Orientador: Valter Hernandez / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Civil / Made available in DSpace on 2018-07-27T18:59:49Z (GMT). No. of bitstreams: 1 Leal_LydianeAbdon_M.pdf: 4731549 bytes, checksum: 87f34fd895cfaf87ad430977e450ea9e (MD5) Previous issue date: 2001 / Resumo: Problemas relacionados a formas de uso e ocupação no solo são muito freqüentes hoje em dia, visto que, de forma geral, a agressão do homem à natureza ao longo dos anos foi impiedosa. Em particular os recursos hídricos sofreram bruscas modificações, traduzidas sob as mais diversas formas, tais como: enchentes e mudanças no regime hidrológico. O estudo dos processos hidrológicos avaliando formas de uso e ocupação no solo torna-se importante para que possa ser feito um planejamento e melhor aproveitamento dos recursos hídricos evitando-se assim, calamidades e maiores danos ao meio ambiente. Neste estudo, séries fluviométricas e pluviométricas foram analisadas estatística e graficamente, bem como através de um modelo chuva-deflúvio, visando captar as alterações sofridas pela disponibilidade hídrica de uma bacia, devido a alterações no uso do solo, ocorridas ao longo dos anos. Como objeto de estudo foram selecionadas as bacias dos Rios Paraibuna e Paraitinga, formadores do Rio Paraíba do Sul no estado de São Paulo. Estas bacias foram escolhidas por apresentarem significativas alterações em sua ocupação nas últimas décadas e também devido os dados disponíveis possuírem maior disponibilidade e confiabilidade / Abstract: Problems related to the ways of soil use and occupation are very frequents nowadays, considering that, in the main, man has with no pain attacked nature. Particularly, water resources suffered rough changes, at different ways: overflowing and changes in hydrologic system. Hydrologic process studies that evaluate the ways of soil use and occupation become very important so as planning and better water resources use can be done and calamities and greater damage at environment can be avoided. In this study, fluviometric and pluviometric successions were statistically and graphically analyzed, as well as through a hydrological model, having in view to win the changes happened with the basin water availability, because of changes in soil use that occurred during the years. It was chosen the Paraibuna and Paraitinga River basins that form Paraíba do Sul River, at São Paulo State. These basins were chosen because they present significant changes in its occupation during the last decades and because of available data are more reliable / Mestrado / Recursos Hidricos / Engenharia Civil

O crescimento populacional e a degradação dos corpos d’água vêm exercendo pressão à agricultura moderna, a proporcionar respostas mais eficientes quanto ao uso racional da água. Para uma melhor utilização dos recursos hídricos, faz-se necessário compreender o movimento da água na natureza, onde o conhecimento prévio dos fenômenos atmosféricos constitui uma importante ferramenta no planejamento de atividades que utilizam os recursos hídricos como fonte primária de abastecimento. Nesse trabalho foram realizadas previsões de longo prazo com antecedência de sete meses e intervalo de tempo mensal de níveis no Sistema Hidrológico do Taim, utilizando previsões de precipitação geradas por um modelo de circulação global. Para realizar as previsões foi elaborado um modelo hidrológico empírico de regressão, onde foram utilizadas técnicas estatísticas de análise e manipulação de séries históricas para correlacionar os dados disponíveis aos níveis (volumes) de água no banhado. Partindo do pressuposto que as previsões meteorológicas são a maior fonte de incerteza na previsão hidrológica, foi utilizada a técnica de previsão por conjunto (ensemble) e dados do modelo COLA, com 30 membros, para quantificar as incertezas envolvidas. Foi elaborado um algoritmo para gerar todas as possibilidades de regressão linear múltipla com os dados disponíveis, onde oito equações candidatas foram selecionadas para realizar as previsões. Numa análise preliminar dos dados de entrada de precipitações previstas foi observado que o modelo de circulação global não representou os extremos observados de forma satisfatória, sendo executado um processo de remoção do viés. O modelo de empírico de simulação foi posteriormente executado em modo continuo, gerando previsões de longo prazo de níveis para os próximos sete meses, para cada mês no período de junho/2004 a dezembro/2011. Os resultados obtidos mostraram que a metodologia utilizada obteve bons resultados, com desempenho satisfatórios até o terceiro mês, decaindo seu desempenho nos meses posteriores, mas configurando-se em uma ferramenta para auxílio à gestão dos recursos hídricos do local de estudo. / Population growth and degradation of water bodies have been pressuring modern agriculture, to provide more efficient responses about the rational use of water. For a better use of water resources, it is necessary to understand the movement of water in nature, where prior knowledge of atmospheric phenomena is an important tool in planning activities that use water as the primary source of supply. In this study were performed long-term forecasts of water levels (seven months of horizon, monthly time-step) in the Hydrological System Taim, using rainfall forecasts generated by a global circulation model as input. To perform predictions was developed an empirical hydrological regression model. This model was developed based on statistical techniques of analysis and manipulation of historical data to correlate the input data available to the levels (volume) of water in a wetland. Assuming that weather forecasts are a major source of uncertainty in hydrological forecasting, we used an ensemble forecast from COLA 2.2 with 30 members to quantify the uncertainties involved. An algorithm was developed to generate all the multiple linear regression models with the available data, where eight candidates equations were selected for hydrological forecasting. In a preliminary analysis of the precipitation forecast was observed that the global circulation model did not achieve a good representation of extremes values, thus a process of bias removal was carried out. Then the empirical model was used to generate water levels forecast for the next seven months, in each month of the period june/2004 to december/2011. The results showed that the methodology used has a satisfactory performance until the lead time three (third month in the future) where the performance starts to show lower values. Beside the sharply lost of performance in the last lead times, the model is a support tool that can help the decision making in the management of water resources for the study case.

