Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouÍsis Natal Guimarães Alterado mais de 8 anos atrás
1
Modelos Hidrológicos Prof. Carlos Ruberto Fragoso Júnior
Prof. Marllus Gustavo Ferreira Passos das Neves Centro de Tecnologia Universidade Federal de Alagoas
2
Programa Conceito de sistema e modelo Tipos de modelo
Terminologia e conceitos pertinentes Classificação dos modelos Etapas da modelagem Aplicação dos modelos Evolução dos modelos hidrológicos Cuidados no uso dos modelos
3
Conceito de sistema e modelo
Sistema x Modelo Qualquer estrutura, esquema ou procedimento, real ou abstrato, que num dado tempo de referência interrelaciona-se com uma entrada, causa ou estímulo de energia ou informação, e uma saída, efeito ou resposta de energia ou informação
4
Conceito e objetivo dos modelos
Sistema x Modelo Representação de algum objeto ou sistema, numa linguagem ou forma de fácil acesso e uso, com o objetivo de entendê-lo e buscar suas respostas para diferentes entradas
5
Conceito e objetivo dos modelos
ENTRADAS SISTEMA SAÍDAS Sistemas artificiais controle do homem, variáveis controladas, saídas são mais previsíveis Exemplos: circuitos elétricos, edifícios Sistemas naturais Não foram dimensionados pelo homem, Processos físicos nem sempre completamente entendidos, saídas mais imprevisíveis, observar comportamento para diminuir ignorância Exemplos: bacias hidrográficas, estuários
6
Conceito e objetivo dos modelos
7
Tipos de modelos Físicos representam o sistema em escala
menor hidráulica (teoria da semelhança) Analógicos valem-se da analogia das equações que regem diferentes fenômenos exemplo escoamento hidráulico e circuito elétrico Matemáticos ou digitais representa o sistema através de equações matemáticas
8
Tipos de modelos Físicos
9
Tipos de modelos Matemáticos ou digitais
Modelo de reservatório equação da continuidade
10
Terminologia e conceitos pertinentes
Fenômeno um processo físico, que produz alteração de estado no sistema. Por exemplo, precipitação, evaporação e infiltração; Variável valor que descreve quantitativamente um fenômeno, variando no espaço e no tempo. Por exemplo, vazão descreve o estado do escoamento; Parâmetro valor que caracteriza o sistema pode variar com o espaço e o tempo. exemplo, rugosidade de uma seção de um rio, área impermeável de uma bacia hidrográfica.
11
Terminologia e conceitos pertinentes
Risco e incerteza diferença entre as estatísticas da amostra e da população, que pode ser devido a representatividade da amostra ou devido aos erros de coleta e processamento dos dados da variável aleatória Risco de uma determinada variável aleatória é a chance aceita pelo projetista que a variável seja maior que um determinado valor (menor no caso de mínimos)
12
Terminologia e conceitos pertinentes
Série estacionária ou não-estacionária série estacionária as estatísticas da mesma não se alteram com o tempo. Série não-estacionária caso contrário Princípio da parcimônia representação adequada do comportamento de um processo ou um sistema por um modelo com o menor número possível de parâmetros
13
Terminologia e conceitos pertinentes
Memória: é o espaço de tempo, no passado, durante o qual a entrada afeta o estado presente do sistema Memória zero significa que a entrada afeta o sistema somente no tempo em que ela ocorre Memória infinita o sistema depende de todo o seu passado. Memória é finita o sistema depende da entrada ocorrida dentro de um período finito no passado Exemplo: a memória de uma bacia hidrográfica (sistema) a uma determinada precipitação é o tempo que a água leva para infiltrar, percolar e escoar até a seção do rio que delimita a bacia
14
Classificação dos modelos
Modelos que tratam o sistema como linear e não Linear Linear: princípios da superposição e da homogeneidade Princípio da superposição: x1 y1 x2 y2 SISTEMA x1+ x2 y1+ y2
15
Classificação dos modelos
Modelos que tratam o sistema como linear e não Linear Linear: princípios da superposição e da homogeneidade Princípio da homogeneidade: se existem n entradas no sistema, de tal forma que y1 = y 2 = y = yn o sistema é linear quando n . y1 produz a saída n . x1
16
