TrabMODSIG G2010128 G2010287

(1)

Comparação de metodologias HEC-RAS/ArcGIS e MCDA

para modelação do risco de cheia na bacia hidrográfica do rio

Neiva

João Mamede (g2010128)

Telmo Brás (g2010287)

Mestrado em Ciência e Sistemas de Informação Geográfica – 10ª Edição Unidade Curricular de Modelação SIG

Instituto Superior de Estatística e Gestão da Informação – Universidade Nova de Lisboa, Portugal [email protected]

[email protected] 05/2011 TEMA PRINCIPAL: Cheias, Inundações e Modelação TIPO DE ARTIGO: Artigo Científico

RESUMO

Os recursos hídricos representam uma significativa valia económica, social e ambiental, de forma que variabilidade espacial e temporal dos fluxos de água no ciclo hidrológico determinam a necessidade de medidas de gestão e planeamento. Os sistemas de informação Geográfica (SIG) enquanto ferramentas de caracterização dos territórios, condutores de processos e de apoio à decisão técnica e política, com base em experimentação e validação de modelos de simulação e análise espacial permitem sustentar e apoiar as opções e/ou acções de planeamento e gestão de recursos hídricos. Neste sentido é importante a avaliar e estudar diferentes metodologias e abordagens subjacentes à delimitação de zonas inundáveis de uma bacia hidrográfica e consequente elaboração de cartografia de risco de inundação, pelo que este trabalho procurar apresentar uma metodologia assente em modelação hidrológica integrada no SIG, e uma metodologia de análise e decisão multi-critério (MCDA). Estes modelos serão analisados e comparados, em paralelo será proposta uma abordagem que passará por integrar em simultâneo os resultados obtidos pelos dois modelos, para que daí se possa obter um maior detalhe e ajustamento dos modelos. A principal conclusão a retirar é que este modelos são bastante importantes antes, durante e após a manifestação fenómeno neste caso as inundações na bacia hidrográfica do Rio Neiva. Podemos ainda afirmar com alguma propriedade que os modelos de cheia são uma “Never ending story” pois são um ciclo onde cada ocorrência do fenómeno deve ser introduzida como novo input na modelação de um novo modelo i.e., a modelação não é um processo em contínuo, com um princípio e um fim.

PALAVRAS-CHAVE: Cheias, Modelação SIG, HEC-RAS/ArcGIS, MCDA.

1 INTRODUÇÃO

Os Sistemas de Informação geográfica (SIG) têm registado crescente importância na análise e aplicações de sistemas hidrológicos. O carácter multidisciplinar da hidrologia e a quantidade de dados a tratar são considerados os factores fundamentais que contribuíram decisivamente para esta integração. A capacidade técnica dos SIG enquanto “potentes calculadores” do território permite utilizar um conjunto de equações e modelos matemáticos que ajudam a interpretar os processos hidrológicos, a partir de base de dados e que podem ser traduzidos em mapas.

Neste âmbito pode-se referir que os SIG apresentam uma visão integral e holística, pois permitem agregar um conjunto de factores climatológicos, meteorológicos, geomorfológicos, ecológicos, sociais entre outros que sustentam o processo de tomada de decisão (Del Río J., 2010).

(2)

De acordo com Burrough, 2000 cit. Del Río J., 2010 integrar os SIG e os modelos hidrológicos implica ligar dados espaciais que descrevem o meio físico envolvente, com os modelos de processos hidrológicos que descrevem o movimento da água através do meio.

O problema central da integração reside na forma em que se concebe o espaço, o tempo e a aleatoriedade dos modelos hidrológicos e dos SIG, ie nem os SIG nem os modelos hidrológicos foram inicialmente concebidos para trabalhar juntos (Martin et al 2005).

Segundo Moraz e Trevino (2001) cit. Del Río J. existem dois factores que contribuíram decisivamente para a utilização dos SIG em hidrologia. A elevada capacidade produtiva dos SIG em gerir, integrar e manipular uma grande quantidade de informação, bem como a capacidade e a contribuição que geram na compreensão dos modelos e sistemas hidrológicos. Em termos gerais as principais funcionalidades que motivaram a utilização dos SIG na hidrologia são: a disponibilidade e gestão de dados, a elaboração de mapas, a análise e a simulação.

