Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir

Autores
Hobouchian, Maria Paula; Díaz, Gonzalo; Vidal, Luciano
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La precipitación tiene un rol fundamental en diversas actividades científicas y socioeconómicas. La complejidad de esta variable implica un desafío en su representación espacial y temporal. En Argentina, las limitaciones de la red de observaciones pluviométricas motivan el interés en combinar distintas fuentes de datos para mejorar la estimación de precipitación. Las estimaciones cuantitativas de precipitación por satélite (SQPE, por sus siglas en inglés) tienen una cobertura espacial homogénea y los productos reconocidos a nivel global son de acceso libre. Estos productos combinan la mayor cantidad de datos satelitales y pluviométricos para mejorar su calidad. El Servicio Meteorológico Nacional (SMN) de Argentina tiene experiencia en la implementación, validación y calibración de las estimaciones satelitales (Hobouchian et al., 2021). Esta línea de trabajo se recorrió principalmente en escala diaria, pero recientemente se impulsó la necesidad de implementar productos de sensoramiento remoto de mayor resolución temporal con disponibilidad en tiempo real. Esta iniciativa forma parte del proyecto de cooperación internacional entre Argentina y Japón para el pronóstico y alerta de inundaciones repentinas en zonas vulnerables y densamente pobladas (PREVENIR). El objetivo central de este trabajo es avanzar en la combinación del producto satelital Global Satellite Mapping of Precipitation (GSMaP) desarrollado en Japón (Kubota et al., 2020) con la red de datos pluviométricos disponibles en tiempo real en el SMN de Argentina. En esta línea de trabajo, se vienen realizando distintos esfuerzos en el marco del proyecto PREVENIR. Por un lado, se procesaron datos pluviométricos locales para aplicar el algoritmo original de Japón de combinación con datos satelitales. La validación de esta opción mostró resultados de subestimación que derivaron en planes alternativos. Posteriormente, se planteó un nuevo problema de optimización que adapte mejor el algoritmo utilizado en Japón a las condiciones locales en Argentina. Esta estrategia reciente tiene pendiente su implementación. En este trabajo, se propuso adaptar un producto desarrollado en el SMN de la escala diaria a la escala horaria con la menor latencia posible, para sumar una herramienta en el monitoreo de la precipitación y en el modelado hidrológico.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
Precipitación
Sensoramiento remoto
Calibración
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/193999
Acceder
id SEDICI_169f5d25250bfd3789a22fd110d2212b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193999
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto PrevenirHobouchian, Maria PaulaDíaz, GonzaloVidal, LucianoMeteorologíaPrecipitaciónSensoramiento remotoCalibraciónLa precipitación tiene un rol fundamental en diversas actividades científicas y socioeconómicas. La complejidad de esta variable implica un desafío en su representación espacial y temporal. En Argentina, las limitaciones de la red de observaciones pluviométricas motivan el interés en combinar distintas fuentes de datos para mejorar la estimación de precipitación. Las estimaciones cuantitativas de precipitación por satélite (SQPE, por sus siglas en inglés) tienen una cobertura espacial homogénea y los productos reconocidos a nivel global son de acceso libre. Estos productos combinan la mayor cantidad de datos satelitales y pluviométricos para mejorar su calidad. El Servicio Meteorológico Nacional (SMN) de Argentina tiene experiencia en la implementación, validación y calibración de las estimaciones satelitales (Hobouchian et al., 2021). Esta línea de trabajo se recorrió principalmente en escala diaria, pero recientemente se impulsó la necesidad de implementar productos de sensoramiento remoto de mayor resolución temporal con disponibilidad en tiempo real. Esta iniciativa forma parte del proyecto de cooperación internacional entre Argentina y Japón para el pronóstico y alerta de inundaciones repentinas en zonas vulnerables y densamente pobladas (PREVENIR). El objetivo central de este trabajo es avanzar en la combinación del producto satelital Global Satellite Mapping of Precipitation (GSMaP) desarrollado en Japón (Kubota et al., 2020) con la red de datos pluviométricos disponibles en tiempo real en el SMN de Argentina. En esta línea de trabajo, se vienen realizando distintos esfuerzos en el marco del proyecto PREVENIR. Por un lado, se procesaron datos pluviométricos locales para aplicar el algoritmo original de Japón de combinación con datos satelitales. La validación de esta opción mostró resultados de subestimación que derivaron en planes alternativos. Posteriormente, se planteó un nuevo problema de optimización que adapte mejor el algoritmo utilizado en Japón a las condiciones locales en Argentina. Esta estrategia reciente tiene pendiente su implementación. En este trabajo, se propuso adaptar un producto desarrollado en el SMN de la escala diaria a la escala horaria con la menor latencia posible, para sumar una herramienta en el monitoreo de la precipitación y en el modelado hidrológico.Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/193999spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T076.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-06T13:00:48Zoai:sedici.unlp.edu.ar:10915/193999Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-06 13:00:48.431SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
title Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
spellingShingle Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
Hobouchian, Maria Paula
Meteorología
Precipitación
Sensoramiento remoto
Calibración
