Hydrological regionalization of streamflows for the Tocantins River Basin in Brazilian Cerrado biome

Rodrigues, Jéssica Assaid Martins; Viola, Marcelo Ribeiro; Mello, Carlos Rogério de; Morais, Marco Antonio Vieira

doi:10.4136/ambi-agua.2716

Cited by 3 publications

(2 citation statements)

References 29 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Morais et al (2020) analyzed the efficiency of 10 probabilistic models in a regionalization study in the Araguaia River basin and identified GEV as the only one that had a good fit for the maximum streamflow series. This robustness was also observed by Cassalho et al (2018) when evaluating six probability distributions in the Mirim-São Gonçalo basin in Rio Grande do Sul and Rodrigues et al (2021), who regionalized reference streamflows in the Cerrado biome in Tocantins.…”

Section: Resultssupporting

confidence: 54%

Hydrological Regionalization of the Annual Maximum Streamflows of the Upper and Middle Paraopeba River – Mg Using the Index-Flood Technique

Filho

Durães

2022

Eng. Agríc.

View full text Add to dashboard Cite

Estimating peak streamflows in a basin is an essential issue in hydrology, especially for projects and management of hydraulic infrastructures such as dams, spillways, and bridges. In this context, this article presents a regionalization of annual maximum streamflows for the upper and middle Paraopeba River region in Minas Gerais, proposing a regional equation to calculate maximum streamflows using the index-flood technique by the generalized extreme value (GEV) distribution. GEV distribution parameters were estimated using the L-moments method, and the adjustment of the statistical model was performed by applying the Anderson-Darling test. The results of the hydrological regionalization were compared with those obtained by the local frequency analysis, performed for the considered fluviometric stations, observing absolute deviations from 11.91 to 58.78%.

show abstract

Section: Resultssupporting

confidence: 54%

Hydrological Regionalization of the Annual Maximum Streamflows of the Upper and Middle Paraopeba River – Mg Using the Index-Flood Technique

Filho

Durães

2022

Eng. Agríc.

View full text Add to dashboard Cite

show abstract

“…Embora alguns estudos de disponibilidade hídrica têm sido desenvolvidos na região dos rios Tocantins e Araguaia, a maioria são restritos às informações pontuais ou de parte da bacia, não possibilitando a caracterização da disponibilidade hídrica da bacia como um todo (GUEDES et al, 2016;MORAIS et al, 2020;RODRIGUES et al, 2021).…”

Section: Introductionunclassified

Regionalização de vazões mínimas de referência e média de longa duração da bacia hidrográfica Tocantins-Araguaia

Alves¹

View full text Add to dashboard Cite

Um dos grandes desafios para a gestão dos recursos hídricos é o conhecimento da disponibilidade hídrica em regiões, onde não se tem disponibilidade de dados hidrológicos. Diante disso, uma alternativa utilizada pelos órgãos gestores brasileiros afim de se obter informações hidrológicas, é a técnica de regionalização de vazões. Uma metodologia muito utilizada em estudos e trabalhos hidrológicos, é o método tradicional proposto pela Eletrobrás em 1985, o qual consiste na identificação de regiões hidrologicamente homogêneas e na geração de equações de regressão. Por outro lado, como uma nova proposta metodológica para a regionalização de vazões, a aprendizagem de máquina vem ganhando cada vez mais espaço nos estudos hidrológicos. Desta forma, objetivou-se com o presente trabalho regionalizar as vazões mínimas de permanência em 90% e 95% do tempo (Q 90 e Q 95 ) e médias de longa duração na bacia hidrográfica Tocantins-Araguaia utilizando o método tradicional e a modelagem de aprendizagem de máquina. Na metodologia tradicional, foi utilizada a regressão linear simples, considerando três variáveis independentes: a Peq, Peq 750 e área de drenagem. Já na aprendizagem de máquina, foram utilizados seis algoritmos: Randon Forest, Support Vector Machine, K-nearest neightbor, Earth, Modelo linear e Cubist, e três parâmetros de performance: LCCC, NSE e MAE. Para cada algoritmo, foram utilizadas 203 covariáveis (morfométricas, climáticas e de superfície) sendo estas inseridas nos modelos como o valor médio e o desvio padrão em cada área de drenagem, as quais passaram por um processo de seleção. Foram identificadas na bacia, 75 estações fluviométricas distribuídas em 5 regiões hidrologicamente homogêneas. Avaliando a sazonalidade das vazões, verifica-se que a adoção da mesma como fator de otimização dos recursos hídricos, proporciona um aumento na disponibilidade hídrica na bacia do Tocantins-Araguaia. A regionalização de vazões pelo método tradicional, apresentou ótimos ajustes estatísticos, sendo a Peq e a Peq 750 as variáveis que apresentaram maior poder explicativo da variação da Q 90 , Q 95 e Q mld . No processo de seleção das covariáveis para a modelagem de aprendizado de máquina, a Peq foi a variável que se mostrou com maior importância no processo de predição das vazões para a maioria dos modelos. Dentre os modelos de aprendizagem de máquina, os algoritmos linear e Earth não apresentaram desempenhos satisfatórios. O modelo cubist foi aquele que mostrou maior habilidade no processo de predição das vazões, podendo ser uma alternativa promissora para a técnica de regionalização de vazões. No entanto, mesmo sendo um modelo menos complexo, requerendo uma menor quantidade de variáveis, a regressão linear simples pelo método tradicional, apresentou desempenho similar ao apresentado pelo cubist. Palavras-chave: Disponibilidade hídrica. Regionalização de vazões. Aprendizagem de máquina.

show abstract

Streamflow forecasting in Tocantins river basins using machine learning

et al. 2022

View full text Add to dashboard Cite

Understanding the behavior of the river regime in watersheds is fundamental for water resources planning and management. Empirical hydrological models are powerful tools for this purpose, with the selection of input variables as one of the main steps of the modeling. Therefore, the objectives of this study were to select the best input variables using the genetic, recursive feature elimination, and vsurf algorithms, and to evaluate the performance of the random forest, artificial neural networks, support vector regression, and M5 model tree models in forecasting daily streamflow in Sono (SRB), Manuel Alves da Natividade (MRB), and Palma (PRB) River basins. Based on several performance indexes, the best model in all basins was the M5 model tree, which showed the best performances in SRB and PRB using the variables selected by the recursive feature elimination algorithm. The good performance of the evaluated models allows using them to assist different demands faced by the water resources management in the studied river basins, especially the M5 model tree model using streamflow lags, average rainfall, and evapotranspiration as inputs.

show abstract

Hydrological regionalization of streamflows for the Tocantins River Basin in Brazilian Cerrado biome

Cited by 3 publications

References 29 publications

Hydrological Regionalization of the Annual Maximum Streamflows of the Upper and Middle Paraopeba River – Mg Using the Index-Flood Technique

Hydrological Regionalization of the Annual Maximum Streamflows of the Upper and Middle Paraopeba River – Mg Using the Index-Flood Technique

Regionalização de vazões mínimas de referência e média de longa duração da bacia hidrográfica Tocantins-Araguaia

Streamflow forecasting in Tocantins river basins using machine learning

Contact Info

Product

Resources

About