Agricultural practices may influence stream biological communities by removing riparian vegetation and modifying stream channel morphology, both which may reduce water retention time. I collected benthic invertebrates and fishes in seven headwater agriculturally-influenced streams in central Indiana, to quantify controls on invertebrate and fish community assemblage variation. Invertebrates were collected at 14 sites and fish were collected at 12 sites in Buck Creek watershed. The abundances of invertebrates and fishes were analyzed in Detrended Correspondence Analyses (DCA) in PC-ORD software and correlated with abiotic and biotic factors. The sites located in close proximity to Buck Creek have increased stability of biotic (fish assemblages) and abiotic (flow and water depth) factors. Abundances of invertebrates of headwater streams in east-central Indiana agricultural landscapes are influenced by distance between sites, distance to Buck Creek, and presence of fish species. Abundances of fishes were correlated with water quality and distance to Buck Creek. / Department of Biology

Lake Tana Basin is of significant importance to Ethiopia concerning water resources aspects and the ecological balance of the area. The growing high demands in utilizing the high potentials of water resource of the Lake to its maximal limit, pictures a disturbing future for the Lake. The objective of this study was to assess the influence of topography, soil, land use and climatic varia-bility on the hydrological and hydrodynamic processes of the Lake Tana Basin. The physically based SWAT model was successfully calibrated and validated for flow and sediment yield. Se-quential uncertainty fitting (SUFI-2), parameter solution (ParaSol) and generalized likelihood un-certainty estimation (GLUE) calibration and uncertainty analysis methods were compared and used for the set-up of the SWAT model. There is a good agreement between the measured and simulated flows and sediment yields. SWAT and GIS based decision support system that uses multi-criteria evaluation (MCE) was used to identify the most vulnerable areas to soil erosion in the basin. The results indicated that 12 to 30.5% of the watershed is high erosion potential. Pro-jected changes in precipitation and temperature in the basin for two seasons were analyzed using outputs from fifteen global climate models (GCMs). A historical-modification procedure was used to downscale large scale outputs from GCM models to watershed-scale climate data. The results showed significant changes in streamflow and other hydrological parameters in the period between 2045-2100. SWAT was combined with a three dimensional hydrodynamic model, GEMSS to investigate the flow structure, stratification, the flushing time, lake water balance and finally the Lake‘s water level response to planned water removal. We have found an alarming and dramatic fall of the water levels in Lake Tana as response to the planned water withdrawal. The combination of the two models can be used as a decision support tools to better understand and manage land and water resources in watersheds and waterbodies. The study showed that the Lake Tana Basin may experience a negative change in water balance in the forthcoming decades due to climate change as well as over abstraction of water resources. / QC 20100720

Thesis (M.S. - Hydrology and Water Resources)--University of Arizona, 1994. / Includes bibliographical references (leaves R1-R8).

Thesis (M.S.)--Dept. of Hydrology and Water Resources, University of Arizona, 1994. / Includes bibliographical references (leaves R1-R8).

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.

