Os modelos globais do Coupled Model Intercomparison Project Phase 5 (CMIP5) são avaliados para a região Nordeste do Brasil (NEB), região Amazônica e bacia do Prata quanto à representação da precipitação para o período de 1901 a 1999. Além disso, são analisadas as projeções de precipitação para o cenário RCP8.5 para o século XXI. A avaliação é realizada utilizando-se os dados do Climatic Research Unit (CRU) e a reanálise 20th Century Reanalysis V2 do National Oceanic and Atmospheric Administration (NOAA). Os modelos são classificados através de índices que indicam como os padrões de variação sazonal, interanual e decenal são representados. A avaliação apontou como melhores modelos para o NEB as rodadas do modelo CANESM, enquanto para a bacia do Prata, a rodada do modelo francês CNRM_CM5_r1i1p1. Já para a Amazônia, destacam-se as rodadas do modelo GISS-E2-R. Na região NEB, a maioria dos modelos mostra maiores impactos na pré-estação, porém divergem quanto ao sinal da anomalia. Na região Amazônica, os modelos sugerem maiores possibilidades de redução na precipitação, em até 20,5%,33,6 e 39,5% para os períodos de 2010 a 2039, 2040 a 2069 e 2070 a 2099, respectivamente. Na região do Prata, o conjunto dos modelos projeta poucas alterações no período de 2010 a 2039.
This study aims to find a seasonal streamflow forecast model simultaneous to all stations of SIN using periodic autoregressive models with exogenous variables (PARX) using climate indexes. Comparing the results from PAR and PARX Models, this research analyzes the impact on forecasts by using climate information. The proposed models for streamflow forecast has been carried out using natural streamflow data from Operador Nacional do Sistema (ONS) and statistical techniques (such as multiple linear regression and stepwise method to choose explanatory variables). On 27 climate indexes utilized, 4 of them are suggested in this work. The performance analysis methodology is based on the ELECTRE method further the NASH coefficient, the mean absolute percentage error, the multi-criteria distance and correlation. Forecasts with one month lead, the PAR models present better results for most stations of SIN within seasons DJF, MAM, and JJA, while for SON season there is greater efficiency from PARX model. This kind of model shows better performance during dry season in the basins at Northern Brazil -Amazonas and Araguaia-Tocantins; Central-Eastern Brazil -Eastern Atlantic and the most rivers located in the Paraná basin.Keywords: Monthly streamflow forecast; Climate information; National Interconnected System. RESUMOEste estudo propõe um modelo de previsão simultânea de vazões sazonais para todos os locais SIN através de modelos periódicos autorregressivos simples (PAR) e com variáveis exógenas (PARX) utilizando índices climáticos. Os modelos propostos de previsão de afluência utilizam os dados de vazões naturais gerados pelo Operador Nacional do Sistema (ONS) e técnicas estatísticas como as de regressão linear múltipla e o método stepwise para escolha de variáveis explanatórias. São utilizados 27 índices climáticos, dos quais 4 foram sugeridos neste trabalho. A análise de desempenho das metodologias é baseada no método ELECTRE com o uso do coeficiente de NASH, do erro médio percentual absoluto, da distância multicritério e da correlação. Para previsões com um mês de antecedência, os modelos do tipo PAR apresentam melhores desempenhos na maioria dos postos do SIN nos trimestres DJF, MAM e JJA, enquanto para o período SON a uma maior eficiência do modelo PARX. O PARX apresenta melhor desempenho no período seco das bacias do norte do Brasil -Amazonas e Araguaia-Tocantins; centro-leste brasileiro -Atlântico Leste e na maioria dos rios que formam a Bacia do Paraná.Palavras-chave: Previsão sazonal; Índices climáticos; Setor elétrico.
