Regionalização de Vazões de Referência em Santa Catarina

Código

V-END_II-EBHE0088

Autores

Vinícius Bogo Portal Chagas, Pedro Luiz Borges Chaffe

Tema

19 - Inteligência artificial e big data na gestão de desastres

Resumo

Estimar a vazão de rios em locais sem medições é um desafio tradicional da hidrologia, porém, novas técnicas utilizando aprendizado de máquina ainda não foram comparadas afundo com as técnicas tradicionais no Brasil. Os objetivos deste trabalho são construir e comparar modelos de estimativa de vazões de referência (Q98) em bacias hidrográficas do Estado de Santa Catarina, incluindo modelos tradicionais e de aprendizado de máquina. A Q98 foi calculada a partir de séries diárias de postos fluviométricos e naturalizadas a partir das demandas hídricas consuntivas mensais estimadas pela ANA. As variáveis explicativas foram As variáveis explicativas incluem índices climáticos (médias anuais e sazonais) e atributos fisiográficos da bacia de geologia, solo e relevo. A Q98 foi usada em unidade de mm/d. Foram construídos sete modelos divididos em quatro tipos: espaciais (uniformidade espacial e krigagem), tradicionais (regiões homogêneas com regressão linear), de árvore com ensemble (random forest e XGBoost) e de kernel e margem (SVM). A performance dos modelos foi estimada com validação cruzada aninhada de cinco dobras, com os hiperparâmetros otimizados por otimização Bayesiana. Os modelos de árvore tiveram as melhores performances de teste, com R² entre 0,76 e 0,79, sendo a maior performance o random forest. Os modelos espaciais tiveram performance intermediária (R² entre 0,64 e 0,70) e os modelos tradicionais as menores (R² abaixo de 0,60). O random forest reproduziu bem o padrão espacial da Q98, sem viés espacial relevante, mostrando o potencial do aprendizado de máquina para a regionalização de vazões de referência no Brasil.