Este trabalho abordou o problema de calibração automática de modelos hidrológicos com a utilização de meta-heurísticas. Foi proposta a utilização da meta-heurística Clustering
Search para a solução do problema de calibração do modelo DHSVM. O algoritmo do
método foi implementado e, em seguida, aplicado na calibração de parâmetros do solo para uma bacia hidrográfica localizada na região sudeste do Brasil. Os resultados mostraram que a meta-heurística apresentou uma boa capacidade de calibração automática dos parâmetros, tendo melhorado o índice de Nash-Suttcliffe com relação ao obtido a partir dos parâmetros iniciais. Embora o tempo computacional seja um fator limitante, como trabalho futuro sugere-se a calibração não só dos parâmetros de solo mas também dos parâmetros relativos ao uso da terra.
A ferramenta de calibração implementada agrega um valor ainda maior ao modelo DHSVM que, na sua versão atual, não dispõe de uma ferramenta automática para calibração dos parâmetros de entrada. Com isso, o processo de modelagem, utilizando o DHSVM, pode ser mais rápido e menos trabalhoso para os pesquisadores.
Embora já totalmente funcional, ainda são necessários mais testes da ferramenta, nos quais devem ser calibrados os parâmetros de entrada para outras sub-bacias e em outras regiões. Também é interessante a implementação de outras funções objetivo, bem como, de outras heurísticas a fim de tornar a ferramenta mais flexível e adaptável para os diversos cenários e condições das áreas onde for utilizada.
5
Análise da eficiência do modelo DHSVM
para conjuntos de parâmetros calibrados
em diferentes sub-bacias
5.1
Resumo
Quando se pretende realizar a modelagem hidrológica de uma bacia hidrográfica, nem sempre estão disponíveis valores ideais para os parâmetros de entrada do modelo. Neste caso, o que normalmente se faz é obter valores a partir da literatura ou de outros estudos realizados em regiões com características climáticas, topográficas de solo e de vegetação semelhantes. Caso o resultado da modelagem a partir dos valores obtidos não seja satisfatório, por meio da calibração faz-se o ajuste dos mesmos. Devido à característica não linear do problema de calibração de modelos hidrológicos, podem existir múltiplas soluções para o problema o que dificulta o processo de calibração. Quando se dispõe de um algoritmo de calibração como o clustering search (CS) que permite obter um conjunto de soluções sub-ótimas durante o processo de calibração, pode ser interessante verificar a eficiência do modelo para outras sub-bacias a partir das soluções sub-ótimas obtidas. Nesse trabalho esta abordagem é verificada para a bacia hidrográfica do rio Itapemirim. Foram modeladas e calibradas de forma automática oito sub-bacias utilizando a heurística híbrida CS onde obteve-se, para cada sub-bacia, cinco conjuntos de parâmetros de entrada. Cada sub-bacia foi modelada para cada um dos cinco conjuntos de parâmetros obtidos da calibração das demais sub-bacias. Os resultados mostram que conjuntos sub-ótimos de parâmetros calibrados para uma sub-bacia podem ser adequados para outras sub-bacias.
5.2
Introdução
Modelos hidrológicos têm sido utilizados com objetivos variados como, estimar a descarga nos cursos d’água e estudar a influência das alterações do uso da terra na dispo- nibilidade hídrica. Para a utilização de modelos hidrológicos é necessário o levantamento de um conjunto de parâmetros de entrada, nem sempre disponíveis ou adequados para a área modelada. No Brasil e, principalmente no estado do Espírito Santo, a escassez desses dados, especialmente daqueles referentes aos solos, são ainda maiores.
Capítulo 5. Análise da eficiência do modelo DHSVM para conjuntos de parâmetros calibrados em
diferentes sub-bacias 79
Os parâmetros de entrada de um modelo hidrológico são de extrema importância pois, é a partir deles que o modelo realiza a simulação dos processos hidrológicos, produzindo como resultado o comportamento das vazões nos cursos d’água, por exemplo.
