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.

A previsão e emissão de alertas antecipados constituem um dos principais elementos na prevenção dos impactos ocasionados por eventos de cheias. Uma das formas utilizadas para se obter uma ampliação do horizonte de previsão é através do uso da modelagem chuva-vazão associada à previsão de precipitação, tipicamente derivada de modelos meteorológicos. A precipitação, no entanto, é uma das variáveis que impõe maior dificuldade na previsão meteorológica, sendo considerada uma das principais fontes de incerteza nos resultados da previsão de cheias. A previsão por conjunto é uma técnica originalmente desenvolvida nas ciências atmosféricas e procura explorar as incertezas associadas às condições iniciais e/ou deficiências na estrutura dos modelos meteorológicos com intuito de melhorar sua previsibilidade. A partir de diferentes modelos meteorológicos ou de diferentes condições iniciais de um único modelo, são gerados um conjunto de previsões que representam possíveis trajetórias dos processos atmosféricos ao longo do horizonte de previsão. Pesquisas recentes, principalmente na Europa e Estados Unidos, têm mostrado resultados promissores do acoplamento de previsões meteorológicas por conjunto à modelos hidrológicos para realizar previsões de cheia. Essa pesquisa trata da avaliação do benefício da previsão de cheias por conjunto em curto prazo, em uma bacia de médio porte, utilizando dados e de ferramentas para previsão de vazões disponíveis em modo operacional no Brasil. Como estudo de caso foi utilizada a bacia do Rio Paraopeba (12.150km²), de clima tipicamente tropical, localizada na região sudeste do Brasil. A metodologia proposta para geração das previsões hidrológicas utilizou o modelo hidrológico MGB-IPH alimentado por um conjunto previsões de precipitação de diferentes modelos, com diferentes condições iniciais e parametrizações, dando origem a distintos cenários de previsão de vazões. Como parâmetro de referência na avaliação do desempenho das previsões por conjunto foi utilizada uma previsão hidrológica determinística única, baseada em uma previsão de precipitação obtida da combinação ótima de saídas de diversos modelos meteorológicos. As previsões foram realizadas retrospectivamente no período entre ago/2008 e mai/2011, sendo analisadas durante o período chuvoso dos anos hidrológicos (out-abr). Os resultados das previsões de cheia por conjunto foram avaliados através de uma representação determinística, considerando a média dos membros do conjunto, assim como através de uma representação probabilística, considerando todos os membros, através de medidas de desempenho específicas para esse fim. Na avaliação determinística, a média do conjunto hidrológico apresentou resultados similares aos obtido com a previsão determinística de referência, embora tenha apresentado benefício significativo em relação à maior parte dos membros do conjunto. A avaliação das previsões de cheia por conjunto, por sua vez, mostrou a existência de uma superestimativa e de um subespalhamento dos membros em relação às observações, sobretudo nos primeiros intervalos de tempo da previsão. Na comparação dos resultados das previsões de eventos do tipo dicótomos, que consideram a superação ou não de vazões limites de alerta, o 9º decil das previsões por conjunto mostrou superioridade em relação à previsão determinística de referência e mesmo a média do conjunto, sendo possível obter, na maior parte dos casos analisados, um aumento significativo na proporção de eventos corretamente previstos mantendo as taxas de alarmes falsos em níveis reduzidos. Esse benefício foi, de modo geral, maior para maiores antecedências e vazões limites, situações mais importantes num contexto de prevenção de cheias. Os resultados mostraram ainda que, em média, uma diminuição do número de membros do conjunto diminui seu desempenho nas previsões. / The forecasting and issuing of early warnings represent a key element to prevent the impacts of flood events. An alternative to extend forecasting horizon is the use of rainfall-runoff modeling coupled with precipitation forecasts derived from numerical weather prediction (NWP) models. However, NWP models have difficulty to accurately predict precipitation due to the extremely sensitivity of the initial conditions. Therefore, this variable represents one of the major sources of uncertainties in flood forecasting. A probabilistic or ensemble forecasting approach was originally developed in the atmospheric sciences and then applied to other research areas. This procedure explores the uncertainties related to initial conditions and deficiencies in the structure of NWP models intending to improve its predictability. Using different NWP models or different initial conditions of a single model, an ensemble forecast showing possible trajectories of atmospheric processes over the forecast horizon are produced. Recent studies developed in Europe and the United States have shown promising results in flood forecasting using hydrological models fed by NWP ensemble outputs. The present research assess the performance of short term ensemble flood forecasting in a medium size tropical basin, based on data and streamflow forecasting tools available in operational mode in Brazil. The Paraopeba River basin (12,150 km²), located in the upper portion of the São Francisco River basin, in Southeastern Brazil, was selected as a case study. The