Previsão de vazão na bacia hidrográfica do rio Manuel Alves da Natividade utilizando o modelo de séries temporais SARIMA

Palavras-chave: simulação hidrológica, hidrologia, séries temporais, escoamento superficial

Resumo

O estudo e simulação do escoamento superficial de uma bacia hidrográfica são fundamentais para o gerenciamento dos recursos hídricos. Os modelos hidrológicos são ferramentas que auxiliam o planejamento do abastecimento hídrico, projetos de uso da água, geração de energia hidrelétrica, sistemas de irrigação, utilização sustentável e conservação da biodiversidade de uma bacia hidrográfica. A área em estudo é a bacia hidrográfica do rio Manuel Alves da Natividade, uma importante bacia hidrográfica pertencente a região hidrográfica Tocantins-Araguaia, um dos principais afluentes do rio Tocantins. Neste contexto, objetivou-se analisar, modelar e fazer previsões com base nas séries temporais de vazões mensais da bacia hidrográfica do rio Manuel Alves da Natividade utilizando o modelo SARIMA. A metodologia adotada foi a de Box e Jenkins que consiste em: identificar o modelo; estimar seus parâmetros e aplicar o modelo ajustado para previsão. A série foi verificada quanto a tendência, sazonalidade e estacionariedade e a identificação da ordem dos componentes dos modelos se deu por meio da análise gráfica dos correlogramas e periodograma. A seleção do melhor modelo foi realizada com base nos critérios de seleção e medidas de qualidade. O modelo escolhido foi o SARIMA(1,0,1)(1,1,4)12, que apresentou coeficiente de Nash-Sutcliffe de 0,61 e 0,81 para as etapas de calibração e validação, respectivamente, valores estes classificados como “bom”, segundo a classificação para modelos hidrológicos. O modelo mostrou-se eficaz na previsão de períodos de recessão do escoamento, sendo indicado principalmente como ferramenta na gestão de recursos hídricos para a previsão da oferta hídrica em períodos de estiagem críticos.

Referências

AKAIKE, H. A bayesian analysis of the minimum AIC proce-dure. Ann Inst Stat Math, v.30, n.1, p.9–14, 1978.

AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on Automatic Control, [s.l.], v.19, n.6, p.716-723, 1974.

ALMEIDA, L.; SERRA, J. C.V. Modelos hidrológicos, tipos e aplicações mais utilizadas. Revista da FAE, v.20, n.1, p.129-137, 2017.

ANA. Agência Nacional de Águas. Ministério do Meio Am-biente (Org.). Conjuntura dos recursos hídricos no Brasil 2018: informe anual. Brasília: ANA, 72p. 2018.

BATISTA, A.L.F. Modelos de séries temporais e redes neu-rais artificiais na previsão de vazão. Ano de obtenção: 2009. 79p. Dissertação (Mestrado em engenharia de sistemas) - Universidade Federal de Lavras, Lavras, Minas Gerais.

BAYER, D.M.; CASTRO, N.M.R.; BAYER, F.M. Modela-gem e previsão de vazões médias mensais do rio Potiribu utilizando modelos de séries temporais. Revista Brasileira de Recursos Hídricos, v.17, p.229-239, 2012.

BAYER, F.M., SOUZA, A.M. Wavelets e modelos tradicio-nais de previsão: um estudo comparativo. Revista Brasileira de Biometria, v.28, n.2, p.40–61, 2010.

BLEIDORN, M.T.; PINTO, W.P.; BRAUM, E.S.; LIMA, G. B.; MONTEBELLER, C.A. Modelagem e previsão de va-zões médias mensais do rio Jucu, ES, utilizando o modelo SARIMA. IRRIGA, v.24, n.2, p.320-335, 2019.

BOX, G.E.; JENKINS, G.M.; REINSEL, G.C.; LJUNG, G.M. Time series analysis: forecasting and control. John Wiley & Sons, 2008.

CALDEIRA, T.L. Aprimoramento computacional do modelo Lavras Simulation of Hydrology (LASH). Ano de obtenção: 2016. 213 p. Dissertação (Mestrado em Recursos Hídricos) - Universidade Federal de Pelotas, Pelotas.