A previsão com antecedência de curto e médio prazo da vazão em diferentes locais de bacias hidrográficas geralmente é benéfica ao permitir uma resposta antecipada a eventos hidrológicos como cheias, e a operação mais eficiente de obras hidráulicas como barragens. Atualmente, cada vez mais se tem reconhecida a importância da inclusão das incertezas na geração de previsões hidrológicas, feita através de previsões por conjunto (ou ensemble). Neste tipo de previsão são feitas inferências sobre cenários possíveis futuros através da consideração de, por exemplo, múltiplas trajetórias possíveis dos estados da atmosfera, que ao serem aplicadas em um modelo hidrológico resultam em distribuições de trajetórias de vazões. Várias aplicações recentes tem sugerido a possibilidade da tomada de melhores decisões para o futuro quando fundamentadas neste conhecimento das incertezas. No Brasil, um uso predominante de previsões hidrológicas é na operação de reservatórios de usinas hidroelétricas, que constituem a maior fonte de energia do País. As previsões nestes casos são utilizadas tanto para a operação normal do sistema nacional, feita de forma centralizada, como para a operação local das usinas em casos de cheia, onde é necessário velar pela segurança da barragem e pela atenuação de impactos a jusante e/ou a montante dos barramentos. Contudo, a forma como as previsões de vazão são geradas e usadas no cenário nacional não são baseadas em técnicas de previsão por conjunto, onde a própria pesquisa local sobre os potenciais benefícios destas formas de geração de previsões pode ser classificada como incipiente. Assim, o objetivo principal deste estudo é investigar benefícios em termos de qualidade e persistência do uso de previsões de afluência por conjunto para reservatórios em grandes bacias hidrográficas brasileiras em curto e médio prazo. Para cumprir com estes objetivos foram propostos ensaios de previsão de vazão por conjunto para três bacias hidrográficas brasileiras: Alto São Francisco, Doce, e Tocantins. O modelo hidrológico MGBIPH foi aplicado para a execução de previsões retroativas (hindcastings) alimentado por dados de chuva provindos de três diferentes sistemas de previsão meteorológica por conjunto (ECMWF-pf, GEFS, e CPTEC-pf) e mais uma previsão determinística de referência (ECMWF-fc), todos disponíveis na base de dados denominada TIGGE. De uma forma geral, as previsões por conjunto, principalmente dos modelos ECMWF-pf e GEFS, se mostraram superiores em termos de qualidade e persistência na comparação com a previsão determinística. E o uso do Super Ensemble, formado pela combinação dos três modelos mostrou-se uma alternativa entre as melhores testadas, principalmente por ser também uma estratégia robusta. Para uma estratégia de defesa contra cheias, as análises indicam benefícios para a consideração dos membros superiores dos conjuntos, e já para uma estratégia de operação de reservatórios essa visão pode ser mais focada em vazões médias, as quais podem conter algum viés. Já a comparação entre as bacias mostrou que resultados não podem ser transportados de um local para outro, apesar de estarem no mesmo clima. Em relação às incertezas, notou-se que a modelagem hidrológica amplifica as incertezas na previsão na medida em que os estados do modelo da grande bacia evoluem. De qualquer forma, acreditase que os resultados mostram que mais investimentos em técnicas de previsão por conjunto e suas aplicações são um caminho a ser seguido para ampliar os benefícios do uso de previsões hidrológicas. / Short to medium-term streamflow forecasts at different locations in a watershed are generally beneficial to allow an early response to hydrological events such as floods, and more efficient operation of hydraulic structures such as dams. Currently, an increasingly recognition has been given to the including of uncertainties in the generation of hydrological forecasts, what is usually made producting the so called Ensemble Forecast. In this kind of forecast inferences about possible future scenarios are made by considering, for example, multiple possible trajectories of the atmospheric states, which when applied to a hydrological model results in streamflow trajectories distributions. Several recent applications suggested the possibility of better decisions making based on this uncertainties knowledge. In Brazil, a predominant use of hydrological forecasts is for hydropower reservoirs operation, which are the largest source of energy for the country. Future inflows estimates in these cases are used either for normal operation of the national system, done centrally, as for local operation of the dams in cases of floods, where it is necessary to ensure the dam safety and the mitigation of impacts downstream and/or upstream. However, the currently technique used to generate the operational forecasts is not based on ensembles, and the Brazilian local research on the potential benefits of these forms of forecasts production can be classified as incipient. Thus, the aim of this Thesis was to investigate benefits in terms of quality and persistence of using short to medium-term ensemble inflow forecast for reservoirs located on large Brazilian river basins. To fulfill these objectives streamflow forecast tests have been proposed for three Brazilian river basins: Alto San Francisco, Doce, and Tocantins. The hydrological model MGB-IPH was applied to perform retroactive forecasts (hindcastings) within a period of tests forced by rainfall data from three different ensemble weather forecasting systems (ECMWFpf, GEFs, and CPTEC-pf) and a deterministic prediction reference (ECMWF-fc), all available in the TIGGE archive. In general, the ensemble predictions, especially from ECMWF-pf and GEFs models, were superior in quality and persistence in comparison to the deterministic reference. And the use of the Super ensemble composed by the combination of the three ensemble models was shown to be among the results, and also a robust strategy. For a flood protection strategy, the analyzes indicate benefits in the consideration of the upper bounds of the ensembles, and for a reservoir operation strategy that vision could be more focused on average flow rates, which may contain some verified bias. The comparison between the basins results showed that one can not transport results and considerations from one location to another, despite being in the same climate region. Regarding uncertainties, it was noted that hydrological modeling amplifies the uncertainty in the forecasts, in some extent due to the large basin evolution of state variables. Anyway, it is believed that more investments in ensemble forecasting techniques and its applications shown to be a good way to make better use of forecasts.

