ANNA CAROLINA MARTINS DE OLIVEIRA

CRISTIANE JULIO GONÇALVES

ESTUDO DE REGIONALIZAÇÃO DE VAZÕES PARA

A BACIA DO RIO PARANAÍBA

Projeto apresentado ao
Departamento de Engenharia Civil
da Universidade Federal de Viçosa,
como parte das exigências de
conclusão do curso de Engenharia
Ambiental.

VIÇOSA
MINAS GERAIS – BRASIL
2017
 UNIVERSIDADE FEDERAL DE VIÇOSA
CENTRO DE CIÊNCIAS EXATAS
DEPARTAMENTO DE ENGENHARIA CIVIL

PROJETO FINAL DE CURSO

ESTUDO DE REGIONALIZAÇÃO DE VAZÕES PARA

A BACIA DO RIO PARANAÍBA

Anna Carolina Martins de Oliveira

Cristiane Júlio Gonçalves
Estudantes de graduação em Engenharia Ambiental

Josiane Rosa Silva de Oliveira

MS, IAF - CAF- UFV
Orientadora
Fernando Falco Pruski
Ds., DEA-UFV
Co-orientador

VIÇOSA
MINAS GERAIS – BRASIL
2017
 Sumário

1. Caracterização do problema ............................................................................................ 1

2. Objetivo ........................................................................................................................... 3
3. Revisão de Literatura ....................................................................................................... 3
3.1. Regionalização de vazões ......................................................................................... 3
3.2. Regiões hidrologicamente homogêneas ................................................................... 4
3.3. Limitações da regionalização ................................................................................... 5
3.4. Avaliação do desempenho da regionalização de vazões .......................................... 6
4. Metodologia..................................................................................................................... 7
4.1. Área de estudo .......................................................................................................... 7
4.2. Dados utilizados ....................................................................................................... 8
4.3. Identificação das regiões homogêneas ................................................................... 14
4.4. Obtenção das equações que permitam associar a vazão com variáveis topológicas e
climáticas nas regiões definidas ............................................................................. 16
4.4.1. Modelos de regressão a serem analisados ...................................................... 16
4.4.2. Variáveis dependentes e independentes ......................................................... 16
4.4.2.1. Variáveis dependentes ........................................................................... 16
4.4.2.2. Variáveis independentes ........................................................................ 17
4.4.3. Análise de desempenho.................................................................................. 17
4.4.3.1. Análise de desempenho estatístico......................................................... 17
4.4.3.2. Análise de desempenho físico ................................................................ 17
5. Resultados e discussão .................................................................................................. 19
5.1. Identificação das regiões hidrologicamente homogêneas ....................................... 19
5.2. Obtenção das equações ........................................................................................... 20
5.2.1. Variáveis dependentes e independentes ......................................................... 20
5.2.2. Regionalização da vazão média de longa duração (Qmld) .............................. 24
5.2.3. Regionalização da vazão mínima associada a uma permanência de 90%
(Q90).............. ................................................................................................. 26
5.2.4. Regionalização da vazão mínima associada a uma permanência de 95%
(Q95).............. ................................................................................................. 29
5.2.5. Regionalização da vazão mínima de sete dias e período de retorno de 10 anos
(Q7,10) ........................................................................................................... 31
6. Conclusões..................................................................................................................... 34
1. Caracterização do problema

A disponibilidade hídrica é um tema que vem sendo discutido e colocado em pauta,

não apenas no Brasil como também no mundo, por ser um fator que tem consequências
ambientais, sociais e econômicas de grande magnitude. O conhecimento da disponibilidade
dos recursos hídricos é de fundamental importância, uma vez que a relação entre oferta e
demanda deve ser balanceada, de forma a não comprometer as características naturais da
hidrografia.
Existem diferentes formas de caracterizar a disponibilidade hídrica de um rio, entre
elas a natural também conhecida como “a fio d’água”, representada pelas vazões mínimas,
e a potencial, determinada pelas vazões médias de longa duração que estão relacionadas às
vazões passíveis de regularização em um curso d’água. A obtenção dos dados de vazão é
realizada por medições feitas em estações fluviométricas que de acordo com Lima (2001),
ainda apresenta cobertura mundial da rede hidrométrica inadequada, principalmente em
países em desenvolvimento. Alguns dos fatores que podem restringir a análise do
comportamento hidrológico em uma bacia são caracterizados pela baixa densidade e má
distribuição espacial das estações. Além disso, muitas vezes estão presentam problemas de
operação, como ausência de dados ou erros de medição, sendo necessária a correção dos
dados brutos por meio da consistência. E, mesmo que haja uma alta densidade de estações,
a rede hidrométrica não é capaz de cobrir todos os pontos da hidrografia, dificultando o
acesso a dados que são necessários ao gerenciamento dos recursos hídricos de uma região.
Tendo em vista a falta de informações, temporais e espaciais, e a necessidade de supri-la,
utiliza-se a regionalização de vazões, uma das técnicas de fundamental importância para
compensar essa deficiência (OLIVEIRA, 2008).
Fill (1987) define a regionalização como sendo o processo pelo qual se realiza a
transferência de informações das estações pluviométricas e fluviométricas de um local para
outro. Segundo Nunes et al. (2013), essa é uma técnica que relaciona as características
físicas e climáticas da bacia com os processos hidrológicos que nela ocorrem. A
regionalização envolve as seguintes etapas: determinação dos limites da área a ser estudada,
definição das variáveis dependentes e explicativas da regionalização, seleção dos dados das
variáveis, definição das regiões homogêneas e obtenção das relações regionais.
Os métodos mais empregados para a regionalização de vazões são os que utilizam a
“transferência de equações e parâmetros relacionados com a estatística” (ELETROBRÁS,

1
1985a). Dentre estes métodos, se destaca o método das regressões regionais. Este método
baseia-se na identificação de regiões hidrologicamente homogêneas e no ajuste de equações
de regressão entre as diferentes variáveis a serem regionalizadas. Como as regiões
hidrologicamente homogêneas consistem em áreas com comportamento hidrológico
semelhante é possível a transferência de informações de um local para outro dentro de uma
única região homogênea. Assim, torna-se possível o conhecimento da disponibilidade
hídrica ao longo da hidrografia e, consequentemente, melhor planejamento e gestão de
recursos hídricos, sobretudo nas regiões onde já se evidenciam conflitos pelo uso da água.
Em muitas regiões do Brasil, a dinâmica produtiva está predominantemente
relacionada ao agronegócio, mas também se pode notar influência do setor de comércio e
serviços nas proximidades dos centros urbanos. Essa é a situação encontrada na região
central do Brasil, onde se localiza a Bacia Hidrográfica do rio Paranaíba. A bacia abrange
os estados de Goiás, Minas Gerais, Mato Grosso do Sul e o Distrito Federal, que
correspondem a 63,3%, 31,7%, 3,4% e 1,6% da área total da bacia, respectivamente (CBH-
Paranaíba, 2017).
O potencial econômico da região abrangida pela bacia do Paranaíba é imenso. No
estado de Goiás, por exemplo, 2/3 do PIB saem de cidades margeadas por rios e córregos da
bacia do Paranaíba, principalmente os rios Meia Ponte, Corumbá, dos Bois, Turvo, São
Marcos, Veríssimo, Verde e Piracanjuba. Além disso, “conflitos pelo uso dos recursos
hídricos têm motivado sérios problemas na região do Sudoeste Goiano. Já se registraram
crimes e atentados quando da instalação de pivôs centrais para irrigação e de barramentos
para desvios de rios. Os principais conflitos são devidos à insuficiência hídrica para o
abastecimento de grandes centros urbanos, pela deterioração da qualidade das águas pelo
lançamento de esgotos domésticos sem tratamento adequado e pelo uso indiscriminado para
irrigação sem considerar os usos múltiplos da água” (IGAM, 2011).
Portanto, a bacia do rio Paranaíba está localizada em uma região onde há
predominância de atividade agropecuária e grande contingente populacional, se tornando
essencial o conhecimento de informações hidrológicas, sobretudo relacionadas a
disponibilidade hídrica, contribuindo de fato para melhor gestão dos recursos hídricos na
bacia.

2
2. Objetivo

Realizar estudo de regionalização da vazão média de longa duração (Q mld) e das

vazões mínimas (Q95, Q90 e Q7,10) para a bacia do rio Paranaíba.

