AUTOMATIZAÇÃO DE SIMULAÇÕES PROBABILÍSTICAS DE INUNDAÇÕES COM O PYTHON E HEC-RAS 2D: INCERTEZAS NO COEFICIENTE DE MANNING

Código

XXIV-SBRH0346

Autores

Rodrigo Perdigão Gomes Bezerra, Julian Cardoso Eleutério, Malena Lúcia Sousa Freire de Melo

Tema

SE06.B - Inundações urbanas: modelagem, mapeamento e análise de incertezas sobre a ameaça, exposição, vulnerabilidade e risco.

Resumo

Com o aumento dos danos relacionados a inundações nos últimos séculos, avanços científicos são essenciais para subsidiar ações de prevenção e redução de perdas associadas a inundações. Dentre as ferramentas existentes para subsidiar tais estudos, pode-se citar os modelos hidrodinâmicos utilizados para produção de mapas de inundações. Nesse sentido, as modelagens bidimensionais (2D) se tornaram bastante frequentes na última década. Apesar das várias vantagens em termos de precisão de modelagem apresentadas, continuamos a lidar com incertezas, e no espectro bidimensional, de maior complexidade de análise, trazendo novos desafios e a necessidade de mais estudos. Dessa forma, a automatização de processos se torna bastante necessária, em vista da realização de análises de incertezas mais eficientes e abrangentes, incluindo aspectos probabilísticos de diferentes parâmetros do modelo. O presente estudo propõe uma metodologia para automatização de simulações do modelo HEC-RAS 2D por meio da linguagem computacional Python de forma a possibilitar a análise de incertezas e elaboração de mapas de inundação probabilísticos. No estudo, o coeficiente de rugosidade de Manning foi escolhido como parâmetro de análise, porém diversos outros parâmetros do modelo podem ser analisados em aplicações análogas. Os resultados apontam para o alto impacto que incertezas presentes em parâmetros do modelo, como o coeficiente de rugosidade testado, podem ter nos resultados do modelo HEC-RAS 2D. Tendo em vista que esses estudos subsidiam a elaboração de análises de danos e de perdas de vida, ressalta-se que essas variações identificadas nas profundidades calculadas podem causar discrepâncias significativas nos resultados das avaliações de risco.