Incorporação de filtro numérico de separação de escoamento na assimilação de dados para previsão de vazões utilizando modelagem hidrológica

Abstract

Uma das principais etapas da previsão de vazão utilizando modelagem hidrológica é a assimilação de dados para corrigir as variáveis de estado do modelo hidrológico e tornar a condição inicial da previsão a mais próxima possível da realidade observada. Uma forma de realizar assimilação de dados é a utiliza- ção de métodos empíricos, que utilizam os dados observados para corrigir diretamente as variáveis do modelo hidrológico. Um exemplo de modelo que utiliza este tipo de técnica empírica é o MGB-IPH, recentemente muito utilizado para previsão de vazões em estudos de caso brasileiros. Contudo, nesta forma de assimilação podem ocorrer problemas quando os dados telemétricos observados apresentam descompassos sobre o volume total de água existente na bacia, o que pode se refletir em perda de qualidade nas previsões. Desta forma, no presente trabalho é apresentada uma pesquisa de investigação sobre a incorporação do uso de filtros de vazão de base para controlar a assimilação de dados empírica em modelos hidrológicos, usando como estudo de caso a técnica utilizada no modelo MGB-IPH. Partiu-se da hipótese de que é possível aprimorar a representação da recessão dos hidrogramas de uma previsão de vazão ao incorporar um controle melhorado da quantidade de água que contribui para o fluxo de base em um local, a partir do uso de filtros digitais de separação de escoamento. Para testar a hipótese foram realizados ensaios de previsões por conjunto retroativas na bacia do Rio São Francisco, na região da UHE Três Marias, para os três períodos chuvosos entre 2010 e 2013. Visualmente os resultados das previsões por conjunto mostram que o problema observado na assimilação de dados foi removido com a utilização do filtro de vazão de base. Este benefício é verificado através de uma melhoria em quatro medidas de desempenho calcu- ladas, onde a maioria dos resultados apontou para melhoras nas previsões. Como conclusão, tem-se que a técnica testada possibilita um melhor desempenho na previsão de vazões utilizando o modelo MGB-IPH, e que o uso de filtros numéricos na assimilação de dados apresenta-se como promissor para outras aplicações similares de assimilação de dados.

One of the key steps in streamflow forecasting using hydrologic models is data assimilation to adjust the model state variables and make the initial condition the closest possible to observed reality. One way to perform data assimilation is the use of empirical methods, utilizing the observed data to directly fix the variables of the hydrological model. An example of a model that uses this type of empirical technique is MGB-IPH, recently widely used for streamflow fo- recasting in Brazilian case studies. However, some problems may occur using this method of assimilation when the observed telemetry data mismatch the total volume of water in the basin, which may be reflected by a loss of quality in the forecasts. Thus, research about incorporating the use of baseflow separation filters is tested in this study to improve the empirical data assimilation, using the MGB - IPH model as a case study. The work is based on the hypothesis that it is possible to enhance the hydrograph recession predictions by incorporating an improved control of the amount of water that contributes to the baseflow at a location using digital flow separation filters. To test the hypothesis, some hindcasting experiments were issued in the São Francisco River basin in the HPP Três Marias region for three rainy seasons between 2010 and 2013. Visually the results of the forecasts show that the problem noted in the data assimilation was removed using the baseflow filter. This benefit is also verified through the calculation of four performance measures, where most of the results pointed to improvements in the forecasts. In conclusion, the tested technique enables better performance in streamflow forecasting using the MGB - IPH model, and the use of numerical filters in data assimilation is presented as promising for other similar applications of similar data assimilation techniques.