MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

1. TÍTULO

Comparative analysis of monthly precipitation in the Catamayo basin in southern

Ecuador using satellite and meteorological stations data.

Análisis comparativo de precipitaciones mensuales derivadas de satélites y

estaciones meteorológicas en la cuenca Catamayo al sur del Ecuador.

2. AUTORES

Ítem Nombres Cargo Identificación

1 Andrés Alejandro Mendoza Jaramillo Estudiante de Maestría 1104544356
2 Andreas Erwin Fries Director, Asesor 1723935944

3. LÍNEA ESTRATÉGICA DE LA UTPL

Las líneas estratégicas en las cuales estaría inmersa el proyecto serían:

● Investigación, Desarrollo e Innovación.

● Recursos Naturales, Biodiversidad y Geodiversidad.

4. SECCIÓN DEPARTAMENTAL

Área Técnica; Departamento de Geología, Minas e Ingeniería Civil; Sección

Recursos Hídricos

5. LÍNEA DE INVESTIGACIÓN DEL PROGRAMA

• Recursos Hídricos
• Cambio Climático
• Sensores remotos

6. PREGUNTA DE INVESTIGACIÓN

Pregunta general:

¿Es posible deducir la cantidad y distribución espacial de la precipitación mensual

de imágenes satelitales para la cuenca del río Catamayo?

Preguntas específicas de la investigación:

¿Qué confiable son los productos de precipitación mensuales procedente de

imágenes satelitales?

¿Se puede detectar adecuadamente la cantidad y distribución de la precipitación en

zonas montañosas mediante datos satelitales?

1
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

7. RESUMEN

El estudio de la distribución espacio temporal de la precipitación en la región andina

es una tarea desafiante, debido a la variabilidad climática y a la escasez de
estaciones meteorológicas. Como fuentes alternativas de información climática
existen los productos satelitales, que proveen series espacio temporales continuas
de datos de mediana y alta resolución. Esta información puede utilizarse para
estudios hidrológicos, ambientales y el cambio climático en cuenca con información
escasa. La presente investigación tiene como objetivo deducir la cantidad y
distribución espacial de la precipitación mensual de imágenes satelitales para la
cuenca del río Catamayo (4160 km2) en el sur del Ecuador durante el periodo 2003
- 2015. Para esto, se recopilará información de los satélites PERSIANN CCS y
CHIRPS V2, disponibles en resoluciones de 4 km y 5 km, y se realizará las
correcciones y calibraciones respectivas para la zona de estudio. Mediante la
aplicación de algoritmos se genera mapas mensuales de precipitación, los cuales
serían validados mediante información de estaciones meteorológicas en la
superficie aplicando la técnica de punto-pixel.

PRESUPUESTO
Fondos externos Otros Total
Fondos internos
0 6500 1000 7500

8. OPCIÓN DE GRADUACIÓN
Opción 1: Tesis de Maestría Tipo A que contenga una versión extendida
de un artículo científico original, desarrollado en el marco del programa de
maestría, aprobado por el tutor de la investigación y enviado a una revista
ISI. La tesis de maestría Tipo A deberá defenderse públicamente ante un
tribunal examinador designado para el efecto.

9. JUSTIFICACIÓN
El conocimiento de la cantidad y distribución espacial de la precipitación es de sumo
interés, especialmente para estudios de riesgos climáticos, para lo cual información
confiable y detallada es esencial. Sin embargo, las mediciones pluviométricas
convencionales son relativamente escasas y la red de estaciones generalmente
está mal distribuida, especialmente en zonas andinas, debido al difícil acceso (Fries
et al., 2014; Bendix et al., 2017). Además, la topografía en estas zonas lleva a climas
muy heterogéneos en cortas distancias (Coaquira, Calderón, & Huaccoto, 2019).
En Ecuador, el Servicio Metereológico Nacional (INAMHI) ha implementado una red
de estaciones meteorológicas en las principales cuencas hidrográficas (INAMHI,
2015). Sin embargo, aún quedan cuencas importantes que no cuentan con una
instrumentación adecuada para estudios climáticos, hidrológicos o el análisis del

2
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

cambio climático. Una alternativa para la recopilación de datos pluviométricos es la

información satelital; sin embargo, una evaluación para determinar la confiabilidad
de los productos es necesario. Debido a esto, el presente estudio pretende facilitar
información espacial adecuada respecto a la precipitación mensual del periodo 2003
– 2015 para la cuenca del rio Catamayo en el sur del Ecuador utilizando datos
satelitales de libre acceso.
La validación de los productos satelitales respecto a la cantidad y distribución
espacial de la precipitación se realiza mediante observaciones de estaciones
meteorológicas en la superficie.

