Modelagem da vazão anual por aprendizado de máquina na Bacia Hidrográfica do Alto Jaguaribe, CE

Código

XVIII-SRHNE0315

Autores

Tereza Margarida Xavier de Melo Lopes, José Kerlly Soares de Araújo, Leonardo de Sousa Sampaio, Tiago de Abreu Lima, SAMÍRIA MARIA OLIVEIRA DA SILVA, Francisco de Assis de Souza Filho

Tema

1. Manejo da Água e do Solo no Bioma Caatinga

Resumo

A previsão de vazões em bacias semiáridas é essencial para subsidiar a gestão dos recursos hídricos em regiões marcadas por elevada variabilidade climática e mudanças no uso e cobertura do solo. Este estudo avaliou o desempenho de diferentes algoritmos de aprendizado de máquina na previsão da vazão média anual da Bacia Hidrográfica do Alto Jaguaribe, Ceará, no período de 1985 a 2023. Foram utilizadas séries anuais de precipitação média, estimada pelo método dos Polígonos de Thiessen, classes de uso e cobertura do solo obtidas pelo MapBiomas e vazão média anual observada no Posto Fluviométrico de Iguatu. Foram comparados os modelos Árvore de Decisão, Random Forest, Support Vector Machine e Rede Neural Artificial, avaliados por NSE, RMSE, MAE e R². Os resultados indicaram forte associação entre precipitação e vazão, com correlação de 0,83, além de redução de áreas florestadas e expansão da agropecuária ao longo da série histórica. Entre os modelos avaliados, a Árvore de Decisão apresentou melhor desempenho no conjunto de teste, com NSE de 0,579, RMSE de 29,26 m³/s, MAE de 13,36 m³/s e R² de 0,976. Conclui-se que os modelos testados são promissores para representar vazões baixas e médias, embora ainda possam apresentar limitações na estimativa de eventos extremos.