A avaliação da previsão de chuva a curtíssimo prazo com até 3 horas de antecedência na área de cobertura do RSP para diferentes tipos de sistemas precipitantes, principalmente os associados às enchentes e deslizamentos na RMSP, foi realizada por meio de um modelo advectivo a partir do campo de vento 2D médio e da velocidade dos campos das taxas de precipitação estimados com o radar e um Esquema Numérico de Terceira Ordem Corrente Acima (ENTOCA). O ENTOCA utiliza um vetor com deslocamento mantido constante. O desempenho da previsão para precipitação acumulada num determinado intervalo de tempo foi avaliado pelo Índice de Sucesso Crítico (CSI), Probabilidade de Detecção (POD) e Razão de Falsos Alarmes (FAR). Quantitativamente, a acurácia da previsão foi avaliada por meio do Erro Quadrático Médio (EQM). O coeficiente de correlação mostrou que a qualidade da previsão decresce ao longo do tempo, com maior previsibilidade para os sistemas estratiformes do que para os convectivos. O ENTOCA não considera a evolução espaço-temporal dos sistemas precipitantes durante a extrapolação do campo das taxas de precipitação. Em geral, constatou-se uma subestimativa da precipitação acumulada. As previsões também apresentaram maior desempenho para até 90 minutos e menor, a partir de 120 minutos de extrapolação. O desempenho médio da previsão pelo índice CSI para o limiar de 0.2 mm ao final de 60 minutos de precipitação acumulada foi: FFs (77%), Lis (67,5%), BDs (58%), CIs (56,4%) e BMs (47%). Em geral, a partir de 90 minutos de advecção (sistemas convectivos) e 120 minutos (sistemas estratiformes), o desempenho da previsão diminui exponencialmente. / The evaluation of the rainfall short-term forecast up to 3 hours in advance within the surveillance area of São Paulo weather radar (RSP) for different types of precipitating systems, mainly the are associated to floods and landslides in Metropolitan Area of São Paulo (RMSP), was carried out with an 2D wind advective scheme and rainfall rates estimated with the RSP. The third-order upstream numerical scheme (ENTOCA) was used with a uniform wind vector. The rainfall forecast skill for a given time interval was evaluated by the Critical Success Index (CSI), Probability of Detention (POD) and False Alarm Rate (FAR). Quantitatively, the accuracy of the forecast was evaluated with the mean-square error (mse). The correlation coefficient showed that the quality of the forecast decrease with time, with better skill for the stratiform systems than for convective ones, given that the ENTOCA do not take into account spatial-temporal evolution of the rainfall systems. In general, the precipitation accumulation was underestimated. The forecasts had better skill up to 90 minutes. The average skill based on CSI for the thresholds of 0.2 mm at 60 minutes the precipitation accumulation are: FFs (77%), Lis (67,5%), BDs (58%), CIs (56,4%) and BMs (47%). In general, from 90 minutes of advection (convective systems) and 120 minutes (stratiform systems), the skill of the forecast decreases.

