Evaluación de productos de lluvia satelitales en la cuenca del río Garagoa mediante Google Earth Engine

Pelaez Gonzalez, Nathalia Andrea

Evaluación de productos de lluvia satelitales en la cuenca del río Garagoa mediante Google Earth Engine

dc.contributor.advisor	Tiria Sandoval, Luis Carlos
dc.contributor.author	Pelaez Gonzalez, Nathalia Andrea
dc.date.accessioned	2024-08-23T19:15:08Z
dc.date.available	2024-08-23T19:15:08Z
dc.date.issued	2024-08-23
dc.description	En una zona como la cuenca del río Garagoa, la información disponible de precipitación mediante instrumentos pluviométricos es escasa, en promedio 2 de cada 20 estaciones cuentan con datos completos de precipitación diaria. Por lo anterior, realizar estudios hidrográficos en la cuenca es difícil e impreciso. Actualmente, las estimaciones de lluvia de productos satelitales proporcionan datos de precipitación en tiempo casi real, lo que da una ventaja al momento de representar correctamente la precipitación diaria en cuencas de topografía compleja. Es por esta razón que para el presente estudio se utilizaron dos bases de datos de precipitación satelital de alta resolución espaciotemporal: CHIRPS (Climate Hazards Group Infrared Precipitation with Stations), y PERSIANN-CDR (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks - Climate Data Record); estos productos satelitales fueron de gran importancia para complementar, corregir y/o sustituir la información pluviométrica presentada. El objetivo del presente trabajo fue realizar la evaluación de los productos de lluvia satelitales CHIRPS y PERSIANN-CDR sobre la cuenca del río Garagoa mediante Google Earth Engine. Para esto se emplearon datos de 24 pluviometros dispuestos en la zona de estudio, de las cuales se obtuvieron los datos de precipitación diaria a partir del año siguiente a su instalación y se realizó un análisis estadístico descriptivo de precipitación diaria en el periodo de 1993 hasta el 2023. Finalmente se determinó la validez de los datos satelitales con los datos proporcionados por las estaciones pluviométricas.	spa
dc.description.abstract	In an area like the Garagoa River basin, the available precipitation information through pluviometric instruments is scarce; on average, 2 out of every 20 stations have complete daily precipitation data. Due to the above, carrying out hydrographic studies in the basin is difficult and imprecise. Currently, rainfall estimates from satellite products provide near real-time precipitation data, giving an advantage in correctly representing daily precipitation in basins of complex topography. It is for this reason that for the present study two high spatiotemporal resolution satellite precipitation databases were used: CHIRPS (Climate Hazards Group Infrared Precipitation with Stations), and PERSIANN-CDR (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks - Climate Data Record); These satellite products were of great importance to complement, correct and/or replace the rainfall information presented. The objective of this work was to carry out the evaluation of the CHIRPS and PERSIANN-CDR satellite rainfall products over the Garagoa River basin using Google Earth Engine. For this, data from 24 rain gauges arranged in the study area were used, from which daily precipitation data were obtained from the year following their installation and a descriptive statistical analysis of daily precipitation was carried out in the period from 1993 to the 2023. Finally, the validity of the satellite data was determined with the data provided by the pluviometric stations.	spa
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero Civil	spa
dc.description.domain	https://www.ustabuca.edu.co/	spa
dc.format.mimetype	application/pdf
dc.identifier.citation	Pelaez González, N. A. (2024). Evaluación de productos de lluvia satelitales en la cuenca del río Garagoa mediante Google Earth Engine [Trabajo de pregrado]. Universidad Santo Tomás, Bucaramanga, Colombia	spa
dc.identifier.instname	instname:Universidad Santo Tomás	spa
dc.identifier.reponame	reponame:Repositorio Institucional Universidad Santo Tomás	spa
dc.identifier.repourl	repourl:https://repository.usta.edu.co	spa
dc.identifier.uri	http://hdl.handle.net/11634/57031
dc.language.iso	spa
dc.publisher	Universidad Santo Tomás	spa
dc.publisher.branch	CRAI-USTA Bucaramanga	spa
dc.publisher.faculty	Facultad de Ingeniería Civil	spa
dc.publisher.program	Pregrado Ingeniería Civil	spa
dc.relation.references	Hisam, E., Danandeh, A., Alganci, U., Zafer, D. (2023) Comprehensive evaluation of Satellite –Based and reanalysis precipitation products over the Mediterranean regionin Turkey Advances in Space Research, Volumen 71, 3005–3021, doi: https://doi.org/10.1016/j.asr.2022.11.007	spa
dc.relation.references	Google News Initiative, s.f. Google Earth. https://newsinitiative.withgoogle.com/es-es/resources/trainings/google-earth-pinpoint-eyewitness-locations/	spa
dc.relation.references	Plan de Ordenamiento y Manejo de la Cuenca Hidrográfica (2018, 15 de junio). Documento General POMCARG (Código 3507 – SZH). CONSORCIO RÍO GARAGOA. https://www.car.gov.co/vercontenido/2511	spa
dc.relation.references	López, C., Montoya, R., Caro, F., Díaz, J. (2022). Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth, Volmen 127, doi: https://doi.org/10.1016/j.pce.2022.103184	spa
dc.relation.references	Defensoría del Pueblo Colombia. (2015). Tras visita a municipios afectados por ola invernal en Boyacá, Defensoría advirtió riesgo de avalancha en dos poblaciones, Defensorpia del Pueblo, Tunja. https://www.defensoria.gov.co/-/tras-visita-a-municipios-afectados-por-ola-invernal-en-boyac%C3%A1-defensor%C3%ADa-advirti%C3%B3-riesgo-de-avalancha-en-dos-poblaciones-1	spa
dc.relation.references	Ebert, E. E., Janowiak, J. E., & Kidd, C. (2007). Comparison of near-real-time precipitation estimates from satellite observations and numerical models. Bulletin of the American Meteorological Society, 88(1), 47-64. doi:10.1175/BAMS-88-1-47	spa
dc.relation.references	Rodríguez-González, B.,Pineda-Martínez, L.F.,Guerra-Cobián, V.H.,(2018). Análisis de la variabilidad de las precipitaciones en el Estado de Zacatecas, México, por medio de información satelital y pluviométrica. Ingeniería Investigación y Tecnología, 19 (04), 1-12. https://doi.org/10.22201/fi.25940732e.2018.19n4.031	spa
dc.relation.references	Díaz Prieto, L. (2022). Identificación de zonas susceptibles a inundación en el casco urbano del municipio de Sopó, Cundinamarca. Universidad de Ciencias Aplicadas y Ambientales. https://repository.udca.edu.co/handle/11158/4918	spa
dc.relation.references	Brito, C. S., da Silva, R. M., Santos, C. A. G., Neto, R. M. B., & Coelho, V. H. R. (2021). Monitoring meteorological drought in a semiarid region using two long-term satellite-estimated rainfall datasets: A case study of the Piranhas River basin, northeastern Brazil. Atmospheric Research, 250, 105380. https://doi.org/10.1016/j.atmosres.2020.105380	spa
dc.relation.references	Lee, G., Nguyen, D. H., & Le, X. -. (2023). A novel framework for correcting satellite-based precipitation products for watersheds with discontinuous observed data, case study in mekong river basin. Remote Sensing, Volumen 15, 630 doi: https://doi.org/10.3390/rs15030630	spa
dc.relation.references	Mab, P., Ly, S., Chompuchan, C., Kositsakulchai, E. (2019) Evaluation of Satellite Precipitation from Google Earth Engine in Tonle Sap Basin, Cambodia. Presentado en la Conferencia Internacional THA 2019 “Water Management and Climate Change towards Asia’s Water”, Bangkok, Thailand, January 2019, 231-239.	spa
