Embed Size (px)
Citation preview
1
UNIVERSIDADE DE PASSO FUNDO
FACULDADE DE ENGENHARIA E ARQUITETURA
CURSO DE ENGENHARIA AMBIENTAL
Luis Adriel Pereira
REGIONALIZAÇÃO DE VAZÕES DE
PERMANÊNCIA APLICADA NA REGIÃO
HIDROGRÁFICA DO URUGUAI UTILIZANDO O
PROGRAMA SisCoRV
Passo Fundo, 2012.
2
Luis Adriel Pereira
Regionalização de Vazões de Permanência Aplicada na
Região Hidrográfica do Uruguai Utilizando o
Programa SisCoRV
Trabalho de conclusão de curso
apresentado ao curso de Engenharia
Ambiental, como parte dos requisitos
exigidos para obtenção do título de
Engenheiro Ambiental. Orientadora:
Prof. Simone Fiori, Ma.
Passo Fundo, 2012.
3
Luis Adriel Pereira
Regionalização de Vazões de Permanência Aplicada na
Região Hidrográfica do Uruguai Utilizando o Programa
SisCoRV
Trabalho de Conclusão de Curso como requisito parcial para a obtenção do título de
Engenheiro Ambiental – Curso de Engenharia Ambiental da Faculdade de Engenharia e
Arquitetura da Universidade de Passo Fundo. Aprovado pela banca examinadora:
Orientadora:_________________________
Simone Fiori, Engenheira Civil, Mestre
Faculdade de Engenharia e Arquitetura, UPF
___________________________________
Eder Nonnemacher, Engenheiro Civil, Mestre
Faculdade de Engenharia e Arquitetura, UPF
___________________________________
Aline Ferrão Custódio Passini, Engenheira de Alimentos, Doutora
Faculdade de Engenharia e Arquitetura, UPF
Passo Fundo, 2012.
4
“O impossível existe até
quando alguém duvide dele
e prove o contrário”.
Albert Einstein
5
Agradecimentos
Agradeço a Deus, pai de todos, que nos concede esta nova oportunidade
chamada “vida”.
Aos meus amigos “especiais”, que sempre que podem estão juntos comigo me
orientando e me auxiliando a me tornar um ser humano melhor.
Ao meu grande amor, Paola, minha noiva, namorada, companheira, cúmplice,
amiga... este ser especial que tive a sorte de encontrar em minha jornada e que faz toda a
diferença na minha vida. Obrigado por estar sempre ao meu lado nos momentos que
precisei e que, mesmo não estando, sempre esteve!
À minha mãe, Maísa, pelo amor, carinho, dedicação e por todos os esforços
desmedidos que sempre fez.
Aos meus irmãos, Marcio, Joseane e Andressa pela amizade e por tudo que já
passamos juntos.
Aos meus sogros Hélio e Tânia, por serem sempre tão presentes e preocupados
não só com a felicidade dos filhos legítimos, mas também dos “postiços”...
À professora Simone, por aceitar me orientar neste trabalho e por acreditar na
minha capacidade.
Aos professores Marcelo Heinkemeyer e Luciana Londero Brandli, não só pelo
conhecimento transmitido, mas principalmente pelo convívio que tivemos nesse período
e pela amizade que sempre demonstraram ter comigo.
Aos meus amigos e Engenheiros Ambientais Jaerton e Itapuca, pelo convívio e
amizade que ficará para toda a vida.
Ao Engenheiro Ambiental Heberton, pelo grande amigo e exemplo de cidadão
que és. Esse é o cara! E, além disso, pode-se considerar co-orientador deste trabalho. rs*
Aos meus grandes amigos e colegas Éverton, Chico, Boni e Guilherme (Vesgo),
por termos convivido esses cinco anos, sempre trabalhando juntos, desfrutando de
vários momentos que levarei sempre comigo.
Enfim, a todos que de uma forma ou de outra estiveram presentes durante essa
minha caminhada. Fica o meu muito Obrigado!
6
RESUMO
A escassez de informações fluviométricas, associada à inconsistência temporal e
espacial das séries históricas disponíveis, tem resultado em grande limitação para se
representar o comportamento dos recursos hídricos em estudos de bacias hidrográficas,
principalmente das vazões mínimas. Uma alternativa muito utilizada em estudos
hidrológicos consiste na regionalização das vazões que representam o comportamento
hídrico na maior parte do tempo, denominadas de vazões de permanência. A
regionalização permite ajustar um modelo de regressão entre os dados de vazão obtidos
nas estações fluviométricas e as características físicas e climáticas da bacia, sendo o
modelo gerado utilizado para prever a vazão em locais sem dados hidrológicos. Neste
sentido, o objetivo deste estudo foi regionalizar as vazões com 90% de permanência no
tempo (Q90) nas bacias da Região Hidrográfica do Uruguai, utilizando o programa
SisCoRV. Para tanto, foram utilizadas as estações fluviométricas disponíveis sistema
Hidroweb pela Agência Nacional de Águas (ANA), considerando apenas aquelas que
apresentaram mais de cinco anos com dados completos. A metodologia aplicada
utilizou os dados de forma não homogênea e considerou o método da série toda de
dados disponíveis, obtendo-se uma única Q90 para cada estação, considerando um
período de dados não homogêneo. Foram utilizados modelos matemáticos para
regionalizar as vazões Q90 com diferentes variáveis explicativas, de modo a identificar
regiões com comportamento hidrológico homogêneo através do ajuste de estatísticas
objetivas, como o coeficiente de determinação ajustado (R²a), o erro padrão fatorial
(σF) e o erro percentual da estimativa (ER%). Como resultados, foram obtidas cinco
regiões hidrologicamente homogêneas, onde o modelo Potencial utilizando a variável
Área de drenagem foi o que melhor representou a variação das vazões Q90. Verificou-se
que os maiores erros porcentuais foram obtidos nas estações com áreas menores.
Conclui-se que o método utilizando os dados de forma não homogênea apresentou
resultados satisfatórios e, portanto, possíveis de aplicação, desde que consideradas as
peculiaridades apresentadas neste trabalho.
Palavras-chaves: Regionalização; vazão de permanência; SisCoRV.
7
ABSTRACT
The scarcity of information fluviometric associated with temporal and spatial
inconsistency of available historical series, has resulted in major limitation to represent
the behavior of water resources in river basins studies, mainly of minimum flows. An
alternative widely used in hydrological studies is the regionalization of the flows that
represent the behavior of water in most of the time, called streamflow permanence.
Regionalization allows you to adjust a regression model between the data obtained in
flow gauged stations and the physical and climatic basin, with the model used to predict
the generated flow in places without hydrological data. In this sense, the objective of
this study was to regionalize the flow with 90% retention time (Q90) of the Regional
Hydrographic basins of Uruguay, using the program SisCoRV. For this, we used the
system Hidroweb gauged stations available by the National Water Agency (ANA),
considering only those who had more than five years with complete data. The
methodology utilized data not homogeneous and considered the method of any number
of data available, yielding a single Q90 for each station, considering a period of
nonhomogeneous data. We used mathematical models to regionalize the flows Q90 with
different explanatory variables in order to identify regions with hydrology
homogeneous by adjusting objective statistics, as adjusted coefficient of determination
(R²), the standard error factor (σF) and the percentage error the estimate (ER%). As a
result, we obtained five hydrologically homogeneous regions where the potential model
using the variable Drainage area was best represented the variation in Q90 flows. It was
found that the highest percentages were obtained in errors stations with smaller areas. It
is concluded that the method using data not homogeneous satisfactory results, and
therefore possible implementation, since the peculiarities considered reported here.
Key-word: Regionalization; flow permanence; SisCoRV.
8
LISTA DE ILUSTRAÇÕES
Figura 1: Regime de um corpo hídrico representado pela curva de permanência .......... 28
Figura 2: Fluxograma com as etapas do trabalho. .......................................................... 36
Figura 3: Bacias hidrográficas que integram a Região Hidrográfica do Uruguai no RS 39
Figura 4: Mapa geológico da região hidrográfica do Uruguai. ...................................... 40
Figura 5: Mapa de relevo da Região Hidrográfica do Uruguai. ..................................... 42
Figura 6: Mapa de Solos da RHU. .................................................................................. 44
Figura 7: Mapa do Clima da RHU. ................................................................................ 45
Figura 8: Mapa da Vegetação da RHU. .......................................................................... 48
Figura 9: Unidades Hidrogeológicas da região hidrográfica do Uruguai. ...................... 50
Figura 10: Mapa com a localização das estações fluviométricas utilizadas no estudo .. 54
Figura 11: Interface de obtenção da curva de permanência no SisCAH 1.0. ................. 59
Figura 12: Interface do programa SisCoRV 1.0 ............................................................. 61
Figura 13: Tela com resultados de uma simulação......................................................... 62
Figura 14: Mapa com as RHH definidas neste estudo.................................................... 75
Figura 15: Regionalização da Q90 na RHH-R1 utilizando a variável Ad...................... 81
Figura 16: Regionalização da Q90 na RHH-R1 utilizando a variável L ......................... 82
Figura 17: Regionalização da Q90 na RHH-R1 utilizando as variáveis Ad e L .............. 84
Figura 18: Regionalização da Q90 na RHH-R2 utilizando a variável Ad ....................... 85
Figura 19: Regionalização da Q90 na RHH-R2 utilizando a variável L ......................... 86
Figura 20: Regionalização da Q90 na RHH-R2 utilizando as variáveis Ad e L .............. 88
Figura 21: Regionalização da Q90 na RHH-R3 utilizando a variável Ad ....................... 90
Figura 22: Regionalização da Q90 na RHH-R3 utilizando a variável L ......................... 91
Figura 23: Regionalização da Q90 na RHH-R3 utilizando as variáveis Ad e L .............. 93
Figura 24: Regionalização da Q90 na RHH-R4 utilizando a variável Ad ....................... 94
Figura 25: Regionalização da Q90 na RHH-R4 utilizando a variável L ......................... 96
Figura 26: Regionalização da Q90 na RHH-R4 utilizando as variáveis Ad e L .............. 97
Figura 27: Regionalização da Q90 na RHH-R5 utilizando a variável Ad ....................... 99
Figura 28: Regionalização da Q90 na RHH-R5 utilizando a variável L ....................... 100
Figura 29: Regionalização da Q90 na RHH-R5 utilizando a variável Ad e L ............... 102
9
LISTA DE TABELAS
Tabela 1: Vazões de permanência para cada estação fluviométrica obtidas no programa
SisCAH. .......................................................................................................................... 68
Tabela 2: Matriz de correlação entre as vazões e as variáveis independentes. .............. 70
Tabela 3: Modelos matemáticos que apresentaram os melhores ajustes estatísticos. .... 77
Tabela 4: Erro percentual da Q90 na RHH-R1 utilizando a variável Ad no modelo
Linear .............................................................................................................................. 80
Tabela 5: Erro percentual da Q90 na RHH-R1 utilizando a variável L no modelo
Exponencial .................................................................................................................... 82
Tabela 6: Erro percentual da Q90 na RHH-R1 utilizando as variáveis Ad e L no modelo
Linear .............................................................................................................................. 83
Tabela 7: Erro percentual da Q90 na RHH-R2 utilizando a variável Ad no modelo Linear
........................................................................................................................................ 85
Tabela 8: Erro percentual da Q90 na RHH-R2 utilizando a variável L no modelo
Potencial ......................................................................................................................... 86
Tabela 9: Erro percentual da Q90 na RHH-R2 utilizando as variáveis Ad e L no modelo
Linear .............................................................................................................................. 87
Tabela 10: Erro percentual da Q90 na RHH-R3 utilizando a variável Ad no modelo
Linear .............................................................................................................................. 89
Tabela 11: Erro percentual da Q90 na RHH-R3 utilizando a variável L no modelo Linear
........................................................................................................................................ 91
Tabela 12: Erro percentual da Q90 na RHH-R3 utilizando a variável Ad e L no modelo
Linear. ............................................................................................................................. 92
Tabela 13: Erro percentual da Q90 na RHH-R4 utilizando a variável Ad no modelo
Linear .............................................................................................................................. 94
Tabela 14: Erro percentual da Q90 na RHH-R4 utilizando a variável L no modelo Linear
........................................................................................................................................ 95
Tabela 15: Erro percentual da Q90 na RHH-R4 utilizando as variáveis Ad e L no modelo
Linear. ............................................................................................................................. 96
Tabela 16: Erro percentual da Q90 na RHH-R5 utilizando a variável Ad no modelo
Linear .............................................................................................................................. 98
10
Tabela 17: Erro percentual da Q90 na RHH-R5 utilizando a variável L no modelo Linear
........................................................................................................................................ 99
Tabela 18: Erro percentual da Q90 na RHH-R5 utilizando as variáveis Ad e L no modelo
Linear. ........................................................................................................................... 101
Tabela 19: Equações escolhidas para a RHH-R1. ........................................................ 103
Tabela 20: Equações escolhidas para a RHH-R2. ........................................................ 104
Tabela 21: Equações escolhidas para a RHH-R3. ........................................................ 104
Tabela 22: Equações escolhidas para a RHH-R4. ........................................................ 105
Tabela 23: Equações escolhidas para a RHH-R5. ........................................................ 105
11
