Saldırganlıkla İlgili Yurt İçinde Yapılan Araştırmalar

A utilização de previsões de precipitação em modelos hidrológicos pode melhorar a destreza da simulação de vazão de médio prazo (até 10 dias), devido a melhor distribuição da do volume de chuva sobre a superfície das bacias hidrográficas (Tucci et al., 2008). A diferença de resolução horizontal entre os modelos meteorológicos e hidrológicos é um fator limitante no acoplamento dos modelos (Pereira Filho et al., 1999). Em em alguns casos, torna- se necessário utilizar uma ferramenta estocástica para diminir a escala da entrada de dados com o objetivo de manter a estrutura das distribuição de precipitação (Brussolo et al., 2009). Porém, com modelos meteorológicos de resolução compatível à área das bacia, a utilização de precipitação prevista por modelo de mesoesca já pode ser util a partir das 10 primeiras horas de simulação de vazão para bacias médias como a do Rio Grande (Collischonn et al., 2005).

Além de ajudar a quantificar o volume de água disponível em superfíce, as previsões de precipitação auxiliam na determinação de picos de vazão devido às cheias. Mesmo que esses picos não sejam adequadamente previstos, os resultados são melhores que o uso de climatologia ou persistência, principalmente para pequenas e médias bacias que dependem da de um rápido escoamento superficial em suss bacias de captação. Para bacias com grandes áreas de drenagem, como a de Itaipu (150 900 km2), as previsões de chuva podem diminuir a acurácia das previsões de vazão (Fadiga Jr. et al., 2008), uma vez que o tempo de escoamento nas bacias é maior e as medições de vazão capturam melhor a influencia da chuva na bacia do que as simulações de precipitação.

Os erros de fase, associados aos atrasos nas previsões de aumento do nível de rio, são diretamente proporcionais a não previsão da formação de sistemas precipitantes ou de uma previsão com defasagem na propagação de sistemas (Pereira Filho e Crawford, 1999).

Segunto Leite e Rotunno Filho (2006), a entrada da informação de precipitação de baixa acurácia pode ser prejudicial nas primeiras horas de simulação de vazão (até 24h), mas, em geral, para médio e longo prazo, todo o tipo de informação com índice de acerto acima de 50 % resulta em simulações melhores que qualquer outro tipo de cenário utilizado, seja persistência ou climatologia. Segundo os autores há uma existência de um limite superior de erro na previsão de precipitação, a partir do qual não compensa a sua utilização na previsão hidrológica em curtos horizontes (até 24 h). A análise da associação permite afirmar que o modelo exige qualidade na

previsão de precipitação para curtos horizontes de previsão de vazão, baixa exigência para longos horizontes e exigência nula para horizontes intermediários. Em suma, a qualidade da previsão de vazão é diretamente proporcional à destreza das previsões de precipitação.

Utilizando o modelo hidrológico distribuído Noah, com previsões de chuva do modelo GFS, Hou et al. (2009) demonstraram que para rios de vazão entre 55 e 500 m3s-1, a previsão é util até sete dias e para rios com vazão acima de 500 m3s-1 a previsão mostrou-se confiável até a segunda semana. As previsões por conjunto do GFS, denominado GEFS (“Global Ensemble Forecast System”), quando utilizados no modelo hidrológico, produziram menores erros nas previsões de vazão do que simulações individuais, além de prover a variável incerteza para cada evento de cheia.

As previsões hidrológicas por conjunto são estudadas por muitos autores para diminuir os erros na previsão de vazão, em especial os erros de fase, e incluir o componente de incerteza nos sistemas operacionais (Franz et al., 2003; Hopson e Webster, 2010; Hou et al., 2009; Vrugt e Robinson, 2007). A construção e a estratégia do conjunto variam conforme o período de previsão (horário, diário ou sazonais), nos tipos de modelos (pontuais, distribuídos e semidistribuidos) e na previsão de precipitação utilizada como condição de contorno. O conjunto de simulação hidrológica pode ser configurado a partir de diferentes modelos ou distintas parametrizações de modo que cada membro possa capturar alguns aspectos hidrológicos tais como o fluxo médio, picos de cheias, fluxos deficitários e estiagens. Em um modo bayesiano, os membros podem estar contidos no conjunto com pesos diferentes determinados a partir da climatologia (Duan, et al. 2007 ; Vrugt e Robinson, 2007). E, ainda, esses membros podem utilizar a mesma condição de contorno, ou seja, o mesmo cenário de precipitação, ou possuir diferentes valores oriundos de um conjunto de previsão de precipitação.

Na modelagem hidrológica há uma grande variedade de modelos com fundamentos distintos e, em muitos casos, com resultados similares. Modelos estocásticos, redes neurais, modelos físicos, modelos “fuzzy” e modelos distribuídos ainda são competitivos para bacias como o rio Iguaçu (Guilhon et al., 2007), de modo que a utilização de um conjunto multimodelo é uma solução interessante para previsões probabilísticas de vazão.

Por esses motivos, somado ao baixo custo computacional, ao contrário da previsão de precipitação, os conjuntos de previsão de vazão são obtidos na maioria por multimodelos, onde cada membro é um tipo de modelo, estocástico, dinâmico, distribuído ou com diferentes características de propagação superficial da água (Bohn et al., 2010).

Com o avanço das pesquisas em previsão quantitativa de precipitação por conjuntos, a utilização de diversos cenários de chuva derivados desses sistemas tornou-se uma opção para

a configuração de um conjunto hidrológico. A melhor destreza do conjunto médio e as incertezas inerentes às simulações de chuva podem ser agregadas aos sistemas hidrológicos, obtendo melhor qualidade na informação final da variação do nível de rios (Hopson e Webster, 2010).

O ESP (Ensemble Streamflow Prediction), do Serviço Nacional de Previsão de Tempo dos EUA, utiliza o modelo hidrológico Sacramento com diversos tipos de dados de entrada, incluindo previsões de precipitação de membros do conjunto de previsão do modelo global GFS e valores climatológicos de chuva e métodos de análogos, ou seja, que eventos do passado possam ocorrer no futuro (Franz et al., 2003 e Hou et al., 2009). Os resultados mostraram um ganho significativo na qualidade nas simulações até três dias em relação ao uso da climatologia de chuva, uma vez que a previsão de precipitação é mais realística na distribuição da água na área de drenagem do que os métodos análogos.