Modelos Hidrológicos

Prof. Carlos Ruberto Fragoso Júnior

Prof. Marllus Gustavo Ferreira Passos das Neves

www.ctec.ufal.br/professor/mgn
 Programa
1. Conceito de sistema e modelo
2. Tipos de modelo
3. Terminologia e conceitos pertinentes
4. Classificação dos modelos
5. Etapas da modelagem
6. Aplicação dos modelos
7. Evolução dos modelos hidrológicos
8. Cuidados no uso dos modelos
 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

ENTRADAS SISTEMA SAÍDAS

 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

ENTRADAS SISTEMA SAÍDAS

 Conceito e objetivo dos modelos
Sistemas naturais são complexos  vários fatores
interferindo de forma dinâmica

Processos físicos:
- precipitação
- evaporação
- evapotranspiração
- infiltração
- percolação
- escoamento superficial
- escoamento subterrâneo
 Conceito e objetivo dos modelos
Sistemas naturais são complexos  vários fatores
interferindo de forma dinâmica

Processos abióticos:
- resuspensão
- sedimentação
- mineralização
- nitrificação
- denitrificação
- adsorção
- reaeração
 Conceito e objetivo dos modelos
Sistemas naturais são complexos  vários fatores
interferindo de forma dinâmica

Processos bióticos:
- fotossíntese
- assimilação
- produção
- respiração
- mortalidade
- predação
- decomposição
 Conceito e objetivo dos modelos
Sistemas artificiais  controle do homem,
variáveis controladas, saídas são mais
previsíveis.
Exemplos: circuitos elétricos, edifícios

Sistemas naturais  Não foram

dimensionados pelo homem, alguns processos
físicos não entendidos, saídas mais
imprevisíveis  observar comportamento para
diminuir ignorância
Exemplos: bacias hidrográficas, estuários
Conceito e objetivo dos modelos
 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
 Tipos de modelos
Físicos
 Tipos de modelos
Matemáticos ou digitais
Modelo de reservatório  equação da continuidade

dS
 I Q
dt
 Terminologia e conceitos pertinentes
Fenômeno  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. Por
exemplo, rugosidade de uma seção de um rio,
área impermeável de uma bacia hidrográfica
Terminologia e conceitos pertinentes
Parâmetros mudaram

Cenário 1 Cenário 2
Condições do Condições do
sistema em uma sistema em outra
condição: condição
Variação do Variação do
fenômeno  fenômeno 
variáveis variáveis
 Terminologia e conceitos pertinentes
Risco e incerteza
Diferença entre as
estatísticas da amostra e da
população:
devido à representatividade
da amostra ou
devido aos erros de coleta e
processamento dos dados da
variável aleatória

É a chance aceita pelo projetista que a variável seja

maior que um determinado valor (menor no caso de
mínimos)
 Terminologia e conceitos pertinentes
Risco e incerteza
erros de na
observação de P

Os 2 pluviômetros
não registaram a
chuva convectiva
ou orográfica

As incertezas também ocorrem devido à estrutura

do modelo e nos parâmetros
modelos lineares em processos fortemente não lineares 
incertezas grandes fora da faixa de valores do ajuste.
 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
 Classificação dos modelos
Linear x Não linear Linear: Princípio da superposição

x1 y1
x2 SISTEMA y2
x1+ x2 y1+ y2
 Classificação dos modelos
Matematicamente

d x
n dn 1
x dx
Eq. dif.  An dtn  An  1 n 1  .........  A1 dt  A0x  y(t)
dt
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: K dQ  Q  I
dt
Linear : quando uma eq. Possui apenas
Outros de eq.  uma variável em cada termo, e cada
variável elevada à potência de ordem 1
 Classificação dos modelos
Contínuo e Discreto
Geralmente o
sistema se
modifica
continuamente,
mas os registros
são efetuados em
intervalos de
tempo

A escolha do intervalo  função da economia desejada e da

precisão dos resultados, que são conflitantes: à medida que o
intervalo diminui, o custo para medir os dados da computação
aumenta em favor da melhoria da precisão dos resultados.
 Classificação dos modelos
Concentrados x distribuídos

Concentrado  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  variáveis e parâmetros do modelo

dependem do espaço e/ou do tempo
 Classificação dos modelos
Concentrados x distribuídos
A Q
 q
t x
Q   Q 2  y
    gA  gASf  0
t x  A  x

dS
 IQ
dt
 Classificação dos modelos
Concentrado
Distribuído por sub-bacias (semi-distribuídos)
Distribuído por módulos ou células
Classificação dos modelos
Uni, bi, tridimensionais

