Search

Neste trabalho foram avaliados diferentes métodos de determinação do coeficiente do tanque (Kt), para a estimativa diária da evapotranspiração de referência (ETo) utilizando o método do tanque Classe A (TCA). Foram avaliadas as metodologias propostas por Allen et al. (1998), Bernardo et al., (1996), Cuenca (1989) e Snyder (1992); os valores da ETo diária estimados foram correlacionados com os estimados pelo método de Penman-Monteith parametrizado (FAO-56). Para a estimativa da ETo foi utilizado uma série histórica de 10 anos de dados coletados em uma estação automática, modelo Thies Clima, instalada na Estação Evapotranspirométrica da Universidade Estadual do Norte Fluminense Darcy Ribeiro (UENF). Os resultados obtidos, considerando-se as diferentes metodologias para o cálculo do Kt, mostrou um bom desempenho do método do tanque Classe A para a estimativa de valores diários da ETo (coeficientes r² > 0,79 e D > 0,90). As metodologias propostas por Cuenca (1989), Bernardo et al. (1996) e Allen (1998) apresentaram o mesmo índice de concordância (D = 0,95). O menor erro médio absoluto (EMA = 0,50) foi obtido pelo método de Cuenca (1989) que também mostrou a maior eficiência (EF = 0,81).In this work, different methods of determination of pan coefficient (Kp) for a daily estimation of referential evapotranspiration (ETo) using the "Class A" pan method (TCA) were analyzed. Methodologies proposed by Allen et al. (1998), Bernardo et al. (1996), Cuenca (1989) and Snyder (1992) were evaluated, and values of daily ETo estimated using TCA were compared to ones estimated by Penman-Monteith (FAO-56). A ten years historical series of data collected from an automatic station, Thies Clima model, was used installed at evapotranspiration station of Universidade Estadual do Norte Fluminense (UENF). A good fulfillment of Class A pan to estimate daily values of ETo by different ways to calculate Kp (R² > 0.79 and D > 0.90) was verified, with Cuenca (1989), Bernardo et al. (1996), and Allen (1998) methods showing the same concordance index (D = 0.95). The smallest absolute mean error (0.50) was showed by Cuenca (1989) method, which also presented the highest efficiency (EF = 0,81).

Testes preliminares realizados com o modelo hidrológico HidroBacia, indicaram desequilíbrio no seu balanço de massa, despertando a necessidade de estudos visando ao seu aperfeiçoamento; assim, o presente trabalho consistiu no aprimoramento do modelo HidroBacia a partir da localização e correção de falhas no código-fonte do seu programa computacional, essas falhas foram identificadas através da depuração do modelo durante simulações do hidrograma de escoamento superficial, utilizando-se dados de uma microbacia hidrográfica experimental. A principal causa relacionada com o desequilíbrio do balanço de massa do modelo, tinha referência com a solução das equações do modelo de ondas cinemáticas usado na propagação dos hidrogramas de escoamento superficial, cujo problema foi contornado pela substituição do algoritmo linear utilizado, Bras (1990), pelo algoritmo não-linear apresentado por Li et al. (1975). A partir desta modificação, considerada principal, e outras modificações implementadas, o balanço de massa do modelo HidroBacia foi ajustado e suas simulações passaram a gerar estimativas coerentes. Em virtude das alterações efetuadas, o HidroBacia evoluiu da versão 1.0 para a versão 1.1.In previous tests conducted by the HidroBacia hydrologic model, desequilibria in its mass balance was detected, thus showing the need for further studies for its improvement. This work consisted of improvement of the HidroBacia model by means of identification and correction of mistakes in its software source code. The mistakes were identified through adjustment during runoff hydrograph simulations using an experimental watershed data bank. The main factor, related to the mass balance desequilibria in the model, was correlated with the solution of the equations for the kinematic wave model used for propagation of the runoff hydrographs. This problem was corrected by the substitution of the linear algorithm used (Bras, 1990), by the non-linear algorithm proposed by Li et al. (1975). Starting from this modification, considered as the principal one, and other modifications made in the program, mass balance of the HidroBacia model was fitted and its simulations started to generate coherent estimates. Due to the modifications made in HidroBacia the software evolved from version 1.0 to version 1.1.

