Calibração e validação de modelos hidrológicos para uma bacia hidrográfica do estado de Goiás
DOI:
https://doi.org/10.26848/rbgf.v15.4.p1827-1842Palavras-chave:
Modelagem Hidrológica, calibração, validação, HyMOD, Tank Model.Resumo
Este trabalho teve o objetivo de implementar, calibrar e validar os modelos conceituais de chuva-vazão Tank Model e HyMOD no intuito de simular a vazão na bacia hidrográfica do Rio das Almas no estado de Goiás. O conjunto de dados utilizados abrangeu uma série de 32 anos de dados hidrológicos diários (01 de agosto de 1982 a 31 de julho de 2017), os anos de 1995, 1996 e 1997 foram excluídos por não apresentarem dados completos de vazão. Os dados de precipitação foram obtidos através dos registros das três estações pluviométricas localizadas na área da bacia e o volume de precipitação média diária foi calculada por meio do Método de Thiessen. A otimização dos parâmetros dos modelos Tank Model e HyMOD foi realizada por meio de dois métodos automáticos de calibração utilizando algoritmos da ferramenta Solver do Excel: Programação não-linear do Gradiente Reduzido Generalizado (GRG) e o método Evolutionary. Tais algoritmos foram aplicados considerando dados de vazão e precipitação em escala diário e mensal. Essas escalas foram utilizadas com intuito de compara os resultados obtidos. A análise de desempenho foi realizada com o coeficiente de eficiência Nash-Sutcliffe (NSE). Ambos os modelos puderam ser calibrados de maneira satisfatória para os dados de entrada da bacia em estudo e apresentaram melhor desempenho na escala mensal. Entretanto, o HyMOD apresentou melhor ajuste na calibração (NSE: 0,80) e maior flexibilidade no ajuste dos coeficientes NSE e uma representação gráfica mais precisa quando comparada ao Tank Model (NSE: 0,75).
Palavras – chave: Modelagem Hidrológica, calibração, validação, HyMOD, Tank Model.
Calibration and validation of hydrological models for a hydrographic basin in the state of Goiás.
ABSTRACT
This work aimed to implement, calibrate, and validate the conceptual rain-runoff models Tank Model and HyMOD to simulate the flow in the Rio das Almas hydrographic basin in the state of Goiás. The dataset used covered a series of 32 years of daily hydrological data (August 1, 1982, to July 31, 2017), the years 1995, 1996 and 1997 were excluded for not presenting complete flow data. Precipitation data were obtained from the records of the three pluviometric stations located in the basin area and the daily mean precipitation volume was calculated using the Thiessen Method. The optimization of the parameters of the Tank Model and HyMOD models was performed using two automatic calibration methods using algorithms from the Excel Solver tool: Nonlinear Generalized Reduced Gradient (GRG) programming and the Evolutionary method. Such algorithms were applied considering flow and precipitation data on a daily and monthly scale. These scales were used to compare the results obtained. The performance analysis was performed with the Nash-Sutcliffe efficiency coefficient (NSE). Both models could be satisfactorily calibrated for the input data of the basin under study and presented better performance in the monthly scale. However, the HyMOD showed better calibration adjustment (NSE: 0.80) and greater flexibility in the adjustment of NSE coefficients and a more accurate graphical representation when compared to the Tank Model (NSE: 0.75).
Keywords: Hydrological Modeling, Calibration, Validation, HyMOD, Tank Model.
