Modelos Hidrológicos
Prof. Carlos Ruberto Fragoso JúniorProf. Marllus Gustavo Ferreira Passos
das NevesCentro de Tecnologia
Universidade Federal de Alagoas
Programa1. Conceito de sistema e modelo 2. Tipos de modelo3. Terminologia e conceitos pertinentes4. Classificação dos modelos5. Etapas da modelagem6. Aplicação dos modelos7. Evolução dos modelos hidrológicos8. Cuidados no uso dos modelos
Conceito de sistema e modeloSistema x Modelo
Qualquer estrutura, esquema ou procedimento, real ou abstrato, que num dado tempo de referência interrelaciona-se com uma entrada, causa ou estímulo de energia ou informação, e uma saída, efeito ou resposta de energia ou informação
Conceito e objetivo dos modelos
Sistema x Modelo
Representação de algum objeto ou sistema, numa linguagem ou forma de fácil acesso e uso, com o objetivo de entendê-lo e buscar suas respostas para diferentes entradas
SISTEMAENTRADAS SAÍDAS
Conceito e objetivo dos modelos
Sistemas artificiais controle do homem, variáveis controladas, saídas são mais previsíveis
– Exemplos: circuitos elétricos, edifíciosSistemas naturais Não foram dimensionados pelo homem, Processos físicos nem sempre completamente entendidos, saídas mais imprevisíveis, observar comportamento para diminuir ignorância
– Exemplos: bacias hidrográficas, estuários
Conceito e objetivo dos modelos
Tipos de modelos• Físicos representam o sistema em
escala menor hidráulica (teoria dasemelhança)• Analógicos valem-se da analogia dasequações que regem diferentesfenômenos exemplo escoamento hidráulico e circuito elétrico• Matemáticos ou digitais representa o
sistema através de equações matemáticas
Tipos de modelosFísicos
QIdtdS
Modelo de reservatório equação da continuidade
Tipos de modelosMatemáticos ou digitais
Fenômeno um processo físico, que produz alteração de estado no sistema. Por exemplo, precipitação, evaporação e infiltração;Variável valor que descreve quantitativamente um fenômeno, variando no espaço e no tempo. Por exemplo, vazão descreve o estado do escoamento;Parâmetro valor que caracteriza o sistema pode variar com o espaço e o tempo. exemplo, rugosidade de uma seção de um rio, área impermeável de uma bacia hidrográfica.
Terminologia e conceitos pertinentes
• Risco e incerteza
Terminologia e conceitos pertinentes
Risco de uma determinada variável aleatória é a chance aceita pelo projetista que a variável seja maior que um determinado valor (menor no caso de mínimos)
diferença entre as estatísticasda amostra e da população,
quepode ser devido a representatividade da amostra
ou devido aos erros de coleta e processamento dos dados davariável aleatória
• Série estacionária ou não-estacionária
série estacionária as estatísticas da mesma não se alteram com o tempo. Série não-estacionária caso contrário
• Princípio da parcimônia
representação adequada do comportamento de um processo ou um sistema por um modelo com o menor número possível de parâmetros
Terminologia e conceitos pertinentes
Memória: é o espaço de tempo, no passado, durante o qual a entrada afeta o estado presente do sistema
Memória zero significa que a entrada afeta o sistema somente no tempo em que ela ocorre Memória infinita o sistema depende de todo o seu passado. Memória é finita o sistema depende da entrada ocorrida dentro de um período finito no passadoExemplo: a memória de uma bacia hidrográfica (sistema) a uma determinada precipitação é o tempo que a água leva para infiltrar, percolar e escoar até a seção do rio que delimita a bacia
Terminologia e conceitos pertinentes
Classificação dos modelosModelos que tratam o sistema como linear e nãoLinearLinear: princípios da superposição e da homogeneidadePrincípio da superposição:
SISTEMAx1 y1x2 y2
x1+ x2
y1+ y2
Classificação dos modelosModelos que tratam o sistema como linear e nãoLinearLinear: princípios da superposição e da homogeneidadePrincípio da homogeneidade:
se existem n entradas no sistema, de tal forma que y1 = y 2 = y3 .......... = yn
o sistema é linear quando
n . y1 produz a saída n . x1
MODELO
InIn OutOut
MODELO
In
MODELO
InIn OutOut
MODELO
In Out
MODELO
In Out
Classificação dos modelos
Classificação dos modelos
)t(yxAdtdxA .........
