Uso de dados não sistemáticos para calibração hidrodinâmica do modelo MGB : estudo de caso da região do Vale do Rio Taquari (RS) para a inundação de julho de 2020

• Autor(a) principal: Giordani, Bruna Baggio
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/268388
• topic: Modelos hidrológicos; Calibração; Modelo MGB-IPH; Inundações; Vídeo; Vale do Taquari, Região (RS); Floods; MGB; Citizen science; Taquari-Antas river basin; Vale do Taquari

Diversas cidades do Vale do Taquari, região que integra a bacia hidrográfica do rio Taquari-Antas, a qual se localiza a nordeste do estado do Rio Grande do Sul, Brasil, frequentemente são atingidas por inundações ribeirinhas que causam grandes impactos socioeconômicos. Um dos eventos mais críticos de inundação registrados na região é o de julho de 2020, que foi ocasionado por episódios de chuvas intensas ocorridos no estado. Em paralelo à esta informação, ressalta-se que calibração de modelos hidrológicos-hidrodinâmicos para condições extremas, como é o caso do evento de inundação mencionado, é dificultada por inúmeros motivos, sendo o principal a falta de dados provenientes de monitoramento fluviométrico ou sensoriamento remoto. Neste sentido, a coleta de dados baseada em informações disponibilizadas por cidadãos, ou seja, dados não sistemáticos, vem ganhando espaço. Com a disseminação rápida dos smartphones, aliada ao elevado número de usuários hospedados em plataformas online de compartilhamento de vídeos e em redes sociais, a disponibilização de dados coletados por cidadãos, também chamada de “ciência cidadã”, acontece de forma praticamente simultânea à ocorrência de um evento de inundação, o que permite a utilização destes dados para calibrar os modelos nestas condições. Assim, este trabalho teve como objetivo principal utilizar dados não sistemáticos para calibrar o módulo hidrodinâmico do modelo MGB, tendo como estudo de caso a região do Vale do Taquari e a inundação ocorrida em julho de 2020. A primeira etapa do estudo consistiu em selecionar vídeos e imagens disponíveis em redes sociais e plataformas de compartilhamento de vídeos. Em seguida, foi calibrado o coeficiente de Manning do modelo e comparadas as manchas de inundação simuladas com os pontos demarcados através da observação das imagens e vídeos selecionados (dados não sistemáticos), avaliando o erro horizontal associado. Posteriormente, foi realizada a validação do modelo com base nos hidrogramas das estações fluviométricas da região (dados sistemáticos), verificando se a calibração foi eficaz. A partir dos resultados obtidos constatou-se que, apesar de terem sido identificadas algumas limitações associadas a metodologia aplicada, a utilização dos dados não sistemáticos confere um valor adicional para a preparação do modelo pois inclui uma nova dimensão à avaliação, a área inundada, esta que provavelmente não seria avaliada, na etapa de calibração, sem os dados provenientes de ciência cidadã. Ainda, observou-se que o coeficiente de Manning que apresentou menor erro horizontal médio na calibração (0,045 s/m1/3) não é o que apresentou maior Nash médio na validação (0,030 s/m1/3), o que é esperado visto que os parâmetros hidrológicos do MGB regional utilizado neste estudo foram calibrados originalmente para o coeficiente de Manning de 0,030 s/m1/3. Entretanto, é ressaltado que utilizando o Manning de 0,045 s/m1/3 são obtidos melhores resultados para as manchas de inundação sem degradar muito o valor de Nash, o que indica, portanto, que se os parâmetros hidrológicos fossem reajustados, existe potencial para obter bons resultados de manchas de inundação e também de Nash. Por fim, é concluído que este estudo avança no sentido de difundir o uso de dados provenientes da ciência cidadã na área de hidrologia, podendo, inclusive, implementar a utilização destes dados não sistemáticos em aplicações mais rotineiras de modelagem de inundações, complementando os dados sistemáticos para atividades de calibração e validação.