Mudanças climáticas podem afetar a distribuição espacial e temporal das variáveis hidrológicas, tendo como consequências alterações nos regimes de precipitação e vazão dos rios. Aumentos ou reduções no volume de escoamento de uma bacia hidrográfica podem, por exemplo, produzir danos aos ecossistemas, afetar a produção de alimentos, abastecimento de água, navegação e geração de energia. Atualmente buscam-se relações que permitam entender os processos de mudanças climáticas a fim avaliar os impactos e mitigá-los, assim como avaliar as incertezas inerentes ao processo de modelagem hidrológica de tais mudanças. Neste contexto este trabalho apresenta uma metodologia de quantificação e análise de incertezas para estudos de mudanças climáticas, tomando como estudo de caso a bacia hidrográfica do Rio Uruguai (BHRU) com área aproximada de 110,000 Km². Para tanto três fontes de incerteza foram analisadas e comparadas: o modelo hidrológico, técnicas de remoção de viés e modelos climáticos. O modelo hidrológico MGB-IPH foi avaliado quanto ao processo de parametrização, utilizando diferentes períodos de simulação para calibração: (i) Período de calibração 1 – MGB/P1: representando a série completa de observações de 1960-1990 com verificação no período de 1992-1999; (ii) Período de calibração 2 - MGB/P2: calibração em período seco e verificação de período de cheias (iii) Período de calibração 3 – MGB/P3: calibração em período característico de cheias e verificação de período de estiagem. Três diferentes técnicas de remoção de viés foram aplicadas para analisar o grau de incerteza que a escolha de um determinado método de correção pode agregar ao resultado final: (i) RV1 - Técnica de Mapeamento Quantil-Quantil; (ii) RV2 - Técnica de Escalonamento Linear e (iii) RV3 - Técnica Delta change. Os modelos climáticos globais (GMC’s) foram analisados quanto a sua estrutura, comparando projeções de cinco diferentes modelos: MPEH5 (ECHAM5/MPIOM), GFCM21 (GFDL-CM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Adicionalmente, também foram analisadas as projeções climáticas de cinco diferentes versões do modelo climático regional (RCM) ETA/CPTEC: CT20, CT40, LOW, MID e HIGH. Inicialmente os resultados das simulações provenientes de cada uma destas fontes foram comparados de maneira isolada e em seguida de maneira combinada. Portanto, a metodologia foi dividida em Etapa (1) e Etapa (2). A Etapa (1) teve por objetivo responder a seguinte pergunta: Qual dentre as fontes de incerteza selecionadas agrega maior variação ao resultado final? Ou seja, qual destas fontes propaga maior incerteza em termos de impactos de mudanças climáticas na BHRU? Os resultados obtidos por cada uma das fontes de incerteza foram comparados em termos de anomalias de vazões médias de longo período (QMLP), máximas e mínimas anuais. Na Etapa (2) foi realizada a análise total de incerteza, ou seja, a análise combinada dos resultados obtidos na Etapa (1). As anomalias de vazões foram apresentadas utilizando as curvas de distribuição acumulada (CDF’s) e a incerteza total expressa pela diferença entre os percentis 5% e 95%. Considerando os resultados obtidos para as vazões médias de longo período (QMLP), as fontes podem ser ordenadas de forma decrescente, em relção ao grau de incerteza que propagam: modelos climáticos globais > modelos climáticos regionais > técnicas de remoção de viés > modelo hidrológico. Para as vazões extremas os RCM’s apresentam as maiores variações de anomalias se comparadas às dos modelos hidrológicos e técnicas de remoção de viés, inclusive para ambos os extremos, máximos e mínimos. Esta variação se dá principalmente, pelos resultados de LOW e MID. Estas informações podem ajudar os gestores e tomadores de decisão no adequado gerenciamento e planejamento dos recursos hídricos sob condições de mudanças climáticas, assim como o entendimento da incerteza associada. / Climate change can affect the spatial and temporal distribution of hydrological variables, with the consequences of changes in precipitation regimes and river flows. Increase or decrease the flow of rivers, for example, can cause damage to ecosystems, affecting food production, water supply, navigation and power generation. Currently seeking to relationships that allow understand climate change processes in order to assess the impacts and mitigate them, and assess the uncertainties inherent in