3. Revisão de Literatura

3.1. Regionalização de vazões

Os recursos hídricos estão sob ameaça em diversas regiões do mundo

(SIVAPALAN et al., 2003) e tem sido um desafio melhorar a gestão desses recursos para a
presente e as futuras gerações (SAFAVI et al, 2015). Para isso, é fundamental o
conhecimento do comportamento hidrológico dos cursos d’água, bem como seus regimes
de vazões, de forma a auxiliar em um bom gerenciamento do potencial hídrico de uma
determinada região e também em decisões político-administrativas relacionadas ao uso da
água (GONG et al., 2010).
O volume de água que escoa por unidade de tempo em uma ou mais seções de uma
bacia hidrográfica, conhecida como vazão, é a principal variável utilizada na gestão dos
recursos hídricos. Esses dados brutos são coletados em estações fluviométricas espalhadas
nas regiões hidrográficas. O estabelecimento de uma boa rede hidrológica e a sua
manutenção ininterrupta são fundamentais na condução de estudos hidrológicos, já que a
precisão das estimativas das variáveis hidrológicas depende da disponibilidade de dados
primários confiáveis (OLIVEIRA, 2008).
A vazão de um rio pode ser caracterizada como sendo máxima, média ou mínima,
podendo ser estudada com base em sua probabilidade de ocorrência ou em períodos de
retorno devido à sua variação natural ao longo do tempo. A disponibilidade hídrica é
avaliada em termos de vazões médias e mínimas (NOVAES et al., 2009). A vazão média de
longa duração representa a máxima vazão passível de regularização em um curso d’água,
abstraindo-se perdas por evaporação e infiltração, permitindo a quantificação da
disponibilidade de água na bacia e o volume de regularização. A vazão mínima, por sua
vez, é caracterizada pela magnitude, duração e frequência, representando a disponibilidade
natural de curso d’água (SMAKHTIN, 2001), utilizada em projetos de irrigação e de
energia elétrica, além da concessão do uso da água para uma determinada finalidade
(PRUSKI et al, 2006). Para fins de outorga, são utilizadas as vazões mínimas Q7,10, Q95 e
Q90. A Q7,10 é a menor vazão média de 7 dias consecutivos em um período de retorno de 10
3
anos. As Q95 e Q90 são os menores valores de vazão que ocorrem em 95% ou 90% do
tempo, respectivamente.
O uso de modelos hidrológicos se torna limitado em locais cujas informações sobre
a disponibilidade hídrica são restritas, uma vez que os dados históricos necessários para a
calibração dos modelos não existem (JAVEED; APOORVA, 2015). Para tais casos, são
amplamente utilizadas as técnicas de regionalização, que se baseiam em uma gama de
metodologias estatísticas para transferência de informações, de locais onde há dados para
outros onde os registros são insuficientes, falhos ou inexistentes (LAAHA; BLÖSCHL,
2006).
A regionalização é uma ferramenta de grande relevância na estimativa da
disponibilidade hídrica de longa duração para usos como geração de energia e irrigação, e
na previsão probabilística de riscos de enchentes (TUCCI, 2002). Portanto, esta é uma
técnica eficiente no planejamento e gestão dos recursos hídricos uma vez que permite a
obtenção de variáveis hidrológicas como vazões máximas, médias de longo termo e
mínimas, de forma simples e rápida, de acordo com a necessidade dos órgãos
administrativos dos recursos hídricos.
Nos estudos de regionalização, o banco de dados compreende as características
físicas e climáticas da bacia, bem como as variáveis dependentes. As características físicas
são geralmente expressas pela área de drenagem, comprimento do rio principal, declividade
e densidade de drenagem. A escolha dessas variáveis leva em consideração sua praticidade
de mensuração, e quão bem essas propriedades explicam o comportamento das vazões na
bacia. Depois de criado o banco de dados, é importante estabelecer uma relação entre as
características da bacia e as variáveis em questão, definindo assim o método da
regionalização (RAZAVI; COULIBALY, 2013). Segundo estes autores, existem diversos
métodos de regionalização que podem ser utilizados para descrever essa relação.
Um dos métodos de regionalização de vazões é o método baseado em regressão, no
qual os parâmetros são estimados por equações de regressão múltipla (BAO et al., 2012).
Essa técnica se baseia em ajustar equações de regressão entre as características fisiográficas
e climáticas e as variáveis a serem regionalizadas.

3.2. Regiões hidrologicamente homogêneas

É muito importante no processo de transferência de informações que as bacias

4
formem um grupo relativamente homogêneo (POST; JAKEMAN, 1999), uma vez que
todas as metodologias de transferência de informações entre bacias são fundamentadas na
hipótese de que as regiões em questão são semelhantes e vão responder de forma
semelhante às mesmas entradas (STOLL; WEILER, 2010), não apenas em termos de
conformidade geográfica, como também em termos de proximidade hidrológica
(AGARWAL et al., 2016).
O processo de agrupamento das bacias em regiões homogêneas é importante porque
potencializa o estudo de regionalização, aumentando suas chances de ser bem-sucedido,
uma vez que as análises de regressão regional, por exemplo, podem ser executadas para
sub-regiões (SAMUEL et al., 2014). Esta é uma das etapas mais difíceis do processo de
regionalização e requer julgamentos subjetivos (LIN; CHEN, 2006), além de necessária
para a continuidade das análises (GARCÍA-MARÍN et al., 2015). Existem diversas formas
de identificação e delimitação das regiões homogêneas, mas nenhuma delas possui um
critério totalmente objetivo ou uma solução consensual, sendo geralmente determinada para
cada estudo (NAGHETTINI; PINTO, 2007).

3.3. Limitações da regionalização

A regionalização de vazões é amplamente considerada como uma tarefa desafiadora

na hidrologia (SAMUEL et al, 2011), pois, além da existência de sérias limitações ligadas à
extrapolação de seus resultados, sobretudo para bacias de menor porte, e à descontinuidade
das vazões estimadas ao longo da hidrografia, existem algumas outras limitações que
podem interferir diretamente nos seus resultados. Para Dunne; Leopold (1978), limitações
de extrapolação podem ser causadas por diferenças nas características hidrológicas ao
longo de escalas espaciais, especialmente se a bacia em estudo abrange várias regiões
climáticas ou geológicas.
Outra limitação é refletida quanto à qualidade dos dados disponíveis sendo essencial
à regionalização precisando ser analisada antes da elaboração de qualquer estudo sobre o
assunto (SILVEIRA et al., 2012). No entanto, estas informações estão sujeitas a diversos
tipos de erros, sejam eles grosseiros, como por exemplo, erros de observação do leitor, ou
erros causados pelas mudanças dos ajustes das curvas-chaves advindas da cota de nível
d’água, devido a alterações em tendências históricas, a realocação de estações ou até
mesmo mudanças nos processos de medição (MIZUKAMI; SMITH, 2012).

5
3.4. Avaliação do desempenho da regionalização de vazões

A avaliação do desempenho dos modelos utilizados é uma das etapas finais do

processo de regionalização. Depois de estabelecida a relação entre as características da
bacia e as variáveis de interesse, é fundamental a validação dos modelos antes que estes
sejam executados em áreas não monitoradas (RAZAVI; COULIBALY, 2013).
Geralmente, o funcionamento dos modelos é avaliado de forma estatística, por
medidas do erro, como erro médio absoluto, erro quadrático relativo médio, erro médio
percentual, coeficiente de determinação, coeficiente de Nash-Sutcliffe e validação cruzada
(SAMUEL; COULIBALY; METCALFE, 2011).
De acordo com Wagener et al (2004) é recomendável que as incertezas sejam
consideradas, porque estão presentes em diversas etapas do processo de regionalização,
como na seleção das propriedades das bacias, identificação das estações, estrutura dos
modelos e seus parâmetros. Sendo assim, é fundamental que o comportamento das vazões
regionalizadas pelo método escolhido seja analisado, principalmente nas áreas de
extrapolação das equações.
Segundo Li et al. (2009), a estimativa de vazões ao longo da hidrografia apenas por
análise estatística não é suficiente. A aplicação dos modelos de regionalização fora dos
limites da regressão promove maior insegurança das estimativas de vazões (NAGHETTINI;
PINTO, 2007), pois estes apresentam grande amplitude de variação em regiões nas quais a
extrapolação é feita, podendo conduzir a superestimativa de vazões mínimas, e
consequentemente, o possível não atendimento de demandas concedidas com base nessas
vazões (PRUSKI et al., 2012).
Nesse contexto, é importante a utilização de procedimentos que auxiliem no
entendimento do comportamento físico de um processo, a fim de se extrair maiores
informações relativas aos dados disponíveis (PRUSKI et al., 2012).

6
4. Metodologia

4.1. Área de estudo

A bacia hidrográfica do Rio Paranaíba (Figura 1) é a segunda maior unidade

hidrográfica da Região Hidrográfica do Paraná, está localizada entre paralelos 15° e 20° de
latitude sul e os meridianos 45° e 53° de longitude oeste, drena uma área de mais de
220.000 km², e abrange 197 municípios e o Distrito Federal, incluindo duas metrópoles,
como Brasília e Goiânia, e uma capital regional, Uberlândia (PRH-Paranaíba, 2011).
O rio Paranaíba, principal rio da bacia, nasce no estado de Minas Gerais, na Serra da
Mata da Corda, no município de Rio Paranaíba, percorre 1.160 km até sua foz, onde une-se
ao rio Grande, dando origem ao rio Paraná. Além disso, é limítrofe dos estados de Minas
Gerais e Goiás, e também de Minas Gerais com Mato Grosso do Sul.

Figura 1 - Localização da bacia hidrografia do Rio Paranaíba.

7
 Destacam-se, na bacia do rio Paranaíba, nove aquíferos de grande
representatividade e importância na dinâmica dos recursos hídricos da região de estudo.
São eles: Cristalino Sudeste de Goiás, Canastra, Paranoá, Araxá, Bambuí, Aquidauana,
Guarani, Serra Geral e Bauru, (PRH-Paranaíba, 2011). Os aquíferos são responsáveis pela
retenção de água e disponibilização desta através de rios e poços; e também pelo
armazenamento da água de recarga que abastecem os rios nos períodos de estiagem. Assim,
a disponibilidade hídrica na região é também relação entre as águas superficiais e
subterrâneas da bacia.
A bacia do rio Paranaíba se caracteriza, segundo a classificação climática de
Köppen, pelo tipo “Aw”, que corresponde ao clima tropical quente em todas as estações do
ano (temperatura média mensal maior ou igual a 18° C) com inverno seco, não havendo
variações extremas de precipitação e evapotranspiração entre as Unidades de Gestão
Hídrica (UGH) da bacia (OLIVEIRA, 2017). O regime hidrológico dos rios desta bacia é
regulado pela estação das chuvas (entre outubro e março), bem demarcada nesta região do
Brasil, e nos demais seis meses do ano as chuvas são rarefeitas (CBH-Paranaíba, 2017).
Uma vez que essa é uma bacia que se encontra na região central do país, o
agronegócio é uma das principais atividades da região. Em termos de produção agrícola, as
maiores produções da região são a soja, o milho e a cana-de-açúcar. Já em relação a
pecuária, os principais rebanhos são os bovinos, aves e suínos (PRH-Paranaíba, 2011).
Além da agricultura e agropecuária, a bacia hidrográfica do rio Paranaíba tem uma
importância significativa na produção de energia hidrelétrica no país, uma vez que algumas
das principais usinas do Brasil como São Simão, Cachoeira Dourada, Itumbiara,
Emborcação, Nova Ponte e Corumbá I se encontram dentro dos limites da bacia.

4.2. Dados utilizados

Foram utilizadas séries históricas com dados consistidos, de 73 estações

fluviométricas pertencentes à rede hidrometeorológica do Sistema de Informações
Hidrológicas (HidroWeb) da Agência Nacional das Águas – ANA, tendo sido estes dados
adquiridos em 23 de setembro de 2017. A espacialização das vazões regionalizadas para
cada trecho do curso d’água foi feita considerando a Base Hidrográfica Ottocodificada
Multiescalas 2013 (versão 1.3 de 22/07/2014), na escala 1:250.000, obtida no banco de
dados da Agência Nacional das Águas (Metadados da ANA).

8
 Na Figura 2 é apresentado o mapa com a localização das estações e na Tabela 1 as
informações relativas ao código, ao nome, à latitude, à longitude, obtidas no HidroWeb; e a
área das estações, por meio do uso de ferramentas de geoprocessamento.

Figura 2 - Localização das estações fluviométricas na bacia do Rio Paranaíba.

Tabela 1 - Estações fluviométricas que serão utilizadas no estudo

Código Estação Latitude Longitude Área (km²)
60010000 Santana de Patos -18,841 -46,551 2733,37
60011000 Patos de Minas -18,602 -46,539 3796,42
60020000 Ponte São Marcos -17,029 -47,159 4423,89
60030000 Campo Alegre de Goiás -17,504 -47,557 8382,83
60040000 Fazenda São Domingos -18,111 -47,692 10746,20
60050000 Davinópolis -18,117 -47,62 920,81
60100000 Charqueada do Patrocínio -18,901 -46,966 78,28
60110000 Abadia dos Dourados -18,491 -47,406 1951,77
60130000 Fazenda Cachoeira -18,781 -47,409 130,88
60145000 Iraí de Minas -18,978 -47,456 91,83
60150000 Estrela do Sul -18,738 -47,690 872,55
60200000 Estação Veríssimo -17,973 -48,177 3178,68
60220000 Desemboque -20,014 -47,017 1067,41

9
Tabela 1 - Continuação
Código Estação Latitude Longitude Área (km²)
60250000 Fazenda São Mateus -19,518 -46,570 1300,98
60265000 Ibiá -19,475 -46,542 1364,41
60381000 Fazenda Letreiro -18,988 -48,190 773,49
60430000 Ponte Anápolis - Brasília -16,146 -48,602 1649,92
60432000 Ribeirão das Antas -16,298 -48,803 223,08
60435000 Descoberto - Chácara 89 -15,708 -48,235 114,71
60435100 Chapadinha -Aviário - DF 180 -15,699 -48,212 18,83
60435200 Rodeador - DF 435 -15,725 -48,168 109,71
60435300 Capão Comprido- Descoberto -15,746 -48,163 15,54
60435400 Ribeirão das Pedras -DF-180 -15,761 -48,160 74,98
60476100 DF-06 / DF 250 -15,741 -47,674 691,53
60477200 Três Barras - Jusante Santa Maria -15,666 -47.953 39,20
60477400 Torto - Lago (Montante Paranoá) -15,712 -47,878 232,99
60477600 Bananal - Epia 003 -15,727 -47,910 129,95
60478500 Gama - Base Aérea -15,871 -47,896 135,28
60478600 Dom Bosco - Cabeça de Veado -15,856 -47,857 31,24
60490000 DF-18 / BR 251 -15,947 -47,668 2127,37
60500000 Uhe Batalha Rio São Bartolomeu -16,538 -47,800 4123,25
60540000 Uhe Corumbá I Rio Piracanjuba -17,131 -48,137 3678,30
60545000 Pires do Rio -17,327 -48,239 20689,20
60590000 Fazenda Papua -17,700 -48,850 2364,77
60615000 Fazenda Cachoeira -18,698 -48,781 194,43
60635000 Inhumas -16,346 -49,494 532,46
60640000 Montante de Goiânia -16,614 -49,280 1740,12
60642000 Captação João Leite -16,632 -49,244 759,76
60650000 Jusante de Goiânia -16,681 -49,196 2833,05
60653000 Ribeirão das Caldas -16,458 -48,897 51,47
60654000 Fazenda Sucuri -16,914 -49,105 1292,03
60665000 Professor Jamil -17,254 -49,275 1200,37
60675000 Aloândia -17,753 -49,458 9587,62
60680000 Ponte Meia Ponte -18,349 -49,602 11501,29
60700000 Anicuns -16,465 -49,943 561,96
60715000 Fazenda Boa Vista -17,107 -49,688 4639,07
60750000 Fazenda Nova do Turvo -17,079 -50,289 2641,18
60765000 Barra do Monjolo -17,732 -50,181 7871,64
60772000 Fazenda Santa Maria -17,981 -50,247 17255,84
60774000 Montividiu -17,359 -51,075 1016,19
60778000 Fazenda Monte Alegre -17,331 -50,774 807,19
60781000 Ponte Rodagem -17,326 -50,682 5951,50
60785005 Fazenda Paraíso -17,466 -50,774 1168,98
60790000 Ponte Rio Verdão -17,541 -50,556 8755,02
60798000 Maurilândia -17,968 -50,333 12792,60

10
Tabela 1 - Continuação
Código Estação Latitude Longitude Área (km²)
60805000 Ponte Sul Goiana -18,071 -50,172 30670,00
60810000 Fazenda Aliança -18,105 -50,031 1357,37
60835000 Fazenda Paraíso -19,237 -48,567 1538,72
60845000 Ituiutaba -18,941 -49,450 6309,78
60850000 Fazenda Buriti do Prata -19,360 -49,180 2450,42
60855000 Ponte do Prata -19,035 -49,697 5224,48
60870000 Quirinópolis -18,498 -50,529 1629,23
60895000 Ponte Rio Doce -17,861 -51,390 1283,01
60907000 Fazenda Rondinha -19,079 -50,651 13591,26
60910000 Ponte do Cedro -17,579 -52,601 642,80
60925001 Ponte São Domingos -19,208 -50,663 3509,94
60930000 Fazenda Formoso -18,407 -52,533 1471,74
60940000 Campo Alegre -18,512 -52,096 3159,00
60950000 Canastra -19,100 -51,149 6770,99
60960000 Barra do Prata -18,845 -52,213 1205,25
60965000 Aporé -18,986 -51,913 4062,99
60968000 Cassilândia -19,108 -51,721 4712,02
60970000 Itajá -19,140 -51,534 5237,58

O período base foi selecionado para que as estações fluviométricas apresentassem

no mínimo 20 anos com mais de 95% dos dados, sendo definido o período de 1976 a 2006.
Na Tabela 2 é apresentado o diagrama de barras correspondentes às 73 estações
fluviométricas consideradas no estudo.