A avaliação da previsão de chuva a curtíssimo prazo com até 3 horas de antecedência na área de cobertura do RSP para diferentes tipos de sistemas precipitantes, principalmente os associados às enchentes e deslizamentos na RMSP, foi realizada por meio de um modelo advectivo a partir do campo de vento 2D médio e da velocidade dos campos das taxas de precipitação estimados com o radar e um Esquema Numérico de Terceira Ordem Corrente Acima (ENTOCA). O ENTOCA utiliza um vetor com deslocamento mantido constante. O desempenho da previsão para precipitação acumulada num determinado intervalo de tempo foi avaliado pelo Índice de Sucesso Crítico (CSI), Probabilidade de Detecção (POD) e Razão de Falsos Alarmes (FAR). Quantitativamente, a acurácia da previsão foi avaliada por meio do Erro Quadrático Médio (EQM). O coeficiente de correlação mostrou que a qualidade da previsão decresce ao longo do tempo, com maior previsibilidade para os sistemas estratiformes do que para os convectivos. O ENTOCA não considera a evolução espaço-temporal dos sistemas precipitantes durante a extrapolação do campo das taxas de precipitação. Em geral, constatou-se uma subestimativa da precipitação acumulada. As previsões também apresentaram maior desempenho para até 90 minutos e menor, a partir de 120 minutos de extrapolação. O desempenho médio da previsão pelo índice CSI para o limiar de 0.2 mm ao final de 60 minutos de precipitação acumulada foi: FFs (77%), Lis (67,5%), BDs (58%), CIs (56,4%) e BMs (47%). Em geral, a partir de 90 minutos de advecção (sistemas convectivos) e 120 minutos (sistemas estratiformes), o desempenho da previsão diminui exponencialmente. / The evaluation of the rainfall short-term forecast up to 3 hours in advance within the surveillance area of São Paulo weather radar (RSP) for different types of precipitating systems, mainly the are associated to floods and landslides in Metropolitan Area of São Paulo (RMSP), was carried out with an 2D wind advective scheme and rainfall rates estimated with the RSP. The third-order upstream numerical scheme (ENTOCA) was used with a uniform wind vector. The rainfall forecast skill for a given time interval was evaluated by the Critical Success Index (CSI), Probability of Detention (POD) and False Alarm Rate (FAR). Quantitatively, the accuracy of the forecast was evaluated with the mean-square error (mse). The correlation coefficient showed that the quality of the forecast decrease with time, with better skill for the stratiform systems than for convective ones, given that the ENTOCA do not take into account spatial-temporal evolution of the rainfall systems. In general, the precipitation accumulation was underestimated. The forecasts had better skill up to 90 minutes. The average skill based on CSI for the thresholds of 0.2 mm at 60 minutes the precipitation accumulation are: FFs (77%), Lis (67,5%), BDs (58%), CIs (56,4%) and BMs (47%). In general, from 90 minutes of advection (convective systems) and 120 minutes (stratiform systems), the skill of the forecast decreases.

La centralisations du travail, la croissance économique et celle de la population autant que l’urbanisation continue sont les causes principales de la congestion. Lors que les villes s’efforcent pour mettre à jour leurs infrastructures du trafic, l’utilisation de nouvelles techniques pour la modélisation, l’analyse de ces systèmes ainsi que l’intégration des mega données aux algorithmes aident à mieux comprendre et combattre les congestions, un aspect crucial pour le bon développement de nos villes intelligentes du XXIe siècle. Les outilsd’assistance de trafic spécialement conçus pour détecter, prévoir et alerter des conditions particulières sont très demandés dans nos jours.Cette recherche est consacrée au développement des algorithmes pour l’estimation et la prédiction sur des réseaux de trafic routier. Tout d’abord, nous considérons le problème de prévision à court terme du temps de trajet dynamique basé sur des méthodes pilotées par les données. Nous proposons deux techniques de fusion pour calculer les prévisions à court terme. Dans un première temps, nous considérons la matrice de covariance d’erreur et nous utilisons ses informations pour fusionner les prévisions individuelles créées á partir de clusters. Dans un deuxième temps, nous exploitons les mesures de similarité parmi le signal á prédire et des clusters dans l’histoire et on propose une fusion en tant que moyenne pondérée des sorties des prédicteurs de chaque cluster. Les résultats des deux méthodes on été validés dans le Grenoble Traffic Lab, un outil en temps réel qui permet la récupération de données d’une autoroute d’environ (10.5Km) qui couvre le sud de Grenoble.Postérieurement nous considérons le problème de reconstruction de la densité / et le débit de façon simultanée à partir de sources d’information hétérogènes. Le réseau de trafic est modélisé dans le cadre de modèles de trafic macroscopique, où nous adoptons l’équation de conservation Lighthill-Whitham-Richards avec un diagramme fondamental linaire par morceaux. Le problème d’estimation repose sur deux principes clés. Dans un premier temps, nous considérons la minimisation des erreurs entre les débits et les densités mesurés et reconstruits. Finalement, nous considérons l’état d’équilibre du réseau qui établit la loi de propagation des flux entrants et sortants dans le réseau. Tous les principes sont intégrés et le problème est présenté comme une optimisation quadratique avec des contraintes d’égalité a fin de réduire l’espace de solution des variables à estimer. Des scénarios de simulation basés sur des données synthétiques pour un réseau de manhattan sont fournis avec l’objectif de valider les performances de l’algorithme proposé. / Centralization of work, population and economic growth alongside continued urbanization are the main causes of congestion. As cities strive to update or expand aging infrastructure, the application of big data, new models and analytics to better understand and help to combat traffic congestion is crucial to the health and development of our smart cities of XXI century. Traffic support tools specifically designed to detect, forecast and