6h, 12h and 24h for a return period of T years and is the
50 annual maximum daily precipitation for a return period of T years, both computed from the TRMM 3B42 precipitation dataset using the
51 Pearson Type III distribution and the regionalization method
6
1 Evaluation of extreme precipitation estimates from TRMM in Angola
2
3 Sandra Pombo( 1), Rodrigo Proença de Oliveira

4 CEHIDRO, Department of Civil Engineering, Architecture and Georesources, Instituto Superior Técnico,
5 Universidade de Lisboa
(1) E_mail: sandra.m.pombo@gmail.com, Tel.: +351 917 612 462
67
8
9 Table 1 – Number of monitoring stations as a function of the record length
Number of hydrological years with Number of monitoring

maximum daily precipitation stations
• 50 1
[40 ; 50[ 5
[30 ; 40[ 24
[20 ; 30[ 129
[10 ; 20[ 203
[5 ; 10[ 103
10
11
12 Table 2 – Ground stations locations and characteristics of the maximum daily rainfall series
13
Coordinates Coordinates
Start and Start and
Dev. (mm)
Maximum
Maximum
Minimum
Minimum
(mm) St.
Average
Average
Records
Records
St. Dev.
Lat Long Alt end year Lat Long Alt end year
Skew
Skew
(mm)
(mm)
(mm)
(mm)
(mm)
(mm)
Nº of
Nº of
(ºS) (ºE) (m) (ºS) (ºE) (m)
João Capelo, Luanda 8º48’ 13º13’ 45.8 59 1914 to 74 67.8 35.4 0.9 151.1 17.2 N’ Dalatando 9º17’ 14º55’ 798 40 1922 to 74 76.1 22.3 1.3 155.0 41.9
Namibe 15º12’ 12º09’ 45 47 1920 to 74 15.6 18.8 3.6 110.0 0.0 General Machado 12º02’ 17º30’ 1470 20 1946 to 68 71.8 23.3 0.7 130.0 30.7
Lobito 12º22’ 13º32’ 1.2 38 1931 to 74 56.2 43.7 1.0 170.0 1.8 Quilengues. SAC 14º04’ 14º04’ 850 25 1946 to 74 79.2 24.4 0.8 149.4 32.1
Nzeto 7º14’ 12º52’ 17 23 1940 to 70 89.2 35.0 1.0 176.4 43.3 Quela 9º17’ 17º06’ 1100 28 1946 to 74 79.5 20.0 1.1 143.0 50.0
Ganda Zootécnica 12º57’ 14º38’ 1370 37 1936 to 74 70.1 21.8 0.5 115.4 39.5 Cacolo 10º08’ 19º06’ 1370 24 1946 to 74 71.7 22.3 1.0 135.0 34.5
Sazaire 6º07’ 12º21’ 1 49 1923 to 74 87.8 37.5 1.9 248.0 32.0 Nova Chaves 10º36’ 21º19’ 1080 25 1946 to 74 79.7 29.6 3.8 210.0 52.3
Luena 11º47’ 19º55’ 1320 36 1923 to 75 71.6 24.1 1.4 152.3 42.6 Cangamba 13º42’ 19º52’ 1250 28 1926 to 74 56.2 14.8 0.5 85.4 31.0
M Banza Congo 6º16’ 14º15’ 562 36 1914 to 74 80.4 24.9 - 0.1 134.9 12.2 Karakul 15º01’ 12º40’ 440 22 1949 to 74 34.0 14.6 0.8 72.5 11.0