dtxdA
dtxdA 011n
1n
n
nn 1n
Matematicamente:
Linear : quando Ai f(X) para i = 1,2,...n linear invariante: quando Ai f(X,t) linear variante : quando Ai f(X)
não-linear: quando pelo menos um Ai = f(X,t)Exemplo: IQ
dtdQK
Contínuos x discretos•sistema contínuo fenômenos contínuos no tempo•Sistema discreto as mudanças de estado se dão em intervalos discretos
• Um sistema pode se modificar continuamente, mas para efeito de projeto os registros são efetuados em intervalos de tempo. •A escolha deste intervalo é função da economia desejada e da precisão dos resultados, que são conflitantes, já que à medida que o intervalo diminui, o custo para medir os dados da computação aumenta em favor da melhoria da precisão dos resultados. Exemplos: linígrafo
Classificação dos modelos
Contínuo e Discreto
Tempo
Classificação dos modelos
Concentrados x distribuídos
•concentrado ("lumped") não leva em conta a variabilidade espacial. A precipitação média de uma bacia é um exemplo da integração espacial da variável de entrada em geral, utilizam somente o tempo como variável independente
•distribuído (distributed) variáveis e parâmetros do modelo dependem do espaço e/ou do tempo
Classificação dos modelos
concentrado
distribuído
Classificação dos modelosConcentrados x distribuídos
Estocástico x determinísticoClassificação dos modelos
Chance de ocorrência das variáveis é levada em conta conceito de probabilidade é introduzido na formulação do modelo
Chance de ocorrência das variáveis envolvidas no processo é ignorada, e o modelo segue uma lei definida que não a lei das probabilidades
Variável de entrada de um sistema é aleatória variável de saída também será aleatória, mesmo tendo o sistema comportamento determinístico ou representado por um modelo determinístico. Exemplo, a vazão de entrada e saída de um reservatório são variáveis aleatórias, mas a determinação da vazão de saída com base na de entrada e nas características do reservatório é um processo determinístico bem conhecido.
Classificação dos modelos
MODELOESTOCÁSTICO
InIn OutOut
OutMODELO
ESTOCÁSTICO
InIn
Classificação dos modelosCaos sistema com comportamento aparentemente aleatório também pode ser determinístico. Quando o sistema é não-linear e altamente dependente das suas condições iniciais, a resposta pode apresentar características de uma variável aleatória e passar pelos testes estatísticos e estocásticos. Este processo é denominado na literatura de "caos determinístico".
x (k+1) = r x (k)[ 1 - x(k)]
0
0.2
0.4
0.6
0.8
1
1.2
0 5 10 15 20 25 30
k
x
Conceitual e Empírico• Conceitual as funções utilizadas na sua elaboração levam em
consideração os processos físicos
• Empírico ou "caixa-preta" ajustam-se os valores calculados aos dados observados, através de funções que não têm nenhuma relação com os processos físicos envolvidos
Classificação dos modelos
Peixes
Zoo
Fito
NO3 NH3 Norg
PO4 Porg
Peixes
Zoo
Fito
NO3 NH3 Norg
PO4 Porg
P
Chlo
Chlo a = 2,318.ln(P) R2=0,97
(a) (b)
Exemplo de modelo conceitual
QIdtdS
Equação da continuidade
Relação entre volume e saída
Derivando a segunda equação e substituindo na primeira, resulta a equação diferencial do modelo
IQdtdQK onde K é o parâmetro, Q a variável dependente
e de saída e I a variável de entrada
Classificação dos modelos
Classificação dos modelosSegundo a aplicação dos modelos• Modelos de comportamento utilizados para
descrever o comportamento de um sistema utilizado para prognosticar a resposta de um sistema sujeito a diferentes entradas ou devido a modificações nas suas características
• Modelos de otimização preocupados com as
melhores soluções, a nível de projeto, de um sistema específico
• Modelos de planejamento simulam condições globais de um sistema maior.
