O que so enchentes?

Enchentes so aumentos fora do normal do escoamento superficial, decorrentes do excesso

de chuvas, que pode resultar em inundao ou no.
Inundao nada mais do que o aumento excessivo do nvel dgua de um dado canal natural
de um rio, causando com isso possveis prejuzos.
O objetivo fundamental de clculo de enchentes fornecer a mxima vazo de projeto e, se
possvel, um hidrograma de projeto, que define a variao das vazes no tempo. A vazo de
projeto pode ser obtida atravs da extrapolao dos dados histricos para condies mais
crticas com a aplicao de estatstica aos dados de vazes mximas observadas. A vazo de
projeto est inteiramente ligada ao perodo de retorno.
Este acontecimento est relacionado ao perodo de retorno e risco permissvel.
Perodo de retorno nada mais que o tempo mdio em anos que um evento igualado ou
superado pelo menos uma vez. Essa relao expressa por T=1/P, onde P a probabilidade de
ocorrncia do evento.
Estatstica aplicada hidrologia
As sries de variveis hidrolgicas como precipitaes, vazes, etc. apresentam variaes
irregulares ao longo do tempo. Portanto, essas varveis estaro sempre associadas a uma
probabilidade de ocorrncia. Em consequncia disso, as obras hidrulicas devem ser
dimensionadas para um determinado risco de falha.
O objetivo da estatstica o de extrair informaes significativas de uma dada massa de dados.
As tcnicas utilizadas em estatsticas aplicadas hidrologia permitem avaliar a probabilidade
de ocorrncia de um fenmeno hidrolgico com determinada magnitude.
A estimativa de parmetros das distribuies de probabilidade feita com base em sumrios
estatsticos tais como mdia, desvio padro entre outros, essas distribuies de probabilidades
so escolhidas em funo do tipo de amostra que se dispe, isto , chuvas intensas, vazes
mximas, vazes mnimas, etc.
O modo mais apropriado para de se determinar a vazo de projeto para um dado rio basear-
se em seus registros de vazo anteriores e aplic-los em mtodos estatsticos. A eficcia deste
mtodo depende em grande parte da estabilidade das caractersticas principais do regime do
curso d'gua, ou seja, quando da utilizao destes dados o rio no deve Ter sofrido nenhuma
modificao hidrolgica importante (desvio, construo de barragem, urbanizao das
margens etc.). A insuficincia de medio sistemtica de defluxo, notadamente em pequenas
reas de drenagem, constitui limitao no emprego de tais mtodos. Isso conduz,
frequentemente, utilizao de dados de precipitao, estes mais abundantes.
As distribuies mais utilizadas em hidrologia so:
Distribuio normal no muito utilizada em estudos de vazes (ou chuvas) mximas
e mnimas. mais empregada para clculo de vazes mdias e precipitao total
anual;
Distribuio Log-normal muito utilizada para clculo de vazes mximas e mnimas e
chuvas mximas;
Distribuio Log-Person tipo III utilizada para clculo de vazes e chuvas mximas;
Distribuio de Gumbel utilizada tambm para o clculo de vazes e chuvas
mximas.
No presente trabalho focaremos na distribuio de Gumbel.
O mtodo de Gumbel um mtodo clssico que consiste em dividir a amostra inicial
em subamostras com dimenses iguais, concentrando o estudo nos mximos das
subamostras. Assim, como consequncia de tal diviso, possvel afirmar que tais
amostras so constitudas por realizaes independentes e, obviamente, do mesmo
fenmeno. Em muitas amostras de natureza ambiental, a subamostra natural
constituda por dados referentes a um longo perodo de tempo (por exemplo, um ano),
razo pela qual este mtodo tambm conhecido como mtodo dos mximos anuais.
O procedimento usado pelo mtodo de Gumbel de algum modo natural quando se
observam fenmenos hidrolgicos ao longo do tempo, como, por exemplo, nveis
mximos de gua num rio ou de alturas de precipitao, onde se espera uma certa
repetio de valores semelhantes em perodos de um ano. Porm, em muitas reas de
aplicao, a natureza nem sempre oferece essa sazonalidade, pelo que o mtodo de
Gumbel deixa de parecer natural. De facto, o particionamento da amostra total e ainda
a obrigatoriedade de tomar como observaes relevantes apenas os mximos de cada
uma das subamostras podem levar a que se despreze alguns valores elevados cujo
conhecimento de extrema importncia para o estudo.
Leis de mximos
No mbito do mtodo de Gumbel, admita-se a existncia de uma amostra constituda
por valores mximos de um determinado fenmeno, recolhidos espaadamente ao
longo do tempo (caudais, alturas da gua, etc.).
Face a uma amostra de mximos, comea-se naturalmente pelo ajustamento de uma
destas trs funes de distribuio, fazendo primeiro um teste de escolha estatstica
de leis de mximos. Por outras palavras, avergua-se qual a lei da varivel aleatria
mximo subjacente ao estudo, ou seja, qual a lei que melhor se adapta aos dados
concretos. Este teste estatstico pode ser to simples como a construo de um papel
de probabilidade. Como se verificar, suficiente elaborar o papel de probabilidade da
lei de Gumbel.