alert these conditions are highly requested nowadays.This dissertation is dedicated to study techniques that may help to estimate and forecast conditions about a traffic network. First, we consider the problem Dynamic Travel Time (DTT) short-term forecast based on data driven methods. We propose two fusion techniques to compute short-term forecasts from clustered time series. The first technique considers the error covariance matrix and uses its information to fuse individual forecasts based on best linear unbiased estimation principles. The second technique exploits similarity measurements between the signal to be predicted and clusters detected in historical data and it performs afusion as a weighted average of individual forecasts. Tests over real data were implemented in the study case of the Grenoble South Ring, it comprises a highway of 10.5Km monitored through the Grenoble Traffic Lab (GTL) a real time application was implemented and open to the public.Based on the previous study we consider then the problem of simultaneous density/flow reconstruction in urban networks based on heterogeneous sources of information. The traffic network is modeled within the framework of macroscopic traffic models, where we adopt Lighthill-Whitham-Richards (LWR) conservation equation and a piecewise linear fundamental diagram. The estimation problem considers two key principles. First, the error minimization between the measured and reconstructed flows and densities, and second the equilibrium state of the network which establishes flow propagation within the network. Both principles are integrated together with the traffic model constraints established by the supply/demand paradigm. Finally the problem is casted as a constrained quadratic optimization with equality constraints in order to shrink the feasible region of estimated variables. Some simulation scenarios based on synthetic data for a manhattan grid network are provided in order to validate the performance of the proposed algorithm.

Few current modeling tools are designed to predict short-term, high-risk runoff from critical source areas (CSAs) in watersheds which are significant sources of non point source (NPS) pollution. This study couples the Soil and Water Assessment Tool-Variable Source Area (SWAT-VSA) model with the Climate Forecast System Reanalysis (CFSR) model and the Global Forecast System (GFS) model short-term weather forecast, to develop a CSA prediction tool designed to assist producers, landowners, and planners in identifying high-risk areas generating storm runoff and pollution. Short-term predictions for streamflow, runoff probability, and soil moisture levels were estimated in the South Fork of the Shenandoah river watershed in Virginia. In order to allow land managers access to the CSA predictions a free and open source software based web was developed. The forecast system consists of three primary components; (1) the model, which preprocesses the necessary hydrologic forcings, runs the watershed model, and outputs spatially distributed VSA forecasts; (2) a data management structure, which converts high resolution rasters into overlay web map tiles; and (3) the user interface component, a web page that allows the user, to interact with the processed output. The resulting framework satisfied most design requirements with free and open source software and scored better than similar tools in usability metrics. One of the potential problems is that the CSA model, utilizing physically based modeling techniques requires significant computational time to execute and process. Thus, as an alternative, a deep learning (DL) model was developed and trained on the process based model output. The DL model resulted in a 9% increase in predictive power compared to the physically based model and a ten-fold decrease in run time. Additionally, DL interpretation methods applicable beyond this study are described including hidden layer visualization and equation extractions describing a quantifiable amount of variance in hidden layer values. Finally, a large-scale analysis of soil phosphorus (P) levels was conducted in the Chesapeake Bay watershed, a current location of several short-term forecast tools. Based on Bayesian inference methodologies, 31 years of soil P history at the county scale were estimated, with the associated uncertainty for each estimate. These data will assist in the planning and implantation of short term forecast tools with P management goals. The short term modeling and communication tools developed in this work contribute to filling a gap in scientific tools aimed at improving water quality through informing land manager's decisions. / PHD / Water pollution in the United States costs billions of dollars every year. Surface water pollution is caused by excess nutrients and effects the value of fisheries, recreational activities, and commercial operations, and can even lead to health hazards such as dangerous algal blooms. A major source of water pollution is from agricultural activities such as fertilizing crops. This type of pollution is called non-point source, as there is no obvious point where excess nutrients from fertilizers or manure enters the water, such as a discharge pipe, instead the pollution flows over the land first and then into the waterways following the rainfall-runoff patterns. One way to prevent non-point source pollution from agricultural activities is to give farmers tools to optimize operations in a way that can help lower the chance that pollution will occur. Scientific models, like a weather forecast, can help, but there is a lack of tools made specifically for reducing water pollution that are available to farmers. This work focuses on creating a free to use, high resolution and rapid update forecast delivered over the internet, capable of informing agricultural management practices to reduce water pollution. Over the course of this study, published advances in watershed modeling were made filling gaps in existing forecast technology. The final product combines cutting edge watershed science, machine learning and statistical models, web mapping tools, and terabytes of data to meet design goals.