A aplicação dos modelos conceituais e semi-conceituais de transformação chuva-vazão depende de uma calibração prévia de seus parâmetros em locais com dados de vazões disponíveis e que guarde certa semelhança hidrológica com o local da aplicação. Para essa transferência de informações assumem-se algumas hipóteses que, em geral, não podem ser aferidas com dados reais, próprios de cada local, resultando em grandes incertezas sobre os resultados obtidos. Além do mais, a pouca quantidade de informações hidrológicas disponível impõe severas restrições à aplicabilidade dos modelos chuva-vazão, especialmente quando se necessita obter séries em escalas diárias ou mensais. Este trabalho apresenta o desenvolvimento e validação de uma técnica de regionalização de parâmetros de modelos chuva-vazão baseado no uso de algoritmos genéticos e redes neurais, tendo o modelo SMAP – Soil Moisture Accounting Procedure (Lopes et al, 1981) mensal como objeto de avaliação. São empregados dados de 41 bacias hidrográficas localizadas no estado da Paraíba, no semi-árido do Nordeste brasileiro, entre as quais, 14 são áreas controladas por estações fluviométricas e 27 por reservatórios fluviais. Para todas as bacias foram determinados 32 parâmetros físicos e climatológicos, sendo seis características das medidas lineares das bacias, três da forma, nove da rede de drenagem, sete do relevo, duas da capacidade de escoamento, três das classes de solos e duas da climatologia. Uma análise dos dados disponíveis é feita em duas etapas: a primeira, consiste na avaliação da importância de cada bacia no conjunto dos dados, por meio da aplicação da técnica de aprendizado hierárquico não supervisionado; a segunda, consiste na seleção de atributos (características das bacias) usando técnicas de aprendizado supervisionado, a qual elimina dados redundantes e irrelevantes responsáveis pela diminuição da precisão e do entendimento sobre as hipóteses usadas quando as relações entre os parâmetros do modelo SMAP e as características são formuladas. O modelo SMAP é calibrado de forma automática através do algoritmo SCE-UA (Shuffled Complex Evolution – University of Arizona), conforme Diniz (1994). Os parâmetros obtidos são relacionados às características físicas e climáticas das bacias hidrográficas através de redes neurais artificiais do tipo Perceptrom Múltiplas Camadas – MLP. / To use a conceptual or semi-conceptual hydrological rainfall–runoff model on a drainage basin without flow records, it must first have been calibrated at one or more sites where flow data are available and in a drainage basin having characteristics similar to those of the basin of interest. The transformation of rainfall into runoff needs some assumptions in both calibration and application sites that cannot be verified, leading to uncertainties. Moreover, the limited availability of hydrological data imposes some restriction on the application of rainfall-runoff models, particularly when the goal is to generate daily or monthly flow series. This paper describes the development and validation of a parameter regionalization technique based on the use of genetic algorithms and artificial neural networks. The rainfall– runoff model used is the monthly version of the SMAP model. Data from 41 drainage basins in the Paraíba State of the semi-arid north-east of Brazil are used, 14 of which have a streamflow gauge station whilst 27 contain a dam at which reservoir levels are recorded. In each drainage basin, 32 physical and climatic attributes are calculated. Six of these describe linear dimensions of the basin, three are shape parameters, nine characterize the drainage network, seven describes the relief, two the run-off capacity, three the soil class and two the climatic conditions. The analysis of the available data is made in two phases. The first consists of evaluating the importance of each basin in the whole ensemble, by means of a non-supervised hierarchical learning procedure, and the second consists of selecting attributes using a supervised learning procedure which eliminates redundancies and less important data that diminish the precision and understanding of the assumptions used when relationships between parameters and basin characteristics are formulated. The SMAP model is calibrated in an automatic mode through SCE-UA algorithm, according to Diniz (1994). The acquired parameters are related do the physical and climate characteristics of the drainage basins through MLP – Multiple Layers Perceptrons artificial neural network.

