¾Calibração e validação de modelo hidrológico com observações in situ e altimetria espacial

Tamanho: px

Começar a partir da página:

Download "¾Calibração e validação de modelo hidrológico com observações in situ e altimetria espacial"

Lorenzo Molinari Bennert
8 Há anos
Visualizações:

1 ¾Terceira reunião científica do Observatório de Pesquisa do Meio Ambiente (ORE) HYBAM nos grandes rios Amazônicos ¾20-23 Out 2009, Tabatinga-Brasil, Leticia-Colômbia ¾Calibração e validação de modelo hidrológico com observações in situ e altimetria espacial 1,2 ¾ Augusto C.V. Getirana 2,3 1 Marie-Paule Bonnet, Otto C. Rotunno Filho, 1 4 ¾ Webe J. Mansur, Walter Collischonn ¾ ¾ 1 COPPE/UFRJ, 2 LMTG/UPS, 3 IRD Brasília, 4 IPH/UFRGS

com observações in situ e altimetria espacial 1,2 ¾ Augusto C.V. Getirana 2,3 1 Marie-Paule Bonnet, Otto C.

2 Justificativa 1. Aumento na disponibilização de dados globais adquiridos por satélite 2. Busca pelo melhor entendimento dos processos hidrológicos em regiões remotas 3. Previsão eventos extremos com maior grau de confiabilidade 4. Melhorar a representatividade física de parâmetros de modelos computacionais

Busca pelo melhor entendimento dos processos hidrológicos em regiões remotas

3 Formas de integrar dados de satélite e modelos computacionais Estimativa de parâmetros do modelo - Cobertura do solo (JERS-1) - Topografia e hidrografia (SRTM) Entrada de forçantes - Precipitação (TRMM, GPCP) Validação de resultados - Nivel de agua dos rios (ENVISAT) - Balanço hidrico da bacia (GRACE) Calibração de parâmetros do modelo - Nivel de agua dos rios (ENVISAT) Geração de informações complementares - Profundidades e declividades de rios (ENVISAT)

resultados - Nivel de agua dos rios (ENVISAT) - Balanço hidrico da bacia (GRACE) Calibração de parâmetros do

4 O modelo hidrológico Descrição Modelo de Grandes Bacias (MGB-IPH) Modelo distribuído Discretização em células Módulos Balanço hídrico do solo Evapotranspiração W k i, j = W k 1 i, j Pi, j Ei, + Dinti, j j Dsup Dbas i, j i, j Penman-Monteith + Dcap i, j Δt Escoamento nas células Escoamento na rede de drenagem Muskingum-Cunge Experiências anteriores na América do Sul

i, j Pi, j Ei, + Dinti, j j Dsup Dbas i, j i, j Penman-Monteith + Dcap i, j Δt Escoamento

5 Disponibilidade de dados Dados coletados in situ Dados pluviométricos ( ): 156 estações pluviométricas (Brasil, Colômbia e Venezuela) Dados fluviométricos ( ): 57 estações fluviométricas. 28 ativas com dados de vazão. Tipo de solos classificação FAO Outras fontes (sensoriamento remoto e reanálise) Topografia MNT SRTM Cobertura do solo JERS-1 Dados climatológicos NCEP

fluviométricas. 28 ativas com dados de vazão.

6 O modelo da bacia do rio Negro Bacia hidrográfica do rio Negro km² (~12% da bacia Amazônica); Brasil (82%), Colômbia (10%), Venezuela (6%) e Guiana (2%); Vazão média no exutório ( ): m3/s; Vazão específica: 50,4 l/s/km²;

000km² (~12% da bacia Amazônica); Brasil (82%), Colômbia

7 Região de estudo Bacia hidrográfica do rio Negro km² (~12% da bacia Amazônica); Brasil (82%), Colômbia (10%), Venezuela (6%) e Guiana (2%); Vazão média no exutório ( ): m3/s; Vazão específica: 50,4 l/s/km²; Chuva: média: 2.670mm/ano; mínima: mm/ano (Nordeste); máxima: mm/ano (Norte).

e Guiana (2%); Vazão média no exutório (1980-2006): 35.

