Previsões de Vazões Mensais na Bacia Hidrográfica do Xingu - Leste da Amazônia

• Published in: Revista Brasileira de Meteorologia Vol. 35; no. spe; pp. 1045 - 1056
• Main Authors: Lucas, Edmundo Wallace Monteiro, Sousa, Francisco de Assis Salviano de, Silva, Fabrício Daniel dos Santos, Rocha Júnior, Rodrigo Lins da, Ataide, Kleber Renato da Paixão
• Format: Journal Article
• Language: Portuguese; English
• Published: Rio de Janeiro Sociedade Brasileira de Meteorologia 01.12.2020
• Subjects: dinâmica do clima; Dry periods; Hydroelectric plants; Hydroelectric power; Mathematical models; modelo chuva-vazão; Monthly; Nucleotide sequence; Rain; Rainfall; Rainfall forecasting; Rainfall simulators; regressão por componentes principais; River basins; Rivers; Seasonal rainfall; Simulation; Stream discharge; Stream flow; Streamflow models; Xingu River
• ISSN: 0102-7786; 1982-4351
• DOI: 10.1590/0102-77863550012

Resumo Modelos empíricos chuva-vazão vêm sendo cada vez mais usados nas últimas décadas, devido a indisponibilidade de dados de entrada dos modelos conceituais, e à confiabilidade, rapidez, e menor complexidade destes modelos. Neste contexto, foi aplicada a técnica de Regressão por Componentes Principais (RCP) na simulação das vazões médias mensais de oito estações fluviométricas na Bacia Hidrográfica do Xingu (BHX), pertencente a grande bacia hidrográfica amazônica. Na BHX se encontra a usina hidroelétrica de Belo Monte, além de importantes áreas de preservação ambiental. Demonstra-se na pesquisa o grau de relação entre a precipitação e vazão, entrada e resposta do modelo chuva-vazão baseado em RCP, e os respectivos graus de defasagem com eficiência preditiva. A RCP apresentou bons resultados na simulação das vazões mensais em todas as estações selecionadas, caracterizando bem a dinâmica das séries temporais com resultados ótimos nos períodos de estiagem (maio a outubro) e tendência a leve subestimativa nos períodos chuvosos (novembro a abril). Tais resultados utilizando a precipitação observada na simulação das vazões da BHX permitem concluir que um bom sistema de previsão climática para a precipitação sazonal poderá inferir um grau preditivo importante para as vazões com até três meses de antecedência. Abstract Empirical rainfall-streamflow models have been increasingly used in recent decades, due to the unavailability of input data from conceptual models, and the reliability, speed, and less complexity of these models. In this context, the Principal Component Regression technique (PCR) to simulate the monthly average streamflow of eight river stations in the Xingu River Basin (XRB) was applied, which belongs to the large Amazon basin. The XRB has the Belo Monte hydroelectric plant, as well as important areas of environmental preservation. The degree of relationship between rainfall and streamflow, input and response of the rainfall-streamflow model based on PCR is shows in the research and the respective degrees of lag with predictive efficiency. The PCR showed good results in the simulation of the monthly streamflow in all the selected stations, characterizing well the dynamics of the time series with excellent results in the dry periods (May to October) and a tendency to slightly underestimate in the rainy periods (November to April). These results, using the rainfall observed for streamflow simulation in the XRB, allow us to conclude that a good climate forecasting system for seasonal rainfall can infer an important predictive degree for streamflow up to three months in advance.