Classificação dos modelosNome Tipo Estrutura Características UsosPrecipitação-Vazão determinístico;
empírico;Conceitual
Comportamento calcula a vazão de uma bacia apartir da precipitação
extensão de séries de vazão;dimensionamento; previsão emtempo atual, avaliação do usoda terra
Vazão-Vazão determinístico:empírico;conceitual
calcula a vazão de uma seção apartir de um ponto a montante
extensão de séries de vazões;dimensionamento; previsão decheia
Geração estocásticade vazão
estocástico calcula a vazão com base nascaracterísticas da série histórica
dimensionamento do volumede um reservatório
Fluxo saturado determinístico determina o movimento, vazãopotencial de águas subterrâneas àpartir de dados de realimentação,bombeamento,etc
capacidade de bombeamento;nível do lençol freático;iteração rio-aqüífero,etc
Hidrodinâmico determinístico sintetiza vazões em rios e rede decanais
simulação de alterações dosistema; efeitos de escoamentode jusante
Qualidade de Águade rios ereservatórios
determinístico simula a concentração deparâmetros de qualidade da água
impacto de efluentes;eutrofização de reservatórios;condições ambientais
Rede de canais econdutos
determinístico Comportamento eotimização
otimiza o diâmetro dos condutos everifica as condições de projeto
rede abastecimento de água;rede de irrigação
operação dereservatórios
estocástico,determinístico
determina a operação ótima desistemas de reservatórios
usos múltiplos
planejamento egestão de sistemasmúltiplos
estocástico,determinístico
Comportamento,otimização eplanejamento
simula condições de projeto eoperação de sistemas (usa váriosmodelos)
Reservatórios, canais, estaçõesde tratamento, irrigação,navegação fluvial, etc
Etapas da ModelagemDefinição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
Problemas em Hidrologia
Cheias
Planejamento
EstadosalternativosUsos da águaRegime
hidrológico
Extensão de Séries hidrológica
Floração decianobactérias Eutrofização
Etapas da Modelagem
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
Quais são as
variáveis?Quais são
as hipóteses?
Quais são os
processos?
Essa é a minha
proposta!!!
Simplificações e formulação de hipóteses
Etapas da Modelagem
Etapas da ModelagemSimplificações e formulação de hipóteses
Produção
Luz Temperatura Nutrientes
Taxa constante
NkN
NN
20TTmaxT G
Hk
eef781,2
e
21
L
NTLP NTP TP tetanconsP
Etapas da ModelagemSimplificações e formulação de hipóteses
Nº de parâmetros
ComplexidadeAproximação
Nº ótimo de parâmetros
Etapas da ModelagemSimplificações e formulação de hipóteses
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
Modelos Qualidade Água e Hidrodinâmica
Derivado aplicação Leias de Conservação
Propriedades conservativas intrínsecas internasmomentum, calor energia, massa água, massa contaminantes
Prediz:Mudanças em propriedades conservativas;Mudanças estado sistema resulta de mudanças em uma ou mais propriedades intrínsecas.
Conservação de EnergiaBalanço Calor e EvaporaçãoRelações de mistura
Conservação de MassaMassa água na hidrodinâmica e transporteMassa materiais dissolvidos ou suspensos na águaBalanço massa expandido para incluir mudanças
cinéticas
Conservação de MomentoÁgua: movimentoÁgua: Fluxo
Acumulação Líquida = Transporte Fonte/Sumidouro (transformações)
Fluxo Propriedades Conservativas devido movimento água (advecção,
mistura turbulenta, difusão)
Funções Forçantes
As Leis da Natureza!Etapas da Modelagem
Dedução do modelo matemático
consumoproduçãohA
AZgKA1rA
dtdA
az
emortalidadocrescimentZmhA
AZgedtdZ
za
zz
Modelo conceitual Modelo conceitual
Etapas da Modelagem
Parâmetro Descrição Valor Unidade
R Taxa de crescimento do fitoplâncton 0,5 dia-1
K Capacidade máxima de biomassa algal 10 mg.l-1
gz Taxa de consumo algal pelo zooplâncton 0,6 dia-1
Há Coeficiente de meia-saturação para o consumo de algas 0,4 mg.l-1
ez Eficiência de conversão de biomassa algal para zooplanctônica 0,6 -
mz Taxa de mortalidade do zooplâncton 0,15 dia-1
Etapas da ModelagemDedução do modelo matemático
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
Resolução do problemaResolução do problema
Solução das equações diferenciais através de um método numérico:Solução das equações diferenciais através de um método numérico:
Métodosanalíticos Métodos
numéricos
EulerDiferenças
finitasElementos
Finitos
Elementosde contorno
Runge-Kutta
Método dosCoeficientes
Não-determinados
Transformadasde
Laplace
Etapas da Modelagem
Resolução do problemaResolução do problema
Discretização temporalDiscretização temporal
Discretização espacialDiscretização espacial
Método numéricoMétodo numérico
xx
yy
Etapas da Modelagem
Resolução do problemaResolução do problema
Etapas da Modelagem
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
Etapas da Modelagem
Calibração e validação do modeloCalibração e validação do modelo
ObservadoCalculado
Período de calibração Período de validação
