XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 AMH MODELACIÓN HIDROLÓGICA CON DATOS SATELITALES DE LLUVIA EN MÉXICO Coutiño Román Laura, Breña Naranjo José Agustín y Pedrozo Acuña Adrián Instituto de Ingeniería, Universidad Nacional Autónoma de México. Circuito Escolar S/N, Edificio 5, Ciudad Universitaria, Del. Coyoacán, México D.F., México. C.P. 04510 [email protected], [email protected], [email protected] 1. Introducción Los datos de precipitación conforman una de las variables más importantes en la modelación hidrológica, y la precisión de esta variable se incrementa si se disponen de registros confiables y adecuadamente distribuidos. Debido a que en México se tiene una red de estaciones climatológicas considerablemente de escasa densidad e irregular distribución, se ha considerado para minimizar el impacto de tal situación la utilización en de estimaciones de precipitación a partir de información originada en sensores remotos. La utilización de datos de precipitación provenientes de imágenes satelitales se ha incrementado considerablemente debido a las muchas ventajas que aportan a la modelación hidrológica. Estas estimaciones tienen, entre muchas otras, la ventaja de su cobertura global, que proporciona información sobre la frecuencia y la intensidad de las precipitaciones en las regiones que son inaccesibles a otros sistemas de observación como pluviómetros y radares en tierra. La desventaja es que son estimaciones indirectas de las precipitaciones, por lo que su precisión depende de ciertos factores como son, la zona climática, la topografía, la altura a la que se encuentra la nube, su contenido líquido y de hielo. Por ello, actualmente existe una tendencia significativa enfocada a concatenar estos productos entre ellos mismos y a la vez con los que se generan directamente in situ, pues ninguna información o dato generado a través de un satélite es superior (en términos de su capacidad) para apoyar la modelización hidrológica, ya que cada fuente de información tiene sus propias limitantes. De acuerdo con el Grupo de Trabajo internacional de Precipitaciones (IPWG,2013), en las dos últimas décadas ha habido una gran cantidad de investigación sobre los métodos para la estimación de la precipitación de infrarrojos (IR) y las observaciones satelitales de microondas. Como resultado ahora hay varios algoritmos de satélite que funcionan de manera operativa y semi-operativa en los centros nacionales y universidades para producir estimaciones de la lluvia. Para obtener datos de frecuencia y cantidad de lluvia a partir de la información originada en sensores remotos se han desarrollado numerosos algoritmos empíricos, que han sido revisados y mejorados con el correr de los años. Un extenso estudio de estos algoritmos fue repasado por Ebert et al. [1996]. Los algoritmos son empíricos por naturaleza y deben ser calibrados utilizando información de lluvia observada en superficie. Algunos de los algoritmos que utilizan IR ó VIS/IR más estudiados han sido CST Convective and stratiform tropical rainfall (Adler and Negri, 1987), GPI GOES Precipitation Index (Arkin and Meisner, 1986), GWT GriffithWoodley Technique (Griffith et al., 1978), NAWT NegriAdler-Wetzel Technique (Negri et al., 1983), NESDIS convective precipitation estimation technique (Scofield, 1987), y dentro de los que utilizan MW, los desarrollados por Spencer et al. (1989); Wilheit and Chang (1980); Liu and Curry (1992); Kummerow (1989); Petty (1994), entre otros; y más recientemente algoritmos mixtos que combinan información en infrarrojo y microondas como los productos 3B42 y 3B43 del satélite TRMM y otras combinaciones presentadas en los trabajos de Sheu et al. (1996); Xu et al.(1999); Negri et al.(2001); Feidas et al.