11
Tabela 2 – Diagrama de barras das estações fluviométricas utilizadas no estudo
19 20
Estação/Ano
76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06
60010000
60011000
60020000
60030000
60040000
60050000
60100000
60110000
60130000
60145000
60150000
60200000
60220000
60250000
60265000
60381000
60430000
60432000
60435000
60435100
60435200
60435400
60635000
60615000
60590000
60545000
60540000
60500000
60970000
60968000
60965000
60960000
60950000
60940000
60930000
60925001
60910000
Tabela 2 – Continuação
19 20
Estação/Ano
76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 00 01 02 03 04 05 06
60907000
60895000
60870000
60855000
60850000
60845000
60835000
60810000
60805000
60798000
60790000
60785005
60781000
60778000
60774000
60772000
60765000
60750000
60715000
60700000
60680000
60675000
60665000
60654000
60653000
60650000
60642000
60640000
60435300
60476100
60477200
60477400
60477600
60478500
60478600
60490000
Legenda: Anos com mais de 95% dos dados
 Os valores de precipitação ao longo da bacia do rio Paranaíba, foram obtidos a
partir do mapa de precipitação (Figura 3) apresentado no “Estudo de regionalização de
vazão para o aprimoramento do processo de outorga no Estado de Minas Gerais” (IGAM,
2012), que considerou 82 estações pluviométricas presentes na bacia com no mínimo 20
anos de dados com mais de 95% dos dados, sendo definido o período de 1976 a 2005.

Figura 3 – Mapa de precipitação para a bacia do rio Paranaíba (IGAM, 2012).

4.3. Identificação das regiões homogêneas

O método de regionalização de vazões empregado foi o das regressões regionais,

cujo procedimento para aplicação envolve, inicialmente, a definição prévia das regiões
hidrologicamente homogêneas. Para a definição destas regiões, foi utilizada a análise de
agrupamentos, também conhecida como análise de cluster ou de conglomerados. Esta é
uma técnica estatística multivariada, que tenta sintetizar ou simplificar a estrutura de
variabilidade dos dados (MATOS, 2007) e tem como objetivo a organização destes em
grupos com características diferentes uns dos outros, mas com os membros internos
compartilhando características similares entre si (RAO; SRINIVAS, 2006).
Foi adotado o método de agrupamento particional do tipo K-means, que busca
encontrar o melhor particionamento dos n objetos em k grupos, e a distância euclidiana

14
generalizada (equação 1), como medida de similaridade/dissimilaridade entre os objetos.
2

 Z  Z jk 
p
D ij  ik
(1)
k 1

em que: Dij = distância euclidiana entre dois indivíduos i e j; Zi = característica relacionada

ao indivíduo i; e Zj = característica relacionada ao indivíduo j.

Visando encontrar a melhor configuração de grupos para definição das regiões

hidrologicamente homogêneas, avaliou-se a consideração de 4 agrupamentos, com as
vazões médias mensais nas estações fluviométricas e as informações geográficas (latitude e
longitude) destas estações como variáveis para a análise.
Para a exclusão de estações fluviométricas com comportamento inconsistente, ou
seja, que possam conter informações hidrológicas discrepantes em relação ao conjunto de
dados da bacia em que elas se encontram, utilizou-se um recurso da estatística descritiva
que identifica outliers em uma distribuição de dados, o Box Plot, também chamado de Box
and Whisker Plot.
Considerando também o fato de que as vazões médias mensais e as informações
geográficas das estações apresentam diferentes unidades e escalas, o que pode interferir no
resultado das análises, foi feita a normalização destas variáveis, por meio da equação 2,
antes da aplicação do método de agrupamento.

xi  x
zi  (2)
s

em que: zi = valor da variável xi normalizado para os dados de uma estação ou ponto

amostral i, adimensional; x= média do valor da variável, unidade de medida da variável; e s
= desvio padrão da variável, unidade de medida da variável.

Os grupos formados foram avaliados pelas medidas de discordância (Di) e de

heterogeneidade (H), estatisticamente baseadas em momentos-L, conforme descrição de
Hosking e Wallis (1997). A medida de discordância foi aplicada com a finalidade de
identificar, dentro dos grupos formados, estações com características estatísticas muito
discrepantes das demais e a medida de heterogeneidade foi usada para avaliar o grau de
heterogeneidade de uma região pela comparação entre a variabilidade amostral observada e
15
a variabilidade esperada para uma região homogênea.
Todas as análises para definição das regiões hidrologicamente homogêneas foram
feitas utilizando o programa R.

4.4. Obtenção das equações que permitam associar a vazão com variáveis
topológicas e climáticas nas regiões definidas

A segunda etapa do processo de regionalização de vazões pelo método das

regressões regionais envolve a obtenção das equações que permitam associar a vazão com
variáveis topológicas e climáticas nas regiões definidas.

4.4.1. Modelos de regressão a serem analisados

A análise de regressão permite estabelecer como as variações em uma ou mais

variáveis independentes afetam a variação da variável dependente. Neste estudo, as
equações foram obtidas a partir da análise de regressões, utilizando os modelos linear
(equação 3) e potencial (equação 4).

Qlin a b (3)
b
Qpot a (4)

em que: Qlin = vazão estimada pelo modelo linear, m³ s-1; Qpot = vazão estimada pelo
modelo potencial, m³ s-1, a e b = parâmetros de ajuste dos modelos, adimensionais; e X =
variável explicativa.

4.4.2. Variáveis dependentes e independentes

4.4.2.1. Variáveis dependentes

As variáveis dependentes analisadas no estudo foram a vazão média de longa

duração (Qmld), as mínimas associadas à permanência de 90% (Q90) e de 95% (Q95) e a
vazão mínima com sete dias de duração e período de retorno de 10 anos (Q7,10).
Todas as variáveis dependentes foram obtidas, para as estações fluviométricas,
utilizando o programa SisCAH 1.0 - Sistema Computacional para Análises Hidrológicas
(SOUSA, 2009).

16
4.4.2.2. Variáveis independentes

As variáveis independentes utilizadas no estudo representam as características

físicas e climáticas da bacia. A característica física da bacia utilizada foi a área de
drenagem. Com relação às variáveis climáticas, foi considerado o uso da vazão equivalente
ao volume precipitado em determinada área de drenagem (equação 5), e a vazão
equivalente levando em consideração o fator de abstração da precipitação igual a 750 mm
(equação 6).

PA
Peq  (5)
k

em que: Peq = vazão equivalente ao volume precipitado, m³ s-1; P = precipitação média

anual na área de drenagem considerada, mm; A = área de drenagem, km²; e k = fator de
conversão, o qual é igual a 31.536.

(P  750)  A
Peq  (6)
k

em que: Peq750 = vazão equivalente ao volume precipitado considerando a subtração do

fator de abstração igual a 750 mm, m³ s-1.

4.4.3. Análise de desempenho

4.4.3.1. Análise de desempenho estatístico

Uma vez obtidas as equações de regionalização, procedeu-se a seleção da equação

que conduziu à condição mais representativa das vazões para a bacia. Para tal, foram
analisados os melhores ajustes estatísticos, com base no maior coeficiente de determinação
ajustado (R²), menor erro padrão e menores amplitudes dos valores dos resíduos.

4.4.3.2. Análise de desempenho físico

Visando uma análise mais criteriosa do comportamento físico das vazões obtidas
pelos modelos de regionalização aplicados foi utilizado o coeficiente de escoamento
(equação 7) para a análise das vazões médias de longa duração e a vazão específica
(equação 8) para a análise das vazões mínimas, conforme proposto por Rodriguez (2008).

17
 O coeficiente de escoamento superficial caracteriza a relação entre o volume que
escoa na seção de deságue considerada e o volume total precipitado na área de drenagem. O
volume que escoa na seção de deságue é calculado pelo produto da vazão média de longa
duração, em m³ s-1, e do número de segundos existentes no ano.

VT(escoado)
CE (7)
VT(precipitado)

em que: CE = coeficiente de escoamento superficial, adimensional; VT (escoado) = volume

médio anual que escoa na seção de deságue, m³; e V T (precipitado) = volume médio anual que
precipita na área de drenagem, m³.

Qmin
qmin (8)
A

em que: qmin = vazão específica mínima; Qmin = vazão mínima, L s-1; e A = área de
drenagem, km2.