A
Etapas da Modelagem
Calibração e validação do modeloCalibração e validação do modelo
Coeficientes Equação1
Coeficiente de determinação de Nash-Sutcliffe (R2)
2
ObsObs
2CalObs2
tYtY
tYtY1R
Erro médio padrão (RMSE) N
tYtYRMSE2
CalObs
Erro médio padrão invertido (RMSEI)
NtY
1tY
1
RMSEI
2
CalObs
Etapas da Modelagem
Pluviômetros:
Medindo a chuvaEtapas da Modelagem
Fonte : Sabesp
Pluviômetro
Pluviógrafo – pluviômetro de caçamba ou de báscula
Etapas da Modelagem
Pluviógrafo – pluviômetro de caçamba ou de báscula
Etapas da Modelagem
Estação Pluviográfica
Etapas da Modelagem
Vazão x velocidade
Pequenos rios
Etapas da Modelagem
Medição embarcadaMedição a partir de cabosMedição a partir de pontes
Rios maiores
A curva chave
Medindo o escoamentoEtapas da Modelagem
Posto FluviográficoEtapas da Modelagem
MonitoramentoEtapas da Modelagem
Limnígrafo com
Tubulão Instalado no Curso D’Água
Sensor de Nível
Etapas da Modelagem
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Perfilador e Sonda -YSI
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Hiperespectral -TriOS
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Mini-ADP – Sontek
Compreensivo Amostragem Pontual Alta Freqüência
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
CDOM/Chl/Phyc - WETLabs
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Auto Amostrador - ISCO
Compreensivo Amostragem Pontual Alta Freqüência
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
FlowCAM
Compreensivo Amostragem Pontual Alta Freqüência
ADP
AUTOAMOSTRADORFLowCAM
HYPERSPECTRAL
GUINCHO
ESTAÇÃO METEOROLÓGICAS
TELEMETRIA
sondas
•Temp•O2
•CO2
•CDOM•Green•Cyano•Diatom•Brown
NÍVEL
LOGGER / CONTROLADOR
Temp LINE
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Net Radiómetro - Kipp & Zonen
ECOMapper (heterogeneidade espacial)
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
• High-Resolution Water Quality and Bathymetry Mapping
Definição do problema
Simplificação e formulação de hipótese
Dedução do modelo
Resolução do problema
Calibração e validação
Aplicação do modelo
Etapas da Modelagem
• Simulação processo de utilização do modelo. Na simulação existe, em geral, três fases que são classificadas como estimativa ou ajuste, verificação e previsão.
• Estimativa ou ajuste dos parâmetros fase onde os parâmetros devem ser determinados.
• Verificação simulação do modelo com os parâmetros estimados onde se verifica a validade do ajuste realizado.
• Previsão (predição, prognóstico) simulação do sistema pelo modelo com parâmetros ajustados para quantificação de sua respostas a diferentes entradas
Modelo Estimativa(ajuste)
Existem Uso
Verificação
Existem Uso
Previsão
Existem UsoDados deentrada
x x x x x x
Parâmetros ? ? x x x xDados de saída x x x ? ? ?
*Uso: indica se a informação é utilizada na simulação.
Etapas da Modelagem
Tipos de ajusteEstimativa sem dados históricos quando não existem dados sobre as variáveis do sistema, pode-se estimar os valores dos parâmetros baseando-se em informações das características físicas do sistema
Ajuste por tentativas processo em que existindo valores das variáveis de entrada e saída, são obtidos por tentativas os parâmetros que melhor representem os valores observados através do modelo utilizado
Ajuste por otimização utiliza os mesmos dados do processo por tentativa, mas por métodos matemáticos otimiza uma função objetiva que retrata a diferença entre os dados observados e calculados pelo modelo
Amostragem os valores dos parâmetros são obtidos através de medições específicas no sistema
Etapas da Modelagem
A verificação é a fase da simulação em que o modelo, calibrado anteriormente, é verificado com outros dados.
• As fases de ajuste e verificação devem ser representativas da fase de aplicação, caso contrário não possuem utilidade
Exemplo
Etapas da Modelagem
Previsão e aplicação•Os limites de uso das fases anteriores devem respeitar a etapa de aplicação do modelo•a fase de aplicação pode sofrer correções para compatibilizar com este cenário•o ajuste parte do princípio de estacionariedade. Caso isto não ocorra o modelo deve permitir sua adaptabilidade aos novos cenários.
oceano
A
B
Etapas da Modelagem
Avaliação e equacionamento: definiçãodo problema, objetivos e justificativa
Representação do sistema: escolha dosmodelos para atender os objetivos
Modelos:•hidrológicos•hidráulicos•meio ambiente•planejamento
Técnicas matemáticas•métodos numéricos•otimização•estatística•geoprocessamento
Coleta eanálise dosdados eparâmetros
Simulação
Modelo
Ajuste eVerificação Previsão dos
cenários
AnáliseEconômicaSocial eAmbiental
Tomada deDecisão
Aplicação dos modelos
Escala dos processos na bacia
Aplicação dos modelos
Tipos de usos•Extensão de séries hidrológicas;•planejamento e projeto de sistemas hídricos•previsão tempo real•avaliação do impacto das modificações dos sistemas hídricos.