Ondjiva 17º04’ 15º44’ 1062 40 1932 to 74 64.8 28.7 3.2 206.0 23.6 Chongoroi 13º34’ 13º57’ 700 21 1946 to 74 74.4 25.2 1.1 148.5 32.0
Montes Hermínios 8º36’ 14º36’ 800 29 1929 to 68 79.4 24.0 0.8 135.0 44.3 Jaú 15º14’ 13º31’ 1700 27 1946 to 74 53.0 11.1 0.7 81.0 34.5
Cabinda 5º33’ 12º12’ 20 34 1923 to 75 84.6 27.8 0.7 165.0 40.0 Uíge 7º35’ 15º00’ 826 23 1946 to 74 79.9 20.0 0.6 120.6 55.2
Nova Gaia 10º04’ 17º33’ 1220 28 1940 to 74 83.6 29.1 0.3 148.0 21.3 Saurimo 9º39’ 20º24’ 1108 23 1950 to 74 69.3 18.5 0.3 103.6 44.4
Huambo 12º48’ 15º45’ 1700 35 1939 to 74 65.5 14.4 0.5 101.8 43.6 T’ Chenga 12º52’ 15º08’ 1430 32 1942 to 74 65.1 22.4 1.5 132.6 35.5
Lubango 14º56’ 13º34’ 1760 41 1931 to 74 57.5 17.9 1.0 120.0 26.8 Gago Coutinho 14º06’ 21º26’ 1130 24 1947 to 73 65.5 15.3 0.1 96.0 39.0
Quilombo 9º05’ 14º42’ 732 26 1940 to 74 88.7 22.8 1.7 166.0 60.9 Porto Alexandre 15º48’ 11º51’ 10 27 1946 to 73 6.9 8.9 2.0 37.5 0.0
Mupa 16º08’ 15º45’ 1170 35 1936 to 74 67.1 27.8 2.2 165.0 30.0 Sendi 14º39’ 14º13’ 1400 22 1952 to 74 63.2 16.9 1.0 103.0 42.5
Vila Arriaga 14º46’ 13º21’ 920 34 1937 to 74 91.8 45.1 1.3 228.0 32.0 Cuangar 17º36’ 18º38’ 1100 22 1947 to 74 53.6 25.4 0.8 120.0 1.0
Tentativa, Sede 8º36’ 13º37’ 20 24 1930 to 74 58.7 18.8 0.1 92.5 26.0 Cuito Cuanavale 1º51’ 19º11’ 1240 26 1947 to 74 70.7 28.6 2.4 179.8 38.1
Sunging, Cotonang 8º50’ 16º48’ 720 30 1938 to 71 79.6 17.5 1.0 138.0 44.0 Buco Zau 4º45’ 12º32’ 350 22 1924 to 73 89.0 19.7 0.3 128.3 56.0
Maquela do Zombo 6º03’ 15º07’ 920 25 1925 to 74 69.0 21.6 - 0.7 111.4 31.0 Chipaca (Diamang) 7º57’ 21º26’ 771 23 1951 to 74 80.4 15.4 0.1 109.3 54.8
Malange 9º33’ 16º22’ 1139 26 1947 to 74 70.7 24.7 1.3 148.2 35.4 Caungula 8º25’ 18º37’ 1120 24 1948 to 74 68.9 13.4 1.2 108.7 49.0
Calulo 10º00’ 14º54’ 950 21 1930 to 74 63.8 18.0 0.4 102.0 27.5 Paranhos. Tentativa 8º33’ 1º34’ 20 21 1953 to 74 76.0 35.3 1.1 161.1 28.0
Kuito Bié 12º23’ 16º57’ 1687 24 1931 to 75 62.9 16.2 0.6 100.1 39.4 Santana. Tentativa 8º35’ 13º39’ 10 20 1953 to 73 64.6 23.3 0.5 112.0 27.0
Chitembo 13º31’ 16º46’ 1600 29 1942 to 74 65.7 16.0 0.4 96.0 44.0 Cambambe.Tentativa 8º35’ 13º38’ 30 20 1953 to 73 65.5 22.4 0.6 120.0 28.5
