Incertezas na estimativa de variáveis hidrológicas por sensoriamento remoto em bacias hidrográficas

Abstract

A quantificação dos recursos hídricos disponíveis é fundamental para o seu gerenciamento adequado e para sustentação da qualidade de vida. Convencionalmente, as variáveis hidrológicas são estabelecidas por medições in situ, no entanto pode se tornar um desafio obter tais medidas em regiões com baixa densidade de estações de medição. Neste contexto, o sensoriamento remoto na obtenção de dados hidrológicos é uma alternativa atraente, porém existe uma série de incertezas a respeito de sua precisão. O objetivo geral deste trabalho foi analisar as incertezas associadas à estimativa do balanço hídrico a partir de técnicas de sensoriamento remoto, assim como, identificar as diferenças e concordâncias entre dados medidos in situ e dados estimados via sensoriamento remoto dos componentes do ciclo hidrológico em bacias hidrográficas com diferentes escalas espaciais e temporais. Para isso, selecionou-se 10 bacias hidrográficas no estado do Rio Grande do Sul com dados observacionais disponíveis. Coletou-se dados de campo e dados de sensoriamento remoto de precipitação (P), evapotranspiração (ET), vazão (Q) e armazenamento de água terrestre (S), devidamente processados e organizados. Calculou-se o balanço hídrico a partir de dados in situ e dados de sensoriamento remoto mesclando ambas as fontes para identificação das principais causas de incerteza. Investigou-se os efeitos de escala espacial e temporal na precisão das estimativas das variáveis hidrológicas, tanto individualmente quanto na equação do balanço. Os produtos de sensoriamento remoto utilizados foram: Tropical Rainfall Measuring Mission (TRMM), MODIS global terrestrial evapotranspiration algorithm (MOD16), Global Land Data Assimilation System (GLDAS); Global Amsterdam Evaporation Land Model (GLEAM) e Gravity Recovery and Climate Experiment (GRACE). Obteve-se resultados satisfatórios na estimativa de P e ET por sensoriamento remoto. Os dados de satélite de armazenamento de água terrestre não obtiveram uma boa concordância com os valores calculados por dados de campo. No entanto, as estimativas de S calculadas por fontes mistas de dados demonstraram resultados excelentes. No cálculo de Q pela equação simples constatou-se que a utilização de ET via sensoriamento remoto é uma alternativa viável quando há escassez de dados de campo. O uso de dados de sensoriamento remoto de S no cálculo da quantificação das vazões para um período histórico reduz significativamente os erros, principalmente em bacias maiores. Concluiu-se que é possível estimar o balanço hídrico em bacias hidrográficas a partir de dados obtidos por sensoriamento remoto, no entanto a precisão destas estimativas é resultado de diversos fatores: localização, tamanho da bacia, época do ano e escala temporal de análise.

Quantification of available hydric resources is essential to its proper management and sustained quality of life. Usually, hydrological variables are determined by in situ measurements; however, that could be a challenge in low-density gauging station areas. That makes utilizing remote sensing a good alternative in order to obtain hydrological data. The aforementioned technique has uncertainties related to its accuracy, though. The objective of the present study is both to analyze uncertainties related to water balance estimates through remote sensing and to identify the differences and agreements between observed and estimated remotely sensed data of hydrological variables in watersheds. Therefore, ten watersheds in the Rio Grande do Sul state with available field data were selected. Observed and remotely sensed data of precipitation (P), evapotranspiration (ET), runoff (Q), and water storage (S) were collected, processed, and organized. Hence, water balance was calculated from in situ and remotely sensed data merging both sources of data to identify the main causes of uncertainties. Furthermore, the effects of spatial and temporal scale on the accuracy of hydrological variables estimates were investigated, both individually and the balance equation. The remote sensing products used were: Tropical Rainfall Measuring Mission (TRMM), MODIS global terrestrial evapotranspiration algorithm (MOD16), Global Land Data Assimilation System (GLDAS); Global Amsterdam Evaporation Land Model (GLEAM) and Gravity Recovery and Climate Experiment (GRACE). A satisfactory result was obtained in the estimates of P and ET through remote sensing. The terrestrial water storage satellite data did not show good agreement with calculated values from field data. However, the S estimates calculated from mixed data sources showed excellent results. The Q calculation from the simplified equation found that the use of ET remotely sensed data is a viable alternative when there is field data scarcity. It was also evidenced that the use of remotely sensed data for S in the runoff quantification for a historical period lowers errors significantly, especially in larger basins. This work concluded that it is possible to estimate the water balance in hydrographic basins from remotely sensed data; nonetheless, the estimates’ accuracy is dependant on various factors such as localization, drainage area, season, temporal scale of analysis.