Regionalização bayesiana de vazões mínimas em condições de não estacionariedade

• Autor(a) principal: Júlio César Lôbo Sampaio
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/51160; https://orcid.org/0000-0002-3649-6250)
• topic: Modelo hierárquico Bayesiano; Regionalização; Vazão mínima; Não estacionariedade; Engenharia sanitária; Recursos hídricos - Desenvolvimento; Teoria bayesiana de decisão estatística; Secas

A água tem se tornado cada vez mais um ativo de interesse para a sociedade devido ao aumento da demanda hídrica. A gestão de recursos hídricos, por meio de estabelecimentos de outorga, torna-se uma ferramenta importante para evitar conflitos e garantir o uso sustentável da água. O sistema de monitoramento de vazões é limitado a poucos postos de medição e, portanto, hidrólogos frequentemente recorrem a técnicas de regionalização para fazer estimativas em bacias não monitoradas. Nesse contexto, estimativas regionais de vazões mínimas de referência, indicadores para outorgas, e sua incerteza preditiva tornam-se objeto de interesse. Este estudo visou desenvolver um modelo hierárquico Bayesiano para regionalização de vazões mínimas condicionado à covariáveis temporais, no caso, à temperatura da superfície do mar (TSM) e avaliar os benefícios dessa abordagem frente a um modelo estacionário de referência. Partindo de um modelo estacionário mais simples, sob a hipótese de independência espacial dos parâmetros e de independência condicional das observações, a representação da variabilidade espacial do modelo foi inicialmente capturada por meio de covariáveis espaciais. Posteriormente, foram investigados os possíveis ganhos na predição por meio do aprofundamento da descrição espacial sob os dados e sob o processo. Em seguida, a TSM foi introduzida no nível do processo do modelo sob a forma de um índice climático customizado, inferido a partir de um campo de valores de TSM. Foram elaborados modelos que avaliassem a inclusão do índice climático customizado nos parâmetros da distribuição de probabilidade empregada. O modelo foi aplicado na bacia do rio Itajaí-Açu (SC) e na bacia do rio Doce (MG/ES). Os resultados mostraram que o modelo não estacionário apresentou melhor desempenho, em termos do critério DIC, do que o modelo estacionário de referência e que os quantis estimados (como a Q7,10) são fortemente influenciados pela variabilidade climática. Além disso, uma descrição mais complexa da dependência espacial do processo traz benefícios para a predição em regiões densamente monitoradas, enquanto a interdependência nas observações dos dados, quando considerada, pode também trazer benefícios para a predição.