proposed methodology used the MGB-IPH hydrological coupled to an ensemble of precipitation forecasts generated by several models with different initial conditions and parameterizations. The results are several scenarios of streamflow forecasts. A single deterministic streamflow forecast, based on a quantitative precipitation forecast derived from the optimal combination of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The streamflow forecasts were performed between aug/2008 and may/2011 and were analyzed during the rainy seasons (austral summer). The results from the ensemble flood forecasting were assessed by deterministic and probabilistic performance measures, with the ensemble mean being used by the former, and specific assessment measure by the later. Based on the deterministic assessment, the ensemble mean showed similar results to those obtained by the deterministic reference forecast, although showing better performance over most of the ensemble members. Based on the probabilistic performance measures, however, results showed the existence of an ensemble overforecasting and underspread of the members in regard to observed values, especially during the first lead times. The results for predictions of dichotomous events, which mean exceeding or not flood warning thresholds, showed that the 9th decile of the ensemble over performed the deterministic forecast and even the ensemble mean. In most cases, it was observed an increase in the proportion of correctly forecasted events while keeping false alarm rates at low levels. This benefit was generally higher for higher flow thresholds and for longer lead times, which are the most important situations for flood mitigation. The results show, also, that, in average, a reduction in the number of ensemble members decreases the performance of ensemble flood forecasts.

A previsão e emissão de alertas antecipados constituem um dos principais elementos na prevenção dos impactos ocasionados por eventos de cheias. Uma das formas utilizadas para se obter uma ampliação do horizonte de previsão é através do uso da modelagem chuva-vazão associada à previsão de precipitação, tipicamente derivada de modelos meteorológicos. A precipitação, no entanto, é uma das variáveis que impõe maior dificuldade na previsão meteorológica, sendo considerada uma das principais fontes de incerteza nos resultados da previsão de cheias. A previsão por conjunto é uma técnica originalmente desenvolvida nas ciências atmosféricas e procura explorar as incertezas associadas às condições iniciais e/ou deficiências na estrutura dos modelos meteorológicos com intuito de melhorar sua previsibilidade. A partir de diferentes modelos meteorológicos ou de diferentes condições iniciais de um único modelo, são gerados um conjunto de previsões que representam possíveis trajetórias dos processos atmosféricos ao longo do horizonte de previsão. Pesquisas recentes, principalmente na Europa e Estados Unidos, têm mostrado resultados promissores do acoplamento de previsões meteorológicas por conjunto à modelos hidrológicos para realizar previsões de cheia. Essa pesquisa trata da avaliação do benefício da previsão de cheias por conjunto em curto prazo, em uma bacia de médio porte, utilizando dados e de ferramentas para previsão de vazões disponíveis em modo operacional no Brasil. Como estudo de caso foi utilizada a bacia do Rio Paraopeba (12.150km²), de clima tipicamente tropical, localizada na região sudeste do Brasil. A metodologia proposta para geração das previsões hidrológicas utilizou o modelo hidrológico MGB-IPH alimentado por um conjunto previsões de precipitação de diferentes modelos, com diferentes condições iniciais e parametrizações, dando origem a distintos cenários de previsão de vazões. Como parâmetro de referência na avaliação do desempenho das previsões por conjunto foi utilizada uma previsão hidrológica determinística única, baseada em uma previsão de precipitação obtida da combinação ótima de saídas de diversos modelos meteorológicos. As previsões foram realizadas retrospectivamente no período entre ago/2008 e mai/2011, sendo analisadas durante o período chuvoso dos anos hidrológicos (out-abr). Os resultados das previsões de cheia por conjunto foram avaliados através de uma representação determinística, considerando a média dos membros do conjunto, assim como através de uma representação probabilística, considerando todos os membros, através de medidas de desempenho específicas para esse fim. Na avaliação determinística, a média do conjunto hidrológico apresentou resultados similares aos obtido com a previsão determinística de referência, embora tenha apresentado benefício significativo em relação à maior parte dos membros do conjunto. A avaliação das previsões de cheia por conjunto, por sua vez, mostrou a existência de uma superestimativa e de um subespalhamento dos membros em relação às observações, sobretudo nos primeiros intervalos de tempo da previsão. Na comparação dos resultados das previsões de eventos do tipo dicótomos, que consideram a superação ou não de vazões limites de alerta, o 9º decil das previsões por conjunto mostrou superioridade em relação à previsão determinística de referência e mesmo a média do conjunto, sendo possível obter, na maior parte dos casos analisados, um aumento significativo na proporção de eventos corretamente previstos mantendo as taxas de alarmes falsos em níveis reduzidos. Esse benefício foi, de