Quasi-2D (modelos de
células)  interpreta a
realidade de forma
bidimensional, mas as
equações solucionadas de
forma unidimensional
 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
 Classificação dos modelos
Variável de entrada de um sistema é aleatória  variável de
saída também será aleatória, mesmo se o sistema for
determinístico ou representado por um modelo
determinístico
Exemplo: a vazão de entrada e saída de um reservatório:
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.
 Classificação dos modelos
Caos  sistema com comportamento aparentemente aleatório também
pode ser determinístico.
Sistema não-linear e altamente dependente das suas condições iniciais 
resposta com características de uma variável aleatória  pode passar
pelos testes estatísticos e estocásticos.
Na literatura  caos determinístico
1 .2

1
x (k+1) = r.x(k).[1 - x(k)]
0 .8

x 0 .6

0 .4

0 .2

0
0 5 10 15 20 25 30

k
Valores da função para:
curva cheia r = 2,5 e xo = 0,1 curva pontilhada r = 3,95 e xo= 0,8
 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
Chlo a = 2,318.ln(P) R2=0,97
Chlo

Peixes

NO3 NH3 Norg

Zoo

PO4 Porg
Fito

(a) (b) P
 Classificação dos modelos
Exemplo de modelo conceitual
dS
 I  Q Equação da continuidade
dt
S  K Q Relação entre volume e saída

Derivando a segunda equação e substituindo na

primeira, resulta a equação diferencial do modelo

dQ onde K é o parâmetro, Q a variável

K  Q  I dependente e de saída e I a variável
dt de entrada
 Classificação dos modelos
Segundo a aplicação dos modelos
Modelos de comportamento  descrever o
comportamento de um sistema  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.
 Classificação dos modelos
Nome Tipo Estrutura Características Usos
Precipitação-Vazão determinístico; Comportamento calcula a vazão de uma bacia a extensão de séries de vazão;
empírico; partir da precipitação dimensionamento; previsão em
Conceitual tempo atual, avaliação do uso
da terra
Vazão-Vazão determinístico: calcula a vazão de uma seção a extensão de séries de vazões;
empírico; partir de um ponto a montante dimensionamento; previsão de
conceitual cheia
Geração estocástica estocástico calcula a vazão com base nas dimensionamento do volume
de vazão características da série histórica de um reservatório
Fluxo saturado determinístico determina o movimento, vazão capacidade de bombeamento;
potencial de águas subterrâneas à nível do lençol freático;
partir de dados de realimentação, iteração rio-aqüífero,etc
bombeamento,etc
Hidrodinâmico determinístico sintetiza vazões em rios e rede de simulação de alterações do
canais sistema; efeitos de escoamento
de jusante
Qualidade de Água determinístico simula a concentração de impacto de efluentes;
de rios e parâmetros de qualidade da água eutrofização de reservatórios;
reservatórios condições ambientais
Rede de canais e determinístico Comportamento e otimiza o diâmetro dos condutos e rede abastecimento de água;
condutos otimização verifica as condições de projeto rede de irrigação
operação de estocástico, determina a operação ótima de usos múltiplos
reservatórios determinístico sistemas de reservatórios
planejamento e estocástico, Comportamento, simula condições de projeto e Reservatórios, canais, estações
gestão de sistemas determinístico otimização e operação de sistemas (usa vários de tratamento, irrigação,
múltiplos planejamento modelos) navegação fluvial, etc
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
 Etapas da Modelagem

Floração de
Eutrofização Cheias
cianobactérias

Extensão de Problemas em Planejamento

Séries hidrológica Hidrologia

Regime Estados
Usos da água
hidrológico alternativos
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
 Etapas da Modelagem
Simplificações e formulação de hipóteses

Quais são
Quais são as
as variáveis?
hipóteses?

Quais são
os
processos?