Neste estudo, foi realizada uma revisão dos problemas observados na modelagem chuva-vazão, que influenciam a incerteza das condições iniciais dos processos de previsão de vazão. Foi realizada, também, uma revisão do estado da arte de alguns dos modelos de previsão de vazão de curto prazo utilizados no Brasil e, por último, uma revisão das metodologias de atualização de dados empregadas em trabalhos passados. Mas o principal enfoque deste estudo foi à elaboração de uma metodologia de atualização de dados de entrada, baseada na correção do desvio entre a vazão de saída de um modelo hidrológico e a vazão observada, por meio da perturbação dos dados de entrada de precipitação. O estudo de caso está composto por três bacias: Bacia do rio Ijuí, Bacia do rio Tesouras e a Bacia do rio Canoas. Estas bacias foram escolhidas, pois apresentam características distintas, tanto físicas quanto climáticas e, além disso, pela existência de estudos prévios com o modelo hidrológico utilizado neste trabalho. O processo de avaliação do método foi realizado em três etapas: 1) utilizando séries sintéticas; 2) utilizando séries reais; 3) previsão de vazões com atualização de dados. As duas primeiras etapas utilizaram o modelo em modo atualização (“off-line”) e, a última, o modelo em modo de previsão (“on-line”). Para a aplicação do método é necessário estabelecer condições de parada, sendo então, propostos dois conjuntos de critérios de parada. Com isto, foi estabelecido um conjunto adequado de critérios para que estes fiquem fixos para possibilitar futuras aplicações em outros modelos ou em outros estudos de casos. A técnica de previsão de vazão de curto prazo utilizada foi com base na chuva prevista, sendo adotada a previsão de chuva conhecida ou perfeita. Foram geradas previsões diárias de até 7 dias, durante 20 dias contínuos, escolhendo-se dois eventos de diferentes características em cada uma das bacias do estudo de caso. Em modo previsão os resultados se mostraram promissores, o objetivo desejado inicialmente foi atingido pelos dois conjuntos de critérios de parada propostos. Conseguiu-se ter um ganho significativo até o quarto dia de previsão, como, também, melhoras nos períodos de subidas do hidrograma, porém nos períodos de estiagens o ganho foi quase nulo. Além disso, este trabalho mostrou a viabilidade da utilização do modelo IPH II para a geração de previsões de vazões baseadas em previsão de chuva. / In this study a review of the problems observed in rainfall-runoff modeling has been made, which influence the uncertainty of initial conditions of flow forecasting processes, as well as a review of the state of the art of some of the short-term flow forecasting models used in Brazil and the data update methodologies used in many past jobs. However the focus of this study has been the development of a data entry update methodology based on the correction of the deviation between the output flow of a hydrological model and the observed flow, by means of the disruption of rainfall input data. The case study is composed of the three river basins: River Ijuí, River Tesouras and Canoas. These basins have been chosen due to their different characteristics, both physical and climate, besides having been used in previous studies of the hydrological model used. The evaluation process of the method is done in three steps: 1) using synthetic series; 2) using real series; 3) stream flow forecasting with data update, the first two with the model in update mode ("off-line") and the last in predict mode ("on-line"). For the application of this method is necessary to establish stopping conditions for application, and for this have been proposed two sets of stop criteria. With this, intended to establish an appropriate set of criteria so that they become fixed to permit future applications in other models. The short-term flow forecasting technique used has been based on the forecast rain, adopted the rain forecast known or perfect. Predictions have been generated daily up to 7 days, for 20 consecutive days, choosing two events of different features in each case study basins. In predict mode the results have been promissory, the desired goal initially achieved by the two sets of proposed stopping criteria. It was possible to have a significant gain until the fourth day forecast also improvements in periods of hydrograph increases but not during periods of drought the gain was almost nil. This work has also showed the ability to generate predictions of rain forecast based flow as the IPH II model in real time.

