Made available in DSpace on 2017-05-12T14:47:11Z (GMT). No. of bitstreams: 1
Parte_ 1.pdf: 2323383 bytes, checksum: ed140b1811bbee3ce5c6779946931193 (MD5)
Previous issue date: 2015-02-12 / The objective of this research was to regionalize the minimum seven-day flows, annual average long-term duration, maximum and permanence flows of 90 and 95% of the catchment area of the Piquiri River - PR. The peak flows were regionalized associated with a specific return period (2, 5, 10, 25, 50 and 100 years) and the minimum flow lasting seven days was associated with a 10-year return period. To represent the series of maximum and minimum flows probability Pearson type III distributions, two- and three-parameter Log-normal and type III Log-Pearson, Gumbel (for maximum flows) and Weibull (for minimum flows only) were used. Type III Log-Pearson distribution obtained in 100% of cases, the lowest standard error, presenting the best adjustment with the minimum flow data. About 70% of the data stations showed the lowest standard error when adjusted to this three- parameter log-normal distribution. Thus, the three-parameter Log-Normal distribution was adopted as default, but stations 64765000 (Porto Paiquerê), 64771500 (Porto Guarani), 64785000 (Goio Bang Bridge), which did not obtain adjustment with this distribution, used the two-parameter Log-Normal distribution. The period average flow, once it is characterized as the average of the annual average flow, was regionalized without considering the risk level. In order to obtain the permanence curve, the procedure based on obtaining the frequency classes was carried out. In the regionalization procedure the following methods were employed: the traditional method described by Eletrobrás (1985a), the linear interpolation method (ELETROBRÁS, 1985b), the method proposed by Chaves et al. (2002), the modified linear interpolation and the modified Chaves (NOVAES et al., 2007). As explanatory variables for the traditional method, the following physical characteristics were used: drainage area; the length of the main river; the basin mean land slope; the mean land slope of the main river; drainage density, and climatic characteristics: the total annual rainfall; the precipitation of the wettest quarter; the precipitation of the driest quarter. The regression models that best fit the flow data are the simple potential and the multiple potential ones. The area and the density drainage are the best explanatory variables for the estimate the minimum seven-day flow and ten-year return period (Q7,10). The length of the main river is the best explanatory variable for the estimate of flow rates of 90 and 95% of permanence (Q90 and Q95, respectively). The area and the drainage density are the best explanatory variables to estimate the minimum seven-day flow and the ten-year return period of (Q7,10), the length of the main river and the area for the flow estimate with 90 and 95% of permanence (Q90 and Q95, respectively) and the length of the main river is the best explanatory variable for the estimate of maximum flows considering all return periods studied. The method of linear interpolation produces similar estimates to the ones obtained with the Conventional method and can be used in situations, especially when there is sufficient information for adjustment of the regression models. Estimates of minimum flows (Q7,10, Q90 and Q95) and of average flow (Qmed), performed by using the Chaves method are similar to the ones obtained with the Conventional method , while the estimates of peak flows for all return periods studied, presented major errors. The modified methods did not promote significant improvement of the estimates compared to the original methods. / O objetivo deste trabalho foi regionalizar as vazões mínimas com sete dias de duração, média anual de longa duração, máxima e vazões de permanência de 90 e 95% da bacia hidrográfica do Rio Piquiri - PR. As vazões máximas foram regionalizadas associadas a um período de retorno específico (2, 5, 10, 25, 50 e 100 anos) e a mínima com duração de sete dias foi associada ao período de retorno de 10 anos. Para representar as séries de vazões máximas e mínimas foram utilizadas as distribuições de probabilidade de Pearson tipo III, Log-Normal a dois e três parâmetros e Log-Pearson tipo III, Gumbel (apenas para máximas) e Weibull (apenas para mínima). A distribuição Log-pearson tipo III obteve em 100% dos casos, o menor erro padrão, apresentando-se com o melhor ajuste aos dados de vazão mínima. Cerca de 70% dos dados das estações apresentaram o menor erro padrão quando ajustadas a esta distribuição Log-Normal a três parâmetros. Desta maneira a distribuição Log-Normal a três parâmetros, foi adotada de forma padrão para as vazões máximas, porém as estações 64765000 (Porto Paiquerê), 64771500 (Porto Guarani), 64785000 (Ponte do Goio-Bang) que não obtiveram ajuste a esta distribuição, utilizou a distribuição Log-Normal a dois parâmetros. A vazão média de longo período, por ser caracterizada como a média das vazões médias anuais, foi regionalizada sem considerar o nível de risco. Para a obtenção da curva de permanência realizou-se o procedimento baseado na obtenção de classes de frequência. No procedimento de regionalização foram empregados: o método Tradicional descrito por Eletrobrás (1985a), o método de Interpolação linear (ELETROBRÁS, 1985b), o método de Chaves et al. (2002), Interpolação linear modificado e Chaves modificado (NOVAES et al., 2007). Como variáveis explicativas, para o método Tradicional, foram utilizadas as características físicas: área de drenagem; o comprimento do rio principal; declividade média da bacia; declividade média do rio principal; densidade de drenagem, e as características climáticas: precipitação total anual; precipitação do trimestre mais chuvoso; precipitação do trimestre mais seco. Os modelos de regressão que melhor se ajustam aos dados de vazão são o potencial simples e o potencial múltiplo. A área e a densidade de drenagem são as melhores variáveis explicativas para a estimativa da vazão mínima com duração de sete dias e período de retorno de dez anos (Q7,10). O comprimento do rio principal é a melhor variável explicativa para a estimativa das vazões com 90 e 95% de permanência (Q90 e Q95, respectivamente). A área e a densidade de drenagem são as melhores variáveis explicativas para a estimativa da vazão mínima com duração de sete dias e período de retorno de dez anos (Q7,10), o comprimento do rio principal e a área para a estimativa das vazões com 90 e 95% de permanência (Q90 e Q95, respectivamente) e o comprimento do rio principal é a melhor variável explicativa para a estimativa das vazões máximas considerando todos os períodos de retorno estudados. O método da interpolação linear faz estimativas semelhantes ao método Tradicional e pode ser utilizado em situações, principalmente quando não há informações suficientes para o ajuste dos modelos de regressão. As estimativas das vazões mínimas (Q7,10, Q90 e Q95) e vazão média (Qmed), realizadas pelo método de Chaves são semelhantes ao Tradicional, enquanto que as estimativas das vazões máximas, para todos os períodos de retorno estudados, apresentaram erros muito elevados. Os métodos modificados não promoveram a melhora expressiva das estimativas em comparação com os métodos originais
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.unioeste.br:tede/215 |
| Date | 12 February 2015 |
| Creators | Araujo, Fernanda Cristina |
| Contributors | Mello, Eloy Lemos de, Frigo, Jiam Pires, Boas, Marcio Antonio Vilas, Gomes, Benedito Martins |
| Publisher | Universidade Estadual do Oeste do Parana, Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola, UNIOESTE, BR, Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do UNIOESTE, instname:Universidade Estadual do Oeste do Paraná, instacron:UNIOESTE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds