Estimación de precipitación multisensor utilizando redes neuronales convolucionales

Abstract

Con el objetivo de complementar las escasas observaciones de pluviómetros en superficie, se han desarrollado diversas metodologías para aprovechar el potencial de los sensores remotos. Los datos satelitales en infrarrojo (IR) proporcionan información sobre las características del tope de las nubes, mientras que los destellos de actividad eléctrica ubican las regiones donde la intensidad de la convección es mayor. Los datos de microondas, disponibles en satélites de órbita baja, pueden penetrar y capturar la estructura interna de las nubes, que permite estimaciones de precipitación (ECP) más precisas, pero su frecuencia y cobertura de observación son limitadas debido a su tiempo de revisita y ancho de escaneo. El objetivo del trabajo es el desarrollo de modelos de estimaciones de precipitación satelitales mediante redes neuronales convolucionales. Se propone utilizar un modelo de aprendizaje profundo que estime la precipitación a partir de la ECP del satélite GOES-16 y evaluar su desempeño incluyendo datos en infrarrojo y actividad eléctrica.