Previsão de Cheias por Conjunto em Curto Prazo

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 Prevsão de Cheas por Conjunto em Curto Prazo Adalberto Meller 1, Walter Collschonn 2, Fernando Fan 2, Dogo Costa Buarque 2, RodrgoCauduro Das depava 2, Pedro Lete da Slva Das 3, Demerval Soares Morera 4 betomeller@gmal.com; collschonn@ph.ufrgs.br; fernando.fan@bol.com.br; dogo.buarque@gmal.com; rodrgocdpava@gmal.com; pldsdas@lncc.br; demerval.morera@cptec.npe.br Recebdo: 26/11/12 - revsado: 19/08/13 - aceto: 06/03/14 RESUMO Nesse trabalho é apresentada uma aplcação da abordagem da prevsão de cheas por conjunto em curto prazo a uma baca de médo porte localzada na regão sudeste do Brasl, a baca do ro Paraopeba. Para geração das prevsões de vazões, a metodologa utlza um conjunto de prevsões de precptação assocada à modelagem chuva-vazão concetual com o modelo hdrológco MGB-IPH. O expermento fo realzado durante três períodos chuvosos entre os anos de 2008 e 2011. Como parâmetro de referênca na avalação do desempenho das prevsões por conjunto é utlzada uma prevsão hdrológca determnístca, baseada em uma prevsão de precptação únca obtda da combnação ótma de dversas saídas de modelos meteorológcos, com dferentes condções ncas e parametrzações. Nos resultados das avalações das prevsões de eventos do tpo dcótomos, que consderam a superação ou não de níves ou vazões lmte de alerta, as prevsões por conjunto mostraram superordade em relação à prevsão determnístca, sendo possível obter na maor parte dos casos analsados um aumento na proporção de detecções corretas da ocorrênca do evento de chea mantendo as taxas de alarmes falsos em níves reduzdos. Esse benefíco fo, de modo geral, maor em maores antecedêncas e vazões lmte de alerta, stuações mas mportantes num contexto de prevenção de cheas. Palavras-chave: prevsão de chea por conjunto, prevsão de precptação, modelagem hdrológca concetual. INTRODUÇÃO Prevsões de vazão são rotneramente utlzadas no Brasl para prever a afluênca dos reservatóros hdrelétrcos mas mportantes, sendo empregadas no planejamento da operação na produção de energa hdrelétrca. Neste campo de aplcação, prevsões quanttatvas de precptação (QPF- Quanttatve Precptaton Forecasts) tem se tornado cada vez mas utlzadas, vsando a melhora da prevsbldade e a extensão do horzonte da prevsão (GUILHON et al., 2007; CASTANHARO et al., 2007; COLLISCHONN et al., 2007; SSILVA et al., 2007). Sstemas de prevsão e alerta de cheas, por outro lado, são relatvamente raros no Brasl e mutas vezes baseados em modelos smplfcados de propagação do escoamento na rede de drenagem, sem utlzar nformações de precptação observada ou prevsta. 1 - Agênca Naconal de Águas 2 - Insttuto de Pesqusas Hdráulcas - IPH/UFRGS 3 - Departamento de Cêncas Atmosfércas - Insttuto de Astronoma, Geofísca e Cêncas Atmosfércas/USP 4 - Centro de Prevsão de Tempo e Estudos Clmátcos do Insttuto Naconal de Pesqusas Espacas (CPTEC/INPE) A ocorrênca de cheas de grandes proporções regstradas recentemente em âmbto global (e.g. WERNER et al., 2005; MOORE et al., 2005; PLATE, 2007; THIELEN et al. 2009; HE et al.; 2012) tem atualmente motvado a utlzação da QPF dervada de modelos de prevsão numérca de tempo (PNT) como dado de entrada em modelos chuvavazão, com ntuto de promover alertas de cheas com maor antecpação. No caso de pequenas e médas bacas, o uso da QPF na prevsão de cheas tem sdo colocado como um ponto chave (e.g. BACCHI & RANZI, 2003; XUAN et al., 2009; HA- PUARACHCHI et al., 2011), permtndo a adoção de meddas de mtgação dos mpactos em tempo útl. Entretanto, embora seja útl, a prevsão quanttatva de precptação anda apresenta erros consderáves na escala das aplcações hdrológcas, sendo consderada uma das prncpas fontes de ncerteza na prevsão de cheas (DAVILIO et al. 2008; CLOKE & PAPPEMBERGER, 2009; XUAN et al., 2009; HAPUARACHCHI et al., 2011). O uso da QPF de modelos PNT em conjunto com modelos hdrológcos para prevsão de vazão é lmtado por três tpos de erros ctados por Habets et al. (2004): 33

Prevsão de Cheas por Conjunto em Curto Prazo () localzação espacal do evento; () nstante de ocorrênca do evento; e () ntensdade da precptação. De manera geral, a mprecsão na QPF deve-se tanto a erros nas condções ncas como na própra estrutura dos modelos meteorológcos, que não representam adequadamente a dnâmca das nuvens e os processos mcrofíscos, smplfcados através de parametrzações (EBERT, 2000). Uma das questões partcularmente mportantes nesse contexto refere-se à sensbldade dos modelos meteorológcos às condções ncas. A atmosfera é um sstema não lnear, extremamente dependente das condções ncas, e os modelos meteorológcos também apresentam esta sensbldade, de tal forma que, se ncalzados com condções ncas lgeramente dferentes, em pouco tempo smulam estados completamente dferentes da atmosfera (Lorenz, 1969). Como o estado ncal da atmosfera nunca é perfetamente conhecdo, dfclmente será possível obter prevsões determnístcas precsas de tempo com antecedêncas relatvamente longas, tpcamente útes para as aplcações em prevsão e alerta de cheas. Além dsso, modelos meteorológcos dferentes, em termos da representação físca dos processos ou da resolução espacal, quando aplcados com as mesmas condções ncas e de contorno, tendem a apresentar resultados dferentes após algumas horas ou das de smulação. A prevsão probablístca ou por conjunto é uma técnca desenvolvda nas cêncas atmosfércas e que procura explorar as ncertezas assocadas às condções ncas e/ou defcêncas na estrutura dos modelos meteorológcos. A partr de dferentes modelos meteorológcos ou de dferentes condções ncas de um únco modelo, são gerados um conjunto de prevsões, onde cada um dos membros do conjunto representa uma possível trajetóra dos processos atmosfércos ao longo do horzonte de prevsão. A técnca da prevsão por conjunto tem sdo usada na prevsão meteorológca desde a década de 1990 (DANCE & ZOU, 2010; NOBERT et al., 2010; ZAPPA et al., 2011; SCHELLEKENS et al. 2011). Motvado pelo sucesso de sua utlzação nesse campo, recentemente os EPSs (Ensemble Predcton Systems Sstemas de Prevsão por Conjunto) passaram a ser ncorporados na prevsão de vazões, dando orgem aos Sstemas de Prevsão Hdrológca por Conjunto (H-EPSs) (DEERITT et al., 2007; CLOKE & PAP- PENBERGER, 2009). Um H-EPS procura fornecer nformações sobre a ncerteza das prevsões hdrológcas, propondo, para cada ntervalo de tempo de prevsão, um conjunto de soluções a partr do qual se pode estmar a dstrbução de probabldade do predtor (VELÁZQUEZ et al., 2011). Pesqusas recentes, prncpalmente na Europa e Amérca do Norte, tem mostrado resultados promssores do acoplamento de prevsões meteorológcas por conjunto a modelos hdrológcos para realzar prevsões de chea para horzontes de até dez das (YOUNIS et al., 2008; PAPPEMBERGER et al., 2008; THIEMIG et al., 2010; BAO et al., 2011; VOISIN et al., 2011). O conjunto de prevsões obtdo permte representar uma faxa de possíves cenáros de chea, e a quantfcação das ncertezas assocadas a esses cenáros tem sdo colocada como útl na dmnução da emssão de falsos alertas, evtando assm a perda de credbldade dos sstemas de alerta de chea (PAPPENBERGER et al., 2008). Fgura 1 - Ilustração da técnca da prevsão hdrológca por conjunto. Adaptado de COMET (2008). Dsponível em <https://www.meted.ucar.edu/>. Acessado em novembro de 2012. Em sua forma mas smples, a prevsão hdrológca por conjunto consste em almentar o modelo hdrológco com varáves meteorológcas prevstas por um ou mas EPSs, resultando em possíves cenáros de vazões que refletem as ncertezas na prevsão meteorológca (Fgura 1). Essa abordagem algumas vezes chamada de perfect hydrology - parte do pressuposto que as prevsões meteorológcas são a maor fonte de ncerteza na prevsão hdrológca, sendo as ncertezas relaconadas ao modelo hdrológco, desprezadas. Varáves prevstas por modelos meteorológcos que são normalmente utlzadas são 34