Associada à crescente difusão, a utilização dos SIG tem um forte potencial de aumentar a compreensão e melhoria dos modelos hidrológicos, ao nível das operações e resultados que lhe estão subjacentes. Por outro lado, os modelos podem ser repetidos diversas vezes, em diferentes locais, pelo que a simulação de cenários e a transferência tecnológica são benefícios evidentes na ligação dos SIG aos modelos hidrológicos.

De acordo com Maidment (2000) existem diversos níveis de associação de SIG à modelação hidrológica, embora se possam considerar como mais significativos os seguintes:

SIG integrado no modelo – este esquema foi um dos primeiros a ser desenvolvido, onde o SIG é entendido como uma ferramenta para produzir mapas e apresentar resultados obtidos pelos modelos hidrológicos (HEC-RAS, RiverCAD, MODFLOW).

Função incluída no SIG – baseia-se no desenvolvimento de módulos específicos de hidrologia dentro de programas SIG, estes focalizam-se no cálculo de funções hidrológicas tentando cobrir as necessidades de modelação, embora não se centrem na implantação de modelos propriamente ditos (ArcGIS – ArcHydro, GvSIG-Sextante).

Ligação dos SIG a modelos hidrológicos (Loose coupling) – este nível de associação implica geralmente a ligação de três tipos de programas informáticos: um software SIG (ArcGIS, Gv SIG), um programa hidrológico ou hidráulico de modelação (HEC,) e um pacote estatístico (R, SAS).

Ligação estreita (Tight coupling) – supõe um nível mais alto de integração entre os modelos hidrológicos e os SIG, que se apresentam como uma ferramenta única. Normalmente apresentam um interface amigável e intuitivo para o utilizador, contudo apresentam um custo elevado de desenvolvimento (MODIPE). Existem outras metodologias que permitem avaliar os parâmetros hidrológicos com base em cartografia temática. Ou seja, o cruzamento de dados temáticos de diferentes origens designadamente os parâmetros biofísicos como o tipo de solo, a respectiva ocupação e uso, as características fisiográficas entre outros possibilitam a criação de informação importante de suporte à decisão, ou que futuramente poderá ser integrada em modelos hidrológicos, aumentando o grau de refinamento destes modelos.

A multi-criteria decision analysis (MCDA) encaixa nos modelos descritos no parágrafo anterior, através desta metodologia são atribuídos diferentes valores de importância, “pesos”, a diversos inputs do modelo que os relaciona utilizando uma lógica assente em álgebra de mapas. Contudo a definição dos “pesos” a atribuir a cada uma das variáveis de input e a própria definição da equação que os relaciona está estritamente relacionada com a qualidade do conhecimento que se tem do fenómeno e com o bom senso do criador do modelo. Quando se ambiciona produzir um modelo de elevada qualidade por vezes é necessário definir uma equipa multidisciplinar que é dividida de acordo com as valências técnicas e científicas de cada um dos seus elementos relativamente a cada uma das variáveis de input. Em seguida essa equipa reúne-se e tenta criar uma fórmula algébrica que traduza a importância que cada um dos inputs tem no fenómeno a modelar por fim corre-se o modelo e verificam-se os resultados procedendo se necessário a afinações que poderão ser fundamentadas com recurso à recolha de dados no campo e a investigação sobre acontecimentos anteriormente ocorridos.

Neste trabalho serão apresentados dois métodos de modelação do risco de cheias para a bacia hidrográfica do Rio Neiva, um método utilizando HEC-RAS/ArcGIS que podemos incluir no grupo de SIG integrado no modelo enunciado por Maidment (2000) e um outro que é o método MCDA. No final serão comparados os resultados obtidos pelos dois modelos e é feita uma tentativa de integração dos resultados obtidos, de forma a criar um modelo mais realístico do fenómeno.

