Resumo A precipitação é uma das variáveis climáticas mais importantes para o planejamento urbano e rural, para monitorar eventos extremos que possam causar impactos na sociedade e auxiliar em projetos de drenagem urbana, a fim de reduzir os riscos inerentes a inundações e alagamentos, ou mesmo obras de engenharia, como dimensionamento de barragens. No entanto, as falhas em séries extensas prejudicam esses estudos, sendo necessário utilizar modelos para o seu preenchimento. O presente estudo tem como objetivo revisar os métodos de preenchimento de falhas e de interpolação espacial de dados de precipitação. A revisão dos métodos foi realizada a partir da pesquisa e leitura de materiais bibliográficos, de modo a conceituar as abordagens, identificar vantagens e desvantagens de cada método e apresentar como estudos recentes, nacionais e internacionais, têm inovado ao comparar o desempenho em diferentes áreas de estudo. Com base nessa revisão, os principais métodos para o preenchimento de falhas são os seguintes: i) ponderação a partir de Regressão Linear Simples ou Múltipla; ii) modelos matemáticos baseados em aprendizagem de máquinas, tais como as Redes Neurais Artificiais; iii) interpoladores espaciais para o preenchimento de falhas (Inverso da Distância, Vizinho Natural, Krigagem). Por fim, foi verificada uma evolução das técnicas de interpolação e de preenchimento de falhas nas últimas décadas, em decorrência da evolução da capacidade computacional e tecnológica.
Resumo O preenchimento de falhas em séries temporais de precipitação é um importante processo para aplicações em hidrologia, visando o aproveitamento de longas séries, evitando que as mesmas sejam descartadas. Desse modo, este estudo teve como objetivo realizar o preenchimento de falhas em séries históricas de precipitação diária no Rio Grande do Sul (RS), auxiliando no aproveitamento desses dados em estudos que necessitem de analises de longo prazo. Para tanto, foram utilizadas séries históricas de 287 estações, no período entre 1987 e 2016 e aplicados os métodos de Regressão Linear Múltipla (RLM) e Redes Neurais Artificiais (RNA), comparando e avaliando os valores preenchidos. Um algoritmo foi desenvolvido para realizar as seguintes operações: i) identificar os dias com falhas em cada estação; ii) identificar as estações que podem ser utilizadas para o preenchimento de cada falha; iii) identificar todas as combinações de entrada para o preenchimento de falhas em cada estação; iv) realizar o ajuste/treinamento dos modelos RLM e RNA; v) realizar a validação dos modelos com base no período sem falhas de cada estação. Os principais resultados indicam que a maior densidade de estações pluviométricas favorece o processo de preenchimento de falhas em séries históricas de precipitação, melhorando a qualidade da série preenchida. O preenchimento de falhas apresentou maior coeficiente de determinação e menor erro médio absoluto usando o modelo RLM em relação às RNA, possivelmente em função da forte correlação linear entre os dados de precipitação de cada local em relação a sua vizinhança. O modelo de RLM apresentou um coeficiente de determinação (R2) médio de 0,697, enquanto que o modelo RNA obteve media de 0,675. Levando-se em conta a análise por meio do erro médio absoluto (EMA), a média dos valores foi de 2,27 mm para a RLM, enquanto para a RNA o erro ficou em 2,31 mm. Conclui-se, considerando o conjunto de dados de precipitação diária do RS, que houve uma pequena superioridade do método RLM em relação à RNA.
Resumo Atualmente, ao obter séries históricas de precipitação, é necessário realizar o preenchimento de falhas, interpolar e estimar a precipitação para área de interesse, principalmente em locais com baixa densidade de estações pluviométricas. Então, este estudo teve como objetivo gerar um banco de dados espacial com séries históricas de precipitação para o estado do Rio Grande do Sul, que permita a consulta a índices de precipitação por bacia, por município e por coordenadas geográficas, sem a necessidade de pós-processamento. A metodologia foi estruturada em cinco etapas: adquirir, organizar e preencher falhas das séries históricas de precipitação; interpolar, por meio do método Inverso da Potência da Distância (IPD), dados de chuva para uma malha regular com resolução espacial de 20 km; calcular índices de precipitação (Tempo de Retorno, Chuva Média Mensal e Anual, índice de Anomalia de Chuvas (IAC), Número de dias de Precipitação); codificar e dividir bacias hidrográficas a partir do Modelo Digital de Elevação (MDE); gerar banco de dados: organizar matrizes e tabelas para consultas. A validação cruzada da interpolação apresentou um EMA (Erro Médio Absoluto) que variou entre 1,02 e 3,20 mm, enquanto o EMQ (Erro Médio Quadrático) variou entre 6,4 e 8,4 mm. A disponibilização desse banco de dados na internet, com um arquivo de saída compatível com a maioria dos softwares de SIG, representa um ganho importante em pesquisas que necessitem utilizar longas séries temporais.