Caconda, M. Católica 13º43’ 15º05’ 1650 27 1947 to 74 67.6 19.1 1.2 119.0 41.2 Luanda – Aeroporto 8º51’ 13º14’ 69 20 1954 to 74 67.3 33.5 0.8 154.0 9.6
Humpata, Est. Agrí. 15º03’ 13º24’ 1850 33 1940 to 74 54.0 14.1 1.3 91.2 38.1 Mavinga 1º55’ 20º21’ 1188 20 1953 to 74 59.9 17.9 0.9 109.6 27.8
Chibia 15º12’ 13º42’ 1460 27 1944 to 74 61.2 20.2 1.3 126.0 22.7 Cossagado 7º56’ 21º23’ 845 21 1953 to 74 77.0 19.7 0.6 118.2 52.5
Huila, M. Católica 15º05’ 13º32’ 1700 28 1944 to 74 60.3 13.9 1.2 100.7 44.6 Waco Kungo 11º25’ 15º07’ 1304 23 1951 to 74 59.8 13.4 0.5 90.5 34.2
Baía dos Tigres 16º36’ 11º43’ 1 25 1946 to 74 10.1 9.1 0.9 30.0 0.0 Vila Teixeira da Silva 12º12’ 15º52’ 1560 22 1941 to 74 63.4 27.9 3.0 172.0 35.5
Canhoca, R, Palmira 9º18’ 14º41’ 450 28 1940 to 74 104.0 37.7 1.3 208.0 64.0 Bom Jesus 9º10’ 13º35’ 20 20 1950 to 74 69.6 16.9 - 0.3 100.5 36.9
Colónia de S. João 9º19’ 14º38’ 500 27 1940 to 74 111.3 41.1 1.8 244.0 68.0 Cacuso. OP 9º25’ 15º45’ 1070 20 1951 to 74 70.0 19.8 0.2 105.0 32.0
Dalagando 9º19’ 14º43’ 460 27 1940 to 74 96.9 39.5 1.1 210.0 39.5 Cassequel Sede 12º27’ 13º31’ 20 24 1950 to 74 65.3 61.3 2.6 298.0 11.4
Monte Alegre 9º05’ 14º39’ 570 26 1940 to 74 107.8 24.9 0.8 166.5 74.5 Cavungo 11º31’ 23º01’ 1170 26 1938 to 74 75.7 22.2 1.2 146.7 43.9
Protótipo, Roça 9º19’ 14º50’ 650 28 1941 to 74 103.0 26.1 0.0 161.0 49.5 Luacano Dilolo 11º12’ 21º43’ 1150 23 1950 to 73 73.6 16.5 1.1 124.6 39.8
Rio Chipia, Fazenda 12º45’ 15º35’ 1680 31 1941 to 74 63.4 19.4 0.5 102.6 35.5 Lucira 13º52’ 12º32’ 5 21 1949 to 74 22.8 18.8 1.7 80.6 5.0
Andrada 7º42’ 21º23’ 730 28 1946 to 74 83.0 18.2 0.2 120.8 53.7 Cupacaça 13º47’ 14º58’ 1550 24 1950 to 74 68.6 20.1 0.5 110.0 41.0
Cassanguidi 7º29’ 21º19’ 790 28 1946 to 74 82.7 18.2 0.9 136.0 53.8 Uaba Baixo 13º52’ 14º54’ 1520 23 1951 to 74 60.3 12.4 - 0.4 81.7 35.2
Dundo 7º24’ 20º49’ 776 28 1946 to 75 85.7 20.9 0.8 136.7 54.1 Cué 13º59’ 14º47’ 1420 23 1951 to 74 65.4 18.7 0.8 112.0 43.2
Luxilo (Diamang) 7º36’ 21º21’ 750 28 1946 to 74 79.9 19.0 1.0 136.6 49.5 Mulondo 15º38’ 15º12’ 1150 22 1950 to 74 56.3 18.8 1.0 106.2 33.0
Maludi (Diamang) 8º02’ 21º19’ 840 28 1946 to 74 91.8 24.0 - 0.2 135.0 46.5 Dongo 14º36’ 15º44’ 1460 23 1949 to 73 69.5 19.0 0.7 118.2 40.5
