PREVISÕES PRELIMINARES DE DESASTRES HIDROLÓGICOS NA BACIA DO RIO DOCE
Anderson Sene Gonçalves1; Rochane de Oliveira Caram1; Graziela Balda Scofield1; Aline Garcia Duarte1 & Javier Tomasella1
RESUMO – Desastres hidrológicos têm sido um dos principais causadores naturais de perdas humanas e materiais. Tanto recentemente quanto no passado, ocorreram diversos eventos extremos nos municípios situados na bacia do rio Doce. Neste sentido, este trabalho propõe a utilização do Modelo Hidrológico Distribuído (MHD) para representar o ciclo hidrológico diário e horário do rio e, posteriormente, realizar a previsão por conjunto de vazão horária por meio de diferentes membros do modelo atmosférico Eta. Para avaliar o MHD, fez-se uso de dados observados de vazão e diferentes funções objetivas. A calibração do MHD foi conduzida por meio do algoritmo genético mono-objetivo Shuffled Complex Evolution com o Nash-Sutcliffe como função de avaliação. Os resultados das calibrações diárias e horárias indicam correta representação do MHD aos dados observados, inclusive em relação aos picos de vazão. Os coeficientes estatísticos apresentam valores satisfatórios, como Nash-Sutcliffe 0.92 (diário) e 0.91 (horário). Com relação à previsão por conjunto, pode-se constatar que os resultados apontam melhor desempenho nas sub-bacias mais a jusante. Em suma, pode-se afirmar que a calibração dos dados diários e horários representa devidamente o ciclo hidrológico e as simulações com os membros do Eta têm se mostrado eficientes para a realização de previsões de vazão.
ABSTRACT - Hydrological Disasters have been one of the major natural causes of human and material losses. Historical and recently, several extreme events has occurred in bathed municipalities by the basin of the Doce River. Thus, this paper proposes the use of Distributed Hydrological Model (MHD) to represent the daily and hourly hydrological cycle of the river and then perform the ensemble forecast of hourly flow through different members of Eta atmospheric model. To evaluate the MHD, observed flow data and different objective functions was used. The MHD calibration was conducted by the genetic mono-objective Shuffled Complex Evolution algorithm with the Nash-Sutcliffe as the valuation function. The results of the daily and hourly calibrations indicate the corrected representation of the MHD to the observed data, including in relation to the peak flow. The statistical coefficients exhibit satisfactory values such as Nash- Sutcliffe 0.92 (daily) and 0.91(hourly). Regarding the forecast ensemble, it can be seen that the results show better performance in the further downstream sub-basins. Finally, it can be stated that the daily and hourly calibration properly represents the hydrological cycle and the simulations with members of Eta have been efficient to perform flow forecasts.
Palavras-Chave – Calibração. Vazão. Previsão.
1) Centro Nacional de Monitoramento e Alertas de Desastres Naturais (Cemaden), Rodovia Presidente Dutra, km40 SP/RJ - Cachoeira Paulista/SP, +55 (12) 3186-9395, {anderson.sene, rochane.caram, graziela.scofield, aline.duarte, javier.tomasella}@cemaden.gov.br
1. INTRODUÇÃO
Dentre as medidas de caráter não estrutural para controle de enchentes, destaca-se a implantação de sistemas de previsão e alerta. O objetivo é prever com relativa antecedência o nível de aumento do rio, e avisar as populações ribeirinhas com antecedência para que desocupem as áreas sujeitas as inundações. O sistema de previsão e alerta contra enchentes demanda um conjunto de atividades que implica em uma estreita colaboração entre profissionais de diferentes áreas, em particular meteorologistas, hidrólogos e, finalmente, gestores de desastres.