10. PLANTEAMIENTO DEL PROBLEMA

La precipitación en la región sur de Ecuador tiene una elevada variabilidad espacio

temporal, por lo que su medición representa un desafío importante en la actualidad.
Las estaciones meteorológicas por lo general se ubican en los valles (Rollenbeck &
Bendix, 2006), y la interpolación de lluvia desde estos lugares, por lo general,
subestima las precipitaciones en las cumbres, debido a la topografía que modifica
la formación y distribución de las lluvias (Balcázar, Ba, Díaz, Quentin, & Minga,
2019). Por lo tanto, la incertidumbre de las estimaciones se incrementa en regiones
montañosas, áridas y semiáridas, como también en zonas con escasa información
(Molina, Paz, Elizondo, & Sanchez, 2019), donde adicionalmente limitaciones
logísticas, económicas y de accesibilidad del terreno dificultan el establecimiento y
mantenimiento de redes de monitoreo meteorológicas. Debido a esto, es necesario
desarrollar, aplicar y evaluar métodos indirectos de estimación de las
precipitaciones en tiempo y espacio (Cruz-Roa & Barrios, 2018).

11. MARCO TEÓRICO Y ANTECEDENTES

Con el propósito de evaluar los productos de precipitación derivados de imágenes

satelitales, se han llevado a cabo varias investigaciones, entre las cuales destacan
los siguientes:

Guachamin, Páez, and Horna (2019) evaluó los productos IMERG V03 y TMPA V7
con una resolución espacial de 0.1° (10 km) y 0.25° (25 km), para la modelación
hidrológica y lsu potencial para la detección de caudales de crecida en la cuenca
del río Cañar. Los resultados de los productos satelitales subestimaron las
intensidades de la precipitación debido a la topografía fuertemente accidentada y la
baja resolucion de los imágenes del satelite IMERG V03..

Balcázar et al. (2019) evaluaron los productos satelitales CMORPH, PERSIANN

CDR y TRMM 3B42 con una resolución por pixeles de 0.25° (25 km por pixel) en la
cuenca del río Catamayo (4160 km2) con el objetivo de modelar los caudales diarios
aplicando el modelo hidrológico distribuido CEQUEAU. Los resultados mostraron
correlaciones satisfactorias entre caudales medidos y simulados, cuándo el
producto satelital con mejor correlación fue el TRMM 3B42.

3
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

Ricardo Zubieta et al. (2019) evaluaron la precipitación diaria en la cuenca del

Amazonas (Ecuador y Perú) con informacion satelital de MPA V7, TMPART,
CMORPH, PERSIANN y GPM-IMERG) con resolución espacial de 0.25° (25 km).
Los resultados determinan que las estimaciones de CMORPH y TMPA V7 son más
fiables.

Coaquira et al. (2019) compararon la precipitación media mensual del satelite

TRMM 3B43 con una resolución espacial por pixel de 0.25° (25 km) y 7 estaciones
hidrometeorológicas ubicadas en la cuenca del rio Huancané al sur del Perú, para
el periodo 1998 – 2016. Los resultados de las estadisticas metricas presentan
valores aceptables sin corregir, y una vez corregidos dan resultados muy
alentadores.

Balcázar et al. (2018) evaluaron los productos de satélite PERSIANN CDR,

PERSIANN CSS y PERSIANN RAW con una resolución espacial de 0.25° (25 km);
0.04° (4 km) y 0.25° (25 km) respectivamente, y una resolución temporal mensual
para el periodo 2005 – 2011; para simular los caudales diarios de la cuenca del río
Catamayo (4160 km2) mediante el modelo hidrológico CEQUEAU. Los resultados
obtenidos por los autores son satisfactorios, el producto satelital con mejor
correlación es el PERSIANN CSS.