(3)

2 ÀREA DE ESTUDO

A bacia hidrográfica do rio Neiva localiza-se na região noroeste de Portugal com uma área aproximada de 240 km2 confronta na sua cabeceira com limites das bacias hidrográficas do rio Lima a Norte e do Cávado a sul. O rio Neiva como linha de água principal apresenta uma extensão de cerca de 45 km, com uma orientação de drenagem em direcção ao Oceano Atlântico E-W.

Figura 1 - Localização e enquadramento da área de estudo.

3 RECOLHA E PREPARAÇÃO DOS DADOS

Na grande maioria das vezes a dificuldade da criação de modelos não está na metodologia a aplicar, mas sim na obtenção de dados de qualidade. Conscientes que a máxima “Garbage In = Garbage Out” (Cabral, 2011) também se aplica a modelação em SIG, procuramos aceder a dados de qualidade para ambos os métodos1, atendendo à competência e reconhecimento técnico-cinetifico das autoridades responsáveis pela produção de informação geográfica oficial das diferentes temáticas (e.g., Hidrografia no INAG, Carta Geológica no LNEG, etc). Da mesma forma, tentou-se que a informação fosse recolhida e utilizada na menor escala possível de forma a dar maior pormenor aos modelos criados.

Na Tabela 1 são apresentados todos os dados recolhidos para a realização deste trabalho bem como o sistema de coordenadas, escala, fonte, tipo de dados e o modelo de dados.

Tabela 1 - Tabela resumo dos dados utilizados para a realização deste trabalho.

Camada ou Tema Sistema de

Coordenadas Escala Fonte

Tipo de Dados Modelo de Dados Curvas de nível Hayford - Gauss - Militar (Sistema Militar

Português) IgeoE

1:25 000 IGeoE (Instituto Geográfico do

Exercito) Shapefile Vectorial Pontos cotados

Hayford - Gauss - Militar (Sistema Militar

Português) IgeoE

Exercito) Shapefile Vectorial

Hidrografia

Português) IgeoE

1:25 000 INAG (Instituto Nacional da

Água) Shapefile Vectorial

Bacias Hidrográficas

Português) IgeoE

Água) Shapefile Vectorial

1

Para além deste tipo de informação foi utilizada outra, que apenas serviu de enquadramento e contextualização, assim como para a realização dos mapas apresentados neste trabalho e.g., CAOP e Ortos mundiais.

(4)

Vértices Geodésicos

Português) IgeoE

Exercito) Shapefile Vectorial Estações

Meteorológicas

Português) IgeoE

INAG (Instituto Nacional da

Água) Shapefile Vectorial Carta de Uso do

Solo 2006

Português) IgeoE

1:25 000 IPVC (instituto Politécnico de

Viana do Castelo) Shapefile Vectorial Carta de Solos

Português) IgeoE

1:100 000 DRAPN (Direcção Regional de

Agricultura e Pescas do Norte) Shapefile Vectorial Carta Geológica

Português) IgeoE

1:50 000 LNEG (Laboratório Nacional de

Energia e Geologia) Shapefile Raster Regiões

Hidrográficas

Português) IgeoE

Água) Shapefile Vectorial Área de jurisdição

das ARH

Português) IgeoE

Água) Shapefile Vectorial Dados de

precipitação média diária

Português) IgeoE

Água) Excel Vectorial Dados de

precipitação máxima (24 horas)

Português) IgeoE

Água) Excel Vectorial

CAOP PT-TM06/ETRS89 =<1:25 000 IGP (Instituto Geográfico

Português) CAOP 2010 Shapefile Vectorial

Toponímia dos Concelhos

Português) IgeoE

1:1000000 Atlas do Ambiente - Agência

Portuguesa do Ambiente (APA) Shapefile Vectorial

Ortos Mundiais (World Imagery) WGS 84 Várias Escalas ESRI (http://services.arcgisonline.com/ arcgis/services) ArcGis Server Raster

Na análise dos dados verificou-se a necessidade de realizar algumas tarefas de pré-processamento para que estes pudessem ser utilizados nas metodologias que serão apresentados posteriormente nomeadamente:

1. Criação de um buffer de 1000 metros pela área de estudo. Esta operação foi necessário realizar uma vez que os dados a utilizar seriam na sua grande maioria transformados para raster e assim independentemente do cell size usado é garantida a integridade dos dados junto aos limites da área de estudo.