LISTA DE QUADROS
Quadro 1: Estações fluviométricas selecionadas no estudo ........................................... 52
Quadro 2: Variáveis independentes utilizados no estudo. .............................................. 56
Quadro 3: Resultado do ajuste das Regiões Homogêneas para as vazões com 90% de
permanência (Q90)........................................................................................................... 72
12
LISTA DE EQUAÇÕES
Equação 1 ....................................................................................................................... 27
Equação 2 ....................................................................................................................... 33
Equação 3 ....................................................................................................................... 64
Equação 4 ....................................................................................................................... 64
Equação 5 ....................................................................................................................... 64
Equação 6 ....................................................................................................................... 64
Equação 7 ....................................................................................................................... 64
Equação 8 ....................................................................................................................... 65
Equação 9 ....................................................................................................................... 65
Equação 10 ..................................................................................................................... 65
Equação 11 ..................................................................................................................... 66
13
SUMÁRIO
1 INTRODUÇÃO ........................................................................................................ 15
1.1 Problema de Pesquisa ....................................................................................... 15
1.2 Justificativa ....................................................................................................... 16
1.3 Objetivos ........................................................................................................... 18
1.3.1 Objetivo Geral ........................................................................................... 18
1.3.2 Objetivos Específicos ................................................................................ 18
2 REVISÃO BIBLIOGRÁFICA ................................................................................. 19
2.1 Importância do Conhecimento das Vazões de Permanência ............................ 19
2.2 Regionalização Hidrológica .............................................................................. 21
2.2.1 Regiões Hidrologicamente Homogêneas................................................... 23
2.2.2 Métodos de Regionalização ....................................................................... 26
2.2.3 Regionalização de Curvas de Permanência ............................................... 28
2.2.4 Características físicas utilizadas em estudos de regionalização de vazões31
2.3 Correlação e Regressão Matemática ................................................................. 32
2.4 Sistema Computacional para Regionalização de Vazões – SisCoRV .............. 34
2.5 METODOLOGIA ............................................................................................. 36
2.6 Fluxograma de Trabalho ................................................................................... 36
2.7 Caracterização Geral da Área de Estudo .......................................................... 37
2.7.1 Bacias Hidrográficas.................................................................................. 37
2.7.2 Características Físicas da Região .............................................................. 39
2.8 Seleção e Análise dos Dados Utilizados no Estudo .......................................... 50
2.9 Obtenção das Variáveis Independentes Testadas ............................................. 55
2.10 Processamento dos Dados Hidrológicos ........................................................... 57
2.11 Método de Regionalização Hidrológica Aplicada ............................................ 60
2.11.1 Identificação das Regiões Hidrologicamente Homogêneas e obtenção das
Equações Regionais .................................................................................................. 63
2.11.2 Comparação entre as vazões Q90 observadas e Q90 estimadas .................. 66
3 RESULTADOS E DISCUSSÕES ............................................................................ 68
3.1.1 Obtenção das Vazões de Permanência Q90 ................................................ 68
3.1.2 Identificação das Regiões Hidrologicamente Homogêneas ...................... 70
3.1.3 Equações Regionais e Parâmetros Ajustados ............................................ 76
14
3.1.4 Comparação entre as Vazões Observadas e Estimadas ............................. 79
3.1.5 Definição das Equações Regionais .......................................................... 103
4 CONCLUSÕES ...................................................................................................... 109
4.1 Recomendações para Trabalhos Futuros ........................................................ 110
REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................... 111
ANEXOS ....................................................................................................................... 115
15
1 INTRODUÇÃO
1.1 Problema de Pesquisa
A crescente demanda de água, tanto para usos consultivos como irrigação
agrícola, abastecimento público e industrial, quanto usos não consultivos como os
aproveitamentos hidrelétricos, tem ocasionado a ocorrência de conflitos pelo direito de
uso das águas, tornando necessário o conhecimento da disponibilidade hídrica no
âmbito da bacia hidrográfica. Isso tem se constituído como parte fundamental para o
planejamento dos usos múltiplos das águas e ao mesmo tempo, um grande desafio para
os gestores dos recursos hídricos.
No entanto, a escassez de informações fluviométricas, associada à inconsistência
temporal e espacial das séries históricas disponíveis, tem resultado em grande limitação
para se representar o comportamento hídrico. Segundo dados do Sistema Nacional de
Informações sobre Recursos Hídricos (ANA, 2012), o Estado do Rio Grande do Sul
(RS) possui atualmente uma rede de 202 estações fluviométricas monitoradas pela
Agência Nacional de Águas (ANA), 117 destas, com dados consistidos disponíveis para
consulta. Deste total de estações no Estado, a Região Hidrográfica do Uruguai conta
com 65, o que representa cerca de 55% das estações monitoradas no RS. Porém, assim
como nos demais regiões do Estado, a deficiência de dados fluviométricos na Região
Hidrográfica do Uruguai, tanto em relação ao número de estações quanto as falhas nos
registros históricos, tem comprometido a gestão e o gerenciamento do uso de água,
proporcionando muitas incertezas na tomada de decisão, principalmente no que se refere
aos estudos realizados para enquadramento e outorga dos recursos hídricos.
Baseado nestas considerações, busca-se com a realização deste trabalho
responder a seguinte questão: É possível regionalizar satisfatoriamente as vazões de
permanência para bacias hidrográficas da Região Hidrográfica do Uruguai,
utilizando dados das estações fluviométricas com períodos de observação não
homogêneos?
16
1.2 Justificativa
O estabelecimento de uma rede hidrológica consistente, bem como a sua
manutenção ininterrupta, são consideradas fundamentais para a obtenção de dados
primários confiáveis, possíveis de serem aplicados em estudos hidrológicos voltados
para a gestão e gerenciamento dos recursos hídricos (OLIVEIRA, 2008).
Entretanto, a implantação e operação de postos hidrológicos em uma bacia
hidrográfica representa um alto custo, principalmente em áreas de extensa superfície
territorial como é o caso do Brasil. Além disso, são necessários vários anos de registros
para que os dados históricos tenham boa representatividade estatística (FERREIRA,
2010).
Mesmo que haja uma alta densidade de estações, uma rede hidrológica não é
capaz de cobrir todos os locais de interesse necessários ao gerenciamento dos recursos
hídricos de uma região, de forma que sempre existirão lacunas temporais e espaciais.
Tais lacunas podem ser preenchidas com metodologias de estimativa dos dados de
vazão em seções que não possuem medições (TUCCI, 2002).
Neste contexto, a regionalização hidrológica pode servir como ferramenta
imprescindível para planejamento e gestão de recursos hídricos, uma vez que tem por
finalidade suprir a deficiência de dados hidrológicos através da otimização dos dados
fluviométricos disponíveis. Uma das principais aplicações da regionalização de vazões
em estudos voltados a gestão de recursos hídricos se refere a estimativa das vazões
mínimas que possam ser utilizadas como “vazões de referência”. A vazão de referência
é um valor que representa o limite superior de utilização da água em um curso d’água e
tem por razão buscar a minimização dos conflitos pelo uso da água entre os diversos
usuários.
De acordo com Sousa (2009), a vazão de referência é baseada usualmente na
vazão mínima com 7 dias de duração e 10 anos de período de retorno (Q7,10) ou na
vazão mínima com 90% ou 95% de permanência no tempo (Q90 e Q95, respectivamente),
a qual pode ser obtida a partir da curva de permanência das vazões naturais observadas
em uma estação fluviométrica. A curva de permanência, também denominada curva de
duração, é atualmente a ferramenta mais empregada para se determinar as
17
disponibilidades hídricas em uma bacia, basicamente em função da sua
representatividade dos períodos de estiagens (CRUZ, 2001).
Com base nas considerações descritas acima e, mais especificamente, na
necessidade de elaboração de estudos a nível de bacia hidrográfica ainda não realizados
na Região do Uruguai, este estudo visa fornecer subsídios técnicos aos gestores de
recursos hídricos, bem como contribuir para o aprimoramento dos estudos hidrológicos
no RS.
Sendo assim, a regionalização das informações hidrológicas utilizadas no estudo
tem por finalidade identificar as Regiões Hidrologicamente Homogêneas que
constituem a Região Hidrográfica do Uruguai (RHU). A partir disso, poder-se-á definir
as equações regionais possíveis de serem aplicadas na estimativa das vazões com
permanência de 90% do tempo nas bacias hidrográficas da Região, considerando
diferentes variáveis explicativas e tendo como função a ser regionalizada, a curva de
permanência da série hidrológica disponível.
A escolha da variável dependente Q90 foi baseada na utilização do método de
obtenção da curva de permanência considerando toda a série de dados hidrológicos
disponível, o qual se apresenta como mais conservador e, portanto, utilizou-se uma
vazão com caráter menos restritivo do que em relação a Q95, porém, possível de ser
adotada como referência em estudos hidrológicos futuros.
Para o processamento dos dados hidrológicos optou-se pela utilização de dois
programas, o SisCAH – Sistema Computacional para Análises Hidrológicas – e o
SisCoRV – Sistema Computacional para Regionalização de Vazões. No estudo, estes
programas foram considerados como um programa único, haja vista que o SisCAH
apresenta-se incluso como um módulo dentro da interface do SisCoRV. A escolha do
programa teve como premissa básica a praticidade e rapidez com que os resultados
podem ser obtidos e também o fato de que estudos hidrológicos recentes já fizeram uso
deste mesmo programa, obtendo-se resultados considerados condizentes com os
objetivos definidos.
18
1.3 Objetivos
1.3.1 Objetivo Geral
Regionalizar as vazões com 90% de permanência no tempo (Q90) das estações
fluviométricas monitoradas pela ANA na Região Hidrológica do Uruguai, no RS,
utilizando o programa SisCoRV.
1.3.2 Objetivos Específicos
Obter as vazões de permanência Q90 de cada estação fluviométrica utilizando o
programa SisCAH;
Regionalizar a vazão de permanência Q90 de cada estação, a partir da aplicação do
Método Tradicional, utilizando o programa SisCoRV;
Identificar as Regiões Hidrologicamente Homogêneas (RHH) para a área em estudo,
considerando as combinações possíveis entre diferentes variáveis explicativas;
Regionalizar a vazão de permanência Q90 nas Regiões Hidrologicamente
Homogêneas;
Analisar os erros de estimativa entre a Q90 obtida a partir dos dados observados e a
Q90 regionalizada e;
Definir as melhores equações regionais possíveis de aplicação;
19
2 REVISÃO BIBLIOGRÁFICA
2.1 Importância do Conhecimento das Vazões de Permanência
A Política Nacional de Recursos Hídricos (PNRH), instituída pela lei 9.433/1997
estabelece como seus instrumentos os Planos de Recursos Hídricos: o enquadramento
dos corpos de água em classes, segundo os usos preponderantes da água; a outorga dos
direitos de uso das águas; a cobrança pelo uso das águas; a compensação a municípios
e; Sistema de Informações sobre Recursos Hídricos (BRASIL, 1997). Dentre estes, o
Enquadramento e a Outorga constituem-se como os principais instrumentos, no que se
refere à compatibilidade entre oferta e demanda e ao controle quali-quantitativo dos
usos dos recursos hídricos, garantindo ao usuário o direito e a multiplicidade de uso da
água.
Um dos principais critérios do enquadramento e da outorga consiste na chamada
vazão de referência. A vazão de referência é o estabelecimento de um valor de vazão
que passa a representar o limite superior de utilização da água em um curso d’água e é,
também, um dos principais entraves à implementação de um sistema de outorga
(CRUZ, 2001; CAMARA, 2003).
A aplicação do critério de vazão de referência, segundo Harris et al. (2000),
apud Silva et al. (2006) constitui-se em procedimento adequado para a proteção dos
rios, pois as alocações para derivações são feitas, geralmente, a partir de uma vazão de
base de pequeno risco.
Na prática, a vazão de referência corresponde às chamadas vazões mínimas de
estiagem (Q7,10) ou ainda as vazões de permanência (por exemplo, Q90, Q95)
(FERREIRA, 2010). De acordo com Mendes (2007), tem-se verificado na literatura a
frequente utilização como vazão de referência a Q7,10, que corresponde a vazão mínima
de 7 dias de duração e 10 anos de tempo de recorrência (com um risco de 10% ocorrer
valores menores ou iguais a este em qualquer ano).
