CAPÍTULO 7 – ANÁLISE E DISCUSSÃO DOS RESULTADOS
7.3 Cenário 3 Escoamento sob efeito de onda difusiva
A figura 7.17 mostra os perfis da onda de cheia proveniente do modelo da onda difusiva, para diferentes tempos. De acordo com a figura, é possível ver a capacidade de dispersão da onda em questão pela presença de um termo difusivo que compõe o modelo e que depende da declividade do fundo do canal. Este termo altera significativamente o comportamento da onda de cheia, mostrando que a onda fica menos intensa, mas fica mais espalhada ao longo do canal. Por exemplo, para o modelo da onda cinemática, em 60 minutos, a onda chega apenas a 2,5 km. Já para o caso da onda difusa, em 60 minutos a onda chega a 10 km de distância. Este é um importante resultado que certamente irá alterar o comportamento do risco ao longo do canal.
Figura 7.17 – Vazões na seção longitudinal para diferentes tempos, sob a influência da onda difusiva.
Fonte: Elaborado pela Autora.
A figura 7.18 mostra os resultados para os perfis das concentrações, para diferentes tempos. Como foi dito anteriormente, é possível notar que, para este modelo de onda de cheia, há um potencial muito maior de dispersão da nuvem poluente na presença da onda de cheia em questão. Para os mesmos tempos de observação, é possível ver que as concentrações da substância considerado cai para valores próximos de 1 mg/L já para um tempo de 30 minutos, resultados estes, bem diferente daqueles observados anteriormente, para a onda cinemática. Este resultado comprova a análise feita anteriormente.
0 40 80 120 160 0 1 2 3 4 5 6 7 8 9 10 V a zã o ( m 3/s ) Distância longitudinal (km)
Figura 7.18 – Concentrações na seção longitudinal para diferentes tempos, sob a influência da onda difusiva.
Fonte: Elaborado pela autora.
A figura 7.19 mostra os perfis do risco para este cenário com a presença de uma onda difusa. Neste caso, fica muito claro que o que tem sido dito ao longo destas análises. Aqui pode ser claro que a influência da onda difusa no processo de dispersão do poluente, causado pela dispersão da onda difusa. Através da figura pode se ver que o risco máximo para um tempo de 30 minutos é de 0,15, enquanto que para um tempo de 40 minutos o risco máximo não passa de 0,05, o que é muito baixo para os padrões de qualidade de água sujeitos a um lançamento de uma massa poluente.
Figura 7.19 - Risco na seção longitudinal para diferentes tempos sob a influência da onda difusiva. 0 1 2 3 4 5 0 1 2 3 4 5 6 C o n ce n tr a çã o ( m g /L ) Distância longitudinal (km)
t = 15 min t = 30 min t = 40 min t = 60 min
0 0,1 0,2 0,3 0,4 0 1 2 3 R is co f u zz y Distância longitudinal (km) t = 30 min t = 40 min t = 60 min
7.4 Comparação entre os cenários simulados.
Na figura 7.20 podem ser vistos os perfis das concentrações para diferentes cenários e para um tempo de 40 minutos. Na figura pode ser visto a influência das ondas cinemática e difusa no perfil das concentrações. Como foi dito anteriormente, a onda difusa possui um potencial de dispersão bem maior do que a onda cinemática. Pela figura pode ser visto que, para o mesmo cenário de lançamento, os picos das concentrações, sem onda é de 2,5 mg/L. Já para a onda cinemática, o pico de concentração é de 1,5 mg/L e para a onda difusa é de 1,3 mg/L. Este resultado mostra que o risco para na presença da onda difusa é bem menor do que para a onda cinemática e para o caso de se considerar o escoamento uniforme e permanente.
Figura 7.20 - Concentrações na seção longitudinal em t = 40 min, sem efeito de ondas e sob a influência da onda cinemática e da onda difusiva.
Fonte: Elaborado pela autora.
A figura 7.21 mostra o comportamento do risco para diferentes cenários e para um tempo de 40 minutos. Neste caso, é possível ver com mais clareza toda a influência da onda cinemática e da onda difusa no processo de dispersão do poluente. Para o caso da onda cinemática o pico máximo do risco é de 0,13 e ocorre a 1,5 km da origem. Já para a onda difusa, o pico máximo é de 0,045 e ocorre, aproximadamente, a 1,2 km da origem. Isto mostra que, realmente, a onda difusa tem um poder de diluição bem maior do que a onda cinemática.