Classificação dos modelos
17
Classificação dos modelos
Matematicamente: Linear : quando Ai f(X) para i = 1,2,...n linear invariante: quando Ai f(X,t) linear variante : quando Ai f(X) não-linear: quando pelo menos um Ai = f(X,t) Exemplo:
18
Classificação dos modelos
Contínuos x discretos sistema contínuo fenômenos contínuos no tempo Sistema discreto as mudanças de estado se dão em intervalos discretos Um sistema pode se modificar continuamente, mas para efeito de projeto os registros são efetuados em intervalos de tempo. A escolha deste intervalo é função da economia desejada e da precisão dos resultados, que são conflitantes, já que à medida que o intervalo diminui, o custo para medir os dados da computação aumenta em favor da melhoria da precisão dos resultados. Exemplos: linígrafo
19
Classificação dos modelos
Contínuo e Discreto
20
Classificação dos modelos
Concentrados x distribuídos concentrado ("lumped") não leva em conta a variabilidade espacial. A precipitação média de uma bacia é um exemplo da integração espacial da variável de entrada em geral, utilizam somente o tempo como variável independente distribuído (distributed) variáveis e parâmetros do modelo dependem do espaço e/ou do tempo
21
Concentrados x distribuídos
Classificação dos modelos Concentrados x distribuídos distribuído concentrado
23
Classificação dos modelos
Estocástico x determinístico Chance de ocorrência das variáveis envolvidas no processo é ignorada, e o modelo segue uma lei definida que não a lei das probabilidades Chance de ocorrência das variáveis é levada em conta conceito de probabilidade é introduzido na formulação do modelo
24
Classificação dos modelos
Variável de entrada de um sistema é aleatória variável de saída também será aleatória, mesmo tendo o sistema comportamento determinístico ou representado por um modelo determinístico. Exemplo, a vazão de entrada e saída de um reservatório são variáveis aleatórias, mas a determinação da vazão de saída com base na de entrada e nas características do reservatório é um processo determinístico bem conhecido.
25
Classificação dos modelos
Caos sistema com comportamento aparentemente aleatório também pode ser determinístico. Quando o sistema é não-linear e altamente dependente das suas condições iniciais, a resposta pode apresentar características de uma variável aleatória e passar pelos testes estatísticos e estocásticos. Este processo é denominado na literatura de "caos determinístico". x (k+1) = r x (k)[ 1 - x(k)]
26
Classificação dos modelos
Conceitual e Empírico Conceitual as funções utilizadas na sua elaboração levam em consideração os processos físicos Empírico ou "caixa-preta" ajustam-se os valores calculados aos dados observados, através de funções que não têm nenhuma relação com os processos físicos envolvidos
27
Exemplo de modelo conceitual
Classificação dos modelos Exemplo de modelo conceitual Equação da continuidade Relação entre volume e saída Derivando a segunda equação e substituindo na primeira, resulta a equação diferencial do modelo onde K é o parâmetro, Q a variável dependente e de saída e I a variável de entrada
28
Segundo a aplicação dos modelos
Classificação dos modelos Segundo a aplicação dos modelos Modelos de comportamento utilizados para descrever o comportamento de um sistema utilizado para prognosticar a resposta de um sistema sujeito a diferentes entradas ou devido a modificações nas suas características Modelos de otimização preocupados com as melhores soluções, a nível de projeto, de um sistema específico Modelos de planejamento simulam condições globais de um sistema maior.
29
Classificação dos modelos
30
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
31
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
32
Etapas da Modelagem Floração de cianobactérias Eutrofização Cheias
Problemas em Hidrologia Extensão de Séries hidrológica Planejamento Regime hidrológico Usos da água Estados alternativos
33
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
34
Etapas da Modelagem Simplificações e formulação de hipóteses
Quais são as variáveis? Quais são as hipóteses? Quais são os processos? Essa é a minha proposta!!!
