Leer los archivos de CMORPH utilizando R

CMORPH (técnica de CPC MORPHing) este análisis de precipitación global con una resolución espacial y temporal muy alta. Esta técnica utiliza estimaciones de precipitación derivadas exclusivamente de observaciones de satélites de microondas de órbita baja, y cuyas características se transportan a través de información de propagación espacial que se obtiene completamente de los datos de IR de los satélites geoestacionarios. 

En la actualidad se incorporan las estimaciones de precipitación derivadas de los microondas pasivos a bordo del DMSP 13, 14 y 15 (SSM / I), NOAA-15, 16, 17 y 18 (AMSU-B) y AMSR-E y TMI a bordo del Aqua de la NASA. y la nave espacial TRMM, respectivamente. Estas estimaciones son generadas por los algoritmos de Ferraro (1997) para SSM / I, Ferraro et al. (2000) para AMSU-B y Kummerow et al. (2001) para TMI. Tenga en cuenta que esta técnica no es un algoritmo de estimación de precipitación, sino un medio por el cual se pueden combinar las estimaciones de los algoritmos de lluvia de microondas existentes. Por lo tanto, este método es extremadamente flexible, de modo que se pueden incorporar las estimaciones de precipitación de cualquier fuente de satélite de microondas.

Las estimaciones de precipitación están disponibles en una cuadrícula con un espaciado de 8 km (en el ecuador), la resolución de las estimaciones individuales derivadas de satélites menor que eso, y oscilan entre los 12 x 15 km más o menos, para obtener una resolución más fina,  se realizan interpolaciones de la estimaciones.

Los datos los puede descargar de:

ftp://ftp.cpc.ncep.noaa.gov/precip/CMORPH_V0.x/RAW/8km-30min/2018/

los registros históricos desde enero de 1998 a julio de 2017, los puede descargar de:

ftp://ftp.cpc.ncep.noaa.gov/precip/CMORPH_V1.0/RAW/8km-30min/

Los datos los pueden visualizar en R y guardar en Geotiff, para luego porcesar en Qgis o cualquier GIS

Comparación de la lluvia diaria de las estaciones y CMORPH

Añadir leyenda

Grado de asociación entre la lluvia diaria y CMORPH para las estaciones de la red de INSIVUMEH, durante el periodo 2001 a 2015

############################################################################
#
#       Leer archivos de CMORPH con R
#       Walter Bardales (bardaleswa@gmail.com)
#
#

# Infomracion del archivo CTL
# TITLE  Precipitation estimates
# XDEF 4948 LINEAR   0.036378335 0.072756669
# YDEF 1649 LINEAR -59.963614    0.072771377
# ZDEF   01 LEVELS 1
# TDEF 999999 LINEAR  00z01jan2005 30mn
# VARS 1
# cmorph   1  99  hourly cmorph [ mm/hr ]

# Cargar librerias
library(raster)
library(tibble)
library(stats)
library(rgdal)

# Definir directorio de trabajo
setwd("D:/Documents/chirps")

# Leer archivo binario de cmorph
cmorph.file = file("CMORPH_V1.0_RAW_8km-30min_1998010105", "rb")

# Cerrar
on.exit(close(cmorph.file))

# Cantidad de bites XDEF * YDEF * 2
bites = (4948*1649*2)

# Coordenadas iniciales CMORPH, coordenada inicial, cantidad de pixeles y tamaño de pixel
longitud = seq(0.036378335, length.out = 4948, by=0.072756669)
latitud = seq(-59.963614, length.out = 1649, by=0.072771377)

# Leer datos binarios
temporal = readBin(cmorph.file, numeric(), n = bites, size = 4, endian = "little")
temporal = temporal[seq_len(bites/2)] * 0.1

# hacer data.frame
datacmorph = as_data_frame(
  setNames(
    cbind(expand.grid(longitud, latitud), temporal),
    c("lon", "lat", "lluvia")
  )
)

# Convertir en puntos
coordinates(datacmorph) = ~lon+lat

# Crear una grilla de puntos
gridded(datacmorph) = TRUE

# Crear un raster a partir de los puntos y poner los valores como NA si son menores a 0
rascmorph = raster(datacmorph)
rascmorph[rascmorph<0 0="" na="" p="">

<0 na="" p=""># Convertir longitude 0-360 a longitude -180-180
rascmorph = rotate(rascmorph)

# ASignarle la proyección al raster
crs(rascmorph) = "+proj=longlat +datum=WGS84"

# Guardar el raster
writeRaster(rascmorph, "cmorph.tif", format="GTiff", overwrite=TRUE)

Extraer datos de lluvia en una cuenca usando R

La falta de datos de lluvia en una cuenca, no es impedimento para poder realizar un balance hídrico hoy en día, ya que existen datos de hidroestimación o datos de lluvia estimada a partir de satelites o radares.  Estos datos tienen la ventaja que proporcionan la distribución espacial de la lluvia, pero su desventaja es que tienen a subestimar o sobrestimar en algunos eventos de lluvia y esto depende del tipo de lluvia; pero mediante un ajuste por regresión se puede reducir el error.
 También, pueden usarse para rellenar datos mensuales, trimestrales, anuales de lluvia en las series observadas, mediante un ajuste.