Beck et al. (2017) evaluaron a escala global 22 conjuntos de datos de precipitación

satelital con resolución espacial 0.04° (4 km), 0.05° (5 km), 0.07° (7 km), 0.1° (10
km), 0.25° (25 km), 0.50° (50 km), 0.75° (75 km), 1° (100 km) de pixeles; y temporal
diaria para el periodo 2000 – 2016. De los productos analizados sin corrección de
la precipitación, CHIRPS V2.0 arrojo el mas preciso valor, ya que esta basado en
una calibración de alta resolución.

Según Ballari, Castro, and Campozano (2016) validaron imágenes de precipitación

mensuales TRMM 3B43 con una resolución de pixel de 0.25° (25 km) y 14
pluviómetros del INAMHI en las llanuras costeras (4), sierra andina (6) y amazónica
selva tropical (4) de Ecuador, para la serie de tiempo 1998 - 2010. Se compararon
utilizando métricas de error estadístico cuantitativo y cualitativo. Los resultados
mostraron que la estacionalidad de precipitación está bien representada en las
regiones costeras y amazónicas, ya que se estiman mejor cuantitativamente que las
tierras altas andinas.

Bajo estas consideraciones, se busca incrementar el conocimiento de la distribución

de la precipitación, ya que, es crucial para mejorar el diagnóstico climático, a partir
de una mejor resolución espacial y temporal de los sistemas satelitales y el ajuste
con mediciones pluviométricas.

4
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

12. OBJETIVOS

12.1. OBJETIVO GENERAL

Derivar la cantidad y distribución espacial de la precipitación mensual mediante

datos satelitales para la cuenca del río Catamayo para el periodo 2003 - 2015.

12.2. OBJETIVOS ESPECÍFICOS

• Procesar los datos satelitales PERSIANN CCS y CHIRPS V2, que incluye la
corrección y calibración de las imágenes para la zona de estudio.

• Derivar la precipitación mensual en base de la información satelital corregida

y calibrada (productos satelitales).

• Validar estadísticamente el error en los mapas de la precipitación mensual

generados mediante la contrastación con mediciones de estaciones
meteorológicas.

13. DISEÑO METODOLÓGICO

14.1 Área de estudio

Figura 1 Zona de estudio de la investigación distribuida en cuadriculas de 5Km x 5Km.

Elaboración: El autor

5
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

El estudio se realizará en la cuenca del río Catamayo, ubicada en el sur del Ecuador
entre las coordenadas geográficas 80.15° y 79.15° W en longitud; 4.50° y 3.70° S
en latitud. La elevación de la cuenca varía entre 235 msnm y 3799 msnm y tiene. El
área es de aprox. 4160 km2.

El clima en la cuenca es semi-arido con la estación lluviosa entre los meses de

diciembre a abril. Las precipitaciones mensuales máximas varían entre100 mm y
182 mm. La estación seca ocurre entre los meses de mayo a noviembre, cuando la
precipitaciones mensuales máximas oscilan entre 24 y 79 mm. En la parte baja de
la cuenca (hasta 1400 msnm) la temperatura media anual es mayor a 21 °C, en la
parte media (1400 y 2200 msnm) fluctúa entre 15 y 21 °C, y en la parte alta (sobre
2200 msnm) es menor a 15 °C (Ochoa et al., 2016).

14.2 Precipitación derivada de satélite

14.2.1 PERSIANN CCS. Este tipo de satélite geoestacionario fue desarrollado por
el Center for Hydrometeorology and Remote Sensing (CHRS) de la Universidad de
California, y facilita información desde 2003. El PERSIANN-CCS detecta el área
entre 60° N y S con una resolución espacial de 0.04° (4 km). A escala temporal
imágenes diarias, mensuales y anuales son disponibles que se puede descargar de
un sitio web (http://chrsdata.eng.uci.edu/). Para este estudio se utiliza imágenes
infrarrojas (IR) y de microondas pasivo.

14.2.2 CHIRPS V2.0. Este tipo de satélites geoestacionario es administrado por la

NOAA, específicamente del Centro climático de predicción (CPC) y el centro
Nacional de Datos Climáticos (NCDC) de los Estados Unidos y la NASA. El satélite
detecta el área entre 50° N y S y tiene información para los años 1981 – 2016. Las
imágenes infrarrojas tienen resolución espacial de 0.05° (5 km) y son disponibles a
escala temporal diaria, mensual y anual, las cuales se puede descargar de un sitio
web tambien. (ftp://chgftpout.geog.ucsb.edu/pub/org/chg/products/CHIRPS-2.0/).