Essa é a
minha
proposta!
 Etapas da Modelagem
Simplificações e formulação de hipóteses
Interações entre elas

Modelo conceitual

Variáveis de estado

Escolher um modelo como uma taxa de produção constante

de biomassa? Ou outro que leva em conta vários fatores
(temperatura, disponibilidade de nutrientes, ....)?
 Etapas da Modelagem
Simplificações e formulação de hipóteses

Produção Taxa constante

Luz Temperatura Nutrientes

L 

2,781 f  e  1  e   2  T  Gmax  TT20 N 
N
ke  H kN  N


PPP
 LT
cons TNteN
tan
T
 Etapas da Modelagem
Simplificações e formulação de hipóteses
Diferença entre a solução
real e a modelada
Complexidade
Nº ótimo de
parâmetros

Nº de
parâmetros
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
 Etapas da Modelagem
As Leis da Natureza!

Modelos Qualidade Água e Conservação de Energia

Hidrodinâmica Balanço Calor e Evaporação
Relações de mistura
Derivado aplicação Leias de
Conservação Conservação de Massa
Massa água na hidrodinâmica e transporte
Propriedades conservativas intrínsecas Massa materiais dissolvidos ou suspensos na água
internas Balanço massa expandido para incluir mudanças
momentum, calor energia, massa água, cinéticas
massa contaminantes
Conservação de Momento
Água: movimento
Prediz: Água: Fluxo
Mudanças em propriedades
conservativas;
Mudanças estado sistema resulta de
mudanças em uma ou mais Acumulação Líquida = Transporte Fonte/Sumidouro (transformações)
propriedades intrínsecas.
Fluxo Propriedades Conservativas Funções Forçantes
devido movimento água (advecção,
mistura turbulenta, difusão)
 Etapas da Modelagem
Dedução do modelo matemático
Interações entre elas
Modelo
conceitual

Interações ou
processos entre
as variáveis 
Variáveis de estado
equações
dA  A  A 
 rA 1    g z Z    produção  consumo
dt  K  A  ha 
dZ  A 
 e z g z Z    m z Z  crescimento  mortalidade
dt  A  ha 
 Etapas da Modelagem
Dedução do modelo matemático
dA  A  A 
 rA 1    g z Z    produção  consumo
dt  K  A  ha 

dZ  A 
 e z g z Z    m z Z  crescimento  mortalidade
dt  A  ha 

Parâmetro Descrição Valor Unidade

R Taxa de crescimento do fitoplâncton 0,5 dia-1
K Capacidade máxima de biomassa algal 10 mg.l-1
gz Taxa de consumo algal pelo zooplâncton 0,6 dia-1
Há Coeficiente de meia-saturação para o consumo de algas 0,4 mg.l-1
ez Eficiência de conversão de biomassa algal para zooplanctônica 0,6 -
mz Taxa de mortalidade do zooplâncton 0,15 dia-1
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
 Etapas da Modelagem
Resolução do problema
Solução das equações diferenciais através de um
método numérico
Runge-Kutta Diferenças
Euler finitas
Elementos
Finitos
Métodos
analíticos Métodos
numéricos

Método dos Transformadas

Coeficientes Elementos
de de contorno
Não-determinados Laplace
 Etapas da Modelagem
Resolução do problema Método numérico
Discretização espacial

Discretização temporal

x
 Etapas da Modelagem
Resolução do problema
Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
Etapas da Modelagem
 Etapas da Modelagem
Medindo a chuva

Pluviômetro Fonte : Sabesp

 Etapas da Modelagem
Pluviógrafo – pluviômetro de caçamba ou de báscula
 Etapas da Modelagem
Pluviógrafo – pluviômetro de caçamba ou de báscula

https://youtu.be/_W47TLX_7eQ
Etapas da Modelagem
Pequenos rios

Vazão x velocidade
 Rios maiores

Medição embarcada
Medição a partir de cabos
Medição a partir de pontes
Etapas da Modelagem
Medindo o escoamento

A curva chave
Etapas da Modelagem
Posto Fluviográfico
 Etapas da Modelagem
Monitoramento
Limnígrafo
com
Tubulão
Instalado
no Curso
D’Água
Etapas da Modelagem
Sensor de Nível
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Perfilador e Sonda -YSI
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Hiperespectral -TriOS
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Mini-ADP – Sontek
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
CDOM/Chl/Phyc - WETLabs
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Auto Amostrador - ISCO
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
FlowCAM
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem
MONITORAMENTO CONTÍNUO E ALTA FREQUÊNCIA DE QUALIDADE DE ÁGUA
Net Radiómetro - Kipp & Zonen
ESTAÇÃO
METEOROLÓGICAS

