Regionalization of Flows based on Morphometric Parameters of the Rio Grande – Bahia Hydrographic Basin
DOI:
https://doi.org/10.26848/rbgf.v16.5.p2420-2434Keywords:
Estimativa de Vazões, Regressão Múltipla, Modelo Digital de Terreno.Abstract
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.
Keywords: Flow Estimation, Multiple Regression, Digital Terrain Model.
Downloads
References
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
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Brazilian Journal of Physical Geography
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with Revista Brasileira de Geografia Física agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under the Creative Commons Attribution 4.0 International (CC BY 4.0) license that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted to make their work available online before or during the editorial process, on academic social networks, digital repositories, or preprint servers. After publication in Revista Brasileira de Geografia Física, authors are expected to update the preprint or postprint versions on the platforms where they were originally made available, providing a link to the final published version and any other relevant information, with proper recognition of authorship and the initial publication in this journal.
You are free to:
Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
Adapt — remix, transform, and build upon the material for any purpose, even commercially.
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