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 a precptação e temperatura, embora outras varáves também possam também ser utlzadas. Exstem anda abordagens que consderam outras fontes de ncertezas mportantes na prevsão de cheas por conjunto, tas como: a) defcênca na estrutura do modelo hdrológco, onde são utlzados um conjunto de modelos hdrológcos dstntos para realzação das prevsões (e.g. V\ELÁZQUEZ et al., 2011); b) a ncerteza nos parâmetros do modelo hdrológco (e.g. DIETRICH et al., 2009; HE et al. 2012); e c) a ncerteza nas condções ncas do modelo ou nos dados de entrada, como por exemplo na precptação observada até o nstante de níco da prevsão (e.g. ZAPPA et al., 2011; ROSSA et al., 2011). Outros métodos procuram melhorar o desempenho das prevsões através da correção de erros sstemátcos e do espalhamento do conjunto nos dados de entrada pré-processamento - ou nos resultados da prevsão de vazões pósprocessamento -, tendo sdo reportadas melhoras nos resultados pela aplcação desses métodos (e.g. BROWN & SEO, 2010; BOUCHER et al., 2011; ZA- LACHORI et al., 2012; ANDEL et al., 2012). A prevsão de cheas por conjunto é uma á- rea de pesqusa atualmente bastante atva, tendo sdo publcada na últma década uma sére de trabalhos explorando seus potencas benefícos (e.g. GOUWELEEUW et al. 2005; DEMERITT et al. 2007; KOMMA et al. 2007; VERBUNT et al. 2007; DAVO- LIO et al., 2008; PAPPEMBERGER et al. 2008; DIE- TRICH et al. 2009; YOUNIS et al, 2008; THIELEN et al. 2009; THIEMIG et al, 2010; BAO et al., 2011; SCHELLEKENS et al., 2011; VOISIN et al., 2011; ZAPPA et al., 2011). Mutas dessas pesqusas foram motvadas ou tveram suporte de ncatvas centífcas como o HEPEX - The Hydrologc Ensemble Predcton Experment (SCHAAKE et al., 2006), a quarta fase do MAP - Mesoscale Alpne Program denomnada de D- PHASE-Demonstraton of Probablstc Hydrologcal and Atmospherc Smulaton of flood events n the Alpne regon (ROTACH et al, 2012), o RAPHAEL Project (Runnoff and Atmospherc Processes for Flood Hazard Forecastng and Control) (BACCHI & RANZI, 2003) e o projeto COST731 (ROSSA et al., 2011). O trabalho apresentado por Verbunt et al. (2007) explorou a vabldade das prevsões meteorológcas por conjunto para prevsões de vazões, em comparação com o uso de prevsões meteorológcas determnístcas. Como estudo de caso fo utlzada a porção da baca do Ro Reno defnda pela estação Rhenfelden (34.550km²), na Europa Central. Como dados de entrada no modelo hdrológco fo usado um conjunto de prevsões de precptação, temperatura, velocdade do vento, umdade do ar e nsolação, orgnáros do Lmted-Area Ensemble Predcton System (LEPS). O modelo hdrológco usado fo o Precptaton Runoff Evapotranspraton Hydrotope (PREVAH), que usa a abordagem de undades de resposta hdrológca-urh. Para as avalações foram seleconados dos eventos chea, sendo os resultados avalados em três afluentes alpnos do ro Reno. Os resultados obtdos mostraram que as prevsões por conjunto são mas confáves quando comparadas a uma únca prevsão determnístca. Para os casos nvestgados, o conjunto de prevsões ndcou claramente a possbldade de ocorrênca de cheas severas, ao contráro das prevsões determnístcas, que não detectaram os eventos. Pappenberger et al. (2008) apresentaram uma avalação do uso do grand ensemble TIGGE (THORPEX Interactve Grand Global Ensemble) na prevsão de eventos de chea ocorrdos durante o mês de outubro de 2007, na Romêna. A base de dados TIGGE é composta por um conjunto de sete EPSs, de dferentes centros de prevsão meteorológca e que possuem dferentes números de membros (216 membros, no total). Esses sete EPSs foram utlzados ndvdualmente e em conjunto como dado de entrada no European Flood Alert System (EFAS). Para prevsão de vazões o EFAS usa o modelo LIS- FLOOD, com resolução espacal de 5km. Na avalação geral, os autores concluem que o TIGGE, por nclur um número maor de cenáros de prevsão meteorológca, tem menor probabldade de não detectar um evento, podendo anda reduzr o número de alertas falsos nas prevsões. Schellekens et al.(2011) avalaram o desempenho do EPS regonal MOGREPS (Met Offce Global and Regonal Ensemble Predcton System) para uso operaconal na prevsão de cheas na regão do ro Tâmsa, no Reno Undo. A versão do MOGREPS utlzada possu 24 membros fornecendo prevsões para o Reno Undo e Irlanda com resolução de 24km e horzonte de até 3 das. Para realzação das prevsões de chea, fo utlzado o Modelo TCM (Thames Catchment Model). As prevsões foram realzadas duas vezes ao da (9 e 21h), com horzonte de 36h, e seus resultados foram analsados em 8 estações de montoramento. As prevsões de precptação por conjunto do MOGREPS resultaram em boas prevsões de chea para toda a regão do Tâmsa, mostrando benefíco em relação ao uso da prevsão determnístca. A frequênca de alarmes falsos no período avalado fo baxa e eventos menores, que não superaram os níves de alerta, foram também bem prevstos. Bao et al. (2011), avalaram o benefíco do acoplamento do modelo dstrbuído Grd- Xnanjang ao grand ensemble TIGGE, na prevsão de 35

Prevsão de Cheas por Conjunto em Curto Prazo cheas na baca do ro Xxan (8.826km²), na cabecera da baca do ro Huane, na Chna. A varável precptação de EPSs de cnco nsttuções que ncluem a base de dados TIGGE foram utlzadas: Canadan Meteorologcal Centre-CMC (15 membros); European Center for Medum Range Weather Forecastng- ECMWF (51 membros); Meteorologcal Offce-UKMO (24 membros); US Natonal Centers for Envronmental Predcton-NCEP (15 membros); Chna Meteorologcal Admnstraton-CMA (15 membros). Para avalação das prevsões fo seleconado um evento de chea durante o mês de julho de 2007. As prevsões de chea com o modelo foram realzadas com ntervalo de tempo de 6h e horzonte de 10 das. Os resultados obtdos demonstraram que o grand ensemble TIGGE acoplado ao modelo hdrológco é uma ferramenta promssora na emssão de alertas de chea antecpados com dez das de antecedênca, promovendo prevsões de vazões comparáves à vazão observada. Aos exemplos de estudos de caso ctados anterormente poderam ser acrescentados outros, sobretudo em regões de clma temperado na Europa e nos Estados Undos. Uma revsão bastante a- brangente destes estudos fo apresentada por Cloke & Pappenberger (2009). Apesar destes exemplos bem suceddos de uso das prevsões meteorológcas por conjunto para gerar prevsões de vazão ou de cheas por conjunto, até recentemente a abordagem determnístca anda predomnava em Sstemas de Prevsão e Alerta de Cheas (DEMERITT et. al. 2007; VERBUNT et al, 2007). Atualmente, alguns sstemas já utlzam operaconalmente ou em modo expermental a prevsão por conjunto, entre eles o European Flood Alert System (EFAS) (<http://efass.jrc.ec.europa.eu/>), o sstema fnlandês The watershed Smulaton and Forecastng System (<http://www2.ymparsto.f/2/65/>), o sstema sueco do Sweedsh Hydro-Meteorologcal Servce (<http://www.smh.se/>), os sstemas de prevsão de cheas do ro Danúbo nas regões da Bavára (<www.hnd.bayern.de>) e da Baxa Áustra (<http://www.noel.gv.at/>) e o NWS Short-range Hydrologc Ensembles (<http://www.erh.noaa.gov/ mmefs/>) do Natonal Weather Servce dos Estados Undos. No contexto braslero, pratcamente nexstem pesqusas relaconadas à prevsão de cheas por conjunto em curto prazo. O únco trabalho dentfcado apresenta uma proposta bastante prelmnar na baca do ro Iguaçu (CALVETTI, 2011). Entretanto, prevsões meteorológcas por conjunto vêm sendo produzdas operaconalmente pelo Centro de Prevsão de Tempo e Estudos Clmátcos-CPTEC/ INPE desde 1999 (COUTINHO, 1999; MACHADO et al., 2010) e prevsões por conjunto envolvendo dferentes modelos têm sdo produzdas e avaladas pelo Laboratóro de Meteorologa Aplcada a Sstemas de Tempo Regonas - MASTER (SILVA DIAS et al., 2006). Nesse trabalho é proposta e avalada uma metodologa para prevsão de cheas por conjunto aplcada a uma baca de médo porte em uma regão de clma tpcamente tropcal, que utlza um conjunto de prevsões de precptação, dados de montoramento hdrológco em tempo real e ferramentas de modelagem hdrológca para prevsão de vazões dsponíves em modo operaconal no contexto braslero. METODOLOGIA Prevsões de vazão na baca do ro Paraopeba foram realzadas e avaladas retrospectvamente durante períodos chuvosos de três anos hdrológcos. Foram utlzados dados observados de precptação e vazão de estações telemétrcas operadas pela Companha Energétca de Mnas Geras-Cemg e um conjunto de prevsões de precptação constantes na base de dados do Laboratóro de Meteorologa Aplcada a Sstemas Regonas de Tempo (MASTER- IAG/USP). As prevsões de vazões por conjunto foram avaladas através de uma representação determnístca, consderando a méda dos membros que compõem o conjunto hdrológco, assm como através de uma representação probablístca, consderando todos seus membros, utlzando meddas de desempenho específcas para esse fm. As prevsões foram realzadas com o modelo hdrológco MGB- IPH com ntervalo de tempo horáro e horzonte de 72h. Nos tens a segur as etapas da metodologa são descrtas em maor detalhe. O Modelo MGB-IPH O MGB-IPH (Modelo de Grandes Bacas) é um modelo hdrológco concetual, dstrbuído, apresentado por Collschonn (2001), para aplcação em grandes escalas espacas. Na versão adotada, o modelo utlza a dscretzação da baca em pequenas sub-bacas, denomnadas mnbacas. O tpo de vegetação e uso do solo dentro de cada mnbaca é categorzado dentro de uma ou mas classes utlzando a abordagem de Undades de Resposta Hdrológca- URH (KOUWEN et al., 1993). A estmatva da evapotranspração no modelo é realzada pelo método de Penman Monteth 36