2. Criação do TIN que seria usado na metodologia HEC-RAS/ArcGIS e para a criação do MDT a utilizar na MCDA. Para a criação do TIN foram usados os dados apresentados na Tabela 2.

Tabela 2 - Parâmetros utilizados na criação do TIN. Definição dos campos e do tipo de superfície para a criação do TIN Tema ou camada Campo da Cota Tipo de Superfície Curvas de nível Shape = polyline Z mass points

Pontos cotados Shape = point Z mass points

Hidrografia Shape = polyline Z hardline

Bacias Hidrográficas (Neiva) <None> soft clip

3. Corte da informação a inserir nos modelos pelo buffer da área de estudo e.g, carta de solos, carta geológica. 4. Tratamento da informação referente à Carta de Ocupação do solo:

a. Criação de um campo a que foi dado o nome de CAT_TXT que agrupa a ocupação do solo em 4 classes i.e., urbano, agrícola, floresta, água.

b. Dissolve dos polígonos pelo campo CAT_TXT. 5. Tratamento da informação referente à Geologia:

(5)

a. Criação do campo CLASSE_TRA para agrupar a geologia em 3 classes (generalização) as identificadas por Irfan Akar, D. Maktav, C. Uysal (2009) no seu artigo como as necessárias para a MCDA.

b. Dissolve dos polígonos pelo campo CLASSE_TRA. 6. Exportação dos dados para uma file geodatabase.

4 METODOLOGIA

Neste capítulo serão apresentadas duas metodologias, uma utilizando modelação hidrológica integrada no SIG (HEC-RAS, ArcGIS) que permite combinar a utilização de um software de modelação hidráulica/hidrológica e um SIG para obter cartografia de áreas inundáveis com base nos fluxos de águas superficiais após um hipotético fenómeno de precipitação intensa. O outro é um modelo de risco de cheia baseado em álgebra de mapas, também conhecido por análise multi-critério2 que assenta na atribuição de diferentes valores que reflictam o grau de importância (pesos), das várias variáveis de input para o fenómeno a modelar.

4.1 HEC-RAS/ARCGIS

Esta metodologia foi utilizada por J. Mamede (2011) e tem como objectivo estimar o escoamento superficial na bacia hidrográfica do rio Neiva, de forma a permitir delimitar as zonas inundáveis e elaborar cartografia de risco de inundação. A análise do escoamento e das suas consequências baseou-se no modelo hidrológico distribuído que simula o seu comportamento. O modelo distribuído realiza a simulação da propagação de caudais e níveis de água em bacias hidrográficas durante episódios de chuva intensa, reproduzindo as seguintes etapas do ciclo hidrológico: precipitação, acumulação infiltração e circulação. A complexidade destes processos e respostas obriga à utilização de dados espaciais de origem e formatos diversos que podem ser geridos pelos SIG. Para estimar a circulação hídrica são utilizadas operações baseadas num algoritmo de simulação que respeita a integridade dos dados quanto à sua componente espacial e temporal.

Para aplicar este modelo desenvolveram-se três componentes ou fases que operacionalizam e favorecem o cumprimento dos objectivos, nomeadamente: fase 1: tratamento da precipitação; fase 2: síntese da chuva efectiva; fase 3: simulação do escoamento superficial.

Nesta metodologia os SIG são utilizados para o pré e pós-processamento da informação geográfica, sobretudo na edição de cartografia e discretização de variáveis hidrológicas.

A fase de tratamento da precipitação consiste em averiguar a precipitação máxima que se registaria na bacia hidrográfica do rio Neiva, no caso hipotético de uma precipitação intensa.