0 1 2 3 4 0 1 2 3 4 5 C o n ce n tr a çã o ( m g /L ) Distância longitudinal (km)
Figura 7.21 - Risco na seção longitudinal em t = 40 min, sem efeito de ondas e sob a influência da onda cinemática e da onda difusiva.
Fonte: Elaborado pela autora.
A mesma análise pode ser considerada para a figura 7.22, onde se vê os perfis dos campos de confiabilidade do rio.
Figura 7.22 - Garantia na seção longitudinal em t = 40 min, sem efeito de ondas e sob a influência da onda cinemática e da onda difusiva.
Fonte: Elaborado pela autora.
As figuras 7.23 e 7.24 mostram respectivamente os resultados para a concentração e risco na direção transversal em um tempo de 30 minutos.
0 0,04 0,08 0,12 0,16 0,2 0 1 2 3 4 5 R is co f u zz y Distância longitudinal (km)
t = 40 min sem onda t = 40 min onda cinemática t = 40 min onda difusa
0,8 0,84 0,88 0,92 0,96 1 0 1 2 3 4 5 G a ra n ti a f u zz y Distância longitudinal (km)
Figura 7.23 - Concentrações na seção transversal para t = 30 min, sem efeito de ondas e sob a influência da onda cinemática e da onda difusiva.
Fonte: Elaborado pela autora.
Figura 7.24 - Risco na seção transversal em t = 20 min, sem efeito de ondas e sob a influência da onda cinemática e da onda difusiva.
Fonte: Elaborado pela autora.
Como pode ser observado, o efeito das ondas cinemática e difusa é bem consistente comparado com o caso da direção longitudinal. Para o caso da onda cinemática, não há muita diferença no cálculo do risco. Já observando a onda difusa, o efeito é bem maior. Neste caso, a influência é bem maior. Isto é explicado pela influência da presença de uma onda no coeficiente de dispersão longitudinal que é bem mais significativo do que para o caso do coeficiente da dispersão transversal fazendo com que o pico do risco seja bem menor do que
0 1 2 3 4 5 0 10 20 30 40 50 60 70 80 90 100 C o n ce n tr a çã o ( m g /L ) Distância transversal (m)
t = 30 min sem onda t = 30 min onda cinemática t = 30 min onda difusiva
0 0,2 0,4 0,6 0,8 1 0 10 20 30 40 50 60 70 80 90 100 R is co f u zz y Distância transversal (m)
A figura ainda mostra que para a onda cinemática, o pico do risco é da ordem de 0,8, enquanto que para a onda difusa o pico do risco é de 0,25, valor bem inferior do que aquele apresentado pela onda encontrado com a presença da onda cinemática. Desta forma, pode-se dizer que a onda difusa tem um poder de diluição muito superior ao poder de diluição da onda cinemática.
Com essas simulações, é possível verificar que a metodologia proposta pode se tornar uma ferramenta importante no cálculo do risco, principalmente em ambiente que recebe lançamentos de efluentes, proveniente de processos de concessão de outorga. Esses processos, cada vez mais comuns no Brasil, demandam análises mais criteriosas de modo que não haja risco de degradação ambiental para lançamentos outorgados. Com isso, é possível concluir que esta ferramenta pode auxiliar os programas de Gestão Integrados de Recursos Hídricos
CAPÍTULO 8
8 CONSIDERAÇÕES FINAIS
8.1 Conclusões
Após análise dos resultados obtidos de uma série de simulações para diferentes cenários, foi possível chegar a algumas conclusões pertinentes ao estudo em questão. Essas conclusões serão apresentadas a seguir.
Os resultados mostram que a metodologia proposta tem potencial para tratar de gestão de recursos hídricos, notadamente relacionada com os problemas de qualidade de água em rios que recebem cargas poluentes de natureza, principalmente, de derramamento por acidentes de substâncias poluidoras em rios de dimensões médias e grandes. Neste caso, os resultados mostraram que esta metodologia pode ser aperfeiçoada e produzir subsídios consistentes para o cálculo de campos de risco e confiabilidade do ambiente aquático.
O risco e a confiabilidade dependem do comportamento das concentrações dos poluentes no rio. É bom lembrar de que as concentrações que são usadas para determinar o risco e a confiabilidade são concentrações oriundas da resposta do rio ao lançamento de uma carga poluente. Assim, de acordo com este lançamento, de acordo com a capacidade de diluição do rio, o comportamento do risco e da confiabilidade poderá ser determinado.