O crescimento populacional e a degradação dos corpos d’água vêm exercendo pressão à agricultura moderna, a proporcionar respostas mais eficientes quanto ao uso racional da água. Para uma melhor utilização dos recursos hídricos, faz-se necessário compreender o movimento da água na natureza, onde o conhecimento prévio dos fenômenos atmosféricos constitui uma importante ferramenta no planejamento de atividades que utilizam os recursos hídricos como fonte primária de abastecimento. Nesse trabalho foram realizadas previsões de longo prazo com antecedência de sete meses e intervalo de tempo mensal de níveis no Sistema Hidrológico do Taim, utilizando previsões de precipitação geradas por um modelo de circulação global. Para realizar as previsões foi elaborado um modelo hidrológico empírico de regressão, onde foram utilizadas técnicas estatísticas de análise e manipulação de séries históricas para correlacionar os dados disponíveis aos níveis (volumes) de água no banhado. Partindo do pressuposto que as previsões meteorológicas são a maior fonte de incerteza na previsão hidrológica, foi utilizada a técnica de previsão por conjunto (ensemble) e dados do modelo COLA, com 30 membros, para quantificar as incertezas envolvidas. Foi elaborado um algoritmo para gerar todas as possibilidades de regressão linear múltipla com os dados disponíveis, onde oito equações candidatas foram selecionadas para realizar as previsões. Numa análise preliminar dos dados de entrada de precipitações previstas foi observado que o modelo de circulação global não representou os extremos observados de forma satisfatória, sendo executado um processo de remoção do viés. O modelo de empírico de simulação foi posteriormente executado em modo continuo, gerando previsões de longo prazo de níveis para os próximos sete meses, para cada mês no período de junho/2004 a dezembro/2011. Os resultados obtidos mostraram que a metodologia utilizada obteve bons resultados, com desempenho satisfatórios até o terceiro mês, decaindo seu desempenho nos meses posteriores, mas configurando-se em uma ferramenta para auxílio à gestão dos recursos hídricos do local de estudo. / Population growth and degradation of water bodies have been pressuring modern agriculture, to provide more efficient responses about the rational use of water. For a better use of water resources, it is necessary to understand the movement of water in nature, where prior knowledge of atmospheric phenomena is an important tool in planning activities that use water as the primary source of supply. In this study were performed long-term forecasts of water levels (seven months of horizon, monthly time-step) in the Hydrological System Taim, using rainfall forecasts generated by a global circulation model as input. To perform predictions was developed an empirical hydrological regression model. This model was developed based on statistical techniques of analysis and manipulation of historical data to correlate the input data available to the levels (volume) of water in a wetland. Assuming that weather forecasts are a major source of uncertainty in hydrological forecasting, we used an ensemble forecast from COLA 2.2 with 30 members to quantify the uncertainties involved. An algorithm was developed to generate all the multiple linear regression models with the available data, where eight candidates equations were selected for hydrological forecasting. In a preliminary analysis of the precipitation forecast was observed that the global circulation model did not achieve a good representation of extremes values, thus a process of bias removal was carried out. Then the empirical model was used to generate water levels forecast for the next seven months, in each month of the period june/2004 to december/2011. The results showed that the methodology used has a satisfactory performance until the lead time three (third month in the future) where the performance starts to show lower values. Beside the sharply lost of performance in the last lead times, the model is a support tool that can help the decision making in the management of water resources for the study case.

A aplicação dos modelos conceituais e semi-conceituais de transformação chuva-vazão depende de uma calibração prévia de seus parâmetros em locais com dados de vazões disponíveis e que guarde certa semelhança hidrológica com o local da aplicação. Para essa transferência de informações assumem-se algumas hipóteses que, em geral, não podem ser aferidas com dados reais, próprios de cada local, resultando em grandes incertezas sobre os resultados obtidos. Além do mais, a pouca quantidade de informações hidrológicas disponível impõe severas restrições à aplicabilidade dos modelos chuva-vazão, especialmente quando se necessita obter séries em escalas diárias ou mensais. Este trabalho apresenta o desenvolvimento e validação de uma técnica de regionalização de parâmetros de modelos chuva-vazão baseado no uso de algoritmos genéticos e redes neurais, tendo o modelo SMAP – Soil Moisture Accounting Procedure (Lopes et al, 1981) mensal como objeto de avaliação. São empregados dados de 41 bacias hidrográficas localizadas no estado da Paraíba, no semi-árido do Nordeste brasileiro, entre as quais, 14 são áreas controladas por estações fluviométricas e 27 por reservatórios fluviais. Para todas as bacias foram determinados 32 parâmetros físicos e climatológicos, sendo seis características das medidas lineares das bacias, três da forma, nove da rede de drenagem, sete do relevo, duas da capacidade de escoamento, três das classes de solos e duas da climatologia. Uma análise dos dados disponíveis é feita em duas etapas: a primeira, consiste na avaliação da importância de cada bacia no conjunto dos dados, por meio da aplicação da técnica de aprendizado hierárquico não supervisionado; a segunda, consiste na seleção de atributos (características das bacias) usando técnicas de aprendizado supervisionado, a qual elimina dados redundantes e irrelevantes responsáveis pela diminuição da precisão e do entendimento sobre as hipóteses usadas quando as relações entre os parâmetros do modelo SMAP e as características são formuladas. O modelo SMAP é calibrado de forma automática através do algoritmo SCE-UA (Shuffled Complex Evolution – University of Arizona), conforme Diniz (1994). Os parâmetros obtidos são relacionados às características físicas e climáticas das