O comportamento hidrológico de grandes bacias envolve a integração da variabilidade espacial e temporal de um grande número de processos. No passado, o desenvolvimento de modelos matemáticos precipitação – vazão, para representar este comportamento de forma simplificada, permitiu dar resposta às questões básicas de engenharia. No entanto, estes modelos não permitiram avaliar os efeitos de modificações de uso do solo e a variabilidade da resposta em grandes bacias. Este trabalho apresenta o desenvolvimento e a validação de um modelo hidrológico distribuído utilizado para representar os processos de transformação de chuva em vazão em grandes bacias hidrográficas (maiores do que 10.000 km2). Uma grade regular de células de algumas dezenas ou centenas de km2 é utilizada pelo modelo para representar os processos de balanço de água no solo; evapotranspiração; escoamentos: superficial, sub-superficial e subterrâneo na célula; e o escoamento na rede de drenagem em toda a bacia hidrográfica. A variabilidade espacial é representada pela distribuição das características da bacia em células regulares ao longo de toda a bacia, e pela heterogeneidade das características no interior de cada célula. O modelo foi aplicado na bacia do rio Taquari Antas, no Rio Grande do Sul, na bacia do rio Taquari, no Mato Grosso do Sul, e na bacia do rio Uruguai, entre Rio Grande do Sul e Santa Catarina. O tamanho destas bacias variou entre, aproximadamente, 30.000 km2 e 75.000 km2. Os parâmetros do modelo foram calibrados de forma manual e automática, utilizando uma metodologia de calibração automática multi-objetivo baseada em um algoritmo genético. O modelo foi validado pela aplicação em períodos de verificação diferentes do período de calibração, em postos fluviométricos não considerados na calibração e pela aplicação em bacias próximas entre si, com características físicas semelhantes. Os resultados são bons, considerando a capacidade do modelo de reproduzir os hidrogramas observados, porém indicam que novas fontes de dados, como os fluxos de evapotranspiração para diferentes coberturas vegetais, serão necessários para a plena utilização do modelo na análise de mudanças de uso do solo.

O comportamento hidrológico de grandes bacias envolve a integração da variabilidade espacial e temporal de um grande número de processos. No passado, o desenvolvimento de modelos matemáticos precipitação – vazão, para representar este comportamento de forma simplificada, permitiu dar resposta às questões básicas de engenharia. No entanto, estes modelos não permitiram avaliar os efeitos de modificações de uso do solo e a variabilidade da resposta em grandes bacias. Este trabalho apresenta o desenvolvimento e a validação de um modelo hidrológico distribuído utilizado para representar os processos de transformação de chuva em vazão em grandes bacias hidrográficas (maiores do que 10.000 km2). Uma grade regular de células de algumas dezenas ou centenas de km2 é utilizada pelo modelo para representar os processos de balanço de água no solo; evapotranspiração; escoamentos: superficial, sub-superficial e subterrâneo na célula; e o escoamento na rede de drenagem em toda a bacia hidrográfica. A variabilidade espacial é representada pela distribuição das características da bacia em células regulares ao longo de toda a bacia, e pela heterogeneidade das características no interior de cada célula. O modelo foi aplicado na bacia do rio Taquari Antas, no Rio Grande do Sul, na bacia do rio Taquari, no Mato Grosso do Sul, e na bacia do rio Uruguai, entre Rio Grande do Sul e Santa Catarina. O tamanho destas bacias variou entre, aproximadamente, 30.000 km2 e 75.000 km2. Os parâmetros do modelo foram calibrados de forma manual e automática, utilizando uma metodologia de calibração automática multi-objetivo baseada em um algoritmo genético. O modelo foi validado pela aplicação em períodos de verificação diferentes do período de calibração, em postos fluviométricos não considerados na calibração e pela aplicação em bacias próximas entre si, com características físicas semelhantes. Os resultados são bons, considerando a capacidade do modelo de reproduzir os hidrogramas observados, porém indicam que novas fontes de dados, como os fluxos de evapotranspiração para diferentes coberturas vegetais, serão necessários para a plena utilização do modelo na análise de mudanças de uso do solo.