Em julho de 2011 por meio de um decreto foi criado pelo Governo Federal o Centro Nacional de Monitoramento e Alertas de Desastres Naturais (Cemaden), que recebeu as atribuições para elaborar e emitir alertas de desastres naturais relevantes para ações de proteção e de defesa civil no território nacional para o Centro Nacional de Gerenciamento de Riscos e Desastres (CENAD) auxiliando o Sistema Nacional de Defesa Civil.
Neste sentido, a fim de reduzir perdas humanas futuras, salienta-se a importância da implantação de um sistema de previsão de vazão operado pelo Cemaden para a bacia do rio Doce, capaz de anteceder possíveis desastres hidrológicos e alertar a população residente nas áreas de riscos. Em vista as frequentes enchentes na bacia do rio Doce, este trabalho tem por objetivo ajustar um modelo hidrológico para representar o ciclo do rio e, por meio de diferentes membros de um modelo atmosférico, realizar a previsão por conjunto.
2. BACIA DO RIO DOCE
A bacia hidrográfica do rio Doce apresenta uma área de drenagem de, aproximadamente, 83.400km². Desta área, 86% encontram-se na região centro-leste mineira e 14% no centro-norte capixaba. Os municípios drenados (total ou parcialmente) pelo rio Doce correspondem a 208 e 26 municípios, respectivamente. Hoje, o Cemaden conta com 26 desses municípios em monitoramento.
Tanto historicamente como recentemente, a bacia do rio Doce tem apresentado severos desastres hidrológicos, como os ocorridos em Governador Valadares-MG (1979), Colatina-ES (1997) e Ponte Nova-MG (2008) e em Colatina (2013). De acordo com os documentos do Banco de Dados de Registros de Desastres (Defesa Civil Brasil), o município mais atingido por desastres hidrológicos é Governador Valadares-MG, devido às enchentes ocorridas em fevereiro de 1979, janeiro de 1985 e 1997, março de 2005 e dezembro de 2008.
3. MODELAGEM HIDROLÓGICA 3.1. Modelo Hidrológico Distribuído (MHD)
O Modelo Hidrológico Distribuído (MHD), desenvolvido a partir do Modelo de Grandes Bacias (MGB) do Instituto Pesquisa Hidráulicas (IPH), posteriormente modificado pelo Instituto
Nacional de Pesquisas Espaciais (INPE), é uma versão modificada das rotinas de estimativa de evaporação e de separação de fluxos (Tomasella et al., em fase de elaboração; Rodriguez, 2011). A parametrização original do MGB-IPH utiliza a formulação probabilística de distribuição de colunas de água nos pontos de grade como no modelo Xinanjiang (Zhao, 1992; Zhao e Liu, 1995). Já o MHD-INPE combina a formulação probabilística com os princípios utilizados no Topography Based Hydrological Model (TOPMODEL) (Beven e Kirkby, 1979) para simular a resposta hidrológica. Ambas as metodologias correlacionam a resposta hidrológica da bacia com padrões de auto-organização observados na grande escala, seguindo uma abordagem downward. A resposta hidrológica é representada dentro de cada célula por meio da distribuição probabilística de reservatórios de diferentes capacidades. A posição do nível freático é calculada no modelo como uma proporção da quantidade d’água em excesso sobre a capacidade de campo em cada reservatório, seguindo a formulação do modelo DHSVM (Wigmosta et al., 2002). A perda d’água por interceptação é representada no modelo por meio da metodologia proposta por Gash et al., (1995). A captura d’água da vegetação desde o solo é resolvida considerando o modelo de distribuição de raízes de Jarvis (1989). Para avaliar a qualidade da calibração, além da comparação com os dados observados da Agência Nacional de Águas (ANA), foram consideradas as funções objetivas Nash-Sutcliffe das vazões (Nash), correlação das vazões (R2), Nash-Sutcliffe dos logaritmos das vazões (R2Log), Erro de Volume (∆V) e Erro de Evaporação (∆E).