(2006), entre otros. La Misión de Medición de Lluvias Tropicales (TRMM) es una misión conjunta entre la NASA y la Agencia de Exploración Aeroespacial de Japón (JAXA) diseñada para mejorar la comprensión de la distribución y variabilidad de la precipitación en la zona intertropical. Los conjuntos de datos proporcionados por este satélite, conocidos como productos, están disponibles en una variedad de niveles que denotan la cantidad del procesamiento que han sufrido los datos. Estos van desde los datos primarios del instrumento (tiempo real), a salidas que se derivan de algoritmos matemáticos que interpolan información de entrada proveniente de otros sensores o datos in situ. Así pues, es importante considerar e investigar acerca de los errores en la estimación de la lluvia por los satélites, ya que está sujeta a ellos debido a diversas razones como, problemas o deficiencias en los algoritmos utilizados, a los instrumentos del mismo sensor, naturaleza de la lluvia, entre otras. Todo esto se hace con el fin de reducir la incertidumbre que puede generar cualquier registro de datos, en los análisis posteriores como son las modelaciones hidrológicas. Existe evidencia de que los datos de precipitación provenientes del procesamiento de información que combina datos de microondas con infrarrojo térmico producen mejores estimaciones de la precipitación como así también las estimaciones que utilizan combinaciones de varios sensores mejoran la precisión del dato, la cobertura y la resolución espacial (Huffman et al., 2007; Adler et al. 1993). A raíz de ello, se plantea en este trabajo la posibilidad de utilizar un algoritmo mixto, el producto 3B42, que combina datos de infrarrojo térmico con microondas pasiva. En particular, este algoritmo produce estimaciones de precipitación diarios y para cada tres horas combinando información proveniente de los sensores del satélite TRMM y de otros satélites cuyas mediciones coincidan en el tiempo y en el espacio, obteniéndose finalmente una resolución espacial de 0.25º x 0.25º en una franja latitudinal que abarca desde los 50º N a los 50º S. Cuatro etapas son necesarias para generar la estimación de lluvia mediante el algoritmo 3B42 (Huffmann et al., 2007): a) Las estimaciones de precipitación por microondas, ya sea del sensor de microondas pasiva (TMI) del satélite TRMM como de otros satélites son calibradas y combinadas a intervalos de tres horas y a una resolución de 0.25º; b) Las estimaciones por infrarrojo son generadas utilizando la precipitación calibrada por microondas; c) Las AMH XXIII C ON G R E S O N A C I O N A L DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 AMH estimaciones por microondas y por infrarrojo son combinadas para proveer la “mejor” estimación en cada grilla de 0.25º; y d) Las estimaciones vuelven a calibrarse con datos pluviométricos. Como primer objetivo de trabajo se tuvo, caracterizar los resultados obtenidos del satélite a partir de los registros provenientes de las estaciones para lo cual se analizaron 2 cuencas con contraste topográfico importante entre ellas: Río Soto la Marina y Río Lerma-Toluca, tratándose en el primer caso de una planicie y en el segundo caso de una zona montañosa. Otro objetivo de este trabajo fue completar el análisis mediante un modelo hidrológico distribuido. 2. Zona de estudio Figura 1. Ubicación geográfica de la cuenca Río Lerma-Toluca. Para este estudio, se analizaron dos cuencas de zonas muy diferentes del país, Río Lerma-Toluca (Figura 1) y Río Soto la Marina (Figura 2) con la intención de determinar el comportamiento de las estimaciones de la precipitación del TRMM variando este factor importante que es, la topografía. La cuenca del río Lerma cobra mucha relevancia ya que forma parte del sistema Lerma-Chapala-Santiago, que es una de las cuencas hidrográficas más importantes de México. El curso alto del Río Lerma se desarrolla desde el centro del territorio nacional en el Estado de México, hasta los límites del municipio de Temoaya en donde se localiza la Presa José Antonio Alzate. La cuenca Río Lerma-Toluca comprende un área de 8 566.98 km2 y un perímetro de 613.19 km. La elevación sobre el