Orientadora: Profa. Dra. Andrea de Oliveira Cardoso / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Ciência e Tecnologia Ambiental, 2016. / Devido à importância do conhecimento das variações da vazão de rios para o planejamento dos usos múltiplos da água, este mestrado objetiva explorar as influências remotas do clima, via padrões de variabilidades climáticas, e regionais, via precipitação e vazão em bacias de contribuição. Para tanto, foram desenvolvidos modelos empíricos de previsão de vazões mensais na parte baixa da Bacia Hidrográfica do Rio Paraná (BHRP), mais especificamente onde está localizada a Usina Hidrelétrica (UHE) de Itaipu. Visando garantir séries históricas longas e completas, necessárias para construção de modelos empíricos, os dados de precipitação foram tratados de forma a identificar dados duvidosos e preencher dados faltantes. Além disso, os dados de precipitação foram interpolados, pelo método de Krigagem ordinária, e posteriormente, regionalizados, através de Análise de Cluster, visando diminuir o número de séries inseridas no modelo, mantendo regiões com padrões distintos. O modelo empírico utilizado foi o de Regressão Linear Múltipla, sendo aplicado para estimativas de vazão em Itaipu com defasagens variando de 1 a 4 meses, considerando todos os meses consecutivos (modelo geral). Também foram desenvolvidos modelos mensais, para cada mês do ano, separadamente, com defasagens variando de 1 a 12 meses. Para o desenvolvimento dos modelos, considerou-se o período de 1980 a 2000 para calibração e o período de 2001 a 2010, para validação. Estes modelos foram testados com diferentes grupos de preditores, tais como: índices climáticos; precipitação em regiões pluviométricas homogêneas; vazão em pontos a montante e na UHE Itaipu; e o conjunto de todos os preditores anteriores. Por meio do método stepwise foram selecionados os preditores mais significativos, sendo destacados os seguintes preditores: índices do El Niño Oscilação Sul e de anomalias de temperatura da superfície do mar no Atlântico Tropical Sul; precipitação em regiões ao sul da BHRP; e a própria vazão em Itaipu defasada. Os modelos foram validados, indicando de um modo geral maior desempenho nas defasagens mais curtas, quando considerados os preditores de vazão e precipitação, sendo que para os meses de janeiro, julho e agosto, a precipitação tem maior contribuição. Nas defasagens mais longas, verificou-se que o melhor desempenho, ocorre para o modelo considerando somente os índices climáticos, mas na maioria dos casos os extremos não são bem capturados, exceto nos meses de abril, junho e julho. Portanto, os resultados deste estudo demonstram a importância de serem consideradas as influências remotas do clima nas estimativas de vazão, principalmente para previsões de mais longo prazo. / Given the importance of knowledge of river flow variations to the planning of multiple uses of water, this objective masters explore the remote climate influences, though patterns of climate variability, and regional, though precipitation and flow in contribution of basins. Therefore, were developed empirical models of monthly streamflow in the lower of basin the Parana River (BHRP) at the site Itaipu Dam. In order to ensure long and complete historical series, necessary for building empirical models, the rainfall data were analyzed in order to identify unreliable data and fill out incomplete sets. Furthermore, the precipitation data were interpolated by the method kriging ordinary and subsequently regionalized through the cluster analysis, in order to reduce the number of inserted in series model, keeping regions with different patterns. The empirical model used was of multiple linear regression to estimate streamflow in Itaipu with period lagged by 1 to 4 months considering all consecutive months (general model). Also monthly models were developed for each month of the year, separately, with period lagged by 1 to 12 months. For the development of the models, it was considered the period from 1980-2000 for calibration and the period from 2001-2010, for validation. These models were tested with different groups of predictors as: I) only the lagged climate indices; II) only precipitation in homogeneous rainfall regions; III) only flow at upstream points and even the streamflow of Itaipu; IV) and the set of predictors cited I, II and III. Through stepwise method the most significant predictors were selected, being highlighted the best predictors: the contents of the El Niño Southern Oscillation and temperature anomalies of the sea surface in the tropical South Atlantic; rainfall in areas south of BHRP; and proper streamflow lagged in Itaipu. The models were validated, indicating generally higher performance in shorter lags, when considered predictors of flow and precipitation, except for the months of january, july and august, where precipitation has greater contribution. In the longer lags, it was found that the best performance is for the model considering only the climate indices, but in most extreme cases is not captured, except in april, june and july. Therefore, the results of this study demonstrate the importance of considering the remote climate influences on flow estimates, especially longer-term 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.