bacias hidrográficas através de redes neurais artificiais do tipo Perceptrom Múltiplas Camadas – MLP. / To use a conceptual or semi-conceptual hydrological rainfall–runoff model on a drainage basin without flow records, it must first have been calibrated at one or more sites where flow data are available and in a drainage basin having characteristics similar to those of the basin of interest. The transformation of rainfall into runoff needs some assumptions in both calibration and application sites that cannot be verified, leading to uncertainties. Moreover, the limited availability of hydrological data imposes some restriction on the application of rainfall-runoff models, particularly when the goal is to generate daily or monthly flow series. This paper describes the development and validation of a parameter regionalization technique based on the use of genetic algorithms and artificial neural networks. The rainfall– runoff model used is the monthly version of the SMAP model. Data from 41 drainage basins in the Paraíba State of the semi-arid north-east of Brazil are used, 14 of which have a streamflow gauge station whilst 27 contain a dam at which reservoir levels are recorded. In each drainage basin, 32 physical and climatic attributes are calculated. Six of these describe linear dimensions of the basin, three are shape parameters, nine characterize the drainage network, seven describes the relief, two the run-off capacity, three the soil class and two the climatic conditions. The analysis of the available data is made in two phases. The first consists of evaluating the importance of each basin in the whole ensemble, by means of a non-supervised hierarchical learning procedure, and the second consists of selecting attributes using a supervised learning procedure which eliminates redundancies and less important data that diminish the precision and understanding of the assumptions used when relationships between parameters and basin characteristics are formulated. The SMAP model is calibrated in an automatic mode through SCE-UA algorithm, according to Diniz (1994). The acquired parameters are related do the physical and climate characteristics of the drainage basins through MLP – Multiple Layers Perceptrons artificial neural network.

O crescimento populacional e a degradação dos corpos d’água vêm exercendo pressão à agricultura moderna, a proporcionar respostas mais eficientes quanto ao uso racional da água. Para uma melhor utilização dos recursos hídricos, faz-se necessário compreender o movimento da água na natureza, onde o conhecimento prévio dos fenômenos atmosféricos constitui uma importante ferramenta no planejamento de atividades que utilizam os recursos hídricos como fonte primária de abastecimento. Nesse trabalho foram realizadas previsões de longo prazo com antecedência de sete meses e intervalo de tempo mensal de níveis no Sistema Hidrológico do Taim, utilizando previsões de precipitação geradas por um modelo de circulação global. Para realizar as previsões foi elaborado um modelo hidrológico empírico de regressão, onde foram utilizadas técnicas estatísticas de análise e manipulação de séries históricas para correlacionar os dados disponíveis aos níveis (volumes) de água no banhado. Partindo do pressuposto que as previsões meteorológicas são a maior fonte de incerteza na previsão hidrológica, foi utilizada a técnica de previsão por conjunto (ensemble) e dados do modelo COLA, com 30 membros, para quantificar as incertezas envolvidas. Foi elaborado um algoritmo para gerar todas as possibilidades de regressão linear múltipla com os dados disponíveis, onde oito equações candidatas foram selecionadas para realizar as previsões. Numa análise preliminar dos dados de entrada de precipitações previstas foi observado que o modelo de circulação global não representou os extremos observados de forma satisfatória, sendo executado um processo de remoção do viés. O modelo de empírico de simulação foi posteriormente executado em modo continuo, gerando previsões de longo prazo de níveis para os próximos sete meses, para cada mês no período de junho/2004 a dezembro/2011. Os resultados obtidos mostraram que a metodologia utilizada obteve bons resultados, com desempenho satisfatórios até o terceiro mês, decaindo seu desempenho nos meses posteriores, mas configurando-se em uma ferramenta para auxílio à gestão dos recursos hídricos do local de estudo. / Population growth and degradation of water bodies have been pressuring modern agriculture, to provide more efficient responses about the rational use of water. For a better use of water resources, it is necessary to understand the movement of water in nature, where prior knowledge of atmospheric phenomena is an important tool in planning activities that use water as the primary source of supply. In this study were performed long-term forecasts of water levels (seven months of horizon, monthly time-step) in the Hydrological System Taim, using rainfall forecasts generated by a global circulation model as input. To perform predictions was developed an empirical hydrological regression model. This model was developed based on statistical techniques of analysis and manipulation of historical data to correlate the input data available to the levels (volume) of water in a wetland. Assuming that weather forecasts are a major source of uncertainty in hydrological forecasting, we used an ensemble forecast from COLA 2.2 with 30 members to quantify the uncertainties involved. An algorithm was developed to generate all the multiple linear regression models with the available data, where eight candidates equations were selected for hydrological forecasting. In a preliminary analysis of the precipitation forecast was observed that the global circulation model did not achieve a good representation of extremes values, thus a process of bias removal was carried out. Then the empirical model was used to generate water levels forecast for the next seven months, in each month of the period june/2004 to december/2011. The results showed that the methodology used has a satisfactory performance until the lead time three (third month in the future) where the performance starts to show lower values. Beside the sharply lost of performance in the last lead times, the model is a support tool that can help the decision making in the management of water resources for the study case.

