Contribuição de observações de sensoriamento remoto para a validação de modelos hidrológicos

Abstract

Modelos hidrológicos são ferramentas essenciais para a gestão dos recursos hídricos, principalmente por servirem para a extrapolação ou interpolação do comportamento de processos hidrológicos no tempo e no espaço. O processo de calibração da modelagem hidrológica é iterativo, de forma que parâmetros são modificados para que o hidrograma simulado reproduza o hidrograma observado. No entanto, esta pode ser uma abordagem deficiente, já que diversas combinações de parâmetros podem resultar em um hidrograma satisfatório, mesmo que os processos hidrológicos intermediários não estejam sendo bem representados (e.g., evapotranspiração, interceptação, escoamento). O monitoramento in-situ desses processos hidrológicos apresenta limitações, principalmente em grandes bacias hidrográficas. Com o crescente desenvolvimento do sensoriamento remoto (SR), diversas variáveis hidrológicas vêm sendo remotamente monitoradas com larga cobertura espacial. Assim, o presente estudo tem como objetivo avaliar a contribuição de produtos de sensoriamento remoto de variáveis hidrológicas na representação dos processos intermediários em modelos hidrológicos, considerando que uma abordagem que contemple mais variáveis do que apenas a vazão traria maior confiabilidade para o modelo, principalmente para avaliação de cenários de alterações do sistema simulado, como o contexto de mudanças climáticas e de uso e ocupação do solo. O modelo utilizado foi o MGB-IPH, em um estudo de caso para a bacia hidrográfica do rio Purus, na Amazônia. A calibração foi realizada automaticamente (algoritmo multi-objetivo MOCOM-UA) a partir de observações de vazão. O modelo foi validado com as variáveis hidrológicas (e respectivas missões de SR) de altimetria espacial (Jason-2), armazenamento de água terrestre (GRACE), umidade do solo (SMOS), evapotranspiração (MODIS) e áreas inundadas (ALOS-PALSAR). O coeficiente de Kling-Gupta (KGE) foi utilizado para a avaliação da concordância entre as séries temporais simuladas e observadas. Resultados indicam que a calibração automática com vazão melhora as estimativas da própria vazão (KGE > 0.8), mas também de altimetria (KGE > 0.9) e de áreas inundadas (KGE > 0.7), mas não impacta significativamente as simulações de armazenamento de água terrestre, umidade do solo e evapotranspiração. Observações de sensoriamento remoto de umidade do solo e de evapotranspiração foram insuficientes para uma validação adequada do modelo hidrológico, ao passo que a própria variável de evapotranspiração, bem como as variáveis de armazenamento de água terrestre e de áreas inundadas foram relevantes a ponto de levantarem inconsistências e limitações do modelo, que não foram perceptíveis na análise da vazão apenas. São resultados promissores, pois apontam incertezas nas observações de sensoriamento remoto destas variáveis ou na representação de processos hidrológicos no modelo. Estudos futuros visam a ampliar o número de áreas de estudo, bem como avaliar o impacto da calibração do modelo a partir de observações de outras variáveis hidrológicas (além da vazão), a fim de que os processos hidrológicos sejam bem representados e de que o modelo resulte em simulações "certas pelos motivos certos".

Hydrological models are important tools in water resources management, especially for extrapolating or interpolating the behavior of hydrological processes in time and space. The calibration, in hydrological modeling, is an iterative process, in which the parameters are modified with the view to the simulated hydrograph to reproduce the observed one. Nonetheless, this may be an incomplete approach, since there are many combinations of parameters that can result in a satisfactory hydrograph, even though the intermediary hydrological processes could be poorly represented (e.g., evapotranspiration, interception, flow). However, there are limitations to in-situ monitoring of hydrological processes, especially in large basins. With the rising development of remote sensing, many hydrological variables have been remotely monitored with large special coverage. Therefore, this study aims to evaluate the contribution of remote sensing products of hydrological variables to the representation of intermediary processes in hydrological models, considering that an approach that contemplates more variables than just the discharge would make the model more reliable, especially concerning scenarios of changes in the simulated system, such as in the context of climate change and land use change. The model used was MGB-IPH, in a study case for the Purus river watershed, in the Amazon basin. The calibration was set to an automatic mode (multi-objective algorithm MOCOM-UA), based on discharge observations. The model was validated with hydrological variables (and respective remote sensing missions) of spatial altimetry (Jason-2), terrestrial water storage (GRACE), soil moisture (SMOS), evapotranspiration (MODIS) and inundated areas (ALOS-PALSAR). The Kling-Gupta efficiency coefficient (KGE) was used to evaluate the agreement of the observed and the simulated time series. Results indicate that the automatic calibration with discharge improve the estimates of discharge itself (KGE > 0.8), altimetry (KGE > 0.9), and inundated areas (KGE > 0.7), but it does not significantly impact on simulations of terrestrial water storage, soil moisture and evapotranspiration. Remote sensing observations of soil moisture and evapotranspiration were insufficient to properly validate the hydrological model, even though evapotranspiration, as well as terrestrial water storage and inundated areas were relevant variables to be analyzed, since they were able to unmask inconsistencies and limitations in the model that were not observed when analyzing discharge time series only. These are promising results, because they either point out uncertainties in remote sensing observations of these variables, or in the representation of hydrological processes by the model. Future studies aim to evaluate the impact of model calibration with observations of other hydrological variables (besides discharge), in order for the hydrological processes to be well represented and in order for the model to generate "right results for the right reasons".