Análise de Sensibilidade do Modelo SWAT

O SWAT (Soil and Water Assessment Tool) é um modelo de simulação sensível a mais de 100 variáveis relacionadas à vegetação, manejo, tipo dos solos, clima, ou seja, existe uma vasta gama de parâmetros que podem influenciar. É importante que se identifiquem quais são estes e sua importância nos resultados gerados, bem como que mudanças cada alteração provocam no modelo (JHA, 2009). Para isto temos a necessidade de uma revisão bibliográfica de outros trabalhos que indiquem como estes parâmetros influenciam, é possível conseguir resultados similares com distintas combinações de entrada.

A análise de sensibilidade utilizada pelo simulador determina quais são os parâmetros mais relevantes na simulação, estes são escalonados em nível hierárquico de importância, sendo indicativo de quais devem ser testados primeiro, ou seja, realizam-se mudanças nos valores dos parâmetros de entrada e verifica-se a resposta da simulação.

Conforme, Van Griesven (2009), a ferramenta de análise de sensibilidade do SWAT, permite identificar quais parâmetros são mais sensíveis e afetam a variável que se deseja calibrar no modelo, porém não permite que o usuário defina quais as variáveis a serem analisadas, as quais são definidas (no total de 27) pelo default do modelo.

Dentre os resultados da análise por essa ferramenta, é gerado um arquivo contendo a posição dos parâmetros analisados, com valores variando entre uma maior sensibilidade e 28 menor, ou nenhuma sensibilidade.

A análise de sensibilidade pode ser realizado de duas maneiras, automática e manual, descritas a seguir:

1- Manual Kannan et al. (2007), coloca que métodos que realizam uma mudança gradativa nos dados de entrada (input), observando as alterações que ocorrem com os dados de saída (output), não podem ser aplicados a alguns parâmetros, como CN, pois este sofre grandes alterações com pequenas mudanças de valor.

De forma manual, uma maneira de realizar a análise de sensibilidade do modelo variando cada parâmetro de entrada, individualmente, enquanto os outros são mantidos constantes foi apresentado por McCuen e Snyder (1986). Para quantificar o impacto de um intervalo de valores de um dado parâmetro de entrada sobre os resultados obtidos com o modelo, foi utilizado o Índice de Sensibilidade Relativo (IS), conforme equação abaixo.

Onde:

IS = índice de sensibilidade do modelo aos parâmetros de entrada;

R1 = resultado obtido com o modelo para o menor valor de entrada; R2 = resultado obtido com o modelo para o maior valor de entrada;

R12 = média dos resultados obtidos com o menor e o maior valor de entrada; I1 = menor valor de entrada;

I2 = maior valor de entrada; e. I12 = média dos valores de entrada.

A partir destes resultados, definimos os parâmetros que devem ter seus valores alterados no modelo com valores mais próximos a um são os mais sensíveis.

2 - Automática, podendo ser realizada por dois processos.

a- Latin Hipercube simulations (LH) e (LH-OAT) assegura que toda gama de parâmetros é analisada, enquanto cada variação na saída é atribuída a uma variação específica na entrada. Latin Hypercube é baseado na simulação de Monte-Carlo, eliminando inúmeras simulações através de uma amostragem estratificada que permite uma estimação eficiente das

estatísticas de saída. A amplitude de cada parâmetro é dividida em faixas, após o modelo faz uma combinação randômica dos parâmetros, cada faixa é testada uma única vez.

A análise automática tem como vantagens a agilidade e desvantagem a necessidade de um conhecimento básico dos parâmetros, o operador inexperiente pode acabar deixando de observar algumas peculiaridades.

b- One factor at a time sampling (OAT), através da rotina Sensityviti o simulador no momento que executa a simulação gera um relatório com os parâmetros mais sensíveis, O método OAT promove a alteração de apenas um parâmetro a cada simulação, permitindo que as mudanças sejam atribuídas unicamente ao parâmetro alterado.

A análise de sensibilidade foi realizada, de forma manual. A definição das fontes de incerteza será baseada na análise dos parâmetros e variáveis de entrada do modelo que indicaram quais foram os mais sensíveis, ou seja, aqueles que quando modificados, influenciaram de maneira significativa os resultados.

Geram-se os códigos do parâmetro no SWAT, com o nome do parâmetro e o nível de sensibilidade variando entre um e 28 para a área de estudo.

Será realizado o processo tanto para vazão como produção de sedimentos, observando- se que neste processo não será executado para todas as imagens com diferentes resoluções, mas sim somente para aquela que apresentou melhores resultados, entende-se que seria a com resolução espacial de 200 metros baseado nos dados da etapa anterior.

Conforme trabalhos desenvolvidos por diversos autores, no Brasil os parâmetros que se apresentaram mais sensíveis no processo de produção de sedimentos são o número da curva (CN), a capacidade de água disponível (SOL_AWC), a declividade média (SLOPE), a condutividade hidráulica do solo (SOL_K), a profundidade das camadas do solo (SOL_Z), o fator alfa de recessão do fluxo de base (ALPHA_BF), o fator de compensação da evaporação do solo (ESCO), o armazenamento de água máximo na copa das árvores (CANMX) e, o tempo de retardo do escoamento superficial (SURLAG) e o fator de práticas de manejo da USLE (USLE_P) no caso da produção de sedimentos.

As etapas executadas para a análise da sensibilidade dos parâmetros são:

- a- definição dos parâmetros mais sensíveis através de pesquisa bibliográfica e do próprio manuseio do modelo, conforme dados anteriores já identificados.

b- simulação inicial, alterando-se apenas parâmetros já pré identificados para a realidade da bacia Guaporé.

c- comparação dos dados medidos e simulados. d- verificação dos ajustes necessários

d- identificação dos parâmetros que melhor se enquadrariam aos ajustes necessários. e- teste dos parâmetros, utilizando-se novos valores.