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 (SHUTTLEWORTH, 1993) e a propagação do escoamento na rede de drenagem, através do método de Muskngum-Cunge, embora exsta uma versão do modelo que utlza um método hdrodnâmco (PAIVA, 2009). Para prevsão de vazões, o modelo usa o procedmento de assmlação de dados apresentado nos trabalhos de Paz et al. (2007) e Collschonn et al. (2007). Esse procedmento utlza as vazões observadas em tempo-real para atualzar as condções ncas do modelo, representadas pelas vazões calculadas ao longo da rede de drenagem e o volume de água armazenado nos reservatóros superfcal, subsuperfcal e subterrâneo de cada mnbaca do modelo hdrológco. Prevsão de Cheas A proposta metodológca para geração das prevsões de chea por conjunto se basea na realzação de sucessvas prevsões com o modelo MGB-IPH, utlzando como dados de entrada um conjunto de prevsões de precptação (conjunto meteorológco), dando orgem a um conjunto de prevsões de vazão (conjunto hdrológco). Como parâmetro de referênca na avalação das prevsões de chea por conjunto é utlzada uma prevsão hdrológca determnístca, baseada na prevsão de precptação MSMES, obtda da combnação ótma de saídas de dversos modelos meteorológcos (SILVA DIAS et al., 2006). Na estmatva das condções ncas do modelo hdrológco bem como durante a prevsão de cheas, varáves clmatológcas como temperatura, velocdade do vento e outras utlzadas no cálculo da evapotranspração assumem os valores das normas clmatológcas. A análse dos resultados das prevsões por conjunto está dvdda em duas partes prncpas. A prmera parte é baseada em uma avalação determnístca, onde é comparado o desempenho da méda do conjunto hdrológco com a prevsão determnístca de referênca e com as prevsões com chuva perfeta (chuva observada nas estações de medção) e chuva zero. Como meddas de desempenho nessa avalação são utlzados o Coefcente de Persstênca-CP (KITANISDIS & BRAS, 1980) e o Erro Médo Quadrátco-EMQ, para determnada faxa de magntude de vazões observadas. São anda realzadas comparações entre o desempenho da méda do conjunto e cada um dos membros, para determnada faxa de magntude de vazões. Nessa análse é utlzada como medda de desempenho o coefcente de efcênca-cm, smlar a CP, mas que compara o desempenho das prevsões com o desempenho da méda do conjunto hdrológco. A segunda parte da análse é baseada em uma avalação probablístca. Nesse caso é utlzado o Dagrama ROC (descrto mas a frente), para algumas antecedêncas e vazões lmtes de alerta. A segur as meddas de desempenho menconadas anterormente são descrtas. Meddas de Desempenho Avalação determnístca Para análse determnístca das prevsões foram utlzados o Coefcente de Persstênca CP e o Erro Médo Quadrátco-EMQ. O CP, dado pela E- quação 1, compara o resultado da prevsão com um modelo hpotétco que prevê para todos os ntervalos de tempo o últmo valor observado, para o qual é adotado o termo persstênca. Quanto mas próxmo seu valor estver da undade, melhores são os resultados das prevsões. Quando CP apresenta valores menores que zero, a prevsão apresenta desempenho nferor a se utlzar como valor prevsto o últmo valor observado. O índce CM (Equação 2), por sua vez, compara, de manera smlar a CP, os resultados da prevsão com uma prevsão de referênca. Nesse caso, entretanto, a prevsão de referênca não é o últmo valor observado e sm a prevsão dada pela méda do conjunto hdrológco. Valores postvos do índce ndcam melhor desempenho da prevsão avalada em relação ao conjunto médo. Valores negatvos, por outro lado, ndcam melhores resultados do conjunto médo. O Erro Médo Quadrátco-EMQ (Equação 3) mede a raz da dferença quadrátca méda entre as prevsões e observações correspondentes. Representa a magntude do erro cometdo na prevsão, dando maor peso aos maores desvos. Quanto mas próxmo seu valor estver de zero, melhores são os resultados das prevsões. CP 1 N n1 N n1 CM 1 N o p o o n1 N n1 t0 o p o p 2 2 m 1 N N n 1 EMQ p o 2 2 1 2 (1) (2) 2 (3) 37

Prevsão de Cheas por Conjunto em Curto Prazo m onde p é o valor prevsto; p é o valor prevsto pela méda do conjunto; o é o valor observado; t0 é o nstante de realzação da prevsão; é a antecedênca da prevsão e N é o número total de prevsões. de POD, mas por outro lado apresentam valores de POFD menores. Avalação Probablístca O Dagrama ROC O Dagrama ROC (Relatve Operatng Characterstc ou anda Recever Operatng Characterstc) mede a capacdade de um sstema de prevsão em dscrmnar entre eventos ocorrdos ou não, como, por exemplo, a ocorrênca ou não de nundações (WILKS, 2006; BROWN et al. 2010). É utlzado na avalação em prevsões de eventos dcótomos, onde somente dos resultados são possíves. O dagrama pode ser utlzado tanto na avalação de prevsões determnístcas como probablístcas. No caso da prevsão determnístca, a partr de um determnado lmar defndo para a varável consderada é construída uma tabela de contngênca 2x2. As nformações da tabela de contngênca são usadas para o cálculo dos índces POD (probabldade de detecção) e POFD (Probabldade de Falsa Detecção ou Taxa de Alarme Falso). O par (POD;POFD) é então plotado no gráfco, em conjunto com os pares (0,0) e (1,1), conforme metodologa para construção do dagrama (WILKS, 2006). No exo das ordenadas do dagrama aparece o valor de POD, e no das abscssas, POFD. No caso da prevsão probablístca ou por conjunto, o dagrama mede a qualdade de uma prevsão bnára ou da decsão sobre a emssão do alerta baseado em dferentes lmtes de probabldade da prevsão por conjunto. Dessa forma, para dferentes probabldades da dstrbução da prevsão (e.g.decs do conjunto) são construídas tabelas de contngênca 2x2 e calculados os valores de POD e POFD. A Fgura 2 lustra um Dagrama ROC e seus elementos para uma prevsão por conjunto hpotétca. Komma et al.(2007) colocam que qualquer um dos quants do conjunto podem ser usados na decsão de emssão ou não de alertas de chea, exstndo um trade-off na escolha do quantl e sua utldade. Membros do conjunto na extremdade superor, representados por maores quants (e.g. 8º e 9º decl), possuem uma maor probabldade de detectar o evento de chea, entretanto ocorrerá uma maor taxa de alarmes falsos. Membros do conjunto na extremdade nferor apresentam menores valores Fgura 2 - Elementos de um Dagrama ROC. Modfcado de Brown (2008). ESTUDO DE CASO E DADOS UTILIZADOS A baca do ro Paraopeba possu área de 12.150 km² e stua-se na regão centro-sul do Estado de Mnas Geras, entre as longtudes 43 O e 45 O e lattudes 18 S e 21 S. O ro Paraopeba é afluente pela margem dreta do ro São Francsco e tem como alguns de seus prncpas afluentes os ros Pardo, Manso, Brumado, Camapuã e Maranhão. A Fgura 3 apresenta o mapa de localzação da baca do ro Paraopeba e a rede telemétrca de montoramento na regão operada pela Cemg. O clma predomnante na baca é do tpo tropcal sem-úmdo (4 a 5 meses secos)(ibge, 2002), com sazonaldade bem defnda. O período chuvoso ocorre entre os meses de outubro a março, sendo que o trmestre mas chuvoso é de novembro a janero. O período seco se estende de abrl a setembro. Nas análses empreenddas nesse trabalho o mês de abrl fo consderado como pertencente ao período chuvoso na baca, já que alguns eventos hdrológcos ncados no mês de março possuem seu pco durante o mês de abrl. Os maores volumes de precptação na baca ocorrem nas regões sul/sudeste baca e em toda a extensão das serras que atravessam a baca no sentdo Leste-Oeste, próxmo a lattude 20ºS, onde os 38

