Estudo e desenvolvimento de modelagem para previsão de vazão de rios na Bacia do Paraná

• Main Author: Malfatti, Maria Gabriela Louzada
• Other Authors: Cardoso, Andréa de Oliveira
• Format: Others
• Language: Portuguese
• Published: 2016
• Subjects: MODELO EMPÍRICO; PREVISÃO DE VAZÃO; PADRÕES CLIMÁTICOS; EMPIRICAL MODEL; STREAMFLOW FORECASTING; CLIMATE PATTERNS; PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA AMBIENTAL - UFABC
• Online Access: http://www.biblioteca.ufabc.edu.brhttp://biblioteca.ufabc.edu.br/index.php?codigo_sophia=100867

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