dc.relation.references	Mianaadi, A. (2023). Evaluation of long-term satellite-based precipitation products for developing intensity-frequency (IF) curves of daily precipitation. Atmospheric Research, 286 doi:10.1016/j.atmosres.2023.106667	spa
dc.relation.references	Keikhosravi-Kiany, M. S., Masoodian, S. A., & Balling Jr, R. C. (2023). Reliability of satellitebased precipitation products in capturing extreme precipitation indices over iran. Advances in Space Research, 71(3), 1451-1472. doi:10.1016/j.asr.2022.10.003	spa
dc.relation.references	Lekula, M., Lubczynski, M., Shemang, E., Verhoef, W., (2018) Validation of satellite-based rainfall in Kalahari. Physics and Chemistry of the Earth, doi: http://dx. doi.org/10.1016/j.pce.2018.02.010.	spa
dc.relation.references	Rivera, J., Marianetti, G., Hinrichs, S. (2018) Validation of CHIRPS precipitation dataset along the Central Andes of Argentina. Atmospheric Research, Volumen 213, 437–449, doi: https://doi.org/10.1016/j.atmosres.2018.06.023	spa
dc.relation.references	Funk, C., Peterson, P., Landsfeld, M. et al. Los peligros climáticos de la precipitación infrarroja con estaciones: un nuevo récord ambiental para monitorear los extremos. Sci Data 2, 150066 (2015). https://doi.org/10.1038/sdata.2015.66	spa
dc.relation.references	Sadeghi, M., Nguyen, P., Naeini, M.R. et al. PERSIANN-CCS-CDR, un registro de datos climáticos de precipitación global de 3.0 ° de 04 horas para estudios de precipitaciones intensas. Sci Data 8, 157 (2021). https://doi.org/10.1038/s41597-021-00940-9	spa
dc.relation.references	Vilchis Francés, A. Y., Díaz Delgado, C., M. Bâ, K., & Quentin, E. (2009). Optimización de la red de estaciones pluviométricas del Estado de México. Revista interdisiplinaria de ciencia y tecnología del agua, Volumen 24 (1). Recuperado a partir de http://revistatyca.org.mx/ojs/index.php/tyca/article/view/84	spa
dc.relation.references	Weijia, Q., Howard, C., (2021). Proyección de los impactos en la salud de la temperatura futura: una comparación de los métodos de corrección de sesgo de mapeo cuantil. Environmental Research and Public Health, Volumen 18(4). doi:10.3390/IJERPH18041992	spa
dc.relation.references	Gidahatari, gestión sostenible del agua, sf. Curso Virtual de Python en Hidrologia. Tomado de: https://gidahatari.com/cu-es/curso-virtual-de-python-en-hidrologia-bpthz	spa
dc.relation.references	ARSET: uso de Google Earth Engine para aplicaciones de monitoreo terrestre (2021). Access: 16 DIC, 2023. Disponible: https://appliedsciences.nasa.gov/get-involved/training/english/arset-using-google-earth-engine-land-monitoring-applications	spa
dc.relation.references	Hamill, T., Engle, E., Myrick, D., Peroutka, M,. Finan, C,. Scheuerer, M. (2017) The U.S. National Blend of Models for Statistical Postprocessing of Probability of Precipitation and Deterministic Precipitation Amount. MONTHLY WEATHER REVIEW, Volumen 145, doi: http://dx.doi.org/10.1175/ MWR-D-16-0331.s1.	spa
dc.relation.references	Giarno, Promono M., Suprayogi, S., Herumurti, S. (2018) Modified mean field bias and local bias for improvement bias corrected satellite rainfall estimates. MAUSAM, Volumen 69, doi: 543-552.	spa
dc.relation.references	Grillakis, M., Koutroulis, A., Tsanis, I. (2013) Multisegment statistical bias correction of daily GCM precipitation output. JOURNAL OF GEOPHYSICAL RESEARCH: ATMOSPHERES, Volumen 118, 3150–3162, doi:10.1002/jgrd.50323.	spa
dc.relation.references	Grillakis, M., Polykretis, C., Manoudakis, S., Seiradakis, K., Alexakis, D., (2020) A Quantile Mapping Method to Fillin Discontinued Daily Precipitation Time Series. Water, Volumen 12, 2304.	spa