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 volumes médos anuas alcançam cerca de 1.800mm. Na regão norte da baca são observados os menores volumes anuas de precptação, com valores próxmos a 1.200mm. Na aplcação do modelo MGB-IPH, foram utlzadas as seguntes bases de dados: modelo numérco do terreno, dervado da mssão STRM (Shuttle Radar Topography Msson), com resolução de 90m (FARR et al., 2007) ; dados de tpo do solo para o estado de Mnas Geras, na escala 1:1.000.000, dsponblzados através do portal na nternet IDE- GeoMINAS (<http://www.de.ufv.br/geomnas/>); dados de cobertura vegetal para a Amérca do Sul, obtdos va sensoramento remoto, com resolução aproxmada de 1km, desenvolvdo por Eva et al. (2002); dados horáros de precptação de 16 estações pluvométrcas das redes telemétrcas das bacas do ro São Francsco e ro das Velhas, no período de 2000 a 2011, operada pela Cemg (Fgura 3); dados horáros de vazão de duas estações telemétrcas no ro Paraopeba, no período de 2000 a 2011, operada pela Cemg (Fgura 3); normas clmatológcas de 14 estações na regão da baca do ro Paraopeba, publcadas pelo INMET-Insttuto Naconal de Meteorologa (Fgura 3). Em uma etapa anteror a utlzação, tanto os dados de chuva como vazão foram submetdos a um procedmento de verfcação, sendo descartados dados consderados ncoerentes. Maores detalhes acerca desse procedmento podem ser encontrados em Meller (2012). Os parâmetros do modelo MGB-IPH foram calbrados para as duas sub-bacas defndas pelas estações fluvométrcas mostradas na Fgura 3, no período entre 01/12/2006 00:00 UTC a 20/06/2011 23:00 UTC, representando 40% da sére de dados horáros. Nesse processo dos tpos de técncas foram usadas: (1) calbração manual, por tentatva e erro e, (2) calbração automátca mult-objetvo utlzando o algortmo MOCOM-UA (YAPO et al., 1998). A valdação do modelo fo realzada para o período entre 19/06/2000 00:00 UTC a 30/11/2006 23:00 UTC, representando cerca de 60% da sére de dados. Os resultados da calbração e valdação do modelo em termos do Coefcente de Efcênca de Nash e Sutclffe e do erro de volume foram consderados razoáves e são mostrados na Tabela 1. Informações adconas a respeto da calbração e valdação do modelo, nclundo os gráfcos de comparação entre hdrogramas observados e calculados, estão dsponíves em Meller (2012). Tabela 1 - Resultados da calbração e valdação do modelo MGB-IPH na baca hdrográfca do ro Paraopeba. Estação fluvométrca Porto do Mesquta Ponte Nova do Paraopeba Área de drenagem (km²) Calbração NS Dados de prevsão de precptação V (%) Valdação NS V (%) 10.280 0,81-3,1 0,89 3,0 5.774 0,78-6,6 0,76-11,5 A base de dados de prevsão de precptação utlzada nessa pesqusa compreende 38 saídas de modelos PNT, que se dstnguem em relação ao tpo de modelo (global ou regonal), à resolução, às parametrzações utlzadas, às condções ncas e de contorno e às perturbações do estado ncal. A organzação dessa base de dados surgu da ncatva do Laboratóro de Meteorologa Aplcada a Sstemas Regonas de Tempo (MASTER-IAG/USP <http://www.master.ag.usp.br/>) em cooperação com outras nsttuções em conduzr uma atvdade de ntercomparação entre modelos PNT (SILVA DIAS et al, 2006). A lstagem completa dos modelos PNT utlzados no trabalho podem ser encontradas em Meller (2012). As prevsões de precptação utlzadas possuem frequênca dára, dscretzação temporal de, em geral, 6h, sendo emtdas às 00:00 UTC. Essas prevsões são dsponblzadas pelo Laboratóro MASTER em pontos correspondentes às lattudes e longtudes de uma ampla rede de estações de montoramento de superfíce na Amérca do Sul. Para uso no modelo hdrológco as prevsões foram desagregadas unformemente do ntervalo de 6h para 1h, e nterpoladas pelo método do Inverso do Quadrado da Dstânca (vde MENDES & CIRILO, 2001) para os centródes das mnbacas do modelo hdrológco. 39

Prevsão de Cheas por Conjunto em Curto Prazo Fgura 3 - Mapa de localzação da baca do ro Paraopeba mostrando algumas das estações de montoramento utlzadas. Uma das característcas de EPSs formados por saídas de dferentes modelos operados por dferentes centros (também chamado de poor's man ensemble) como o MASTER, é que nem todos os membros do conjunto estão dsponíves para todas as prevsões. A ausênca de determnados membros em algumas prevsões deve-se, tpcamente, a problemas de software ou hardware nos centros que produzem as prevsões ou problemas durante o envo ou recebmento dessas nformações respectvamente pelos centros emssor ou receptor. No período consderado para realzação das prevsões de chea nessa pesqusa, o número máxmo e mínmo de membros para uma prevsão qualquer fo de, respectvamente, 36 e 4, sendo que 70% das prevsões possuem entre 31 e 36 membros. O MASTER produz anda a prevsão determnístca MSMES-M, baseada no conceto multmodel super ensemble (KRISHNAMURTI et al., 1999), onde os membros do conjunto meteorológco são combnados estatstcamente em únca prevsão, levando em conta seus desempenhos em um período de tempo 15 das anteror à prevsão. Nesse procedmento é utlzado um esquema bayesano onde os pesos dos membros utlzados são defndos em função do erro quadrátco médo de prevsões anterores, após a remoção do vés. O objetvo desse tpo de técnca é obter uma prevsão determnístca únca com desempenho superor ao da méda artmétca do conjunto ou qualquer um de seus membros. O resultado da prevsão hdrológca com a prevsão determnístca MSMES-M fo utlzado como parâmetro de referênca na avalação dos resultados das prevsões de chea por conjunto. RESULTADOS E DISCUSSÃO As prevsões de chea na estação Porto do Mesquta foram realzadas retrospectvamente no período entre ago/2008 e ma/2011, com ntervalo de tempo de 1h, horzonte de 72h e frequênca de um da, no horáro 00:00 UTC, conforme dsponbldade dos dados de prevsão de precptação. Para almentar o modelo hdrológco fo utlzado um conjunto de prevsões de precptação além da prevsão determnístca MSMES-M, usada como referênca na avalação dos resultados. Em algumas das análses são anda apresentados os resultados das prevsões com chuva zero e com chuva perfeta. A avalação dos resultados se concentrou nos três períodos chuvosos (out-abr) entre 2008 e 2011, resultando em 631 eventos de prevsão. Foram adotadas com propósto meramente nvestgatvo quatro vazões lmte de alerta, assocadas aos quants com probabldade de nãoexcedênca de 80%, 95%, 98% e 99% da sére de 40