8 Região de estudo Bacia hidrográfica do rio Negro km² (~12% da bacia Amazônica); Brasil (82%), Colômbia (10%), Venezuela (6%) e Guiana (2%); Vazão média no exutório ( ): m3/s; Vazão específica: 50,4 l/s/km²; Cobertura do solo (Martinez et al., 2007): 89,3% floresta; 8,5% savana; 4,8% presença permanente de água; 9,9% áreas periodicamente alagadas. Chuva: média: 2.670mm/ano; mínima: mm/ano (Nordeste); máxima: mm/ano (Norte). Martinez J M, Le Toan T, Mapping of flood dynamics and spatial distribution of vegetation in the Amazon floodplain using multitemporal SAR data. Rem. Sens. Env., 108,

900 m3/s; Vazão específica: 50,4 l/s/km²; Cobertura do solo (Martinez et al.

9 Região de estudo Bacia hidrográfica do rio Negro km² (~12% da bacia Amazônica); Brasil (82%), Colômbia (10%), Venezuela (6%) e Guiana (2%); Vazão média no exutório ( ): m3/s; Vazão específica: 50,4 l/s/km²; Solos (FAO, 1995): Cobertura do solo (Martinez et al., 2007): Latosolos (74,4%); 89,3% floresta; Litosolos (10,8%); 8,5% savana; Glaysolos (8,5%); 4,8% presença permanente de água; Acrisolos (6,3%). 9,9% áreas periodicamente alagadas. Chuva: média: 2.670mm/ano; mínima: mm/ano (Nordeste); máxima: mm/ano (Norte). Martinez J M, Le Toan T, Mapping of flood dynamics and spatial distribution of vegetation in the Amazon floodplain using multitemporal SAR data. Rem. Sens. Env., 108, FAO (Food and Agriculture Organization of the United Nations), Soil map of the world, scale 1:5,000,000, volume I-X: United Nations Educational, Scientific, and Cultural Organization, Paris.

, 2007): Latosolos (74,4%); 89,3% floresta; Litosolos (10,8%); 8,5% savana; Glaysolos (8,5%); 4,8% presença permanente de água; Acrisolos (6,3%). 9,9% áreas periodicamente alagadas. Chuva: média: 2.

10 Modificações propostas ao modelo Modificação do modelo numérico do terreno em planícies e zonas inundadas Discretização espacial baseado em minibacias Relação empírica para o cálculo de profundidades dos rios

inundadas Discretização espacial baseado em

11 Modelo numérico do terreno SRTM Abordagem metodológica para a correção de MNT Equações: (1) (2) (3) (4) ( x, y) P : ρ( x, y) h h 1 = ( x, y) = H if ρ( x, y) ( x, y) min ( x, y ) P ( x, y) = E( x, y) h( x y) E, mod α = ln 1 = β. ρ ( x, y) ln( R m ) ( h ) ln( β ) min Resultados: i 1 / α i 2 = 0 if d [( x, y)( x, y )] ρ ( x, y) i > 0 i (a) (b)

y) min ( x, y ) P ( x, y) = E( x, y) h( x y) E, mod α = ln 1 = β.

12 Discretização espacial Abordagem de mini-bacias Representação computacional da bacia do rio Negro. Aspectos positivos da nova abordagem 1. Maior fidelidade na representação das áreas das bacias; 2. Possibilidade de definir exutórios em qualquer local; 3. Baixo impacto no número de células computacionais: mini-bacias=1.746; 0.10 =5.744; Perda de informações úteis Maiores erros na representatividade das áreas de bacias 0.25 =1.164.

Possibilidade de definir exutórios em qualquer local; 3.

13 Modelagem hidrológica Adaptações no modelo Assume-se seção retangular Definição de uma relação empírica entre: - profundidade do rio na seção (h); - vazão (Q); - largura do rio na seção (w); - velocidade de escoamento (v); - área de drenagem (A). ( w v) h = Q b v = aq a,b = f ( A) b w = a 1 1 A a, b, a1, b1 relações de observações em estações in situ

rio na seção (w); - velocidade de escoamento (v); - área de drenagem (A).

14 Modelagem hidrológica Regionalização de profundidades Erros relativos entre 6,0% a 15,5%

15 Resultados da modelagem Calibração e validação dos parâmetros com séries de vazão NS SG ΔV = nt [ Q obs (t) Q sim (t)] t= 1 = nt [ Q obs (t) Q obs ] nt t= 1 [ Q obs (t) Q sim (t)] t= 1 = nt [ Q obs (t) Q ref () t ] t= 1 nt [ Q sim (t)] [ Q obs (t)] t= 1 nt cov r = σ [ Q obs (t)] t= 1 [ Q, ] sim Q obs σ nt t= 1 Q sim Q obs