## Script para descargar datos chirps 2.0 y extraer la lluvia media de la cuenca
## Walter Bardales
## Fecha: 01/07/2018


#################################################################################

library(R.utils)

# Funcion de descarga Chirps V2.0
download.chirps2.0 = function(Ruta, fecha_inicial, fecha_final){
fecha=format(seq(as.Date(fecha_inicial), as.Date(fecha_final), "month"), format="%Y.%m")
for (i in 1:length(fecha)){
wurl=paste0("ftp://ftp.chg.ucsb.edu/pub/org/chg/products/CHIRPS-2.0/camer-carib_monthly/tifs/","chirps-v2.0.",fecha[i],".tif.gz")
download.file(wurl,paste0(Ruta,"chirps-v2.0.",fecha[i],".tif.gz"))
gunzip(paste0(Ruta,"chirps-v2.0.",fecha[i],".tif.gz"))
}
}

#################################################################################

# Cargar libreria de trabajo
library(raster)
library(rgdal)

# Directorio de trabajo
setwd("D:/Documents/chirps/")

# Cargar funcion de descarga chirps V2.0
source("Funcion_descarga_chirps.R")

# Directorio de la descarga
Ruta = "D:/Documents/chirps/raster/"

# Periodo de descarga
fecha_inicial = c("1983/5/1")
fecha_final = c("1983/8/1")

# Descargar archivos chirps y descomprimir
download.chirps2.0(Ruta,fecha_inicial, fecha_final)

# Desactivar el paquete R.utils por tener conflicto con el paquete Raster
detach("package:R.utils", unload=TRUE)

# Cargar los datos de chirps 2.0
lista_archivos = paste0("raster/","chirps-v2.0.",format(seq(as.Date(fecha_inicial), as.Date(fecha_final), "month"),"%Y.%m"),".tif")
chirps = stack(lista_archivos)

# Cargar el poligono de la cuenca en coordenadas geograficas
cuenca = readOGR("shapefile/La_Pasion.shp") # Indicar el directorio de la cuenca

# Extraer los datos
ppcuenca = t(extract(chirps, cuenca, fun=mean))
row.names(ppcuenca) = NULL # Crear serie de datos y guardar
lluvia_media = data.frame(fecha=format(seq(as.Date(fecha_inicial), as.Date(fecha_final), "month"),"%Y.%m"), Lluvia=ppcuenca)

write.csv(lluvia_media, "Lluvia_La_Pasion.csv", row.names = FALSE) # Cambiar el nombre del archivo de salida

#######################################################################

Descargar scripts

Archivo

Prueba de infiltración

Prueba de infiltración y ajuste con el modelo de Horton o Kostiakov

Infiltración (I):

La teoría de infiltración está basada en un análisis del movimiento del agua en el suelo bajo condiciones de no saturación. Durante la infiltración, la fase líquida y la fase gaseosa coexisten en la masa de suelo, con excepción de la zona de contacto entre el suelo y el agua en la superficie del terreno.

La infiltración, velocidad de infiltración o intensidad de entrada en el suelo, se puede definir como la velocidad de penetración del agua en el perfil del suelo, cuando la superficie del terreno está cubierta por una capa de agua poco profunda.

La infiltración tiene dimensión de velocidad (L T^-1), como la lámina de agua (L) admitida por el suelo en una unidad de tiempo (T) o como la cantidad de agua absorbida por la unidad de superficie del terreno en la unidad de tiempo (L³ T^-1 L^-2), respectivamente. Si las mismas unidades se usan en ambos casos, las expresiones son dimensionalmente equivalentes (L T^-1). En la primera forma la expresión común de velocidad de entrada es cm h^-1 o cm min^-1.  En la segunda forma, generalmente se expresa como m³ min^-1 m^-2. Es común, por varios autores, señalar que la infiltración obedece a un fenómeno de movimiento vertical del agua en el perfil de suelo.  A la disminución de la velocidad de infiltración después de cierto período de tiempo alcanzando una velocidad que tiende a ser constante y se denomina infiltración básica (I_b), la cual se considera cercana a la conductividad hidráulica o permeabilidad (K).

