Modelagem hidrossedimentológica em escala espacial e temporal na bacia do Alto Paraguai utilizando redes neurais artificiais

• Ano de defesa: 2019
• Autor(a) principal: Campos, Juliana Andrade
• Orientador(a): Pedrollo, Olavo Correa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Concentração de sedimentos; Hidrossedimentologia; Redes neurais artificiais; Modelos hidrológicos; Paraguai, Rio; Pantanal; Cuiabá, Rio (MT)
• Link de acesso: http://hdl.handle.net/10183/194877

A estimativa da concentração de sedimentos em suspensão (CSS) em bacias hidrográficas é uma importante ferramenta de auxílio à elaboração de projetos de engenharia e na gestão dos recursos hídricos. A natureza complexa verificada nas relações hidrossedimentológicas pode ser modelada por meio de técnicas capazes de ajustar relações altamente não lineares, tais como a redes neurais artificias (RNA), que são um tipo de inteligência artificial bastante explorado no âmbito das ciências ambientais. Neste estudo, objetivou-se desenvolver diversas RNAs para predizer a CSS na bacia do Alto Paraguai, a partir de duas abordagens de modelagem, sendo elas: espacial e temporal, e que deram origem a dois artigos. No primeiro artigo, foi empregada uma abordagem espacial para contornar a escassez de dados observados na bacia do Alto Paraguai, utilizando 23 estações com dados de CSS. Foram testados como entradas do modelo dados de turbidez, vazão, tipo de solo, uso e ocupação do solo, área de drenagem, declividade média da bacia, chuva e médias móveis ponderadas exponencialmente das chuvas passadas (EWMA). O modelo em que nenhuma variável de entrada foi descartada (M01) obteve um coeficiente de Nash-Sutcliffe (NS) igual a 0,835 no treinamento e 0,794 na verificação. O modelo alternativo (M19), porém, em que foram desconsideradas as variáveis cuja correlação com sedimentos não foi significativa, considerando o nível de significância de 5%, obteve o melhor desempenho (NS igual a 0,856 no treinamento e 0,832 na verificação). No segundo artigo, as RNAs foram utilizadas para estimar a CSS, de forma temporal e pontual, na estação fluviométrica de Cuiabá. Utilizou-se como entradas dos modelos dados de níveis da própria estação fluviométrica, dados de chuvas pontuais oriundos da estação pluviométrica de Cuiabá e dados de chuvas totais na bacia, obtidos do produto de precipitações MERGE, que agrega informações de diversos postos pluviométricos, acrescido de informações obtidas por satélites. Todas as variáveis de entrada são diárias, assim, as estimativas da CSS feitas pelos modelos pontuais desenvolvidos também são diárias, possibilitando a obtenção de séries mais longas da CSS na estação fluviométrica de Cuiabá, que, atualmente, dispõe de 80 registros desta variável. A baixa disponibilidade de dados de CSS na estação fluviométrica de Cuiabá inviabiliza o uso da validação cruzada, e, por isso, os modelos de RNA do segundo artigo foram treinados com uma técnica de validação por reamostragem, na qual menos registros são necessários para evitar o superajustamento da rede. Os resultados dos modelos foram satisfatórios, sendo que o melhor modelo, cujas entradas foram selecionadas a partir de um critério de exclusão de variáveis redundantes, baseado nas correlações de Spearman maior que 0,99, obteve o melhor desempenho, com coeficiente de Nash-Sutcliffe de NS = 0,777 no treinamento e NS = 0,776 na verificação. Verificou-se nesta pesquisa que é possível estabelecer uma relação entre a CSS e as ocorrências recentes de chuvas e de níveis, para uma seção fluvial com dados suficientes. Quando não existem dados suficientes em uma única seção, porém, ainda é possível produzir modelos para a estimativa de CSS, a partir da abordagem regional, desde que se disponha de dados de turbidez, e inserindo características físicas do ponto de interesse.