dc.relation.references	Gudmundsson, L., Bremnes, J., Haugen, J., Engen-Skaugen, T., (2012) Technical Note: Downscaling RCM precipitation to the station scale using statistical transformations–a comparison of methods. Hydrol.EarthSyst.Sci., Volumen 16, 3383–3390, doi: 10.5194/hess-16-3383-2012.	spa
dc.relation.references	Gudmundsson, L., Bremnes, J., Haugen, J., EngenSkaugen, T. (2012) Technical Note: Downscaling RCM precipitation to the station scale using quantile mapping–acomparison of methods. Hydrol.EarthSyst.Sci.Discuss.,Volumen 9, 6185–6201, doi: 10.5194/hessd-9-6185-2012	spa
dc.relation.references	Hamill, T., Engle, E., Myrick, D., Peroutka, M., Finan, C., Scheuerer, M. (2017) The U.S. National Blend of Models for Statistical Postprocessing of Probability of Precipitation and Deterministic Precipitation Amount. MONTHLY WEATHER REVIEW. Volume 145, 3441-3463, doi: http://dx.doi.org/10.1175/ MWR-D-16-0331.s1.	spa
dc.relation.references	Perilla, G., Mas, J. (2020) Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube. Investigaciones Geográficas. Volumen 101, doi: dx.doi.org/10.14350/rig.59929.	spa
dc.relation.references	Giarno, Promono, M., Suprayogi, S., Herumurti, S. (2018) Sesgo de campo medio modificado y sesgo local para sesgo de mejora estimaciones satelitales de lluvia corregidas. Mausam. Volumen 69, 543-552, doi: 551.501.8 : 551.553.21.	spa
dc.relation.references	Barbosa, A. (2021) Verificación de productos satelitales con base a estaciones meteorológicas y modelación lluvia escorrentía [Tesis de grado, Pregrado en Ingeniería Ambiental]. Universidad de los Andes. https://repositorio.uniandes.edu.co/entities/publication/afae9ab0-a4d6-400e-bae4-634f2877a5ea	spa
dc.relation.references	Méndez, R. (2016) Productos de precipitación satelital de alta resolución espacial y temporal en zonas de topografía compleja. [Tesis de grado, Magístes en ciencias de la Ingenieria] Pontificia Universidad Catolica De Chile Escuela De Ingenieria. https://repositorio.uc.cl/dspace/handle/11534/21480	spa
dc.relation.references	Grillakis, M., Koutroulis, A., Daliakopoulos, I., Tsanis, I. (2017) Un método para preservar las tendencias en el sesgo del mapeo de cuantiles corrección de la temperatura modelada del clima. Sistema Tierra Dinámica,Volumen 8, 889–900, doi: https://doi.org/10.5194/esd-8-889-2017	spa
dc.relation.references	Cuello, F. (2020) Aplicación de programa para modelación de lluvia-escorrentía en la cuenca del rio cabrera, departamento del Huila. [Especialización en recursos Hídricos, Facultad Ingeniera] Universidad Católica De Colombia https://repository.ucatolica.edu.co/entities/publication/ecb8b0a3-b785-40e7-9d30-d9b809556000	spa
dc.relation.references	Blanco, M., Demaria, E., Cazenave, G., Zimmermann, E. Validación y corrección de estimaciones de precipitación satelital utilizando observaciones en superficie en la región pampeana argentina. Tecnología y ciencias del agua. Volumen 14 (2), 110-168, doi: 10.24850/j-tyca-14-02-04.	spa
dc.rights	Atribución 2.5 Colombia
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	http://creativecommons.org/licenses/by/2.5/co/
dc.subject.keyword	Satellite Precipitation	spa
dc.subject.keyword	Rain Gauges	spa
dc.subject.keyword	Bias Correction	spa
dc.subject.lemb	Instrumentos pluviométricos	spa
dc.subject.lemb	Datos satelitales	spa
dc.subject.lemb	Estaciones pluviométricas	spa
dc.subject.lemb	Herramienta de análisis espacial	spa
dc.subject.lemb	Mapeo de cuantiles	spa
dc.subject.proposal	Precipitación Satelital	spa
dc.subject.proposal	Pluviómetros	spa
dc.subject.proposal	Corrección de sesgo.	spa
dc.title	Evaluación de productos de lluvia satelitales en la cuenca del río Garagoa mediante Google Earth Engine	spa
dc.type.category	Formación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.drive	info:eu-repo/semantics/bachelorThesis
dc.type.local	Trabajo de grado	spa
dc.type.version	info:eu-repo/semantics/acceptedVersion