6
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

14.3 Estaciones meteorológicas

Para la validación de los productos satelitales se utilizarán observaciones

mensuales y anuales de la red de estaciones meteorologicas del Instituto Nacional
de Meteorología e Hidrología del Ecuador (INAMHI,
http://www.serviciometeorologico.gob.ec) instaladas en la región sur del Ecuador.

Tabla 1. Estaciones convencionales de INAMHI para la cuenca Catamayo.

Nro. CODIGO ESTACION UTM X UTM Y COTA
1 M142 SARAGURO 695925 9,600208 2525
2 M143 MALACATOS 691652 9,533403 1453
3 M145 QUINARA INAMHI 694711 9,522583 1559
4 M148 CELICA 616149 9,545853 1904
5 M149 GONZANAMA 673885 9,531875 2042
6 M0180 ZARUMA 653970 9590667 1100
7 M432 SAN LUCAS 692844 9,586943 2525
8 M433 EL LUCERO 669345 9,513147 1180
9 M434 SOZORANGA 634151 9,521504 1427
10 M435 ALAMOR 607680 9,555383 1250
11 M437 SAUCILLO (ALAMOR) 588685 9,526416 328
12 M438 JIMBURA 670031 9,487897 2100
13 M439 SABIANGO 631771 9,517484 700
14 M503 SAN FRANCISCO-SAN RAMON 713833 9,561247 1620
15 M515 CATACOCHA 650235 9,551207 1808
16 M543 CAJANUMA 698995 9,548378 2267
17 M544 COLAISACA 644789 9,522377 2410
18 MB87 POZUL COLEG. AGROP.RODRIGUEZ 604461 9,544731 1739
19 MB88 NAMBACOLA-COLEG. AGROP.CUEVA 673905 9,542195 1835
20 M750 AMALUZA PREDESUR 675405 9,492831 1720
21 M764 QUINARA PREDESUR 694711 9,522583 1559

Tabla 2. Estaciones automáticas INAMHI para la cuenca Catamayo.

Nro. CODIGO ESTACION UTM X UTM Y COTA
1 M0033 LA ARGELIA 699464 9,553507 2174
2 M0151 ZAPOTILLO 585171 9,524262 1037
3 M0147 YANGANA 702481 9,516977 1879
4 M0146 CARIAMANGA 660441 9,520882 1979
5 M0756 CHANGAIMINA 663873 9,533582 1976
6 M0150 AMALUZA 674129 9493053 1680
7 M0241 QUILANGA 677263 9,525256 1935

Tabla 3. Estaciones UTPL ubicadas en la hoya de la ciudad de Loja.

Nro. ESTACION UTM X UTM Y COTA
1 Colegio Militar 697901 9563240 2033
2 Jipiro Alto 700975 9560679 2218
3 Villonaco 692138 9559012 2952

7
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

14.3.1 Procesamientos de datos en estaciones meteorológicos

Como Cruz-Roa and Barrios (2018) indicaron, para rellenar series de datos
meteorológicos se puede utilizar métodos no-geoestadísticos (regresión lineal,
distancia inversa) o métodos geoestadísticos (Kriging). Una vez computados las
series de datos se aplican métodos de control de calidad, los cuales consisten en la
detección, corrección o eliminación de valores atípicos.

14.5 Métricas estadísticas.

Son utilizadas para evaluar el desempeño de los distintos productos satelitales de

precipitación. La evaluación se basa en la comparación de los productos satelitales
y registros del INAMHI. Zhang et al. (2019) ha agrupado las métricas estadísticas
en dos categorías; (i) cuantitativa, que describe la correlación entre dos variables
(aquí: estimaciones satelitales vs. Observaciones), y (ii) cualitativa, se utiliza para
describir la habilidad de los productos satelitales en la detección de la lluvia
mediante indicadores.