Neste estudo, foi realizada uma revisão dos problemas observados na modelagem chuva-vazão, que influenciam a incerteza das condições iniciais dos processos de previsão de vazão. Foi realizada, também, uma revisão do estado da arte de alguns dos modelos de previsão de vazão de curto prazo utilizados no Brasil e, por último, uma revisão das metodologias de atualização de dados empregadas em trabalhos passados. Mas o principal enfoque deste estudo foi à elaboração de uma metodologia de atualização de dados de entrada, baseada na correção do desvio entre a vazão de saída de um modelo hidrológico e a vazão observada, por meio da perturbação dos dados de entrada de precipitação. O estudo de caso está composto por três bacias: Bacia do rio Ijuí, Bacia do rio Tesouras e a Bacia do rio Canoas. Estas bacias foram escolhidas, pois apresentam características distintas, tanto físicas quanto climáticas e, além disso, pela existência de estudos prévios com o modelo hidrológico utilizado neste trabalho. O processo de avaliação do método foi realizado em três etapas: 1) utilizando séries sintéticas; 2) utilizando séries reais; 3) previsão de vazões com atualização de dados. As duas primeiras etapas utilizaram o modelo em modo atualização (“off-line”) e, a última, o modelo em modo de previsão (“on-line”). Para a aplicação do método é necessário estabelecer condições de parada, sendo então, propostos dois conjuntos de critérios de parada. Com isto, foi estabelecido um conjunto adequado de critérios para que estes fiquem fixos para possibilitar futuras aplicações em outros modelos ou em outros estudos de casos. A técnica de previsão de vazão de curto prazo utilizada foi com base na chuva prevista, sendo adotada a previsão de chuva conhecida ou perfeita. Foram geradas previsões diárias de até 7 dias, durante 20 dias contínuos, escolhendo-se dois eventos de diferentes características em cada uma das bacias do estudo de caso. Em modo previsão os resultados se mostraram promissores, o objetivo desejado inicialmente foi atingido pelos dois conjuntos de critérios de parada propostos. Conseguiu-se ter um ganho significativo até o quarto dia de previsão, como, também, melhoras nos períodos de subidas do hidrograma, porém nos períodos de estiagens o ganho foi quase nulo. Além disso, este trabalho mostrou a viabilidade da utilização do modelo IPH II para a geração de previsões de vazões baseadas em previsão de chuva. / In this study a review of the problems observed in rainfall-runoff modeling has been made, which influence the uncertainty of initial conditions of flow forecasting processes, as well as a review of the state of the art of some of the short-term flow forecasting models used in Brazil and the data update methodologies used in many past jobs. However the focus of this study has been the development of a data entry update methodology based on the correction of the deviation between the output flow of a hydrological model and the observed flow, by means of the disruption of rainfall input data. The case study is composed of the three river basins: River Ijuí, River Tesouras and Canoas. These basins have been chosen due to their different characteristics, both physical and climate, besides having been used in previous studies of the hydrological model used. The evaluation process of the method is done in three steps: 1) using synthetic series; 2) using real series; 3) stream flow forecasting with data update, the first two with the model in update mode ("off-line") and the last in predict mode ("on-line"). For the application of this method is necessary to establish stopping conditions for application, and for this have been proposed two sets of stop criteria. With this, intended to establish an appropriate set of criteria so that they become fixed to permit future applications in other models. The short-term flow forecasting technique used has been based on the forecast rain, adopted the rain forecast known or perfect. Predictions have been generated daily up to 7 days, for 20 consecutive days, choosing two events of different features in each case study basins. In predict mode the results have been promissory, the desired goal initially achieved by the two sets of proposed stopping criteria. It was possible to have a significant gain until the fourth day forecast also improvements in periods of hydrograph increases but not during periods of drought the gain was almost nil. This work has also showed the ability to generate predictions of rain forecast based flow as the IPH II model in real time.

