MODELAGEM HIDROLÓGICA CONCEITUAL E POR REDES NEURAIS ARTIFICIAIS
Araguaia, Aprendizagem Profunda, Cerrado, Gestão de Bacias.
Requer-se a cada dia mais estudos sobre disponibilidade hídrica para gestão de bacias
hidrográficas. Neste sentido a modelagem hidrológica assume papel crucial. Há
diferentes técnicas para modelagem hidrológica cujo objetivo é a previsão de vazão.
Nesta pesquisa objetivou-se calibrar e validar dois modelos para sub-bacias de grande
extensão pertencentes a bacia hidrográfica Araguaia-Tocantins. Na primeira parte da
tese apresenta-se a revisão da literatura especializadas, A segunda parte da tese esta
subdividida em duas na primeira subdivisão utilizou-se um modelo conceitual semi-
distribuído, denominado SWAT, e implementou-se um modelo empírico por redes
neurais artificiais (RNA) de múltiplas camadas perceptron. A sub-bacias estudadas
estão localizadas na região central do Brasil e cobrem parcialmente os estados de Goiás
e Mato Grosso, nos trechos do alto e médio rio Araguaia. Para modelagem no SWAT
são requeridos dados de vazão, precipitação, temperatura máxima, temperatura mínima,
radiação solar, velocidade do vento, umidade relativa, Modelo Digital de Elevação
(MDE), mapa de classes de solos e mapa de uso e ocupação do solo, para atender essa
demanda elaborou-se banco de dados de meteorológicos e precipitação a partir de dados
copilados de órgãos públicos brasileiros, dados georreferenciados de classes dos solos,
uso e ocupação dos solos foram servidos pelo repositório da Instituto Socioambiental da
Universidade Federal de Goiás. O MDE foi derivado de imagens ASTER, construiu-se
banco de dados de parametrização hidrológica de 10 diferentes classes de solos do
Cerrado com base na literatura. Para modelagem por RNA utilizou-se dados de
precipitação, evapotranspiração e vazão, testou-se diferentes números de camadas
ocultas e quantidades de neurônios, utilizou para otimização um algoritmo da família
dos métodos de quase-newton com backpropagation. Os modelos conceitual e empírico
foram calibrados e validados, tendo os mesmos atendido aos critérios de qualidade, com
base nos valores coeficiente de Eficiência Nash-Sutcliffe, como bom ou satisfatório,
sendo ambos adequado para simulação hidrológica. O dia juliano mostrou-se essencial
para modelagem por RNA. Enquanto segunda subdivisão utilizando o modelo
conceitual calibrado e utilizando os dados de donwscaling de 4 modelos globais de
circulação (MGC) para os cenários climáticos RCP 4.5 e 8.5, disponibilizados pelo
INPE, simulou-se as vazões para até 2100.