Musolegi 7º59’ 21º09’ 850 27 1947 to 74 87.1 23.5 0.7 146.0 54.0 Cahama 16º17’ 15º03’ 1220 23 1949 to 74 60.6 21.5 2.2 138.6 30.8
Chifuto (Diamang) 7º23’ 21º12’ 718 28 1946 to 74 86.1 22.7 0.8 139.6 54.6 Mucope 16º23’ 14º53’ 1120 21 1950 to 74 66.6 19.5 0.5 114.8 36.2
Cuima 13º22’ 15º34’ 1580 27 1941 to 74 66.8 18.4 0.5 99.0 41.0 Oncócua OP 16º39’ 13º26’ 980 20 1949 to 74 54.3 17.8 0.9 95.1 32.1
Posto Zoot. Cunene 16º19’ 15º17’ 1130 32 1941 to 74 66.6 29.4 2.0 175.0 34.4 Forte Roçadas 16º45’ 14º58’ 1107 22 1950 to 74 62.0 21.7 0.9 123.8 30.3
Coemba, M. Católica 12º09’ 18º06’ 1350 32 1940 to 74 70.3 23.0 1.1 128.0 37.0 Cuamato 17º03’ 15º04’ 1100 23 1949 to 72 67.4 22.6 1.4 135.0 39.3
Gangassol 9º17’ 16º22’ 1100 30 1941 to 74 67.4 19.7 1.3 133.5 38.0 Nordeste 7º24’ 21º46’ 850 22 1953 to 75 89.7 32.0 1.8 195.4 50.9
Onga Zanga 9º00’ 13º40’ 40 30 1942 to 74 80.5 28.9 1.0 152.5 46.5 Lola 14º18’ 13º37’ 816 20 1949 to 72 68.4 20.4 0.3 110.4 37.1
Menongue 1º45’ 17º42’ 1380 26 1941 to 74 61.8 23.4 1.8 140.0 29.4 Artur de Paiva 14º28’ 16º18’ 1460 24 1949 to 74 62.8 22.6 - 1.3 93.5 5.2
Teixeira de Sousa 10º38’ 22º15’ 1020 30 1941 to 74 70.7 15.7 1.1 112.5 50.0 Cameia. Lumeje 11º33’ 20º47’ 1150 22 1949 to 74 81.8 63.6 4.3 360.0 40.8
Tomboco 6º49’ 13º19’ 350 21 1944 to 71 85.2 26.4 0.3 140.4 45.4 Hoque 14º40’ 13º54’ 1600 21 1950 to 74 62.1 16.0 0.8 100.0 37.1
Dondo 9º41’ 14º26’ 30 26 1946 to 74 82.8 28.7 1.0 158.0 43.3 Damba. Col. Penal 9º24’ 16º42’ 1240 22 1952 to 74 72.2 22.6 0.7 120.1 40.5
Nóqui 5º52’ 13º26’ 1080 32 1942 to 74 92.0 28.9 0.9 182.0 40.7 Canzar 7º38’ 21º34’ 917 21 1953 to 74 75.7 12.0 0.4 98.7 56.4
Duque de Bragança 9º06’ 15º58’ 1130 27 1941 to 74 63.1 21.4 1.0 115.0 38.5 Loge. Fazenda 7º48’ 13º09’ 42 21 1953 to 74 73.7 32.2 0.7 150.0 18.0
Marimba 8º22’ 17º02’ 650 21 1942 to 74 70.8 17.1 0.5 110.0 40.9 Caíta (Diamang) 7º48’ 20º43’ 836 20 1953 to 74 83.4 28.4 1.1 150.4 47.2
Porto Amboim 10º43’ 13º44’ 68 25 1947 to 74 80.5 41.2 0.7 162.8 23.5 Luia ( Diamang) 8º09’ 21º33’ 881 21 1953 to 74 79.6 27.0 1.6 165.5 40.1
Quihita 15º23’ 13º58’ 1340 29 1944 to 74 59.2 20.2 1.1 122.8 27.7 Cachimo (Diamang) 8º21’ 21º20’ 901 21 1953 to 74 72.3 18.6 0.5 108.0 46.2