Outro importante resultado mostrado é a capacidade da metodologia em determinar as zonas de maiores graus de pertinência. Isto é fundamental para mostrar a diferença entre os modelos determinísticos, onde não há incorporação de incertezas, e os modelos fuzzy, onde a incerteza pode ser mostrada e calculada. Os resultados mostraram que essas zonas de possibilidades com diferentes graus de pertinência são determinantes para análise de incertezas, e para o cálculo do risco.
Com relação às relações entre a hidrodinâmica e a o transporte de poluente, os estudos mostram que a presença de uma onda de cheia altera significativamente o comportamento das concentrações de poluentes. Foi verificado que uma nuvem poluente sofre influência da onda de cheia tanto nas questões de dispersão dos poluentes, quanto nas questões de alteração dos processos advectivos, fazendo com que a nuvem se desloque mais ou menos rápido ao longo do rio. Este resultado mostra que a presença de uma onda de cheia aumenta o potencial de diluição do rio, fazendo com que o mesmo se auto depure mais rapidamente.
Ainda com relação à presença de uma onda de cheia, foi verificado que a onda difusa tem um potencial maior de diluição da nuvem poluente do que a onda cinemática. Este resultado é explicado pela presença do termo difusivo na equação diferencial, o qual faz com que a influência da onda difusa seja sentida em uma região maior do que a influência da onda cinemática.
Na direção transversal foi verificado que a presença da onda de cheia exerce uma capacidade de diluição nas concentrações transversais, mas não exerce qualquer poder no processo advectivo. Ou seja, para diferentes tempos de observação em uma seção qualquer do rio, o centro de gravidade da nuvem poluente não muda de posição. Entretanto, a intensidade dessas concentrações é afetada, fazendo com que seus valores diminuam ao longo da seção.
Finalmente, os resultados mostram que esta metodologia envolvendo a teoria fuzzy nos problemas de transporte de poluente pode se tornar uma importante técnica na análise de problemas qualidade de água em rios, proveniente da concessão de lançamentos efluentes em rios com baixa capacidade de autodepuração, permitindo assim, que melhores análises possam ser desenvolvidas.
8.2 Recomendações
Sugere-se que nas próximas pesquisas sobre este tema sejam desenvolvidas:
Desenvolver estudos para diferentes lançamentos, onde possa ser avaliado o processo de autodepuração para cada natureza desses lançamentos;
Desenvolver estudos que permitam estudar os parâmetros adimensionais da equação do transporte de massa e entender suas influências no cálculo do risco e da confiabilidade;
Aplicar esta metodologia em um estudo de caso e verificar a capacidade da mesma em análise desta natureza;
Introduzir a equação geral da hidrodinâmica para ver a influência dos termos de inércia e transiência na equação do movimento, e comparar com estes resultados
REFERÊNCIAS
ABRIL, J. M.; ABDEL-AAL, M. M. A modelling study on hydrodynamics and pollutant dispersion in the Suez Canal. Ecological Modelling, n. 128, p. 1–17, 2000.
ANA. Portal da Qualidade das Águas: Enquadramento. PNQA/ANA, 2009a. Disponível em
<http://pnqa.ana.gov.br/enquadramento-bases-conceituais.aspx>. Acesso em 15/01/2015.
ANA. Portal da Qualidade das Águas: Indicadores de qualidade. PNQA/ANA, 2009b. Disponível em < http://pnqa.ana.gov.br/indicadores-indice-aguas.aspx>. Acesso em 15/01/2015.
ANDERSON, D. A.; TANNEHILL, J. C.; PLETCHER, R. H. Computational Fluid Mechanics and Heat Transfer. Hemisphere Publishing Corporation, 1984.
ANDRADE, E. L. Introdução à Pesquisa Operacional: Métodos e Modelos para Análise de Decisão, 2ª ed., LTC, Rio de Janeiro, 2000.
ANI E-C.; WALLIS, S.; KRASLAWSKI, A.; AGACHI, P. S. Development, calibration and evaluation of two mathematical models for pollutant transport in a small river. Environmental Modelling & Software, n. 24, p. 1139 –1152, 2009.
ARAÚJO, J. A. F. Desenvolvimento de uma metodologia, com base na teoria fuzzy, para o estudo do risco de eutrofização em reservatórios com estudo de caso no reservatório Acarape do Meio do Estado do Ceará. Disserta ção de Mestrado em Engenharia Civil - Universidade Federal do Ceará, Fortaleza, 2011.