Redes Neurais Artificiais (RNA's) vem sendo utilizada em diversas áreas do conhecimento inclusive para a previsão de séries temporais. O objetivo deste trabalho é utilizar uma RNA para o diagnóstico e prognóstico de vazão em bacias urbanas da Região Metropolitana de São Paulo (RMSP) com dados do radar meteorológio de São Paulo e os dados telemétricos da bacia do Alto Tietê. Uma RNA do tipo feedforward multicamadas, com aprendizado supervisionado e com o algoritmo de treinamento Linear Least Square SIMplex (LLSSIM, Hse et al. 1996) foram aplicados à bacia do Rio Tamanduateí. Dividiu-se os eventos disponíveis em três grupos; para o treinamento, verificação e previsão ideal com a RNA. Realizou o treinamento e verificação da rede com dados de vazão estimada e nível medido. Os erros de fase e amplitude foram utilizados para avaliar o desempenho da rede em cada uma das configurações empregadas. Estes indicam a importância da memória da bacia para o bom desempenho da RNA. Verifica-se também que nem sempre o aumento do número de camadas escondidas melhoram os resultados, bem como o aumento da quantidade de dados. Comparou-se ainda a performance da RNA contra um modelo auto regressivo sendo a primeira menos dependente da memória da bacia. Por último, realizou previsões do tipo ideal com resultados satisfatórios até 1 hora e 30 minutos de antecedência. Além deste período os erros crescem exponencialmente. / Artificial Neural Networks (ANN) have been widely used in several areas of science for many purposes, including time series forecasting. The objective of this work is to apply an ANN to simulate and to forecast streamflow at the outlet of the Tamanduateí basin. This urban basin is located within the Metropolitan Area of São Paulo (MASP). Radar and telemetric data are input to a multi-layer feedforward ANN. It is trained with the Linear Least Square SIMplex training algorithm (LLSSIM; Hse et al, 1996). Available flood events were divided up in three independent groups for training, verification and forecasting. The training and the verification of estimated streamflow and measured river stage were carried out. Phase and amplitude errors were used to evaluate the performance of the ANN for each configuration. The results indicate a better performance of the ANN when previous streamflow or river stage are input to the ANN. Furthermore, the increase of hidden layers not necessarily improve the results. The ANN was compared to an auto-regressive model. The former is less dependent on the basin memory. The ANN Forecasts yielded satisfactory results up to one and half-hour in advance. For longer time periods the errors tend to grow exponentially.

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.

Orientador: Secundino Soares Filho, Rosangela Ballini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-05T12:09:15Z (GMT). No. of bitstreams: 1 Marinho_ManoelHenriquedaNobrega_D.pdf: 2444321 bytes, checksum: f87889cc170b6491d56fb7b2058b7973 (MD5) Previous issue date: 2005 / Resumo: Modelos de redes neurais artificiais treinados com algoritmos de retropropagação do erro foram desenvolvidos para a previsão de vazões médias mensais vários passos à frente. Essas previsões foram utilizadas em políticas de controle em malha aberta para o planejamento da operação energética de sistemas hidrotérmicos de potência. O posto hidrológico da usina hidrelétrica de Furnas foi selecionado para estudo de caso. Dois métodos foram implementados e testados para a previsão de vazões médias mensais vários passos à frente. O primeiro, denominado Método Direto, utiliza uma rede neural específica para prever cada passo à frente. O segundo, denominado Método Agregado, utiliza inicialmente uma rede neural para prever a soma das vazões vários passos à frente, desagregando posteriormente em valores mensais proporcionalmente aos valores médios do histórico de vazões. Os resultados indicaram que embora o Método Agregado tenha obtido pior desempenho que o Método Direto na comparação dos erros de previsão a cada passo, essa abordagem apresentou melhor desempenho quando comparados os erros de previsão da soma das vazões vários passos à frente. Os dois métodos foram então avaliados através da simulação da operação energética utilizando a política de controle em malha aberta. O resultado indicou um desempenho significativamente melhor para o Método Agregado, proporcionando uma maior geração hidrelétrica e um menor custo operacional / Abstract: Not informed / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica