Assimilação de dados geoespaciais aplicada à modelagem hidrológica em bacias hidrográficas de Pernambuco
DOI:
https://doi.org/10.26848/rbgf.v17.5.p3992-4009Palabras clave:
MapBiomas, Pernambuco Tridimensional, SiBCS, Geoprocessamento, HEC-HMSResumen
Produtos de sensoriamento remoto permitem obter características físicas e ambientais do planeta. Um conjunto desses produtos permite a caracterização fisiográfica de bacias hidrográficas e a integração com ferramentas computacionais através de técnicas de geoprocessamento e assimilação de dados. A assimilação de dados geoespaciais foi aplicada a partir da combinação de dados do projeto MapBiomas, mapas de solos do Sistema Brasileiro de Classificação de Solos (SiBCS) forncecidos pela Embrapa e do modelo digital do terrano da base Pernambuco Tridimensional (PE3D). A metodologia aplicada visa aproveitar o potencial de bases de dados abertos para caracterização de bacias hidrográficas e redução dos parâmetros calibráveis no modelo hidrológico HEC-HMS. A assimilação de dados aplicada à modelagem hidrológica foi realizada para 10 bacias hidrográficas do estado de Pernambuco, cujas vazões simuladas foram avaliadas através de dados observados em 49 estações fluviométricas. Os principais resultados indicaram que a assimilação de dados geoespaciais permitiu simulações hidrológicas satisfatórias ou boas em 75% das estações avaliando os indicadores NSE, PBIAS e RSR. Resultados satisfatórios foram obtidos em estações fluviométricas de bacias hidrográficas com predominância de clima úmido e do semiárido. Desse modo, concluiu-se que a assimilação de dados geoespaciais permitiu caracterizar satisfatoriamente bacias hidrográficas no estado de Pernambuco e reduzir a necessidade de calibração de parâmetros no modelo hidrológico HEC-HMS, calibrando-se apenas a vazão de base. A acurácia das simulações de vazões consideradas insatisfatória possuem um padrão geoespacial relacionado ao tipo de solos arenosos, sendo esta caracterísca associada a taxas de infiltração elevadas e demanda de simulações hidrológicas intradiárias.
Descargas
Citas
Alencar, A., Z. Shimbo, J., Lenti, F., Balzani Marques, C., Zimbres, B., Rosa, M., Arruda, V., Castro, I., Fernandes Márcico Ribeiro, J., Varela, V., Alencar, I., Piontekowski, V., Ribeiro, V., M. C. Bustamante, M., Eyji Sano, E., & Barroso, M. (2020). Mapping Three Decades of Changes in the Brazilian Savanna Native Vegetation Using Landsat Data Processed in the Google Earth Engine Platform. Remote Sensing (v. 12, n. 6, p. 924). MDPI AG. https://doi.org/10.3390/rs12060924
Alquraish, M. M., & Khadr, M. (2021). Remote-Sensing-Based Streamflow Forecasting Using Artificial Neural Network and Support Vector Machine Models. Remote Sensing (v. 13, n. 20, p. 4147). MDPI AG. https://doi.org/10.3390/rs13204147. Acesso em 20 de julho de 2024.
ANA. Agência Nacional de Águas e Saneamento Básico, 2005. Plataforma Hidroweb. https://www.snirh.gov.br/hidroweb/apresentacao. Acesso em: 18/08/2021.
Apac. Agência Pernambucana de Águas e Clima, 2005. Plataforma Hidroweb. http://old.apac.pe.gov.br/meteorologia/monitoramento-pluvio.php. Acesso em: 18/08/2021.
Bogale, T., Damene, S., Seyoum, A., & Haregeweyn, N. (2024). Land use land cover change intensity analysis for sustainable natural resources management: The case of northwestern highlands of Ethiopia. Remote Sensing Applications: Society and Environment (v. 34, p. 101170). Elsevier BV. https://doi.org/10.1016/j.rsase.2024.101170 Acesso em 20 de julho de 2024.
Castro, C. V., & Maidment, D. R. (2020). GIS preprocessing for rapid initialization of HEC-HMS hydrological basin models using web-based data services. Environmental Modelling &; Software (v. 130, p. 104732). Elsevier BV. https://doi.org/10.1016/j.envsoft.2020.104732 Acesso em 20 de julho de 2024.
Chen, W., Huang, C., & Yang, Z.-L. (2021). More severe drought detected by the assimilation of brightness temperature and terrestrial water storage anomalies in Texas during 2010–2013. Journal of Hydrology (v.603, p.126802). Elsevier.https://doi.org/10.1016/j.jhydrol.2021.126802 Acesso em 20 de julho de 2024.
Cirilo, J. A., Alves, F. H. B., Da Silva, L. A. C., & Campos, J. H. de A. L. (2014). Suporte de Informações Georreferenciadas de Alta Resolução para Implantação de Infraestrutura e Planejamento Territorial. Revista Brasileira de Geografia Física (v. 7, n. 4, p. 755–763). https://doi.org/10.26848/rbgf.v7.4.p755-763 Acesso em 20 de julho de 2024.
Dastour, H., & Hassan, Q. K. (2023). A Machine-Learning Framework for Modeling and Predicting Monthly Streamflow Time Series. Hydrology (v. 10, n. 4, p. 95). MDPI AG. https://doi.org/10.3390/hydrology10040095 Acesso em 20 de julho de 2024.
Diniz, C., Cortinhas, L., Nerino, G., Rodrigues, J., Sadeck, L., Adami, M., & Souza-Filho, P. W. M. (2019). Brazilian Mangrove Status: Three Decades of Satellite Data Analysis. Em Remote Sensing (v. 11, n.7, p. 808). MDPI AG. https://doi.org/10.3390/rs11070808 Acesso em 20 de julho de 2024.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária (2018). Sistema Brasileiro de Classificação de Solos. E-book: Embrapa Solos, ISBN 978-85-7035-800-4. 355p. https://ainfo.cnptia.embrapa.br/digital/bitstream/item/199517/1/SiBCS-2018-ISBN-9788570358004.pdf Acesso em 20 de julho de 2024.
Fendrich, A. N., Barretto, A., de Faria, V. G., de Bastiani, F., Tenneson, K., Guedes Pinto, L. F., & Sparovek, G. (2020). Disclosing contrasting scenarios for future land cover in Brazil: Results from a high-resolution spatiotemporal model. Science of The Total Environment (v. 742, p. 140477). Elsevier BV. https://doi.org/10.1016/j.scitotenv.2020.140477
Fleming, M., & Neary, V. (2004). Continuous Hydrologic Modeling Study with the Hydrologic Modeling System. Journal of Hydrologic Engineering (v. 9, Issue 3, p. 175–183). American Society of Civil Engineers (ASCE). https://doi.org/10.1061/(asce)1084-0699(2004)9:3(175)
Genovez, A., NETO, F., & Sartori, A. (2005). Classificação Hidrológica de Solos Brasileiros para a Estimativa da Chuva Excedente com o Método do Serviço de Conservação do Solo dos Estados Unidos Parte 1: Classificação. Revista Brasileira de Recursos Hídricos (v. 10, n. 4, p. 5–18). FapUNIFESP (SciELO). https://doi.org/10.21168/rbrh.v10n4.p5-18 Acesso em 20 de julho de 2024.
Guillod, B. P., Jones, R. G., Dadson, S. J., Coxon, G., Bussi, G., Freer, J., Kay, A. L., Massey, N. R., Sparrow, S. N., Wallom, D. C. H., Allen, M. R., & Hall, J. W. (2018). A large set of potential past, present and future hydro-meteorological time series for the UK. Hydrology and Earth System Sciences (v. 22, n. 1, p. 611–634). Copernicus GmbH. https://doi.org/10.5194/hess-22-611-2018 Acesso em 20 de julho de 2024.
HEC. Hydrologic Engineering Center, 2023. Hydrologic modeling system. HEC-HMS User’s Manual. Version 4.12. US Army Corps of Engineers, 671p, 2023. https://www.hec.usace.army.mil/confluence/hmsdocs/hmsum/latest Acesso em 20 de julho de 2024.
Holberg, J. (2014). Tutorial on using HEC-GeoHMS to develop Soil Moisture Accounting Method Inputs for HEC-HMS. Lyles School of Civil Engineering. Purdue University. https://web.ics.purdue.edu/~vmerwade/education/hechms_sma.pdf Acesso em 20 de julho de 2024.
IBGE. Instituto Brasileiro de Geografia e Estatística. (2018). Bases cartográficas contínuas. https://www.ibge.gov.br/geociencias/cartas-e-mapas/bases-cartograficas-continuas/15759-brasil.html?=&t=downloads Acesso em 20 de julho de 2024.
Janeković, I., Rayson, M. D., Jones, N. L., Watson, P., & Pattiaratchi, C. (2022). 4D-Var data assimilation using satellite sea surface temperature to improve the tidally-driven interior ocean dynamics estimates in the Indo-Australian Basin. Ocean Modelling (v. 171, p. 101969). Elsevier BV. https://doi.org/10.1016/j.ocemod.2022.101969 Acesso em 20 de julho de 2024.
Kang, S., Fei, L., Zhong, Y., Zhao, P., Yang, Z., & Fan, Q. (2024). A modified Green-Ampt infiltration model for muddy water. Em Journal of Hydrology (v. 629, p. 130606). Elsevier BV. https://doi.org/10.1016/j.jhydrol.2023.130606 Acesso em 26 de julho de 2024.
Kolling Neto, A., Ribeiro, R. B., Fraga, M. de S., & Pruski, F. F. (2024). Estimating water balance in a Brazilian semiarid watershed using different spatial data. Journal of South American Earth Sciences (v. 140, p. 104930). https://doi.org/10.1016/j.jsames.2024.104930 Acesso em 26 de julho de 2024.
Lu, Z., Wei, J., & Yang, X. (2024). Effects of hydraulic conductivity on simulating groundwater–land surface interactions over a typical endorheic river basin. Em Journal of Hydrology (v. 638, p. 131542). Elsevier BV. https://doi.org/10.1016/j.jhydrol.2024.131542 Acesso em 26 de julho de 2024.
Mariye, M., Jianhua, L., Maryo, M., Tsegaye, G., & Aletaye, E. (2024). Remote sensing and GIS-based study of land use/cover dynamics, driving factors, and implications in southern Ethiopia, with special reference to the Legabora watershed. Heliyon (v. 10, n. 1, p. e23380). https://doi.org/10.1016/j.heliyon.2023.e23380 Acesso em 26 de julho de 2024.
Marengo, J. A., Galdos, M. V., Challinor, A., Cunha, A. P., Marin, F. R., Vianna, M. dos S., Alvala, R. C. S., Alves, L. M., Moraes, O. L., & Bender, F. (2021). Drought in Northeast Brazil: A review of agricultural and policy adaptation options for food security. Climate Resilience and Sustainability (v. 1, n. 1). Wiley. https://doi.org/10.1002/cli2.17 Acesso em 20 de julho de 2024.
D. N. Moriasi, J. G. Arnold, M. W. Van Liew, R. L. Bingner, R. D. Harmel, & T. L. Veith. (2007). Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulations. Transactions of the ASABE (v. 50, n.3, p. 885–900). American Society of Agricultural and Biological Engineers (ASABE). https://doi.org/10.13031/2013.23153 Acesso em 20 de julho de 2024.
Nash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I - A discussion of principles. Journal of Hydrology (v. 10, n.3, p. 282–290). Elsevier BV. https://doi.org/10.1016/0022-1694(70)90255-6 Acesso em 20 de julho de 2024.
Nilsson, B., & Nielsen, K. (2024). Validation of Sentinel-6MF based lake levels – An assessment with in situ data and other satellite altimetry data. Advances in Space Research (v. 73, n. 12, p. 5806–5821). Elsevier BV. https://doi.org/10.1016/j.asr.2024.04.006 Acesso em 20 de julho de 2024.
Peng, D., & Liu, L. (2023). Importance of global spherical geometry for studying slab dynamics and evolution in models with data assimilation. Earth-Science Reviews (v. 241, p. 104414). Elsevier BV. https://doi.org/10.1016/j.earscirev.2023.104414 Acesso em 20 de julho de 2024.