CHECHI, L.; BAYER, F.M. Modelos univariados de séries temporais para previsão das temperaturas médias mensais de Erechim, RS. Revista Brasileira de Engenharia Agrícola e Ambiental-Agriambi, v.16, n.12, 2012.

DHOTE, V.; MISHRA, S.; SHUKLA, J. P.; PANDEY, S.K. Runoff prediction using big data analytics based on ARIMA model. Indian Jounal of Geo Marine Sciences, v.47, n.11, p.2163-2170, 2018.

DICKEY, D.A.; FULLER, W.A. Distribution of the Estima-tors for Autoregressive Time Series with a Unit Root. Jour-nal of the American Statistical Association, v.74, n.366a, p.427-431, 1979.

FIGUEIREDO, N.M., BLANCO, C.J.C. Simulação de vazão e níveis de água médio mensais para o rio Tapajó usando modelos ARIMA. Revista Brasileira de Recursos Hídricos, v.19, n.3, p.111–126, 2014.

GÓMEZ, V.; MARAVALL, A. Estimation, prediction, and interpolation for nonstationary series with the Kalman filter. Journal of the American Statistical Association, v. 89, n.426, p.611-624, 1994.

GOTSCHALK, L.; BATCHVAROVA, E.; GRYNING, S. E.; LINDROTH, A.; MELAS, D.; MOTOVILOV, Y. U. G.; FREEH, M.; HEIKINHEIMO, M.; SAMUELSSON, P.; GRELLE, A.; PERSSON, T. Scale aggregation: Com-parison of flux estimates from NOPEX. Jounal of Agricul-tural and Forest Meteorology, v.98-99, p.103-120, 1999.

HAO, C.-F.; QIU, J.; LI, F.-F. Methodology for Analyzing and Predicting the Runoff and Sediment into a Reservoir. Water, v.9, n.6, p.440, 2017.

HYNDMAN, R. J.; ATHANASOPOULOS, G. Forecasting: principles and practice, 2nd edition, Melbourne: OTexts. 2018.

Instituto Nacional de Pesquisas Espaciais - INPE. Disponível em: <http://www.dsr.inpe.br/topodata/>. Acesso em: 20 de setembro de 2012.

LJUNG, G. M.; BOX, G. E. P. On a measure of lack on fit in time series models. Biometrika. v.65, n.2, p.297-303, 1978.

MACHEKPOSHTI, K.H.; WEDGHI, H.; TELVARI, A.; BABAZADEH, H. Flood Predicting in Karkheh River Ba-sin Using Stochastic ARIMA Model. International Journal of Agricultural and Biosystems Engineering, v.12, n.3, p.89-96, 2018.

MIRANDA, N. M.; CATALDI, M.; SILVA, F. N. R. Simu-lação do regime hidrológico da cabeceira do rio São Francis-co a partir da utilização dos modelos SMAP e RegCM. Anuário do Instituto de Geociencias, v.40, n.3, 2017.

MISHRA S.; SARAVANAN, C.; DWIVEDI, V.K.; SHUKLA, J.P. Rainfall-runoff modeling using clustering and regression analyses for the river Brahmaputra basin. Journal Geological Society of India, v.92, n.3, p.305-312, 2018.

MORETTIN, P.; TOLOI, C. Análise de Séries Temporais. São Paulo: ABE - Projeto Fisher – Blucher, 2006.

MORIASI, D.N.; ARNOLD, J.G.; LIEW, M.W. VAN; BINGER, R.L.; HARMEL, R.D.; VEITH, T. Model eval-uation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, v.50, n.3, p.885-900, 2007.

PEREIRA, D.R.; ULIANA, E.M.; MARTINEZ, M.A.; SIL-VA, D.D. Desempenho de um modelo hidrológico concen-trado e de um semidistribuído na predição de vazões diárias. Irriga, v.21, n.2, p.409-409, 2016.

R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Com-puting, Vienna, Austria, 2014. URL http: //www.R-project.org, ISBN 3-900051-07-0.

REISEN, V.A., MOLINARES, F.A.F., TEIXEIRA, E.C. Modelagem de séries temporais sazonais na presença de ou-tliers: estudo de caso da vazão máxima mensal do rio Jucu, ES, Brasil. Revista Brasileira de Recursos Hídricos, v. 13, n. 2, p. 45–53, 2008.