3.1.1. Shuflled Complex Evolution
A calibração do MHD-INPE refere-se a realizar, manualmente, ajustes nos parâmetros que caracterizam o comportamento hidrológico da bacia (Tucci, 1998), a fim de obter a melhor representatividade do ciclo hidrológico e também coeficientes estatísticos satisfatórios. No entanto, esse processo pode ser uma tarefa onerosa em relação ao tempo. Neste sentido, a calibração do modelo hidrológico foi realizada a partir do algoritmo genético Shufflex Complex Evolution (SCE) desenvolvido na Universidade do Arizona (UA) com o Nash-Sutcliffe como função de avaliação (fitness). De acordo com Duan et al. (1992) e Duan et al. (1994), o SCE-UA é um algoritmo genético de otimização de funções e calibração de parâmetros. Este algoritmo combina técnicas de algoritmos genéticos e de busca direta pelo método Simplex de Nelder e Mead (apud Press et al., 1995).
4. PREVISÃO POR CONJUNTO
Devido à atmosfera ser um sistema complexo e não linear, predizer seu estado em um tempo futuro é praticamente impossível (Lorenz, 1969). Dessa forma, a previsão de tempo se mantém limitada ao uso de modelos numéricos que representam os processos físicos, pela resolução da
dinâmica da atmosfera simulada, pela solução devido às condições iniciais e parametrizações na sub-grade (Buizza et al., 1999). Uma previsão é uma estimativa do estado futuro da atmosfera.
Como a atmosfera é um sistema caótico, pequenos erros no seu estado inicial podem acarretar a enormes erros em uma previsão. Com o intuito de minimizar esses erros, os modelos numéricos de previsão são executados um número de vezes com pequenas perturbações nas condições iniciais, gerando um conjunto de previsões, denominados membros. O conjunto completo das previsões geradas nestes processos é referenciado como previsão de tempo por conjunto. Assim, a previsão de tempo por conjunto é considerada como entrada no modelo hidrológico que produz as predições para a descarga dos rios.
4.1. Modelo atmosférico Eta
Para realizar a previsão de vazão, fez-se uso do modelo atmosférico Eta (Mesinger et al., 1988), que vem sendo largamente usado para previsão numérica de tempo no Centro de Previsão de Tempo e Estudos Climáticos (CPTEC-INPE). A versão do modelo atmosférico Eta escolhida, ainda encontra-se em desenvolvimento para previsão de tempo por conjunto, tem uma grade na resolução espacial de 5 km, configurada para a região Sul e Sudeste. A previsão de tempo por conjunto para esta versão do Eta, possui cinco membros quase operacionais que estão ainda passando por alguns ajustes. São eles:
Modelo Eta 5km com parametrização convectiva Betts-Miller-Janjic e microfísica Ferrier; condição de contorno proveniente das previsões fornecidas pelo Eta 40km;
Modelo Eta 5km com parametrização convectiva Betts-Miller-Janjic e microfísica Zhao; condição de contorno proveniente das previsões fornecidas pelo Eta 40km;
Modelo Eta 5km com parametrização convectiva Betts-Miller-Janjic e microfísica Ferrier; condição de contorno proveniente das previsões do Global Forecast System (GFS) (modelo global National Centers for Environmental Prediction (NCEP)).
Modelo Eta 5km com parametrização convectiva Kain-Fritsch e microfísica Ferrier;
condição de contorno proveniente das previsões do Eta 40km;
Modelo Eta 5km com parametrização convectiva Kain-Fritsch (incluindo o fluxo de momentum) e microfísica Ferrier; condição de contorno proveniente das previsões do Eta 40km.
5. RESULTADOS
Entre os 58 postos fluviométricos presentes na bacia do rio Doce, neste trabalho, foram utilizadas 20 estações para a delimitação das sub-bacias, conforme ilustrado na Figura 1.