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 Q1% Q2% Q5% Q20% Q1% Q2% Q1% Q2% Q5% Q5% Q20% Q20% Q1% Q2% Q1% Q2% Vazão (m³/s) Q5% Q20% Q5% Q20% Precptação (mm) Fgura 4 - Prevsões de chea por conjunto no período entre 13 e 17 de janero de 2011. vazões horáras. O ntuto prncpal da defnção de valores lmtes é o de avalar o desempenho das prevsões hdrológcas em eventos do tpo dcótomos, que consderam a superação ou não de determnado nível de alerta de chea. A Tabela 2 apresenta os lmtes estabelecdos e sglas utlzadas no texto. A Fgura 4 apresenta uma sequênca de 5 prevsões para o evento ocorrdo entre os das 13 e 22 de janero de 2011. No exo prncpal das abscssas aparecem, entre outros, os hdrogramas da prevsão hdrológca de todos os membros do conjunto (em cnza), o conjunto médo (em vermelho) e a 41

Prevsão de Cheas por Conjunto em Curto Prazo prevsão determnístca de referênca MSMES-H (em azul), e no exo secundáro, a prevsão de precptação méda do conjunto meteorológco sobre a baca e o 1º e 9º decs do conjunto. Tabela 2 - Vazões lmtes adotadas na avalação das prevsões de cheas. Vazão Lmte/Sgla Quantl* Vazão (m³/s) Q20% 80% 177,0 m³/s Q5% 95% 382,5 m³/s Q2% 98% 538,5 m³/s Q1% 99% 623,5 m³/s * defndo com base na sére de vazões horáras observadas na estação Porto do Mesquta no período entre 2000 e 2011. Para o evento apresentado, na ascensão do hdrograma a prevsão por conjunto apresenta um espalhamento que permte captar todas as observações ao longo do horzonte de prevsão, sendo que a méda do conjunto apresenta bons resultados, como mostram as prevsões entre os das 13 e 16 de janero de 2011. A prevsão MSMES-H também apresenta resultados razoáves, sobretudo na prevsão do da 16 de janero de 2011, no pco do evento de chea. Observa-se, anda na Fgura 4, que o espalhamento dos membros é menor nas antecedêncas ncas do horzonte de prevsão, o que tem relação com o tempo de resposta da baca. A ocorrênca de espalhamento reduzdo nessas antecedêncas ( underspread ) faz com o conjunto capte uma menor proporção das observações, um problema tpcamente relatado na lteratura (e.g. VELÁZQUEZ et al. 2009, 2011; BOUCHER et al., 2011; ALFIERI et al; 2012). Com o aumento da antecedênca, há um aumento do espalhamento do conjunto, o que permte captar uma proporção maor das observações. Na antecedênca de 72h o espalhamento é máxmo, assm como a proporção de observações captadas pelo conjunto. Na recessão do hdrograma, onde as prevsões de precptação tendem a assumr valores próxmos à zero, os membros do conjunto concordam, não havendo pratcamente espalhamento do conjunto. A Fgura 5() e () apresentam os resultados da avalação determnístca das prevsões, em termos de CP e EMQ, para a méda do conjunto hdrológco, a prevsão MSMES-H (resultante da prevsão com o produto MSMES-M) e as prevsões com chuva zero e chuva perfeta. Os resultados são analsados apenas para faxas de magntude de vazões observadas acma da Q20% (177m³/s), que representa um cenáro típco de cheas na estação Porto do Mesquta. Para as duas meddas de desempenho avaladas (Fgura 5() e ()), todas as prevsões apresentaram desempenhos smlares até a antecedênca de cerca de 30h. A partr dessa antecedênca, as prevsões de vazão com chuva perfeta e chuva zero apresentaram, respectvamente, o melhor e o por desempenho nas prevsões, como esperado. As prevsões de vazão com precptação prevsta (méda do conjunto e a prevsão MSMES-H), por sua vez, apresentaram superordade às prevsões ngênua (persstênca) e com chuva zero, prncpalmente nas maores antecedêncas, mostrando que exste benefíco pela ncorporação da prevsão de precptação na amplação do horzonte de prevsão de cheas. Na Fgura 5(), são mostrados os resultados das prevsões em termos de CP. Pode-se observar que exste benefíco de todas as prevsões sobre se prever o últmo valor observado (persstênca) a partr da antecedênca de 17h. O EMQ (Fgura 5 ()), mostra que desempenho das prevsões dmnu com o aumento da antecedênca. Observa-se anda que a prevsão MSMES-H apresenta desempenho smlar à méda do conjunto para ambas as meddas de desempenho, mostrando lgera superordade sobre essa últma nas antecedêncas próxmas do horzonte da prevsão. Na antecedênca de 72h a prevsão MSMES-H é superor a méda do conjunto em cerca 7% em termos de CP e cerca de 2% em termos de EMQ. Antecedênca Fgura 5 - Comparação dos resultados das prevsões em termos de CP e EMQ para a méda do conjunto hdrológco, a prevsão MSMES-H e as prevsões com chuva zero e com chuva perfeta, para vazões observadas acma da vazão lmte Q20%, gual 177m³/s. Em uma últma análse determnístca, o desempenho de cada um dos membros do conjunto fo comparado com a méda do conjunto para faxas de magntude de vazão acma da Q20%, através de CM. A Fgura 6 mostra os resultados dessa comparação. Observa-se nessa fgura que méda do conjunto 42

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 possu desempenho superor a maor parte dos membros (colunas em azul), apresentando resultados smlares, lgeramente nferores, às prevsões de quatro membros do conjunto (colunas em vermelho). Isso mostra que, de modo geral, exste benefíco do uso da méda do conjunto sobre a utlzação ndvdual dos membros do conjunto nas prevsões. É mportante salentar que as amostras usadas no cálculo de CM para cada membro do conjunto são dferentes, já que nem todos os modelos estão dsponíves para todas as prevsões realzadas durante o período consderado. Dessa forma, os resultados apresentados na Fgura 6 não servem para comparar o desempenho dos modelos entre s. 9º decs do conjunto (respectvamente os quadrados nferor, ntermedáro e superor no gráfco), para o conjunto médo (ponto na cor vermelha) e para a prevsão de referênca MSMES-H (ponto na cor preta). Tomando como exemplo a vazão lmte Q2% na antecedênca de 48h (Fgura 8()), o 1º, 5º e 9º decl do conjunto apresentam valores de POD, nesta ordem, de 0,73, 0,81 e 0,97 para valores correspondentes de POFD de 0,01, 0,01 e 0,03. A prevsão determnístca MSMES-H apresenta valores de POD e POFD, respectvamente, de 0,73 e 0,01. A méda do conjunto, por sua vez, apresenta valores de POD e POFD de, respectvamente, de 0,81 e 0,01. Percebe-se, que a utlzação de quants superores do conjunto, representados pelo 9º decl, permte aumentar POD de 0,73 da prevsão MSMES-H para 0,97, em detrmento de um pequeno aumento do valor de POFD, de 0,01 para 0,03. A utlzação do 9º decl mostra benefíco em relação aos demas decs e mesmo sobre a méda do conjunto. Para as prevsões que consderam as demas vazões lmtes, a vantagem pelo uso do 9º decl se mantém, embora o benefíco seja um pouco menor. Fgura 6 - Comparação dos resultados das prevsões entre os membros do conjunto hdrológco e o conjunto médo através de CM, para vazões observadas acma da vazão lmte Q20%, gual 177m³/s. As colunas na cor azul ndcam melhor desempenho da méda do conjunto. As colunas em vermelho ndcam melhor desempenho do membro do conjunto avalado. A Fgura 7 apresenta dagramas de dspersão das prevsões, onde são grafcados os pares vazão observada versus vazão prevsta, para todos os membros do conjunto, nas antecedêncas de 12, 24, 48 e 72h. De modo geral, observa-se uma superestmatva das prevsões, que aumenta com a antecedênca, sobretudo para faxas de magntude de vazões observadas acma de 600m³/s. Observa-se anda uma maor dspersão ou espalhamento dos membros do conjunto do conjunto para maores antecedêncas. As Fguras 8 e 9 apresentam o Dagrama ROC, para todas as vazões lmte, nas antecedêncas de 48 e 72h. Nessas fguras são apresentados os resultados em termos de POD e POFD para o 1º, 5º e Fgura 7 - Vazões observadas versus vazões prevstas para os períodos chuvosos (out-abr) entre 2008 e 2011, nas antecedêncas de 12, 24, 48 e 72h. Para a antecedênca de 72h (Fgura 9), a prevsão por conjunto dada pelo 9º decl apresenta resultados superores a todas outras prevsões, part- 43

