Investigadores han desarrollado el primer algoritmo sistemático de recuperación de precipitaciones para el satélite Fengyun-3G (FY-3G) de China, convirtiendo observaciones pasivas de microondas en un producto operativo que describe la precipitación superficial y los perfiles verticales de hidrometeoros. El método, publicado el 11 de agosto de 2026 en la Revista de Teledetección, combina la recuperación bayesiana con una base de datos previa optimizada físicamente para producir estimaciones consistentes con los productos establecidos del Monitoreo Global de Precipitaciones (GPM) y mejorar la representación del agua líquida en las nubes.
Las mediciones precisas de precipitación son cruciales para los pronósticos meteorológicos, la investigación climática, la gestión del agua y la preparación ante desastres; sin embargo, las precipitaciones siguen siendo una fuente importante de incertidumbre en los modelos ambientales. Los satélites de microondas pasivas pueden monitorear la precipitación sobre océanos, montañas y áreas con escasa cobertura de instrumentos terrestres, proporcionando una cobertura más amplia que el radar. El FY-3G lleva el radiómetro avanzado MWRI para la misión de precipitaciones (MWRI-RM) con 26 canales que abarcan de 10.65 a 183 GHz, pero estas observaciones carecían de un algoritmo dedicado para una recuperación operativa integral.
El equipo de investigación de la Universidad de Ciencia y Tecnología de China, el Centro Meteorológico Nacional de Satélites, el Centro de Observación Meteorológica de la Administración Meteorológica de China y colaboradores construyeron una recuperación bayesiana en torno a una base de datos previa que vincula perfiles de hidrometeoros y estados atmosféricos con temperaturas de brillo de microondas. Combinaron observaciones del GMI, perfiles del GPROF, variables del ERA5 y cálculos de transferencia radiativa, y luego aplicaron un método variacional unidimensional para ajustar el agua líquida en nubes, el agua de lluvia, el agua en hielo y la emisividad superficial en aras de la consistencia física. La base de datos se aplicó a las observaciones del MWRI-RM del FY-3G con recuperaciones separadas para océano, costa, tierra de baja elevación y regiones de alta elevación.
El algoritmo generó un producto de perfil de múltiples hidrometeoros (MHP) que concordó bien con dos productos establecidos del GPM —el algoritmo de perfilado Goddard (GPROF) y el algoritmo combinado de radar-radiómetro (CMB)— en la tasa de precipitación superficial, la trayectoria del agua de lluvia y los patrones de trayectoria del agua en hielo. Las estimaciones de precipitación superficial mostraron en general sesgos medios relativos dentro del 14% sobre océano y tierra. Surgió una ventaja clave para el agua líquida en nubes: el MHP mostró una relación marcadamente más fuerte entre la trayectoria del agua líquida en nubes y la intensidad de la precipitación que cualquiera de los productos de comparación, lo que indica un vínculo nube-lluvia más realista físicamente. El método también recupera perfiles verticales de agua líquida en nubes, agua de lluvia y agua en hielo, ofreciendo más información sobre la microfísica de las tormentas que los productos de solo precipitación.
Las pruebas de calibración mostraron una fuerte concordancia entre las temperaturas de brillo simuladas y observadas del MWRI-RM. En cielos despejados, las correlaciones de Pearson superaron 0.94 en todos los canales, los sesgos medios se mantuvieron dentro de ±0.4 K y los RMSE fueron inferiores a 2.5 K sobre tierra y 2.0 K para la mayoría de los canales oceánicos. En un caso de tifón, los tres productos capturaron el ojo y tres bandas de lluvia espirales; el MHP logró una correlación espacial entre agua líquida en nubes y precipitación de 0.84, frente a 0.72 del GPROF y 0.52 del CMB. En un caso de precipitación sobre tierra, las correlaciones fueron 0.84, 0.76 y 0.47. La validación con 2,486 pluviómetros mostró que extender la acumulación de 10 a 60 minutos aumentó la correlación de 0.455 a 0.542 y redujo el error cuadrático medio de 1.743 a 1.341 mm/h. Los sesgos restantes reflejaron una subestimación de la lluvia intensa y incertidumbres relacionadas con el tipo de superficie y los supuestos sobre partículas de hielo. La trayectoria del agua de lluvia oceánica se subestimó en un 27% frente al GPROF y en un 19% frente al CMB.
Los autores señalan que "el producto MHP exhibe una buena consistencia con GPROF y CMB", y añaden que sus variables relacionadas con la precipitación pueden revelar la microfísica de las tormentas y apoyar una mejor parametrización de los modelos. El equipo también ve potencial para extender el marco de recuperación más allá del FY-3G a otros imágenes de microondas Fengyun y futuras misiones satelitales. El prototipo podría fortalecer el monitoreo operativo de precipitaciones sobre China y a nivel mundial, especialmente donde las redes terrestres son escasas, y podría apoyar el monitoreo de tifones e inundaciones, la investigación nube-precipitación, la evaluación de modelos climáticos y una mejor parametrización microfísica. Un mayor refinamiento de la representación de la lluvia intensa, las recuperaciones en alta elevación y los modelos de partículas de hielo podría mejorar la precisión y ampliar el uso operativo futuro. El estudio está disponible en DOI: 10.34133/remotesensing.1057.