Figura 1 - Delimitação das sub-bacias
5.1. Calibração diária
A calibração dos dados diários ocorreu para o período de janeiro de 2001 a dezembro de 2011 para as 20 sub-bacias. De acordo com a Figura 2, pode-se afirmar que a sub-bacia 6 – Cenibra os resultados do MHD-INPE representa, praticamente, todos os picos de vazão, com exceção do começo do ano de 2005 em que a vazão do modelo hidrológico não alcança a mesma amplitude da vazão observada. Os dois primeiros anos (2001 e 2002), por corresponderem ao spin-up do modelo hidrológico, não influenciam na avaliação dos resultados.
Figura 2 - Resultados da calibração diária
Os resultados das sub-bacias 10 – Governador Valadares e 13 - Tumiritinga mostram que, em geral, o MHD-INPE consegue alcançar a amplitude dos picos de vazão durante os períodos de cheias e também os mínimos durante a recessão no período de estiagem. A sub-bacia mais a jusante
com dados observados, sub-bacia 18 – Colatina, assim como a sub-bacia 6 – Cenibra não alcança a amplitude do pico durante o período de cheia. Mais ao final do período nota-se redução nos mínimos das vazões observadas que o MHD-INPE não representou devidamente. A sub-bacia em questão tem as Usinas Hidrelétricas (UHE’s) Aimorés e Mascarenhas instaladas no seu leito. No entanto, de acordo com os dados de vazão naturalizadas obtidos junto ao Operador Nacional do Sistema Elétrico (ONS), essa redução não é notada, uma vez que os mínimos das Usinas Hidrelétricas (UHE’s) se mantiveram na mesma amplitude. Ainda, a distribuição de frequência anual de vazão mostra os anos de 2008, 2010 e 2011 com os mínimos durante maior tempo da série em relação aos demais anos.
Em geral, os resultados alcançados representam satisfatoriamente o ciclo hidrológico em todas as sub-bacias, principalmente, no que se refere ao alcance da amplitude dos picos de vazão.
Além disso, ressaltam-se os coeficientes estatísticos obtidos, em que os menores valores de Nash (0.49) e R2 (0.50) referem-se à sub-bacia 17, enquanto a mesma sub-bacia apresenta o melhor valor de ΔE (1%). Já as sub-bacias 7, 12 e 15 alcançaram os menores valores de ΔE (0.21), R2L (0.70) e ΔV (11%), respectivamente. Com exceção dos coeficientes dos erros (ΔE e ΔV), os melhores valores foram identificados em uma sub-bacia mais a montante, sub-bacia 13 - Tumiritinga, Nash (0.92), R2 (0.93) e R2L (0.94).
5.2. Calibração horária
A partir da calibração dos dados diários, tornou-se possível gerar as condições iniciais (variáveis do MHD-INPE consideradas primordiais para reinicializá-lo) para realizar ajustes nos parâmetros de solo. Os dados de vazão disponibilizados pela ANA apresentam vazão em um horário do dia (17:00h) e cotas nos horários das 07:00h e 17:00h. Dessa maneira, com base nas cotas de cada sub-bacia, traçou-se a curva chave de cada sub-bacia e, posteriormente, calculou-se a vazão dos dois horários, como pode ser visualizado na Figura 3. Com os dados de vazão das 07:00 e 17:00 realizou-se a interpolação linear para os demais horários, a fim de ter uma série completa para comparar com as saídas do modelo hidrológico.
Figura 3 - Curva-chave e vazão horária calculada
A calibração dos dados horários foi realizada para o período de janeiro de 2012 a dezembro de 2013. Aliás, essa série temporal de dados compreende ciclos hidrológicos que registraram severos desastres hidrológicos, como os acontecidos no começo de 2012 e final de 2013.
Entre os resultados apresentados das quatro sub-bacias (Figura 4), pode-se identificar uma conformidade entre eles, uma vez que o MHD-INPE não representa devidamente a amplitude no fim de 2012 e começo de 2013. No entanto, além de acompanhar similarmente a vazão durante o período de recessão, pode-se verificar que, durante a ascensão da vazão ainda no ano de 2013, o modelo representa corretamente os picos de vazão (foco deste trabalho).