O comportamento hidrológico de grandes bacias envolve a integração da variabilidade espacial e temporal de um grande número de processos. No passado, o desenvolvimento de modelos matemáticos precipitação – vazão, para representar este comportamento de forma simplificada, permitiu dar resposta às questões básicas de engenharia. No entanto, estes modelos não permitiram avaliar os efeitos de modificações de uso do solo e a variabilidade da resposta em grandes bacias. Este trabalho apresenta o desenvolvimento e a validação de um modelo hidrológico distribuído utilizado para representar os processos de transformação de chuva em vazão em grandes bacias hidrográficas (maiores do que 10.000 km2). Uma grade regular de células de algumas dezenas ou centenas de km2 é utilizada pelo modelo para representar os processos de balanço de água no solo; evapotranspiração; escoamentos: superficial, sub-superficial e subterrâneo na célula; e o escoamento na rede de drenagem em toda a bacia hidrográfica. A variabilidade espacial é representada pela distribuição das características da bacia em células regulares ao longo de toda a bacia, e pela heterogeneidade das características no interior de cada célula. O modelo foi aplicado na bacia do rio Taquari Antas, no Rio Grande do Sul, na bacia do rio Taquari, no Mato Grosso do Sul, e na bacia do rio Uruguai, entre Rio Grande do Sul e Santa Catarina. O tamanho destas bacias variou entre, aproximadamente, 30.000 km2 e 75.000 km2. Os parâmetros do modelo foram calibrados de forma manual e automática, utilizando uma metodologia de calibração automática multi-objetivo baseada em um algoritmo genético. O modelo foi validado pela aplicação em períodos de verificação diferentes do período de calibração, em postos fluviométricos não considerados na calibração e pela aplicação em bacias próximas entre si, com características físicas semelhantes. Os resultados são bons, considerando a capacidade do modelo de reproduzir os hidrogramas observados, porém indicam que novas fontes de dados, como os fluxos de evapotranspiração para diferentes coberturas vegetais, serão necessários para a plena utilização do modelo na análise de mudanças de uso do solo.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2016. / Submitted by Fernanda Percia França (fernandafranca@bce.unb.br) on 2016-11-21T17:02:46Z No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Approved for entry into archive by Raquel Viana(raquelviana@bce.unb.br) on 2017-01-31T18:35:19Z (GMT) No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Made available in DSpace on 2017-01-31T18:35:19Z (GMT). No. of bitstreams: 1 2016_CássioGuilhermeRampinelli.pdf: 17198008 bytes, checksum: d865c15e2b03298454d6e7a91457004e (MD5) / Pesquisas realizadas na última década tem mostrado a abordagem bayesiana como uma ferramenta promissora na avaliação de incertezas em modelos hidrológicos e no auxílio à tomada de decisões a partir de prognósticos desses modelos. A abordagem bayesiana com o emprego das denominadas cadeias de Markov via simulação Monte Carlo permite a obtenção das distribuições posteriores completas de todos os parâmetros do modelo e de qualquer função dos mesmos, incluindo a do hidrograma simulado. Contudo, ao se empregar essa abordagem faz-se necessário representar a natureza assumida para os erros do modelo por meio de uma função de verossimilhança. É comum, em diversos casos de simulação, assumir que os resíduos possam ser representados por uma distribuição normal com média zero e desvio padrão conhecido. Entretanto, diversos estudos tem revelado que essa premissa é frequentemente violada para a maioria dos caso sem hidrologia. Este trabalho se insere nesse contexto e apresenta o desenvolvimento e a aplicação dos algoritmos Metropolis Hastings e Adaptive Metropolis para a estimativa das incertezas referentes aos parâmetros do modelo hidrológico do tipo conceitual denominado Soil Moisture Accounting Procedure (SMAP), para passo de tempo mensal. Complementarmente, o algoritmo Differential Evolution Adaptive Metropolis (DREAM), amplamente testado em diversos trabalhos correlatos, é empregado com o propósito de validar os resultados obtidos com os algoritmos implementados, bem como avaliar o comportamento das estimativas dos erros e das distribuições posteriores quando se faz uso de uma função de verossimilhança generalizada, capaz de agregar a não normalidade, a heterocedasticidade e a correlação entre os resíduos. Com o propósito de melhor explorar o comportamento dos parâmetros e contrapor a abordagem bayesiana com os métodos de calibração determinísticos usualmente empregados, os parâmetros são também estimados com o algoritmo de busca global PSO. Os resultados indicam o comportamento adequado dos algoritmos