Muxima 9º31’ 13º58’ 40 27 1947 to 74 88.1 30.2 0.4 150.2 44.0 Boa Vista. Tentativa 8º36’ 13º34’ 10 20 1953 to 73 65.9 20.8 - 0.7 96.5 24.0
Landana 5º13’ 12º08’ 20 29 1942 to 74 93.9 43.8 1.6 248.4 18.5 Murime. Tentativa 8º37’ 13º44’ 20 20 1953 to 73 65.1 23.8 0.6 109.0 32.0
Ceilunga, IIAA 12º16’ 17º01’ 1670 31 1943 to 74 64.6 20.6 1.0 120.8 41.6 Gango. Musende 10º31’ 16º01’ 1380 23 1923 to 74 57.9 20.6 2.0 129.0 30.2
Nova Seles 11º26’ 14º25’ 1050 28 1942 to 73 62.2 21.4 0.9 125.0 30.0 Sofia. Fazenda 10º50’ 14º26’ 1120 21 1952 to 74 57.9 15.4 1.0 97.0 38.0
Quibala 10º44’ 14º59’ 1290 25 1946 to 74 59.8 11.6 - 0.1 80.7 38.8 Est. Reg.l Amboim 10º50’ 14º28’ 1100 22 1952 to 74 65.3 17.5 0.8 105.2 41.0
Benguela 12º53’ 13º24’ 31 30 1943 to 74 54.2 33.3 1.1 150.0 9.2 Sanga 11º08’ 15º26’ 1450 20 1952 to 74 52.4 14.1 0.8 86.5 30.7
Bruco 15º08’ 13º10’ 700 25 1944 to 74 71.6 30.1 0.6 144.1 20.0 Chiengue. M. Cat. 11º16’ 16º13’ 1710 21 1952 to 74 59.4 12.1 0.3 87.4 39.8
Chão de Chela 15º10’ 13º20’ 1121 24 1943 to 68 74.5 34.9 1.1 175.4 34.1 Gungo 11º49’ 14º09’ 1020 20 1952 to 74 73.1 19.1 0.1 106.5 44.5
Tchivinguiro 15º10’ 13º20’ 1690 31 1943 to 74 56.7 16.1 0.4 89.0 28.4 Bailundo 12º12’ 15º52’ 1560 20 1952 to 74 66.2 15.7 1.5 112.3 48.4
Chibemba, Gambos 15º45’ 14º10’ 1300 28 1927 to 74 58.1 19.5 1.5 126.0 29.5 Sousa Lara. Bocoio 12º28’ 14º08’ 960 21 1952 to 74 58.9 15.4 - 0.3 88.5 30.0
Massango, F.Rep. 8º02’ 16º21’ 1140 22 1946 to 70 63.2 23.1 - 0.8 99.7 5.0 Est. Reg Ganda 13º29’ 14º36’ 1400 22 1952 to 74 79.7 19.8 0.9 128.0 52.8
Catengue, CFB 13º02’ 13º45’ 540 27 1945 to 73 97.6 50.1 0.7 199.2 38.0 Biópio 12º28’ 13º44’ 140 21 1952 to 74 59.8 36.0 2.2 180.0 25.7
Chinguar, CFB 12º33’ 16º20’ 1810 29 1944 to 74 59.9 28.0 2.2 170.3 28.3 Sacaála. P.Florestal 12º47’ 15º46’ 1664 22 1952 to 74 57.5 22.5 0.9 113.6 18.8
Munhango, CFB 12º10’ 18º47’ 1423 28 1945 to 74 67.2 27.5 1.5 155.0 34.7 Lucipa. Fazenda 13º31’ 14º40’ 1850 21 1953 to 74 60.4 15.8 1.1 104.0 40.5
Mucussueje, CFB 11º01’ 21º56’ 1060 30 1944 to 73 67.3 21.1 - 0.4 100.0 7.4 Quilengues. Zoot. 14º05’ 14º05’ 860 21 1953 to 74 80.0 26.4 0.3 133.2 36.2
Sanza Pombo 7º19’ 16º00’ 930 22 1946 to 73 88.1 38.2 1.9 193.0 45.3 Salinas. Cassequel 12º23’ 13º32’ 3 20 1954 to 74 55.4 36.2 0.7 130.0 11.0