Prevsão de Cheas por Conjunto em Curto Prazo cularmente para as vazões lmtes Q2% e Q1% (Fgura 9() e (v)), consderadas mas mportantes no contexto de prevenção de cheas. No caso das prevsões que consderam a vazão lmte Q2% (Fgura 9()), é possível aumentar os valores de POD de 0,61 da prevsão MSMES-H para 0,95 com o uso no 9º decl da prevsão por conjunto, em detrmento de um aumento de POFD de 0,01 para 0,05. De manera análoga, para as prevsões que consderam a Q1% como lmte (Fgura 9(v)), é possível elevar o valor de POD de 0,79 para 0,95 com um aumento de POFD de 0,01 para 0,05. Em resumo, os resultados obtdos das análses envolvendo prevsões de eventos do tpo dcótomos são consderados satsfatóros e mostram que exste benefíco pelo uso os quants superores do conjunto em relação ao uso de prevsões determnístcas. Resultados semelhantes foram obtdos por Komma et al. (2007) e Threl et al. (2010). prevsões de precptação. Como parâmetro de referênca nas análses, fo utlzada uma prevsão hdrológca determnístca (MSMES-H), obtda a partr do uso de uma prevsão de precptação únca resultante da composção ótma de saídas de dferentes modelos meteorológcos, denomnada MSMES-M. A análse dos resultados das prevsões de chea fo realzada para três períodos chuvosos (outabr) entre os anos de 2008 e 2011. As prevsões por conjunto foram avaladas através de uma representação determnístca, consderando a méda do conjunto hdrológco, assm como através de uma representação probablístca, através do Dagrama ROC. As prevsões foram realzadas com ntervalo de tempo horáro e horzonte de 72h. Fgura 8 - Dagrama ROC para a antecedênca de 48h. Os quadrados nferor, ntermedáro e superor representam respectvamente, o 1º, 5º e 9º decs do conjunto. Os pontos em vermelho e preto representam, respectvamente, o conjunto médo e a prevsão de referênca MSMES-H. CONCLUSÕES Nesse trabalho é proposta e avalada uma metodologa para prevsão de cheas por conjunto, que utlza a modelagem hdrológca concetual com o modelo MGB-IPH assocada a um conjunto de Fgura 9 - Dagrama ROC para a antecedênca de 72h. Os quadrados nferor, ntermedáro e superor representam respectvamente, o 1º, 5º e 9º decs do conjunto. Os pontos em vermelho e preto representam, respectvamente, o conjunto médo e a prevsão de referênca MSMES-H. Na avalação determnístca, a méda do conjunto hdrológco apresentou resultados smlares aos obtdo com a prevsão determnístca de referênca, embora tenha apresentado benefíco sgnfcatvo em relação a maor parte dos membros do conjunto. As prevsões com precptação prevsta (méda do conjunto e a prevsão MSMES-H) apresentaram anda superordade em relação às prevsões ngênua (persstênca) e com chuva zero, prncpalmente nas maores antecedêncas, mostrando que exste benefíco pela ncorporação da prevsão 44

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 de precptação na amplação do horzonte de prevsão de cheas. A avalação das prevsões de chea por conjunto, por sua vez, mostrou a exstênca de uma superestmatva dos membros em relação às observações. Observou-se anda que o espalhamento entre os membros é menor nas antecedêncas ncas do horzonte de prevsão, o que tem relação com o tempo de resposta da baca. Nessas antecedêncas, o conjunto captou uma menor proporção das observações. Com o aumento da antecedênca, houve um aumento no espalhamento do conjunto, o que permtu captar uma proporção maor das observações. Na comparação dos resultados das prevsões em eventos do tpo dcótomos, que consderam a superação ou não de vazões lmtes de alerta, o 9º decl das prevsões por conjunto mostrou superordade em relação à prevsão determnístca de referênca e mesmo a méda do conjunto, sendo possível obter, na maor parte dos casos analsados, um aumento sgnfcatvo na proporção de eventos corretamente prevstos mantendo as taxas de alarmes falsos em níves reduzdos. Esse benefíco fo, de modo geral, maor para maores antecedêncas e vazões lmtes, que são as stuações mas mportantes num contexto de prevenção de cheas. Acredta-se, com base nos resultados obtdos nessa pesqusa, que a utlzação da abordagem probablístca representa uma perspectva promssora na detecção e antecpação de cheas, apresentando benefíco sobre prevsões determnístcas, sobretudo em prevsões de eventos do tpo dcótomos, mportantes na emssão de alertas de cheas. Possíves lnhas de nvestgação que surgem como perspectva futura e complementar a essa pesqusa são: avalação de abordagens que consderem outras fontes de ncerteza nas prevsões de chea por conjunto, tas como ncertezas nas condções ncas do modelo hdrológco ou em sua estrutura/parâmetros, ou anda o uso de métodos para correção de erros sstemátcos e do espalhamento do conjunto nos dados de entrada (e.g. prevsões de precptação) ou nos resultados da prevsão de vazões; avalação de Sstemas de Prevsão por Conjunto (EPSs) que possuam maor resolução temporal/espacal e com um maor número de membros. nvestgação dos benefícos assocados ao uso das prevsões de chea por conjunto na otmzação da operação de reservatóros. AGRADECIMENTOS Os autores agradecem a Amaur Slva pela atenção em dsponblzar e drmr as dúvdas a respeto das prevsões de precptação utlzadas. O prmero autor agradece a Agênca Naconal de Águas pela concessão de lcença para doutorado. No estudo foram utlzados dados hdrológcos dsponblzados pela Cemg no âmbto do projeto de pesqusa P&D-353 nttulado Desenvolvmento de Sstema de Prevsão de Vazões com Base na Integração de Sstema de Telemetra a Modelos Hdrológcos e de Prevsão Clmátca. REFERÊNCIAS ALFIERI, L.; THIELEN, J. & PAPPENBERGER, F. Ensemble hydro-meteorologcal smulaton for flash flood early detecton n southern Swtzerland. Journal of Hydrology, v.424 425, p.143 153, 2012. ANDEL, S.J.V.; WEERTS, A.; SCHAAKE, J. & BOGNER, K. Post-processng hydrologcal ensemble predctons ntercomparson experment. Hydrologcal Processes. Accepted Artcle, 2012. BACCHI, B. & RANZI, R. Hydrologcal and meteorologcal aspects of floods n the Alps: an overvew. Hydrology and Earth System Scences, 7(6), p.784-798, 2003. BAO, H.-J; ZHAO, L.-N., HE, Y; LI, Z.-J.; WETTERHALL, F.; CLOKE, H. L.; PAPPENBERGER, F. & MANFUL, D. Couplng ensemble weather predctons based on TIGGE database wth Grd-Xnanjang model for flood forecast. Adv. Geosc., 29, p.61 67, 2011. BOUCHER, M.A.; ANCTIL, F.; PERREAULT, L.; TREMBLAY, D. A comparson between ensemble and determnstc hydrologcal forecasts n an operatonal context. Advances n Geoscences, 29, p.85-94, 2011. BROWN, J.D. Ensemble verfcaton refresher. Second Verfcaton Workshop, CBRFC, 11/18/08, 2008. BROWN, J.D. & SEO, D. A Nonparametrc Postprocessor for Bas Correcton of Hydrometeorologcal and Hydrologc Ensemble Forecasts. Journal of Hydrometeorology, v. 11, p.642-665, 2010. CALVETTI, L. Prevsão hdrometeorológca probablístca na 45