Considerando que o coeficiente de escoamento apresenta uma faixa de variação que

em geral é de zero a um, e que as equações de regionalização tendem normalmente a
apresentar uma grande amplitude de variação destes valores nas regiões de montante em
que a extrapolação é feita, foi realizada a análise do coeficiente de escoamento ao longo de
toda a hidrografia a fim de impor um limite para a extrapolação destas equações referentes
à vazão média de longa duração.
Portanto, considerou um determinado valor de coeficiente de escoamento superficial
para cada região como um limitador para as estimativas das vazões médias, sendo este
valor limite obtido pelos dados observados nas estações fluviométricas.
Desta forma, nos casos em que o coeficiente de escoamento estimado no trecho da
base hidrográfica foi maior que o valor limite, a vazão média de longa duração foi estimada
pela equação:

Qmld ajust CElim Peq (9)

em que: Qmld,ajust = vazão média de longa duração ajustada com base no coeficiente de
escoamento limite, m3 s-1; e CElim = coeficiente de escoamento utilizado como limite para a
extrapolação da equação de regionalização, adimensional.
18
 Considerou-se como valor limite do coeficiente de escoamento superficial o maior
valor evidenciado nas estações fluviométricas na região homogênea correspondente.
Procedimento similar foi utilizado para as vazões mínimas, entretanto tendo como
variável de análise a vazão mínima específica (q95, q90 ou q7,10). Portanto, quando a vazão
mínima específica estimada pela equação de regionalização no trecho for maior que o valor
de vazão específica selecionado para a região hidrologicamente homogênea, a vazão
mínima em questão (Q95, Q90 ou Q7,10) foi estimada pela equação:

Qmí ajust q lim

A ( 10 )

em que: Qmín_ajust = vazão mínima (Q95, Q90 ou Q7,10) ajustada com base na vazão específica
limite, m3 s-1; qmín_lim = vazão específica mínima (q95, q90 ou q7,10), utilizada como limite
para a extrapolação da equação de regionalização, m³ s-1 km-2; e A = área de drenagem a
montante, km².

Embora se reconheça a tendência da grande amplitude de variação da vazão

específica para pequenas áreas de drenagem, considerou-se que a utilização do critério
proposto permitirá minimizar o risco de superestimativa das vazões para as regiões onde é
feita a extrapolação.

5. Resultados e discussão

5.1. Identificação das regiões hidrologicamente homogêneas

Primeiramente, pela análise do Box Plot do coeficiente de escoamento, constatou-se

que as estações 60100000 e 60477200 foram caracterizadas como “outliers”, sendo,
portanto, retiradas da análise de agrupamentos. Em seguida, foi feita a análise de
agrupamentos, resultando nas quatro regiões hidrologicamente homogêneas (RHH)
apresentadas na Figura 4.
As medidas de discordância e de heterogeneidade resultaram na consideração de
todas as regiões formadas como regiões homogêneas.

19
Figura 4 - Regiões hidrologicamente homogêneas na bacia do rio Paranaíba

5.2. Obtenção das equações

5.2.1. Variáveis dependentes e independentes

Definidas as regiões homogêneas, realizou-se uma análise de Box Plot em cada

região para identificar a presença de estações com comportamento inconsistente. A partir
disso, as estações 60100000 e 60477200 foram caracterizadas como outliers para as regiões
1 e 3, respectivamente.
Nas Tabelas 3, 4, 5, 6 são apresentadas as informações relativas ao código, ao
nome, à Qmld, à Q90, à Q95, à Q7,10, à A, à Peq e à Peq750 das estações das regiões
hidrologicamente homogêneas 1, 2, 3 e 4, respectivamente.

20
Tabela 3 – Informações relativas às estações fluviométricas da Região 1
Q90 Q95 Q7,10 A Peq Peq750
Código Estação Qmld (m³/s)
(m³/s) (m³/s) (m³/s) (km²) (m³/s) (m³/s)
60010000 Santana de Patos 47,98 12,77 10,55 7,25 2733,37 128,45 63,45
60011000 Patos de Minas 64,46 16,59 13,57 8,54 3796,42 177,99 87,70
60110000 Abadia dos Dourados 27,80 6,79 5,35 3,06 1951,77 90,45 44,03
60130000 Fazenda Cachoeira 2,18 0,64 0,49 0,22 130,88 6,13 3,02
60145000 Iraí de Minas 1,74 0,66 0,53 0,30 91,83 4,32 2,14
60150000 Estrela do Sul 14,64 6,28 5,39 3,26 872,55 40,75 19,99
60220000 Desemboque 27,66 10,54 9,18 6,97 1067,41 52,87 27,48
60250000 Fazenda São Mateus 30,18 13,43 12,36 9,96 1300,98 63,39 32,45
60265000 Ibiá 28,70 11,52 10,14 6,54 1364,55 65,89 33,44

Tabela 4 – Informações relativas às estações fluviométricas da Região 2

Q90 Q95 Q7,10 A Peq Peq750
Código Estação Qmld (m³/s)
(m³/s) (m³/s) (m³/s) (km²) (m³/s) (m³/s)
60030000 Campo Alegre de Goiás 141,66 41,47 33,10 21,56 8382,83 375,65 176,29
60040000 Fazenda São Domingos 186,46 54,78 46,06 30,52 10746,20 485,79 230,22
60050000 Davinópolis 16,13 4,24 3,42 2,17 920,81 42,49 20,59
60200000 Estação Veríssimo 51,59 14,13 11,73 7,72 3178,68 145,00 69,41
60381000 Fazenda Letreiro 13,82 5,00 4,25 2,71 773,49 36,68 18,28
60590000 Fazenda Papua 35,13 11,48 9,27 6,15 2364,77 104,83 48,59
60615000 Fazenda Cachoeira 3,34 1,57 1,40 1,07 194,43 9,11 4,49
60835000 Fazenda Paraíso 26,98 8,51 6,89 3,94 1538,72 72,93 36,33
60845000 Ituiutaba 103,55 40,52 34,83 25,08 6309,48 294,62 144,57
60850000 Fazenda Buriti do Prata 37,88 12,46 10,82 7,94 2450,42 114,50 56,22
60855000 Ponte do Prata 71,60 23,24 19,24 13,24 5224,48 240,96 116,71

2
3
Tabela 5 – Informações relativas às estações fluviométricas da Região 3
Q90 Q95 Q7,10 A Peq Peq750
Código Estação Qmld (m³/s)
(m³/s) (m³/s) (m³/s) (km²) (m³/s) (m³/s)
60020000 Ponte São Marcos 76,18 20,36 15,11 9,30 4423,89 199,31 94,09
60430000 Ponte Anápolis - Brasília 35,54 12,89 11,09 8,28 1649,92 76,94 37,70
60432000 Ribeirão das Antas 5,94 2,11 1,80 1,24 223,08 10,39 5,08
60435000 Descoberto Chacara 89 2,29 0,75 0,58 0,31 114,71 5,37 2,65
60435100 Chapadinha (Aviário Df-180) 0,46 0,15 0,11 0,05 18,83 0,88 0,43
60435200 Rodeador 1,69 0,27 0,22 0,12 109,71 5,14 2,53
60435300 Capão Comprido (Descoberto) 0,34 0,13 0,10 0,05 15,54 0,73 0,36
60435400 Ribeirão das Pedras (Df-180) 1,60 0,71 0,58 0,43 74,98 3,51 1,73
60477400 Torto - Lago (Montante Paranoá) 2,50 4,14 3,47 2,58 232,99 10,80 5,26
60476100 Df-06 10,39 0,28 0,21 0,11 691,53 31,39 14,94
60477600 Epia 2,24 1,05 0,92 0,60 129,95 5,94 2,84
60478500 Gama - Base Aérea 2,77 0,72 0,58 0,18 135,28 6,14 2,92
60478600 Dom Bosco (Cabeça de Veado) 0,41 0,09 0,06 0,03 31,24 1,42 0,68
60490000 Df-18 35,34 12,83 10,27 8,64 2127,37 96,89 46,30
60500000 Ponte São Bartolomeu 65,23 20,19 16,60 11,68 4123,25 187,49 89,43
60540000 Montes Claros 55,28 18,45 14,91 9,10 3678,30 168,83 81,35
60545000 Pires do Rio 347,53 124,45 103,80 76,08 20689,20 951,72 459,68
60635000 Inhumas 8,07 2,83 2,29 1,48 532,46 23,42 10,76
60640000 Montante de Goiânia 23,67 7,81 6,46 3,82 1740,12 76,55 35,17
60642000 Captação João Leite 10,94 4,02 3,26 1,74 759,76 33,47 15,41
60650000 Jusante de Goiânia 45,63 17,92 15,49 10,45 2833,05 124,68 57,31
60653000 Ribeirão das Caldas 1,05 0,41 0,33 0,21 51,47 2,28 1,05
60654000 Fazenda Sucuri 17,97 7,05 5,55 3,65 1292,03 56,88 26,16
60665000 Professor Jamil 18,81 5,80 4,75 3,18 1200,37 52,81 24,26
60700000 Anicuns 8,83 3,15 2,49 1,84 561,96 23,84 10,48
60715000 Fazenda Boa Vista 55,14 17,44 14,55 9,55 4639,07 196,86 86,53