Downloads
Referências
Al-Asadi, K., Abbas, A. A., Hamdan, A. N., 2020. Optimization of the Hydrological Tank Model by Downhill Simplex Method. International Journal of Civil Engineering, 18(12),1433–1450. https://doi.org/10.1007/s40999-020-00540-5
Bastola, S., 2022. The regionalization of a parameter of HYMOD, a conceptual hydrological model, using data from across the globe. HydroResearch, 5, 13–21. https://doi.org/10.1016/j.hydres.2022.01.001
Beven, K., 2012. Rainfall-Runoff Modelling: The Primer. (2 ed.). https://doi.org/10.1002/9781119951001
Boyle, D. P., Gupta, H. V., Sorooshian, S., 2000. Toward improved calibration of hydrologic models: Combining the strengths of manual and automatic methods. Water Resources Research, 36(12), 3663–3674. https://doi.org/10.1029/2000WR900207
Brouziyne, Y., Abouabdillah, A., Chehbouni, A., Hanich, L., Bergaoui, K., McDonnell, R., Benaabidato, L., 2020. Assessing hydrological vulnerability to future droughts in a Mediterranean watershed: Combined indices-based and distributed modeling approaches. Water (Switzerland)., 12. https://doi.org/10.3390/W12092333
Brouziyne, Y., Girolamo, A. M., Aboubdillah, A., Benaabidato, L., Bouchaou, L., Chehbouni, A., 2021. Modeling alterations in flow regimes under changing climate in a Mediterranean watershed: An analysis of ecologically-relevant hydrological indicators. Ecological Informatics., 61. https://doi.org/10.1016/j.ecoinf.2021.101219
Campagnolo, K., Vasconcellos, S. M., Castiglio, V. S., Fagundes, M. R., Kobiyama, M., 2021. Aplicação do Tank Model como Ferramenta de Gestão na Bacia do Rio Perdizes - Cambará do Sul/RS. Revista Brasileira de Geografia, 14(2), 1143–1158. https://doi.org/10.26848/rbgf.v14.2.p1143-1158
Chabi, A., Zandagba, E. B. J., Obada, E., Biao, E. I., Alamou, E. A., Afouda, A., 2021. Impact of climate change on water availability in the Oueme catchment at the outlet of the Save’s bridge (Benin, West Africa). Proceedings of the International Association of Hydrological Sciences, 384, 255–260. https://doi.org/10.5194/piahs-384-255-2021
Duan, Q., Schaake, J., Andréassian, V., Franks, S., Goteti, G., Gupta, H. V., Wood, E. F., 2006. Model parameter estimation experiment (MOPEX): an overview of science strategy and major results from the second and third workshops. Journal of Hydrology, 320(1–2), 3–17. https://doi.org/10.1016/j.jhydrol.2005.07.031
Garg, V., Nikam, B. R., Thakur, P. K., Aggarwal, S. P., Gupta, P. K., Srivastav, S. K., 2019. Human-induced land use land cover change and its impact on hydrology. HydroResearch, 1, 48–56. https://doi.org/10.1016/j.hydres.2019.06.001
Goodarzi, M. S., Amiri, B. J., Azarneyvand, H., Khazaee, M., Mahdianzadeh, N., 2021a. Assessing the Performance of a Hydrological Tank Model at Various Spatial Scales. Journal of Water Management Modeling, 29, 1–8. https://doi.org/10.14796/JWMM.C472
Goodarzi, M. S., Amiri, B. J., Azarnivand, H., Waltner, I., 2021b. Watershed hydrological modelling in data scarce regions; integrating ecohydrology and regionalization for the southern Caspian Sea basin, Iran. Heliyon, 7(4), e06833. https://doi.org/10.1016/j.heliyon.2021.e06833
Hapsari, R. I., Syarifuddin, M., Putri, R. I., Novianto, D., 2021. Comparisons of distributed and lumped rainfall-runoff model for soil moisture estimation. IOP Conference Series: Earth and Environmental Science, 930(1). https://doi.org/10.1088/1755-1315/930/1/012071
Horsburgh, J. S., Morsy, M. M., Castronova, A. M., Goodall, J. L., Gan, T., Yi, H., Stealey, M. J., Tarboton, D. G., 2016. HydroShare: Sharing Diverse Environmental Data Types and Models as Social Objects with Application to the Hydrology Domain. Journal of the American Water Resources Association, 52(4), 873–889. https://doi.org/10.1111/1752-1688.12363
INMET, Instituto Nacional de Meteorologia., 2020. Banco de Dados Meteorológicos do INMET. Disponível em: https://portal.inmet.gov.br/. Acesso em: 04/06/2021.
Kagabu, M., Ide, K., Hosono, T., Nakagawa, K., Shimada, J., 2020. Describing coseismic groundwater level rise using tank model in volcanic aquifers, Kumamoto, southern Japan. Journal of Hydrology, 582(December 2019), 124464. https://doi.org/10.1016/j.jhydrol.2019.124464
Kheimi, M., Abdelaziz, S. M., 2022. A Daily Water Balance Model Based on the Distribution Function Unifying Probability Distributed Model and the SCS Curve Number Method. Water (Switzerland), 14(2). https://doi.org/10.3390/w14020143
Kim, K. B., Kwon, H. H., Han, D., 2022. Intercomparison of joint bias correction methods for precipitation and flow from a hydrological perspective. Journal of Hydrology, 604, 127261. https://doi.org/10.1016/j.jhydrol.2021.127261
Krause, P., Boyle, D. P., Base, F., 2005. Comparison of different efficiency criteria for hydrological model assessment. Advances in Geosciences, European Geosciences Union, 5, 89–97. https://doi.org/10.5194 / adgeo-5-89-2005
Kwon, M., Kwon, H. H., Han, D., 2020. A hybrid approach combining conceptual hydrological models, support vector machines and remote sensing data for rainfall-runoff modeling. Remote Sensing, 12(11). https://doi.org/10.3390/rs12111801
Lich, N., 2001. The benefits of replacing LP solvers in basin allocation models with a generalized non-linear evolutionary network flow solver (SFEP). In Bridging the Gap: Meeting the World’s Water and Environmental Resources Challenges. (pp. 1–20).
