Modelagem e prognóstico hidrológico de fenômenos hidrometeorológicos na bacia hidrográfica do rio Paranapanema, Brasil
As previsões espaciais e temporais dos processos que ocorrem no ciclo hidrológico para projetar cenários de secas moderadas, severas e extremas, representam um desafio importante no planejamento, na gestão e no monitoramento dos recursos hídricos. A fim de mitigar os possíveis impactos das secas sob...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versão publicada |
| Data de publicação: | 2024 |
| País: | Brasil |
| Recursos: | Universidade Estadual Paulista (UNESP) |
| Repositório: | Repositório Institucional da UNESP |
| Idioma: | português |
| OAI Identifier: | oai:repositorio.unesp.br:11449/257904 |
| Acesso em linha: | https://hdl.handle.net/11449/257904 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Aprendizado de máquina SIG Sensoriamento remoto Seca Drought GIS Machine learning Remote sensing |
| Resumo: | As previsões espaciais e temporais dos processos que ocorrem no ciclo hidrológico para projetar cenários de secas moderadas, severas e extremas, representam um desafio importante no planejamento, na gestão e no monitoramento dos recursos hídricos. A fim de mitigar os possíveis impactos das secas sobre o ambiente natural, a sociedade civil e a biodiversidade, resultantes das mudanças climáticas e do aquecimento global, os métodos de aprendizado de máquina ou Machine Learning (ML), podem apoiar essa tarefa combinando modelos de análise espacial e temporal de futuros episódios de seca. Esta dissertação investigou a modelagem e a previsão hidrológica de fenômenos hidrometeorológicos tais como secas e estiagens, na Bacia do Rio Paranapanema (BHRP) para o período de 2023-2025. A BHRP é uma região que fornece recursos hidrológicos, energéticos e agrícolas, localizada no sudeste do Brasil, que tem sofrido vários problemas relacionados ao déficit e ao estresse hídrico, bem como secas e estiagens nos últimos 10 anos. Por essas razões, tecnologias geoespaciais, como sensoriamento remoto e Sistemas de Informações Geográficas (SIG), foram aplicadas para gerar séries temporais de precipitação e Evapotranspiração Potencial (ETP) entre 2001 e o início de 2023 para um total de 22 Unidades de Planejamento Hidrológico (UPHs) na BHRP. Posteriormente, uma Rede Neural Autorregressiva (NNAR) foi usada para prever as medias mensais de precipitação e ETP para as UPHs entre 2023 e 2025, encontrando possíveis períodos de déficit hídrico nas regiões central e norte da BHRP para os meses de maio, junho, julho e agosto de 2024 e parte de 2025. Da mesma forma, foi calculado o Índice Padronizado de Precipitação e Evapotranspiração (SPEI) em escalas trimestrais e semestrais, com base na previsão desenvolvida pela rede NNAR nas UPHs, evidenciando possíveis impactos nos setores agrícola, energético e social, como resultado de prováveis períodos prolongados de secas e estiagens na BHRP. Por fim, foi possível concluir um baixo ajuste na precisão da rede NNAR (erros entre 60 e 100 milímetros), na fase de prognóstico, o que não garante a possível ocorrência de secas na BHRP, mas fornece um diagnóstico preliminar das mesmas com vistas a um adequado monitoramento e controle dos recursos hídricos. |
|---|