Redes neuronales artificiales como herramienta para la corrección del sesgo de la precipitación mensual estimada por satélite en la Intercuenca Alto Huallaga

Abstract

En la investigación se obtienen modelos metaheurísticos basados en redes neuronales artificiales para la corrección de la precipitación mensual estimada por los satélites TRMM (producto 3B43V7) y GPM (producto 3IMERGV05), en la cuenca aguas arriba de la Estación Hidrométrica San Rafael, ubicada dentro de la Intercuenca Alto Huallaga. Para el análisis se utilizó información del SENAMHI de 3 estaciones meteorológicas (Cerro de Pasco, Yanahuanca y San Rafael), con sus correspondientes estaciones virtuales TRMM y GPM. Se evalúa la calidad de la precipitación satelital antes y después de la corrección con los modelos propuestos mediante estimadores de bondad de ajuste y se da una mayor relevancia al coeficiente de Nash-Sutcliffe debido a su amplio uso en hidrología. Los resultados indican que se obtienen mejoras en todos los indicadores de bondad de ajuste empleados, es así que para el satélite TRMM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.57 a 0.71, para la Estación Yanahuanca pasa de 0.55 a 0.66, para la Estación San Rafael pasa de 0.09 a 0.70 y a nivel areal pasa de 0.56 a 0.75; para el satélite GPM a nivel puntual el coeficiente de Nash para la Estación Cerro de Pasco pasa de 0.44 a 0.81, para la Estación Yanahuanca pasa de 0.56 a 0.92, para la Estación San Rafael pasa de -0.13 a 0.73 y a nivel areal pasa de 0.47 a 0.81. Se concluye que los modelos propuestos mejoran la calidad de la precipitación satelital a valores adecuados para su uso.