Bias-corrected high-resolution precipitation datasets assessment over a tropical mountainous region in Colombia

Las mediciones de superficie se han empleado habitualmente para analizar la alta variabilidad espacial y temporal de la precipitación. Sin embargo, la cobertura de área incompleta y las deficiencias en la mayor parte de la topografía tropical y compleja significan limitaciones significativas de este tipo de medición. Los conjuntos de datos derivados de satélites, combinados con la integración de observaciones in situ con datos satelitales, son una alternativa para abordar estas limitaciones al ofrecer una cobertura más espacialmente homogénea y temporalmente más completa para áreas del mundo con datos escasos. Sin embargo, todavía es necesario aplicar una técnica de corrección de sesgo en los conjuntos de datos de precipitación antes de utilizarlos para la investigación debido a su considerable sesgo. Aquí, analizamos el desempeño de los conjuntos de datos CHIRPS, WorldClim y TerraClimate en comparación con los datos de 30 estaciones pluviómetros en el suroeste de Colombia, específicamente en la Cuenca Alta del Río Cauca-UCRB entre 1981 y 2018. Además, aplicamos el Quantile Mapeo de la corrección de todos los productos de precipitación cuadriculados y, posteriormente, la lluvia corregida se compara con los datos observados a escala mensual, estacional y anual. Nuestros resultados muestran que el conjunto de datos CHIRPS captura mejor la variabilidad estacional y mensual. CHIRPS presenta el mejor desempeño durante las temporadas menos lluviosas y en zonas de baja elevación (900-2000 m sobre el nivel del mar-m.s.n.m.), seguido de TerraClimate. Utilizando la metodología de corrección de sesgo, generamos una serie temporal de precipitación mensual nueva, corregida y más confiable para cada ubicación a partir de todos los productos de precipitación cuadriculados. Además, encontramos que la corrección del conjunto de datos CHIRPS presentó el mejor rendimiento en todas las escalas espaciotemporales en la UCRB. Por lo tanto, este estudio proporciona una base de datos de precipitación precisa para una región tropical topográfica compleja con disponibilidad de datos limitada.

• Fecha de publicación: 2024
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: eng
• OAI Identifier: oai:repository.urosario.edu.co:10336/42930
• Acceso en línea: https://doi.org/10.1016/j.jsames.2024.104898; https://repository.urosario.edu.co/handle/10336/42930
• Palabra clave: Métricas de rendimiento; Corrección de sesgo; Variabilidad climática; Conjuntos de datos cuadriculados; Performance metrics; Bias-correction; Climate variability; Gridded datasets
• License: Attribution-NonCommercial-NoDerivatives 4.0 International