Regionalização de Vazões de Permanência a partir de Parâmetros Morfométricos da Bacia Hidrográfica do Rio Grande – Bahia
DOI:
https://doi.org/10.26848/rbgf.v16.5.p2420-2434Palavras-chave:
Estimativa de Vazões, Regressão Múltipla, Modelo Digital de Terreno.Resumo
A escassez de dados de monitoramento fluviométrico é um grande desafio na gestão dos recursos hídricos é de fundamental importância conhecer o comportamento dos rios para fins de planejamento de atividades humanas. A região da bacia hidrográfica do rio do Grande/Ba destaca-se como uma grande produtora agrícola, além de apresentar um elevado crescimento demográfico e econômico, assim apresentando um intensivo uso da água. A regionalização é uma importante técnica para se estimar vazões em regiões desprovidas de dados, neste sentido, o presente artigo teve como objetivo avaliar um conjunto de características físicas das sub-bacias do rio Grande/Ba para a obtenção de um modelo de regionalização de vazões. Para tanto, utilizou-se informações oito estações fluviométricas da região disponibilizadas pela Agência Nacional de Águas (ANA), e considerando-as como exutórios das sub-bacias, analisou-se as características físicas a área de drenagem da bacia (A), comprimento do rio principal (L), declividade média do rio principal (S), densidade de drenagem (D), desnível (H) e perímetro (P). A partir do método de regressão avaliou-se o grau de correlação de cada conjunto de características físicas com o conjunto de vazões das estações. Os resultados mostraram que as variáveis de área de drenagem da bacia e perímetro foram características físicas que melhor descrevem a relação de com as vazões, assim compondo o modelo final. A avaliação para estimativas de vazões apresentou um coeficiente de determinação de 0.94, erro médio de 11,32, e a análise global apresentou coeficiente Nash-Sutcliffe de 0,87.Downloads
Referências
Afshin Jahanshahi, Lieke A. Melsen, Sopan D. Patil, Erfan Goharian. Comparing spatial and temporal scales of hydrologic model parameter transfer: A guide to four climates of Iran, Journal of Hydrology, Volume 603, 2021, https://doi.org/10.1016/j.jhydrol.2021.127099
Anandharuban Panchanathan, Ali Torabi Haghighi & Mourad Oussalah. A multi-criteria approach for improving streamflow prediction in a rapidly urbanizing data scarce catchment. Mar 2023
International Journal of River Basin Management Latest Articles. https://doi.org/10.1080/15715124.2023.2188597
Asurza-Véliz, F.A.; Lavado-Casimiro, W.S., 2020. Regional Parameter Estimation of the SWAT Model: Methodology and Application to River Basins in the Peruvian Pacific Drainage. Water, V. 12, p.3198. https://doi.org/10.3390/w12113198.
Azadeh Atabatia; Hamed Adabb; Ghasem Zolfagharia; Mahdi Nasrabadia, 2022. Modeling groundwater nitrate concentrations using spatial and non-spatial regression models in a semi-arid environment. Water Science and Engineering. V 15, Issue 3. https://doi.org/10.1016/j.wse.2022.05.002
Baena, Luiz Gustavo Nascentes ; SILVA, Demetrius David da ; Pruski, Fernando Falco ; Calijuri, Maria Lúcia . Regionalização de vazões com base em modelo digital de elevação para a bacia do Rio Paraíba do Sul. Engenharia Agrícola, Jaboticabal, SP, v. 24, n.2, p. 612-624, 2004.https://doi.org/10.1590/S0100-69162004000300013
Barreto, V. C. S. ; Batistela, G. C. ; Gaiotto, M. R.; Simões, D. . Regressão linear múltipla aplicada ao preço do leite. C. Q. D. - Revista Eletrônica Paulista de Matemática, v. 7, p. 109-118, 2016. Doi:10.21167/cqdvol7ermac201623169664vcsbgcbmrgds109118
Bitencourt, E. B. E; Reis, L. M. Dos; Loureiro, G. E., 2020. Análise temporal do desmatamento na Bacia Hidrográfica do Rio Sororó – região de integração de Carajás, PA. Revista Geoaraguaia, Barra do Garças -Mt, v. 1, n. 10, p. 89-106, jun. Disponível em< https://periodicoscientificos.ufmt.br/ojs/index.php/geo/article/view/7825/20010105>; Acesso: 29 jun. 2023.
Chowdhury, Y. Lin, B. Liaw e L. Kerby, 2022. Evaluation of Tree Based Regression over Multiple Linear Regression for Non-normally Distributed Data in Battery Performance. 2022 International Conference on Intelligent Data Science Technologies and Applications (IDSTA), 2022, p. 17-25. doi: 10.1109/idsta55301.2022.9923169.
Crosetto, M. & Castillo, Manuel & Arbiol, Roman. Urban subsidence monitoring using radar interferometry: Algorithms and validation. Photogrammetric Engineering and Remote Sensing, 2003. 69. 775-783. doi: https://doi.org/10.14358/PERS.69.7.775.
Devore, J. L. Probabilidade e estatística: para engenharia e ciências São Paulo, SP: Thomson Pioneira, 2006. 706 p.
Fasipe, O.A., Izinyon, O.C. Exponent determination in a poorly gauged basin system in Nigeria based on flow characteristics investigation and regionalization method. SN Appl. Sci. 3, 319 (2021).https://doi-org.ez10.periodicos.capes.gov.br/10.1007/s42452-021-04302-3
Flatley, A.; Rutherfurd, I. 2022. Comparison of Regionalisation Techniques for Peak Streamflow Estimation in Small Catchments in the Pilbara, Australia. Hydrology , V. 9, p. 165. https://doi.org/10.3390/hydrology9100165.