implementados, mostrando o potencial da abordagem bayesiana para a avaliação de incertezas bem como demonstram a influência da função de verossimilhança nas distribuições posteriores dos parâmetros e nas vazões simuladas. Com o intuito de corroborar para disseminação e uso dessa ferramenta os códigos implementados em linguagem R são disponibilizados ao final do trabalho para os principais casos estudados. / Researches conducted in the last decade has shown Bayesian approach as a promising tool in exploring uncertainty in hydrologic modeling and as an useful support in decision making process. The application of the Bayesian approach, implemented by Markov chains via Monte Carlo simulation, provides the full posterior distribution of the model parameters and any function of them, including the distribution of the simulated flows. However, when applying Bayesian approach the modeler should make assumptions about the errors nature by implementing an appropriate likelihood function. It is usual, in many cases, assuming that residuals can be described by a normal distribution with zero mean and a given standard deviation. However, several studies have shown that this assumption is often violated for most cases in hydrology. This work corroborates to this context and presents Metropolis Hastings and Adaptive Metropolis algorithms implemented in R programming language in order to assess the uncertainty regarding the Soil Moisture Accounting Procedure (SMAP)parameters, a conceptual Rainfall-Runoff model, to monthly time steps. In addition, DREAM algorithm, widely applied in several related works, is used in order to validate the results obtained with the implemented algorithms. Furthermore, residuals behavior are analyzed by a Generalized Likelihood Function that better address the non-normality, heterocedasticity and correlation between errors. For the sake of comparison, parameters were also estimated with a global optimization procedure and with a Bayesian approach. Results illustrate the potential of the Bayesian approach in exploring the parameters uncertainties, and indicate the influence of the likelihood function in the parameter posterior distributions and simulated flow. In order to corroborate to the use and dissemination of Bayesian analyses in hydrologic modeling, programming codes implemented in R statistical language are available at the end of work for the main case studies.

Este trabalho foi de investigação e caracterização da área sobre a produção e o transporte de sedimentos na bacia do Córrego Senhorinha e do Rio Vidoca no Município de São José dos Campos, São Paulo - Brasil. Foram construídas as curvas-chave da vazão líquida e analisadas as relações entre a concentração de sedimentos em suspensão (Css) com a turbidez (T) e a vazão líquida (Qlíq), e compostas as curvas-chave da produção de sedimentos para os três seções. Foram realizadas saídas a campo para reconhecimento da área e escolha dos pontos para coletar amostras de água dos córregos usando o amostrador USDH-48, para análise da concentração de sedimentos suspensos e turbidez. Para analisar a distribuição espacial da produção de sedimentos, foram escolhidos 3 pontos em locais que pudessem representar as diferentes áreas da bacia. Foram também medidas as velocidades do fluxo d';água com o molinete MLN-07 e/ou usando flutuadores, e medidos os níveis da água com réguas linimétricas. O 1 ponto medição e coleta foi localizado no Córrego Senhorinha próximo à Rua Guadalupe, o 2 ponto foi localizado no Rio Vidoca logo após a sua junção com o Córrego Senhorinha e o 3 ponto no Rio Vidoca antes da sua foz com o Rio Paraíba do Sul. A análise granulométrica da amostra sólida do material de fundo foi realizada no laboratório de solos do Instituto Tecnológico da Aeronáutica (ITA); as análises da turbidez das amostras líquidas foram feitas no laboratório da Estação de Tratamento de Água (ETA) do Departamento de Ciências e Tecnologias Aeroespaciais (DCTA) e a análise da concentração de sólidos total foi realizada no laboratório de química do ITA. A partir desses dados medidos foram construídas as curvas-chave de vazão e as curvas-chave da produção de sedimentos para cada seção. As relações para estimar a concentração de sólidos suspensos, Css x Qlíq e Css x T, mostraram ser mais confiáveis para as vazões mais baixas. Entretanto, as relações Css x T apresentaram maiores coeficientes de determinação e com menor variação (0,7293<R<0,9812) do que os encontrados para as curvas Css x Qlíq (0,6840<R<0,9216). Vista a carência de dados existentes no Brasil o objetivo deste trabalho foi organizar e dispor dados coletados e analisados para possíveis trabalhos subseqüentes, como por exemplo, uma futura modelagem das bacias do Rio Vidoca e do Córrego Senhorinha.