Figura 4 - Resultados da calibração horária
A diferença entre os coeficientes da calibração diária e horária pode ser associada às localizações das estações pluviométricas, uma vez que, devido à dificuldade em obter precipitação próxima da realidade em regiões montanhosas, as bacias de cabeceira são mais trabalhosas de serem calibradas. Por essa razão, nota-se que os melhores coeficientes estatísticos alcançados estão associados às bacias mais a jusante.
Em relação aos coeficientes estatísticos de todas as sub-bacias, pode-se afirmar que os valores alcançados são satisfatórios, uma vez que os menores valores de Nash (0.43), R2 (0.49) e R2L (0.55) referem-se à sub-bacia 3 – Acaiaca, e ΔV (0.15) e ΔE (0.37) estão, respectivamente, associados a sub-bacia 12 – Vila Matias e 2 – Ponte Nova. Assim como ocorreu com os dados diários, a sub-bacia 13 – Tumiritinga também apresenta o valor mais alto de R2 (0.94). Os melhores
coeficientes de ΔV (0.004) e ΔE (0.01) foram identificados na sub-bacia 7 – Senhora do Porto e sub-bacia 6 – Cenibra, respectivamente. Já a sub-bacia 10 – Governandor Valadares obteve os valores mais altos de Nash (0.93) e R2L (0.91).
5.3. Previsões preliminares por conjunto
O MHD-INPE foi testado como previsão para três dias que apresentaram picos de vazão. A sub-bacia 16 – São Sebastião Encruzilhada, até o momento, não disponibiliza dados posteriores a dezembro de 2013, logo, não é possível comparar as saídas dos membros em relação aos dados observados. Com base na Figura 5 pode-se afirmar que os resultados do membro Kfm_FG são superiores aos outros quatro durante as 72 horas. Já o KFG, no final da previsão, apresenta valores inferiores aos outros membros. Durante o período de picos máximos pode-se perceber que os membros BFG, BZZ e BFF apresentam similaridades em torno de seus resultados.
Figura 5 - Resultados das previsões preliminares
Na sub-bacia 06 – Cenibra, as previsões de todos os membros, com exceção das primeiras 24 horas, foram inferiores aos dados observados e houve pequena variabilidade entre os membros. Em geral, Kfm_FG, BZZ, BFF, e BFG apresentaram o mesmo comportamento, enquanto que o KFG demonstrou subestimar a vazão em relação aos demais membros. Já na sub-bacia 10 – Governador Valadares, as previsões com o modelo atmosférico representam idealmente a proposta de previsão por conjunto, uma vez que se têm membros que oferecem tanto resultados acima quanto abaixo do
observado. Os membros BFG, BZZ e KFG apresentam valores abaixo do observado, enquanto os membros BFF e Kfm_FG indicam o oposto. A sub-bacia 13 – Tumiritinga, em geral, apresenta os resultados dos membros do modelo atmosférico abaixo do observado. Salienta-se ainda que os membros KFG e Kfm_FG antecipam a curva de cheia em relação ao observado tanto no primeiro quanto no terceiro dia. O membro BFG, entre os demais, ficou mais próximo do observado.
Em geral, pode-se afirmar que os membros BFG e BZZ apresentam comportamento similar aos dados observados, enquanto o KFG tem as menores previsões de vazão e o Kfm_FG as maiores acompanhado do BFF.
6. CONSIDERAÇÕES FINAIS
As calibrações diárias e horárias apresentam resultados coerentes em relação aos dados observados e os coeficientes estatísticos demonstram valores satisfatórios. Ainda, salienta-se a necessidade de uma malha pluviométrica mais ampla, principalmente em relação aos dados horários, e com melhor distribuição espacial para representar as chuvas na cabeceira da bacia.