A previsão com antecedência de curto e médio prazo da vazão em diferentes locais de bacias hidrográficas geralmente é benéfica ao permitir uma resposta antecipada a eventos hidrológicos como cheias, e a operação mais eficiente de obras hidráulicas como barragens. Atualmente, cada vez mais se tem reconhecida a importância da inclusão das incertezas na geração de previsões hidrológicas, feita através de previsões por conjunto (ou ensemble). Neste tipo de previsão são feitas inferências sobre cenários possíveis futuros através da consideração de, por exemplo, múltiplas trajetórias possíveis dos estados da atmosfera, que ao serem aplicadas em um modelo hidrológico resultam em distribuições de trajetórias de vazões. Várias aplicações recentes tem sugerido a possibilidade da tomada de melhores decisões para o futuro quando fundamentadas neste conhecimento das incertezas. No Brasil, um uso predominante de previsões hidrológicas é na operação de reservatórios de usinas hidroelétricas, que constituem a maior fonte de energia do País. As previsões nestes casos são utilizadas tanto para a operação normal do sistema nacional, feita de forma centralizada, como para a operação local das usinas em casos de cheia, onde é necessário velar pela segurança da barragem e pela atenuação de impactos a jusante e/ou a montante dos barramentos. Contudo, a forma como as previsões de vazão são geradas e usadas no cenário nacional não são baseadas em técnicas de previsão por conjunto, onde a própria pesquisa local sobre os potenciais benefícios destas formas de geração de previsões pode ser classificada como incipiente. Assim, o objetivo principal deste estudo é investigar benefícios em termos de qualidade e persistência do uso de previsões de afluência por conjunto para reservatórios em grandes bacias hidrográficas brasileiras em curto e médio prazo. Para cumprir com estes objetivos foram propostos ensaios de previsão de vazão por conjunto para três bacias hidrográficas brasileiras: Alto São Francisco, Doce, e Tocantins. O modelo hidrológico MGBIPH foi aplicado para a execução de previsões retroativas (hindcastings) alimentado por dados de chuva provindos de três diferentes sistemas de previsão meteorológica por conjunto (ECMWF-pf, GEFS, e CPTEC-pf) e mais uma previsão determinística de referência (ECMWF-fc), todos disponíveis na base de dados denominada TIGGE. De uma forma geral, as previsões por conjunto, principalmente dos modelos ECMWF-pf e GEFS, se mostraram superiores em termos de qualidade e persistência na comparação com a previsão determinística. E o uso do Super Ensemble, formado pela combinação dos três modelos mostrou-se uma alternativa entre as melhores testadas, principalmente por ser também uma estratégia robusta. Para uma estratégia de defesa contra cheias, as análises indicam benefícios para a consideração dos membros superiores dos conjuntos, e já para uma estratégia de operação de reservatórios essa visão pode ser mais focada em vazões médias, as quais podem conter algum viés. Já a comparação entre as bacias mostrou que resultados não podem ser transportados de um local para outro, apesar de estarem no mesmo clima. Em relação às incertezas, notou-se que a modelagem hidrológica amplifica as incertezas na previsão na medida em que os estados do modelo da grande bacia evoluem. De qualquer forma, acreditase que os resultados mostram que mais investimentos em técnicas de previsão por conjunto e suas aplicações são um caminho a ser seguido para ampliar os benefícios do uso de previsões hidrológicas. / Short to medium-term streamflow forecasts at different locations in a watershed are generally beneficial to allow an early response to hydrological events such as floods, and more efficient operation of hydraulic structures such as dams. Currently, an increasingly recognition has been given to the including of uncertainties in the generation of hydrological forecasts, what is usually made producting the so called Ensemble Forecast. In this kind of forecast inferences about possible future scenarios are made by considering, for example, multiple possible trajectories of the atmospheric states, which when applied to a hydrological model results in streamflow trajectories distributions. Several recent applications suggested the possibility of better decisions making based on this uncertainties knowledge. In Brazil, a predominant use of hydrological forecasts is for hydropower reservoirs operation, which are the largest source of energy for the country. Future inflows estimates in these cases are used either for normal operation of the national system, done centrally, as for local operation of the dams in cases of floods, where it is necessary to ensure the dam safety and the mitigation of impacts downstream and/or upstream. However, the currently technique used to generate the operational forecasts is not based on ensembles, and the Brazilian local research on the potential benefits of these forms of forecasts production can be classified as incipient. Thus, the aim of this Thesis was to investigate benefits in terms of quality and persistence of using short to medium-term ensemble inflow forecast for reservoirs located on large Brazilian river basins. To fulfill these objectives streamflow forecast tests have been proposed for three Brazilian river basins: Alto San Francisco, Doce, and Tocantins. The hydrological model MGB-IPH was applied to perform retroactive forecasts (hindcastings) within a period of tests forced by rainfall data from three different ensemble weather forecasting systems (ECMWFpf, GEFs, and CPTEC-pf) and a deterministic prediction reference (ECMWF-fc), all available in the TIGGE archive. In general, the ensemble predictions, especially from ECMWF-pf and GEFs models, were superior in quality and persistence in comparison to the deterministic reference. And the use of the Super ensemble composed by the combination of the three ensemble models was shown to be among the results, and also a robust strategy. For a flood protection strategy, the analyzes indicate benefits in the consideration of the upper bounds of the ensembles, and for a reservoir operation strategy that vision could be more focused on average flow rates, which may contain some verified bias. The comparison between the basins results showed that one can not transport results and considerations from one location to another, despite being in the same climate region. Regarding uncertainties, it was noted that hydrological modeling amplifies the uncertainty in the forecasts, in some extent due to the large basin evolution of state variables. Anyway, it is believed that more investments in ensemble forecasting techniques and its applications shown to be a good way to make better use of forecasts.