2
4
Tabela 6 – Informações relativas às estações fluviométricas da Região 4
Q90 Q95 Q7,10 A Peq Peq750
Código Estação Qmld (m³/s)
(m³/s) (m³/s) (m³/s) (km²) (m³/s) (m³/s)
60675000 Aloândia 141,67 50,48 44,41 27,74 9587,62 421,89 193,88
60680000 Ponte Meia Ponte 156,81 52,85 42,79 27,64 11501,29 506,08 232,55
60750000 Fazenda Nova Do Turvo 28,91 7,44 5,65 3,17 2641,18 107,86 45,05
60765000 Barra do Monjolo 88,11 23,30 18,85 10,65 7871,64 321,47 134,26
60772000 Fazenda Santa Maria 190,56 56,57 44,65 25,81 17255,84 718,21 307,83
60774000 Montividiu 22,31 9,99 8,85 6,96 1016,19 41,20 17,04
60778000 Fazenda Monte Alegre 16,37 8,03 7,16 5,59 807,19 32,73 13,53
60781000 Ponte Rodagem 113,87 51,63 45,81 35,95 5951,50 241,31 99,77
60785005 Fazenda Paraíso 22,76 12,69 11,39 9,12 1168,99 47,40 19,60
60790000 Ponte Rio Verdão 156,78 70,19 63,05 48,94 8755,02 354,99 146,77
60798000 Maurilândia 215,14 95,66 85,63 67,62 12792,60 518,69 214,46
60805000 Ponte Sul Goiana 431,35 166,20 142,93 100,06 30669,99 1262,37 532,96
60810000 Fazenda Aliança 21,16 8,01 6,57 4,30 1357,37 56,02 23,74
60870000 Quirinópolis 25,89 11,75 9,82 8,18 1629,23 66,20 27,46
60895000 Ponte Rio Doce 26,56 15,05 13,69 11,13 1283,01 54,46 23,94
60907000 Fazenda Rondinha 233,07 112,50 101,64 82,43 13591,26 576,91 253,68
60910000 Ponte do Cedro 13,84 6,35 5,69 4,52 642,79 27,81 12,52
60925001 Ponte São Domingos 28,31 7,40 6,09 2,99 3509,94 150,41 66,93
60930000 Fazenda Formoso 27,85 19,50 17,90 16,24 1471,74 63,41 28,41
60940000 Campo Alegre 62,26 46,05 43,53 39,92 3159,00 136,11 60,98
60950000 Canastra 114,86 77,49 70,94 61,68 6770,99 291,74 130,71
60960000 Barra do Prata 7,76 6,27 5,99 5,62 1205,25 51,89 23,23
60965000 Aporé 85,06 61,17 57,73 48,33 4062,99 174,93 78,30
60968000 Cassilândia 97,07 69,36 65,30 56,77 4712,02 202,88 90,81
60970000 Itajá 106,05 73,40 69,70 62,66 5237,58 225,50 100,94

2
5
5.2.2. Regionalização da vazão média de longa duração (Qmld)

Após análise de regressão dos modelos linear e potencial, gerados no SisCoRV 1.0,
obteve-se o ajuste dos parâmetros estatísticos, R² ajustado e erro padrão, bem como os
resíduos percentuais das estimativas dos dois modelos em relação aos valores de vazão
observados em cada estação fluviométrica.
Na Tabela 7 estão apresentados os indicadores estatísticos obtidos para os modelos
linear e potencial, considerando as variáveis independentes analisadas, em cada região
hidrologicamente homogênea.

Tabela 7 – Indicadores estatísticos para os modelos linear e potencial para Qmld

Amplitude do
Região R² ajustado Erro padrão
Variável resíduo
homogênea
Linear Potencial Linear Potencial Linear Potencial
A 0,947 0,976 4,966 0,200 185,476 50,575
RHH 1 Peq 0,957 0,981 4,475 0,176 158,200 52,767
Peq750 0,966 0,986 3,965 0,153 131,288 46,517
RHH 2 A 0,991 0,995 5,819 0,082 93,697 26,236
Peq 0,989 0,995 6,431 0,080 111,445 27,616
Peq750 0,986 0,995 7,355 0,084 46,061 29,199
RHH 3 A 0,995 0,988 5,146 0,203 384,173 96,407
Peq 0,996 0,989 4,125 0,193 255,402 97,952
Peq750 0,998 0,990 3,216 0,186 119,576 99,801
RHH 4 A 0,952 0,910 21,844 0,318 263,274 187,678
Peq 0,951 0,908 22,087 0,321 258,202 194,647
Peq750 0,946 0,904 23,110 0,329 258,930 207,606

Analisando os valores apresentados na Tabela 7 para os dois modelos de regressão,

observou-se que o modelo potencial apresentou os melhores ajustes em termos estatísticos
para todas as regiões homogêneas. Mesmo que o modelo linear tenha apresentado um R²
ligeiramente superior quando comparado ao modelo potencial, nas regiões 3 e 4, os outros
índices mostraram que o modelo potencial foi mais representativo.
Considerando os índices estatísticos associados ao modelo potencial e às variáveis
independentes utilizadas, tem-se que a Peq750 apresentou os melhores ajustes para as
regiões 1, 2 e 3, e que a A apresentou melhor ajuste para a região 4. Assim, as equações de
regionalização que melhor representaram a Qmld em cada região foram:

24
 Qmld R1 0,797760677085558 Peq750 0,997312460892028 (11)

Qmld R2 0,74492592772402 Peq750 0,996672285744815 (12)

Qmld R3 0,844036307783983 Peq750 0,967171562354609 (13)

Qmld R4 0,0254128862723657 A0,942852055285229 (14)

Após a espacialização da equação selecionada ao longo da hidrografia foi feita a

análise do coeficiente de escoamento (CE) e nos trechos em que este superou o máximo
coeficiente observado nas estações fluviométricas para cada região, foi realizado o ajuste
para imposição de limite à extrapolação da equação de regionalização para a Qmld nesses
locais, aplicando-se a equação 9. Os valores limites do coeficiente de escoamento
superficial para as regiões 1, 2, 3 e 4, foram respectivamente de 0,52312; 0,38383; 0,57147;
e 0,54144, e as equações de ajuste aplicadas nas regiões de imposição foram:

Qmld ajust R1 0,52312 Peq (15)

Qmld ajust R2 0,38383 Peq (16)

Qmld ajust R 0,57147 Peq (17)

Qmld ajust R 0,54144 Peq (18)

Pode-se observar que a região 4 não apresentou bons resultados para os parâmetros
estatísticos do modelo potencial quando comparada com as outras regiões. Além disso, o
expoente da equação de regionalização para esta região foi menor que a unidade e o menor
dentre as regiões. Expoentes menores que a unidade indicam uma tendência de
superestimativa das vazões para pequenas áreas de drenagem. Esse resultado fica
evidenciado na figura 5, onde é mostrado o mapa correspondente à imposição do limite
para o CE, sendo os trechos em vermelho aqueles onde a imposição da restrição foi
aplicada.

25
Figura 5 – Hidrografia obtida após aplicação de imposição de restrição para a Qmld.

5.2.3. Regionalização da vazão mínima associada a uma permanência de 90% (Q90)

Após análise de regressão dos modelos linear e potencial, gerados no SisCoRV 1.0,
obteve-se o ajuste dos parâmetros estatísticos, R² ajustado e erro padrão, bem como os
resíduos percentuais das estimativas dos dois modelos em relação aos valores de vazão
observados em cada estação fluviométrica.
Na Tabela 8 estão apresentados os indicadores estatísticos obtidos para os modelos
linear e potencial, considerando as variáveis independentes analisadas, em cada região
hidrologicamente homogênea.
Analisando os valores apresentados para os dois modelos de regressão, observou-se
que o modelo potencial obteve os melhores ajustes em termos estatísticos para todas as
regiões homogêneas, uma vez que apresentou menores valores de erro padrão e amplitude
do resíduo.

