Fontes de erros e incertezas na modelagem hidrossedimentológica

sedimentos geralmente são inadequados para determinar as cargas de sedimentos de longo período. Isso porque as medições de sedimentos em suspensão, usadas para validar os modelos, geralmente são raras para períodos de elevadas vazões e eventos catastróficos. Uma das técnicas utilizadas nessas situações é a extrapolação da curva de ajuste para um período além dos dados observados, sendo essa extrapolação uma possível fonte de erros e incertezas (MORRIS; FAN, 1998). Medições de carga de sedimentos de fundo também são raras para a maioria dos rios.

Mesmo para eventos ordinários, séries longas e contínuas de sedimentos em suspensão geralmente não estão disponíveis, o que faz com que seja necessário estimar os valores de CSS a partir de outras fontes de dados. Morris e Fan (1998) relatam que esse procedimento pode gerar erros consideráveis a depender dos operadores e ilustram esse fato apresentando dois trabalhos em que foram utilizados o mesmo conjunto de dados para construir curvas de estimativas da carga de sedimentos sendo que um dos trabalhos encontrou um valor médio 70% superior ao outro.

Para Morgan (2005), no contexto da modelagem, a dificuldade de se obter um ajuste exato entre dados observados e estimados refletem a incerteza nas predições realizadas pelos modelos. Segundo o autor, as incertezas surgem de (i) erros nos valores medidos; (ii) da alta variabilidade espacial de alguns parâmetros de entrada que não podem ser representados adequadamente por um valor único; (iii) pela necessidade de estimar alguns parâmetros que não podem ser facilmente medidos; (iv) e erros na estrutura do modelo ou nas equações utilizadas, particularmente onde equações empíricas são usadas para representar processos físicos. Em um nível de análise mais profundo, o autor menciona que ainda existe considerável incerteza

sobre a natureza dos mecanismos que envolvem até mesmo a desagregação das partículas de solo pelo escoamento superficial.

Já Ajai Singh et al. (2014) distinguem as principais fontes de incerteza nos modelos em três classes: incerteza estrutural, incerteza nos dados de entrada e incerteza nos parâmetros. A incerteza estrutural vem da adoção de um conjunto de hipóteses para simplificar a modelagem dos processos desejados. As incertezas dos parâmetros de entrada e do modelo podem estar associadas, respectivamente, aos erros nos dados de entrada e a não unicidades dos conjuntos de parâmetros do modelo (ABBASPOUR, 2008). Alguns exemplos desse tipo de incertezas são os efeitos de reservatórios e planícies de inundações nos processos hidrossedimentológicos; variabilidade temporal da mudança de uso e ocupação do solo; interação entre as águas superficiais e subterrâneas; movimentos de massa e obras de infraestrutura que podem gerar elevadas quantidades de sedimentos, entre outros.

Jacomino (1997) complementa que as incertezas nos resultados finais dos modelos são decorrentes de erros, que não são independentes entre si e podem interagir de forma imprevisível. A autora ainda menciona que as incertezas também podem estar associadas com as formas de soluções das equações matemáticas que representam os processos físicos, que podem ser resolvidas de forma analítica ou numérica e ainda com as simplificações realizadas para simplificar os problemas a serem analisados, como considerar os processos transientes e tridimensionais como processos estacionários e unidimensionais.

Muitos usuários de modelos tentam superar os problemas de incertezas nos valores dos parâmetros de entrada dividindo uma série de dados observados em dois períodos, um para calibração e outro para validação. Entretanto, a calibração não pode resolver todos os problemas das incertezas nos modelos matemáticos, pois ela não pode ser generalizada para todas as condições ambientais (MORGAN, 2005).

Dentre os dados de entrada, destaca-se a precipitação, considerada uma das principais forçantes dos modelos hidrossedimentológicos, e que possui grande incerteza em suas medições (XUE et al., 2014). Além disso, Op De Hipt et al. (2017) destacam que as incertezas nas medições também afetam os dados utilizados para

calibrar e validar o modelo, como a vazão ou a concentração de sedimentos em suspensão, mostrando assim que esses dados também representam uma fonte de incertezas.

Outro conceito importante quando se fala de incertezas é o da equifinalidade, fenômeno que ocorre quando diferentes conjuntos de parâmetros de um modelo fornecem um resultado considerado equivalente (BEVEN; BINLEY, 1992). Shen et al. (2012) observaram esse fenômeno em seus estudos e consideraram que possivelmente ele ocorreu porque os parâmetros obtidos da calibração foram afetados por diversos fatores como as correlações entre os parâmetros, a sensibilidade (ou não) de alguns parâmetros, as escalas espacial e temporal e características estatísticas dos resíduos do modelo, conforme apresentado por Wagener e Kollat (2007).

É praticamente inevitável que existam incertezas nos parâmetros dos modelos e uma análise correspondente deveria ser conduzida para avaliar as incertezas nos dados de saída dos modelos, para auxiliar os processos de decisões (SHEN et al., 2012). Por outro lado, Morgan (2005) afirma que reduzir o nível das incertezas associadas com as predições de um modelo é vital se esse modelo for se tornar amplamente utilizado; que os desenvolvedores dos modelos precisam reconhecer que os usuários geralmente não querem várias predições com diferentes níveis de incerteza, mas desejam realizar operações com um único valor que eles tenham confiança.

Shen et al. (2012) utilizaram o método estatístico GLUE (Generalized Likelihood Uncertainty Estimation) para avaliar as incertezas de alguns parâmetros do modelo SWAT, usado para realizar estimativas de dados hidrológicos e sedimentológicos. Os autores observaram que apenas alguns parâmetros afetaram de forma significativa os resultados de saída do modelo, sendo que a simulação dos sedimentos apresentou maior incerteza do que a da vazão e essa incerteza é ainda maior nos períodos chuvosos do que nos períodos secos. Segundo os autores, esses fatos podem estar relacionados com a dependência que o modelo de sedimentos tem do modelo hidrológico.

Diversos trabalhos semelhantes ao de Shen et al. (2012) tem sido desenvolvidos a fim de avaliar as incertezas e quais principais parâmetros dos modelos associados a eles. Entretanto, essa área de estudo não é o objeto principal dessa pesquisa e, portanto, nessa seção, buscou-se demonstrar que as incertezas existem e estão presentes em vários níveis nos parâmetros e processos dos modelos e que, portanto, nem os resultados dos modelos e nem os valores dos parâmetros devem ser analisados como sendo verdades absolutas.