Quando os parâmetros de entrada não permitem obter bons resultados na modelagem, uma alternativa comumente utilizada é sua calibração. Nesse caso, os parâmetros são alterados e, para cada novo conjunto de entrada, o resultado da modelagem é analisado até que se obtenha um resultado satisfatório (MORADKHANI; SOROOSHIAN, 2009). A calibração pode ser realizada manualmente ou de forma automatizada. O processo manual tende a ser trabalhoso e dependente da experiência do pesquisador com relação ao modelo utilizado e também com a área estudada. Para modelos complexos, que necessitam de um grande número de parâmetros, é comum um ou mais parâmetros influenciarem um mesmo comportamento do modelo, dificultando ainda mais o processo de calibração manual. Nesse caso, o ajuste dos parâmetros torna-se complexo, pois o ajuste de um dado parâmetro pode tornar necessário um novo ajuste em um parâmetro previamente ajustado (GUPTA; SOROOSHIAN; YAPO, 1999).
Outro problema em modelagem hidrológica é a falta de informações referentes aos parâmetros de entrada do modelo utilizado. Quando não se dispõe dessas informações, é comum utilizar dados de literatura ou de outros estudos realizados para regiões que possuam características climáticas, topográficas, de solo e de vegetação semelhantes. No entanto, por mais que haja semelhança, nem sempre os dados obtidos levam a resultados satisfatórios ao final da modelagem, tornando mais necessário ainda processos eficientes de calibração dos parâmetros de entrada do modelo.
Com o aumento da capacidade de processamento dos computadores, a cada dia torna- se mais viável a utilização de ferramentas computacionais para a calibração de modelos hidrológicos. O desenvolvimento de um calibrador automático requer a definição de uma função objetivo, que pode ser baseada em um ou mais critérios de avaliação da eficiência do modelo e, também, de um algoritmo que permita gerar conjuntos de parâmetros de entrada a partir dos quais o modelo é executado e, ao final, a função objetivo é novamente calculada para avaliar se houve melhoria na eficiência do modelo. Para a geração de novos conjuntos de parâmetros de entrada, técnicas estatísticas e heurísticas têm sido empregadas na construção de algoritmos e ferramentas de calibração (GUPTA; SOROOSHIAN; YAPO, 1999).
Entretanto, mesmo o processo de calibração automática pode levar a resultados não satisfatórios. Por exemplo, valores obtidos para parâmetros de entrada podem não ser conceitualmente consistentes. Outro problema se refere ao fato de que um calibrador pode ser eficiente para um dado modelo ou um dado conjunto de entrada de dados mas, quando se aplica o mesmo para outros modelos ou dados de entrada, os resultados obtidos podem não ser satisfatórios (GUPTA; SOROOSHIAN; YAPO, 1999). Esses problemas decorrem do fato de que os modelos hidrológicos são essencialmente problemas não lineares, o que,
em geral, à existência de múltiplas soluções ótimas (DUAN; SOROOSHIAN; GUPTA, 1992) em cada espaço de soluções.
Por esses motivos, os parâmetros obtidos ao final do processo de calibração podem não permitir obter bons resultados na modelagem da bacia estudada para períodos que compreendam intervalos fora do intervalo utilizado na calibração. Dessa forma, é importante utilizar técnicas de calibração e de validação que minimizem esses problemas (ARSENAULT et al., 2013).
Em particular, o modelo DHSVM não dispõe de um conjunto de ferramentas para calibração automática. No Capítulo 4 é proposta uma ferramenta de calibração para o modelo baseada na meta-heurística Clustering Search (CS), que possui como característica a geração de um conjunto de soluções sub-ótimas, uma para cada centro de cluster. Um dos clusters obtidos, possui em seu centro, a melhor solução obtida durante o processo de calibração e, os demais, as outras soluções sub-ótimas geradas.
Em uma bacia hidrográfica onde se dispõe de séries de dados consistentes para mais de uma estação fluviométrica presentes dentro de sua área de drenagem, pode ser interessante realizar a calibração para cada estação fluviométrica e, a partir dos melhores conjuntos de parâmetros obtidos para cada estação (sub-bacia), verificar a eficiência de cada conjunto na modelagem das demais sub-bacias. Diante disso, este trabalho tem como objetivo verificar a eficiência da simulação hidrológica de bacias a partir da transferência de mais de um conjunto de parâmetros calibrados para diferentes sub-bacias.