Prevsão de Cheas por Conjunto em Curto Prazo Baca do Alto Iguaçu-PR com os modelos WRF e TopModel. Tese de Doutorado. Insttuto de Astronoma, Geofísca e Cêncas Atmosfércas. Unversdade Federal de São Paulo, 141p, 2011. CASTANHARO, G.; GIBERTONI, R.F.C.; MÜLLER, I.I.; AN- DRIOLO, M.V.; KAVISKI, E.; GUILHON, L.G.F. & ROCHA, V.F. Prevsão de Vazões na Baca do Ro Iguaçu Baseada no Modelo SMAP e com Incorporação de Informações de Precptação. RBRH Revsta Braslera de Recursos Hídrcos, v.12, n.3 Jul/Set 2007, p.57-68, 2007. CLOKE, H.L. & PAPPENBERGER, F. Ensemble flood forecastng: A revew. Journal of Hydrology, v.375, Issues 3 4, p.613 626, 2009. COLLISCHONN, W. Smulação Hdrológca de Grandes Bacas. Tese de Doutorado. Unversdade Federal do Ro Grande do Sul/Insttuto de Pesqusas Hdráulcas. 277p, 2001. COLLISCHONN, W.; TUCCI, C.E.M.; CLARKE, R.T,; CHOU, S.C.; GUILHON, L.G.; CATALDI, M.; ALLASIA, D. Medumrange reservor nflow predctons based on quanttatve precptaton forecasts. Journal of Hydrology, v.344, p. 112-122, 2007. COLLISCHONN, W.; TUCCI, C.E.M.; CLARKE, R.T.; CORBO, M.D.; SILVA, B.C.; COLLISCHONN, B.; ALLASIA, D. & PAZ, A.R. Modelo Hdrológco Dstrbuído para Prevsão de Vazões Incrementas na Baca do Ro Paranaíba entre Itumbara e São Smão. RBRH Revsta Braslera de Recursos Hídrcos, v.12, n.3 Jul/Set 2007, p.43-55, 2007. COMET Introducton to verfcaton forecasts - On-lne course. The Cooperatve Program for Operatonal Meteorology, Educaton and Tranng. Unversty Corporaton for Atmospherc Research's (UCAR's). Dsponível em <https://www.meted. ucar.edu/>, 2008. Acessado em 2008. COUTINHO, M.M. Prevsão por conjuntos utlzando perturbações baseadas em componentes prncpas. Dssertação (Mestrado em Meteorologa) Insttuto Naconal de Pesqusas Espacas, São José dos Campos, 136p., 1999. DANCE, S.L. & ZOU, Q.P. Ensembles, uncertanty and flood predcton. Hydrol. Earth Syst. Sc. Dscuss., 7, p.3591-3611, 2010. DAVOLIO, S.; MIGLIETTA, M.M.; DIOMEDE, T.; MARSIGLI, C.; MORGILLO, A. & MOSCATELLO, A. A meteo-hydrologcal predcton system based on a mult-model approach for precptaton forecastng, Nat. Hazards Earth Syst. Sc., 8, p.143-159, 2008. DEMERITT, D.; CLOKE, H.; PAPPENBERGER, F., THIELEN, J.; BARTHOLMES, J. & RAMOS, M.-H. Ensemble predctons and perceptons of rsk, uncertanty, and error n flood forecastng. Envronmental Hazards, 7, p.115 127, 2007. DIETRICH, J.; SCHUMANN, A.H.; REDETZKY, M.; WALTHER, J.; DENHARD, M.; WANG, Y.; PFUTZNER, B.; BUTTNER, U. Assessng uncertantes n flood forecasts for decson makng: prototype of an operatonal flood management system ntegratng ensemble predctons. Nat. Hazards Earth Syst. Sc., 9, p.1529 1540, 2009. EBERT, E.E. Ablty of a Poor Man s Ensemble to Predct the Probablty and Dstrbuton of Precptaton. Monthly Weather Revew, v.129, p.2461-2480, 2000. EVA, H.D.; BELLA, C.M.; GOND, V.; HUBER, O.; SGRENZAROLI, M.; JONES, S.; COUTINHO, A.; DORADO, A.; GUIMARÃES, M.; ELVIDGE, C.; ACHARD, F; BELWARD, A.S.; BARTHOLOMÉ, E.; BARALDI, A.; DE GRANDI, G.; VOGT, P.; FRITZ, S. E HARTLEY, A. A vegetaton Map of South Amerca. EU 20159, European Comsson, Luxembourg, 2002. FARR, T.G., CARO, E., CRIPPEN, R., DUREN, R., HENSLEY, S., KOBRICK, M., PALLER, M.,RODRIGUEZ, E., ROSEN, P., ROTH, L., SEAL, D., SHAFFER, S., SHIMADA, J., UMLAND, J.,WERNER, M., BURBANK, D., OSKIN, M., AND ALSDORF, D. The shuttle radar topography msson. Revews of Geophyscs, 45(2), 2007 GUILHON, L.G.F.; ROCHA, V.F. & MOREIRA, J.C. Comparação de Métodos de Prevsão de Vazões Naturas Afluentes a Aprovetamentos Hdroelétrcos. RBRH Revsta Braslera de Recursos Hídrcos, v.12, n.3 Jul/Set 2007, p.13-20, 2007. GOUWELEEUW, B. T., THIELEN, J., FRANCHELLO, G., DE ROO, A. P. J., & BUIZZA, R. Flood forecastng usng medumrange probablstc weather predcton, Hydrol. Earth Syst. Sc., v.9, p.365 380, 2005. HABETS, F.; LEMOIGNE, P. & NOILHAN, J. On the utlty of operatonal precptaton forecasts to serve as nput for streamflow forecastng. Journal of Hydrology, n.293, p.270-288, 2004. HAPUARACHCHI ; H.A.P.; Q. J. WANG; PAGANO, T. C. A revew of advances n flash flood forecastng. Hydrologcal Processes, v.25, p.2771 2784, 2011. HE, M.; HOGUE, T.S.; MARGULIS, S.A. & FRANZ, K.J. An ntegrated uncertanty and ensemble-based data assmlaton approach for mproved operatonal streamflow predctons. Hydrol. Earth Syst. Sc., 16, p.815 831, 2012. 46

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 IBGE-Insttuto Braslero de Geografa e Estatístca. Mapa de Clmas do Brasl, 2002. Dsponível em <ftp://geoftp.bge. gov.br/mapas_tematcos/mapas_muras/>. Acessado em outubro de 2012. KITANIDIS, P.K. & BRAS, R.L. Real tme forecastng wth a conceptual hydrologc model 2: applcatons and results. Water Resources Research, 16 (6), p.1034 1044, 1980. KOMMA, J.; RESZLER, C.; BLOSCHL, G. & HAIDEN, T. Ensemble predcton of floods catchment non-lnearty and forecast probabltes. Nat. Hazards Earth Syst. Sc., 7, p.431 444, 2007. KOUWEN, N.; SOULIS, E.D.; PIETRONIRO, A.; DONALD, J.; HARRINGTON; R.A. Grouped Response Unts for Dstrbuted Hydrologc Modelng. Journal of Water Resources Plannng and Management, v. 119, n.3, p.289-305, 1993. KRISHNAMURTI, T.N.; KISHTAWAL,C.M.; LAROW, T.E.; BACHIOCHI, D.R.; ZHANG, Z.; WILLIFORD, C.E.; GADGIL, S. & SURENDRAN, S. Improved Weather and Seasonal Clmate Forecasts from Multmodel Superensemble. Scence, v.285, p.1548-1550, 1999. LORENZ, E.N. Three approaches to atmospherc predctablty. Bull. Amer. Meteor. Soc., v.50, p.345-351, 1969. MACHADO, L.H.R.; MENDONÇA, A.M.; MENDONÇA, R.W.B. & BONATTI, J.P. Impacto da utlzação de prevsões defasadas no sstema de prevsão de tempo por conjunto do CP- TEC/INPE. Revsta Braslera de Meteorologa, v.25, n.1, 54-69, 2010. MELLER, A. Prevsão de Cheas por Conjunto em Curto Prazo. Tese de Doutorado. Unversdade Federal do Ro Grande do Sul/Insttuto de Pesqusas Hdráulcas. 224p, 2012. Dsponível em < http://www.lume.ufrgs.br/>. MENDES, C.A. & CIRILO, J.A. Geoprocessamento em recursos hídrcos: Prncípos, ntegração e aplcação. ABRH, Porto Alegre, 536p., 2001. MOORE, R.J.; BELL, V.A. & JONES, D.A. Forecastng for flood warnng. Comptes Rendus Geoscence, v.337, ssue 1, p.203-217, 2005. NOBERT, S., DEMERITT, D. & CLOKE, H. Informng operatonal flood management wth ensemble predctons: lessons from Sweden. Journal of Flood Rsk Management, 3, p.72 79, 2010. PAIVA, R.C.D. Modelagem hdrológca e hdrodnâmca de grandes bacas. Estudo de caso: Baca do Ro Solmões. Dssertação de Mestrado. Unversdade Federal do Ro Grande do Sul/Insttuto de Pesqusas Hdráulcas, 168 p, 2009. PAPPENBERGER, F.; BARTHOLMES, J.; THIELEN, J.; CLOKE, H.L.; BUIZZA, R. & DE ROO; A. New dmensons n early flood warnng across the globe usng grand-ensemble weather predctons. Geophyscal Research Letters, v.35, 7p., 2008. PAZ, A.R.; COLLISCHONN, W.; TUCCI, C.E.M.; CLARKE, R.T. & ALLASIA, D. Data Assmlaton n a large-scale dstrbuted hydrologcal model for medum-range flow forecasts. In: Proceedngs of Symposum HS2004 at IUGG2007, Peruga, July 2007. IAHS Publ. 313, p.471-478, 2007. PLATE, E. Early warnng and flood forecastng for large rvers wth the lower Mekong as example. Journal of Hydroenvronment Research, v.1, Issue 2, p.80-94, 2007. ROSSA, A., LIECHTI, K., ZAPPA, M., BRUEN, M., GERMANN, U.,HAASE, G., KEIL, C. & KRAHE, P. The COST 731 acton: a revew on uncertanty propagaton n advanced hydrometeorologcal forecast systems, Atmos. Res., v.100, p.150 167, 2011. ROTACH, M. W.; ARPAGAUS, M.; DORNINGER, M.; HEGG, C.; MONTANI, A. & RANZI, R. Uncertanty propagaton for flood forecastng n the Alps: dfferent vews and mpacts from MAP D-PHASE. Nat. Hazards Earth Syst. Sc., p.2439 2448, 2012. SILVA, B.C.; COLLISCHONN, W.; TUCCI, C.E.M.; CLARKE, R.T. & CORBO, M.D. Prevsão Hdroclmátca de Vazão de Curto Prazo na Baca do Ro São Francsco. RBRH Revsta Braslera de Recursos Hídrcos, v.12, n.3 Jul/Set 2007, p.31-41, 2007. SILVA DIAS, P.L.; MOREIRA, D.S. & DOLIF NETO, G. The Master Super Model Ensemble System (MSMES). Proceedngs of 8 ICSHMO, Foz do Iguaçu, Brazl, Aprl 24-28, p.1751-1757, 2006. SCHAAKE, J.; FRANZ, K.; BRADLEY, A. & BUIZZA, R. The Hydrologc Ensemble Predcton EXperment (HEPEX). Hydrol. Earth Syst. Sc. Dscuss., 3, p.3321 3332, 2006. SCHELLEKENS, J.; WEERTS, A.H.; MOORE, R.J.; PIERCE, C.E. & HILDON, S. The use of MOGREPS ensemble ranfall forecasts n operatonal flood forecastng systems across England and Wales. Adv. Geosc., 29, p.77 84, 2011. SHUTTLEWORTH, W.J. Evaporaton.. In: Handbook of Hydrology, edtor: Davd Madment, McGraw-Hll, New York, 1993. 47

