Enhancing monthly streamflow forecasting for brazilian hydropower plants through climate index integration with stochastic methods

Abstract

Esse estudo demonstra o potencial de aperfeiçoamento das previsões mensais de vazão ao sistema hidroelétrico brasileiro por meio da incorporação de índices climáticos. A modelagem proposta amplia o modelo periódico autoregressivo (PAR) convencional para previsões de vazão a partir da inclusão de informações climáticas, representadas por três índices climáticos-chave que refletem as temperaturas da superfície do mar nos Oceanos Pacífico e Atlântico, bem como padrões de vento zonal no sudeste do Brasil. Usando a métrica de Kling-Gupta Efficiency (KGE), os resultados obtidos revelam que a inclusão de informação climática supera consistentemente os modelos PAR existentes em inúmeras situações. Em particular, durante o mês de maio, o modelo proposto melhora as previsões para 79% dos reservatórios (124 de 157), enquanto em janeiro, reduz a variância das previsões em até 90% dos reservatórios (141 de 157).