35
Etapas da Modelagem Simplificações e formulação de hipóteses
36
Etapas da Modelagem Simplificações e formulação de hipóteses Produção
Taxa constante Luz Temperatura Nutrientes
37
Etapas da Modelagem Simplificações e formulação de hipóteses
Complexidade Aproximação Nº ótimo de parâmetros Nº de parâmetros
38
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
39
Acumulação Líquida = Transporte Fonte/Sumidouro (transformações)
Etapas da Modelagem As Leis da Natureza! Modelos Qualidade Água e Hidrodinâmica Derivado aplicação Leias de Conservação Propriedades conservativas intrínsecas internas momentum, calor energia, massa água, massa contaminantes Prediz: Mudanças em propriedades conservativas; Mudanças estado sistema resulta de mudanças em uma ou mais propriedades intrínsecas. Conservação de Energia Balanço Calor e Evaporação Relações de mistura Conservação de Massa Massa água na hidrodinâmica e transporte Massa materiais dissolvidos ou suspensos na água Balanço massa expandido para incluir mudanças cinéticas Conservação de Momento Água: movimento Água: Fluxo Acumulação Líquida = Transporte Fonte/Sumidouro (transformações) Fluxo Propriedades Conservativas devido movimento água (advecção, mistura turbulenta, difusão) Funções Forçantes
40
Etapas da Modelagem Dedução do modelo matemático Modelo conceitual
41
Etapas da Modelagem Dedução do modelo matemático
42
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
43
Etapas da Modelagem Resolução do problema
Solução das equações diferenciais através de um método numérico: Runge-Kutta Diferenças finitas Euler Elementos Finitos Métodos analíticos Métodos numéricos Método dos Coeficientes Não-determinados Transformadas de Laplace Elementos de contorno
44
Etapas da Modelagem Resolução do problema Método numérico
Discretização temporal y Discretização espacial x
45
Etapas da Modelagem Resolução do problema
47
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
48
Etapas da Modelagem
49
Etapas da Modelagem Calibração e validação do modelo Observado A
Calculado Período de calibração Período de validação
50
Etapas da Modelagem Calibração e validação do modelo
51
Etapas da Modelagem Medindo a chuva Pluviômetros:
52
Pluviômetro Fonte : Sabesp
53
Pluviógrafo – pluviômetro de caçamba ou de báscula
Etapas da Modelagem Pluviógrafo – pluviômetro de caçamba ou de báscula
54
Pluviógrafo – pluviômetro de caçamba ou de báscula
Etapas da Modelagem Pluviógrafo – pluviômetro de caçamba ou de báscula
55
Estação Pluviográfica
Etapas da Modelagem Estação Pluviográfica
56
Etapas da Modelagem Pequenos rios Vazão x velocidade
57
Rios maiores Medição embarcada Medição a partir de cabos
Medição a partir de pontes
58
Etapas da Modelagem Medindo o escoamento A curva chave
59
Etapas da Modelagem Posto Fluviográfico
60
Etapas da Modelagem Monitoramento
61
Limnígrafo com Tubulão Instalado no Curso D’Água
62
Etapas da Modelagem Sensor de Nível
63
ESTAÇÃO METEOROLÓGICAS
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Perfilador e Sonda -YSI ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
64
ESTAÇÃO METEOROLÓGICAS
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Hiperespectral -TriOS ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
65
ESTAÇÃO METEOROLÓGICAS
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Mini-ADP – Sontek ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
66
Compreensivo Amostragem Pontual Alta Freqüência
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Compreensivo Amostragem Pontual Alta Freqüência CDOM/Chl/Phyc - WETLabs ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
67
ESTAÇÃO METEOROLÓGICAS
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Auto Amostrador - ISCO ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
68
Compreensivo Amostragem Pontual Alta Freqüência
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Compreensivo Amostragem Pontual Alta Freqüência FlowCAM ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
69
Compreensivo Amostragem Pontual Alta Freqüência
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA Compreensivo Amostragem Pontual Alta Freqüência Net Radiómetro - Kipp & Zonen ADP AUTOAMOSTRADOR FLowCAM HYPERSPECTRAL GUINCHO ESTAÇÃO METEOROLÓGICAS TELEMETRIA sondas Temp O2 CO2 CDOM Green Cyano Diatom Brown NÍVEL LOGGER / CONTROLADOR Temp LINE
70
ECOMapper (heterogeneidade espacial)
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA ECOMapper (heterogeneidade espacial) High-Resolution Water Quality and Bathymetry Mapping
71
formulação de hipótese Calibração e validação
Etapas da Modelagem Definição do problema Simplificação e formulação de hipótese Dedução do modelo Resolução do problema Calibração e validação Aplicação do modelo
72
Etapas da Modelagem Simulação processo de utilização do modelo. Na simulação existe, em geral, três fases que são classificadas como estimativa ou ajuste, verificação e previsão. Estimativa ou ajuste dos parâmetros fase onde os parâmetros devem ser determinados. Verificação simulação do modelo com os parâmetros estimados onde se verifica a validade do ajuste realizado. Previsão (predição, prognóstico) simulação do sistema pelo modelo com parâmetros ajustados para quantificação de sua respostas a diferentes entradas
73
Etapas da Modelagem Tipos de ajuste
Estimativa sem dados históricos quando não existem dados sobre as variáveis do sistema, pode-se estimar os valores dos parâmetros baseando-se em informações das características físicas do sistema Ajuste por tentativas processo em que existindo valores das variáveis de entrada e saída, são obtidos por tentativas os parâmetros que melhor representem os valores observados através do modelo utilizado Ajuste por otimização utiliza os mesmos dados do processo por tentativa, mas por métodos matemáticos otimiza uma função objetiva que retrata a diferença entre os dados observados e calculados pelo modelo Amostragem os valores dos parâmetros são obtidos através de medições específicas no sistema
74
Etapas da Modelagem A verificação é a fase da simulação em que o modelo, calibrado anteriormente, é verificado com outros dados. As fases de ajuste e verificação devem ser representativas da fase de aplicação, caso contrário não possuem utilidade Exemplo
75
Etapas da Modelagem Previsão e aplicação A B oceano
Os limites de uso das fases anteriores devem respeitar a etapa de aplicação do modelo a fase de aplicação pode sofrer correções para compatibilizar com este cenário o ajuste parte do princípio de estacionariedade. Caso isto não ocorra o modelo deve permitir sua adaptabilidade aos novos cenários. A B oceano
76
Aplicação dos modelos
77
Escala dos processos na bacia
Aplicação dos modelos Escala dos processos na bacia
78
Aplicação dos modelos Tipos de usos Extensão de séries hidrológicas;
planejamento e projeto de sistemas hídricos previsão tempo real avaliação do impacto das modificações dos sistemas hídricos.
