Contribuições de estimativas de sensoriamento remoto para a modelagem de múltiplas variáveis hidrológicas

• Autor(a) principal: Oliveira, Aline Meyer
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/213386
• topic: Modelos hidrológicos; Calibração; Variaveis; Sensoriamento remoto; Modelo MGB-IPH; Hydrological modeling; Remote sensing; Calibration

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).