AUSTIN, J. A. Estimating effective longitudinal dispersion in the Chesapeake Bay. Estuarine, Coastal and Shelf Science, n. 60, p. 359-368, 2004.
BARATI, R., RAHIMI, S., AKBARI, G. H. Analysis of dynamic wave model for flood routing in natural rivers. Water Science and Engineering, n. 5(3), p. 243-258, 2012.
BARROS, F. P. J.; MILLS, W. B.; COTTA, R. M. Integral transform solution of a two- dimensional model for contaminant dispersion in rivers and channels with spatially variable coefficients. Environmental Modelling & Software, n. 21, p. 699- 709, 2006. BARROS, F. P. J.; COTTA, R. M. Integral transforms for three-dimensional steady turbulent
dispersion in rivers and channels. Applied Mathematical Modelling, n. 31, p. 2719– 2732, 2007.
BARROS, L. C.; BASSANEZI, R. C. Tópicos de lógica fuzzy e biomatemática. Campinas: IMECC – UNICAMP, p. 354, 2006.
BENDER, M. J.; SIMONOVIC, S. P. A fuzzy compromise approach to water resource systems planning under uncertainty. Fuzzy Sets and Systems, v. 115, p. 35-44, 2000.
BOGARDI, I.; DUCKSTEIN, L. The fuzzy logic paradigm of risk analysis. In: Risk-based decision making in water resources X. Santa Barbara, California. Proceedings…New York, NY.: ASCE, p. 12-22, 2002.
CETESB - Companhia de Tecnologia de Saneamento Ambiental. Águas superficiais. Disponível em <http://www.cetesb.sp.gov.br/agua/Águas-Superficiais/42-Índice-de-
Qualidade-das-Águas (iqa)>. Acesso em 15/01/2015.
CHAGAS, P. F. Perspectivas da Aplicação da Teoria Fuzzy para Cálculo de Risco em Sistemas Hidrodinâmicos. Tese de Doutorado em Engenharia Civil – Universidade Federal do Ceará, Fortaleza, 2005.
CHANG, N-B., CHEN, H. W., NING, S. K. Identification of river water quality using the Fuzzy Synthetic Evaluation approach. Journal of Environmental Management, n. 63, p. 293–305, 2001.
CHAPRA, S. C. Surface Water-Quality Modeling. New York: McGraw-Hill, 1997, 844p. CHENG, C-H. Evaluating weapon systems using ranking fuzzy numbers. Fuzzy Sets and
Systems, n. 107 (1), p. 25-35, 1999.
CHEN, L.; ZHU, J.; YOUNG, M. H.; SUSFALK, R. B. An integrated approach for modeling solute transport in streams and canals with applications. Journal of Hydrology, n. 378, p. 128–136, 2009.
CHONGFU, H. Fuzzy risk assessment of urban natural hazards. Fuzzy Sets and Systems, n. 83, p. 271-282, 1996.
CHOW, V. T. Applied Hydrology, New York: McGraw-Hill, 572p., 1988.
CHRISTOFOLETTI, A. Geomorfologia fluvial. São Paulo: Edgard Blücher, v.1, 1981. COLLINS, J. D. Risk Analysis Methodologies Developed for the US Department of Defense.
Reliability Engineering and System Safety: Elsevier Applied Science Publishers Ltd, England, v. 20, p 87-115, 1988.
CONAMA – Conselho Nacional do Meio Ambiente. Resolução nº 357, de 17 de março de 2005. Disponível em <http://www.mma.gov.br/port/conama/res/res05/res 35705.pdf>. Acesso em 15/01/2015.
CONAMA – Conselho Nacional do Meio Ambiente. Resolução nº 430, de 13 de maio de 2011. Disponível em <http://www.mma.gov.br/port/conama/legiabre.cfm?codlegi=646>. Acesso em 13/01/2016.
DAHIYA, S., SINGH, B., GAUR, S., GARG, V. K., KUSHWAHA, H. S. Analysis of groundwater quality using fuzzy synthetic evaluation. Journal of Hazardous Materials, n. 147, p. 938–946, 2007.
DEHGHAN, M. Weighted finite difference techniques for the one-dimensional advection– diffusion equation. Applied Mathematics and Computation, n. 147, p. 307–319, 2004. DENG, Z-Q., JUNG, H-S. Scaling dispersion model for pollutant transport in rivers.
Environmental Modelling & Software, n. 24, p. 627–631, 2009.