nivel del mar en el nacimiento es de 2,570 m y en la salida del Estado de México de 2,360 m. Dentro del territorio estatal, la precipitación media es de 707 mm/año. Los climas son: templado lluvioso, lluvioso semifrío y frío con temperatura media de 13 ºC. La subcuenca del Río Atlacomulco-Paso de Ovejas cuenta con un área de 1653.67 km2 y las elevaciones van desde los 3300 msnm a 1920 msnm. La cuenca Río Soto La Marina, se ubica al Noreste del país, comprende parte de los estados de Nuevo León y Tamaulipas, con una superficie total de 21,475 kilómetros cuadrados. Se encuentra conformado por 13 cuencas hidrológicas, de las cuales para este trabajo nos interesa únicamente la subcuenca del Río Pilon, que comprende desde la estación hidrométrica Magueyes hasta la estación hidrométrica Pilón III, y drena unasuperficie de 2,271 kilómetros cuadradosy geográficamente se ubica entre los paralelos 98° 52' y 99° 38' de longitud Oeste y los meridianos 24° 38' y 24° 08' de latitud Norte. Se encuentra delimitada: al Norte por la cuenca hidrológica del Río San Fernando; al Sur y al Este con la cuenca hidrológica Área no Aforada y al Oeste con las cuencas hidrológicas Río Pilón 1 y Río San Antonio. Recibe las aportaciones de los Arroyos Santa Lucía y La Zanja por su margen derecha y por la izquierda el Arroyo La Torrecilla, se caracteriza el recorrido paralelo que en ocasiones llega a intercambiar sus aguas o correr como una sola corriente inundando principalmente zonas de pastoreo, tiene en su recorrido un desarrollo total de 100 kilómetros. Figura 2. Ubicación geográfica de la cuenca Río Soto La Marina. Para este estudio, se analizaron dos cuencas de zonas muy diferentes del país, Río Lerma-Toluca (Figura 1) y Río Soto la Marina (Figura 2) con la intención de determinar el comportamiento de las estimaciones 3. Metodología La información utilizada para este trabajo es la obtenida a partir del producto 3B42 proveniente del satélite TRMM, y de los registros in situ disponibles en la base de datos CLICOM. En cuanto a la información generada a partir del satélite, se tienen registros a partir del año 1998 hasta el presente año, y en el caso de los datos de CLICOM, varía de acuerdo a cada estación climatológica; a partir de lo cual, el análisis en este trabajo se restringe para el período de 1998 a 2011. Para caracterizar los resultados obtenidos del satélite a partir de los registros provenientes de las estaciones; esto es, determinar la calidad de la información que se obtiene por medio de la percepción remota se realizó un análisis comparativo entre tres factores importantes que influyen en la precisión: la topografía presente en la zona de estudio, la extensión de la zona de interés, y a las condiciones climatológicas presentes. Para lo cual se utilizaron cuencas y subcuencas con contraste topográfico importante, Río Soto la Marina y Río Lerma- XXIII C ON G R E S O N A C I O N A L H I D R Á U LI C A DE AMH PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 Los años que se eligieron para el análisis de meses lluviosos en el caso de la cuenca Rio Soto La Marina fueron: 2003, 2005 y 2010; esto fue ya que en cada uno de ellos se presentaron huracanes importantes que afectaron la región. En cuanto a los meses de estiaje, se determinaron a partir de la investigación bibliográfica en los años que se presentaron condiciones de sequía, quedando finalmente: 1998, 2000 y 2011. Para la cuenca Río Lerma-Toluca, se eligieron los años a partir de la información recabada de la investigación; resultando como años lluviosos para la zona: 2002, 2005 y 2006; y para los años secos: 1998, 2000 y 2009. Para el análisis por extensión o área, lo que se hizo fue comparar los resultados obtenidos a nivel cuenca y a nivel subcuenca; para ello se eligieron en cada región una de las subcuencas que lo integran, quedando para la zona montañosa la perteneciente al Río Atlacomulco-Paso de Ovejas, y para la zona de planicie la