hydrologic modeling process of such climate change. This thesis aimed at the development of a methodology for quantification and analysis of uncertainties for climate change studies in hydrology , taking as a case study the basin of the Uruguay River (BHRU) with a drainage area near 110,000 km². For that three sources of uncertainty were analyzed and compared: the hydrologic model, bias removal techniques and climate models. The hydrological model MGB-IPH was evaluated for parameterization, using different simulation periods for calibration: (i) MGB /P1: full range with calibration period (1960-1990) and validate (1992-1999); (ii) MGB / P2: calibrated in the period of dry and validated in the flood season (iii) MGB/P3: calibrated in the period of floods and validated in the dry season. Three different bias correction methods were applied to analyze the degree of uncertainty that the choice of a particular method of correction can add to the final result: (i) RV1 - Quantil-Quantil Mapping; (ii) RV2 - Linear Scaling, and (iii) RV3 - Delta Change Technique. Global climate models (GMC's) were analyzed for their structure, comparing projections of five different models: MPEH5 (ECHAM5/MPI-OM), GFCM21 (GFDLCM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Additionaly, climate projections from five different versions of the regional climate model (RCM) ETA / CPTEC were also analyzed: CT20, CT40, LOW, MID e HIGH. Initially the simulation results from each of the sources of uncertainty were compared individually (single propagation) and then in a combined way (multi propagation). Therefore, the methodology was divided in Step (1) and Step (2). Step (1) aimed to answer: Which of the selected sources of uncertainty adds more variation to the final result? Which of these sources propagates greater uncertainty in terms of impacts of climate change on BHRU? The results for each of the sources of uncertainty were compared in terms of long-term mean flow (QMLP), maximum and minimum annual flow. In Step (2) total uncertainty analysis was performed, therefore the combined analysis of the results obtained in Step (1). The anomalies in discharge were presented using the cumulative distribution function (CDF's) and the total uncertainty expressed by the difference between the percentiles 5% and 95%. Throughout the application of the proposed methodology it was concluded that: (i) for the extremes (maximum and minimum) annual discharges the largest source of uncertainty are the projections of the RCM's, followed by the the bias removal technique and finally the hydrological model; (ii) for the QMLP the largest source of uncertainty are followed global climate models, then the regional climate models. This information can help managers and decision makers in the proper management and planning of water resources under climate change conditions, as well as the understanding of the associated uncertainty.

Mudanças climáticas podem afetar a distribuição espacial e temporal das variáveis hidrológicas, tendo como consequências alterações nos regimes de precipitação e vazão dos rios. Aumentos ou reduções no volume de escoamento de uma bacia hidrográfica podem, por exemplo, produzir danos aos ecossistemas, afetar a produção de alimentos, abastecimento de água, navegação e geração de energia. Atualmente buscam-se relações que permitam entender os processos de mudanças climáticas a fim avaliar os impactos e mitigá-los, assim como avaliar as incertezas inerentes ao processo de modelagem hidrológica de tais mudanças. Neste contexto este trabalho apresenta uma metodologia de quantificação e análise de incertezas para estudos de mudanças climáticas, tomando como estudo de caso a bacia hidrográfica do Rio Uruguai (BHRU) com área aproximada de 110,000 Km². Para tanto três fontes de incerteza foram analisadas e comparadas: o modelo hidrológico, técnicas de remoção de viés e modelos climáticos. O modelo hidrológico MGB-IPH foi avaliado quanto ao processo de parametrização, utilizando diferentes períodos de simulação para calibração: (i) Período de calibração 1 – MGB/P1: representando a série completa de observações de 1960-1990 com verificação no período de 1992-1999; (ii) Período de calibração 2 - MGB/P2: calibração em período seco e verificação de período de cheias (iii) Período de calibração 3 – MGB/P3: calibração em período característico de cheias e verificação