Prevsão de Cheas por Conjunto em Curto Prazo THIELEN, J.; BARTHOLMES, J.; RAMOS, M.-H. & DE ROO, A. The European flood alert system Part 1: concept and development. Hydrology and Earth System Scences, 13 (2), p.125 140, 2009. THIEMIG, V.; PAPPENBERGER, F.; THIELEN, J.; GADAIN, H.; DE ROO, A.; BODIS, K.; DEL MEDICO, M. & MUTHUSI, F. Ensemble flood forecastng n Afrca: a feasblty study n the Juba Shabelle rver basn. Atmos. Sc. Let., p.123 131, 2010. THIREL, G.; MARTIN, E.; MAHFOUF, J.-F.; MASSART, S.; RICCI, S.; REGIMBEAU, F. & HABETS, F. A past dscharge assmlaton system for ensemble streamflow forecasts over France Part 2: Impact on the ensemble streamflow. Hydrol. Earth Syst. Sc., 14, p.1639 1653, 2010. VELÁZQUEZ, J.A.; PETIT, C.; LAVOIE, A.; BOUCHER, M.-A., TURCOTTE, R.; FORTIN, V. & ANCTIL, F. An evaluaton of the Canadan global meteorologcal ensemble predcton system for short-term hydrologcal forecastng. Hydrol. Earth Syst. Sc., 13, p.2221 2231, 2009. VELÁZQUEZ, J.A.; ANCTIL, F.; RAMOS, M.H. & PERRIN, C. Can a mult-model approach mprove hydrologcal ensemble forecastng? A study on 29 French catchments usng 16 hydrologcal model structures. Adv. Geosc., 29, p.33 42, 2011. VERBUNT, M.; WALSER, A.; GURTZ, J.; MONTANI, A.; SCHÄR, C. Probablstc runoff forecastng wth lmted-area ensemble predcton system: selected case studes. Journal of Hydrometeorology, p.897-909, 2007. VOISIN, N., PAPPENBERGER, F.; LETTENMAIER, D.P.; BUIZZA, R. & SCHAAKE, J.C. Applcaton of a Medum-Range Global Hydrologc Probablstc Forecast Scheme to the Oho Rver Basn. Wea. Forecastng, 26, p.425 446, 2011. XUAN, Y.; CLUCKIE, I.D. & WANG, Y. Uncertanty analyss of hydrologcal ensemble forecasts n a dstrbuted model utlsng short-range ranfall predcton. Hydrolology and Earth Systems Scences, 13, p.293 303, 2009. YAPO, P.O.; GUPTA, H.V. & SOROOSHIAN, S. Multobjectve global optmzaton for hydrologc models. Journal of Hydrology, v.204, ssues 1-4, p. 83-97, 1998. YOUNIS, J.; RAMOS, M.-H.; THIELEN, J. EFAS forecasts for the March Aprl 2006 flood n the Czech part of the Elbe Rver Basn a case study. Atmospherc Scence Letters, 9, p.88 94, 2008. ZALACHORI, I.; RAMOS, M.-H.; GARÇON, R.; MATHEVET, T. & GAILHARD, J. Statstcal processng of forecasts for hydrologcal ensemble predcton: a comparatve study of dfferent bas correcton strateges. Advances n Scence & Research, v. 8, p.135-141, 2012. ZAPPA, M; JAUN, S.; GERMAN, U.; WALSER, A. & FUNDEL, F. Superposton of three sources of uncertantes n operatonal flood forecastng chans. Atmospherc Research, 100, p.246 262, 2011. WERNER, M., REGGIANI, P.; DE ROO, A.; BATES, P. & SPROKKEREEF, E. Flood Forecastng and Warnng at the Rver Basn and at the European Scale. Natural Hazards, v.36, p.25-42, 2005. WILKS, D.S. Statstcal Methods n the Atmosphere Scences. Academc Press, 2º ed., 627p. 2006. Short Term Ensemble Flood Forecastng ABSTRACT The forecastng and ssung of early warnngs are a key element to prevent the mpact of flood events. An alternatve to extend the forecastng horzon s the use of ranfall-runoff modelng coupled wth precptaton forecasts derved from numercal weather predcton (NWP) models. The present research assesses the performance of short term ensemble flood forecastng n a medum sze tropcal basn, based on data and streamflow forecastng tools avalable n operatonal mode n Brazl. The Paraopeba Rver basn (12,150 km²), located n the upper porton of the São Francsco Rver basn, n Southeastern Brazl, was selected as a case study. The proposed methodology used the MGB-IPH hydrologcal model coupled to an ensemble of precptaton forecasts generated by several NWP models wth dfferent ntal condtons and parameterzatons. The results are several scenaros of streamflow forecasts. A sngle determnstc streamflow forecast, based on a quanttatve precptaton forecast derved from the optmal combnaton of several outputs of NWP models, was used as a reference to assess the performance of the streamflow ensemble forecasts. The results of the ensemble flood forecastng were assessed by determnstc and probablstc performance measures, wth the ensemble mean beng used by the former, and specfc assessment measured by the latter. Based on the determnstc assessment, the ensemble mean showed smlar results to those obtaned by the determnstc reference forecast, although presentng a better performance over most of the ensemble members. Based on the probablstc performance measures, results for predctons of dchotomous events whch consder whether warmng lmt flows are surpassed or not, showed that the 48

RBRH Revsta Braslera de Recursos Hídrcos Volume 19 n.3 Jul/Set 2014, 33-49 9th decle of the ensemble was superor to the determnstc forecast and even the ensemble mean. In most cases, an ncrease was observed n the proporton of correctly forecasted events whle keepng false alarm rates at low levels. Ths beneft was generally hgher for hgher flow thresholds and for longer lead tmes, whch are the most mportant parameters for flood mtgaton. Key-words: ensemble flood forecastng, quanttatve precptaton forecast, hydrologc modelng. 49