Uma das possibilidades de análise a partir de imagens de satélite é a variação espacial e temporal de comportamento de áreas inundáveis. Entre os índices desenvolvidos para análise de recursos hídricos, se destaca o Modified Normalized Difference Water Index (MNDWI), elaborado com o intuito de ressaltar áreas inundáveis com um maior poder de discriminação dos alvos. Esse trabalho tem como objetivo verificar a dinâmica espacial e temporal das inundações, utilizando imagens LANDSAT para observar o extravasamento das águas do Rio dos Sinos, a partir do índice MNDWI, como subsídio para a delimitação de inundações no município de Esteio, localizado na Região Metropolitana de Porto Alegre, Rio Grande do Sul, Brasil. Para tanto, foram utilizadas quatro datas de imagens selecionadas a partir da leitura da precipitação acumulada de dez e trinta dias: 30/08/1984 e 30/03/2004 (baixa precipitação), 19/11/1990 e 01/10/2007 (precipitação acumulada mais alta). As duas primeiras datas apresentaram precipitação média acumulada de 113,6 e 61,5 mm, no período de 30 dias e 19,7 mm e 11,9 mm, no período de 10 dez dias anteriores à aquisição da imagem. As datas de 19/11/1990 e 01/10/2007 apresentaram, respectivamente, 201.7 mm e 200.1 mm acumulados no período de 30 dias e 28.1 e 126.6 mm acumulados no perí- odo de 10 dias anteriores à imagem. Em relação às manchas de inundação, nas imagens com baixo acúmulo de precipitação, as médias de MNDWI ficaram em -0,33, ou seja, bem mais baixo em relação a 01/10/2007, com uma média de -0,11. Esse dado pode ser percebido principalmente nos pontos onde a mancha de inundação foi separada da composição MNDWI e sobreposta na imagem do município, propiciando o estudo da influência dessa inundação no escoamento dos arroios que cortam o município de Esteio.
As inundações são fenômenos naturais que possuem uma distribuição temporal irregular, possibilitando a expansão populacional nesse tipo de região, o que, aliado a falta de planejamento, torna-se uma das principais causas de desastres. A bacia hidrográï¬ca do arroio Demétrio encontra-se na porção Leste do município de Gravataí, localizado no estado do Rio Grande do Sul, onde se veriï¬ca um intenso processo de ocupação próximo às suas margens, locais consequentemente suscetíveis a inundações. Esse estudo tem como objetivo espacializar as áreas suscetíveis à ocorrência de inundações na bacia do arroio Demétrio, por meio da integração entre um modelo hidrológico aplicável em pequenas bacias hidrográï¬cas e dados obtidos por sensoriamento remoto e geoprocessamento. Para alcançar os objetivos propostos, este estudo compreendeu, primeiramente, a aquisição de dados para a modelagem hidrológica por meio da extração de parâmetros físicos da bacia, usando bases cartográï¬cas digitais e geotecnologias. Posteriormente foi realizada a simulação hidrológica, por meio da utilização do modelo chuva-vazão da Soil Conservation Service (SCS, 1986) e o modelo de propagação da onda de cheia Muskingum-Cunge (CUNGE, 1969), na sua versão não linear. A última etapa deste trabalho consistiu na espacialização das áreas inundáveis na bacia para uma precipitação extrema com tempo de retorno de 50 anos, o que resultou em um mapa de áreas suscetíveis a inundações. Também foram mapeadas as áreas construídas, a ï¬ m de relacionar as áreas suscetíveis à quelas ocupadas. A partir das modelagens, foi elaborado um mapa de áreas suscetíveis a inundações. Por ï¬ m, fez-se um mapeamento da evolução das áreas ediï¬cadas na bacia, com posterior confecção de mapa de comparação entre áreas ediï¬cadas e suscetíveis a inundações. Assim, veriï¬ca-se que este estudo poderá servir de base para futuros estudos relacionados a vulnerabilidade e a risco nas áreas atingidas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.