RODRIGUES, J. A. M.; ANDRADE, A. C. O.; VIOLA, M. R.; MORAIS, M. A. V. Indicadores hidrológicos para a gestão de recursos hídricos na bacia hidrográfica do rio Ma-nuel Alves da Natividade, Tocantins. Scientia Agraria, v.16, n.4, 2015.

SANTOS, P.G.P.; OLIVEIRA, T.F. Modelagem e previsão de vazão afluente média mensal no Rio Tocantins, Usina Hidrelétrica Tucuruí-Pará, Amazônia, Brasil. Biota Amazônia, v.6, n.2, p.9-16, 2016.

SHAPIRO, S.S.; WILK, M.B. An analisy of variance test for normality (complete samples). Biometrika, v.52, p.591-611, 1965.

TEODORO, V.A. Comparação de método de imputação para dados de precipitação diária. Ano de obtenção: 2019. 85 p. Tese (Doutorado) - Escola Superior de Agricultura “Luiz de Queiroz”. Piracicaba.

TUCCI, C.E.M. Modelos hidrológicos. Porto Alegre: Editora da UFRGS, 1998.

ULIANA, E.M.; PEREIRA, D.R; SILVA, D.D.; ALMEIDA, F.T.; SOUZA, A.P. Modelagem chuva-vazão em uma bacia tropical utilizando o modelo IPH II. Geo Uerj, n.33, 2018.

UNESCO. United Nations Educational Scientific and Cultural Organization. The united nations world water development report: Managing Water under Uncertainty and Risk, 2015.

VALLADARES NETO, J.; SANTOS, C.B.; TORRES, E.M.; ESTRELA, C. Boxplot: um recurso gráfico para a análise e interpretação de dados quantitativos. Revista Odontológica do Brasil Central, v.26, n.76, p.1-6, 2017.

VIANA, J.F.S.; MONTENEGRO, S.M.G.L.; SILVA, B.B.; SILVA, R.M.; SOUSA, W.S. Modelagem hidrológica da bacia hidrográfica do rio Pirapama-PE utilizando o modelo SWAT. Journal of Environmental Analysis and Progress, v.3, n.1, p.155-172, 2018.

VIOLA, M.R.; MELLO, C.R.; ACERBI JUNIOR, F.W.; SILVA, A.M. Modelagem hidrológica na bacia hidrográfica do rio Aiuruoca, MG. Revista Brasileira de Engenharia Agrícola e Ambiental, v.13, n.5, p.581-590, 2009.

WEI, W. Time Series Analysis: Univariate and Multivariate Methods. New York: Addison Wesley, 2006.

XUE, L.; YANG, F.; YANG, C.; WEI, G.; LI, W.; HE, X. Hydrological simulation and uncertainty analysis using the improved TOPMODEL in the arid Manas River basin, Chi-na. Scientific reports, v.8, n.1, p.452, 2018.

ZAPPA, M. Multiple-response verification of a distributed hydrological model at different spatial scales. Ano de obten-ção: 2002. 157p. Tese (Pós-doutorado). Swiss Federal Insti-tute of Technology. Switzerland.

ZHANG, Q.; WANG, B-D.; HE, B.; PENG, Y.; REN, M-L. Singular spectrum analysis and ARIMA hybrid model for anual runoff forecasting. Water Resour Manage, v. 25, n. 11, p. 2683-2703, 2011.

ZHAO, X.; CHEN, X.; XU, Y.; XI, D.; ZHANG, Y.; ZHENG, X. An EMD-based chaotic least squares support vector machine hybrid model for annual runoff forecasting. Water, v.9, n.3, p.153, 2017.

Publicado
2019-12-31
Como Citar
Duarte, V. B. R., Silva, F. de C. S. da, Souza, I. V., Silva, M. V. C., Sousa, H. G. de A., Giongo, M., & Viola, M. R. (2019). Previsão de vazão na bacia hidrográfica do rio Manuel Alves da Natividade utilizando o modelo de séries temporais SARIMA. Journal of Biotechnology and Biodiversity, 7(4), 457-468. https://doi.org/10.20873/jbb.uft.cemaf.v7n4.duarte
Seção
Biodiversidade e Meio Ambiente