A previsão com antecedência de curto e médio prazo da vazão em diferentes locais de bacias hidrográficas geralmente é benéfica ao permitir uma resposta antecipada a eventos hidrológicos como cheias, e a operação mais eficiente de obras hidráulicas como barragens. Atualmente, cada vez mais se tem reconhecida a importância da inclusão das incertezas na geração de previsões hidrológicas, feita através de previsões por conjunto (ou ensemble). Neste tipo de previsão são feitas inferências sobre cenários possíveis futuros através da consideração de, por exemplo, múltiplas trajetórias possíveis dos estados da atmosfera, que ao serem aplicadas em um modelo hidrológico resultam em distribuições de trajetórias de vazões. Várias aplicações recentes tem sugerido a possibilidade da tomada de melhores decisões para o futuro quando fundamentadas neste conhecimento das incertezas. No Brasil, um uso predominante de previsões hidrológicas é na operação de reservatórios de usinas hidroelétricas, que constituem a maior fonte de energia do País. As previsões nestes casos são utilizadas tanto para a operação normal do sistema nacional, feita de forma centralizada, como para a operação local das usinas em casos de cheia, onde é necessário velar pela segurança da barragem e pela atenuação de impactos a jusante e/ou a montante dos barramentos. Contudo, a forma como as previsões de vazão são geradas e usadas no cenário nacional não são baseadas em técnicas de previsão por conjunto, onde a própria pesquisa local sobre os potenciais benefícios destas formas de geração de previsões pode ser classificada como incipiente. Assim, o objetivo principal deste estudo é investigar benefícios em termos de qualidade e persistência do uso de previsões de afluência por conjunto para reservatórios em grandes bacias hidrográficas brasileiras em curto e médio prazo. Para cumprir com estes objetivos foram propostos ensaios de previsão de vazão por conjunto para três bacias hidrográficas brasileiras: Alto São Francisco, Doce, e Tocantins. O modelo hidrológico MGBIPH foi aplicado para a execução de previsões retroativas (hindcastings) alimentado por dados de chuva provindos de três diferentes sistemas de previsão meteorológica por conjunto (ECMWF-pf, GEFS, e CPTEC-pf) e mais uma previsão determinística de referência (ECMWF-fc), todos disponíveis na base de dados denominada TIGGE. De uma forma geral, as previsões por conjunto, principalmente dos modelos ECMWF-pf e GEFS, se mostraram superiores em termos de qualidade e persistência na comparação com a previsão determinística. E o uso do Super Ensemble, formado pela combinação dos três modelos mostrou-se uma alternativa entre as melhores testadas, principalmente por ser também uma estratégia robusta. Para uma estratégia de defesa contra cheias, as análises indicam benefícios para a consideração dos membros superiores dos conjuntos, e já para uma estratégia de operação de reservatórios essa visão pode ser mais focada em vazões médias, as quais podem conter algum viés. Já a comparação entre as bacias mostrou que resultados não podem ser transportados de um local para outro, apesar de estarem no mesmo clima. Em relação às incertezas, notou-se que a modelagem hidrológica amplifica as incertezas na previsão na medida em que os estados do modelo da grande bacia evoluem. De qualquer forma, acreditase que os resultados mostram que mais investimentos em técnicas de previsão por conjunto e suas aplicações são um caminho a ser seguido para ampliar os benefícios do uso de previsões hidrológicas. / Short to medium-term streamflow forecasts at different locations in a watershed are generally beneficial to allow an early response to hydrological events such as floods, and more efficient operation of hydraulic structures such as dams. Currently, an increasingly recognition has been given to the including of uncertainties in the generation of hydrological forecasts, what is usually made producting the so called Ensemble Forecast. In this kind of forecast inferences about possible future scenarios are made by considering, for example, multiple possible trajectories of the atmospheric states, which when applied to a hydrological model results in streamflow trajectories distributions. Several recent applications suggested the possibility of better decisions making based on this uncertainties knowledge. In Brazil, a predominant use of hydrological forecasts is for hydropower reservoirs operation, which are the largest source of energy for the country. Future inflows estimates in these cases are used either for normal operation of the national system, done centrally, as for local operation of the dams in cases of floods, where it is necessary to ensure the dam safety and the mitigation of impacts downstream and/or upstream. However, the currently technique used to generate the operational forecasts is not based on ensembles, and the Brazilian local research on the potential benefits of these forms of forecasts production can be classified as incipient. Thus, the aim of this Thesis was to investigate benefits in terms of quality and persistence of using short to medium-term ensemble inflow forecast for reservoirs located on large Brazilian river basins. To fulfill these objectives streamflow forecast tests have been proposed for three Brazilian river basins: Alto San Francisco, Doce, and Tocantins. The hydrological model MGB-IPH was applied to perform retroactive forecasts (hindcastings) within a period of tests forced by rainfall data from three different ensemble weather forecasting systems (ECMWFpf, GEFs, and CPTEC-pf) and a deterministic prediction reference (ECMWF-fc), all available in the TIGGE archive. In general, the ensemble predictions, especially from ECMWF-pf and GEFs models, were superior in quality and persistence in comparison to the deterministic reference. And the use of the Super ensemble composed by the combination of the three ensemble models was shown to be among the results, and also a robust strategy. For a flood protection strategy, the analyzes indicate benefits in the consideration of the upper bounds of the ensembles, and for a reservoir operation strategy that vision could be more focused on average flow rates, which may contain some verified bias. The comparison between the basins results showed that one can not transport results and considerations from one location to another, despite being in the same climate region. Regarding uncertainties, it was noted that hydrological modeling amplifies the uncertainty in the forecasts, in some extent due to the large basin evolution of state variables. Anyway, it is believed that more investments in ensemble forecasting techniques and its applications shown to be a good way to make better use of forecasts.