RESUMOEsse artigo apresenta uma análise das incertezas e erros do modelo SCS-CN do Hydrologic Engineering Center -Hydrologic Modeling System (HEC-HMS), para eventos hidrológicos com dados de precipitação observada e estimada por RADAR na bacia do rio São Miguel em Alagoas, que controla uma área de 296 km². Foram utilizados dados fisiográficos para as estimativas iniciais dos parâmetros do SCS-CN. Em seguida, utilizando medidas simultâneas de precipitação e vazões observadas, os parâmetros foram calibrados. Utilizando-se dados independentes, os parâmetros calibrados foram validados. O coeficiente de desempenho mostrou valores de Nash-Sutcliffe de 0,93 na fase de calibração e valores entre 0,81 a 0,87 nas fases de validação. Em seguida, o modelo foi utilizado para eventos hidrológicos passados, usando dados de precipitação estimada por RADAR. Obteve-se coeficientes de Nash-Sutcliffe entre 0,75 a 0,79. O SCS-CN com as estimativas de precipitação pelo RADAR representou de forma adequada o tempo das vazões de pico, entretanto, subestimou a magnitude do pico com erros de até 26% em alguns eventos. A metodologia mostrou-se satisfatória para a bacia em estudo e pode ser uma ferramenta útil para aplicação em outras bacias hidrográfica prevendo possíveis inundações. Palavras-chave: gestão dos recursos hídricos, inundação, SCS. Uncertainties and errors flow estimate using hydrological modelling and precipitation by RADAR ABSTRACTThis work presents an analysis of uncertainties and errors of the SCS-CN model of the Hydrologic Engineering Center -Hydrologic Modeling System (HEC-HMS), for hydrological events using observed and RADAR-estimated precipitation data of the São Miguel River Basin in State of Alagoas, which covers an area of 296 km². Physiographic data of the basin were used to find the initial estimates of the SCS-CN parameters. Then, using simultaneous measurements of precipitation and observed flow, the parameters were calibrated. Using
As projeções de precipitação dos modelos globais do quarto relatório do Intergovernmental Panel on Climate Change (IPCC-AR4) são analisadas para o Nordeste Setentrional do Brasil para o período de 2010 a 2099 dos cenários A1B, A2 e B1. Para análise sazonal considerou-se a anomalia de precipitação média anual e a anomalia na climatologia média dos cenários do século XXI em relação ao século XX. Para análise das variações interanuais utilizou-se uma avaliação de tendências usando métodos clássicos (média móvel de 10 anos, regressão linear e Mann-Kendall-Sen) e a análise de ondeletas (wavelets). Os modelos mostram maiores impactos na pré-estação, porém divergem quanto ao sinal da anomalia, indicando uma possível antecipação ou adiamento da influência da ZCIT na região. A maioria dos modelos não indica tendência significativa para as variações interanuais. O modelo UKMO_HADCM3_run1 possui as projeções mais pessimista para o século XXI para os três cenários. O modelo CNRM_CM3_run1 indica uma das maiores tendências de aumento de precipitações anuais para os três cenários. A tendência mostrada por esses modelos é explicada em parte pela variação natural de baixíssima frequência da série, mas principalmente, por uma evidente mudança no regime de precipitação da série.
O objetivo deste trabalho foi analisar o impacto das mudanças climáticas nas vazões dos postos do setor elétrico brasileiro utilizando seis modelos globais do Intergovernmental Panel on Climate Change-Fifth Assessment Report (IPCC-AR5) para os cenários RCP4.5 e RCP8.5 no período de 2011 a 2098. As vazões de 21 postos representativos do Operador Nacional do Sistema (ONS) do Sistema Interligado Nacional (SIN) foram geradas por meio do modelo hidrológico Soil Moisture Account Procedure (SMAP), enquanto as vazões dos demais postos que compõem o SIN foram obtidas por regressões lineares. Foram analisadas as anomalias das vazões médias anuais e a tendência no período de 2011 a 2098. Os modelos do IPCC-AR5 mostraram que há maior possibilidade de redução nas vazões anuais na maior parte do Brasil, exceto para a Região Sul, onde os modelos mostram aumentos superiores a 5% no período de 2040 a 2069.