modo geral, maior para maiores antecedências e vazões limites, situações mais importantes num contexto de prevenção de cheias. Os resultados mostraram ainda que, em média, uma diminuição do número de membros do conjunto diminui seu desempenho nas previsões. / The forecasting and issuing of early warnings represent a key element to prevent the impacts of flood events. An alternative to extend forecasting horizon is the use of rainfall-runoff modeling coupled with precipitation forecasts derived from numerical weather prediction (NWP) models. However, NWP models have difficulty to accurately predict precipitation due to the extremely sensitivity of the initial conditions. Therefore, this variable represents one of the major sources of uncertainties in flood forecasting. A probabilistic or ensemble forecasting approach was originally developed in the atmospheric sciences and then applied to other research areas. This procedure explores the uncertainties related to initial conditions and deficiencies in the structure of NWP models intending to improve its predictability. Using different NWP models or different initial conditions of a single model, an ensemble forecast showing possible trajectories of atmospheric processes over the forecast horizon are produced. Recent studies developed in Europe and the United States have shown promising results in flood forecasting using hydrological models fed by NWP ensemble outputs. The present research assess the performance of short term ensemble flood forecasting in a medium size tropical basin, based on data and streamflow forecasting tools available in operational mode in Brazil. The Paraopeba River basin (12,150 km²), located in the upper portion of the São Francisco River basin, in Southeastern Brazil, was selected as a case study. The proposed methodology used the MGB-IPH hydrological coupled to an ensemble of precipitation forecasts generated by several models with different initial conditions and parameterizations. The results are several scenarios of streamflow forecasts. A single deterministic streamflow forecast, based on a quantitative precipitation forecast derived from the optimal combination of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The streamflow forecasts were performed between aug/2008 and may/2011 and were analyzed during the rainy seasons (austral summer). The results from the ensemble flood forecasting were assessed by deterministic and probabilistic performance measures, with the ensemble mean being used by the former, and specific assessment measure by the later. Based on the deterministic assessment, the ensemble mean showed similar results to those obtained by the deterministic reference forecast, although showing better performance over most of the ensemble members. Based on the probabilistic performance measures, however, results showed the existence of an ensemble overforecasting and underspread of the members in regard to observed values, especially during the first lead times. The results for predictions of dichotomous events, which mean exceeding or not flood warning thresholds, showed that the 9th decile of the ensemble over performed the deterministic forecast and even the ensemble mean. In most cases, it was observed an increase in the proportion of correctly forecasted events while keeping false alarm rates at low levels. This benefit was generally higher for higher flow thresholds and for longer lead times, which are the most important situations for flood mitigation. The results show, also, that, in average, a reduction in the number of ensemble members decreases the performance of ensemble flood forecasts.

A previsão e emissão de alertas antecipados constituem um dos principais elementos na prevenção dos impactos ocasionados por eventos de cheias. Uma das formas utilizadas para se obter uma ampliação do horizonte de previsão é através do uso da modelagem chuva-vazão associada à previsão de precipitação, tipicamente derivada de modelos meteorológicos. A precipitação, no entanto, é uma das variáveis que impõe maior dificuldade na previsão meteorológica, sendo considerada uma das principais fontes de incerteza nos resultados da previsão de cheias. A previsão por conjunto é uma técnica originalmente desenvolvida nas ciências atmosféricas e procura explorar as incertezas associadas às condições iniciais e/ou deficiências na estrutura dos modelos meteorológicos com intuito de melhorar sua previsibilidade. A partir de diferentes modelos meteorológicos ou de diferentes condições iniciais de um único modelo, são gerados um conjunto de previsões que representam possíveis trajetórias dos processos atmosféricos ao longo do horizonte de previsão. Pesquisas recentes, principalmente na Europa e Estados Unidos, têm mostrado resultados promissores do acoplamento de previsões meteorológicas por conjunto à modelos hidrológicos para realizar previsões de cheia. Essa pesquisa trata da avaliação do benefício da previsão de cheias por conjunto em curto prazo, em uma bacia de médio porte, utilizando dados e de ferramentas para previsão de vazões disponíveis em modo operacional no Brasil. Como estudo de caso foi utilizada a bacia do Rio Paraopeba (12.150km²), de clima tipicamente tropical, localizada na região sudeste do Brasil. A metodologia proposta para geração das previsões hidrológicas utilizou o modelo hidrológico MGB-IPH alimentado por um conjunto previsões de precipitação de diferentes