A disponibilidade de séries contínuas de chuva pode viabilizar a execução de muitos estudos que não seriam possíveis com séries que apresentam falhas, pois muitos modelos hidrológicos não apresentam bons resultados quando utilizados dados de entrada com valores faltantes. Neste estudo, as capacidades de Redes Neurais Artificiais (RNAs) foram analisadas para estimar falta de dados das estações pluviométricas. Assim, o objetivo deste trabalho consistiu em testar a utilização de séries pluviométricas preenchidas, em escala horária, a partir de redes neurais artificiais como entrada em um modelo hidrológico de base física, com parâmetros distribuídos. A hipótese levantada neste estudo é que o preenchimento de falhas de séries históricas de precipitação com as Redes Neurais Artificiais potencializam a sua utilização em estudos e na modelização hidrológica. Na metodologia foi proposto um método para preenchimento de falhas dos dados históricos de precipitação horária monitorados em dezoito postos pluviométricos. Posteriormente os dados de precipitação preenchidos foram aplicados em um modelo de previsão de vazão (SWAT). Foram simuladas sete situações para a verificação do desempenho do modelo SWAT, utilizando dados de entrada horários preenchidos de 16 postos pluviométricos, posteriormente, as séries de entrada foram sendo reduzidas, para 8 postos, 4, 2 e por fim 1 posto pluviométrico. Também foi simulado um cenário onde se utilizou como dados de entrada as 16 séries de dados horários sem preenchimento, e um cenário onde os dados horários preenchidos foram convertidos em diários. Foram construídos 1784 modelos para preenchimento de falhas nas séries de dados horários dos postos pluviométricos da bacia. O preenchimento das falhas apresentou coeficientes de analise de desempenho dos modelos elevados. De maneira geral, os valores do coeficiente de Nash-Sutcliffe (NS) encontrados no treinamento e na verificação das redes variaram de 0,80 a 0,99. A frequência com que foram encontrados valores de NS menores que 0.90 nos preenchimentos dos pluviógrafos foi baixa, da ordem de 3,6%. Na aplicação do modelo SWAT, a calibração e a verificação dos parâmetros do modelo foram realizadas com o uso das 16 séries horárias preenchidas com as RNAs. Resultados demonstraram que o coeficiente de eficiência de NS diminui à medida que quantidade de estações pluviométricas utilizadas na entrada do modelo são reduzidas, de 16 para 8, de 8 para 4, de 4 para 2 e de 2 para 1. Variaram de NS = 0,86 (com 16 pluviógrafos) a NS = 0,75 (com dois e um pluviógrafos). Ao se utilizar os dados sem preenchimento o modelo obteve um desempenho inferior, alcançando um coeficiente de NS 6 igual a 0,69. Com relação ao último cenário, em que os dados horários preenchidos foram acumulados e convertidos em diários para serem inseridos no modelo, os resultados foram os piores obtidos, o NS se igualou a 0,61. Nota-se que o preenchimento das falhas das precipitações horárias proporcionou a maximização dos dados disponíveis, com representação das variabilidades espaciais e, a realização de simulações para intervalos de tempo compatíveis com o tempo de resposta da bacia. / The availability of continuous rainfall series can enable the execution of many studies that are not possible with failed series, because many hydrological models do not provide good results when used input data with missing values. In this study, the capabilities of Artificial Neural Networks (ANN) were analyzed to estimate missing data rainfall stations. The aim of this study was to test the use of filled rainfall series as an hourly scale, as of artificial neural networks as input to a hydrological model physical basis, with distributed parameters. The hypothesis in this study is that the filling of historic precipitation series faults with the Artificial Neural Networks maximizes its use in studies and hydrological modeling. The methodology has been proposed a method for gap filling of the historical data of hourly rainfall monitored in eighteen rain gauges. Subsequently the completed precipitation data were applied in a flow forecasting model (SWAT). Seven situations were simulated to verify the efficiency of the SWAT model, a scenario with input time of 16 rain gauges with gap filling using RNAs, subsequently the input series were being reduced to 8 stations, 4, 2 and finally 1 rain gauges data filled. Was also simulated a scenario in which were used as input hourly data series of 16 unfilled posts, and a scenario with daily data entry was also simulated, where the hourly data filled of 16 stations were converted to daily data. 1784 models were constructed to fill gaps in the hourly data series of rain gauges in the basin. The gaps filling in hourly precipitation showed high efficiency coefficients of models. In general, coefficient of Nash-Sutcliffe (NS) values found during the training and verification networks ranged from 0.80 to 0.99. The frequency with which NS values smaller than 0.90 were found in the fill of the rain gauge was 3.6%. Based on the rainfall filled series, these were tested for their efficiency in the hydrologic simulation process, using the physically based SWAT model. The calibration and verification of the model parameters were performed using 16 pluviograph stations with hourly series filled with RNAs. Results showed that the efficiency coefficients of NS decreases as the amount of rainfall stations used in the input model are reduced from 16 to 8, from 8 to 4, 4 to 2 and 2 to 1. Ranged from NS = 086 (16 pluviographs) NS = 0.75 (with two one pluviographs). When using the not filling data, the model obtained a lower performance, achieving a 8 coefficient NS equal to 0.69. On respect to the latter scenario, in which hourly data were accumulated and converted filled in daily to be inserted in the model, the worst results were obtained, the NS equaled 0.61. It is noticed in this way, that the filling gaps of hourly rainfall provided the maximization of available data, with representation of spatial variability and, performing simulations to intervals compatible with the response time of the basin.

