Previsões probabilísticas de precipitação foram obtidas a partir de um conjunto de simulações pelo modelo WRF e utilizadas como condição de contorno no modelo hidrológico TopModel para previsão hidrometeorológica na bacia do Rio Iguaçu, no estado do Paraná. Nas simulações de cheias, durante o período de elevação do volume de precipitação, o erro médio aritmético do conjunto de previsões foi menor que cada um dos membros utilizados nesse conjunto, indicando melhor destreza do conjunto médio em relação a qualquer previsão determinística. Na dissipação dos sistemas precipitantes, alguns membros obtiveram resultados melhores que o conjunto médio e, em geral, as previsões são confluentes. As melhores previsões de precipitação com o WRF foram obtidas com as combinações de microfísica Lin e convecção de Kain Fritsch, microfísica WSM 5 e convecção de Kain Fritsch e simulações defasadas em 6 horas. As simulações inicializadas em horários mais próximos da ocorrência do fenômeno não garantiram uma melhoria na distribuição de precipitação na bacia. A avaliação do sistema de previsão por conjuntos pelo índice de Brier (IB) e seus termos demonstrou níveis suficientes de confiabilidade e destreza para ser utilizada na maioria dos eventos de precipitação sobre a bacia do rio Iguaçu. Os valores do IB estiveram entre 0,15 e 0,3 com picos isolados. Os valores obtidos para o termo de incerteza estiveram entre 0,1 e 0,25 indicando bons resultados visto que o desejável é o mais próximo de zero. Nos eventos de chuva, o termo de confiabilidade apresentou valores próximos a 0,2 no período da manhã e valores entre 0,3 e 0,4 no período da tarde, com um acréscimo no final da integração. O índice de acerto foi de 60 % a 90 % durante o período de integração (48 horas) para o conjunto médio de previsões e entre 50 a 80% para a previsão determinística. Em todos os horários de simulação o erro de fase foi maior que o erro de amplitude, possivelmente devido aos atrasos da propagação dos sistemas precipitantes e aos efeitos de ajuste das condições físicas iniciais da atmosfera. Os erros de fase e amplitude foram menores na previsão probabilística em todo o período de integração. Assim como na previsão de precipitação, nas simulações de vazão o erro de fase foi maior que o erro de amplitude, indicando que o atraso nas previsões de variação da vazão ainda é o um desafio na previsão hidrometeorológica. Observou-se que o modelo hidrológico é bastante sensível a previsão de precipitação e, portanto, a melhoria das previsões de vazão é diretamente proporcional a diminuição dos erros nas previsões de precipitação. / Probabilistic forecast of precipitation from WRF model simulations was used as input in hydrological TopModel for streamlines forecast in Iguaçu Basin, Parana, southern Brazil. The arithmetic error of precipitation ensemble forecast was smaller than each individual member forecast error in the streamflow increase stage. It means the use of ensemble forecast was better than any deterministic forecast. But when the streamflow decreases, the results are confluent and some individual member forecast was better than ensemble. Simulations using Lin microphysical parameterization and Kain Fritsch, WSM 5 and Kain Fritsch and 6h lagged obtained the better results of precipitation over the basin. The use of runs with initial conditions near the precipitation time did not guarantee better results in the distribution of precipitation on the basin. The Brier Score (BS) of the ensemble system demonstrated that the system is very skillful with values between 0.15 and 0.3. Both uncertainty and reliability terms of BS, 0.1 0.25 and 0.2- 0.4, respectively, were encouraging for use hourly ensemble forecast of precipitation on the watershed. Ensemble forecast provide high values of hit scores (0.6 to 0.9) than deterministic forecast (0.5 to 0.8) at all period of integration. Due the delay in the forecasts of the precipitation systems, the phase error is predominant over amplitude during all time. Both errors were reduced using the ensemble forecasts. The phase errors in hydrological were greater than amplitude such as precipitation forecasts. Thus, for increase streamflow forecast it should reduced the errors in QPF forecasts.