Pignotti, G., Crawford, M., Han, E., Williams, M. R., & Chaubey, I. (2023). SMAP soil moisture data assimilation impacts on water quality and crop yield predictions in watershed modeling. Journal of Hydrology (v. 617, p. 129122). Elsevier BV. https://doi.org/10.1016/j.jhydrol.2023.129122
Pernambuco. Agência Pernambucana de Águas e Clima (Apac). 2022. Plano Estadual de Recursos Hídricos, 5 volumes, Recife, 2022. https://www.apac.pe.gov.br/planos
Rawls, W. J., Brakensiek, D. L., & Miller, N. (1983). Green‐ampt Infiltration Parameters from Soils Data. Journal of Hydraulic Engineering (Vol. 109, Issue 1, p. 62–70). American Society of Civil Engineers (ASCE). https://doi.org/10.1061/(asce)0733-9429(1983)109:1(62) Acesso em 20 de julho de 2024.
Saraiva, M., Protas, É., Salgado, M., & Souza, C. (2020). Automatic Mapping of Center Pivot Irrigation Systems from Satellite Images Using Deep Learning. Remote Sensing (v. 12, n.3, p. 558). MDPI AG. https://doi.org/10.3390/rs12030558 Acesso em 20 de julho de 2024.
Siqueira, J. MapBiomas Brazil collection release, 2020. https://github.com/mapbiomas-brazil/user-toolkit Acesso em 20 de julho de 2024.
Souza, C. M., Jr., Z. Shimbo, J., Rosa, M. R., Parente, L. L., A. Alencar, A., Rudorff, B. F. T., Hasenack, H., Matsumoto, M., G. Ferreira, L., Souza-Filho, P. W. M., de Oliveira, S. W., Rocha, W. F., Fonseca, A. V., Marques, C. B., Diniz, C. G., Costa, D., Monteiro, D., Rosa, E. R., Vélez-Martin, E., Azevedo, T. (2020). Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian Biomes with Landsat Archive and Earth Engine. Remote Sensing (v. 12, n. 17, p. 2735). MDPI AG. https://doi.org/10.3390/rs12172735 Acesso em 20 de julho de 2024.
USDA. United States Department of Agriculture - Natural Resources Conservation Service - Part 630 Hydrology, National Engineering Handbook, Cap. 9, Hydrologic Soil-Cover
Complexes, 2004a.
USDA. United States Department of Agriculture - Natural Resources Conservation Service - Part630 Hydrology, National Engineering Handbook, Cap.10: Estimation of Direct Runoff
Wakigari, S. A., & Leconte, R. (2023). Exploring the utility of the downscaled SMAP soil moisture products in improving streamflow simulation. Journal of Hydrology: Regional Studies (v. 47, p. 101380). Elsevier BV. https://doi.org/10.1016/j.ejrh.2023.101380 Acesso em 20 de julho de 2024.
Wałęga, A., Wojkowski, J., Sojka, M., Amatya, D., Młyński, D., Panda, S., & Caldvell, P. (2024). Exploiting satellite data for total direct runoff prediction using CN-based MSME model. Science of The Total Environment (v. 908, p. 168391). Elsevier BV. https://doi.org/10.1016/j.scitotenv.2023.168391 Acesso em 26 de julho de 2024.
Zhang, L., Xin, Z., Zhang, C., Song, C., & Zhou, H. (2022). Exploring the potential of satellite precipitation after bias correction in streamflow simulation in a semi-arid watershed in northeastern China. Journal of Hydrology: Regional Studies (v. 43, p. 101192). Elsevier BV. https://doi.org/10.1016/j.ejrh.2022.101192 Acesso em 20 de julho de 2024.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Fellipe Henrique Borba Alves, José Almir Cirilo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Material protegido por derechos de autor y plagio. En caso de material protegido por derechos de autor reproducido en el manuscrito, la atribución completa debe ser informada en el texto; un documento de respaldo de la autorización debe enviarse al Consejo Editorial como documento complementario. Es responsabilidad de los autores, no de la revista o de los editores y revisores, informar en el artículo la autoría de los textos, datos, figuras, imágenes y / o mapas publicados anteriormente en otros lugares. Si existe alguna sospecha sobre la originalidad del material, el Comité Editorial puede verificar el manuscrito en busca de plagio. En los casos en que se confirme el plagio, el manuscrito será devuelto sin más revisión y sin la posibilidad de volver a enviarlo. El autoplagio (es decir, el uso de frases idénticas de documentos previamente publicados por el mismo autor) tampoco es aceptable.