Neste estudo, foi realizada uma revisão dos problemas observados na modelagem chuva-vazão, que influenciam a incerteza das condições iniciais dos processos de previsão de vazão. Foi realizada, também, uma revisão do estado da arte de alguns dos modelos de previsão de vazão de curto prazo utilizados no Brasil e, por último, uma revisão das metodologias de atualização de dados empregadas em trabalhos passados. Mas o principal enfoque deste estudo foi à elaboração de uma metodologia de atualização de dados de entrada, baseada na correção do desvio entre a vazão de saída de um modelo hidrológico e a vazão observada, por meio da perturbação dos dados de entrada de precipitação. O estudo de caso está composto por três bacias: Bacia do rio Ijuí, Bacia do rio Tesouras e a Bacia do rio Canoas. Estas bacias foram escolhidas, pois apresentam características distintas, tanto físicas quanto climáticas e, além disso, pela existência de estudos prévios com o modelo hidrológico utilizado neste trabalho. O processo de avaliação do método foi realizado em três etapas: 1) utilizando séries sintéticas; 2) utilizando séries reais; 3) previsão de vazões com atualização de dados. As duas primeiras etapas utilizaram o modelo em modo atualização (“off-line”) e, a última, o modelo em modo de previsão (“on-line”). Para a aplicação do método é necessário estabelecer condições de parada, sendo então, propostos dois conjuntos de critérios de parada. Com isto, foi estabelecido um conjunto adequado de critérios para que estes fiquem fixos para possibilitar futuras aplicações em outros modelos ou em outros estudos de casos. A técnica de previsão de vazão de curto prazo utilizada foi com base na chuva prevista, sendo adotada a previsão de chuva conhecida ou perfeita. Foram geradas previsões diárias de até 7 dias, durante 20 dias contínuos, escolhendo-se dois eventos de diferentes características em cada uma das bacias do estudo de caso. Em modo previsão os resultados se mostraram promissores, o objetivo desejado inicialmente foi atingido pelos dois conjuntos de critérios de parada propostos. Conseguiu-se ter um ganho significativo até o quarto dia de previsão, como, também, melhoras nos períodos de subidas do hidrograma, porém nos períodos de estiagens o ganho foi quase nulo. Além disso, este trabalho mostrou a viabilidade da utilização do modelo IPH II para a geração de previsões de vazões baseadas em previsão de chuva. / In this study a review of the problems observed in rainfall-runoff modeling has been made, which influence the uncertainty of initial conditions of flow forecasting processes, as well as a review of the state of the art of some of the short-term flow forecasting models used in Brazil and the data update methodologies used in many past jobs. However the focus of this study has been the development of a data entry update methodology based on the correction of the deviation between the output flow of a hydrological model and the observed flow, by means of the disruption of rainfall input data. The case study is composed of the three river basins: River Ijuí, River Tesouras and Canoas. These basins have been chosen due to their different characteristics, both physical and climate, besides having been used in previous studies of the hydrological model used. The evaluation process of the method is done in three steps: 1) using synthetic series; 2) using real series; 3) stream flow forecasting with data update, the first two with the model in update mode ("off-line") and the last in predict mode ("on-line"). For the application of this method is necessary to establish stopping conditions for application, and for this have been proposed two sets of stop criteria. With this, intended to establish an appropriate set of criteria so that they become fixed to permit future applications in other models. The short-term flow forecasting technique used has been based on the forecast rain, adopted the rain forecast known or perfect. Predictions have been generated daily up to 7 days, for 20 consecutive days, choosing two events of different features in each case study basins. In predict mode the results have been promissory, the desired goal initially achieved by the two sets of proposed stopping criteria. It was possible to have a significant gain until the fourth day forecast also improvements in periods of hydrograph increases but not during periods of drought the gain was almost nil. This work has also showed the ability to generate predictions of rain forecast based flow as the IPH II model in real time.