79
Aplicação dos modelos Áreas de aplicação
Usos dos recursos hídricos: abastecimento de água, energia, irrigação, navegação,etc impactos sobre a população: controle de inundações impactos no meio ambiente: desmatamento, qualidade da água, etc.
80
Evolução do modelos hidrológicos
Início com o computador e década de 50 os modelos distribuídos na década de 70-80 a evolução com o GIS e a integração espacial com a modelagem física; limitação da escala a relação dos modelos hidrológicos e meteorológicos
81
Evolução do modelos hidrológicos
Histórico de desenvolvimento (Streeter-Phelps) Reaeração DBO OD Problemas: efluentes primários e não tratados Poluentes: DBO/OD Sistema: rios e estuários (1D) Cinéticas: linear Soluções: analíticas P R ODsed (computacional) Problemas: efluentes primários e não tratados Poluentes: DBO/OD Sistema: rios e estuários (1D / 2D) Cinéticas: linear Soluções: analíticas e numéricas
82
Evolução do modelos hidrológicos
Histórico de desenvolvimento Peixes (Biologia) NO3 NH3 Norg Problemas: eutrofização Poluentes: nutrientes Sistema: rios, lagos e estuários (1D / 2D / 3D) Cinéticas: não-linear Soluções: numéricas Zoo PO4 Porg Fito 1977- hoje (Tóxicos) Sólidos Tóxicos Biota Problemas: tóxicos Poluentes: orgânicos e metais Sistema: interações água-sedimento Interações da cadeia alimentar (1D / 2D / 3D) Cinéticas: não-linear Soluções: numéricas e analíticas água sedimento Sólidos Água intersticial Bentos
83
Evolução do modelos hidrológicos
Histórico de desenvolvimento Impulso de Sensoriamento Remoto e SIG Na década de 1990 os avanços de modelos distribuídos na escala da bacia hidrográfica (meso escala) avanços importantes uso do geoprocessamento permitiu a identificação espacial das variáveis de entrada e de atributos físicos das bacias, também utilizada nos citados modelos no parágrafo anterior uso de incerteza na estimativa de parâmetros mas sensíveis
84
Desafios no desenvolvimento de modelos chuva-vazão
Evolução do modelos hidrológicos Histórico de desenvolvimento Desafios no desenvolvimento de modelos chuva-vazão Conceitualmente o desafio sempre foi muito grande alguns fatores: como representar um processo que observamos a nível pontual, para uma escala espacial de milhares de quilômetros quadrados? como representar a irregularidade da natureza na forma de variáveis e parâmetros que representem de forma adequada os principais processos quantitativos e qualitativos?
85
Desafios no desenvolvimento de modelos chuva-vazão
Evolução do modelos hidrológicos Histórico de desenvolvimento Desafios no desenvolvimento de modelos chuva-vazão como diminuir a incerteza das estimativas das variáveis hidrológicas e dos parâmetros de vários sub-modelos, quando existem apenas a variável observada de entrada (precipitação e evapotranspiração) e de saída (vazão ou nível) de uma bacia? como amostrar elementos da bacia que permita avaliar o comportamento hidrológico a partir de visita ao campo (como outras ciências fazem)?
86
Evolução do modelos hidrológicos
Histórico de desenvolvimento Presente - futuro Ainda os computadores: Processamento paralelo Interação com SIG Usuário (interface) Sistemas de Suporte à Decisão Ciclos biogeoquímicos Organismos Aquáticos
87
Cuidados no uso dos modelos
O modelo deve ser visto como uma ferramenta não um objetivo Se é possível medir as variáveis hidrológicas por que necessito do modelo? Se eu disponho de um modelo por que necessito medir a vazão de um rio ou outras variáveis hidrológicas?’
88
Cuidados no uso dos modelos
As limitações básicas dos modelos hidrológicos são a quantidade e a qualidade dos dados hidrológicos, além da dificuldade de formular matematicamente alguns processos e a simplificação do comportamento espacial de variáveis e fenômenos Nenhuma metodologia cria informações apenas explora melhor os dados existentes
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.