A aplicação dos modelos conceituais e semi-conceituais de transformação chuva-vazão depende de uma calibração prévia de seus parâmetros em locais com dados de vazões disponíveis e que guarde certa semelhança hidrológica com o local da aplicação. Para essa transferência de informações assumem-se algumas hipóteses que, em geral, não podem ser aferidas com dados reais, próprios de cada local, resultando em grandes incertezas sobre os resultados obtidos. Além do mais, a pouca quantidade de informações hidrológicas disponível impõe severas restrições à aplicabilidade dos modelos chuva-vazão, especialmente quando se necessita obter séries em escalas diárias ou mensais. Este trabalho apresenta o desenvolvimento e validação de uma técnica de regionalização de parâmetros de modelos chuva-vazão baseado no uso de algoritmos genéticos e redes neurais, tendo o modelo SMAP – Soil Moisture Accounting Procedure (Lopes et al, 1981) mensal como objeto de avaliação. São empregados dados de 41 bacias hidrográficas localizadas no estado da Paraíba, no semi-árido do Nordeste brasileiro, entre as quais, 14 são áreas controladas por estações fluviométricas e 27 por reservatórios fluviais. Para todas as bacias foram determinados 32 parâmetros físicos e climatológicos, sendo seis características das medidas lineares das bacias, três da forma, nove da rede de drenagem, sete do relevo, duas da capacidade de escoamento, três das classes de solos e duas da climatologia. Uma análise dos dados disponíveis é feita em duas etapas: a primeira, consiste na avaliação da importância de cada bacia no conjunto dos dados, por meio da aplicação da técnica de aprendizado hierárquico não supervisionado; a segunda, consiste na seleção de atributos (características das bacias) usando técnicas de aprendizado supervisionado, a qual elimina dados redundantes e irrelevantes responsáveis pela diminuição da precisão e do entendimento sobre as hipóteses usadas quando as relações entre os parâmetros do modelo SMAP e as características são formuladas. O modelo SMAP é calibrado de forma automática através do algoritmo SCE-UA (Shuffled Complex Evolution – University of Arizona), conforme Diniz (1994). Os parâmetros obtidos são relacionados às características físicas e climáticas das bacias hidrográficas através de redes neurais artificiais do tipo Perceptrom Múltiplas Camadas – MLP. / To use a conceptual or semi-conceptual hydrological rainfall–runoff model on a drainage basin without flow records, it must first have been calibrated at one or more sites where flow data are available and in a drainage basin having characteristics similar to those of the basin of interest. The transformation of rainfall into runoff needs some assumptions in both calibration and application sites that cannot be verified, leading to uncertainties. Moreover, the limited availability of hydrological data imposes some restriction on the application of rainfall-runoff models, particularly when the goal is to generate daily or monthly flow series. This paper describes the development and validation of a parameter regionalization technique based on the use of genetic algorithms and artificial neural networks. The rainfall– runoff model used is the monthly version of the SMAP model. Data from 41 drainage basins in the Paraíba State of the semi-arid north-east of Brazil are used, 14 of which have a streamflow gauge station whilst 27 contain a dam at which reservoir levels are recorded. In each drainage basin, 32 physical and climatic attributes are calculated. Six of these describe linear dimensions of the basin, three are shape parameters, nine characterize the drainage network, seven describes the relief, two the run-off capacity, three the soil class and two the climatic conditions. The analysis of the available data is made in two phases. The first consists of evaluating the importance of each basin in the whole ensemble, by means of a non-supervised hierarchical learning procedure, and the second consists of selecting attributes using a supervised learning procedure which eliminates redundancies and less important data that diminish the precision and understanding of the assumptions used when relationships between parameters and basin characteristics are formulated. The SMAP model is calibrated in an automatic mode through SCE-UA algorithm, according to Diniz (1994). The acquired parameters are related do the physical and climate characteristics of the drainage basins through MLP – Multiple Layers Perceptrons artificial neural network.