de período de estiagem. Três diferentes técnicas de remoção de viés foram aplicadas para analisar o grau de incerteza que a escolha de um determinado método de correção pode agregar ao resultado final: (i) RV1 - Técnica de Mapeamento Quantil-Quantil; (ii) RV2 - Técnica de Escalonamento Linear e (iii) RV3 - Técnica Delta change. Os modelos climáticos globais (GMC’s) foram analisados quanto a sua estrutura, comparando projeções de cinco diferentes modelos: MPEH5 (ECHAM5/MPIOM), GFCM21 (GFDL-CM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Adicionalmente, também foram analisadas as projeções climáticas de cinco diferentes versões do modelo climático regional (RCM) ETA/CPTEC: CT20, CT40, LOW, MID e HIGH. Inicialmente os resultados das simulações provenientes de cada uma destas fontes foram comparados de maneira isolada e em seguida de maneira combinada. Portanto, a metodologia foi dividida em Etapa (1) e Etapa (2). A Etapa (1) teve por objetivo responder a seguinte pergunta: Qual dentre as fontes de incerteza selecionadas agrega maior variação ao resultado final? Ou seja, qual destas fontes propaga maior incerteza em termos de impactos de mudanças climáticas na BHRU? Os resultados obtidos por cada uma das fontes de incerteza foram comparados em termos de anomalias de vazões médias de longo período (QMLP), máximas e mínimas anuais. Na Etapa (2) foi realizada a análise total de incerteza, ou seja, a análise combinada dos resultados obtidos na Etapa (1). As anomalias de vazões foram apresentadas utilizando as curvas de distribuição acumulada (CDF’s) e a incerteza total expressa pela diferença entre os percentis 5% e 95%. Considerando os resultados obtidos para as vazões médias de longo período (QMLP), as fontes podem ser ordenadas de forma decrescente, em relção ao grau de incerteza que propagam: modelos climáticos globais > modelos climáticos regionais > técnicas de remoção de viés > modelo hidrológico. Para as vazões extremas os RCM’s apresentam as maiores variações de anomalias se comparadas às dos modelos hidrológicos e técnicas de remoção de viés, inclusive para ambos os extremos, máximos e mínimos. Esta variação se dá principalmente, pelos resultados de LOW e MID. Estas informações podem ajudar os gestores e tomadores de decisão no adequado gerenciamento e planejamento dos recursos hídricos sob condições de mudanças climáticas, assim como o entendimento da incerteza associada. / Climate change can affect the spatial and temporal distribution of hydrological variables, with the consequences of changes in precipitation regimes and river flows. Increase or decrease the flow of rivers, for example, can cause damage to ecosystems, affecting food production, water supply, navigation and power generation. Currently seeking to relationships that allow understand climate change processes in order to assess the impacts and mitigate them, and assess the uncertainties inherent in hydrologic modeling process of such climate change. This thesis aimed at the development of a methodology for quantification and analysis of uncertainties for climate change studies in hydrology , taking as a case study the basin of the Uruguay River (BHRU) with a drainage area near 110,000 km². For that three sources of uncertainty were analyzed and compared: the hydrologic model, bias removal techniques and climate models. The hydrological model MGB-IPH was evaluated for parameterization, using different simulation periods for calibration: (i) MGB /P1: full range with calibration period (1960-1990) and validate (1992-1999); (ii) MGB / P2: calibrated in the period of dry and validated in the flood season (iii) MGB/P3: calibrated in the period of floods and validated in the dry season. Three different bias correction methods were applied to analyze the degree of uncertainty that the choice of a particular method of correction can add to the final result: (i) RV1 - Quantil-Quantil Mapping; (ii) RV2 - Linear Scaling, and (iii) RV3 - Delta Change Technique. Global climate models (GMC's) were analyzed for their structure, comparing projections of five different models: MPEH5 (ECHAM5/MPI-OM), GFCM21 (GFDLCM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Additionaly, climate projections from five different versions of the regional climate model (RCM) ETA / CPTEC were also analyzed: CT20, CT40, LOW, MID e HIGH. Initially the simulation results from each of