Pango Aluquem 8º43’ 14º28’ 560 29 1945 to 74 103.2 45.2 1.7 237.5 57.0 Chiulo. M. Católica 16º32’ 14º52’ 1100 20 1954 to 74 60.6 20.3 0.7 100.0 35.0
Quibaxe, M. Católica 8º32’ 14º35’ 830 25 1925 to 74 70.8 17.9 0.7 120.0 43.5 Ebo 11º03’ 14º42’ 1370 20 1952 to 74 59.2 11.1 0.6 80.0 41.5
Gabela 10º51’ 14º22’ 1050 27 1922 to 74 66.1 25.9 1.3 137.4 30.5 Nharêa 11º28’ 16º58’ 1630 20 1955 to 75 69.3 17.1 0.5 102.2 46.2
Cazombo 11º54’ 22º54’ 1126 23 1945 to 73 71.5 20.8 0.7 119.0 41.0 Cassongue 11º51’ 15º03’ 1560 22 1952 to 74 61.3 13.5 1.1 101.0 42.5
Humpata, Zoot. 14º55’ 13º20’ 2070 29 1945 to 74 58.8 24.4 1.8 138.6 25.0 Boa Altura. Roça 10º51’ 14º47’ 920 20 1954 to 74 74.5 20.6 0.8 132.0 36.0
Quipungo 14º49’ 14º33’ 1290 25 1944 to 74 64.5 23.7 0.8 118.0 30.3 Cubal. CFB 13º03’ 14º15’ 910 31 1938 to 74 90.7 31.5 0.8 180.0 42.1
Chianga IIAA 12º44’ 1º55’ 1700 30 1945 to 75 62.1 18.2 1.1 117.3 30.3 Calomboloca. L&I 9º09’ 1º35’ 160 20 1946 to 73 85.0 26.0 0.3 137.0 38.2
Ambriz 7º51’ 13º07’ 20 20 1953 to 73 74.0 34.4 0.5 140.0 21.1 -
14
15
16 Table 3 – Average ratio of annual maximum of precipitation in d hours to the annual maximum daily
17 precipitation obtained from the in situ and TRMM data for 10 locations
P 48h/ P D P 72h/ P D P 96h/ P D P 120h/ P D
Local
In situ TRMM In situ TRMM In situ TRMM In situ TRMM
Luanda 1.12 1.12 1.24 1.23 1.31 1.32 1.43 1.41
Cabinda 1.13 1.16 1.26 1.25 1.36 1.44 1.48 1.47
Dundo 1.20 1.20 1.38 1.32 1.57 1.53 1.78 1.69
Malange 1.31 1.39 1.45 1.63 1.64 1.76 1.75 1.94
Luena 1.16 1.36 1.42 1.64 1.61 1.86 1.80 2.02
Lobito 1.19 1.33 1.27 1.51 1.37 1.60 1.42 1.75
Huambo 1.28 1.39 1.56 1.67 1.74 1.91 1.89 2.11
Lubango 1.39 1.41 1.67 1.82 1.84 2.11 2.03 2.32
Namibe 1.18 1.29 1.23 1.40 1.31 1.55 1.38 1.59
Mavinga 1.26 1.33 1.46 1.65 1.71 1.83 1.88 2.08
Mean 1.22 1.30 1.39 1.51 1.55 1.69 1.68 1.84
18
2
1 • Comparison of TRMM annual maximum daily precipitation with ground observation
2 data
3 • TRMM 3B42 products underestimate the annual maximum daily precipitation
4 • TRMM 3B42 estimates can be corrected and the results improved significantly
5 • TRMM means are not statistically different to the means based on rain gauged data
6 • Pearson Type III distribution with regionalized higher order moments led to best fit