A segunda fase consiste em averiguar que quantidade de chuva se converte em escoamento superficial, ou seja, estimar a precipitação. Para estimar o caudal máximo utilizou-se um método estatístico.

Figura 2 - Esquema representativo da integração HEC-RAS/ArcGIS

2

(6)

4.2 MULTI-CRITERIA DECISION ANALYSIS (MCDA)

O método Multi-Criteria Decision Analysis (MCDA)3 foi um dos escolhidos, de entre as metodologias possíveis, para criar um modelo de cheias para a bacia hidrográfica do Rio Neiva. Este método quando aplicado a um problema em SIG baseia-se em álgebra de mapas, onde são atribuídos diferentes graus de importância, “pesos”, a uma série de variáveis de input. Neste método o resultado final está directamente relacionado com a disponibilidade e qualidade da informação, com o conhecimento e sensibilidade para a temática a abordar.

Os dois factores mais importantes para tornar o método (MCDA), mais realista assentam na bibliografia que possibilita ter um conhecimento aprofundado do fenómeno a modelar e consequentemente na fundamentação científica e técnica para que possamos definir a importância de cada uma das variáveis de input de forma a atribuir as respectivas ponderações ou “pesos. O outro factor, está relacionado com a quantidade de variáveis a incluir no modelo, ou seja, quanto mais descritores do território introduzirmos como dados de entrada melhores resultados se podem esperar, salvaguardando sempre a fundamentação científica e técnica do fenómeno a modelar.

Na realização da MCDA utilizou-se o software ArcGis 9.3.1. e a ferramenta Model Builder onde foi criado um modelo com as várias etapas sequenciais que passaremos a descrever:

1. Importação dos dados para uma file geodatabase. 2. Criação de um raster de orientação de vertentes (aspect). 3. Criação de um raster de declives em graus (slope).

4. Transformação da informação que se encontrava em formato vectorial para raster, no Tabela 3, podem ser observados os campos que foram utilizados na conversão de vector para raster.

Tabela 3 - Campos utilizados na conversão vector raster. Campos utilizados como value na conversão de

vector para raster

Tema ou camada Campo ou atributo

COS_2006_4Categorias CAT_TXT Geologia_50k CLASSE_TRA Solos CLASSIFICA

5. Reclassificação dos raster obtidos no passo anterior e do raster MDT, (Quadro 1), com os valores utilizados nesta operação. A escala utilizada quer nesta reclassificação, quer no passo seguinte (ponderação) varia de 1 a 10, onde 1 representa menor e 10 o maior risco de inundação. A grande maioria dos valores expressos nesta tabela está presente na metodologia apresentada por Irfan Akar, D. Maktav, C. Uysal (2009). Excepção feita aos valores da água no raster da ocupação do solo (R_COS) ao qual foi atribuído o valor 1 para manter a constante na multiplicação que irá ser realizada, no próximo passo. Os valores atribuídos ao raster referente ao tipo de solo (R_Solos) baseiam-se na consulta da Classificação Internacional dos Solos, tendo em conta as suas características individuais.

Quadro 1 - Valores de reclassificação para os vários temas raster.

Tema Old values New values Tema Old values New values

R_Aspect -1 - -0,000001 10 R_COS Agricola 10 -0,000001 - 45 9 Agua 1 45 - 135 8 Floresta 5 135 - 225 2 Urbano 9 225 - 315 2 NoData NoData 315 - 359,997833 9 R_Geologia Aluvioes 10 NoData NoData Aluvioes antigos 8

MDT 0,14183 - 30 10 Outros 3 30 - 60 5 NoData NoData 60 - 721,104858 2 R_Solos4 Antrossolos 6 NoData NoData Arenossolos 3

R_Slope (Graus) 0 - 5 10 Cambissolos 4 5 - 15 9 Fluvissolos 10 15 - 25 7 Leptossolos 5 3

Em Português, Análise Multi-critério.