Lin, F., Chen, X., Yao, H., 2017. Evaluating the use of Nash-Sutcliffe efficiency coefficient in goodness-of-fit measures for daily runoff simulation with SWAT. Journal of Hydrologic Engineering., 22(11). https://doi.org/10.1061 / (ASCE) HE.1943-5584.0001580
Meng, X., Huang, M., Liu, D., Yin, M., 2021. Simulation of rainfall–runoff processes in karst catchment considering the impact of karst depression based on the tank model. Arabian Journal of Geosciences, 14(4). https://doi.org/10.1007/s12517-021-06515-7
Meresa, H., Tischbein, B., Mekonnen, T., 2022. Climate change impact on extreme precipitation and peak flood magnitude and frequency: observations from CMIP6 and hydrological models. In Natural Hazards (Vol. 111, Issue 3). Springer Netherlands. https://doi.org/10.1007/s11069-021-05152-3
Moore, R. J., 1985. The probability-distributed principle and runoff production at point and basin scales. Hydrological Sciences Journal, 30(2), 273–297. https://doi.org/10.1080/02626668509490989
Moraes, M. R. B., 2016. Modelagem da vazão na Bacia Hidrográfica do Rio Araguari, em Minas Gerais. (Mestrado em Qualidade Ambiental), Universidade Federal de Uberlândia, MG.
Moriasi, D. N., Arnold, J. G., Liew, M. W. Van, Bingner, R. L., Harmel, R. D., Veith, T. L., 2007. Model evaluation guidelines for systematic Quantification of accuracy in watershed simulations. American Society of Agricultural and Biological Engineers, 50(3), 885–900. https://doi:10.13031/2013.23153
Nash, J. E. E., Sutcliffe, J. V., 1970. River Flow Forecasting Through Conceptual Models Part I - A Discussion of Principles. Journal of Hydrology, 10(3), 282–290. https://doi.org/10.1016/0022-1694(70)90255-6
Negewo, T. F., Sarma, A. K., 2021. Estimating Water Production under Baseline and Future Climate Change Scenarios in the Genale Basin, Genale Dawa River Basin, Ethiopia, Using SWAT Model. Journal of Hydrologic Engineering., 26(3). https://doi.org/10.1061/(ASCE)HE.1943-5584.0002047
Odongo, V. O., Oel, P. R., Tol, C., Su, Z., 2019. Impact of land use and land cover transitions and climate on evapotranspiration in the Lake Naivasha Basin, Kenya. Science of The Total Environment, 682, 19–30. https://doi.org/10.1016/j.scitotenv.2019.04.062
Papadaki, C., Dimitriou, E., 2021. River flow alterations caused by intense anthropogenic uses and future climate vaviability implications in the balkans. In Hydrology. (Vol. 8, Issue 7). https://doi.org/10.3390/hydrology8010007
Pereira, T. S. R., Almeida dos Santos, K., Ferreira da Silva, B., Teodomiro Martins Formiga, K., Kepler Soares, A., 2016. Desenvolvimento De Um Modelo Chuva-Vazão Via Tank Model E Calibração Automática. REEC - Revista Eletrônica de Engenharia Civil, 11(3), 17–28. https://doi.org/10.5216/reec.v11i3.36007
Qiu, J., Yang, Q., Zhang, X., Huang, M., Adam, J. C., Malek, K., 2019. Implications of water management representations for watershed hydrologic modeling in the Yakima River basin. Hydrology and Earth System Sciences, 23(1), 35–49. https://doi.org/10.5194 / hess-23-35-2019
Quan, Z., Teng, J., Sun, W., Cheng, T., Zhang, J., 2015. Evaluation of the HYMOD model for rainfall-runoff simulation using the GLUE method. IAHS-AISH Proceedings and Reports, 368(August 2014), 180–185. https://doi.org/10.5194/piahs-368-180-2015
Satgé, F., Pillot, B., Roig, H., & Bonnet, M. P., 2021. Are gridded precipitation datasets a good option for streamflow simulation across the Juruá river basin, Amazon? Journal of Hydrology, 602(August). https://doi.org/10.1016/j.jhydrol.2021.126773
Shende, S., 2021. A conceptual rainfall-runoff mathematical model to simulate runoff using daily amount of rainfall for arid and semi-arid region. Journal of Physics: Conference Series, 1964(2). https://doi.org/10.1088/1742-6596/1964/2/022017
Sitterson, J., Knightes, C., Parmar, R., Wolfe, K., Muche, M., Avant, B., 2018. An Overview of Rainfall-Runoff Model Types. US Environmental Protection Agency, Washington, DC, USA.