TELEMETRIA

LOGGER / CONTROLADOR

AUTOAMOSTRADOR
FLowCAM

GUINCHO

•Temp
•O2
•CO2
•CDOM
•Green
•Cyano
•Diatom
•Brown

sondas

HYPERSPECTRAL

NÍVEL
ADP
Temp LINE
 Etapas da Modelagem

ECOMapper (heterogeneidade espacial)

High-Resolution Water Quality and Bathymetry Mapping

Etapas da Modelagem
Definição do problema

Simplificação e
formulação de hipótese

Dedução do modelo

Resolução do problema

Calibração e validação

Aplicação do modelo
 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
Modelo Estimativa Verificação Previsão
(ajuste)
Existem Uso Existem Uso Existem Uso
Dados de x x x x x x
entrada
Parâmetros ? ? x x x x
Dados de saída x x x ? ? ?
*Uso: indica se a informação é utilizada na simulação.
 Etapas da Modelagem
Tipos de ajuste
Estimativa sem dados históricos  pode-se estimar os
valores dos parâmetros baseando-se em informações das
características físicas do sistema

Por tentativas  com valores das variáveis de entrada e

saída, obtêm-se os parâmetros por tentativas. A cada
tentativa o próprio usuário adota novos valores

Por otimização  semelhante ao anterior, mas por métodos

matemáticos  otimiza-se uma função objetivo 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
 Etapas da Modelagem
verificação  fase da simulação em que o modelo,
calibrado anteriormente, é verificado com outros dados.

A Observado
Calculado

Período de calibração Período de validação

O modelo foi calibrado com dados representativos?

 Etapas da Modelagem
Dado Entrada Parâmetro Saída
Etapa
Ajuste (calibração) Existe ? Existe
Verificação Existe Existe ? Existe
Aplicação Existe Existe ?

As fases de verificação e ajuste devem ser

realizadas “olhando” para a aplicação 
evitar tendenciosidade
Aplicar aqui

Exemplo (tendenciosidade) 
Ajustar aqui
 Etapas da Modelagem
Previsão e aplicação
• 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.

oceano
 Etapas da Modelagem
Aplicação
Avaliação e equacionamento: definição
do problema, objetivos e justificativa

Representação do sistema: escolha dos

modelos para atender os objetivos

Modelo
Modelos: Técnicas matemáticas
Coleta e
•hidrológicos •métodos numéricos
análise dos
•hidráulicos •otimização
dados e
•meio ambiente •estatística
parâmetros
•planejamento •geoprocessamento

Simulação
Análise
Ajuste e
Econômica Previsão dos
Verificação
Social e cenários
Ambiental

Tomada de
Decisão
 Aplicação dos modelos
Escala dos processos na bacia
 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
• impacto das mudanças climáticas
 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.
 Evolução do modelos hidrológicos
• Início com o computador e década de 1950
– Muitos dados para processamento, mas
ferramentas rudimentares
• os modelos distribuídos na década de 1970 -
1980
• Evolução com o GIS e a integração espacial
com a modelagem física
• Limitação da escala
• A relação dos modelos hidrológicos e
meteorológicos
• Sistemas inteligentes
 Evolução do modelos hidrológicos
Histórico de desenvolvimento
1925-1960 (Streeter-Phelps) Reaeração

Problemas: efluentes primários e não tratados

Poluentes: DBO/OD
DBO OD
Sistema: rios e estuários (1D)
Cinéticas: linear
Soluções: analíticas P R ODsed

1960-1970 (computacional)
Problemas: efluentes primários e não tratados
Poluentes: DBO/OD
Sistema: rios e estuários (1D / 2D)
Cinéticas: linear
Soluções: analíticas e numéricas
 Evolução do modelos hidrológicos
Histórico de desenvolvimento
Peixes
1970-1977 (Biologia)
Problemas: eutrofização
NO3 NH3 Norg
Poluentes: nutrientes
Sistema: rios, lagos e estuários (1D / 2D / 3D)
Zoo
Cinéticas: não-linear
Soluções: numéricas PO4 Porg
Fito

1977- hoje (Tóxicos)

Sólidos Tóxicos Biota
Problemas: tóxicos
Poluentes: orgânicos e metais
Sistema: interações água-sedimento
água
Interações da cadeia alimentar (1D / 2D / 3D)
Cinéticas: não-linear
sedimento
Soluções: numéricas e analíticas
Sólidos Água Bentos
intersticial
 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
 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?
 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)?
 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
 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?’
 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