26
Tabela 8 – Indicadores estatísticos para os modelos linear e potencial para Q90

Região R² ajustado Erro padrão Amplitude do resíduo

Variável
homogênea
Linear Potencial Linear Potencial Linear Potencial
A 0,671 0,897 3,439 0,408 501,943 113,484
RHH 1 Peq 0,692 0,906 3,329 0,389 485,003 108,378
Peq750 0,713 0,915 3,215 0,370 459,698 103,190
A 0,972 0,979 3,136 0,160 50,138 50,737
RHH 2 Peq 0,976 0,980 2,897 0,154 65,738 48,062
Peq750 0,980 0,981 2,683 0,150 81,845 45,263
A 0,988 0,944 2,657 0,452 883,581 391,515
RHH 3 Peq 0,991 0,944 2,322 0,450 767,176 398,847
Peq750 0,993 0,944 2,010 0,451 634,858 407,546
A 0,733 0,728 21,396 0,551 359,176 308,051
RHH 4 Peq 0,734 0,732 21,341 0,547 361,296 313,185
Peq750 0,733 0,736 21,367 0,543 364,760 320,266

Considerando os índices estatísticos associados ao modelo potencial e às variáveis

independentes utilizadas, tem-se que a Peq750 apresentou os melhores ajustes para todas as
regiões. Assim, as equações de regionalização que melhor representaram a Q90 em cada
região foram:

Q90 R1 0,310807147301068 Peq750 0,948563281648568 (19)

Q90 R2 0,319599297287227 Peq750 0,927718201867763 (20)

Q90 R3 0,258797023106435 Peq750 0,986418292599419 (21)

Q90 R4 0,791151528350393 Peq750 0,843934487374791 (22)

Após a espacialização da equação selecionada ao longo da hidrografia foi feita a

análise da vazão específica (q90) e nos trechos em que esta superou a máxima vazão
específica observada nas estações fluviométricas para cada região, foi realizado o ajuste
para imposição de limite à extrapolação da equação de regionalização para a Q90 nesses
locais, aplicando-se a equação 10. Os valores limites da q90 para as regiões 1, 2, 3 e 4,
foram respectivamente de 0,01032; 0,008049; 0,009482; e 0,01505 m3.s-1.km-2 e as
equações de ajuste aplicadas nas regiões de imposição foram:

27
 Q90 ajust R1 0,01032 A (23)

Q90 ajust R2 0,008049 A (24)

Q90 ajust R 0,009482 A (25)

Q90 ajust R 0,01505 A (26)

Pode-se observar que a região 4 não apresentou bons resultados para os parâmetros
estatísticos do modelo potencial quando comparada com as outras regiões. Além disso, o
expoente da equação de regionalização para esta região foi menor que a unidade e o menor
dentre as regiões. Expoentes menores que a unidade indicam uma tendência de
superestimativa das vazões para pequenas áreas de drenagem. Esse resultado fica
evidenciado na figura 6, onde é mostrado o mapa correspondente à imposição do limite
para o q90, sendo os trechos em vermelho aqueles onde a imposição da restrição foi
aplicada.

Figura 6 – Hidrografia gerada após aplicação de imposição de restrição para a Q90.

28
5.2.4. Regionalização da vazão mínima associada a uma permanência de 95% (Q95)

Após análise de regressão dos modelos linear e potencial, gerados no SisCoRV 1.0,
obteve-se o ajuste dos parâmetros estatísticos, R² ajustado e erro padrão, bem como os
resíduos percentuais das estimativas dos dois modelos em relação aos valores de vazão
observados em cada estação fluviométrica.
Na Tabela 9 estão apresentados os indicadores estatísticos obtidos para os modelos
linear e potencial, considerando as variáveis independentes analisadas, em cada região
hidrologicamente homogênea.

Tabela 9 – Indicadores estatísticos para os modelos linear e potencial para Q95

Amplitude do
Região R² ajustado Erro padrão
Variável resíduo
homogênea
Linear Potencial Linear Potencial Linear Potencial
RHH 1 A 0,586 0,874 3,439 0,466 501,943 131,531
Peq 0,607 0,884 3,329 0,446 485,003 126,245
Peq750 0,629 0,894 3,215 0,426 459,698 120,864
RHH 2 A 0,962 0,971 3,063 0,183 53,244 59,459
Peq 0,968 0,973 2,836 0,177 68,576 56,797
Peq750 0,973 0,975 2,615 0,172 84,647 54,017
RHH 3 A 0,986 0,938 2,447 0,482 1160,225 423,230
Peq 0,989 0,938 2,193 0,480 1012,743 431,294
Peq750 0,991 0,938 1,961 0,481 845,167 440,861
RHH 4 A 0,674 0,684 20,983 0,604 403,639 336,001
Peq 0,676 0,689 20,933 0,599 405,896 341,545
Peq750 0,676 0,694 20,940 0,594 409,572 349,183

Analisando os valores apresentados na Tabela 9 para os dois modelos de regressão,

observou-se que o modelo potencial obteve os melhores ajustes em termos estatísticos para
todas as regiões homogêneas, uma vez que apresentou menores valores de erro padrão e
amplitude do resíduo.
Considerando os índices estatísticos associados ao modelo potencial e às variáveis
independentes utilizadas, tem-se que a Peq750 apresentou os melhores ajustes para todas as
regiões. Assim, as equações de regionalização que melhor representaram a Q95 em cada
região foram:

29
 Q95 R1 0,243927658099008 Peq750 0,968667847482179 (27)

Q95 R2 0,279305626454033 Peq750 0,916230285172 (28)

Q95 R3 0,201883721228385 Peq750 0,999025076251732 (29)

Q95 R4 0,725676572374292 Peq750 0,833905287472926 (30)

Após a espacialização da equação selecionada ao longo da hidrografia foi feita a

análise da vazão específica (q95) e nos trechos em que esta superou a máxima vazão
específica observada nas estações fluviométricas para cada região, foi realizado o ajuste
para imposição de limite à extrapolação da equação de regionalização para a Q95 nesses
locais, aplicando-se a equação 10. Os valores limites da q95 para as regiões 1, 2, 3 e 4,
foram respectivamente de 0,009502; 0,007175; 0,008073; e 0,01421 m³.s-1.km-2, e as
equações de ajuste aplicadas nas regiões de imposição foram:

Q95 ajust R1 0,009502 A (31)

Q95 ajust R2 0,007175 A (32)

Q95 ajust R 0,008073 A (33)

Q95 ajust R 0,01421 A (34)

Pode-se observar que a região 4 não apresentou bons resultados para os parâmetros
estatísticos do modelo potencial quando comparada com as outras regiões. Além disso, o
expoente da equação de regionalização para esta região foi menor que a unidade e o menor
dentre as regiões. Expoentes menores que a unidade indicam uma tendência de
superestimativa das vazões para pequenas áreas de drenagem. Esse resultado fica
evidenciado na figura 7, onde é mostrado o mapa correspondente à imposição do limite
para o q95, sendo os trechos em vermelho aqueles onde a imposição da restrição foi
aplicada.

30
Figura 7 – Hidrografia gerada após aplicação de imposição de restrição para a Q95.

5.2.5. Regionalização da vazão mínima de sete dias e período de retorno de 10 anos

(Q7,10)

Após análise de regressão dos modelos linear e potencial, gerados no SisCoRV 1.0,
obteve-se o ajuste dos parâmetros estatísticos, R² ajustado e erro padrão, bem como os
resíduos percentuais das estimativas dos dois modelos em relação aos valores de vazão
observados em cada estação fluviométrica.
Na Tabela 10 estão apresentados os indicadores estatísticos obtidos para os modelos
linear e potencial, considerando as variáveis independentes analisadas, em cada região
hidrologicamente homogênea.

31
Tabela 10 – Indicadores estatísticos para os modelos linear e potencial para Q7,10
Amplitude do
Região R² ajustado Erro padrão
Variável resíduo
homogênea
Linear Potencial Linear Potencial Linear Potencial
RHH 1 A 0,431 0,829 2,853 0,598 1088,528 173,379
Peq 0,452 0,841 2,798 0,577 1041,332 167,453
Peq750 0,475 0,853 2,740 0,555 993,014 161,399
RHH 2 A 0,940 0,952 2,626 0,236 65,686 73,809
Peq 0,948 0,954 2,455 0,232 74,600 71,235
Peq750 0,955 0,955 2,278 0,228 85,441 68,557
RHH 3 A 0,978 0,922 2,248 0,572 2284,732 509,407
Peq 0,981 0,922 2,066 0,571 1995,125 519,702
Peq750 0,984 0,922 1,893 0,571 1734,617 531,921
RHH 4 A 0,519 0,543 19,941 0,760 710,407 545,859
Peq 0,520 0,549 19,907 0,756 713,820 554,423
Peq750 0,521 0,555 19,898 0,751 719,342 566,239

Analisando os valores apresentados na Tabela 10 para os dois modelos de

regressão, observou-se que o modelo potencial apresentou os melhores ajustes em
termos estatísticos para todas as regiões homogêneas, uma vez que apresentou
menores valores de erro padrão e amplitude do resíduo.
Considerando os índices estatísticos associados ao modelo potencial e às
variáveis independentes utilizadas, tem-se que a Peq750 apresentou os melhores ajustes
para as regiões 1, 2 e 4, e que a Peq apresentou os melhores ajustes para a região 3.
Assim, as equações que melhor representaram a Q7,10 em cada região foram:

Q7,10 R1 0,120243682652018 Peq750 1,04795614880109 (35)

Q7,10 R2 0,193550852128182 Peq750 0,907527659642791 (36)

Q7,10 R3 0,0522034145971993 Peq1,04028844866551 (37)

Q7,10 R4 0,663674959702505 Peq750 0,78710179823519 (38)

Após a espacialização da equação selecionada ao longo da hidrografia foi feita a

análise da vazão específica (q7,10) e nos trechos em que esta superou a máxima vazão
específica observada nas estações fluviométricas para cada região, foi realizado o ajuste
para imposição de limite à extrapolação da equação de regionalização para a Q 7,10 nesses
locais, aplicando-se a equação 10. Os valores limites da q7,10 para as regiões 1, 2, 3 e 4,
32
foram respectivamente de 0,007659; 0,005493; 0,005788; e 0,01264 m3.s-1.km-2, e as
equações de ajuste aplicadas nas regiões de imposição foram:

Q7,10 ajust R1 0,007659 A (39)

Q7,10 ajust R2 0,005493 A (40)

Q7,10 ajust R 0,005788 A (41)

Q7,10 ajust R 0,01264 A (42)

Pode-se observar que a região 4 não apresentou bons resultados para os parâmetros
estatísticos do modelo potencial quando comparada com as outras regiões. Além disso, o
expoente da equação de regionalização para esta região foi menor que a unidade e o menor
dentre as regiões. Expoentes menores que a unidade indicam uma tendência de
superestimativa das vazões para pequenas áreas de drenagem. Esse resultado fica
evidenciado na figura 8, onde é mostrado o mapa correspondente à imposição do limite
para o q7,10, sendo os trechos em vermelho aqueles onde a imposição da restrição foi
aplicada.