4 _{A atribuição destes “pesos” teve por base a consulta realizada na wikipedia sobre a classificação internacional dos solos} http://en.wikipedia.org/wiki/World_Reference_Base_for_Soil_Resources

(7)

25 - 44,247585 1 Pa 1 NoData NoData Regossolos 2

NoData NoData

6. Atribuição de diferentes “pesos” a cada um dos temas (ponderação). Com a realização deste passo através da função Weighted Sum obtemos o raster do risco de cheia para a bacia hidrográfica do Rio Neiva. A Tabela 4 apresenta as ponderações atribuídas a cada um dos temas de input.

Tabela 4 - Ponderações atribuídas na utilização da ferramenta Weighted Sum. Weighted Sum Tema Ponderação % RR_Aspect 4 RR_MDT 8 RR_Slope (Graus) 4 RR_COS 4 RR_Geologia 5 RR_Solos 8

7. Reclassificação do resultado em 5 classes, para uma melhor leitura dos resultados. O raster final (RiscoCheia) foi reclassificado pelo método natural breaks (jenks) que é o método sugerido por defeito pelo ArcMap e parecia adequado para esta situação.

O fluxograma extraído do Model Builder com todas as tarefas realizadas durante a metodologia MCDA é apresentado na Figura 3.

(8)

Na Figura 4 é apresentado o resultado final obtido através da metodologia MCDA para a definição do risco de cheia, na bacia hidrográfica do Rio Neiva.

Figura 4 - Layout com o resultado da metodologia MCDA para definição do risco de cheia para a bacia hidrográfica do Rio Neiva.

5 ANÁLISE DOS RESULTADOS

Para a comparação dos resultados começou-se por importar os resultados obtidos para ArcScene, onde se criou uma “cena” que permitisse visualizar a três dimensões os resultados provenientes das duas metodologias. Este tipo de análise permite perceber o “peso” que o relevo e a hidrografia têm na criação de modelos hidrológicos como aqueles que aqui foram apresentados.

Na Figura 5 podemos observar a saída gráfica com a sobreposição dos dois resultados. O azul mais forte é a área de inundação definida pelo modelo HEC-RAS/ArcGIS, e as duas tonalidades de azul claro são as áreas de risco de cheia alto e muito alto para a bacia hidrográfica do Rio Neiva calculadas com o método MCDA.

(9)

Figura 5 - MDT exportado do ArcScene com sobreposição da área de inundação obtida pelo método HEC-RAS/ArcGIS com as zonas identificadas como de risco alto e muito alto pelo método MCDA.

Para obter uma comparação dos resultados mais detalhada utilizaram-se mais duas ferramentas da extensão Spatial Analyst que passaremos a enunciar:

1. A função CON, permite definir uma condição, ou seja pretende-se seleccionar todas as áreas classificadas com risco de cheia alto e muito alto que se encontrem dentro da área de delimitada pelo método HEC-RAS/ArcGIS. Estas áreas são apresentadas na Figura 6.

2. Através função Zonal Statistics as Table foram calculadas as estatísticas referentes a área de sobreposição, que possibilitaram a criação da Tabela 5 onde se pode analisar qual a área ocupada por cada uma das classes de risco (calculadas pelo MCDA) tendo em conta a área de risco de inundação definida pela modelação hidrológica.

Após a realização destas tarefas verificamos que da área de inundação total cerca de 722 ha obtida pela modelação hidrológica, aproximadamente 393 hectares, ou seja 54,41% da área total encontram-se classificados pelo método de MCDA, como sendo áreas de risco alto e muito alto. A qualidade dos modelos em confronto está evidente na comparação dos resultados obtidos, i.e., a maioria da área definida pelo HEC-RAS/ArcGIS coincide com as classes de risco mais altas.

Tabela 5 - Tabela com estatísticas referentes a sobreposição da área obtida pelo método HEC-RAS/ArcGIS com as zonas identificadas como de risco alto e muito alto pelo método MCDA.