del Río Pilón. Aunado al análisis comparativo anterior, se concluyó el trabajo realizando una modelación hidrológica para observar los resultados obtenidos utilizando datos del TRMM, para lo cual se utilizó el programa Modelo para Pronóstico de Escurrimiento (MPE) desarrollado en el Instituto de Ingeniería de la Universidad Autónoma de México (UNAM). Esta herramienta estima los escurrimientos de una cuenca mediante un modelo de parámetros distribuidos, es decir en los que la producción del escurrimiento se estima para una malla de cálculo (Dominguez et al., 2008). Los parámetros de entrada para determinar una curva de escurrimiento son: el grupo hidrológico del suelo, uso del suelo y edafología. Mediante el uso de los Sistemas de Información Geográfica (SIG) se subdivide la cuenca en celdas y se considera la variabilidad espacial de las características del suelo para la producción del escurrimiento y hacer transferencia de cada una de estas celdas hasta el sitio donde se encuentra la hidrométrica con la cual se realiza la comparación final. 4. Resultados Primeramente se presentan los resultados para los años más representativos de cada análisis realizado para la región de Río Soto La Marina (zona de planicie). DIAGRAMA DE DISPERSIÓN -LLUVIAS -AÑO 2010 80 60 40 20 0 0 5 10 15 20 25 30 CLICOM [mm/día] HIETOGRAMA- LLUVIAS -AÑO 2010 35 40 45 50 Curva masa - LLUVIAS -AÑO 2010 80 600 500 60 400 mm/día Cabe resaltar que la comparación se llevó a cabo a partir de las precipitaciones medias para cada cuenca y subcuenca. En el caso de los datos de los datos provenientes del CLICOM, se utilizó la metodología de los polígonos de Thiessen, y para los datos del TRMM como las celdas mantienen la misma área se obtuvo con la media aritmética. Y a partir de esta nueva información generada se obtuvieron los hietogramas y curvas masa para cada periodo de análisis, así como la gráfica de dispersión. Los métodos empleados en el modelo del MPE son los siguientes: método de Sherpad, para obtener la precipitación distribuida interpolando la lluvia registrada en las estaciones; método de número de curva (SCS), para tener la producción del escurrimiento; método de Clark modificado, para realizar la transferencia del escurrimiento; factor de olvido, parámetro en el que se consideran las pérdidas por evapotranspiración. TRMM [mm/día] Toluca, tratándose en el primer caso de una planicie y en la segunda cuenca se trata de una zona montañosa; así también se incluyó un análisis de contraste de los resultados que se obtienen a nivel cuenca y subcuenca para ver la influencia de esta condición; y se caracterizaron los resultados en épocas de estiaje y meses lluviosos, para lo cual se identificaron los años, mediante una revisión bibliográfica, en los cuales se presentaron daños por sequía, huracanes, desbordamientos e inundaciones. [mm/día] AMH CLICOM TRMM 40 CLICOM TRMM 300 200 20 100 0 150 200 250 Tiempo [días] 300 0 150 350 200 250 Tiempo [días] 300 350 Figura 3. Cuenca Río Soto La Marina para el año 2010 (año lluvioso). DIAGRAMA DE DISPERSIÓN -LLUVIAS -AÑO 2010 El cálculo del escurrimiento en la cuenca se lleva a cabo siguiendo el método de Clark, que resume el escurrimiento estimado en cada celda para calcular el hidrograma general. 60 40 20 0 0 5 10 15 20 25 30 CLICOM [mm/día] HIETOGRAMA- LLUVIAS -AÑO 2010 40 45 50 500 400 mm/día 60 CLICOM TRMM 40 20 0 150 35 Curva masa - LLUVIAS -AÑO 2010 80 [mm/día] El método de número de curva se basa en la ecuación de balance hídrico y la razón entre el volumen de escurrimiento directo y el escurrimiento potencial máximo, que indica que es igual a la razón entre la infiltración real y la infiltración potencial máxima. Este método tiene su base en el del Servicio de Conservación del Suelo (SCS) con una modificación que permite la consideración de procesos de secado en el suelo después de la ocurrencia de lluvia. TRMM [mm/día] 80 Cuenta con una base numérica simplificada en mallas y ha sido desarrollado para estimar los procesos de precipitaciónescurrimiento dentro de los sistemas de cuencas, y es similar a la presentada por Cluckie et al. (2006). 