Resumen de Weather Radar Estimations Feeding an Artificial Neural Network Model

G. Cerda Villicaña, Sergio Ledesma, Dawei Han

• español

  La aplicación de Redes Neuronales Artificiales (RNA) en el modelado de lluvia-flujo ha sido estudiada ampliamente. Sin embargo, hasta ahora se han utilizado datos provenientes de pluviómetros tradicionales. Los radares meteorológicos son una tecnología moderna que puede proveer datos de lluvia de alta resolución en tiempo y espacio. Este es un trabajo de comparación en el modelado lluvia-flujo entre pluviómetros y radares meteorológicos. Los datos provienen de la cuenca del río Brue en el suroeste de Inglaterra, con 49 pluviómetros cubriendo 136 km2 y dos radares meteorológicos en la banda C. Esta red de pluviómetros es extremadamente densa (para investigación) y no representa la densidad usual en sistemas de predicción de inundaciones. Los modelos de RNA fueron implementados con datos de entrada de lluvia tanto espaciados como no distribuidos. Los resultados muestran que los datos de los pluviómetros fueron mejores que los datos de los radares en todos los eventos probados.

• English

  The application of ANNs (Artificial Neural Networks) has been studied by many researchers in modelling rainfall runoff processes. However, the work so far has been focused on the rainfall data from traditional raingauges. Weather radar is a modern technology which could provide high resolution rainfall in time and space. In this study, a comparison in rainfall runoff modelling between the raingauge and weather radar has been carried out. The data were collected from Brue catchment in Southwest of England, with 49 raingauges covering 136 km2 and two C-band weather radars. This raingauge network is extremely dense (for research purposes) and does not represent the usual raingauge density in operational flood forecasting systems. The ANN models were set up with both lumped and spatial rainfall input. The results showed that raingauge data outperformed radar data in all the events tested, regardless of the lumped and spatial input.