DERÍSIO, J. C. Introdução ao controle de poluição ambiental. 1ª Edição. São Paulo: CETESB, 1992.
DUBOIS, D.; PRADE, H. Fuzzy Sets and Systems: Theory and Applications. Academic Press, New York, p. 393, 1980.
DUBOIS, D.; PRADE, H. An introduction to fuzzy systems. Clinica Chimica Acta, n. 270, p. 3–29, 1998.
DUCKSTEIN, L.; PLATE, E. J.; BENEDINI, M. Water Engineering Reliability and Risk: a System Framework. In: Engineering Reliability and Risk in Water Resources. Duckstein and Plate (Eds). Nato ASI Series, Serie E: Aplied Sci., n. 124, Dordrecht, Nijhoff Publishers, 1987.
ESOGBUE, A. O.; THEOLOGIDU, M.; GUO, K. On the Application of Fuzzy Sets Theory to the Optimal Flood Control Problem Arising in Water Resources Systems. Fuzzy Sets and Systems, v. 48, p. 155-172, 1992.
FISCHER, H. B. Mixing in Inland and Coastal Water, Academic Press, Inc, 1979.
GALVÃO, C. O.; VALENÇA, M. J. S. Sistemas inteligentes: aplicações a recursos hídricos e ciências ambientais. 1ed. Porto Alegre: Editora da UFRGS e ABRH, v.1, p. 247, 1999.
GANOULIS, J.; DUCKSTEIN, L.; BOGARDI, I. Risk Analysis of Water Quantity and Quality Problems: The Engineering Approach. In: Ganoulis (Ed.), Water Resources Engineering Risk Assessment, Nato ASI Series, Serie G: Ecological Sciences, v. 29, 1991.
GANOULIS, J. G. (Ed.). Water Resources Engineering Risk Assessment, Nato ASI Series, Serie G: Ecological Sciences, v. 29, 1991.
GANOULIS, J. G. Engineering risk analysis of water pollution: probabilities and fuzzy sets. New York: VCH Publishers Inc., 1994.
HENDERSON, F. M. Open Channel Flow, New York: Macmillan, 1966.
HSIEH, C-H.; CHEN, S-H. A model and algorithm of fuzzy product positioning. Information Sciences, n. 121 (1-2), p. 61-82, 1999.
ICAGA, Y. Fuzzy evaluation of water quality classification. Ecological Indicators, n. 7, p. 710–718, 2007.
JAFELICE, R. M. Modelagem fuzzy para dinâmica de transferência de soropositivos para HIV em doença plenamente manifesta. Tese (Doutorado em Engenharia Elétrica)
– Faculdade de Engenharia Elétrica e Computação p. 187. Universidade Estadual de Campinas, Campinas, São Paulo, 2004.
JAMES, A. An Introduction to Water Quality Modelling. 2nd Edition. By John Wiley & Sons Ltd, 1993, 311p.
JANSSEN, J. A. E. B., KROL, M. S., SCHIELEN, R. M. J., HOEKSTRA, A. Y., DE KOK, J.-L., J.-L. Assessment of uncertainties in expert knowledge, illustrated in fuzzy rule-based models. Ecological Modelling, n. 221, p. 1245–1251, 2010.
JAYAWARDENA, A.W., PERERA, E.D.P., AMARASEKARA, J.D., VEREIVALU, V. A comparative study of fuzzy logic systems approach for river discharge prediction. Journal of Hydrology, n. 514, p.85–101, 2014.
KAPLAN, S. The general theory of quantitative risk assessment. Risk-Decision Making in Water Resources V, ASCE, NY, p. 11-39, 1992.
KARMAKAR, S., MUJUMDAR, P. P. Grey fuzzy optimization model for water quality management of a river system. Advances in Water Resources, n. 29, p. 1088–1105, 2006. KASHEFIPOUR, S. M.; FALCONER, R. A. Longitudinal dispersion coefficients in
natural channels. Water Research n. 36, p. 1596–1608, 2002.
KAUFMANN, A.; GUPTA, M. M. Introduction of Fuzzy Arithmetic: Theory and Applications. Van Nostrand Reinhold, New York, p. 351, 1985.
KAUFMANN, A.; GUPTA, M. M. Fuzzy Mathematical Models in Engineering and Management Science. North Holland, Amsterdam, p. 338, 1988.
KLIR, G.; YUAN, B. Fuzzy Sets and Fuzzy Logic: Theory and Applications. Prentice Hall, Upper Saddle River, NJ, 1995.