Assim como a necessidade em se obter mais dados fluviométricos para ter maior precisão em relação aos eventos extremos ocorridos. Em relação às previsões preliminares de vazão, pode-se afirmar que, embora não ocorra em todas as sub-bacias, os resultados indicam que a previsão por conjunto pode ser utilizada para realizar prognóstico de desastres hidrológicos. Além disso, os membros do modelo atmosféricos Eta usados neste trabalho estão em fase de desenvolvimento, ou seja, futuramente podem apresentar melhorias. Até o presente momento, os resultados alcançados pelo MHD-INPE indicam que o modelo tem capacidade para ser utilizado como ferramenta para a previsão e alerta de desastres hidrológicos.
AGRADECIMENTOS
O primeiro autor agradece ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo auxílio financeiro do projeto de pesquisa (384186/2013-0). Todos os autores agradecem o suporte financeiro do CNPq (402240/2012-0 e 473114/2012-7).
7. BIBLIOGRAFIA
BEVEN, K.J.; KIRKBY, M.J (1979). “A physically based variable contributing area model of basin hydrology”. Hydrological Sciences Bulletin, v. 24, pp. 43-69.
BUIZZA R., MILLER, M., PALMER, T.N. (1999). “Stochastic representation of model uncertainties in the ECMWF ensemble prediction system”. Quarterly Journal of the Royal Meteorological Society 125 (560), 2887–2908.
DUAN, Q.; SOROOSHIAN, S.; GUPTA, V. (1992) “Effective and efficient global optimization for conceptual rainfall-runoff models”. Water Resources Research. Vol. 28 No. 4. pp. 1015-1031.
DUAN, Q.; SOROOSHIAN, S.; GUPTA, V. (1994). “Optimal use of the SCE–UA global optimization method for calibrating watershed models”. Journal of Hydrology, Vol 158 pp. 265- 284.
GASH, J.H.C., LLOYD, C.R., LACHAUD, G., (1995). “Estimating sparse forest rainfall interception with an analytical model”. Journal of Hydrology. 170, 79±86.
JARVIS, N.J. (1989). “A simple empirical model of root water uptake”. Journal of Hydrology, v.
107, p. 57-72.
LORENZ, E. N., “The predictability of a flow which contains many scales of motion”. Tellus A, 21, 289-307, 1969.
MESINGER, F.; JANIC, Z.I.; NICKOVIC, S.; GAVRILOV, D.; DEAVEN, D.G., “The step- mountain coordinate - model description and performance for cases of alpine lee cyclogenesis and for a case of an appalachian redevelopment”. Monthly Weather Review, 116 (7), 1493-1518, 1988.
PRESS, W. H.; TEUKOLSKY, S. A.; VETTERLING, W. T.; FLANNERY, B. P. (1995).
Numerical Recipes in FORTRAN. Cambridge: Cambridge University.
RODRIGUEZ, D. A. (2011). “Impactos dos padrões espaciais da vegetação nas variáveis atmosférica e terrestre do ciclo hidrológico, em bacia de floresta amazônica”. 2011. 208 f. Tese (Doutorado em Meteorologia), Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
TUCCI, C.E.M. (1998). “Modelos hidrológicos”. ABRH Editora da UFRGS. Porto Alegre. 669 p.
WIGMOSTA, M. S.; NIJSSEN, B.; STORCK, P. (2002). “The Distributed Hydrology Soil Vegetation Model”, in Mathematical models of small watershed. Hydrology and applications. Org.
Singh, V. P. e Frevert, D. K. Ed. Water Resource Publications, Littleton – CO, pp. 7–42.
ZHAO, R.J. (1992). “The Xinanjiang model applied in China”. Journal of Hydrology, v. 135, pp.
371–381.
ZHAO, R.J. AND LIU, X.R. (1995). “The Xinanjiang model”. In: Singh, V.P. (Ed.) Computer Models of Watershed Hydrology. Highlands Ranch: Water Resources Publication. pp. 215–232.