É amplamente conhecida a crescente utilização de modelos hidrológicos com o fim de representar simplificadamente os complexos processos do ciclo hidrológico em bacias hidrográficas. O ajuste destes modelos passa por uma etapa de calibração onde os valores de seus parâmetros são definidos. Novas ferramentas de otimização vem sendo desenvolvidas com o passar do tempo e surge a necessidade de avaliar seu desempenho na calibração automática de modelos hidrológicos que utilizamos no dia-a-dia como, por exemplo, o IPH II. Nesse contexto, nessa pesquisa foi desenvolvido um algoritmo baseado no comportamento de colônias de formigas, denominado ACO-IPH. Os algoritmos baseados no comportamento de colônia de formigas, desde a sua conceição foram projetados para fins de otimização e testados, até a atualidade, em diversas aplicações, onde apresentaram desempenhos aceitáveis, embora as aplicações na calibração de modelos hidrológicos sejam escassas. O algoritmo ACO-IPH foi inicialmente testado em funções matemáticas com ótimos conhecidos apresentando um bom desempenho em termos de eficiência e eficácia. Posteriormente foi acoplado ao modelo hidrológico IPH II como uma alternativa na calibração automática mono-objetivo e verificado seu desempenho e as simplificações e limitações de sua utilização. Uma vez acoplado, o algoritmo foi testado na calibração automática do modelo IPH II utilizando uma série sintética de vazões e, posteriormente, utilizando séries reais de vazões em quatro bacias hidrográficas. O desempenho do algoritmo foi avaliado em termos de eficácia e eficiência, para três diferentes funções-objetivo e utilizando como critério de comparação o algoritmo SCE-UA. Os diferentes testes executados na calibração automática do modelo hidrológico IPH II mostraram que o ACO-IPH consegue encontrar boas soluções, porém não consegue apresentar um desempenho, em termos de eficiência e eficácia, comparável a algoritmos do estado da arte atual, como o algoritmo SCE-UA. A perda de eficiência do ACO-IPH em comparação ao SCE-UA é a mais importante, podendo demorar, em média, até 10 vezes mais até a convergência. / It is widely known the increasing use of hydrologic models in order to represent the complex processes of the hydrological cycle in watersheds. To adjust these models a calibration step is necessary, where the values of its parameters are defined. New optimization tools have been recently developed that could be used for the automatic calibration of hydrologic models as the IPH II. In this study an algorithm was developed based on the behavior of ant colonies, named ACO-IPH. Since its conception, the mathematical algorithms based on ants foraging behavior were designed for optimization purposes and tested, until today, in several applications, where it showed acceptable performance, although the applications for the calibration of hydrologic models are scarce. The ACO-IPH algorithm was initially tested on mathematical functions where the global optimum was known showing a good performance in terms of efficiency and effectiveness.Then it was coupled to the hydrologic model IPH II as an alternative for the single-objective automatic calibration. Several indices were estimated to assess the ACO-IPH performance after analyzing the simplifications and limitations of its use. Once coupled to the IPH II model, the algorithm was tested in the calibration processes using synthetic streamflow series and later using real series of observed streamflows in four watersheds. The algorithm's performance was assessed in terms of effectiveness and efficiency for three different objective functions and using as a basis of comparison the SCE -UA algorithm. The different tests performed in automatic calibration of hydrological model IPH II showed that ACO-IPH can find good solutions, but cannot reach the efficiency and effectiveness of other evolutionary algorithms like the SCE-UA. The loss of effectiveness of ACO-IPH compared to the SCE-UA is the most relevant. The ACO-IPH took, on average, 10 times longer toconvergence.