Figura 1:Esbolo dos grficos das funes densidade das leis de Gumbel
Para construir o papel de probabilidade da lei de Gumbel, primeiro h que ordenar
ascendentemente a amostra, gerando uma srie de valores. Em seguida, marca-se
num referencial os n pontos x
i
:n versus ln(ln(i/(n + 1))). Este grfico pode ser feito
no Excel. Se, perante a distribuio de pontos obtida, se puder afirmar que existe uma
relao linear entre abcissas e ordenadas, obtm-se uma validao informal do
modelo de Gumbel. Mais do que isso, se ao conjunto de pontos puder ajustar uma
curva com a concavidade voltada para baixo, opta-se pela validao prvia de um
modelo de Frchet, enquanto que uma concavidade voltada para cima permite validar
previamente um modelo de Weibull (Beirlant, 1996). A Figura abaixo ilustra estas trs
possibilidades.


Figura 2: Possveis configuraes das curvas a ajustar a um papel de probabilidade de Gumbel.
O ajuste dos dados feito atravs da lei de Gumbel quando esses valores so mximos de
grandezas aleatrias. Com efeito, como o mximo de variveis aleatrias gaussianas tem
distribuio aproximadamente Gumbel (Leadbetter et al., 1983), a elevada frequncia
com que a lei de Gauss surge na modelao de fenmenos aleatrios leva a que a lei
de Gumbel surja com a mesma relevncia na modelao do mximo de tais
fenmenos.
H ainda a acrescentar que, como lei limite de mximos devidamente normalizados, a
lei de Gumbel goza do mesmo papel que a lei normal, como lei limite de somas
convenientemente normalizadas.
Leis de mnimos
Numa perspectiva paralela quela que se tem vindo a abordar, e nos contextos
habituais em que se insere o presente texto, interessa agora estimar quantis
associados a baixas probabilidades (quantis reduzidos), que no so mais do que
valores que tm uma probabilidade muito reduzida de serem precedidos ou,
equivalentemente, uma probabilidade muito elevada de serem ultrapassados. Por
exemplo, interessa um valor de seca (nvel baixo do rio ou de pluviosidade) tal que a
probabilidade de se observarem valores abaixo deste seja igual a um p muito pequeno.
Similarmente, possvel determinar perodos de retorno de um valor
consideravelmente baixo, a probabilidade de ocorrncia de valores abaixo de
determinado valor de seca e, de igual modo, um quantil reduzido associado a um
dado perodo de retorno. Para tal, h que dispor de uma amostra de mnimos do
fenmeno aleatrio em estudo e ajustar uma lei varivel aleatria mnimo
subjacente a tal amostra.
Existem naturalmente resultados de estimao e de previso para valores mnimos,
anlogos aos que foram apresentados para valores mximos, que decorrem
diretamente da relao min {x
1
, x
2
, , x
n
} = max { x
1
, x
2
, , x
n
}, a qual vlida para
qualquer conjunto de nmeros reais.
Para estimar os parmetros desconhecidos destas leis, usa-se um argumento muito
simples. Com efeito, atendendo relao j apresentada, min {x
1
, x
2
, , x
n
} = max {
x
1
, x
2
,, x
n
}, face a uma amostra de mnimos, comea-se por ordenar de forma
ascendente os seus simtricos. Gera-se assim uma amostra de mximos que poder
ser tratada com o procedimento j apresentado, concretamente no que respeita ao
ajustamento de uma lei de mximos e consequente estimao dos seus parmetros
desconhecidos. Nota-se que a amostra de mximos gerada por este processo no
uma amostra de mximos do fenmeno em estudo.