Guo Y., Zhang Y., Zhang L., Wang Z. Regionalization of hydrological modeling for predicting streamflow in ungauged catchments: A comprehensive review WIREs Water, 8 (1) (2021), Article e1487, https://doi.org/10.1002/wat2.1487
Hidayatulloh, A.; Chaabani, A.; Zhang, L.; Elhag, M. 2022. DEM Study on Hydrological Response in Makkah City, Saudi Arabia. Sustainability, v. 14, p.13369. https://doi.org/10.3390/su142013369
Ho Tong Minh, D.; Ngo, Y.-N. Interferometria SAR compactada na era do Big Data. Sensor remoto 2022 , 14 , 390. https://doi.org/10.3390/rs14020390
Irina Georgievová, Martin Hanel, Petr Pavlík, Adam Vizina, Streamflow simulation in poorly gauged basins with regionalised assimilation using Kalman filter, Journal of Hydrology, Volume 620, 2023,https://doi.org/10.1016/j.jhydrol.2023.129373.
Kebebew A.S. ,. Awass. A.A., 2022. Regionalization of catchments for flood frequency analysis for data scarce Rift Valley Lakes Basin, EthiopiaJ. Hydrol., Volume 43. https://doi.org/10.1016/j.ejrh.2022.101187
Leivas, J. F.; Teixeira, A. H. de C. ; Takemura C. M.; Garcon, E. A. M. . Indicadores agrometeorológicos espectrais em áreas irrigadas no Oeste da Bahia. Brazilian Journal of Animal and Environmental Research, v. 4, p. 1-9, 2020. https://doi.org/10.34188/bjaerv4n1-065.
Marinez-Barbáchano, Rubén. (2022). Estimación de la deformación superficial de las laderas del volcán Turrialba (Costa Rica) después de una erupción mediante interferometría diferencial de imágenes radar de apertura sintética (SAR) Sentinel-1A. Revista Geográfica de América Central, (68), 79-102. https://dx.doi.org/10.15359/rgac.68-1.3
Maciel, A. L.; Vieira, E. ; Mor, R. C. M. ; Vasques, A. C. . Regionalização E Espacialização de Vazões de Permanência: Estudo Aplicado na Bacia Rio Piracicaba-MG. Revista Brasileira de Climatologia, V. 24, P. 114-133, 2019. http://dx.doi.org/10.5380/abclima.v24i0.58420
Muniz, B. R. B., Xavier, J. A., Kanieski, M. R., Campos, C. G. C., Henkes, J. A., 2022. Impactos das Mudanças Climáticas nas Florestas Tropicais. Revista Gestão e Sustentabilidade Ambiental, V.11, P. 65-82. https://doi.org/10.59306/rgsa.v11e2202265-82
Naghettini, M.; Pinto, E. J. A. Hidrologia Estatística. Belo Horizonte: CPRM, 2007.
Orlando, Francisco Cristiano; Bias, Edilson de Souza; JUNIOR, Abimael Cereda. SRTM: Para uma melhor Utilização - Conhecendo um pouco mais da qualidade planialtimétrica, da influência da resolução espacial e dos modelos de superfície equipotenciais de referência. Revista Brasileira de Geografia Física, v. 15, n. 2, p. 1153-1168, 2022. doi:https://doi.org/10.26848/rbgf.v15.2.p1153-1168.
Panthi, Jeeban, S.M.Asce; Rocky Talchabhadel; Ganesh R. Ghimire; Sanjib Sharma; Piyush Dahal; Rupesh Baniya; Thomas Boving; Soni M. Pradhanang; Binod Parajuli. 2021. Hydrologic Regionalization under Data Scarcity: Implications for Streamflow Prediction. Journal of Hydrologic Engineering. V. 26 Issue 9. https://doi.org/10.1061/(ASCE)HE.1943-5584.0002121
Pimenta, F.M.; Speroto, A.T.; Costa, M.H.; Dionizio, E.A. 2021. Historical Changes in Land Use and Suitability for Future Agriculture Expansion in Western Bahia, Brazil. Remote Sens. V.13, 1088. https://doi.org/10.3390/rs13061088
Quintero, F., Zanchetta, André.; Nicolás Velásquez; Ricardo Mantilla; Witold Krajewski; 2022. Identification and Regionalization of Streamflow Routing Parameters Using Machine Learning for the HLM Hydrological Model in Iowa. Journal of Advances in Modeling Earth Systems. First Published: 26. Volume 14, Edição 7. https://doi.org/10.1029/2021MS002855
Rajat Kr Sharma, Sudhanshu Kumar, D. Padmalal & Arka Roy (2023) Streamflow prediction using machine learning models in selected rivers of Southern India, International Journal of River Basin management.http://doi.org/10.1080/15715124.2023.2196635
Santos, Suelí Almeida dos O Avanço da Urbanização no Oeste Baiano: novos núcleos de povoamento Revista Cerrados. vol. 19, núm. 1, 2021. Universidade Estadual de Montes Claros, Brasil. Doi: https://doi.org/rc24482692202110%20
Zhao, L.; Zhou, W.; Peng, Y.; Hu, Y.; Ma, T.; Xie, Y.; Wang, L.; Liu, J.; Liu, Z. 2021. A new AG-AGB estimation model based on MODIS and SRTM data in Qinghai Province, China. Ecological Indicator, 133, 1-15. https://doi.org/10.1016/j.ecolind.2021.108378
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Fabricio Ribeiro Garcia, Sival Ribeiro de Sena, Yvonilde Dantas Pinto Medeiros, Andrea de Sousa Fontes

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.






