Validation of chirps gauge – satellite based rainfall dataset over Nicaragua, 2011 - 2021

Abstract

Rainfall is a key input for many weather and climate numerical models. Therefore the strong need to have a dense enough monitoring network for this parameter. Satellite-based rainfall products have emerged in recent decades as an alternative to the more expensive gauge stations. However, a proper validation of such satellite-based products against gauge data must be performed before using their data. This study presents a validation of CHIRPS dataset against gauge data for 17 stations across Nicaragua. The performance of the product was validated at different temporal scales (daily, pentadal, monthly and annual) by different error metrics. A total of six quantitative error metrics was assessed: Bias Percentage (PBIAS), Mean Error (ME), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), Pearson’s r and Nash Stucliffe Efficiency (NSE). A total three categorical indices were assessed at daily time scale: Probability of Detection (POD), False Alarm Ratio (FAR) and Critical Success Index (CSI). The results showed that CHIRPS dataset have better performance at monthly and annual time scales, while it is not capable of adequately represent the daily variability.La precipitación es un dato de entrada clave para muchos modelos numéricos meteorológicos y climáticos. De ahí la necesidad de tener una red de monitoreo lo suficientemente densa para este parámetro. Los productos de lluvia basados ​​en satélites han surgido en las últimas décadas como una alternativa a las estaciones de medición in situ que suelen ser más costosas. Sin embargo, se debe realizar una validación adecuada de dichos productos basados ​​en satélites, con datos de medición antes de poder utilizar sus datos. Este estudio presenta una validación del conjunto de datos CHIRPS contra datos de estaciones in situ para 17 estaciones pluviométricas en Nicaragua. La validación se realizó a diferentes escalas temporales (diaria, pentadal, mensual y anual) mediante diferentes métricas de error. Se evaluaron un total de seis métricas cuantitativas de error: Porcentaje de sesgo (PBIAS), Error Medio (ME), Error Absoluto Medio (MAE), Error Cuadrático Medio (RMSE), r de Pearson y Eficiencia de Nash Stucliffe (NSE). Se evaluaron un total de tres índices categóricos a escala temporal diaria: Probabilidad de Detección (POD), Proporción de falsas alarmas (FAR) e Índice de Éxito Crítico (CSI). Los resultados mostraron que el conjunto de datos CHIRPS tiene un mejor rendimiento en escalas de tiempo mensuales y anuales, mientras que no es capaz de representar adecuadamente la variabilidad diaria.