Summary: Atividades humanas essenciais são influenciadas pela disponibilidade hídrica de uma região. Esta disponibilidade pode ser estimada pelas vazões de referência como a vazão mínima da média de sete dias consecutivos e período de retorno de 10 anos (Q7,10), as vazões com 95 e 90% de permanência no tempo (Q95 e Q90 ), além da vazão média de longa duração (Qmld). A determinação destas depende de uma densa rede de monitoramento fluviométrico, que é precária em países como o Brasil. Em trechos da hidrografia onde não existe o monitoramento fluviométrico, a determinação das vazões de referência ocorre por meio da regionalização de vazões, que atualmente são feitas com metodologias limitadas. Neste contexto, o objetivo do presente trabalho será produzir mapas de regionalização de vazões de referência para todo o território brasileiro utilizando algoritmos de aprendizado de máquina. A base de dados será composta pelas vazões das estações fluviométricas disponíveis e por covariáveis derivadas do clima, topografia, uso e tipo do solo. Os dados serão padronizados, divididos em regiões hidrologicamente homogêneas. A seleção de variáveis será feita com eliminação de variáveis altamente correlacionadas e por importância com o algoritmo Recursive Feature Elimination (RFE). O conjunto de dados será separado em treinamento (85%) e validação (15%) para a aplicação dos algoritmos de aprendizado de máquina Random Forest (RF), Regressão Adaptativa Multivariada (EARTH) e Rede Neural Artificial (RNA). O desempenho dos modelos será medido pelo Coeficiente de eficiência de Nash Sutcliff (NSE), Coeficiente de determinação (R²), Viés percentual (PBIAS), índice de concordância de Willmott (d) e Raiz do quadrado médio do erro (RMSE). O melhor modelo será utilizado para gerar mapas rasterizados da hidrografia, onde cada pixel representará um valor de vazão de referência. Espera-se que estes mapas tenham exatidão satisfatória nas vazões estimadas e que sua utilização possa favorecer estudos ambientais, pesquisas e a gestão de recursos hídricos.
Starting date: 01/08/2022
Deadline (months): 24
Participants:
Role | Name |
---|---|
Collaborator * | SIDNEY SARA ZANETTI |
Collaborator * | ALEXANDRE CÂNDIDO XAVIER |
Coordinator * | ROBERTO AVELINO CECÍLIO |
Student Master * | GUILHERME BARBOSA REIS |