(t) Q sim (t)] t= 1 = nt [ Q obs (t) Q ref () t ] t= 1 nt [ Q sim (t)] [ Q obs

16 Altimetria espacial ENVISAT Validação do modelo hidrológico (profundidade x altimetria) 0,86 0,75 s

17 Resultados da modelagem Balanço hídrico da bacia do rio Negro

18 Dados gravimétricos GRACE Validação do balanço hídrico Armazenamento médio de agua derivado de 4 produtos GRACE para o periodo de (mm) Correlações entre o armazenamento de agua mensal derivado do GRACE e 4 variaveis hidrologicas (escoamento superficial, precipitação, evapotranspiração e umidade do solo) Caracarai Taraqua Cucui Curicuriari Serrinha Barcelos Balanços hidricos mensais derivados do MGB-IPH e 4 produtos GRACE em 4 sub-bacias () dw t dt = P () t R() t E() t Streamflow Caracarai Taraqua Cucui Curicuriari Serrinha Barcelos Precipitation Evapotranspiration Caracarai Caracarai Caracarai Taraqua Taraqua Cucui Curicuriari Serrinha Barcelos 0.57 Taraqua Cucui Curicuriari Serrinha Barcelos Manaus Manaus Manaus Manaus Soil Moisture Correlações entre balanços hidricos mensais derivados do GRACE e derivados do MGB-IPH CSR GFZ IM JPL Cucui Curicuriari Serrinha Barcelos* 0.80 Manaus

mensais derivados do MGB-IPH e 4 produtos GRACE em 4 sub-bacias () dw t dt = P () t R() t E() t Streamflow Caracarai Taraqua Cucui Curicuriari Serrinha Barcelos Precipitation Evapotranspiration

19 Altimetria espacial ENVISAT Parametrização automática com dados altimétricos EV a x R² 1EV NS x R² Exemplo de séries temporais altimétricas profundidades geradas pelo modelo. Resultados da calibração automática EV a x R² OBS a x R² EV NS x R² OBS NS x R² Obs PPart Sim

20 Altimetria espacial ENVISAT Geração de informações hidrológicas Q = a h b = a (H z ) b ln(q) = ln(a ) + b ln(h z )

21 Conclusões Sobre a modelagem o MGB-IPH foi capaz de representar de maneira satisfatória os principais processos hidrológicos da bacia do rio Negro; Coeficientes de desempenho semelhantes obtidos nos períodos de calibração e validação permitem afirmar que houve certa consistência na parametrização do modelo; entretanto, coeficientes de desempenho ótimos do modelo podem ser adquiridas com conjuntos de parâmetros distintos, o que indicaria uma possível compensação de efeitos entre parâmetros calibrados.

22 Conclusões Contribuições da altimetria espacial Evidencia-se a contribuição da altimetria espacial no que diz respeito à complementação do monitoramento fluviométrico em bacias precariamente monitoradas; a geração de curvas-chaves, profundidades e declividades de rios a partir da combinação de dados altimétricos e vazões simuladas pelo MGB-IPH pode ser uma alternativa para a aquisição de informações hidrológicas em regiões precariamente monitoradas. Entretanto, a metodologia apresenta limitações quanto aos dados de vazão utilizados na geração das curvas; dados altimétricos podem ser utilizados na parametrização de modelos hidrológicos distribuídos, uma vez que relações precisas entre vazões e profundidades são estabelecidas em locais onde dados altimétricos são disponibilizados.

23 Recomendações Acoplagem de módulos de propagação e armazenamento de água em planícies de inundação; estudos contemplando a análise dos impactos sobre o ciclo hidrológico causados: - pelas mudanças climáticas segundo as previsões publicadas pelo IPCC; - pelo desmatamento devido ao avanço agropecuário e à extração vegetal; acoplagem de algoritmos de otimização mais modernos como o MOSCEM-UA ou o AMALGAM; Reprogramação do MGB possibilitando sua execução em paralelo, reduzindo o tempo de processamento de calibrações automáticas.

24 Obrigado pela atenção! Gracias! Merci! Augusto C.V. Getirana

Documentos relacionados

COMPARAÇÃO DE PRODUTOS DE ESTIMATIVA DE CHUVA POR SENSORIAMENTO REMOTO POR MEIO DE UM MODELO HIDROLÓGICO NA BACIA DO RIO AMAZONAS

COMPARAÇÃO DE PRODUTOS DE ESTIMATIVA DE CHUVA POR SENSORIAMENTO REMOTO POR MEIO DE UM MODELO HIDROLÓGICO NA BACIA DO RIO AMAZONAS Autores: Jiménez, K. Q.; Collischonn, W.; Paiva, R.C.D.; Buarque, D. C.