HYDROLOC

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

HYDROLOC

Caricato da

Copyright:

Formati disponibili

manuscrito aceptado

Los artículos de revisión

Evaluación de las estimaciones de precipitación extrema de TRMM en Angola Sandra Pombo,

Rodrigo de Oliveira Proença PII:

S0022-1694 (15) 00125-0

Aparecer en: Journal of Hidrología

Fecha de recepción: 19 de noviembre 2014

Fecha revisada: 29 de de enero de el año 2015

Fecha de aceptación: 5 de febrero de el año 2015

que se aplican a la revista pertenecen.

3 Sandra Pombo ( 1), Rodrigo de Oliveira Proença

entre 3 horas y 5 días. 25

impedido el mantenimiento adecuado de la mayoría de las estaciones de monitoreo. 35

de las estimaciones finales de este continente. 43

proporciones de Bell (Bell, 1969). 51

relaciones lluvia-duración-frecuencia para duraciones más cortas de un día. 57

61 2 red de monitoreo de precipitación Angola

Okavango y suroeste hacia el Cunene (Figura 1). 68

la temporada de lluvias se produce de octubre a abril (Lars, 2004). 83

guerra civil proporciona la oportunidad de aumentar la inversión en actividades de seguimiento. 91

asimetría es negativo en sólo 12 estaciones. 111

112 3 La teledetección producto de las lluvias - 3B42 TRMM

Pombo et al., 2013). 130

y se extiende desde octubre de 1998 a septiembre de 2013. Se obtuvo en http://mirador.gsfc.nasa.gov/services. 134

explicar las diferencias de precipitación. 149

los valores cuadriculada. 157

(Media y desviación estándar). 168

distinta definición de precipitación diaria debería ser insignificante. 175

176 4.1 La homogeneidad de los medios

los datos se define como 181

medios son iguales deben ser rechazadas. 185

serie combinada, la estadística de prueba, U, de la prueba de Mann-Withney se define como 190

196 4.2 La homogeneidad de las desviaciones estándar

203 donde N yo es el tamaño de la muestra de cada subgrupo. es igual a

205 dónde son significa el grupo de la y es la media general de la y es la mediana de cada

207 La prueba de Levene rechaza la hipótesis Si , dónde es la crítica superior

valor de la distribución F con 1 y N 1+ norte 2- 2 grados de libertad en un nivel de significación de α. 208

209 4.3 La selección de la función de distribución de probabilidad

Gumbel, GEV y distribuciones Galton (Stedinger et al., 1993). 215

Los resultados de la prueba de la Filiben. 218

223 (observaciones ordenados X yo) y los datos correspondientes ( W yo).

229 al., 1991).

230 4.4 métodos de regionalización

en un conjunto para mejorar la estimación de los momentos de orden superior. 234

precipitación máxima diaria en i sitio. 241

249 • , dónde • es el valor crítico de la • 2 distribución con n-1 grados de libertad,

conjuntos de datos, pero no se aplican en este caso. 252

253 4.5 error de estimación

258 error de estimación ( se definió como

errores de interpolación pueden surgir de este enfoque. 268

269 4.6 Ratios

obtenido a partir de los registros TRMM 3B42. 279

281 5.1 Las pruebas de homogeneidad

intervalo de -0,5 a 2 (Figura 6c). 293

(Figura 3). 301

315 5.2 Comparación de las estimaciones de precipitación diaria máxima anual

rechazada en 12 de los lugares. 320

función conduce a un error de estimación promedio más bajo. 330

errores anteriores 10% se producen en el NE y en áreas pequeñas a lo largo de la costa. 336

método de regionalización. 339

356 valores medios de estos 10 sitios de , , y obtenido a partir de datos in situ

364 periodo de , , y relaciones son 1,334, 1,533, 1,702 y 1,856, respectivamente.

368 5.4 estimaciones de precipitación sub-diarias

obtenido para Angola, entre 1.017 y 1.360. 384