14.6 Evaluación espacio temporal de la precipitación.

Los productos satelitales son evaluados mediante los datos observados de

estaciones meteorológicas ubicadas en los pixeles correspondientes. Cuando un
pixel contiene más de una estación, la variable observada se promedia para tener
una mejor representación de la lluvia en el área del pixel. La validación de los datos
observados y estimados se realizó a nivel mensual y annual. Los datos agrupados
en escala temporal amplia reducen el sesgo y permite observar a mayor detalle la
dinámica del fenómeno (Balcázar et al., 2019).

14.6.1 Evaluación temporal

El periodo de estudio comprende los años 2003 – 2015, para lo cual se descargan
las imágenes satelitales para el área de estudio y luego, se extraen los datos de los
pixeles. Las correcciones de estas imágenes implican principalmente la eliminación
del “efecto llovizna”, es decir los valores <1 mm de lluvia diaria. Los cuales son
reemplazadon con el valor 0, según lo recomendado por Valdés-Pineda, Demaría,
Valdés, Wi, and Serrat-Capdevilla (2016).

14.6.2 Distribución espacial

Para representar la distribución espacial de la lluvia, se estimarán los datos

mensuales interpolando a una resolución y proyección de cuadrícula que coincida
con la lluvia de satélite. Para la interpolación, el método de interpolación Kriging se
empleará para generar estimaciones basadas en píxeles, que se superpondrán a

8
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

cada una estación de lluvia dentro de la cuenca. (Gumindoga, Rientjes, Haile,

Makurira, & Reggiani, 2019)

9
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

14.7 Flujo de procesos para el desarrollo de la investigación.

Figura 2. Diagrama de flujo para la evaluación espacio temporal de la precipitación obtenida de satélites.
10
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

14. CRONOGRAMA

Tiempo (meses)
Actividad
1 2 3 4 5 6 7 8 9 10
Revisión bibliográfica científica x x x

Recopilación de información x x

Generación de base de datos x x x

Aplicación de la metodología x x

Validación y calibración del modelo x x

Resultados y conclusiones x x

Elaboración del documento científico x x x

*Si requiere más tiempo, anexe hoja adicional del cronograma.

15. PRESUPUESTO

Rubro Fondos internos Fondos externos Otros Total

Personal 1000 1000
Equipo 4000 4000
Insumos y Materiales 1000 1000
Software
Transporte 500 500
Servicios Técnicos
Construcciones
Mantenimiento
Publicaciones y socialización 1000 1000 2000
Totales 7500 1000 8500

11
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

16. RESULTADOS ESPERADOS

Los resultados de esta investigación pretenden facilitar información de precipitación

confiable derivados de datos satelitales en zonas con escaza información
meteorológica. Los datos obtenidos de satélite son estimaciones indirectas, por lo
que son propensos a errores y deben verificarse con el propósito de mejorar la
confiabilidad de la información. Mediante los mapas generados se pretende apoyar
el desarrollo de estudios hidrológicos, cambio climático y análisis de los riesgos a
los desastres naturales.

Los productos que generará la ejecución de esta propuesta de investigación para el

área de estudio serán:

- Generación de mapas de precipitación espacial derivadas de satélites.

- Valores de error o ajuste de las estimaciones satelitales respecto a las

observaciones en estaciones pluviométricas.

17. SUGERENCIA DE PARES ACADÉMICOS PARA TUTORÍA DEL PROYECTO

Para la elaboración del presente proyecto se sugiere la colaboración de los

siguientes docentes:

• PhD. Pablo Alejandro Ochoa Cueva.

• MSc. Franz Pucha

18. Bibliografia

Balcázar, L., Ba, K., Díaz, C., Quentin, E., & Minga, S. (2019). Dily discharges modelling
in a basin in southern Ecuador with precipitation and temperature estimated by
satellite. Agrociencia, Vol. 53, 465-486.
Balcázar, L., Gaona, G., Ba, K., Minga, S., Mejía, D., & Díaz, C. (2018). Eficiencia del
modelo Cequeau utilizando PERSIANN y ERA-Interim sobre una cuenca del sur del
Ecuador. Paper presented at the XXV Congreso Nacional de Hidráulica, Mexico.
Ballari, D., Castro, E., & Campozano, L. (2016). Validation of Satellite Precipitation (Trmm
3b43) in Ecuadorian Coastal Plains, Andean Highlands and Amazonian Rainforest.
ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial
Information Sciences, XLI-B8, 305-311. doi:10.5194/isprsarchives-XLI-B8-305-
2016
Beck, H. E., Vergopolan, N., Pan, M., Levizzani, V., van Dijk, A. I. J. M., Weedon, G. P., .
. . Wood, E. F. (2017). Global-scale evaluation of 22 precipitation datasets using
gauge observations and hydrological modeling. Hydrol. Earth Syst. Sci., 21(12),
6201-6217. doi:10.5194/hess-21-6201-2017
12
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