Valor no Raster (classes)

Descrição Número de

Pixéis

Área (metros) Área (hectares) % de cada classe % Acumulada 1 Improvável 116 72500,000 7,25 1,00% 1,00% 2 Baixo 2052 1282500,000 128,25 17,75% 18,76% 3 Moderado 3102 1938750,000 193,875 26,84% 45,59% 4 Alto 4440 2775000,000 277,5 38,41% 84,00% 5 Muito Alto 1849 1155630,000 115,563 16,00% 100,00%

(10)

Figura 6 - Layout com as áreas de risco alto e muito alto (MCDA) dentro da área de inundação definida na utilização do método HEC-RAS/ArcGIS.

6 CONCLUSÕES

A primeira conclusão genérica a retirar da modelação de cheias com recurso a ferramentas SIG é válida para qualquer modelo, seja SIG ou não, e refere que os modelos não são a realidade, são apenas a sua representação, de forma que a sua qualidade está dependente da quantidade, qualidade e actualidade dos dados e da informação usados na sua criação. Com base nesta premissa podemos afirmar que a modelação aproximada da realidade implica um conhecimento profundo dos fenómenos naturais, sem esquecer os diversos factores de aleatoriedade que lhe estão inerentes.

Por outro lado, é necessário ter presente, que não é pelo simples facto de existir um bom modelo sobre um determinado fenómeno que o mesmo deixará de se manifestar e.g., durante a realização deste trabalho foram apresentadas duas metodologias (modelação hidrológica e MCDA) para modelar as cheias na bacia hidrográfica do Rio Neiva i.e., mesmo que os modelos criados tenham qualidade nada impedirá de continuarem a existir inundações nesta bacia hidrográfica, pois os modelos em si não são dissuasores da manifestação dos fenómenos. Neste contexto, poderão ser utilizados em três fases distintas, antes do fenómeno se manifestar como auxiliares no planeamento/ordenamento do território, nas medidas preventivas e de protecção civil; durante a manifestação do fenómeno na definição de áreas prioritárias de actuação e na ajuda as populações mais afectadas, caso se encontrem nas áreas definidas como as de maior risco; e por fim os modelos poderão ainda ser utilizados na fase pós manifestação do fenómeno na fase de contabilização de prejuízos servindo as áreas de maior risco como áreas que possibilitam aferir a severidade do fenómeno e consequentemente serão definidas formas de reposição da normalidade em todas as áreas afectadas, bem como definição de normas e regras específicas de construção e locais de edificação

Outra conclusão a retirar é que estes modelos nunca estão terminados, os dados utilizados para modelar estes fenómenos serão sempre escassos, e por outro lado assim que o fenómeno se voltar a manifestar poderá alterar a própria morfologia do terreno fazendo com que o resultado de um modelo anterior já não se adapte à realidade. Pelo que os modelos devem ser constantemente alvos de monitorização, ajustamento e avaliação, introduzindo variáveis de input de novos dados e ocorrências.

(11)

Dos resultados obtidos nos dois modelos apresentados conclui-se que a modelação hidrológica é aquele que mais se ajusta à hidrografia existente definindo a sua área de inundação em torno do curso principal do rio, já o método MCDA atribui uma grande importância ao relevo e à tipologia dos solos apresentando um valor de risco de cheia para qualquer espaço localizado na área de estudo. Este facto pode ser explicado pelo pré-processamento do terreno, efectuado na modelação hidrológica que procurou corrigir depressões, direcções de fluxo e acumulação de água, bem como as características hidrológicas da linha de água principal. No método MCDA a utilização de diferentes variáveis possibilita que sejam identificados locais que devido às suas especificidades naturais apresentem susceptibilidade para a ocorrência de cheias, e que na modelação hidrológica não apresentem qualquer risco.

A comparação de resultados finais dos dois modelos apresentados mostra que a área de inundação definida pelo modelo HEC-RAS/ArcGIS está maioritariamente dentro das áreas mais elevadas de risco de cheia apresentadas pelo método MCDA, ou seja mais de 80% da área de inundação do modelo hidrológico tem um risco de cheia de moderado a muito alto. A definição de diferentes classes de risco permite definir e quantificar diferentes níveis de risco, aos quais estão associados diferentes estratégias e prioridades ao nível da prevenção, do alerta, da gestão de emergências e da reabilitação e reconstrução.

