Resumen de Geostatistics to integrate gauge measurements with downscaled satellite estimates suitable for the local scale
- español
En países como México hacen falta más estaciones de medición de lluvia. Además, en la cuenca Grijalva, datos de solo tres o menos estaciones se integran en productos satelitales de misiones como Tropical Rainfall Monitoring Mission (TRMM) o Global Precipitation Mission (GPM). Aunque las misiones satelitales permiten obtener estimaciones de lluvia a un espaciamiento constante (p. ej., 11 km para GPM), esta resolución no es adecuada para gestión local. La integración de una mayor cantidad de datos de pluviómetros con valores de satélite aumentados de escala puede ser útil para obtener datos de precipitación de escala local. En este trabajo se aplicó kriging ordinario (OK) a los datos satelitales de precipitación (GPM y TRMM) agregados anualmente y regresión kriging (RK) para integrar los datos resultantes con datos de todos los pluviómetros disponibles. Los resultados de esta integración se compararon con los resultados de la interpolación de datos de pluviómetros utilizando OK y kriging universal (UK). Una interpolación del inverso de la distancia al cuadrado (IDW) se consideró como criterio de bajo desempeño. Los métodos de evaluación y de definición de similaridad fueron validación cruzada (Lou-CV), análisis de componentes principales, matriz de correlación y mapa de calor con análisis de conglomerados. OK funcionó bien para desescalar las estimaciones satelitales de GPM. La integración RK de datos de pluviómetros con datos de GPM desescalados con OK obtuvo los mejores parámetros de validación en comparación con las interpolaciones de mediciones de pluviométros. Los métodos geoestadísticos son prometedores para desescalar las estimaciones satelitales e integrarlas con todos los datos disponibles de pluviómetros. Los resultados indican que la evaluación usando parámetros para evaluar la efectividad de la interpolación usando datos medidos debe complementarse con métodos para definir similaridad entre las capas espaciales obtenidas. Este enfoque permite obtener datos de precipitación útiles para modelado y manejo del agua a nivel local.
- English
In countries such as Mexico, there is a lack of rain measurement stations. Additionally, in the Bajo Grijalva Basin, data of only three or fewer stations are integrated into satellite products of missions such as Tropical Rainfall Monitoring Mission (TRMM) and Global Precipitation Mission (GPM). Although Satellite missions enable obtaining rainfall at constant spacing (e.g., 11 km for GPM), this resolution is not suitable for local management. Integrating a larger quantity of gauge data with downscaled satellite values allows for obtaining local-scale precipitation data. In this work, Ordinary kriging (OK) was applied to downscale yearly aggregated precipitation satellite data (GPM-IMERG and TRMM: TMPA/3B43) and regression kriging (RK) to integrate them with the gauge measurements available in the basin of study. The resulting data were compared with the interpolation results of gauge measurements using OK and universal kriging (UK). Leave-one-out cross-validation (Lou-CV), principal components analysis, a correlation matrix, and a heat map with cluster analysis helped to evaluate the performance and to define similarity. An Inverse Distance Weighting (IDW) interpolation was included as a low-performance criterion in the comparison. OK performed well to downscale GPM satellite estimates. The RK integration of gauge data with downscaled GPM data got the best validation values compared to the interpolation of gauge measurements. Geostatistical methods are promising for downscaling satellite estimates and integrating them with all the available gauge data. The results indicate that the evaluation using performance metrics should be complemented with methods to define similarity among the values of the obtained spatial layers. This approach allows obtaining precipitation data useful for modeling and water management at the local level.
