Contribuições de estimativas de sensoriamento remoto para a modelagem de múltiplas variáveis hidrológicas
Year: 2020
Type: dissertation
Abstract: Modelos hidrológicos são ferramentas importantes para diversas aplicações: sistemas de previsão, gestão de recursos hídricos, avaliação de impactos de mudanças climáticas, entre outras. Em geral, a calibração dos parâmetros de modelos é realizada com observações de vazão. No entanto, conjuntos de parâmetros resultantes da calibração com apenas uma variável (e.g., vazão) podem comprometer a correta representação de outras variáveis do ciclo hidrológico, em função de compensações nos parâmetros, de forma que o modelo estaria “acertando pelos motivos errados”. Uma alternativa é a calibração com múltiplas variáveis estimadas por sensoriamento remoto (SR). Estudos anteriores demonstraram o potencial desta técnica para melhorar estimativas de vazão, mas não analisaram em muita profundidade as outras variáveis do ciclo hidrológico. Neste estudo, um modelo de base física (MGB) é calibrado através do algoritmo de otimização multi-objetivo (MOCOM-UA), com vazão, mas também com estimativas de sensoriamento remoto de níveis (Jason-2), áreas inundadas (ALOS-PALSAR), anomalias no armazenamento de água (TWS, GRACE), evapotranspiração (ET, MOD16) e umidade do solo (SMOS). O método é testado para uma área de estudo no rio Purus, na Amazônia, e então replicado de forma simplificada para outras 3 áreas de estudo no Brasil, representativas de diferentes regimes hidro-climáticos. Resultados indicam que em alguns casos a calibração com variáveis de SR melhorou estimativas de vazão, e que evapotranspiração foi a variável que ofereceu mais contribuições às estimativas de vazão. Para a estimativa de outras variáveis do ciclo hidrológico, em alguns casos a calibração com uma variável melhorou a estimativa de outras, mas nem sempre, indicando que observações apresentam incertezas, ou que a estruturação ou parametrização do modelo está incorreta. Dentre as quatro regiões de estudo, o modelo mais consistente (i.e., calibração com uma variável resulta em melhora das outras) é o do rio Piquiri, no bioma Mata Atlântica, seguido pela bacia do bioma amazônico (Purus), Cerrado (Araguaia) e Caatinga (Pardo). Em geral, o modelo convergiu para diferentes conjuntos de parâmetros, dependendo da variável de calibração. Isto salienta que, a depender da variável de calibração, o modelo “acerta por motivos diferentes”. A abordagem de utilizar diferentes variáveis estimadas por SR se mostrou útil para fortalecer uma modelagem mais realística de variáveis hidrológicas (além de vazão).
Author: Aline Meyer Oliveira
Language: Portuguese
Subfield: Water Science and Technology
Field: Environmental Science
Domain: Physical Sciences
Keywords: multi-objective model calibration, remote sensing data, water balance, evapotranspiration, water storage anomalies, grace, flood inundation, soil moisture, water level, Purus River, Amazon, hydrological modeling, parameter compensation, water resources management, climate change impacts on water resources, water resources forecasting
Open Access status: green
Award: G29316538
OpenAlex ID: W3205178316