Previsões probabilísticas de precipitação foram obtidas a partir de um conjunto de simulações pelo modelo WRF e utilizadas como condição de contorno no modelo hidrológico TopModel para previsão hidrometeorológica na bacia do Rio Iguaçu, no estado do Paraná. Nas simulações de cheias, durante o período de elevação do volume de precipitação, o erro médio aritmético do conjunto de previsões foi menor que cada um dos membros utilizados nesse conjunto, indicando melhor destreza do conjunto médio em relação a qualquer previsão determinística. Na dissipação dos sistemas precipitantes, alguns membros obtiveram resultados melhores que o conjunto médio e, em geral, as previsões são confluentes. As melhores previsões de precipitação com o WRF foram obtidas com as combinações de microfísica Lin e convecção de Kain Fritsch, microfísica WSM 5 e convecção de Kain Fritsch e simulações defasadas em 6 horas. As simulações inicializadas em horários mais próximos da ocorrência do fenômeno não garantiram uma melhoria na distribuição de precipitação na bacia. A avaliação do sistema de previsão por conjuntos pelo índice de Brier (IB) e seus termos demonstrou níveis suficientes de confiabilidade e destreza para ser utilizada na maioria dos eventos de precipitação sobre a bacia do rio Iguaçu. Os valores do IB estiveram entre 0,15 e 0,3 com picos isolados. Os valores obtidos para o termo de incerteza estiveram entre 0,1 e 0,25 indicando bons resultados visto que o desejável é o mais próximo de zero. Nos eventos de chuva, o termo de confiabilidade apresentou valores próximos a 0,2 no período da manhã e valores entre 0,3 e 0,4 no período da tarde, com um acréscimo no final da integração. O índice de acerto foi de 60 % a 90 % durante o período de integração (48 horas) para o conjunto médio de previsões e entre 50 a 80% para a previsão determinística. Em todos os horários de simulação o erro de fase foi maior que o erro de amplitude, possivelmente devido aos atrasos da propagação dos sistemas precipitantes e aos efeitos de ajuste das condições físicas iniciais da atmosfera. Os erros de fase e amplitude foram menores na previsão probabilística em todo o período de integração. Assim como na previsão de precipitação, nas simulações de vazão o erro de fase foi maior que o erro de amplitude, indicando que o atraso nas previsões de variação da vazão ainda é o um desafio na previsão hidrometeorológica. Observou-se que o modelo hidrológico é bastante sensível a previsão de precipitação e, portanto, a melhoria das previsões de vazão é diretamente proporcional a diminuição dos erros nas previsões de precipitação. / Probabilistic forecast of precipitation from WRF model simulations was used as input in hydrological TopModel for streamlines forecast in Iguaçu Basin, Parana, southern Brazil. The arithmetic error of precipitation ensemble forecast was smaller than each individual member forecast error in the streamflow increase stage. It means the use of ensemble forecast was better than any deterministic forecast. But when the streamflow decreases, the results are confluent and some individual member forecast was better than ensemble. Simulations using Lin microphysical parameterization and Kain Fritsch, WSM 5 and Kain Fritsch and 6h lagged obtained the better results of precipitation over the basin. The use of runs with initial conditions near the precipitation time did not guarantee better results in the distribution of precipitation on the basin. The Brier Score (BS) of the ensemble system demonstrated that the system is very skillful with values between 0.15 and 0.3. Both uncertainty and reliability terms of BS, 0.1 0.25 and 0.2- 0.4, respectively, were encouraging for use hourly ensemble forecast of precipitation on the watershed. Ensemble forecast provide high values of hit scores (0.6 to 0.9) than deterministic forecast (0.5 to 0.8) at all period of integration. Due the delay in the forecasts of the precipitation systems, the phase error is predominant over amplitude during all time. Both errors were reduced using the ensemble forecasts. The phase errors in hydrological were greater than amplitude such as precipitation forecasts. Thus, for increase streamflow forecast it should reduced the errors in QPF forecasts.

Submitted by Maria Cristina (library@lncc.br) on 2015-09-25T19:05:07Z No. of bitstreams: 1 thesis.pdf: 3598969 bytes, checksum: 03cf8e5a078613d707c68e89e449d6d3 (MD5) / Approved for entry into archive by Maria Cristina (library@lncc.br) on 2015-09-25T19:05:20Z (GMT) No. of bitstreams: 1 thesis.pdf: 3598969 bytes, checksum: 03cf8e5a078613d707c68e89e449d6d3 (MD5) / Made available in DSpace on 2015-09-25T19:05:31Z (GMT). No. of bitstreams: 1 thesis.pdf: 3598969 bytes, checksum: 03cf8e5a078613d707c68e89e449d6d3 (MD5) Previous issue date: 2015-05-27 / Conselho Nacional de Desenvolvimento Cientifico e Tecnológico / In this thesis, the evolutionary computation algorithm known as Genetic Programming has been explored as an alternative tool for improving the ensemble forecast of rainfall amount. The efficiency of Genetic Programming to deal with the problem of ensemble forecast of rainfall amount was confirmed on three artificial experiments. The work continued with the application of the evolutionary algorithms on some real-world data sets over south, southeast and central parts of Brazil during the period from October to February of 2008 to 2013. According to the results, Genetic Programming obtained a higher performance relative to two traditional statistical methods, reaching mean errors 27-49% lower than simple mean and the MASTER Super Model Ensemble System. In addition, the results revealed that the evolutionary algorithms outperformed the best individual forecasts, achieving an improvement of 30%. On the other hand, the evolutionary algorithms had a performance similar to the Bayesian Model Averaging technique, but the former are methods far more versatile. In general, the real and artificial experiments showed the potential of Genetic Programming and suggest that further research on the improvement of the technique is needed. / Na presente tese de doutorado, o algoritmo da computação evolutiva conhecido por Programação Genética foi explorado como ferramenta alternativa para o aperfeiçoamento da previsão quantitativa de chuva por conjunto. A aplicabilidade da Programação Genética no problema de previsão quantitativa de chuva por conjunto foi confirmada em três experimentos controlados. O trabalho seguiu com a aplicação dos algoritmos evolutivos sobre algumas bases de dados reais referentes a localidades situadas no sul, sudeste e parte do centro-oeste do Brasil durante o período de outubro a fevereiro de 2008-2013. Os resultados evidenciaram a superioridade da Programação Genética frente aos métodos estatísticos tradicionais: média simples e MASTER Super Model Ensemble System, com erros médios da ordem de 27-49% menores. Ademais, a previsão por conjunto via algoritmos evolutivos ofereceu previsões consideravelmente mais acuradas que as melhores previsões obtidas individualmente, chegando a uma melhora de 30%. Por outro lado, os algoritmos evolutivos apresentaram desempenho equivalente à técnica Bayesian Model Averaging, mas os primeiros são métodos bem mais versáteis. De maneira geral, os experimentos baseados em dados reais e artificiais revelaram a potencialidade da Programação Genética, e encorajam o seu aprimoramento para o problema de previsão quantitativa de chuva por conjunto.