modelos, com diferentes condições iniciais e parametrizações, dando origem a distintos cenários de previsão de vazões. Como parâmetro de referência na avaliação do desempenho das previsões por conjunto foi utilizada uma previsão hidrológica determinística única, baseada em uma previsão de precipitação obtida da combinação ótima de saídas de diversos modelos meteorológicos. As previsões foram realizadas retrospectivamente no período entre ago/2008 e mai/2011, sendo analisadas durante o período chuvoso dos anos hidrológicos (out-abr). Os resultados das previsões de cheia por conjunto foram avaliados através de uma representação determinística, considerando a média dos membros do conjunto, assim como através de uma representação probabilística, considerando todos os membros, através de medidas de desempenho específicas para esse fim. Na avaliação determinística, a média do conjunto hidrológico apresentou resultados similares aos obtido com a previsão determinística de referência, embora tenha apresentado benefício significativo em relação à maior parte dos membros do conjunto. A avaliação das previsões de cheia por conjunto, por sua vez, mostrou a existência de uma superestimativa e de um subespalhamento dos membros em relação às observações, sobretudo nos primeiros intervalos de tempo da previsão. Na comparação dos resultados das previsões de eventos do tipo dicótomos, que consideram a superação ou não de vazões limites de alerta, o 9º decil das previsões por conjunto mostrou superioridade em relação à previsão determinística de referência e mesmo a média do conjunto, sendo possível obter, na maior parte dos casos analisados, um aumento significativo na proporção de eventos corretamente previstos mantendo as taxas de alarmes falsos em níveis reduzidos. Esse benefício foi, de modo geral, maior para maiores antecedências e vazões limites, situações mais importantes num contexto de prevenção de cheias. Os resultados mostraram ainda que, em média, uma diminuição do número de membros do conjunto diminui seu desempenho nas previsões. / The forecasting and issuing of early warnings represent a key element to prevent the impacts of flood events. An alternative to extend forecasting horizon is the use of rainfall-runoff modeling coupled with precipitation forecasts derived from numerical weather prediction (NWP) models. However, NWP models have difficulty to accurately predict precipitation due to the extremely sensitivity of the initial conditions. Therefore, this variable represents one of the major sources of uncertainties in flood forecasting. A probabilistic or ensemble forecasting approach was originally developed in the atmospheric sciences and then applied to other research areas. This procedure explores the uncertainties related to initial conditions and deficiencies in the structure of NWP models intending to improve its predictability. Using different NWP models or different initial conditions of a single model, an ensemble forecast showing possible trajectories of atmospheric processes over the forecast horizon are produced. Recent studies developed in Europe and the United States have shown promising results in flood forecasting using hydrological models fed by NWP ensemble outputs. The present research assess the performance of short term ensemble flood forecasting in a medium size tropical basin, based on data and streamflow forecasting tools available in operational mode in Brazil. The Paraopeba River basin (12,150 km²), located in the upper portion of the São Francisco River basin, in Southeastern Brazil, was selected as a case study. The proposed methodology used the MGB-IPH hydrological coupled to an ensemble of precipitation forecasts generated by several models with different initial conditions and parameterizations. The results are several scenarios of streamflow forecasts. A single deterministic streamflow forecast, based on a quantitative precipitation forecast derived from the optimal combination of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The streamflow forecasts were performed between aug/2008 and may/2011 and were analyzed during the rainy seasons (austral summer). The results from the ensemble flood forecasting were assessed by deterministic and probabilistic performance measures, with the ensemble mean being used by the former, and specific assessment measure by the later. Based on the deterministic assessment, the ensemble mean showed similar results to those obtained by the deterministic reference forecast, although showing better performance over most of the ensemble members. Based on the probabilistic performance measures, however, results showed the existence of an ensemble overforecasting and underspread of the members in regard to observed values, especially during the first lead times. The results for predictions of dichotomous events, which mean exceeding or not flood warning thresholds, showed that the 9th decile of the ensemble over performed the deterministic forecast and even the ensemble mean. In most cases, it was observed an increase in the proportion of correctly forecasted events while keeping false alarm rates at low levels. This benefit was generally higher for higher flow thresholds and for longer lead times, which are the most important situations for flood mitigation. The results show, also, that, in average, a reduction in the number of ensemble members decreases the performance of ensemble flood forecasts.