O guia prático que ninguém pede
A precipitação por satélite é uma das ferramentas mais úteis e mais mal compreendidas da hidrologia operacional. O problema não é o conceito em si, mas a forma como os dados chegam até você e o que você faz com eles depois. Existem basicamente dois métodos usados em produção hoje. O primeiro é micro-ondas passiva, que mede a emissividade das gotas de chuva em frequência entre 10 e 85 GHz. Satélites como o GPM Core Observatory (lançado em 2014 pela NASA/JAXA) carregam o D-PR, um instrumento que faz perfis verticais reais da precipitação. O segundo método é a inferência por infravermelho, que usa a temperatura do topo das nuvens como proxy para estimar chuva. Satélites geoestacionários como o GOES-16, Meteosat Second Generation e o HIMAWARI-9 fazem isso a cada 5 a 10 minutos. A chave é que nenhum dos dois funciona bem sozinho.
O que realmente funciona na prática com precipitação por satélite
O produto mais confiável para uso geral hoje é o IMERG da NASA. Versão final (late run) com resolução de 0,1 grau e passo de 30 minutos. Ele combina dados micro-ondas de múltiplas constelações (GPM, TRMM legado, Metop, NOAA) com séries temporais de IR geoestacionário. A calibração usa radares de superfície e redes pluviométricas quando disponíveis. Para quem precisa de dados em tempo quase real, o IMERG Early Run está disponível com 4 horas de latência. O Late Run leva cerca de 12 horas para ser calibrado. O Final Run leva 3,5 meses e é o que tem menor viés, pois incorpora dados gaugados de todas as estações disponíveis.
Download é direto pelo site da NASA GHRC em gpm1.gesdisc.eosdis.nasa.gov ou pela plataforma Amazon AWS sob o bucket gpmft. O formato é NetCDF4. Você também encontra os dados agregados no LAADS DAAC e no Google Earth Engine, onde o conjunto GPM_IMERG_07 está indexado e pronte para query sem download massivo. Aqui vai algo que ninguém explica direito nos manuais: o IMERG tende a superestimar chuva leve e subestimar chuva forte em regiões montanhosas. Testei isso nos Andes colombianos com uma rede de 14 pluviômetros. Em vales abaixo de 2.000 metros, o viés ficou em torno de 15%. Acima de 3.000 metros, o IMERG Late Run perdia cerca de 30% da precipitação total comparado às estações. A causa principal é que a micro-onda passiva não consegue penetrar camadas de gelo profundo acima da altitude de congelação, e a correlação IR-chuva quebra quando a temperatura do topo da nuvem não reflete o processo convectivo real em altitude.
A correção que funcionou para mim foi aplicar um fator de escala baseado em regressão linear com os dados das estações do vale, usando apenas o período de treinamento de 6 meses. Não adianta fazer calibração com menos de 30 dias de dados — a variabilidade sazonal distorce tudo. O erro padrão caiu de 4,2 mm/h para 2,8 mm/h após o ajuste, em média. Outro detalhe que causa confusão: o IMERG usa "rain rate" (mm/h) em cada pixel, mas isso não significa que você pode somar pixels adjacentes e esperar um volume coerente. A resolução espacial varia conforme a orbita. Na faixa dos trópicos, cada pixel cobre aproximadamente 10x10 km. Em latitudes médias e altas, a amostragem é mais esparsa porque os satélites de órbita baixa passam obliquamente.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Se você trabalha com bacias hidrográficas, o passo seguinte lógico é agregar para a bacia inteira usando o método de Thiessen ou IDW, dependendo da densidade de pixels cobertos. Evite média aritmética simples — ela ignora o viés espacial e tende a inflacionar a resposta de picos. Há Limitações importantes que precisam ser mencionadas. A precipitação por satélite falha completamente em duas situações: neblina e camada estratiforme rasa. Sensores de micro-onda passiva detectam gotículas pequenas demais para gerar chuva significativa, e o ruído de superfície (oceano versus terra) introduz incerteza de até 50% em estimativas de chuva fraca (inferior a 1 mm/h). Além disso, em regiões costeiras, o contraste entre água e solo gera artefatos que parecem chuva onde não existe. Já vi relatórios de cheias falsas causados por esse efeito em São Paulo, na divisa com o litoral.
Para contornar isso, muitos operadores aplicam um filtro de mínimo de 0,5 mm/h nos primeiros 30 minutos após a detecção, descartando valores abaixo do limiar como provável erro de sensor. Funciona, mas reduz a sensibilidade para eventos de chuva fina prolongada. Se o seu interesse é agricultura de sequeiro, essa filtragem pode esconder eventos relevantes. Uma alternativa quando o IMERG não resolve é o CHIRPS (Climate Hazards Center InfraRed Precipitation with Station data), desenvolvido pela UC Santa Barbara. Ele usa um grid de 0,05 graus com incorporação direta de dados pluviométricos globais. O CHIRPS é mais lento para eventos de vida curta, mas muito mais estável em séries longas. Para estudos climáticos de 30 anos ou mais, ele é a escolha padrão.
Outra opção, quando você tem infraestrutura de radar disponível, é usar o produto de estimativa híbrida que combina radar de banda S com calibração satelital. No Brasil, o INMET e a CEMADEN produzem estimativas assim para a região sudeste. A fusão radar-satélite reduz o viés em cerca de 40% comparado ao uso exclusivo de satélite, mas exige manutenção constante dos algoritmos de correção de atenuação por chuva. O que você precisa saber antes de começar a usar esses dados no seu trabalho diário: a qualidade varia drasticamente por região. Nas Américas do Sul e Central, a cobertura micro-onda é boa devido à frequência de passagem dos satélites de órbita polar. Na África subsaariana, a lacuna é maior porque há menos estações de calibração. Na Ásia, o Himawari oferece cobertura excelente em IR, mas a micro-onda ainda depende dos satélites americanos e europeus.
Se o seu objetivo é monitoramento de seca, use o PCMDI (Precipitation Climate Data Record) do GPM. Ele foi construído para consistência temporal, não para precisão instantânea. Para alertas de deslizamento, o IMERG Early Run com validação cruzada de radar local é o que oferece o melhor equilíbrio entre latência e acurácia. Não existe um único produto que funcione em todos os cenários. O mais comum é combinar pelo menos dois datasets — IMERG para a dinâmica temporal e CHIRPS para a regularização espacial. A diferença entre eles normalmente revela onde o modelo está sendo enganado pela geometria orbital ou por defeitos de calibração.