Aplicação dos modelos
Áreas de aplicação• Usos dos recursos hídricos:
abastecimento de água, energia, irrigação, navegação,etc
• impactos sobre a população: controle de inundações
• impactos no meio ambiente: desmatamento, qualidade da água, etc.
Aplicação dos modelos
Evolução do modelos hidrológicos
• Início com o computador e década de 50• os modelos distribuídos na década de 70-80• a evolução com o GIS e a integração espacial
com a modelagem física;• limitação da escala• a relação dos modelos hidrológicos e
meteorológicos
Histórico de desenvolvimento1925-1960 (Streeter-Phelps)
Problemas: efluentes primários e não tratadosPoluentes: DBO/ODSistema: rios e estuários (1D)Cinéticas: linearSoluções: analíticas
1960-1970 (computacional)Problemas: efluentes primários e não tratadosPoluentes: DBO/ODSistema: rios e estuários (1D / 2D)Cinéticas: linearSoluções: analíticas e numéricas
DBO OD
Reaeração
P R ODsed
Evolução do modelos hidrológicos
1970-1977 (Biologia)Problemas: eutrofizaçãoPoluentes: nutrientesSistema: rios, lagos e estuários (1D / 2D / 3D)Cinéticas: não-linearSoluções: numéricas
1977- hoje (Tóxicos)Problemas: tóxicosPoluentes: orgânicos e metaisSistema: interações água-sedimentoInterações da cadeia alimentar (1D / 2D / 3D)Cinéticas: não-linearSoluções: numéricas e analíticas
Peixes
Zoo
Fito
NO3 NH3 Norg
PO4 Porg
Sólidos
Sólidos Águaintersticial
Bentos
Tóxicos Biota
águasedimento
Evolução do modelos hidrológicos
Histórico de desenvolvimento
• Na década de 1990 os avanços de modelos distribuídos na escala da bacia hidrográfica (meso escala)– avanços importantes
• uso do geoprocessamento permitiu a identificação espacial das variáveis de entrada e de atributos físicos das bacias, também utilizada nos citados modelos no parágrafo anterior
• uso de incerteza na estimativa de parâmetros mas sensíveis
Impulso de Sensoriamento Remoto e SIG
Evolução do modelos hidrológicos
Histórico de desenvolvimento
• Conceitualmente o desafio sempre foi muito grande alguns fatores:– como representar um processo que observamos a
nível pontual, para uma escala espacial de milhares de quilômetros quadrados?
– como representar a irregularidade da natureza na forma de variáveis e parâmetros que representem de forma adequada os principais processos quantitativos e qualitativos?
Desafios no desenvolvimento de modelos chuva-vazão
Evolução do modelos hidrológicos
Histórico de desenvolvimento
–como diminuir a incerteza das estimativas das variáveis hidrológicas e dos parâmetros de vários sub-modelos, quando existem apenas a variável observada de entrada (precipitação e evapotranspiração) e de saída (vazão ou nível) de uma bacia?
–como amostrar elementos da bacia que permita avaliar o comportamento hidrológico a partir de visita ao campo (como outras ciências fazem)?
Desafios no desenvolvimento de modelos chuva-vazão
Evolução do modelos hidrológicos
Histórico de desenvolvimento
• Ainda os computadores:• Processamento paralelo• Interação com SIG• Usuário (interface)• Sistemas de Suporte à Decisão• Ciclos biogeoquímicos• Organismos Aquáticos
Presente - futuro
Evolução do modelos hidrológicos
Histórico de desenvolvimento
O modelo deve ser visto como uma ferramenta
não um objetivo
Se é possível medir as variáveis hidrológicas
por que necessito do modelo?
Se eu disponho de um modelo por quenecessito medir a vazão de um rio ou
outrasvariáveis hidrológicas?’
Cuidados no uso dos modelos
• As limitações básicas dos modelos hidrológicos são a quantidade e a qualidade dos dados hidrológicos, além da dificuldade de formular matematicamente alguns processos e a simplificação do comportamento espacial de variáveis e fenômenos
• Nenhuma metodologia cria informações apenas explora melhor os dados existentes
Cuidados no uso dos modelos