Uso de Modelos de Markov com Estados Ocultos e informações climáticas para a previsão de afluências

Abstract

Sistemas probabilísticos de previsão de vazão nas escalas sazonal e interanual podem fornecer informações valiosas, ainda que incertas, para o processo de alocação de água numa bacia hidrográfica, reservatório ou conjunto de reservatórios, permitindo que se estabeleça um trade-off entre os benefícios que se obtém pelo uso da água disponível e os riscos, inerentes à decisão tomada, de não se ter água suficiente para atender as demandas no futuro. Tais sistemas de previsão podem e são utilizados na gestão do risco de secas, permitindo que gestores e tomadores de decisão tenham o tempo necessário para colocar em prática ações previamente planejadas no plano de secas, possibilitando uma redução das perdas econômicas, sociais e ambientais resultantes da ocorrência de uma possível seca. Esta tese explora o uso de Modelos de Markov com Estados Ocultos Hidden Markov Models (HMMs), com a inclusão de informações climáticas de larga escala, para realizar a previsão na escala climática de vazões médias anuais afluentes ao reservatório Orós/CE, visando contribuir para o entendimento de como essa classe de modelos se comporta na previsão de vazões. Utilizaram-se três extensões da versão básica dos HMMs, as quais incorporam informações climáticas: i) HMMs não Homogêneos (NHMMs); ii) NHMMs Autoregressivos (AR-NHMMs); e iii) HMMs com informações climáticas nas distribuições dependentes dos estados ocultos (IHMMs), resultando em um total de 132 HMMs. As diferenças entre os HMMs dependem da distribuição dependente (Log-Normal e Gama), do número de estados ocultos (2 e 3) e das 11 combinações de indicadores climáticos (NINO3 e Dipolo do Atlântico utilizados em diferentes momentos e escalas temporais). O desempenho dos diferentes modelos probabilísticos foi avaliado empregando um período de validação de 60 anos (1941-200) tendo como base o Continuous Ranked Probability Skill Score (CRPSS), assim como métricas de qualidade de previsões pontuais, tais como o Erro Médio Absoluto e Percentual (EMA, EMPA), Distancia Multicritério (DM) e coeficientes de Nash Sutcliffe (NS) e correlação. HMMs com 2 estados, baseados na distribuição Log-Normal se destacaram dos outros modelos, principalmente aquele que emprega o índice NINO3 de dezembro (NL) do ano anterior para realizar a previsão em janeiro do ano corrente. Em geral, os HMMs obtiveram desempenho melhor em anos mais secos, quando comparados com a climatologia, mas tiveram dificuldade na previsão de anos mais úmidos. No entanto, IHMMs que empregam o índice do Dipolo do Atlântico são alternativas para a previsão de anos úmidos. Os resultados mostraram que o modelo NL obteve desempenho destacado, quando comparado com modelos que não incluem informações climáticas e modelos autoregressivos com variáveis exógenas (ARX). Os resultados obtidos indicam o potencial de sistemas de previsão de vazão empregando a modelagem baseada em HMMs, em conjunto com informações climáticas. Esse caminho permite uma melhor compreensão da influência climática nos regimes do rio, permitindo flexibilizar o uso de indicadores climáticos e capturar melhor a variabilidade e a ocorrência de vazões baixas.