Modelagem da vazão em cursos de água com base em modelos conceituais chuva-vazão e em método de inteligência artificial | Modeling of flow in watercourses based on rainfall- flow conceptual models and artificial intelligence application

A modelagem hidrológica tem-se tornado ferramenta expressiva para a Engenharia de Recursos Hídricos – por ser utilizada na gestão de reservatórios, elaboração do programa de operação de usinas hidrelétricas, elaboração de cenários de planejamento e gestão dos recursos hídricos – e para a previsão e mitigação de eventos hidrológicos extremos. Devido a essa importância, objetivou-se neste trabalho modelar o regime diário de vazões em uma bacia hidrográfica por meio de modelos conceituais chuva- vazão e por método de inteligência artificial. O trabalho foi dividido em três artigos, em que no Artigo I o objetivou foi avaliar o desempenho dos modelos conceituais chuva-vazão Soil Moisture Accounting (SAC-SMA) e IPH II para a estimativa das vazões diárias na Bacia Hidrográfica do Rio Piracicaba, MG. O estudo foi realizado em três seções de monitoramento de vazão da bacia hidrográfica, sendo a calibração do modelo realizada com o algoritmo Shuffled Complex Evolution (SCE-UA), em que se utilizou como função objetivo o índice de eficiência de Nash-Sutcliffe (ENS). Com a análise estatística dos resíduos, foi possível constatar, de maneira geral, concordância entre os valores de vazões estimados pelos modelos SAC- SMA e IPH II e os observados nas seções de medição, destacando-se que em ambos os modelos houve dificuldade na simulação de valores de pico. Concluiu-se, portanto, que os modelos SAC-SMA e IPH II são adequados para a estimativa das vazões diárias de cursos de água da Bacia do Rio Piracicaba, demonstrando potencial para serem utilizados em estudos relacionados com simulação hidrológica e gestão de recursos hídricos em bacias hidrográficas brasileiras. No artigo II, o objetivo foi utilizar métodos de análise de sensibilidade global (ASG) para verificar a sensibilidade dos parâmetros do modelo hidrológico SAC-SMA e identificar quais parâmetros são responsáveis pelas maiores variações nas vazões simuladas pelo modelo. Para análise de sensibilidade global, utilizaram-se os métodos de Morris e de Sobol. O método de Morris requer pequeno esforço computacional, é simples de ser implementado e de fácil interpretação. Devido a essas características e por permitir avaliação qualitativa da sensibilidade dos parâmetros, esse método pode ser utilizado como análise preliminar dos métodos ASG baseados em variância, como é o caso do método de Sobol. Este método é considerado mais robusto que o de Morris e permite quantificar os efeitos dos parâmetros e de suas interações, de forma individual, nos dados de saída do modelo. Os parâmetros do modelo SAC-SMA que apresentaram alta sensibilidade foram LZPK, LZSK, LZFPM, LZFSM, UZFWM e ADIMP. O parâmetro UZFWM representa a lâmina de água livre na zona superior do solo e interfere no escoamento subsuperficial e na recarga do aquífero freático. Já o parâmetro ADIMP representa a área impermeável adicional da bacia e interfere na geração do escoamento superficial direto. Os demais parâmetros citados estão relacionados ao escoamento de base da bacia. Com base nos resultados, concluiu-se que a maior parte dos parâmetros do modelo SAC-SMA não proporciona variações expressivas nas vazões estimadas e os métodos de Morris e Sobol possibilitam a potencial simplificação do modelo hidrológico SAC-SMA, visto que viabilizaram a identificação dos parâmetros que não possuem sensibilidade. Por fim, no Artigo III foram desenvolvidas Redes Neurais Artificiais (RNAs) para estimar vazões diárias da Bacia Hidrográfica do Rio Piracicaba. Além disso, foi avaliada a utilização das RNAs associadas aos modelos hidrológicos conceituais IPH II e SAC-SMA, de forma a obter um modelo híbrido para estimativa de vazões que representem, ao mesmo tempo, os processos conceituais e não lineares relacionados ao escoamento. No desenvolvimento das redes neurais para estimativa da vazão diária, foram adotados os seguintes passos: coleta e seleção de dados; definição da arquitetura da rede; treinamento; e validação dos resultados. Assim, concluiu-se que as RNAs são adequadas para a estimativa das vazões diárias na Bacia do Rio Piracicaba; que as variáveis de entrada das RNAs que proporcionam os melhores resultados para estimava das vazões são precipitação, evapotranspiração de referência e vazões do próprio curso de água defasadas no tempo; que para o bom desempenho das RNAs para estimativa das vazões é preciso considerar como variável de entrada a vazão do curso de água defasada no tempo; e que a associação das RNAs com o modelo hidrológico IPH II, caracterizando uma conformação híbrida, permite melhorar as estimativas das vazões diárias.