300 CLICOM TRMM 200 100 200 250 Tiempo [días] 300 350 0 150 200 250 Tiempo [días] 300 350 Figura 4. Subcuenca Río Pilón para el año 2010 (año lluvioso). XXIII C ON G R E S O N A C I O N A L AMH H I D R Á U LI C A DE DIAGRAMA DE DISPERSIÓN -LLUVIAS -AÑO 2005 80 40 60 30 TRMM [mm/día] 40 20 0 10 20 30 40 CLICOM [mm/día] HIETOGRAMA- ESTIAJE -AÑO 2011 50 60 10 mm/día 30 40 50 CLICOM [mm/día] 100 70 80 600 CLICOM TRMM 60 200 60 Curva masa - LLUVIAS -AÑO 2005 80 CLICOM TRMM 300 20 20 HIETOGRAMA- LLUVIAS -AÑO 2005 400 CLICOM TRMM 40 0 Curva masa - ESTIAJE -AÑO 2011 80 60 10 0 70 [mm/día] 0 20 CLICOM TRMM 500 400 mm/día TRMM [mm/día] DIAGRAMA DE DISPERSIÓN -ESTIAJE -AÑO 2011 [mm/día] AMH PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 40 300 200 20 100 0 50 100 150 Tiempo [días] 0 50 200 100 150 Tiempo [días] 0 150 200 Figura 5. Cuenca Río Soto La Marina para el año 2011 (año seco). 200 250 300 Tiempo [días] 0 150 350 200 250 300 Tiempo [días] 350 Figura 8. Subcuenca Río Atlacomulco-Paso de O. para el año 2005 (año lluvioso). DIAGRAMA DE DISPERSIÓN -ESTIAJE -AÑO 2011 80 DIAGRAMA DE DISPERSIÓN -ESTIAJE -AÑO 2009 TRMM [mm/día] 40 20 10 20 30 40 CLICOM [mm/día] HIETOGRAMA- ESTIAJE -AÑO 2011 60 70 CLICOM TRMM mm/día 20 100 150 Tiempo [días] 20 200 5 10 15 CLICOM [mm/día] 20 25 Curva masa - ESTIAJE -AÑO 2009 300 CLICOM TRMM CLICOM TRMM 15 10 200 100 5 0 50 200 0 25 100 0 50 5 HIETOGRAMA- ESTIAJE -AÑO 2009 CLICOM TRMM 300 40 10 0 400 60 15 Curva masa - ESTIAJE -AÑO 2011 80 [mm/día] 50 20 mm/día 0 [mm/día] 0 100 150 Tiempo [días] 0 50 200 Figura 6. Subcuenca Río Pilón para el año 2011 (año seco). A continuación, se presentan los resultados obtenidos para la región de la cuenca Río Lerma-Toluca (zona montañosa). DIAGRAMA DE DISPERSIÓN -LLUVIAS -AÑO 2005 100 150 Tiempo [días] 0 50 200 100 150 Tiempo [días] 200 Figura 9. Cuenca Río Lerma-Toluca para el año 2009 (año seco). DIAGRAMA DE DISPERSIÓN -ESTIAJE -AÑO 2009 20 TRMM [mm/día] TRMM [mm/día] 25 60 15 10 5 30 0 15 5 10 15 CLICOM [mm/día] HIETOGRAMA- ESTIAJE -AÑO 2009 20 0 10 20 30 40 CLICOM [mm/día] HIETOGRAMA- LLUVIAS -AÑO 2005 60 70 80 600 CLICOM TRMM 500 mm/día 40 200 300 350 100 50 100 150 Tiempo [días] 200 0 50 100 150 Tiempo [días] 200 Figura 10. Subcuenca Río Atlacomulco-Paso de O. para el año 2009 (año seco). 100 250 Tiempo [días] 10 CLICOM TRMM 300 20 200 15 0 50 400 0 150 150 5 CLICOM TRMM 25 200 CLICOM TRMM Curva masa - LLUVIAS -AÑO 2005 80 60 50 [mm/día] 0 20 Curva masa - ESTIAJE -AÑO 2009 25 10 5 [mm/día] 0 20 mm/día TRMM [mm/día] 25 0 150 200 250 Tiempo [días] 300 350 Figura 7. Cuenca Río Lerma-Toluca para el año 2005 (año lluvioso). Al concluir el procesamiento de la información, se puede observar que los hietrogramas, curva masa y gráfica de correlación presentan mejores resultados para la región de río XXIII C ON G R E S O N A C I O N A L AMH DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 Soto la Marina en comparación con la región de rio LermaToluca. Respecto al área de análisis también se observa cierta tendencia a que mejora la calidad de los resultados al tratarse de una cuenca, esto puede deberse a que al tratarse de un área de mayor tamaño se toman en cuentan un mayor número de celdas del TRMM. Finalmente, los coeficientes de correlación confirman los resultados que se aprecian en las gráficas. Se obtuvo el modelo hidrológico para la cuenca del Río Pilón (Figura 11). Para este procesamiento se calibraron los parámetros que se toman en cuenta en el programa MPE obteniendo finalmente la comparativa de los hidrogramas (Figura 12). AMH Estos resultados permiten conocer los alcances y limites en el uso de productos de precipitación provenientes de satélites para fines de predicción hidrológica. Se anticipa que este tipo de investigaciones son de gran interés para validar modelos numéricos que ayuden a optimizar el uso de los datos provenientes de satélites. La mayor ventaja que ofrecen los productos satelitales es que permiten estimar la precipitación en zonas sin mediciones in situ. El producto satelital TRMM 3B42 presenta inexactitudes de estimación; se encontró que el TRMM 3B42 diario en promedio subestima o sobrestima las precipitaciones en ambos casos propuestos para su diferenciación, por lo que se sugiere que para futuros trabajos se puede complementar este tipo de trabajos llevando a cabo modelos de corrección que permitirán un mejor ajuste entre las fuentes de información. 6. Referencias bibliográficas Bennett, Marvin, et al. (2013). The evolution of remotely sensed precipitation products for hydrological applications with a focus on the tropical rainfall measurement Mission (TRMM). Journal of Environmental hydrology. Bhatt, B.C.; Nakamura, K. (2005). Characteristics of monsoon rainfall around the Himalayas revealed by TRMM precipitation radar. Mon. Wea. Rev., 133, 149–165 Bitew, M. M., M. Gebremichael (2011). Evaluation of satellite rainfall products through hydrologic simulation in a fully distributed hydrologic model, Water Resour.Res., 47, W06526, doi:10.1029/2010WR009917. Figura 11. Variación topográfica de la Cuenca Río Pilón. Bookhagen, B.; Burbank, D.W. (2006). Topography, relief, and TRMM-derived rainfall variations along the Himalaya. Geophys. Res. Lett., 33, doi:10.1029/2006GL026037. Castillo, Hermelinda. et al (2011). Estudio de la precipitación máxima diaria anual en la cuenca del río usumacinta como base de las estimaciones de crecientes de diseño. 2do. Congreso nacional de manejo de cuencas hidrográficas. México. CENAPRED, Secretaría de Gobernación (2002).Sequías. Series Fascículos. México Cohen Liechti, T., Matos, J.P., Boillat, J.L., and Schleiss, A.J.: Comparison and evaluation of satellite derived precipitation products for hydrological modeling of the Zambezi River Basin, Hydrol. Earth Syst. Sci., 16, 489-500, doi:10.5194/hess-16-489-2012, 2012. CONABIO. Portal de geoinformación sistema nacional de información sobre biodiversidad. Disponible en: http://www.conabio.gob.mx/informacion/gis/ Figura 12. Resultado obtenido mediante el MPE. 5. Conclusiones Los resultados que se obtuvieron marcan una mejor correlación de los datos pluviométricos para la zona de la planicie, esto puede deberse a que el satélite no detecta todos los tipos de lluvia, como la orográfica y convectiva. Asimismo, el error disminuye considerablemente durante la temporada de lluvia. CONAGUA (2011). Reporte del clima en México, Reporte anual 2011. México. Coordinación General de Vinculación y Desarrollo Institucional de la Rectoría General de la Universidad Autónoma Metropolitana (2006). Principios y Fundamentos de la Hidrología Superficial.México. Datos climáticos diarios del CLICOM del SMN con gráficas del CICESE. Disponible en: http://clicom-mex.cicese.mx. Último acceso el 31 de marzo de 2014. AMH XXIII C ON G R E S O N A C I O N A L DE H I D R Á U LI C A PUERTO VALLARTA, JALISCO, MÉXICO, OCTUBRE 2014 González, F(2009). Evaluación de la vulnerabilidad del sistema de presas del Río Grijalva antes de los impactos del cambio climático. Instituto de Ingenieria, UNAM-INE. Mendoza, Victor (2012). Informacion climatológica y meteorológica para pronosticar y poder mitigar los efectos de una sequía. NASA Headquartes (2007). Tropical Rainfall Measuring Mission (TRMM) Senior Review Propostal. Subgerencia de Información Geográfica del Agua (SIGA). Disponible en: CONAGUA.http://siga.conagua.gob.mx/REPDA/Menu/Frame KMZ.htm. Último acceso el 06 de abril de 2014. TRMM. Página web del satélite TRMM. Disponible en internet: http://trmm.gsfc.nasa.gov/. Último acceso el 17 de ABRIL del 2014. Wagner, W., Verhoest, N.E.C., Ludwig, R., Tedesco, M. (2009). Remote sensing in hydrological sciences. Hydrol. Earth Syst. Sci., 13, 813–817. AMH
© Copyright 2024