Coaquira, Y., Calderón, A., & Huaccoto, P. (2019). Comparative analysis of monthly average
rainfall using TRMM 3B43 satellite data and meteorological stations in the Huancané
basin Puno - Perú. Revista Científica de Investigadores Ambientales, Vol. 2, 50-58.
Contreras, J., Ballari, D., de Bruin, S., & Samaniego, E. (2018). Rainfall monitoring network
design using conditioned Latin hypercube sampling and satellite precipitation
estimates: An application in the ungauged Ecuadorian Amazon. International Journal
of Climatology, 39(4), 2209-2226. doi:10.1002/joc.5946
Cruz-Roa, A. F., & Barrios, M. I. (2018). Estimation of monthly rainfall missing data through
rain gauge and satellite data assimilation in a tropical Andean river basin. Idesia
(Chile), 36, 107-117. doi:10.4067/s0718-34292018005001601
Guachamin, W., Páez, S., & Horna, N. (2019, Enero 2019). Evaluación de productos IMERG
V03 y TMPA V7 en la detección de crecidas caso de estudio cuenca del río Cañar.
Revista Politécnica, 42, 1-17.
Gumindoga, W., Rientjes, T. H. M., Haile, A. T., Makurira, H., & Reggiani, P. (2019).
Performance evaluation of CMORPH satellite precipitation product in the Zambezi
Basin. International Journal of Remote Sensing, 40(20), 7730-7749.
doi:10.1080/01431161.2019.1602791
Jiang, S., Ren, L., Xu, C.-Y., Yong, B., Yuan, F., Liu, Y., . . . Zeng, X. (2018). Statistical and
hydrological evaluation of the latest Integrated Multi-satellitE Retrievals for GPM
(IMERG) over a midlatitude humid basin in South China. Atmospheric Research,
214, 418-429. doi:10.1016/j.atmosres.2018.08.021
Mega, T., Ushio, T., Takahiro, M., Kubota, T., Kachi, M., & Oki, R. (2019). Gauge-Adjusted
Global Satellite Mapping of Precipitation. IEEE Transactions on Geoscience and
Remote Sensing, 57(4), 1928-1935. doi:10.1109/tgrs.2018.2870199
Michaelides, S. (2019). Editorial for Special Issue “Remote Sensing of Precipitation”.
Remote Sensing, 11(4). doi:10.3390/rs11040389
Michot, V., Vila, D., Arvor, D., Corpetti, T., Ronchail, J., Funatsu, B., & Dubreuil, V. (2018).
Performance of TRMM TMPA 3B42 V7 in Replicating Daily Rainfall and Regional
Rainfall Regimes in the Amazon Basin (1998–2013). Remote Sensing, 10(12).
doi:10.3390/rs10121879
Molina, J., Paz, B., Elizondo, J., & Sanchez, M. (2019). Coupling satellite image-based
rainfall estimates with rainfall records. Aqua-LAC, 11(1). doi:10.29104/phi-
aqualac/2019-v11-1-06
Ochoa, A., Pineda, L., Crespo, P., & Willems, P. (2014). Evaluation of TRMM 3B42
precipitation estimates and WRF retrospective precipitation simulation over the
Pacific–Andean region of Ecuador and Peru. Hydrol. Earth Syst. Sci., 18(8), 3179-
3193. doi:10.5194/hess-18-3179-2014
Ochoa, P. A., Fries, A., Mejía, D., Burneo, J. I., Ruíz-Sinoga, J. D., & Cerdà, A. (2016).
Effects of climate, land cover and topography on soil erosion risk in a semiarid basin
of the Andes. Catena, 140, 31-42. doi:10.1016/j.catena.2016.01.011
Orellana-Alvear, J., Célleri, R., Rollenbeck, R., & Bendix, J. (2019). Optimization of X-Band
Radar Rainfall Retrieval in the Southern Andes of Ecuador Using a Random Forest
Model. Remote Sensing, 11(14), 1-20. doi:10.3390/rs11141632