Factores que afectan la infiltración

·       Textura del suelo: Proporción de arenas, limos y arcilla

·       Estructura del suelo: Es la forma en la que se encuentra posicionadas las partículas del suelo o pedón (granular, migajosa, bloques, prismática o columnar o laminar)

·       Contenido de humedad del suelo (Capacidad de campo, punto de marchitez permanente y saturación)

Métodos para medir la velocidad de infiltración:

Las técnicas más utilizadas para determinar tasas de infiltración y conductividad hidráulica saturada, son: Lagunas de infiltración, permeámetros, infiltrómetros cilíndricos y el método de Porchet.

Porchet

Para la estimación de la tasa de infiltración en terreno se puede utilizar el método de Porchet, el cual consiste en excavar un cilindro de radio (R) y se llenarlo con agua hasta una altura (h).

La superficie por la cual pasa el agua al infiltrarse es:

S=2π*R*h+ π*R^2

S=πR(2h+R)

La velocidad de infiltración (f) que pasa por la superficie (S) del agujero cilíndrico es proporcional a la variación del volumen de agua del agujero cilíndrico para un intervalo de tiempo infinitamente pequeño (dt):

S*f =  dV/dt

Como el radio permanece constante, la expresión se puede simplificar de la siguiente forma:

f=  (πR^2)/S dh/dt

Sustituir la superficie del agujero cilíndrico

f=  (πR^2)/(πR(2h+R))  dh/dt

Al simplificar

f=  R/(2h+R)  dh/dt

Se parar los diferenciales

f dt=  R/((2h+R))  dh

Al integrar y valuar en los intervalos de tiempo (t1, t2) y el nivel de agua (h1 y h2), siendo t12

y h21

f (t2-t1)=  R/2*(Ln(2*h1+R)- Ln(2*h2+R))

Al simplificar

f=  R/(2(t2-t1))*Ln((2*h1+R)/(2*h2+R))

Métodos de ajuste de la ecuación de infiltración

Horton:

          Horton estudio la capacidad de infiltración, en su estudio determinó que la capacidad de infiltración tiene la siguiente forma.

fp= fc + (fo-fc )*e^(-kt)  

Donde:

fp= Capacidad de infiltración (mm/hr)

fc= Capacidad final o equilibrio (mm/hr)
fo= Capacidad inicial (mm/hr)

K= Coeficiente de decrecimiento de la capacidad de infiltración en el tiempo

Kostiakov

          Este investigador propuso una ecuación empírica, basada en un modelo potencial

f=a*t^b

Donde:

f= velocidad de infiltración (mm/min)

a y b = parámetros de ajuste

t= Tiempo (min)

Impacto del cambio climático sobre la disponibilidad del recurso hídrico futuro en Guatemala.

Cuenca media alta del río Motagua

Análisis de la cuenca media alta del Motagua Realizado por: Walter Bardales y Sergio López

Sequía meteorológica mensual para Guatemala durante el 2011

La sequía se define como una anomalía temporal en la que la cantidad de agua se encuentra por debajo de los requerimientos de un ecosistema dado en un área específica.

Tipos de sequía

• Sequía meteorológica: Es la desviación de la cantidad de lluvia por debajo de la media de periodo determinado en una zona específica.

• Sequía hidrológica: Período seco lo suficientemente prolongado para ocasionar una disminución apreciable en el caudal de los ríos, nivel de los lagos y/o un agotamiento de la humedad del suelo y un descenso en los niveles de aguas subterráneas por debajo de sus valores normales.

• Sequía agrícola: Relaciona la sequía meteorológica e hidrológica  a los posibles impactos en la producción agrícola, enfocándose en las disminuciones de la cantidad de lluvia, diferencias entre evapotranspiración actual y potencial, déficit en el contenido de humedad del suelo, etc. Las sequías agrícolas están relacionadas con los requerimientos de agua de los cultivos, y estos varían según la especie.

• Sequía socio-económica: Asocia el suministro y demanda de un bien económico con elementos de sequía meteorológica, hidrológica y agrícola.

Entonces a consecuencia de una sequía meteorológica se pueden derivar la sequía hidrológica, agrícola y socio-económica, motivo por el cual se pretende monitorear la sequía meteorológica a través de índices, y así poder detectar zonas vulnerables, y así poder implementar medidas de acción para reducir sus posibles impactos a la sociedad.

Mapas del índice de sequía meteorológica mensual de Guatemala para el año 2011.