title_short Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
title_full Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
title_fullStr Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
title_full_unstemmed Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
title_sort Estimación de precipitación horaria en base a datos satelitales y pluviométricos en el marco del proyecto Prevenir
dc.creator.none.fl_str_mv Hobouchian, Maria Paula
Díaz, Gonzalo
Vidal, Luciano
author Hobouchian, Maria Paula
author_facet Hobouchian, Maria Paula
Díaz, Gonzalo
Vidal, Luciano
author_role author
author2 Díaz, Gonzalo
Vidal, Luciano
author2_role author
author
dc.subject.none.fl_str_mv Meteorología
Precipitación
Sensoramiento remoto
Calibración
topic Meteorología
Precipitación
Sensoramiento remoto
Calibración
dc.description.none.fl_txt_mv La precipitación tiene un rol fundamental en diversas actividades científicas y socioeconómicas. La complejidad de esta variable implica un desafío en su representación espacial y temporal. En Argentina, las limitaciones de la red de observaciones pluviométricas motivan el interés en combinar distintas fuentes de datos para mejorar la estimación de precipitación. Las estimaciones cuantitativas de precipitación por satélite (SQPE, por sus siglas en inglés) tienen una cobertura espacial homogénea y los productos reconocidos a nivel global son de acceso libre. Estos productos combinan la mayor cantidad de datos satelitales y pluviométricos para mejorar su calidad. El Servicio Meteorológico Nacional (SMN) de Argentina tiene experiencia en la implementación, validación y calibración de las estimaciones satelitales (Hobouchian et al., 2021). Esta línea de trabajo se recorrió principalmente en escala diaria, pero recientemente se impulsó la necesidad de implementar productos de sensoramiento remoto de mayor resolución temporal con disponibilidad en tiempo real. Esta iniciativa forma parte del proyecto de cooperación internacional entre Argentina y Japón para el pronóstico y alerta de inundaciones repentinas en zonas vulnerables y densamente pobladas (PREVENIR). El objetivo central de este trabajo es avanzar en la combinación del producto satelital Global Satellite Mapping of Precipitation (GSMaP) desarrollado en Japón (Kubota et al., 2020) con la red de datos pluviométricos disponibles en tiempo real en el SMN de Argentina. En esta línea de trabajo, se vienen realizando distintos esfuerzos en el marco del proyecto PREVENIR. Por un lado, se procesaron datos pluviométricos locales para aplicar el algoritmo original de Japón de combinación con datos satelitales. La validación de esta opción mostró resultados de subestimación que derivaron en planes alternativos. Posteriormente, se planteó un nuevo problema de optimización que adapte mejor el algoritmo utilizado en Japón a las condiciones locales en Argentina. Esta estrategia reciente tiene pendiente su implementación. En este trabajo, se propuso adaptar un producto desarrollado en el SMN de la escala diaria a la escala horaria con la menor latencia posible, para sumar una herramienta en el monitoreo de la precipitación y en el modelado hidrológico.
Facultad de Ciencias Astronómicas y Geofísicas
description La precipitación tiene un rol fundamental en diversas actividades científicas y socioeconómicas. La complejidad de esta variable implica un desafío en su representación espacial y temporal. En Argentina, las limitaciones de la red de observaciones pluviométricas motivan el interés en combinar distintas fuentes de datos para mejorar la estimación de precipitación. Las estimaciones cuantitativas de precipitación por satélite (SQPE, por sus siglas en inglés) tienen una cobertura espacial homogénea y los productos reconocidos a nivel global son de acceso libre. Estos productos combinan la mayor cantidad de datos satelitales y pluviométricos para mejorar su calidad. El Servicio Meteorológico Nacional (SMN) de Argentina tiene experiencia en la implementación, validación y calibración de las estimaciones satelitales (Hobouchian et al., 2021). Esta línea de trabajo se recorrió principalmente en escala diaria, pero recientemente se impulsó la necesidad de implementar productos de sensoramiento remoto de mayor resolución temporal con disponibilidad en tiempo real. Esta iniciativa forma parte del proyecto de cooperación internacional entre Argentina y Japón para el pronóstico y alerta de inundaciones repentinas en zonas vulnerables y densamente pobladas (PREVENIR). El objetivo central de este trabajo es avanzar en la combinación del producto satelital Global Satellite Mapping of Precipitation (GSMaP) desarrollado en Japón (Kubota et al., 2020) con la red de datos pluviométricos disponibles en tiempo real en el SMN de Argentina. En esta línea de trabajo, se vienen realizando distintos esfuerzos en el marco del proyecto PREVENIR. Por un lado, se procesaron datos pluviométricos locales para aplicar el algoritmo original de Japón de combinación con datos satelitales. La validación de esta opción mostró resultados de subestimación que derivaron en planes alternativos. Posteriormente, se planteó un nuevo problema de optimización que adapte mejor el algoritmo utilizado en Japón a las condiciones locales en Argentina. Esta estrategia reciente tiene pendiente su implementación. En este trabajo, se propuso adaptar un producto desarrollado en el SMN de la escala diaria a la escala horaria con la menor latencia posible, para sumar una herramienta en el monitoreo de la precipitación y en el modelado hidrológico.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/193999
url http://sedici.unlp.edu.ar/handle/10915/193999
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T076.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1864469146288259072
score 13.1485815

Publicaciones similares