Com base no referido anteriormente podemos afirmar que a definição de uma nova metodologia baseada essencialmente no cruzamento dos resultados dos dois modelos obtendo desta forma um modelo mais detalhado e pormenorizado e que se ajusta melhor à implementação no terreno, através da articulação de diferentes níveis de serviços.

7 REFERÊNCIAS BIBLIOGRÁFICAS

Cabral, Pedro (2011) “Apontamentos da unidade curricular de Modelação SIG” Lisboa ISEGI-UNL.

Carvalho, Luís (2009) “A importância do rio na cidade – Análise do Risco de inundação no perímetro urbano da cidade de Leiria” (Dissertação para a obtenção do grau de mestre em Ordenamento do Território e Planeamento Ambiental) Lisboa FCT-UNL.

Del Río J., 2010. Introducción al tratamiento de datos espaciales en la hidrologia. Madrid, Ed. Bubok. ISBN: 978-84-9981-141-3

Drake Vicky, “Classification methods in arcview” GIS lectures, Santa Monica College.

Esri Portugal, “Introdução ao ArcGis (9.x) – nível II” (Manual com slides do curso), frequência do curso de 10 a 13 de Abril de 2007.

Esri Portugal, “ArcGis 3D Analyst” (Manual com slides do curso), frequência do curso 26 de Fevereiro de 2008. Esri Internacional (2007) “Working with ArcGIS Spatial Analyst” (Manual de formação ESRI- Exercícios do curso - versão 3.1), Estados Unidos da América.

Henriques, R. 1996. Os sistemas de Informação Geográfica e a modelação hidrológica no domínio das águas superficiais. Teses e programas de investigação LNEC. ISBN: 972-49-1714-2

Irfan Akar, D. Maktav, C. Uysal (2009) “Determination of flood risks in the yeniçiftlik stream basin by using remote sensing and GIS techniques” Turquia.

Law, Derek; Simmons, Brenda; Taggart, Marnel (2004) “Building Geodatabaes I” (Manual de formação ESRI Portugal, título em português, Geodatabases nível – Introdução ao ArcSDE), versão do curso 2.2, Estados Unidos da América.

Maidment, D. 2000. Review of Hydrological Applications of GIS in A. M. Gurnell D. R. Montgomery (Eds) John Wiley & Sons Limited, Chichester

Mamede, J., 2011. Modelação espacial com HEC-(Geo)RAS 4.0 e ArcGIS 9.3.1 Caso de estudo na bacia hidrográfica do rio Neiva. Trabalho final da Unidade Curricular de Aplicações SIG. ISEGI – UNL. Lisboa

(12)

Maidment, D., 1993. GIS and Hydrologic Modeling in Goodchild, M., Parks, B.,Steyaert, L. Environmental Modeling whith GIS, Oxford University Press. New York

Martin, P., LeBoeuf E., Dobbins J., Daniel E., Abkowitz M.. Interfacing GIS with water resource models: A state-of-the-art review. J. American Water Resources Assoc. 41(6): 1471-1487. 2005.

RECURSOS NA INTERNET

Página da Wikipédia sobre a classificação internacional dos solos

http://en.wikipedia.org/wiki/World_Reference_Base_for_Soil_Resources (consultada a 01/05/2011)

Página de ajuda do ArcGIS on-line sobre as estatísticas zonais extensão Spatial Analyst http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=How%20Zonal%20Statistics%20works

(consultada a 06/05/2011)

Página de ajuda do ArcGIS on-line sobre a operação Tabulate Area da extensão Spatial Analyst http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=Tabulate_Area (consultada a 06/05/2011)

Página de ajuda do ArcGIS on-line sobre o funcionamento das estatísticas zonais extensão Spatial Analyst http://webhelp.esri.com/arcgisdesktop/9.2/index.cfm?TopicName=Zonal_Statistics (consultada a 06/05/2011)