Abstract:The paper presents a case study integrating hydrologic models, hydraulic models and a geographic information system (GIS) to delineate flooded areas in the medium-sized Acaraú River Basin in Ceará State, Brazil. The computational tools used were HEC-HMS for hydrologic modelling, HEC-RAS for hydraulic modelling and HEC-GeoRAS for the GIS. The results showed that a substantial portion of the riverine populations of the cities of Sobral, Santana do Acaraú and Groairas were affected by floods. Overall, the flood model satisfactorily represents the affected areas and shows the locations with the greatest flooding.
ResumoO artigo apresenta uma avaliação do desempenho na previsão climática no alto vale do rio Jaguaribe, Estado do Ceará. A previsão é executada utilizando as condições de fronteira do modelo de circulação global (ECHAM 4.5) ao modelo regional (RAMS 6.0). O modelo simula as chuvas em escala mensal para agregá-las para a estação chuvosa regional (janeiro a junho). Utilizou-se, o Heidke Skill Score (HSS) como métrica da habilidade de previsão. As simulações foram feitas para a estação úmida abrangendo o período de 1979 a 2010. O HSS foi estimado para intervalos de 1, 2, 10, 15, 21, 30, 45, 60, 120 e 180 dias com o objetivo de encontrar o Intervalo de Tempo de Máxima Previsibilidade (ITEMP). Obteve-se uma curva HSS vs. tempo com máximo no ponto HSS = 0,62 e 45 dias. O valor do HSS obtido, 0,62, mostra que a previsão climática mesmo com suas limitações (dados inicial de umidade do solo e parametrizações utilizadas) pode ser uma importante ferramenta para a gestão de estoques de água de reservatórios do semiárido.Palavras-chave: previsão climática, Heidke Skill Score, operação de reservatório. The Time Interval for Maximum Predictability of Precipitation over Brazilian Semi Arid AbstractThis paper presents an evaluation of the climate forecast in the upper valley of the river Jaguaribe, State of Ceara-Brazil. The forecast was performed using the global circulation model (ECHAM 4.5) boundary conditions to the regional model (RAMS 6.0). The model simulates the monthly scale rainfall in order to aggregate it in the regional rainy season (January to June). We used the Heidke Skill Score (HSS) as a metric of forecast skill. The simulations were performed for the wet season, covering the period from 1979 to 2010. The HSS was calculated for intervals of 1, 2, 10, 15, 21, 30, 45, 60, 120 and 180 days in order to find the Time Interval of Maximum Predictability (ITEMP). The obtained curve, HSS vs. time, presented a maximum HSS of 0.62 for 45 days. This result indicates that climate prediction even with its limitations (initial data of soil moisture and used parameterization) could be an important tool for the reservoir management in Brasilian Semiarid region.
RESUMOA urbanização sem planejamento ao longo da bacia do rio Jacarecica, em Maceió, AL, causa grandes impactos ambientais. A substituição de áreas vegetadas por áreas urbanizadas agrava esses impactos. No entanto, o potencial efeito dessas modificações na produção de sedimentos é desconhecido. Neste trabalho, avaliaram-se mudanças da produção de sedimentos na bacia do rio Jacarecica, no ano de 2010, em razão da alteração de parte da cobertura do solo por urbanização, por meio de modelagem matemática. Os resultados evidenciaram que o mês com maior produção produziu mais de 120 t/ha/mês, perfazendo o total de 131 t, correspondente a uma área de 24,5 km 2 da área total da bacia, revelando que grande parte da bacia é realmente susceptível ao processo de erosão. Este trabalho apresenta que a aplicação do modelo KINEROS2 é viável e o seu acoplamento ao SIG é de grande valia para identificação e análise das principais áreas de produção de sedimentos na bacia deste rio, podendo ser considerado ferramenta promissora para simulação da produção de sedimentos em bacias hidrográficas do nordeste brasileiro.Termos de Indexação: usos do solo, KINEROS2, modelo físico, bacia Jacarecica.
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.