Smith, P. J., Beven, K. J., Tawn, J. A., 2008. Detection of structural inadequacy in process-based hydrological models: A particle-filtering approach. Water Resources Research, 44(1), 1–11. https://doi.org/10.1029/2006WR005205
SNIRH - Sistema Nacional de Recursos Hídricos., 2020. Séries Históricas. Agência Nacional Das Águas.Disponível em: https://www.snirh.gov.br/. Acesso em: 07/06/2021.
Sood, A., Smakhtin, V., 2015. Global hydrological models: a review. Hydrological Sciences Journal, 60(4), 549–565. https://doi.org/10.1080/02626667.2014.950580
Sugawara, M., 1995. Tank model code. In Computer models of watershed hydrology; Singh, V.P.,Water Resources Publications: Berlin/Heidelberg, Germany, pp. 353-361.
Sugawara, M., Fuyuki, M., 1956. A Method of Revision of River Discharge by Means of a Rainfall Model. In: A Collection of Research Papers about Forecasting Hydrologic Variables; The Geosphere Research Institute of Saitama University: Saitama, Japan. pp 14–18.
Suryoputro, N., Suhardjono, Soetopo, W., Suhartanto, E., 2017. Calibration of infiltration parameters on hydrological tank model using runoff coefficient of rational method. AIP Conference Proceedings, 1887. https://doi.org/10.1063/1.5003539
Wagener, T., 1998. Developing a Knowledge-based system to support rainfall-runoff modelling. University of Technology. https://doi.org/10.1590/2318-0331.252020190106
Wagener, T., Boyle, D. P., Lees, M. J., Wheater, H. S., Gupta, H. V., Sorooshian, S., 2001. A framework for development and application of hydrological models. Hydrology and Earth System Sciences, 5(1), 13–26. https://doi.org/10.5194/hess-5-13-2001
Yang, Y., Liu, R., Hong, Y., Zhang, L., Cui, S., Luo, Y., Nie, W., 2021. Development of Modified Tank Model for Reservoir Storage Prediction: Case Study of Huanggang Reservoir, Fujian, China. Journal of Hydrologic Engineering, 26(7), 1–9. https://doi.org/10.1061/(asce)he.1943-5584.0002093
Zhang, L., Cheng, L., Chiew, F., Fu, B., 2018. Understanding the impacts of climate and landuse change on water yield. Current Opinion in Environmental Sustainability, 33, 167–174. https://doi.org/10.1016/j.cosust.2018.04.017
Zhang, S., Al-Asadi, K., 2019. Evaluating the effect of numerical schemes on hydrological simulations: HYMOD as A case study. Water (Switzerland), 11(2), 1–20. https://doi.org/10.3390/w11020329
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Mirtes Tatiane Neisse Boldrin, Sarah Haysa Mota Benício, Andriane de Melo Rodrigues, Luciano de Oliveira, Klebber Teodomiro Martins Formiga
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam na Revista Brasileira de Geografia Física concordam com os seguintes termos:
Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0) que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: depositar em repositório institucional ou publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
Autores têm permissão para disponibilizar seu trabalho online antes ou durante o processo editorial, em redes sociais acadêmicas, repositórios digitais ou servidores de preprints. Após a publicação na Revista Brasileira de Geografia Física, os autores se comprometem a atualizar as versões preprint ou pós-print do autor, nas plataformas onde foram originalmente disponibilizadas, informando o link para a versão final publicada e outras informações relevantes, com o reconhecimento da autoria e da publicação inicial nesta revista.
Qualquer usuário tem direito de:
Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
Adaptar — remixar, transformar e criar a partir do material para qualquer fim, mesmo que comercial.
O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