LAMBERTI, P.; PILATI, S. Flood Propagation Models for Real-Time F orecasting. Journal of Hydrology, Elsevier Science, n. 175, p. 239-265, 1996.
LEE, C., WEN, C. Fuzzy goal programming approach for water quality management in a river basin. Fuzzy Sets and Systems, n. 89, p. 181-192, 1997.
LEÓN, L. F.; SOULIS, E. D.; KOUWEN, N.; FARQUHAR, G. J. No point Source Pollution: A Distributed Water Quality Modeling Approach. Water Resources, v. 35, n. 4, p. 997-1007, 2001.
LERMONTOV, A., Novo Índice de Qualidade das Águas com uso da Lógica e Inferência Nebulosa. Tese (Doutorado). Universidade do Federal do Rio de Janeiro. Programa de
LERMONTOV, A., YOKOYAMA, L., LERMONTOV, M., MACHADO, M. A. S. River quality analysis using fuzzy water quality index: Ribeira do Iguape river watershed, Brazil. Ecological Indicators, n. 9, p.1188–1197, 2009.
LI, R-Z.; SHIGEKI, M.; HONG, T-Q.; QIAN, J-Z. Fuzzy model for two-dimensional river water quality simulation under sudden pollutants discharged. Journal of hydrodynamics, Ser. B., n. 19 (4), p. 434 – 441, 2007.
LIOU, S-M., LO, S-L., HU, C-Y. Application of two-stage fuzzy set theory to river quality evaluation in Taiwan. Water Research, n. 37, p. 1406–1416, 2003.
MARTINS, J. R. S. Decaimento e Mistura de Poluentes no Meio Ambiente. EPUSP-PHD- 2460 – Rev2012.
MAZUMDERA, B. S.; DALAL, D. C. Contaminant dispersion from an elevated time- dependent source. Journal of Computational and Applied Mathematics, n. 126, p. 185- 205, 2000.
NILSEN, T.; AVEN, T. Models and Model Uncertainty in the Context of Risk Analysis. Reliability Engineering & System Safety, Elsevier, v. 79, p. 309-317, 2003.
OCAMPO-DUQUE, W., FERRÉ-HUGUET, N., DOMINGO, J. L., SCHUHMACHER, M.
Assessing water quality in rivers with fuzzy inference systems: A case study. Environment
International, n. 32, p. 733–742, 2006.
OLIVEIRA, JR.; H. A. Lógica Difusa: Aspectos Práticos e Aplicações. Rio de Janeiro: Ed. Interciência, 192p., 1999.
PECHE, R., RODRÍGUEZ, E. Development of environmental quality indexes based on fuzzy logic. A case study. Ecological Indicators, n. 23, p. 555–565, 2012.
PORTO, R. M. Hidráulica básica. 4ª edição. São Carlos: EESC-USP, 2006.
REHANA, S., MUJUMDAR, P. P. An imprecise fuzzy risk approach for water quality management of a river system. Journal of Environmental Management, n. 90, p. 3653– 3664, 2009.
SHEN, H., YEN, B. C. Advances in Open-Channel Hydraulics after V. T. Chow’s book. Journal of Hidrology, n. 68, pp 333-348, 1984.
SHEN, Y.; DIPLAS, P. Application of two- and three-dimensional computational fluid dynamics models to complex ecological strea m flows. Journal of Hydrology, n. 348, p. 195– 214, 2008.
STURM, T. W. Open channel hydraulics. McGraw Hill Series. In: Water Resources and Environmental Engineering, 1st, 2001.
TANAKA, K. An introduction to fuzzy logic for practical applications. New York, p. 148, 1997.
VIEIRA, R. C.; LIBOS, M.; da HORA, M. A. M. Estudos hidrológicos da bacia hidrográfica do rio Cuiabá. Relatório de pesquisa, COPPE – UFRJ, 2004.
YU, C.; DUAN, J. G. High resolution numerical schemes for solving kinematic wave Equation. Journal of Hydrology, n. 519, p. 823–832, 2014.
YULIANTI, J. S.; LENCE, B. J.; JOHNSON, G. B.; TAKYI, A. K. Non-point Source Water Quality Management under Input Information Uncertainty. Journal of Environmental Management, Ideal, n. 55, p. 199-217, 1999.
ZADEH, L. A. Fuzzy sets. Information and control. vol.8, p. 338-353, 1965.
ZIMMERMANN, H. J. Fuzzy Set Theory and its Application. Martinus Nijhoff, Dordrecht,