Hydrologic modeling has become a significant tool for water resources engineering since it can be used in reservoir management, scheduling of hydroelectric plant operation, water resources planning and management, and forecasting and mitigation of extreme hydrologic events. Given this importance, this study aimed to model the daily flow regime of a river basin by means of rainfall-flow conceptual models and the application of artificial intelligence. The research results were divided into three papers. The first one showed the performance of two conceptual models, the Sacramento - Soil Moisture Accounting (SAC-SMA) and the IPH II, in estimating the daily flows of the Piracicaba river basin (MG). Three sections were outlined to monitor the river basin flow. The model calibration was carried out by Shuffled Complex Evolution (SCE-UA) algorithm, whose objective function was the Nash-Sutcliffe (ENS) efficiency index. By the statistical analysis of the residues, we could broadly observe that the flows estimated by SAC- SMA and by IPH II correlated with the values measured in the monitoring sections. It is noteworthy mention that peak values were hard to identify in both models. Therefore, we concluded that the SAC-SMA and IPH II models are suitable to estimate daily flows of watercourses in the Piracicaba river basin. Thus, these models can be used in studies of hydrological simulation and management of water resources for Brazilian river basins. In the second paper, we tested the methods of global sensitivity analysis (ASG) for the sensitivity of parameters from the SAC-SMA hydrological model. In addition, we identified the parameters providing the largest variations in flows simulated by the model. For global sensitivity analysis, we use the methods of Morris and Sobol. The Morris method requires little computational effort, being of easy implementation and interpretation. Added to this, it allows a qualitative evaluation of parameter sensitivity; therefore, this method can be used as a preliminary analysis to the ASG methods based on variance, such as the Sobol one. This is considered method stronger than the Morris' one, enabling the quantification of the effects of parameters and their interactions, individually, in the model output data. The parameters of the SAC-SMA model showing high sensibility were LZPK, LZSK, LZFPM, LZFSM, UZFWM, and ADIMP. UZFWM is the parameter representing the free water depth in the upper soil, which interferes with subsurface runoff and groundwater recharge. Yet ADIMP stands for an additional waterproof area in the river basin that interferes with direct surface runoff. The other above-mentioned parameters are related to the river basin baseflow. Based on the results, we concluded that most of the parameters from SAC-SMA model had no significant variations in estimated flows; and the Morris and Sobol methods were able to simplify the SAC-SMA hydrological model since non-sensitive parameters were identified. Lastly, the third paper shows the development of artificial neural networks (ANNs) to estimate daily flows in the studied river basin. Likewise, we evaluated the application of these RNAs together with the conceptual hydrological models IPH II and SAC-SMA, with the purpose of generating a hybrid model for flow estimation, which would represent, at the same time, runoff conceptual and non-linear processes. We followed a set of steps while developing the ANNs, which were data collection and selection, network architecture definition, training, and validation of results. Based on the results, we concluded that the ANNs are adequate to estimate daily flows in the Piracicaba river basin. Also, the input variables with the best results were rainfall, reference evapotranspiration, and time-lagged stream flows. Interestingly, a good performance of the ANNs was reached by taking into account these time-lagged flows as input variables. Furthermore, we may infer that the hybrid model, generated from ANN association to the IPH II hydrological model, improved the estimates of daily flows.

Fundação de Amparo à Pesquisa do Estado de Minas Gerais