A disponibilidade de séries contínuas de chuva pode viabilizar a execução de muitos estudos que não seriam possíveis com séries que apresentam falhas, pois muitos modelos hidrológicos não apresentam bons resultados quando utilizados dados de entrada com valores faltantes. Neste estudo, as capacidades de Redes Neurais Artificiais (RNAs) foram analisadas para estimar falta de dados das estações pluviométricas. Assim, o objetivo deste trabalho consistiu em testar a utilização de séries pluviométricas preenchidas, em escala horária, a partir de redes neurais artificiais como entrada em um modelo hidrológico de base física, com parâmetros distribuídos. A hipótese levantada neste estudo é que o preenchimento de falhas de séries históricas de precipitação com as Redes Neurais Artificiais potencializam a sua utilização em estudos e na modelização hidrológica. Na metodologia foi proposto um método para preenchimento de falhas dos dados históricos de precipitação horária monitorados em dezoito postos pluviométricos. Posteriormente os dados de precipitação preenchidos foram aplicados em um modelo de previsão de vazão (SWAT). Foram simuladas sete situações para a verificação do desempenho do modelo SWAT, utilizando dados de entrada horários preenchidos de 16 postos pluviométricos, posteriormente, as séries de entrada foram sendo reduzidas, para 8 postos, 4, 2 e por fim 1 posto pluviométrico. Também foi simulado um cenário onde se utilizou como dados de entrada as 16 séries de dados horários sem preenchimento, e um cenário onde os dados horários preenchidos foram convertidos em diários. Foram construídos 1784 modelos para preenchimento de falhas nas séries de dados horários dos postos pluviométricos da bacia. O preenchimento das falhas apresentou coeficientes de analise de desempenho dos modelos elevados. De maneira geral, os valores do coeficiente de Nash-Sutcliffe (NS) encontrados no treinamento e na verificação das redes variaram de 0,80 a 0,99. A frequência com que foram encontrados valores de NS menores que 0.90 nos preenchimentos dos pluviógrafos foi baixa, da ordem de 3,6%. Na aplicação do modelo SWAT, a calibração e a verificação dos parâmetros do modelo foram realizadas com o uso das 16 séries horárias preenchidas com as RNAs. Resultados demonstraram que o coeficiente de eficiência de NS diminui à medida que quantidade de estações pluviométricas utilizadas na entrada do modelo são reduzidas, de 16 para 8, de 8 para 4, de 4 para 2 e de 2 para 1. Variaram de NS = 0,86 (com 16 pluviógrafos) a NS = 0,75 (com dois e um pluviógrafos). Ao se utilizar os dados sem preenchimento o modelo obteve um desempenho inferior, alcançando um coeficiente de NS 6 igual a 0,69. Com relação ao último cenário, em que os dados horários preenchidos foram acumulados e convertidos em diários para serem inseridos no modelo, os resultados foram os piores obtidos, o NS se igualou a 0,61. Nota-se que o preenchimento das falhas das precipitações horárias proporcionou a maximização dos dados disponíveis, com representação das variabilidades espaciais e, a realização de simulações para intervalos de tempo compatíveis com o tempo de resposta da bacia. / The availability of continuous rainfall series can enable the execution of many studies that are not possible with failed series, because many hydrological models do not provide good results when used input data with missing values. In this study, the capabilities of Artificial Neural Networks (ANN) were analyzed to estimate missing data rainfall stations. The aim of this study was to test the use of filled rainfall series as an hourly scale, as of artificial neural networks as input to a hydrological model physical basis, with distributed parameters. The hypothesis in this study is that the filling of historic precipitation series faults with the Artificial Neural Networks maximizes its use in studies and hydrological modeling. The methodology has been proposed a method for gap filling of the