13
 MAESTRÍA EN RECURSOS HÍDRICOS

PRESENTACIÓN DE PROYECTOS DE INVESTIGACIÓN

Ringard, J., Becker, M., Seyler, F., & Linguet, L. (2015). Temporal and Spatial Assessment
of Four Satellite Rainfall Estimates over French Guiana and North Brazil. Remote
Sensing, 7(12), 16441-16459. doi:10.3390/rs71215831
Rollenbeck, R. (2006). Variability of precipitation in the Reserva Biólogica San
Francisco/Southern Ecuador. Lyona, Vol. 9, 43-51.
Rollenbeck, R., & Bendix, J. (2006). Experimental calibration of a cost-effective X-band
weather radar for climate ecological studies in southern Ecuador. Atmospheric
Research, 79(3-4), 296-316. doi:10.1016/j.atmosres.2005.06.005
Rollenbeck, R., & Bendix, J. (2011). Rainfall distribution in the Andes of southern Ecuador
derived from blending weather radar data and meteorological field observations.
Atmospheric Research, 99(2), 277-289. doi:10.1016/j.atmosres.2010.10.018
Rollenbeck, R., Bendix, J., & Fabian, P. (2011). Spatial and temporal dynamics of
atmospheric water inputs in tropical mountain forests of South Ecuador. Hydrological
Processes, 25(3), 344-352. doi:10.1002/hyp.7799
Valdés-Pineda, R., Demaría, E. M. C., Valdés, J. B., Wi, S., & Serrat-Capdevilla, A. (2016).
Bias correction of daily satellite-based rainfall estimates for hydrologic forecasting
in the Upper Zambezi, Africa. Hydrology and Earth System Sciences Discussions, 1-
28. doi:10.5194/hess-2016-473
Zhang, A., Xiao, L., Min, C., Chen, S., Kulie, M., Huang, C., & Liang, Z. (2019). Evaluation
of latest GPM-Era high-resolution satellite precipitation products during the May
2017 Guangdong extreme rainfall event. Atmospheric Research, 216, 76-85.
doi:10.1016/j.atmosres.2018.09.018
Zhang, Z., Tian, J., Huang, Y., Chen, X., Chen, S., & Duan, Z. (2019). Hydrologic Evaluation
of TRMM and GPM IMERG Satellite-based Precipitation in a Humid Basin of China.
Remote Sensing, 11(4). doi:10.3390/rs11040431
Zubieta, R., Getirana, A., Espinoza, J. C., Lavado-Casimiro, W., & Aragon, L. (2017).
Hydrological modeling of the Peruvian–Ecuadorian Amazon Basin using GPM-
IMERG satellite-based precipitation dataset. Hydrol. Earth Syst. Sci., 21(7), 3543-
3555. doi:10.5194/hess-21-3543-2017
Zubieta, R., Saavedra, M., Espinoza, J. C., Ronchail, J., Sulca, J., Drapeau, G., & Martin‐
Vide, J. (2019). Assessing precipitation concentration in the Amazon basin from
different satellite‐based data sets. International Journal of Climatology, 39(7), 3171-
3187. doi:10.1002/joc.6009

Lugar y fecha de presentación: Loja, 5 de noviembre 2019

__________________________ ________________________
Estudiante de Maestría Docente investigador
(Beck et al., 2017; Contreras, Ballari, de Bruin, & Samaniego, 2018; Gumindoga et al., 2019; Jiang et al., 2018; Mega et al., 2019; Michaelides, 2019; Michot
et al., 2018; A. Ochoa, Pineda, Crespo, & Willems, 2014; P. A. Ochoa et al., 2016; Orellana-Alvear, Célleri, Rollenbeck, & Bendix, 2019; Ringard, Becker,
Seyler, & Linguet, 2015; Rollenbeck, 2006; Rollenbeck & Bendix, 2006, 2011; Rollenbeck, Bendix, & Fabian, 2011; Valdés-Pineda et al., 2016; A. Zhang et
al., 2019; Z. Zhang et al., 2019; R. Zubieta, Getirana, Espinoza, Lavado-Casimiro, & Aragon, 2017; Ricardo Zubieta et al., 2019)

14