Avaliação do desempenho do modelo GloFAS sazonal para previsão de secas no Rio do Sinos (RS)

Abstract

Eventos extremos como inundações e secas têm ocorrido com maior frequência como consequência das mudanças climáticas. O Rio dos Sinos apresenta eventos de cheias e secas com grande impacto para a população local, gerando problemas de infraestrutura, de abastecimento de água e redução da qualidade da água. O presente trabalho avalia o modelo GloFAS sazonal para a previsão de secas no Rio dos Sinos para eventos ocorridos nos anos de 2012, 2019 e 2020. O GloFAS sazonal é um modelo global de previsão de vazões por conjunto. Suas previsões são iniciadas mensalmente e possuem um horizonte de previsão de 4 meses. Diagramas de déficit hídrico semanal foram gerados para todos os eventos, comparando-os com vazões de referência do rio. O modelo apresenta um grande decaimento da qualidade de previsão com o aumento do horizonte de previsão e obtém melhores resultados para previsões iniciadas após o início do evento de seca. O modelo apresenta melhores resultados para eventos mais extremos, como o ocorrido no ano de 2020, atingindo um CRPSS máximo de 65,25% quando comparado a um modelo de referência que assume o valor de Q50 para todo o período. O evento de seca menos extremo e com maior variação de vazão apresentou os piores resultados de previsão, com um CRPSS de -24,38% no seu pior caso.

The frequency of extreme events such as floods and droughts has increased due to climate change. These events have occurred at Rio dos Sinos and have had a significant impact on the local population, damaging infrastructure and affecting water supply and quality. The present work evaluates the GloFAS seasonal model for drought forecasting at Rio dos Sinos for events in 2012, 2019, and 2020. GloFAS is a global ensemble streamflow forecasting model. Its forecasts are initialized monthly and provide four months of simulated data. Water deficit diagrams were used to compare forecast and threshold discharge values for Rio dos Sinos. The model exhibits a significant decay in forecast quality with lead time increase and presents better results for forecasts initiated after the start of the event. The model presents better results for extreme events, such as the one that occurred in 2020, which reached a maximum CRPSS of 65,25% in comparison to a reference model that assumed a Q50 value for the entire time course. GloFAS exhibits poorer results for events that are both mild and unsteady. The worst result offered a CRPSS of -24,38%.