historical data of hourly rainfall monitored in eighteen rain gauges. Subsequently the completed precipitation data were applied in a flow forecasting model (SWAT). Seven situations were simulated to verify the efficiency of the SWAT model, a scenario with input time of 16 rain gauges with gap filling using RNAs, subsequently the input series were being reduced to 8 stations, 4, 2 and finally 1 rain gauges data filled. Was also simulated a scenario in which were used as input hourly data series of 16 unfilled posts, and a scenario with daily data entry was also simulated, where the hourly data filled of 16 stations were converted to daily data. 1784 models were constructed to fill gaps in the hourly data series of rain gauges in the basin. The gaps filling in hourly precipitation showed high efficiency coefficients of models. In general, coefficient of Nash-Sutcliffe (NS) values found during the training and verification networks ranged from 0.80 to 0.99. The frequency with which NS values smaller than 0.90 were found in the fill of the rain gauge was 3.6%. Based on the rainfall filled series, these were tested for their efficiency in the hydrologic simulation process, using the physically based SWAT model. The calibration and verification of the model parameters were performed using 16 pluviograph stations with hourly series filled with RNAs. Results showed that the efficiency coefficients of NS decreases as the amount of rainfall stations used in the input model are reduced from 16 to 8, from 8 to 4, 4 to 2 and 2 to 1. Ranged from NS = 086 (16 pluviographs) NS = 0.75 (with two one pluviographs). When using the not filling data, the model obtained a lower performance, achieving a 8 coefficient NS equal to 0.69. On respect to the latter scenario, in which hourly data were accumulated and converted filled in daily to be inserted in the model, the worst results were obtained, the NS equaled 0.61. It is noticed in this way, that the filling gaps of hourly rainfall provided the maximization of available data, with representation of spatial variability and, performing simulations to intervals compatible with the response time of the basin.

A precipitação é provavelmente a variável do ciclo hidrológico que apresenta a maior variabilidade espacial. Postos pluviométricos convencionais fornecem registros válidos apenas para um pequeno entorno do instrumento. A baixa densidade de postos pluviométricos em bacias brasileiras tem sido o fator determinante nas incertezas dos resultados de diversos modelos hidrológicos que têm sido aplicados no país. Nesse contexto, estimativas espaciais de precipitação podem constituir-se em uma ferramenta extremamente útil. Essas estimativas, embora pouco precisas quando comparadas com valores pontuais medidos no solo, fornecem uma boa noção da distribuição espacial das chuvas. Neste trabalho, avalia-se em que medida as estimativas de precipitação obtidas a partir do satélite TRMM podem ser úteis quando usadas como dado de entrada do modelo hidrológico distribuído MGB-IPH, sozinhas ou associadas com os dados da rede pluviométrica. Os resultados são analisados em termos de vazão simulada, considerando que esta representa a integração de todos os fenômenos hidrológicos na bacia. Foram realizados estudos de caso na bacia do rio São Francisco até a UHE Três Marias, que conta com boa rede pluviométrica para aferir as estimativas, e na bacia do rio Tapajós, que possui baixa densidade de postos pluviométricos. O modelo alternativo, usado com estimativas de satélite, teve desempenho pouco inferior ou mesmo similar ao modelo convencional, usado com dados de pluviômetros. Além disso, os campos de precipitação obtidos por satélite são potenciais ferramentas para consistência de dados pluviométricos em escala de bacia hidrográfica e estimativa da precipitação em áreas com deficiente rede pluviométrica, considerando que os resultados obtidos pela rede e por satélites mostraram valores próximos.