Este trabalho consistiu na modelagem hidrológica de uma microbacia hidrográfica utilizando-se o modelo HidroBacia, no qual o processo de infiltração da água no solo é representado por meio da equação de Green-Ampt modificada por Mein e Larson. Obtiveram-se, dentre os parâmetros desta equação, o potencial matricial na frente de umedecimento, a condutividade hidráulica e a umidade do solo na zona de transmissão, através de diversos métodos apresentados na literatura; desta forma, foram preparadas e testadas 36 combinações de dados de entrada, visando identificar as que apresentam melhor desempenho nas simulações do hidrograma de escoamento superficial com o modelo e se selecionaram, dentre os eventos de chuva-vazão registrados na microbacia, os 14 mais relevantes para realização das simulações. Das 36 combinações de dados de entrada testadas, seis apresentaram melhor desempenho na estimação dos hidrogramas. O modelo HidroBacia ainda necessita de aprimoramentos, juntamente com análises de sensibilidade, com vista a identificar possíveis incompatibilidades entre os dados de entrada e os respectivos resultados das simulações, uma vez que o modelo apresentou resultados incoerentes em determinadas situações.This work consisted of the hydrologic modeling of a small watershed using the HidroBacia model. The soil water infiltration process is represented by means of the Green-Ampt equation, modified by Mein and Larson, in this model. Among the equation parameters, matric potential in the wetting front, hydraulic conductivity and soil moisture in the "field saturation" were obtained using different methods based on previous scientific literature. Thirty six input data combinations were tested in order to identify those that showed better performance on the runoff hydrograph simulations with the model. Between the rainfall-runoff events registered on watershed, the most relevant (14) of them were selected to perform the simulations. Six of 36 input data combinations tested showed better performance in the hydrograph estimations. The HidroBacia model still needs more improvenents, as well as sensitivity analysis in order to identify incompatibilities between input data and the simulation results, since the model showed incoherent results under certain situations.

Propor uma rede neural artificial (RNA) para estimar a evapotranspiração de referência (ETo) em função das coordenadas de posição geográfica e da temperatura do ar no Estado do Rio de Janeiro, motivou a realização do presente estudo. Os dados utilizados no treinamento da rede foram obtidos de 17 séries históricas de elementos climáticos localizadas nesse Estado. A ETo diária calculada pelo método de Penman-Monteith (FAO-56) foi utilizada como referência para treinar as redes. As RNAs, do tipo perceptron de múltiplas camadas, foram treinadas para estimar a ETo em função da latitude, longitude, altitude, temperatura média do ar, amplitude térmica diária e dia do ano. Após o treinamento com várias configurações de rede, selecionou-se a que apresentou o melhor desempenho, a qual é composta de apenas uma camada intermediária (com vinte neurônios e função de ativação do tipo sigmóide logística) e uma camada de saída (com um neurônio e função de ativação linear). Pelos resultados obtidos conclui-se que, levando-se em consideração apenas as coordenadas de posição geográfica e a temperatura do ar, pode-se estimar a ETo (valores diários) em 17 localidades do Estado do Rio de Janeiro usando uma RNA.This work was performed with the aim of proposing an artificial neural network (ANN) to estimate the reference evapotranspiration (ETo) as a function of geographic position coordinates and air temperature in the State of Rio de Janeiro. Data used for the network training were collected from 17 historical time series of climatic elements located in the State of Rio de Janeiro. The daily ETo calculated by Penman-Monteith (FAO-56) method was used as a reference for network training. ANNs of multilayer perceptron type were trained to estimate ETo as a function of latitude, longitude, altitude, mean air temperature, thermal daily amplitude and day of the year. After training with different network configurations, the one showing best performance was selected, and was composed by only one intermediary layer (with twenty neurons and sigmoid logistic activation function) and one output layer (with one neuron and linear activation function). According to the results obtained it can be concluded that, considering only geographical positioning coordinates and air temperature, it is possible to estimate daily ETo in 17 places of Rio de Janeiro State by using an ANN.