Figura 8 – Hidrografia gerada após aplicação de imposição de restrição para a Q7,10.

33
6. Conclusões

Os resultados permitiram as seguintes conclusões:

− as equações do modelo potencial utilizadas, para a vazão média e para as vazões
mínimas analisadas, apresentaram melhor desempenho em relação ao modelo linear.
− a variável explicativa: vazão equivalente ao volume precipitado considerando a
subtração do fator de abstração igual a 750 mm apresentou, para as regiões 1, 2 e 3, o
melhor desempenho.
− a região 4 considerada no trabalho não apresentou bom desempenho sendo necessário
estudos mais apurados sobre o seu comportamento.

34
Referências

AGARWAL, A. et al. Hydrologic regionalization using wavelet-based multiscale entropy

method. Journal of Hydrology, v. 538, p. 22–32, 2016.
COMITÊ DA BACIA HIDROGRÁFICA DO PARANAÍBA (CBH-PARANAÍBA).
Agência Nacional de Águas (Org.). CARACTERIZAÇÃO GERAL DA BACIA
HIDROGRÁFICA DO RIO PARANAÍBA. Disponível em:
<http://cbhparanaiba.org.br/>. Acesso em: 2017.

DUNNE, T.; LEOPOLD, L. B. Water in environmental planning. [s.l.] San Francisco:

Freeman, 1978.
ELETROBRÁS. Centrais Elétricas Brasileiras S.A. Metodologia para regionalização de
vazões. Rio de Janeiro. v. 1, 1985a.
FILL, H. H. Informações hidrológicas. In Modelos para gerenciamento de recursos
hídricos. São Paulo: Nobel/ABRH, 1987.
GARCÍA-MARÍN, A. P. et al. Delimiting homogeneous regions using the multifractal
properties of validated rainfall data series. Journal of Hydrology, v. 529, n. P1, p.
106–119, 2015.
GONG, G. et al. A Simple framework for incorporating seasonal streamflow forecasts into
existing water resource management practices1. Journal of the American Water
Resources Association, v. 46, n. 3, p. 574–585, 2010.
JAVEED, Y.; APOORVA, K. V. Flow regionalization under limited data availability –
application of IHACRES in the Western Ghats. Aquatic Procedia. Anais...Elsevier
B.V., 2015
LAAHA, G.; BLÖSCHL, G. A comparison of low flow regionalisation methods-catchment
grouping. Journal of Hydrology, v. 323, n. 1–4, p. 193–214, 2006.
LI, Z. et al. Impacts of land use change and climate variability on hydrology in an
agricultural catchment on the Loess Plateau of China. Journal of Hydrology, v. 377,
n. 1–2, p. 35–42, 2009.
LIN, G. F.; CHEN, L. H. Identification of homogeneous regions for regional frequency
analysis using the self-organizing map. Journal of Hydrology, v. 324, n. 1–4, p. 1–9,
2006.
LIMA, G., PEIXOTO, L. S. MAUAD, F. F. A aplicação do modelo de simulação MIKE
BASIN 2000 no planejamento e gerenciamento de recursos hídricos. In Anais do
22nd Berian Latin-American Congress on Computational Methods in
Engineering. Campinas, 2001. CD-Rom.

35
MIZUKAMI, N.; SMITH, M. B. Analysis of inconsistencies in multi-year gridded
quantitative precipitation estimate over complex terrain and its impact on hydrologic
modeling. Journal of Hydrology, v. 428–429, p. 129–141, 2012.
NAGHETTINI, M.; PINTO, E. J. A. Hidrologia estatística. Belo Horizonte: CPRM, 2007.
NOVAES, L. F. DE et al. Modelo para a quantificação da disponibilidade hídrica na bacia
do Paracatu. Revista Brasileira de Recursos Hídricos Volume, v. 14, n. 1, p. 27–39,
2009.
NUN S, A. de A., PRUSKI, F.F; R GO, F. R. “Alternativas para atenuar os riscos
associados à extrapolação espacial na regionalização de vazões”. In XX Simpósio
Brasileiro de Recursos Hídricos, 1–8. 2013.
OLIVEIRA, A. N. G. Aplicação de metodologias relacionadas à valoração da água para
as bacias dos rios Grande e Paranaíba. 2017. Dissertação (Mestrado em
Meteorologia Aplicada). Departamento de Engenharia Agrícola. Universidade
Federal de Viçosa, Viçosa, MG. 2017.
OLIVEIRA, F. A. Procedimentos para aprimorar a regionalização de vazões: estudo de
caso da bacia do Rio Grande. 2008. 187 f. Dissertação (Mestrado em Engenharia
Agrícola). Departamento de Engenharia Agrícola. Universidade Federal de Viçosa,
Viçosa, MG. 2008.
POST, D. A.; JAKEMAN, A. J. Predicting the daily streamflow of ungauged catchments in
S.E. Australia by regionalising the parameters of a lumped conceptual rainfall-runoff
model. Ecological Modelling, v. 123, n. 2–3, p. 91– 104, 1999.
PRH-Paranaíba. Agosto, 2011. Plano de Recursos Hídricos da Bacia Hidrográfica do Rio
Paranaíba, 462.
PRUSKI, F. F. et al. Extrapolação de equações de regionalização de vazões mínimas:
Alternativas para atenuar os riscos. Water Resources and Irrigation Management,
v. 1, n. 1, p. 51–59, 2012.
PRUSKI, F. F.; SILVA, D. D. da; KO TZ, M. studo da vazão em cursos d’água. Viçosa:
Associação dos Engenheiros Agrícolas de Minas Gerais. Departamento de
Engenharia Agrícola – Universidade Federal de Viçosa. 2006. 151 p. (Caderno
didático 43).
RAZAVI, T.; COULIBALY, P. Streamflow Prediction in Ungauged Basins: Review of
Regionalization Methods. Journal of Hydrologic Engineering, v. 18, n. 8, p. 958–
975, 2013.
RODRIGU Z, R. D. G. “Proposta conceitual para a regionalização de vazões”. 2008.
SAFAVI, H. R.; GOLMOHAMMADI, M. H.; SANDOVAL-SOLIS, S. Expert knowledge
based modeling for integrated water resources planning and management in the
Zayandehrud River Basin. Journal of Hydrology, v. 528, p. 773–789, 2015.

36
SAMUEL, B. et al. Índices de sazonalidade para regionalização hidrológica de vazões de
estiagem no Rio Grande do Sul. Revista Brasileira de Engenharia Agrícola e
Ambiental, p. 748–754, 2014.
SAMUEL, J.; COULIBALY, P.; METCALFE, R. A. Estimation of Continuous Streamflow
in Ontario Ungauged Basins: Comparison of Regionalization Methods. Journal of
Hydrologic Engineering, v. 16, n. 5, p. 447–459, 2011.
SILVEIRA, A. L. L. DA et al. Regionalização de vazões. 4. ed. Porto Alegre: Ed.
Universidade UFRGS/ABRH, 2012.
SIVAPALAN, M. et al. IAHS Decade on Predictions in Ungauged Basins (PUB), 2003–
2012: Shaping an exciting future for the hydrological sciences. Hydrological
Sciences Journal, v. 48, n. 6, p. 857–880, 2003.
SMAKHTIN, V. U. Low flow hydrology: A review. Journal of Hydrology, v. 240, n. 3–4,
p. 147–186, 2001.
STOLL, S.; WEILER, M. Explicit simulations of stream networks to guide hydrological
modelling in ungauged basins. Hydrology and Earth System Sciences, v. 14, n. 8,
p. 1435–1448, 2010.
TUCCI, C. E. M. Regionalização de vazões. Porto Alegre: UFRGS, 2002.
WAGENER, T.; WHEATER, H. S.; GUPTA, H. V. Rainfall-Runoff Modelling in
Gauged and Ungauged Catchments. London: PImperial College Press, 2004.

37