A disponibilidade de séries contínuas de chuva pode viabilizar a execução de muitos estudos que não seriam possíveis com séries que apresentam falhas, pois muitos modelos hidrológicos não apresentam bons resultados quando utilizados dados de entrada com valores faltantes. Neste estudo, as capacidades de Redes Neurais Artificiais (RNAs) foram analisadas para estimar falta de dados das estações pluviométricas. Assim, o objetivo deste trabalho consistiu em testar a utilização de séries pluviométricas preenchidas, em escala horária, a partir de redes neurais artificiais como entrada em um modelo hidrológico de base física, com parâmetros distribuídos. A hipótese levantada neste estudo é que o preenchimento de falhas de séries históricas de precipitação com as Redes Neurais Artificiais potencializam a sua utilização em estudos e na modelização hidrológica. Na metodologia foi proposto um método para preenchimento de falhas dos dados históricos de precipitação horária monitorados em dezoito postos pluviométricos. Posteriormente os dados de precipitação preenchidos foram aplicados em um modelo de previsão de vazão (SWAT). Foram simuladas sete situações para a verificação do desempenho do modelo SWAT, utilizando dados de entrada horários preenchidos de 16 postos pluviométricos, posteriormente, as séries de entrada foram sendo reduzidas, para 8 postos, 4, 2 e por fim 1 posto pluviométrico. Também foi simulado um cenário onde se utilizou como dados de entrada as 16 séries de dados horários sem preenchimento, e um cenário onde os dados horários preenchidos foram convertidos em diários. Foram construídos 1784 modelos para preenchimento de falhas nas séries de dados horários dos postos pluviométricos da bacia. O preenchimento das falhas apresentou coeficientes de analise de desempenho dos modelos elevados. De maneira geral, os valores do coeficiente de Nash-Sutcliffe (NS) encontrados no treinamento e na verificação das redes variaram de 0,80 a 0,99. A frequência com que foram encontrados valores de NS menores que 0.90 nos preenchimentos dos pluviógrafos foi baixa, da ordem de 3,6%. Na aplicação do modelo SWAT, a calibração e a verificação dos parâmetros do modelo foram realizadas com o uso das 16 séries horárias preenchidas com as RNAs. Resultados demonstraram que o coeficiente de eficiência de NS diminui à medida que quantidade de estações pluviométricas utilizadas na entrada do modelo são reduzidas, de 16 para 8, de 8 para 4, de 4 para 2 e de 2 para 1. Variaram de NS = 0,86 (com 16 pluviógrafos) a NS = 0,75 (com dois e um pluviógrafos). Ao se utilizar os dados sem preenchimento o modelo obteve um desempenho inferior, alcançando um coeficiente de NS 6 igual a 0,69. Com relação ao último cenário, em que os dados horários preenchidos foram acumulados e convertidos em diários para serem inseridos no modelo, os resultados foram os piores obtidos, o NS se igualou a 0,61. Nota-se que o preenchimento das falhas das precipitações horárias proporcionou a maximização dos dados disponíveis, com representação das variabilidades espaciais e, a realização de simulações para intervalos de tempo compatíveis com o tempo de resposta da bacia. / The availability of continuous rainfall series can enable the execution of many studies that are not possible with failed series, because many hydrological models do not provide good results when used input data with missing values. In this study, the capabilities of Artificial Neural Networks (ANN) were analyzed to estimate missing data rainfall stations. The aim of this study was to test the use of filled rainfall series as an hourly scale, as of artificial neural networks as input to a hydrological model physical basis, with distributed parameters. The hypothesis in this study is that the filling of historic precipitation series faults with the Artificial Neural Networks maximizes its use in studies and hydrological modeling. The methodology has been proposed a method for gap filling of the historical data of hourly rainfall monitored in eighteen rain gauges. Subsequently the completed precipitation data were applied in a flow forecasting model (SWAT). Seven situations were simulated to verify the efficiency of the SWAT model, a scenario with input time of 16 rain gauges with gap filling using RNAs, subsequently the input series were being reduced to 8 stations, 4, 2 and finally 1 rain gauges data filled. Was also simulated a scenario in which were used as input hourly data series of 16 unfilled posts, and a scenario with daily data entry was also simulated, where the hourly data filled of 16 stations were converted to daily data. 1784 models were constructed to fill gaps in the hourly data series of rain gauges in the basin. The gaps filling in hourly precipitation showed high efficiency coefficients of models. In general, coefficient of Nash-Sutcliffe (NS) values found during the training and verification networks ranged from 0.80 to 0.99. The frequency with which NS values smaller than 0.90 were found in the fill of the rain gauge was 3.6%. Based on the rainfall filled series, these were tested for their efficiency in the hydrologic simulation process, using the physically based SWAT model. The calibration and verification of the model parameters were performed using 16 pluviograph stations with hourly series filled with RNAs. Results showed that the efficiency coefficients of NS decreases as the amount of rainfall stations used in the input model are reduced from 16 to 8, from 8 to 4, 4 to 2 and 2 to 1. Ranged from NS = 086 (16 pluviographs) NS = 0.75 (with two one pluviographs). When using the not filling data, the model obtained a lower performance, achieving a 8 coefficient NS equal to 0.69. On respect to the latter scenario, in which hourly data were accumulated and converted filled in daily to be inserted in the model, the worst results were obtained, the NS equaled 0.61. It is noticed in this way, that the filling gaps of hourly rainfall provided the maximization of available data, with representation of spatial variability and, performing simulations to intervals compatible with the response time of the basin.