the sources of uncertainty were compared individually (single propagation) and then in a combined way (multi propagation). Therefore, the methodology was divided in Step (1) and Step (2). Step (1) aimed to answer: Which of the selected sources of uncertainty adds more variation to the final result? Which of these sources propagates greater uncertainty in terms of impacts of climate change on BHRU? The results for each of the sources of uncertainty were compared in terms of long-term mean flow (QMLP), maximum and minimum annual flow. In Step (2) total uncertainty analysis was performed, therefore the combined analysis of the results obtained in Step (1). The anomalies in discharge were presented using the cumulative distribution function (CDF's) and the total uncertainty expressed by the difference between the percentiles 5% and 95%. Throughout the application of the proposed methodology it was concluded that: (i) for the extremes (maximum and minimum) annual discharges the largest source of uncertainty are the projections of the RCM's, followed by the the bias removal technique and finally the hydrological model; (ii) for the QMLP the largest source of uncertainty are followed global climate models, then the regional climate models. This information can help managers and decision makers in the proper management and planning of water resources under climate change conditions, as well as the understanding of the associated uncertainty.

Mudanças climáticas podem afetar a distribuição espacial e temporal das variáveis hidrológicas, tendo como consequências alterações nos regimes de precipitação e vazão dos rios. Aumentos ou reduções no volume de escoamento de uma bacia hidrográfica podem, por exemplo, produzir danos aos ecossistemas, afetar a produção de alimentos, abastecimento de água, navegação e geração de energia. Atualmente buscam-se relações que permitam entender os processos de mudanças climáticas a fim avaliar os impactos e mitigá-los, assim como avaliar as incertezas inerentes ao processo de modelagem hidrológica de tais mudanças. Neste contexto este trabalho apresenta uma metodologia de quantificação e análise de incertezas para estudos de mudanças climáticas, tomando como estudo de caso a bacia hidrográfica do Rio Uruguai (BHRU) com área aproximada de 110,000 Km². Para tanto três fontes de incerteza foram analisadas e comparadas: o modelo hidrológico, técnicas de remoção de viés e modelos climáticos. O modelo hidrológico MGB-IPH foi avaliado quanto ao processo de parametrização, utilizando diferentes períodos de simulação para calibração: (i) Período de calibração 1 – MGB/P1: representando a série completa de observações de 1960-1990 com verificação no período de 1992-1999; (ii) Período de calibração 2 - MGB/P2: calibração em período seco e verificação de período de cheias (iii) Período de calibração 3 – MGB/P3: calibração em período característico de cheias e verificação de período de estiagem. Três diferentes técnicas de remoção de viés foram aplicadas para analisar o grau de incerteza que a escolha de um determinado método de correção pode agregar ao resultado final: (i) RV1 - Técnica de Mapeamento Quantil-Quantil; (ii) RV2 - Técnica de Escalonamento Linear e (iii) RV3 - Técnica Delta change. Os modelos climáticos globais (GMC’s) foram analisados quanto a sua estrutura, comparando projeções de cinco diferentes modelos: MPEH5 (ECHAM5/MPIOM), GFCM21 (GFDL-CM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Adicionalmente, também foram analisadas as projeções climáticas de cinco diferentes versões do modelo climático regional (RCM) ETA/CPTEC: CT20, CT40, LOW, MID e HIGH. Inicialmente os resultados das simulações provenientes de cada uma destas fontes foram comparados de maneira isolada e em seguida de maneira combinada. Portanto, a metodologia foi dividida em Etapa (1) e Etapa (2). A Etapa (1) teve por objetivo responder a seguinte pergunta: Qual dentre as fontes de incerteza selecionadas agrega maior variação ao resultado final? Ou seja, qual destas fontes propaga maior incerteza em termos de impactos de mudanças climáticas na BHRU? Os resultados obtidos por cada uma das fontes de incerteza foram comparados em termos de anomalias de vazões médias de longo período (QMLP), máximas e mínimas anuais. Na Etapa (2) foi realizada a análise total de incerteza, ou seja, a análise combinada dos resultados obtidos na Etapa (1). As anomalias de vazões foram apresentadas utilizando as curvas de distribuição acumulada (CDF’s) e a incerteza total expressa pela diferença entre os percentis 5% e 95%. Considerando os resultados obtidos para as vazões médias de longo período (QMLP), as fontes podem ser ordenadas de forma decrescente, em relção ao grau de incerteza que propagam: modelos climáticos globais > modelos climáticos regionais > técnicas de remoção de viés > modelo hidrológico. Para as vazões extremas os RCM’s apresentam as maiores variações de anomalias se comparadas às dos modelos hidrológicos e técnicas de remoção de viés, inclusive para ambos os extremos, máximos e mínimos. Esta variação se dá principalmente, pelos resultados de LOW e MID. Estas informações podem ajudar os gestores e tomadores de decisão no adequado gerenciamento e planejamento dos recursos hídricos sob condições de mudanças climáticas, assim como o entendimento da incerteza associada. / Climate change can affect the spatial and temporal distribution of hydrological variables, with the consequences of changes in precipitation regimes and river flows. Increase or decrease the flow of rivers, for example, can cause damage to ecosystems, affecting food production, water supply, navigation and power generation. Currently seeking to relationships that allow understand climate change processes in order to assess the impacts and mitigate them, and assess the uncertainties inherent in hydrologic modeling process of such climate change. This thesis aimed at the development of a methodology for quantification and analysis of uncertainties for climate change studies in hydrology , taking as a case study the basin of the Uruguay River (BHRU) with a drainage area near 110,000 km². For that three sources of uncertainty were analyzed and compared: the hydrologic model, bias removal techniques and climate models. The hydrological model MGB-IPH was evaluated for parameterization, using different simulation periods for calibration: (i) MGB /P1: full range with calibration period (1960-1990) and validate (1992-1999); (ii) MGB / P2: calibrated in the period of dry and validated in the flood season (iii) MGB/P3: calibrated in the period of floods and validated in the dry season. Three different bias correction methods were applied to analyze the degree of uncertainty that the choice of a particular method of correction can add to the final result: (i) RV1 - Quantil-Quantil Mapping; (ii) RV2 - Linear Scaling, and (iii) RV3 - Delta Change Technique. Global climate models (GMC's) were analyzed for their structure, comparing projections of five different models: MPEH5 (ECHAM5/MPI-OM), GFCM21 (GFDLCM2.1), MRCGCM (MRI-CGCM2.3.2), HADCM3 (UKMO-HadCM3) e NCCCSM (CCSM3). Additionaly, climate projections from five different versions of the regional climate model (RCM) ETA / CPTEC were also analyzed: CT20, CT40, LOW, MID e HIGH. Initially the simulation results from each of the sources of uncertainty were compared individually (single propagation) and then in a combined way (multi propagation). Therefore, the methodology was divided in Step (1) and Step (2). Step (1) aimed to answer: Which of the selected sources of uncertainty adds more variation to the final result? Which of these sources propagates greater uncertainty in terms of impacts of climate change on BHRU? The results for each of the sources of uncertainty were compared in terms of long-term mean flow (QMLP), maximum and minimum annual flow. In Step (2) total uncertainty analysis was performed, therefore the combined analysis of the results obtained in Step (1). The anomalies in discharge were presented using the cumulative distribution function (CDF's) and the total uncertainty expressed by the difference between the percentiles 5% and 95%. Throughout the application of the proposed methodology it was concluded that: (i) for the extremes (maximum and minimum) annual discharges the largest source of uncertainty are the projections of the RCM's, followed by the the bias removal technique and finally the hydrological model; (ii) for the QMLP the largest source of uncertainty are followed global climate models, then the regional climate models. This information can help managers and decision makers in the proper management and planning of water resources under climate change conditions, as well as the understanding of the associated uncertainty.