No entanto, de acordo com Tucci (2002), considerando que, no caso de um
processo de enquadramento dos recursos hídricos, por exemplo, a Classe de um rio
representa uma meta e deseja-se que esta meta seja atendida o maior tempo possível da
20
série, é recomendável utilizar-se uma vazão relacionada com sua duração no tempo,
neste caso, a vazão de permanência. Para o autor supracitado, as vazões mínimas ficam
melhor representadas por índices de vazões que são referências para previsão, ou para a
estimativa das mesmas em períodos de estiagem.
As vazões de permanência são obtidas a partir da chamada Curva de
Permanência e podem ser compreendidas como a relação entre a magnitude e a
frequência com que as vazões observadas em um trecho de um curso d’água são
igualadas ou superadas, quando analisada a série histórica com dados disponíveis. Essa
curva proporciona uma visão gráfica do comportamento hidrológico em uma bacia,
fornecendo de forma simples e concisa a variabilidade das vazões ao longo do tempo,
sendo que o principal interesse na sua utilização se concentra no ramo inferior da curva
(PINTO, 2006).
O ramo inferior da curva de permanência representa o regime de vazões em que
um curso d’água é extremamente dependente do escoamento de base, ou seja,
dependente da contribuição da recarga dos aquíferos, sendo que a quantidade e a
duração do escoamento de base são dependentes da quantidade de precipitação e das
características físicas da região (RODRIGUES, 2008).
Vazões obtidas a partir das curvas de permanência têm sido utilizadas pela maior
parte dos estados da Federação que já estabeleceram critérios de outorga (os estados de
Alagoas, Ceará, Paraíba e Rio Grande do Norte adotam como vazão máxima outorgável
90% da vazão Q90, Bahia e Distrito Federal 80% do Q90 e Sergipe 30% da Q90,
conforme observam Castro et al. (2004) apud Reis et al. (2006)
No Rio Grande do Sul, a lei 10.350 de dezembro de 1994 estabelece que a
outorga de uso dos recursos hídricos está condicionada às prioridades de uso
estabelecidas no Plano Estadual de Recursos Hídricos e nos Planos de Bacia
Hidrográfica (RIO GRANDE DO SUL, 1996). Isto significa que a vazão de referência
poderá variar de uma bacia para outra, respeitando as particularidades de cada local.
Isto se verifica em alguns Planos de Bacia Hidrográfica já elaborados no RS,
onde tem sido comum definir como vazão de referência as vazões com 90% (Q90) ou
95% (Q95) de permanência no tempo, considerando a série histórica disponível (SEMA,
2007). Estas vazões podem ser compreendidas como os menores valores de vazão que
ocorrem em 90% ou 95% do tempo, respectivamente. Em termos de enquadramento,
esses percentis podem ser compreendidos como a frequência (% de tempo) em que o rio
21
tem condições de atender a uma determinada Classe de qualidade. Para a outorga,
atribuem-se valores porcentuais desta vazão de referência, ou seja, outorgando-se
apenas parte desses valores. (FERREIRA, 2010).
Para que se possam obter essas vazões mínimas, vários anos com registros de
vazões são necessários. No entanto, a deficiência de dados de vazões observadas tem
comprometido a gestão do uso da água (LEMOS, 2006). Considerando-se os altos
custos associados à implantação e operação de uma rede hidrométrica mais densa,
torna-se importante a otimização dos dados disponíveis na região em estudo. Para tanto,
existem algumas alternativas já consolidadas para esta finalidade, entre elas, “a técnica
de regionalização de vazões tem sido bastante utilizada na espacialização dessas
informações” (RIBEIRO et al., 2005).
2.2 Regionalização Hidrológica
Para o estabelecimento da vazão de referência são necessários vários anos de
registros para que os dados históricos tenham boa representatividade estatística. Além
disso, o desenvolvimento das políticas de recursos hídricos passa pela necessidade de
implantação e operação de uma densa rede de postos hidrológicos em uma bacia
hidrográfica, o que se apresenta atualmente como uma alternativa de alto custo para um
país como o Brasil que possui uma extensa superfície territorial (TUCCI, 2009,
FERREIRA, 2010). Com isso, a carência de informações dificulta a implementação
dessas políticas, o que exige a busca por alternativas que supram esta insuficiência de
dados.
Ainda que haja uma alta densidade de estações, uma rede hidrológica não é
capaz de cobrir todos os locais de interesse necessários ao gerenciamento dos recursos
hídricos de uma região, de forma que sempre existem lacunas temporais e espaciais que
necessitam ser preenchidas com base em metodologias que busquem uma melhor
estimativa dos dados de vazão em seções que não possuem medições (TUCCI, 2002). A
regionalização hidrológica é uma técnica que tem apresentado resultados satisfatórios,
visando suprir a deficiência de dados hidrológicos em cursos de água.
22
Segundo Tucci (2009), a Regionalização Hidrológica se apresenta como uma
alternativa que busca disponibilizar informações hidrológicas baseando-se nas
similaridades espaciais de algumas funções, variáveis e parâmetros que permitem a
transferência de informações entre regiões. O processo de regionalização consiste num
conjunto de ferramentas que exploram ao máximo as informações existentes, com
intuito de estimar as variáveis hidrológicas em locais sem dados ou com informações
consideradas insuficientes.
Para Cruz (2001), “a regionalização hidrológica pode contemplar diversas
variáveis ou funções, por exemplo, vazões máximas, médias e mínimas, como funções
do período de retorno e curvas de permanência e regularização de vazões” (p.28), sendo
que a precisão da regionalização hidrológica é dada pelos limites quantitativos das
informações utilizadas. Por exemplo, não se recomenda o uso de regionalizações para
bacias com áreas muito inferiores às menores áreas das bacias instrumentadas que
forneceram dados para a regionalização.
Conforme explica Oliveira (2008):
A regionalização permite ajustar um modelo de regressão entre os dados de
vazão obtidos nas estações fluviométricas e as características físicas e
climáticas da bacia, sendo o modelo gerado utilizado para prever a vazão em
locais sem dados hidrológicos. A seleção de um número representativo de
estações fluviométricas e de séries históricas não muito curtas e com poucas
falhas é de grande importância para a obtenção de resultados mais fidedignos
(p.10).
Smakhtin (2001) apud Ferreira (2010), afirma que a regionalização hidrológica
geralmente é baseada na premissa de bacias com clima, geologia, conformações
geomorfológicas, tipologias de solos e vegetação semelhantes apresentam respostas
parecidas em termos de escoamento, distribuição de vazão média mensal, magnitude,
duração e frequência de eventos extremos nas bacias.
Silva Junior (2003) analisou o comportamento dos processos hidrológicos em
diferentes escalas, de forma a identificar os erros potenciais das estimativas das
variáveis hidrológicas de pequenas bacias através da regionalização dessas variáveis
com base em dados de grandes bacias. O estudo utilizou os dados da Bacia do Potiribu,
23
região noroeste do Estado do RS. Os resultados mostraram que o erro é limitado na
extrapolação para bacias maiores que as usadas na regionalização, enquanto que, para
bacias menores, os resultados se mostraram aceitáveis até 20 km².
Os trabalhos de Euclydes et al. (2001, 2003) mostram que através da técnica da
regionalização hidrológica é possível estimar as variáveis hidrológicas: vazão média de
longo período, vazão máxima, vazão mínima, curvas de permanência e curvas de
regularização visando a estimativa das potencialidades e disponibilidades dos recursos
hídricos em qualquer curso d’água da Bacia do Rio das Velhas em Minas Gerais, da
Bacia do Alto São Francisco a montante da Barragem de Três Marias em Minas Gerais
e da Bacia do Rio Paranaíba em Minas Gerais.
No Estado do Rio Grande do Sul, um estudo pioneiro foi contratado pela
Companhia Estadual de energia Elétrica – CEEE junto à Universidade Federal do Rio
Grande do Sul/Instituto de Pesquisas Hidráulicas – IPH. Este estudo procurou extrair o
máximo de informações dos dados hidrológicos visando servir de base ao planejamento
dos aproveitamentos dos recursos hídricos do Estado do Rio Grande do Sul. Ao concluir
o trabalho foi recomendado que o mesmo fosse atualizado em períodos de pelo menos
cinco anos, de forma a incorporar novos dados coletados no período e tornando as
funções regionais mais representativas pelo aumento da amostra disponível (TUCCI,
1991).
O convênio ANEEL/UFRGS/IPH desenvolveu a regionalização das Sub-bacias
70 A 79, integrantes da bacia 7 – Rio Uruguai. O objetivo deste trabalho foi de realizar
os estudos de regionalização hidrológica das vazões características de longo termo da
bacia do Uruguai (bacia 7), integrando os dados consistidos das estações fluviométricas
localizados nas sub-bacias 70 a 77 (IPH/UFRGS/ANEEL, 2001).
2.2.1 Regiões Hidrologicamente Homogêneas
Segundo Cruz (2001) e Tucci (2002), para que os dados de uma série temporal
sejam considerados homogêneos ao longo do tempo, é preciso aceitar o princípio da
estacionariedade. A estacionariedade da série temporal da variável se baseia em que as
24
frequências de ocorrência do passado serão válidas para descrever as probabilidades de
ocorrência no futuro.
Isso significa que, as propriedades estatísticas não se alteram com o passar do
tempo, embora as séries possam ser diferentes entre si. Se os sistemas e as propriedades
estatísticas das variáveis mudam ano a ano, não se pode aceitar a hipótese de
estacionariedade das séries temporais hidrológicas (CRUZ, 2001). As causas mais
frequentes de não-estacionariedade das vazões podem ser de origem natural ou
antrópica e estão comumente relacionada a mudanças climáticas, uso e ocupação do
solo, construção de reservatórios dentre outros fatores, conferindo também certa
tendenciosidade nas séries hidrológicas.
Por isso, nos estudos de regionalização, a delimitação de regiões que possuam
séries observadas com comportamento hidrológico ou estatístico semelhante, consiste
em uma etapa essencial para a obtenção de resultados satisfatórios (PINTO,2006).
Nestas regiões ditas homogêneas, as informações a serem regionalizadas possuem
tendências similares e que, segundo Tucci (2002) e Sousa (2009), não se estendem por
áreas muito extensas, devido às variabilidades de características como clima, geologia,
geomorfologia, pedologia e uso e ocupação do solo.
Para Tucci (2009), na definição de regiões com comportamento hidrológico
semelhante, os postos fluviométricos “devem pertencer a uma região geográfica e
hidrológica compatível” (p. 591).
De acordo com White (1975) e Wiltshire (1985) apud Sousa (2009), as primeiras
tentativas para classificar e delimitar regiões homogêneas foram baseadas na
coincidência dos limites das regiões com os contornos da divisão política,
administrativa e fisiográfica, e também em critérios baseados no agrupamento de
estações fluviométricas, considerando a distribuição de frequência da vazão média anual
e o coeficiente de variação, similaridades das características físicas das bacias e na
variância das vazões máximas.
Na prática, segundo Lemos (2006), a chamada “homogeneidade” na
regionalização se traduz por um elevado Coeficiente de Determinação (R²), obtido com
a aplicação de regressão múltipla das vazões com as características físicas e/ou
climáticas da região de interesse. Conforme explica o autor, a identificação das regiões
hidrologicamente homogêneas pode ser realizada em duas etapas, na qual a primeira
25
consiste em delimitar as regiões com base apenas nas características locais e, a segunda,
consistindo em testes estatísticos que verificam os resultados preliminares obtidos.
Neste tipo de análise estatística, é comum a utilização de dois critérios,
conforme descreve Euclydes et. al. (2001), a saber:
Análise de distribuição de frequências das vazões adimensionalizadas de cada
estação, o qual se baseia no fato de que as distribuições de frequências das
vazões mínimas das estações em uma região hidrologicamente homogênea
seguem uma mesma tendência, sendo as diferenças proporcionais à média das
séries de vazões consideradas. Essa característica permite que, ao se obterem
séries transformadas de vazões, por meio da divisão dos seus valores pelas
respectivas médias, as distribuições de frequências dessas séries transformadas
sejam idênticas.
Critério baseado na análise do ajuste do modelo de regressão múltipla, o qual,
para a definição das regiões hidrologicamente homogêneas, são analisados os
coeficientes da regressão ou determinação (R²) e o erro percentual entre os
valores das vazões observadas e as estimadas pelo modelo. A combinação de
estações que apresentar o melhor ajustamento, provavelmente, deverá estar em
uma região hidrologicamente homogênea.
As regressões múltiplas, conforme mencionadas anteriormente, são estabelecidas
entre as séries de vazões e características físicas e climáticas como área de drenagem,
comprimento do rio principal, densidade de drenagem, declividade média do rio
principal e precipitação média da bacia (TUCCI, 2002; PINTO, 2006; LEMOS, 2006).
Caso estes critérios apresentem bons resultados estatísticos, a região é definida
como hidrologicamente homogênea para as vazões estudadas, se não, há necessidade de
subdividir a região e reiniciar o processo novamente (EUCLYDES et. al., 2003;
FERREIRA, 2010).
26
2.2.2 Métodos de Regionalização
Diversos métodos de regionalização têm sido desenvolvidos com o intuito de
superar as limitações das bases de dados existentes na maioria das bacias hidrográficas
brasileiras, sendo que os mais empregados são aqueles que utilizam a transferência de
equações e parâmetros relacionados com as estatísticas (ELETROBRAS, 1985a).
Dentre esses, destacam-se o método proposto por Chaves et. al. (2002), o qual
utiliza técnicas de interpolação e extrapolação automáticas em ambiente de sistemas de
informações geográficas; O método de interpolação linear, alternativa proposta pela
Eletrobrás (1985b), onde se obtém as vazões relativas à seção de interesse utilizando as
vazões correspondentes às estações fluviométricas mais próximas e; O método
tradicional, desenvolvido pelo National Research Center da Inglaterra na década de 70 a
partir de uma ampla revisão sobre métodos estatísticos aplicados a hidrologia (NERC,
1975 apud ELETROBRAS, 1985).
De acordo com Lemos (2006), Sousa (2009) e Ferreira (2010), o método
tradicional é um dos mais utilizados em estudos de regionalização e o que tem
apresentado sistematicamente os resultados mais satisfatórios, apresentando menores
erros de estimativas quando em comparação com outras metodologias.
Oliveira (2008) afirma que o método tradicional é um dos mais empregados em
estudos de regionalização de vazões no Brasil. No entanto, uma das deficiências deste
método é a descontinuidade de vazões encontrada na transição de uma região
homogênea para outra, onde ocorre uma mudança de equações ao longo do curso de
água e, até mesmo, dentro de uma mesma região, quando a equação ajustada não for
linear.
Para Sousa (2009), o método tradicional pode ser aplicado nos estudos de
regionalização de vazões mínimas, máximas, médias, bem como as curvas de
regularização e de permanência.
Segundo Lemos (2006), o método tradicional é um dos mais utilizados em
estudos de regionalização e o que tem apresentado sistematicamente os resultados mais
satisfatórios, apresentando menores erros relativos médios quando em comparação com
outras metodologias.
27
O método tradicional é um dos mais difundidos e emprega a análise de regressão
múltipla para investigar como as variáveis independentes afetam a variação da função
dependente (vazão). A função matemática que relaciona as variáveis é da forma
(TUCCI, 2009):
Q = F(X , X , X ,... Xn) Equação 1
Em que Q é a vazão estimada; X, variável independente; e n, número de variáveis independentes.
O método tradicional baseia-se na identificação de regiões homogêneas e no
ajuste de equações de regressão múltipla, considerando as diferentes variáveis (por
exemplo, a curva de permanência) a serem regionalizadas e as características físicas
e/ou climáticas das estações fluviométricas consideradas para cada região
hidrologicamente homogênea, buscando investigar como estas características
explicativas afetam as vazões (ELETROBRAS, 1985a; TUCCI, 2002; RODRIGUES,
2008; SOUSA, 2009; FERREIRA, 2010).
Ribeiro et al. (2005) adotaram o método tradicional para regionalizar as vazões
mínimas de referência (Q7,10, Q90 e Q95) da bacia do Rio Doce. Baena (2002) também
utilizou o método tradicional, regionalizando as vazões máxima, mínima e média de
longo período para a bacia do Rio Paraíba do Sul, a montante da cidade de Volta
Redonda.
Silva Junior et al. (2003) aplicaram o método tradicional para regionalizar
vazões máximas, mínimas, médias e da curva de permanência na bacia do rio Grande,
evidenciando que a variável independente que melhor explicou o comportamento das
vazões foi a área de drenagem.
No entanto, a aplicação do método tradicional apresenta algumas limitações de
uso. Segundo ELETROBRAS (1985a), Tucci (2002) e Rodrigues (2008), para sua
aplicação é necessário um número mínimo de estações para a utilização dos modelos de
regressão, e ainda, não se deve utilizar estações influenciadas por reservatórios à
montante.
Clarke e Dias (2003) ressaltam ainda que as técnicas de regionalização
fundamentadas em regressões múltiplas contêm duas limitações: a) suposição de que as
séries de vazão são estacionárias; b) e o fato de que não se utiliza as informações sobre
a configuração espacial das estações cujos dados são utilizados na obtenção da
28
regressão, ou seja, geralmente não se considera o efeito da distância das estações em
relação ao local de interesse.
2.2.3 Regionalização de Curvas de Permanência
A curva de permanência, também denominada curva de duração, é atualmente a
ferramenta mais empregada para se determinar as disponibilidades hídricas em uma
bacia, basicamente em função da sua representatividade dos períodos de estiagens
(CRUZ, 2001). Ela pode ser definida como uma curva cumulativa de frequência da série
temporal continua das vazões observadas que possibilita identificar não só a
potencialidade natural das vazões mínimas da hidrografia em estudo, como também o
grau de permanência de qualquer valor de vazão. A partir disso, pode-se avaliar a
disponibilidade das vazões frente às demandas de um curso d’água (CRUZ e TUCCI,
2008). A Figura 1 apresenta a representação esquemática da curva de permanência.
Figura 1: Regime de um corpo hídrico representado pela curva de permanência
Fonte: Cruz, 2001.
Para a estimativa das vazões mínimas a partir da curva de permanência, diversas
metodologias têm sido desenvolvidas. Dentre as alternativas disponíveis, a
regionalização de vazões vem sendo amplamente utilizada. Segundo Tucci (2009) e
Sousa (2009), o método de “regionalizar” vazões consiste em um conjunto de
ferramentas que exploram ao máximo as informações existentes, visando obter variáveis
29
hidrológicas que possibilitem estimar as vazões em locais onde os dados fluviométricos
sejam deficientes ou até mesmo inexistentes. Para tanto, a regionalização utiliza a
transferência espacial de informações de um local com dados disponíveis a outro onde
as características físicas e climáticas sejam semelhantes.
De acordo com Cruz e Tucci, 2008, entre varias regionalizações usuais, a
regionalização da curva de permanência é apenas um entre vários estudos possíveis. Na
regionalização da curva de permanência podem ser adotados dois procedimentos
baseados:
Na interpolação, gráfica ou analítica, de uma curva, passando por vazões com
permanência pré-definidas e estimadas a partir das referidas características da
bacia.
Na parametrização da curva, pressupõe o ajuste de uma função matemática à
totalidade da curva de permanência. Este modelo permite uma sintetização
maior das informações, facilitando a regionalização, que é feita pela regressão
entre os parâmetros da função matemática e as características fisiográficas da
bacia;
Os modelos de regionalização que definem a curva de permanência na forma
parametrizada podem provocar erros nas estimativas do ramo inferior da curva, onde os
escoamentos são menores, embora possa apresentar um bom ajuste global. O uso de
modelos tipo interpolativos minimiza este erro pela estimativa ponto a ponto da curva
no trecho de interesse.
Diversos são os estudos de regionalização de curvas de permanência que tem
sido realizados nos últimos anos, denotando a importância no desenvolvimento desta
modalidade de regionalização de dados históricos hidrológicos e sua aplicabilidade no
planejamento e gestão dos recursos hídricos (FERREIRA, 2010).
Tucci (1991) apresentou um estudo da curva de permanência para o estado do
Rio Grande do Sul, dividido em seis regiões, pelo método interpolativo. Foram
utilizados dados de vazões médias diárias de 105 postos com áreas de contribuição entre
41 e 189.300 km2 (mediana de 2058 km
2 e média de 8292 km
2). Foi feita uma
comparação entre as alternativas de considerar a curva de permanência na sua forma
empírica ou representada por uma função lognormal com parâmetros ajustados pelo
30
método dos momentos. Esta última, que caracterizaria um modelo paramétrico, foi
descartada pelos seus resultados julgados imprecisos
Córdova e Pinheiro (2001) utilizaram 27 estações fluviométricas para o estudo
de Regionalização de vazões da bacia do Rio Itajaí, obtendo um coeficiente de
determinação (R²) de 0,8833 para vazões com 80% de permanência.
No estudo realizado para o Rio Paraíba do Sul, Baena (2002) regionalizou as
vazões associadas a 50, 75, 80, 90 e 95% de permanência no tempo, estabelecendo
equações de regressão para cada uma dessas vazões. Como resultado obteve quatro
regiões hidrologicamente homogêneas, sendo que a área de drenagem e densidade de
drenagem apresentaram-se como as variáveis mais representativas no estudo.
No trabalho desenvolvido por Lemos (2006), três metodologias de
regionalização de vazões mínimas de referência (Q7, 10, para períodos trimestrais e
anual, Q90 e Q95) para a bacia do Rio São Francisco, a montante do Reservatório de Três
Marias, foram avaliadas, sendo que a área de drenagem foi a variável mais expressiva
para a representação da Q90 e Q95 na regionalização pelo método tradicional.
Ferreira (2010) realizou o estudo de métodos de estimativa de vazões mínimas
de sete dias consecutivos com período de retorno de dez anos (Q7,10) e de vazões
mínimas associadas à permanência de 90% no tempo (Q90), por meio de diferentes
métodos de regionalização hidrológica, considerando diferentes características físicas.
Com os resultados obtidos, concluiu que Área de drenagem, comprimento do rio
principal e declividade média da bacia foram as variáveis presentes nas equações de
melhor ajuste, tanto para as vazões Q7,10 como para as vazões Q90, obtidas com o
Método Tradicional.
Pessoa et al. (2011) realizaram estudo de regionalização de curva de
permanência para os rios da região hidrográfica da Calha Norte no Estado do Pará, a
partir da utilização de cinco modelos matemáticos de regressão. O modelo cúbico foi o
que se ajustou melhor às curvas de permanência de vazões das nove estações usadas na
calibração.
31
2.2.4 Características físicas utilizadas em estudos de regionalização de vazões
Para a definição do comportamento hidrológico em uma bacia hidrográfica, o
conhecimento das características físicas é de grande utilidade, uma vez que ao se
estabelecer relações entre elas e os dados hidrológicos, pode-se determinar
indiretamente variáveis hidrológicas em seções ou locais de interesse onde há ausência
de dados (FERREIRA, 2010).
Inicialmente não são conhecidas as variáveis independentes que melhor
explicam a função dependente. Portanto, é necessário avaliar estas variáveis
individualmente e também procurar a melhor combinação entre elas, de modo que
represente a distribuição dos valores da função (VENDRUSCOLO, 2005).
Cruz (2001) reforça a importância em se considerar as características físicas para
a delimitação de regiões hidrologicamente homogêneas ao afirmar que, em qualquer
caso, as condições fisiográficas são essenciais para a formação dos elementos do
balanço hídrico. Além disso, podem ser extraídas de mapeamentos, de forma a adicionar
confiança à extrapolação dos pontos de observação para outros pontos localizados
dentro de uma mesma região.
Rodrigues (2008) comenta que, normalmente são usadas em regionalização
como características fisiográficas a área da bacia, o comprimento do curso de água
principal e a densidade de drenagem. Vale ressaltar que outras características podem ser
correlacionadas com as funções hidrológicas, desde que sejam representativas dos
fenômenos que se deseja simular, além de serem de fácil medição, a fim de facilitar o
uso futuro dos resultados da regionalização.
As características físicas em estudos de regionalização hidrológica podem ser
determinadas para a área de drenagem a montante de cada estação fluviométrica. A área
de drenagem de cada estação, a qual corresponde a uma bacia hidrográfica, pode ser
delimitadas facilmente de forma manual ou automatizada, com o uso de Sistemas de
Informações Geográficas (BAENA, 2002).
Segundo Rodrigues (2008), as características físicas mais utilizadas nos estudos
de regionalização pelo método tradicional são a área de drenagem, o comprimento do
rio principal, a densidade de drenagem e a declividade média do rio principal. A esse
respeito, Catalunha (2004) salienta que a área de drenagem é a variável que tem sido
32
mais utilizada, sendo que geralmente apresenta boa correlação com as demais
características da bacia.
Para Tucci (2002), a área de drenagem usualmente embute as informações
referentes ao comprimento do rio. Conforme Ferreira (2010) apud Garcez e Alvarez
(1988), a área da bacia constitui uma das principais variáveis explicativas na quase
totalidade dos estudos de regionalização, devido à sua influência na potencialidade
hídrica da bacia hidrográfica. O comprimento do rio principal é definido como sendo o
comprimento daquele que drena a maior região no interior da área de drenagem.
Para Oliveira (2008) Outras características físicas das bacias também podem ser
utilizadas para serem correlacionadas com as variáveis hidrológicas. Deve-se considerar
a representatividade das características dos processos que se deseja estudar, bem como o
fato da característica ser de fácil medição a partir dos mapas, já que em caso contrário
dificultará o uso futuro dos resultados da regionalização.
Baena (2002) afirma que a declividade média da bacia é outra variável
explicativa importante para os estudos de regionalização, pois controla, em parte, a
velocidade do escoamento superficial, afetando assim o tempo que leva a água da chuva
para concentrar-se nos leitos fluviais da rede de drenagem da bacia. De acordo com o
autor, com o auxílio do geoprocessamento pode-se automatizar o processo de obtenção
da declividade média quando se possui um modelo digital de elevação do terreno, no
qual se tem para cada célula um determinado valor de declividade.
Com o auxílio do geoprocessamento pode-se obter rapidamente o comprimento
e a declividade de cada sub-trecho necessários para o cálculo da declividade do curso de
água principal de uma bacia (FERREIRA, 2010).
2.3 Correlação e Regressão Matemática
Conceitualmente, correlação pode ser e compreendida como A medida da
variação conjunta das variáveis ou co-variação observada em um diagrama de dispersão,
que pode ser realizada numericamente por meio dos coeficientes de correlação que
representam o grau de associação entre duas variáveis continuas (NAGHETTINI e
PINTO, 2007).
33
As medidas genéricas de correlação, frequentemente são designadas por ρ, são
adimensionais e variam entre -1 e +1. No caso de ρ = 0, não existe correlação entre as
duas variáveis. Quando ρ > 0, a correlação é positiva e uma variável aumenta quando a
outra cresce. A correlação é negativa, ρ < 0, quando as variáveis variam em direções
opostas.
A correlação representa simplesmente a tendência que as variáveis apresentam
quanto à sua variação conjunta. Assim, a medida da correlação não indica
necessariamente que há evidências de relações causais entre duas variáveis. As
evidências de relações causais devem ser obtidas a partir do conhecimento dos
processos envolvidos (TUCCI, 2002; NAGHETTINI e PINTO, 2007).
Modelos de regressão são modelos matemáticos que relacionam o
comportamento de uma função dependente (vazões máximas, médias, mínimas, de
permanência) com uma ou mais variáveis independentes ou explicativas, pois tentam
explicar como ocorre a variação desta função (TUCCI, 2009). Quando a função
matemática “f”, que relaciona duas variáveis é do tipo y = f(x) = a + bx, tem-se um
modelo de regressão simples. O modelo Quando o comportamento de y é explicado por
mais de uma variável explicativa (x1, x2, ...,xn), tem-se então um modelo de regressão
multivariado. Os modelos acima (simples ou multivariados) simulam relacionamentos
entre as variáveis do tipo linear (equação da reta ou do plano) ou não-linear (equação
exponencial, geométrica ou de potência, logarítmica, etc...) (TUCCI, 2002). A equação
de regressão fica:
Equação 2
Onde, Ad representa a Área de drenagem, P a precipitação média anual, S a declividade média
do rio principal, L o comprimento do rio principal e DD a densidade de drenagem, por exemplo.
Segundo Tucci (2002), quando a função matemática é não linear procura-se, por
um artifício, transformar essa equação numa expressão linear, através de transformação
logarítmica, fazendo-se uso de diferentes modelos. O modelo mais eficiente será aquele
que permitir a estimativa dos valores da função estudada com menores erros e incluir o
menor número de variáveis explicativas, reduzindo o custo e o tempo de obtenção
desses valores no processo de predição.
34
De acordo com Vendruscolo (2005), quando se busca determinar a relação entre
duas variáveis, tem-se por finalidade projetar estimativas sobre algum fenômeno real.
Neste caso, ocorre a extrapolação das relações de causa e efeito observadas.
Segundo Tucci (2009), a adequação do ajuste da função matemática aos dados
pode ser verificada por uma série de avaliações objetivas. Entre essas avaliações, as
mais adotadas são o coeficiente linear de correlação ou coeficiente de determinação
(R²), o desvio padrão dos erros de ajustamento, também chamado de erro padrão de
estimativa, erro padrão fatorial (σF) e o erro percentual (ER%).
O coeficiente de determinação representa a proporção com que o modelo
consegue explicar a variabilidade da função estudada. Quanto mais próximo de 1 estiver
o R², maior é a parcela explicada pelo modelo. O erro padrão de estimativa quantifica a
dispersão dos valores observados da variável independente em torno da função ajustada.
Um valor baixo do erro padrão significa um bom ajuste (PINTO, 2006).
2.4 Sistema Computacional para Regionalização de Vazões – SisCoRV
O Sistema Computacional para Regionalização de Vazões – SisCoRV1 – em sua
versão 1.0, é um programa desenvolvido pelo Grupo de Pesquisa em Recursos Hídricos
(GPRH) da Universidade Federal de Viçosa (UFV), com o qual pode-se regionalizar das
diferentes variáveis hidrológicas referente às vazões observadas em estações
fluviométricas monitoradas. O programa possui um módulo integrado, denominado de
SisCAH (Sistema Computacional para Análises Hidrológicas), o qual processa os dados
das séries históricas obtidas nas estações fluviométricas, possibilitando a exportação
direta da variável de interesse para ser regionalizada no SisCoRV.
O programa apresenta interface gráfica e requisitos como rapidez, segurança e
confiabilidade na manipulação dos dados. Na interação com o usuário permite a
obtenção fácil e eficiente dos dados necessários à regionalização, como os parâmetros e
equações utilizadas. Inclui a importação direta de séries de dados históricos de vazão
disponíveis no sistema Hidroweb da ANA, bem como a possibilidade de utilizar dados
1 Endereço para download do software: http://www.gprh.ufv.br/?area=softwares
35
oriundos de outras fontes e que podem ser inseridos diretamente ou importados de
planilhas eletrônicas (SOUSA, 2009).
Sousa (2009), utilizou o SisCoRV para a regionalização de vazões mínimas na
bacia do Rio Paracatu considerando-se diferentes métodos de regionalização. Para o
método tradicional, o modelo Potencial utilizando a variável área de drenagem foi o que
apresentou os resultados mais representativos.
Oliveira (2008) utilizou o programa para regionalizar vazões de permanência
para a bacia do Rio Grande, a qual se localiza na bacia do Paraná e está dividida entre
os Estados de São Paulo e Minas Gerais. Aplicou o método tradicional a partir dos
modelos de regressão Linear, Potencial Exponencial e Logarítmico, constatando que o
uso da variável área de drenagem com o modelo Potencial produziu resultados mais
consistentes.
Oliveira et al. (2011) regionalizou curvas de permanência utilizando o software
SisCoRV, verificando que o modelo que apresentou os melhores resultados foi o
Potencial, utilizando como variável a área de drenagem.
36
2.5 METODOLOGIA
2.6 Fluxograma de Trabalho
Para o desenvolvimento das atividades realizadas neste trabalho, organizou-se a
sequência de etapas a serem executadas, as quais podem ser melhor visualizadas e
compreendidas no fluxograma apresentado na Figura 2.
Figura 2: Fluxograma com as etapas do trabalho.
37
2.7 Caracterização Geral da Área de Estudo
Neste item é apresentada uma caracterização dos principais componentes físicos
da Região Hidrográfica do Uruguai, a qual está baseada na classificação do IBGE, de
acordo com o projeto RADAMBRASIL (IBGE, 1986) e nos estudos disponibilizados pela
Secretaria Estadual de Meio Ambiente do RS – SEMA (2007).
2.7.1 Bacias Hidrográficas
No RS, as bacias hidrográficas se agrupam em três regiões hidrográficas, a
região do rio Uruguai que coincide com a bacia nacional do Uruguai, a região do
Guaíba e a região do Litoral, que coincidem com a bacia nacional do Atlântico Sudeste
(SEMA, 2007).
A Região Hidrográfica do Uruguai, objeto de estudo deste trabalho, tem grande
importância para o país em função das atividades agroindustriais desenvolvidas e pelo
seu potencial hidrelétrico. O rio Uruguai possui 2.200 quilômetros de extensão e se
origina da confluência dos rios Pelotas e Canoas. Nesse trecho, o rio assume a direção
Leste‐Oeste, dividindo os estados do Rio Grande do Sul e Santa Catarina. A bacia
hidrográfica possui, em território brasileiro, 174.612 km² de área, o equivalente a 2,0%
do território nacional.
Contando as parcelas em territórios uruguaios e argentinos, o rio Uruguai tem
uma bacia total de cerca de 385 mil km², portanto os 177 mil km² no Brasil
correspondem a 46%. Na sua totalidade, a bacia do Uruguai constitui‐se no segundo
sistema fluvial da bacia do Rio da Prata em ordem de importância.
Em território brasileiro, é a que drena a região norte do Rio Grande do Sul e o
oeste de Santa Catarina, em uma extensão de 177 mil km². O rio Uruguai é assim, um
dos principais rios do Rio do Grande do Sul e Santa Catarina (limítrofe entre estes dois
estados). Os principais formadores do rio Uruguai estão no Brasil e são os rios Pelotas e
Canoas que têm suas nascentes nas Serra Geral e do Mar, com altitudes que chegam a
quase 2.000 m. Desde a junção dos rios Pelotas e Canoas o rio Uruguai percorre uma
38
extensão de cerca de 1.800 km até sua foz, junto à cidade uruguaia de Nueva Palmira.
Em São Borja, Itaqui, e Uruguaiana, o rio Uruguai drena respectivamente 123, 130 e
189 mil km², percorrendo cerca de 1.200 km até Uruguaiana. Neste trajeto, recebe a
contribuição de afluentes de porte como os rios Ijuí e Ibicuí. O Rio Grande do Sul tem a
maior parcela brasileira da bacia do Uruguai, cerca de 74% ou 131 mil km², (SEMA,
2007).
Em função das suas características hidrológicas e dos principais rios formadores,
a área foi dividida em 13 unidades hidrográficas, sendo que quatro ficam no estado de
Santa Catarina e nove no estado do Rio Grande do Sul.
A RHU é constituída pelas Sub‐bacias dos rios Apuaê e Inhandava (U010), do
rio Passo Fundo (U020), do rio Turvo – Santa Rosa – Santo Cristo (U030), do rio
Piratinim (U040), do rio Ibicuí (U050), do rio Quaraí (U060), do rio Santa Maria
(U070), do rio Negro (U080), do rio Ijuí (U090), do rio da Várzea (U100) e dos rios
Butui‐Icamaquã (U110). No Anexo A está apresentado as bacias hidrográficas e a
relação de municípios de cada uma na RHU. A Figura 3 apresenta as bacias que
integram a Região Hidrográfica do Uruguai no RS.
39
Figura 3: Bacias hidrográficas que integram a Região Hidrográfica do Uruguai no RS
Fonte: Autor
2.7.2 Características Físicas da Região
Geologia
As sub‐bacias U010, U020, U030, U040, U090 e U100 são constituídas
geologicamente pela formação Serra Geral. A formação Serra geral abrange
parcialmente as sub‐bacias U110, U050 e U080.
40
As sub‐bacias U110, U060 e U050 também são constituídas das formações Grupo São
Bento e coberturas sedimentares. As sub‐bacias U070 e U080 são constituídas pelas
formações geológicas pelo Grupo Rosário do Sul e Coberturas Sedimentares. A sub‐
bacia U070 também contém as formações Guaritas e Grupo Bom Jardim. Figura 4
mostra a distribuição das formações geológicas na RHU.
Figura 4: Mapa geológico da região hidrográfica do Uruguai. Fonte: Autor
Geomorfologia
A RHU tem como relevo característico nas sub‐bacias U010, U020, U100,
U030, U090 e parte das sub‐bacias U040, U110 e U050 o planalto de Araucárias. O
41
Planalto da Campanha Gaúcha abrange toda a sub‐bacia U060 e parte das sub‐bacias
U040, U110 e U050. Na sub‐bacia U050 o relevo é constituído de Planícies Aluviais,
esta formação também abrange a sub‐bacia U070.
A Depressão Central Gaúcha constitui parte do relevo das sub‐bacias U050,
U070 e U080. Nas sub‐bacias U080 e U070 o relevo predominante é o Planalto Sul‐rio‐
grandense. A bacia do Uruguai situa‐se basicamente na província geomorfológica do
Planalto como as bacias hidrográficas do Apuaê Inhandava, do Passo Fundo, do rio
Piratinim e a bacia hidrográfica Turvo‐Santa Rosa‐Santo Cristo, do rio Piratinim. Uma
menor parcela, abrangendo parte da sub‐bacia do Ibicuí, corresponde à Depressão
Central como a bacia do rio Negro. A Bacia Hidrográfica Santa Maria abrange as
Províncias Geomorfológicas Planalto Meridional e Depressão Central.
O Planalto, na margem esquerda do rio Uruguai, está no Rio Grande do Sul e, na
margem direita, está em Santa Catarina. É um planalto arenítico‐basáltico, caracterizado
por rochas vulcânicas basálticas e ácidas, Nas Missões, basicamente as bacias U030 e
U090 (RS), o relevo predominante é entre suavemente ondulado (declividade de 2 a
8%) e ondulado (declividade de 8 a 16%), com elevações arredondadas (coxilhas) e
vertentes de centenas de metros. No Planalto Médio, porção norte, bacias U100, o
relevo é ondulado a forte‐ondulado (declividade de 8 a 16% e 16 a 32 %,
respectivamente), com elevações de dezenas a centenas de metros. Na porção sul, na
bacia do Ibicuí (U050), onde ocorre o arenito, o relevo é ondulado (8 a 16% de
declividade, com elevações arredondadas, formando, entre si, depressões onde a
drenagem é dificultada.
Nas bacias U010, U020, U100 e parte da U030, desenvolvem‐se as sub‐regiões
do Alto Uruguai e Campos de Cima da Serra. No Alto Uruguai, o relevo é forte‐
ondulado a montanhoso (declividade de 16 a 32% e mais), apresentando muitos vales
em forma de “V”. Nos Campos de Cima da Serra, o relevo caracteriza‐se por apresentar
coxilhas alongadas, com declives suaves na região de Vacaria e fortes no município de
Bom Jesus.
O perfil escalonado do rio Uruguai afeta a formação de enchentes. Um dos seus
formadores, o rio Pelotas, desce cerca de 840 m em 450 km. Após a confluência com o
rio Canoas, o Rio Uruguai apresenta uma declividade média de 0,9 m/km até Itá,
baixando para 0,3 m/km no trecho subsequente até Porto Xavier, e, posteriormente para
0,1 m/km até Uruguaiana. Esta diminuição de declividades favorece o abatimento dos
42
picos na propagação das cheias até São Borja, Itaqui e Uruguaiana, mas prolonga o
tempo de permanência em cotas altas no caso de grandes inundações. A Figura 5
apresenta a geomorfologia característica da RHU.
Figura 5: Mapa de relevo da Região Hidrográfica do Uruguai. Fonte: Autor
Pedologia
A RHU possui basicamente nas sub‐bacias U010, U020, U100, U030 e U040 as
classe de solo: Planossolo Eutrófilco, Latossolo Roxo Distrófico e solos Podzólicos
43
Distróficos. Na sub-bacia U040 ainda encontra‐se o solo Terra Roxa Estruturada
Distrófica e Eutrófica.
A sub‐bacia U060 possui duas classes de solo: Brunizem e litólicos Eutrófico. A
sub‐bacia U050 também possui estas duas classes de solo e também os solos Terra Roxa
Estruturada Eutrófica, Latossolo Vermelho Escuro Distrófico, Podzólico Bruno
Acidentado Eutrófico, Solo Litólico Eutrófico e o Solo Terra Roxa Estruturada
Distrófica.
Os solos profundos sem pedregosidade ou rochosidade integram solos com
relevo ondulado e bem drenados. Nesta categoria agrupam‐se os solos Latosol Bruno,
Latosol Húmico, Latosol Roxo, Latosolo Vermelho‐Escuro, Latosolo Vermelho‐
Amarelo, Podzólico Vermelho‐Amarelo, principalmente. Na bacia do Uruguai, é a
categoria predominante.
Os solos hidromórficos reúnem os solos das bacias sedimentares, com uma
topografia plana ou suavemente ondulada, e apresentam, normalmente, problemas de
drenagem, sem ocorrência de pedregosidade. A Figura 6 apresenta o mapa de solos da
RHU.
44
Figura 6: Mapa de Solos da RHU. Fonte: Autor
Clima
Segundo o sistema de Köppen, o Rio Grande do Sul se enquadra na zona
fundamental temperada ou "C" e no tipo fundamental 'Cf" ou temperado úmido. No
Estado este tipo "Cf" se subdivide em duas variedades específicas, ou seja, "Cfa" e
"Cfb" (MORENO, 1961).
A variedade "Cfa" se caracteriza por apresentar chuvas durante todos os meses do ano e
possuir a temperatura do mês mais quente superior a 22°C, e a do mês mais frio superior
a 3°C. A variedade "Cfb" também apresenta chuvas durante todos os meses do ano,
45
tendo a temperatura do mês mais quente inferior a 22°C e a do mês mais frio superior a
3°C. O clima CfaII1a tem isoterma anual superior a 18 ºC e caracteriza regiões com
altitudes entre 400 e 600m. O clima CfaII2a, tem a mesma isoterma, mas caracteriza
regiões com altitudes inferiores a 400 m. As sub‐bacias U030, U040, U050, U060,
U090, U100 e U110 estão localizadas na região de clima subtropical Cfa. A sub‐bacia
U020 apresenta os climas CfaII2a e CfaII1a com temperatura média do mês mais quente
superior a 22º C. A Figura 7 mostra, segundo a classificação de Köppen que a bacia do
Uruguai tem um clima predominante temperado subtropical Cfa, com o restante estando
sob um clima Cfb. Mais especificamente aquelas com clima Cfb, teriam a variante Ia,
pois as altitudes predominantes estão acima dos 600m.
Figura 7: Mapa do Clima da RHU. Fonte: Autor
46
Vegetação
Segundo mapa esquemático do IBGE a vegetação do Rio Grande do Sul (RS), e
do vale do Uruguai catarinense, foi classificada em oito categorias: Estepe; Floresta
Estacional Decidual; Floresta Ombrófila Mista; Floresta Ombrófila Densa; Floresta
Estacional Semi‐Decidual; Restinga; Savana Estépica; Savana (Cerrado).
A região da Floresta Estacional Decidual é caracterizada por duas estações
climáticas bem demarcadas. No RS, embora o clima seja ombrófilo, possui uma curta
época muito fria e que ocasiona, provavelmente, a estacionalidade fisiológica da
floresta.
De modo geral, as espécies integrantes da Floresta Estacional da região do rio
Uruguai são as mesmas da encosta sul do planalto, mas apesar disso, ocorre certo
número de espécies próprias. A canafístula (Peltophorum dubium) e o timbó (Ateleia
glazioviana), por exemplo, são espécies características da Floresta do Alto Uruguai.
Este tipo de formação fitogeográfica ocorre em uma grande extensão de terras
integrantes das Bacias do Guaíba e Uruguai, distribuindo‐se por várias sub‐bacias, entre
elas podemos citar: U030, U100 e U020.
A vegetação de Estepe decorre de uma dupla estacionalidade: uma fisiológica,
provocada pelo frio das frentes polares e outra seca, mais curta, com déficit hídrico,
com homologia fitofisionômica. A bacia do Ibicuí é caracterizada por uma vegetação
essencialmente campestre, podendo estar separada em três subgrupos de formação:
arborizada (rarefeita), parque (campo sujo) e gramíneo‐lenhosa (campo limpo).
De acordo com Veloso & Góes Filho (1982), no extremo meridional do Rio
grande do Sul (ao sul dos eixos aproximados Bagé‐Rosário do Sul, Alegrete‐São Borja)
estendem‐se amplas superfícies conservadas do Planalto da Campanha e da Depressão
do Rio Ibicuí‐Rio Negro, com relevo aplainado a ondulado e dominância de solos
derivados dos derrames basálticos e de diversas formações litológicas sedimentares.
Revestindo estas feições geomorfológicas desenvolvem‐se formações campestres
classificadas pelo Projeto RADAMBRASIL como Estepe.
Os chamados Campos da Campanha, localizados em altitudes de até 300 m,
apresentam uma grande variabilidade de formações vegetais, constituídas pelas famílias
das gramíneas, compostas e leguminosas. Este tipo de formação fitogeográfica ocorre,
47
em sua maioria, na região hidrográfica do Uruguai, nas sub‐bacias U110, U050, U060,
U070 e U080.
A Floresta Estacional Decidual, ou Tropical Caducifólia, está adaptada ao
contraste climático invernoverão, apresentando estrato arbóreo predominantemente
caducifólio, com boa parte das árvores desprovidos de folhagem na época desfavorável.
Acompanha a vertente, do fundo de vale às encostas, em quatro formações: aluvial,
terras baixas, submontana e montana. Na bacia do Uruguai, localiza‐se basicamente na
sub‐bacia U020, U030 e U100.
A Floresta Ombrófila Mista é a Floresta de Araucária ou Mata de Pinheiros, que
ocorre em regiões do Planalto Meridional Brasileiro com temperatura média de 18oC,
mas com alguns meses bastante frios, ou seja, três a seis meses com temperatura média
abaixo dos 15 °C. As formações são: aluvial, submontana, montana e alto ‐ montana. Na
bacia do Uruguai a maior concentração é nas sub‐bacias do sudeste de Santa Catarina e
U010 no estado do Rio Grande do Sul, mas está presente também nas subbacias U020 e
U100.
Na Figura 8 pode‐se ver a distribuição destas categorias na bacia do Uruguai.
Estão fora as categorias de Floresta Estacional Semi‐Decidual, Restinga e Floresta
Ombrófila Densa. Estão presentes, portanto, as categorias de Estepe, Floresta Estacional
Decidual, Floresta Ombrófila Mista, Savana Estépica e Savana (Cerrado). A bacia
apresentava, originalmente, nas nascentes do rio Uruguai, os Campos e a Mata com
Araucária e, na direção sudoeste a Mata do Alto Uruguai, Mata Atlântica.
48
Figura 8: Mapa da Vegetação da RHU. Fonte: Autor
A Savana Estépica designa uma vegetação de características tropicais e
estépicas. Possui cobertura arbórea composta de elementos fanerofíticos, camefíticos
espinhosos e várias cactáceas, cobrindo um strato graminoso. Na bacia do Uruguai
concentra‐se na bacia do Ibirapuitã (sub‐bacia U050) e nas bacias contribuintes ao rio
Uruguai entre São Borja e Itaqui (sub‐bacia U090).
49
Hidrogeologia
A bacia do Uruguai é consistida quase na totalidade do sistema aqüífero Serra
Geral. O sistema dividi‐se em Sistema Aqüífero Serra Geral 1 e Serra Geral 2, em
algumas regiões constitui‐se do Sistema Aqüífero Botucatu Guará e do Sistema
Aqüífero Sanga do Cabral Pirambóia. A sub‐bacia U110 constitui‐se de uma pequena
faixa sistema aqüífero Botucatu/Serra Geral 3.
A formação litológica do Sistema Aqüífero Serra Geral 1 é formada
principalmente de rochas basálticas, amigdalóides e fraturas, capeadas por espesso solo
avermelhado. O Sistema Aqüífero Serra Geral 1 abrange na RHU aproximadamente a
totalidade das sub‐bacias U020, U030, U040 e U090 U100 e parte da oeste da sub‐bacia
U010.
O sistema Aqüífero Serra Geral 2 tem como litológicas predominantes riolitos,
riodacitos e menor proporção, basaltos fraturados. O sistema abrange o leste da sub‐
bacia U010, o oeste da sub‐bacia U050 e quase a totalidade das sub‐bacias U060 e
U110. A sub‐bacia U050 é constituída ainda pelo Sistema Aqüífero Botucatu Guará 1 e
pelo Sistema aquífero Sanga do Cabral Pirambóia. O sistema aquífero Botucatu Guará 1
tem sua formação litológica composta por arenitos médios a finos, quartzosos, róseos a
avermelhados, apresentando intercalações pelíticas e cimento argiloso na unidade
Guará.
O sistema aqüífero Sanga do Cabral que constitui também a sub‐bacia U050 tem
a formação litológica predominante composta de camadas síltico ‐ arenosas
avermelhadas com matriz argilosa e arenitos finos a muito finos, avermelhados, com
cimento calcífero.
No sistema Botucatu/Serra Geral 3 as litologias podem ser localmente ácidas
(riolitos e riodacitos) ou básicas (basaltos). Os fraturamentos mesmo quando intensos
são descontínuos devido à dissecação. Não é recomendável a perfuração de poços
tubulares nessas regiões isoladas e de grande altitude. As águas das fontes são de baixa
salinidade. A Figura 9 apresenta a distribuição das sub‐bacias do Uruguai e a
abrangência de cada unidade hidrogeológica nas sub‐bacias.
50
Figura 9: Unidades Hidrogeológicas da região hidrográfica do Uruguai.
Fonte: Autor
2.8 Seleção e Análise dos Dados Utilizados no Estudo
Para a realização do estudo foram utilizados dados fluviométricos e
pluviométricos pertencentes à rede hidrometeorológica da ANA. Inicialmente, foram
coletados e sistematizados os dados fluviométricos disponíveis para as bacias
hidrográficas da Região Hidrográfica do Uruguai no Estado do Rio Grande do Sul,
obtidos a partir do banco de dados Hidroweb da ANA. Este levantamento preliminar
identificou 65 estações com dados disponíveis.
51
Após a obtenção dos dados, elaborou-se uma matriz de dados das estações
fluviométricas (Anexo B), objetivando a caracterização dos períodos de dados
disponíveis em todas as estações. A partir disto, a definição das estações fluviométricas
efetivamente utilizadas no estudo baseou-se na amplitude das suas séries históricas,
onde se considerou para o estudo, as estações com pelo menos cinco anos de registros
completos, ainda que algumas apresentassem muitas falhas e/ou diferentes períodos de
observação, buscando-se com isso, abranger a maior extensão territorial possível para a
região analisada. De acordo com Eletrobrás (1985a), o número mínimo de anos deve ser
3 a 4 vezes maior do que o número de variáveis utilizadas no estudo, de modo que um
período maior acaba por influenciar nos resultados da regressão (ELETROBRAS,
1985a).
Com base nestas definições, foram selecionadas 56 estações fluviométricas da
ANA com dados consistidos, localizadas na Região Hidrográfica do Uruguai. As
principais informações descritivas destas estações bem como sua localização estão
apresentadas no Quadro 1 e Figura 10 a seguir.
52
Quadro 1: Estações fluviométricas selecionadas no estudo
Estação Latitude Longitude Nome da estação Curso d'Água UF Município
N° de anos
com dados
completos
70200000 -28,4475486 -50,29418844 INVERNADA VELHA Rio Pelotas RS Bom Jesus 36
70700000 -28,21085301 -50,75868487 PASSO SOCORRO Rio Pelotas RS Vacaria 59
72300000 -27,50219664 -51,71081561 PASSO DO VIRGILIO Rio Pelotas RS Machadinho 17
72400000 -27,93366296 -51,73282265 PASSO SÃO GERALDO Rio Forquilha ou Inhandava RS Sananduva 20
72430000 -27,87676239 -51,75119019 PASSO DO GRANZOTTO Rio Forquilha ou Inhandava RS Sananduva 47
72530000 -28,06559456 -51,91466966 PASSO DO LIGEIRO Rio Apue ou Ligeiro RS Ibiaçá 37
72580000 -27,92696141 -52,0898541 PONTE DO RIO TAPEJARA Rio Tapejara RS Getúlio Vargas 32
72630000 -27,70533142 -51,88483722 PASSO SANTA TEREZA Rio Apue ou Ligeiro RS Paim Filho 45
72680000 -27,55977738 -51,8578457 PASSO COLOMBELLI Rio Apue ou Ligeiro RS Marcelino Ramos 63
73480000 -27,38625854 -52,71998189 PONTE DO RIO PASSO FUNDO Rio Passo Fundo RS Faxinalzinho 30
74100000 -27,18583736 -53,26695258 IRAÍ Rio Uruguai RS Iraí 43
74205000 -27,81269799 -53,02601712 LINHA CESCON Arroio Caturete RS Sarandi 45
74210000 -27,79742433 -53,0497393 POTREIRO BONITO Rio da Várzea RS Constantina 13
74270000 -27,27487946 -53,31641388 PASSO RIO DA VÁRZEA Rio da Várzea RS Frederico Westphalen 63
74370000 -27,33288964 -53,64035343 PALMITINHO Rio Guarita RS Palmitinho 42
74450000 -27,66481559 -53,77940814 ENGENHO Rio Turvo RS Santo Augusto 19
74470000 -27,39148993 -53,88028728 TRÊS PASSOS Rio Turvo RS Três Passos 39
74600000 -27,52380888 -54,2298467 CASCATA BURICA Rio Burica RS Horizontina 55
74700000 -27,67231257 -54,46101324 TUCUNDUVA Rio Santa Rosa RS Tucunduva 60
74750000 -27,84460704 -54,5538047 LINHA CASCATA Rio Santo Cristo RS Santa Rosa 39
74800000 -27,85029491 -55,02551910 PORTO LUCENA Rio Uruguai RS Porto Lucena 16
74880000 -28,06341629 -54,75392093 PASSO SÃO JOÃO Rio Comandai RS Cerro Largo 54
74900000 -27,93106647 -54,93747823 LINHA UNIÃO Rio Comandai RS Porto Lucena 34
75155000 -28,28414499 -53,77907936 PASSO FAXINAL Rio Ijuí RS Ijuí 58
75185000 -28,37695660 -53,87200251 PONTE NOVA DO POTIRIBU Rio Potiribu RS Ijuí 29
75200000 -28,45508028 -53,97065051 CONCEIÇÃO Rio Conceição RS Ijuí 55
75205000 -28,38342830 -54,03139916 PONTE NOVA DO CONCEIÇÃO Rio Conceição RS Coronel Barros 27
75230000 -28,35337381 -54,26872648 SANTO ANGELO Rio Ijuí RS Entre-Ijuis 59
75295000 -28,38893819 -54,33088332 COLÔNIA MOUSQUER Rio Ijuizinho RS Santo Ângelo 29
53
Estação Latitude Longitude Nome da estação Curso d'Água UF Município
N° de anos
com dados
completos
75300000 -28,21656196 -54,59895344 PASSO VIOLA Rio Ijuí RS Caibaté 28
75320000 -28,17751064 -54,74143084 PONTE MÍSTICA Rio Ijuí RS São Luiz Gonzaga 41
75270000 -28,78177438 -53,98458611 PONTE QUEIMADA Rio Ijuizinho RS Santo Ângelo 9
75400000 -28,64758414 -54,46741036 PASSO DO DIAS Rio Piratinim RS Santo Ângelo 51
75430000 -28,73450661 -54,63974380 PASSO MAJOR ZEFERINO Arroio Inhacapetum RS Santo Ângelo 36
75550000 -28,18248585 -55,64333805 GARRUCHOS Rio Uruguai RS São Borja 22
75600000 -28,83337648 -54,85362613 PASSO DAS TURMAS Rio Icamaqua RS Santiago 26
75700000 -28,67957687 -55,58034897 PASSO DO NOVO Rio Icamaqua RS São Borja 19
75830000 -29,01409091 -55,68111961 PASSO DO BUTUI Rio Butui RS Itaqui 5
75450000 -29,56652798 -54,91001864 PASSO SANTA MARIA Rio Piratinim RS Bossoroca 41
76077000 -29,38139552 -54,01495361 USINA QUEBRA DENTE Rio Ibiquí-Mirim RS Julio de Castilhos 7
76085000 -29,42806617 -54,05397045 CACHOEIRA 5 VEADOS Rio Toropi RS Santa Maria 25
76100000 -29,55665957 -54,34393693 VILA CLARA Rio Toropi RS São Pedro Do Sul 60
76120000 -29,65454018 -54,46667617 PONTE TOROPI Rio Toropi RS São Vicente Do Sul 19
76300000 -30,27941894 -54,90488438 PONTE IBICUI DA ARMADA Rio Ibicui Da Armada RS Rosário Do Sul 28
76310000 -30,24231286 -54,91383363 ROSÁRIO DO SUL Rio Santa Maria RS Rosário Do Sul 36
76360001 -30,1072199 -54,63350596 AZEVEDO SODRÉ Rio Cacequi RS São Gabriel 7
76380000 -29,90261117 -54,83735792 CACEQUI Rio Cacequi RS Cacequi 30
76440000 -29,4988917 -54,68830208 JAGUARI Rio Jaguarí RS Jaguari 53
76490000 -29,68379573 -54,94923263 PASSO DO LORETO Rio Jaquarizinho RS Jaguari 15
76600000 -29,44724274 -55,74314499 PASSO DO ITAUM Rio Ibiqui RS São Francisco de Assis 12
76700000 -29,97308162 -55,74786009 PASSO DOS BRITOS Rio Ibirapuitã RS Alegrete 6
76750000 -29,76675384 -55,78952598 ALEGRETE Rio Ibirapuitã RS Alegrete 55
76800000 -29,30833333 -56,05326462 PASSO MARIANO PINTO Rio Ibicuí RS Itaqui 43
77150000 -29,74167222 -57,09467810 URUGUAIANA Rio Uruguai RS Uruguaiana 28
79400000 -31,53396129 -54,29483280 ESTÂNCIA DO ESPANTOSO Rio Negro RS Bagé 8
54
Figura 10: Mapa com a localização das estações fluviométricas utilizadas no estudo
Fonte: Autor.
55
2.9 Obtenção das Variáveis Independentes Testadas
As variáveis independentes ou explicativas representam as grandezas de ordem
física no âmbito da bacia hidrográfica e têm sido utilizadas para explicar o
comportamento das vazões, sendo que muitos estudos apontam a área de drenagem da
bacia como o parâmetro físico de maior importância para quantificar a produção hídrica
e a escala das vazões características (LEMOS, 2006; OLIVEIRA, 2008; FERREIRA,
2010).
Neste estudo, optou-se por utilizar as variáveis Área de drenagem (Ad), o
Comprimento do rio principal (L) e a Declividade média do rio principal (S), as quais
foram obtidas conforme a descrição a seguir:
Área de drenagem (Ad)
O processo de delimitação das sub-bacias hidrográficas (no estudo de
regionalização, entende-se por sub-bacia hidrográfica a área de drenagem
correspondente a cada uma das estações fluviométricas) fez uso da ferramenta
ArcHydro, do ArcGIS, que necessitou da base de dados de “direção de fluxo” e “fluxo
acumulado”, obtidas durante a etapa de processamento do Modelo Digital de Elevação
(MDE), e da localização de cada uma das estações fluviométricas da região em análise.
Esta Ad obtida com o geoprocessamento dos dados foi comparada com aquela
disponível para cada estação fluviométrica disponibilizada no Hidroweb. Não foram
identificadas variações significativas entre as duas estimativas de áreas de drenagem,
optando-se pela utilização das áreas de drenagem geoprocessadas no estudo.
Comprimento do rio principal (L)
A partir dos dados de “direção de fluxo” e “fluxo acumulado” buscou-se
determinar visualmente os rios que drenavam a maior área da bacia, efetuando, de
forma manual, a seleção dos trechos a serem analisados. Com o auxílio da ferramenta
XTools Pro, em ambiente ArcGIS, foram obtidos os valores dos comprimentos dos rios,
correspondentes ao somatório dos valores dos trechos, para cada área de drenagem.
56
Declividade média do rio principal (S)
Com finalidade de obtenção dos valores de cotas dos pontos extremos dos cursos
de água, foram utilizados os rios principais selecionados para cada área de drenagem e o
MDE da área correspondente, com as depressões devidamente preenchidas. Em
ambiente ArcGIS, estes dados de entrada sofreram um processo de interpolação a partir
da opção Interpolate Shape, item da ferramenta 3D Analyst. Com o produto deste
processo, realizou-se um procedimento para obtenção de dois pontos, um no início e
outro no final, na linha correspondente a cada rio. Estes pontos representaram as cotas
iniciais e finais. As diferenças entre estes valores, divididas pelos respectivos
comprimentos, forneceram as declividades entre a nascente e a foz.
O Quadro 2 a seguir apresenta os valores de Ad, L e S.
Quadro 2: Variáveis independentes utilizados no estudo.
Estação Nome da estação Ad (km²) L (km) S (m/km)
70200000 INVERNADA VELHA 2841 196 3,3
70700000 PASSO SOCORRO 8400 271 2,8
72300000 PASSO DO VIRGILIO 29114 453 1,6
72400000 PASSO SÃO GERALDO 1499 70 2,9
72430000 PASSO DO GRANZOTTO 1604 93 2,3
72530000 PASSO DO LIGEIRO 456 45 5,2
72580000 PONTE DO RIO TAPEJARA 1076 91 3,2
72630000 PASSO SANTA TEREZA 2775 190 1,6
72680000 PASSO COLOMBELLI 3678 225 1,6
73480000 PONTE DO RIO PASSO FUNDO 3709 188 1.9
74100000 IRAÍ 62199 798 0,9
74205000 LINHA CESCON 454 38 5,6
74210000 POTREIRO BONITO 3012 196 1,1
74270000 PASSO RIO DA VÁRZEA 5356 346 0,9
74370000 PALMITINHO 2057 170 2,1
74450000 ENGENHO 892 95 1,2
74470000 TRÊS PASSOS 1538 175 1,7
74600000 CASCATA BURICA 2265 138 1,3
74700000 TUCUNDUVA 1139 125 1,6
74750000 LINHA CASCATA 337 33 4,3
74800000 PORTO LUCENA 85809 1174 0,7
74880000 PASSO SÃO JOÃO 816 100 1,9
74900000 LINHA UNIÃO 1248 165 1,1
75155000 PASSO FAXINAL 2003 100 2
75185000 PONTE NOVA DO POTIRIBU 629 60 1,8
57
Estação Nome da estação Ad (km²) L (km) S (m/km)
75200000 CONCEIÇÃO 805 68 2,1
75205000 PONTE NOVA DA CONCEIÇÃO 966 93 1,5
75230000 SANTO ANGELO 5414 236 1,1
75270000 PONTE QUEIMADA 939 53 1,3
75295000 COLÔNIA MOUSQUER 2131 180 1
75300000 PASSO VIOLA 8883 327 0,8
75320000 PONTE MÍSTICA 9426 364 0,8
75400000 PASSO DO DIAS 936 70 2
75430000 PASSO MAJOR ZEFERINO 890 73 1,6
75600000 PASSO DAS TURMAS 388 43 3
75700000 PASSO DO NOVO 3700 165 1,4
75830000 PASSO DO BUTUI 207 18 2,4
76077000 USINA QUEBRA DENTE 891 58 4,1
76085000 CACHOEIRA 5 VEADOS 1527 73 3,2
76100000 VILA CLARA 2765 116 2,9
76120000 PONTE TOROPI 3380 153 2,2
76300000 PONTE IBICUI DA ARMADA 6015 166 0,4
76310000 ROSÁRIO DO SUL 12164 225 0,3
76360001 AZEVEDO SODRÉ 1220 33 2,2
76380000 CACEQUI 1843 75 1,3
76440000 JAGUARI 2317 165 1,9
76490000 PASSO DO LORETO 4636 210 1,7
76600000 PASSO DO ITAUM 31099 495 0,2
76700000 PASSO DOS BRITOS 3166 155 0,7
76742000 PASSO DO OSÓRIO 1168 78 1,5
76750000 ALEGRETE 5993 200 0,7
76800000 PASSO MARIANO PINTO 42589 540 0,2
75450000 PASSO SANTA MARIA 3277 175 1,3
77150000 URUGUAIANA 163547 1561 0,5
77500000 QUARAÍ 4570 202 0,5
79400000 ESTÂNCIA DO ESPANTOSO 1172 30 0,9 Fonte: Autor.
2.10 Processamento dos Dados Hidrológicos
Para o processamento das séries de dados disponíveis foi utilizado o programa
SisCAH 1.0 (Sistema Computacional para Análises Hidrológicas), desenvolvido e
disponibilizado pelo Grupo de Pesquisa em Recursos Hídricos (GPRH), vinculado ao
Departamento de Engenharia Agrícola (DEA) da Universidade Federal de Viçosa
58
(UFV). Com o uso do SisCAH 1.02 foi possível importar dados diretamente do banco de
dados Hidroweb, e a partir destes, obter as curvas de permanência de cada estação.
A definição de séries históricas em estudos de regionalização de vazões, duas
abordagens podem ser adotadas. A primeira se refere ao uso de séries homogêneas
(coincidentes), na qual todas as estações utilizadas devem ter registros observados ou
preenchidos para um período base comum. No entanto há uma desvantagem de se fazer
uso deste período homogêneo, considerando-se que todas as observações que se
encontrarem fora do período base definido serão descartadas (ELETROBRAS, 1985;
CRUZ, 2001).
Outra abordagem utilizada consiste no uso de dados sem que nenhum período
base seja definido. Esta forma de trabalhar com os dados fluviométricos permite utilizar
todas as estações com registros observados, considerando um período mínimo com
dados observados por estação, sem que haja perda de informações.
Para a definição do período histórico e obtenção das curvas de permanência, o
presente estudo considerou todos os anos com dados completos disponíveis, sem que
um período base comum a todas as estações fosse definido, descartando-se os anos com
registros incompletos ou inexistentes. Essa forma de calcular a curva, conforme descrito
por Cruz (2001), é identificada como método toda série e possibilita a obtenção de uma
única curva de permanência, denominada curva de permanência empírica total, com
probabilidade de ocorrência das vazões em relação ao período da amostra.
Neste estudo, a partir da importação da série de dados das vazões de cada
estação fluviométrica, estas séries foram manipuladas no programa SisCAH, onde os
resultados possibilitaram identificar o período de dados observados disponíveis e obter a
variável dependente curva de permanência e, consequentemente, a Q90 de cada estação
selecionada. A Figura 11 apresenta a interface do programa SisCAH.
2 Endereço para download do software: http://www.gprh.ufv.br/?area=softwares
59
Figura 11: Interface de obtenção da curva de permanência no SisCAH 1.0.
Fonte: Autor.
Após obter a Q90, o SisCAH permitiu exportá-la automaticamente para o
SisCoRV utilizado no estudo, de modo que pudesse regionalizá-la considerando as
diferentes variáveis explicativas.
60
2.11 Método de Regionalização Hidrológica Aplicada
Para a regionalização dos dados utilizou-se o programa SisCoRV 1.0 (Sistema
Computacional para Regionalização de Vazões), o qual permite regionalizar diferentes
variáveis hidrológicas referente às vazões observadas em estações fluviométricas
monitoradas a partir da utilização de diferentes métodos (SOUZA, 2009). Na Figura 12
é possível visualizar a plataforma inicial do programa SisCoRV 1.0 e na Figura 13 a tela
com resultados de uma simulação.
61
Figura 12: Interface do programa SisCoRV 1.0
Fonte: Autor.
62
Figura 13: Tela com resultados de uma simulação.
Fonte: Autor.
Na avaliação realizada neste estudo, empregou-se a análise de regressão através
da aplicação do Método Tradicional e, portanto, não se realizou a descrição dos demais
métodos, sendo que tal descrição pode ser verificada em Sousa (2009). O método
tradicional, proposto pela Eletrobrás (1985a), é um dos mais utilizados em estudos de
63
regionalização e o que tem apresentado sistematicamente os resultados mais
satisfatórios em diversos estudos. Este método apresenta como característica principal a
utilização de equações de regressão múltipla aplicadas a regiões com comportamento
hidrológico semelhante, de modo a obter as vazões em qualquer posição da rede de
drenagem da região em estudo considerando diferentes variáveis explicativas. Este
método pode ser aplicado às vazões mínimas, máximas, curva de regularização e curva
de permanência.
O estudo de regionalização realizado foi baseado na hipótese de que a curva de
permanência representa o risco ou probabilidade no período da amostra. Nesta hipótese,
tradicionalmente utilizado em hidrologia, a frequência de excedência foi calculada pelo
processamento conjunto de toda série histórica de vazões disponíveis para as estações com
no mínimo 5 anos de registros completos, obtendo-se uma única vazão de permanência Q90
para cada estação. Inicialmente o estudo também considerou a vazão Q95, entretanto, como
os resultados foram muito semelhantes aos da Q90, e devido a isso, não foram considerados
neste trabalho.
2.11.1 Identificação das Regiões Hidrologicamente Homogêneas e obtenção das
Equações Regionais
A definição das regiões com comportamento hidrológico semelhante buscou,
inicialmente, identificar as similaridades das características referentes à distribuição
espacial das estações, climatologia, geologia, geomorfologia, hidrologia e pedologia da
região em estudo, utilizando-se para tanto, mapas das características físicas da Região
Hidrológica do Uruguai e da espacialização das estações selecionadas.
A metodologia de regionalização empregada para definição das RHH consistiu
em utilizar diferentes modelos de regressão, considerando a correlação entre as
variáveis explicativas definidas neste estudo (área de drenagem, comprimento do rio
principal e declividade média do rio principal) e a variável dependente (Q90). Os
modelos de regressão disponibilizados pelo programa SisCoRV e utilizados no estudo
são apresentados a seguir, da Equação 3 a Equação 7:
64
Modelo linear
Q = ßo + ß1X1 + ß2 X2 + ... ßn Xm Equação 3
Modelo potencial
Q = ßo X1ß1
X2ß2
+... Xmßn
Equação 4
Modelo exponencial
Q = e(ß0 + ß1 X1 + ß2 X2 +... ßn Xm)
Equação 5
Modelo logarítmico
Q = ßo+ß1lnX1+ß2lnX2 +... ßnlnXm
Equação 6
Modelo recíproco
Q = (ßo + ß1 X1 + ß2 X2 +... ßn Xm)-1
Equação 7
Onde, Q representa a vazão estimada pelo modelo, ßo corresponde ao valor da constante do
modelo, ß1, ß2, ß3 e ßn correspondem aos coeficientes das variáveis explicativas e X1, X2, X3e Xn
correspondem às variáveis explicativas.
Para a escolha das variáveis explicativas que efetivamente seriam utilizadas,
testes de correlação linear foram realizados de modo a identificar a contribuição que as
variáveis Área de drenagem, Comprimento do rio principal e Declividade média do rio
principal proporcionariam ao estudo de regionalização ora apresentado.
Posteriormente, a identificação das regiões hidrologicamente homogêneas foi
baseada na análise do ajuste das equações de regressão múltipla das vazões para a
probabilidade de 90%, obtidas utilizando as características físicas das sub-bacias
selecionadas. Para verificar a adequação do ajuste da função matemática aos dados
observados, existe uma série de avaliações objetivas que podem ser utilizadas. Dentre
estas avaliações, as mais utilizadas são o coeficiente de determinação (R2), o erro padrão
fatorial (σF) e o erro percentual entre valores observados e estimados ou erro relativo
(ER%).
O coeficiente de determinação (R2) mede a percentagem da explicação da
variação da função dependente (neste caso a vazão) pela variação das variáveis
independentes ou explicativas (características físicas, por exemplo). Sua faixa de
65
variância é adimensional e encontra-se entre -1 e +1, sendo que uma função linear é
mais adequada, quanto mais próximo de 1 (em módulo) for o R2. No caso de R² = 0,
significa que não existe correlação entre as duas variáveis. O coeficiente de
determinação não-tendencioso é dado pela Equação 8.
Equação 8
Onde s corresponde ao erro padrão dos logaritmos de y.
Para R2, no entanto, tem-se um aumento deste coeficiente na medida em que se
acrescentam mais variáveis independentes. O maior valor para R2 é obtido através da
inserção de todas as variáveis na equação, mas o melhor modelo não se utiliza
necessariamente de todas as variáveis. Em função dessa falha, utiliza-se o coeficiente de
determinação ajustado R2, dado pela Equação 9 (CASTRO e RUHOFF, 2006; TUCCI,
2009).
[ ]
Equação 9
Onde n corresponde ao tamanho amostral e k corresponde ao número de variáveis independentes.
Concomitante a análise do R²a obtido, para a definição das RHH foram analisados
ainda os ajustes obtidos com as diferentes combinações de variáveis explicativas, os
quais consideraram também os valores de erro padrão fatorial (σF). O σF pode ser
compreendido como o erro padrão calculado para a expressão linearizada referente aos
logarítmicos da vazão. Com isso, há a necessidade de se estabelecer uma expressão para
o intervalo de variação da estimativa das vazões e não para seu logarítmico. Para tanto,
faz-se o uso do σF, que é obtido através da Equação 10 a seguir.
Equação 10
Onde, σF corresponde ao erro padrão fatorial; S ao desvio padrão e; e = base do logaritmo
neperiano. O R²a e σF foram obtidos diretamente no programa SisCoRV 1.0.
66
Com base no exposto acima, para o R²a os valores foram considerados
representativos quando iguais ou superiores a 0,90, consistindo em uma análise mais
conservadora. Para os valores do σF, considerou-se adequados quando os valores
apresentaram-se inferiores a 1,5, conforme descreve Eletrobrás (1985a).
Quando estas duas avaliações estatísticas objetivas atenderam aos valores
definidos no estudo, então a região foi confirmada como hidrologicamente homogênea e
o modelo de regressão utilizado foi considerado satisfatório e, teoricamente, os seus
parâmetros estimados são possíveis de serem aplicados na estimativa de vazões com
90% de permanência.
2.11.2 Comparação entre as vazões Q90 observadas e Q90 estimadas
Mesmo apresentando resultados estatísticos satisfatórios, tais modelos de
regressão podem ter pouca representatividade física, com vazões estimadas
apresentando anomalias como vazões negativas, ou ainda superestimativas maiores que
o dobro das vazões observadas e subestimativas inferiores a sua metade.
Sendo assim, faz-se necessário a comparação das diferenças entre os valores de
vazões estimadas e observadas para cada estação, sendo que neste estudo utilizou-se o
erro percentual (ER%) ou erro relativo entre os valores das vazões observadas e
estimadas pelos modelos, conforme Equação 11 a seguir.
(
) Equação 11
Em que, ER% = Erro percentual ou relativo (%); Qo = Vazão observada (m³/s) e; Qe = Vazão
estimada pelo modelo (m³/s).
O ER% foi calculado diretamente no SisCoRV e obtido para cada uma das
estações fluviométricas. Conforme mencionado por Eletrobrás (1985a) apud Ferreira
(2010), considera-se aceitável erros menores que 30%. Valores negativos (-)
representam superestimativa das vazões enquanto que valores positivos (+) representam
vazões subestimadas pelos modelos.
67
Baseado nesses resultados, pode-se inferir quais os conjuntos de parâmetros e,
consequentemente, as equações mais indicados de serem utilizados nas estimativas de
vazões em locais sem dados dentro da RHH, considerando as suas limitações de
aplicação.
68
3 RESULTADOS E DISCUSSÕES
3.1.1 Obtenção das Vazões de Permanência Q90
Para o processamento dos dados hidrológicos e obtenção das vazões de
permanência consideradas, foi utilizado o programa SisCAH, o qual possibilitou a
manipulação rápida e eficaz dos dados de vazões importados diretamente do website do
Hidroweb.
Com análise das séries históricas de vazões observadas nas estações, o programa
permitiu a obtenção da curva de permanência de cada estação, de modo a extrair a vazão
com 90% de permanência no tempo (Q90). As vazões Q90 obtidas nas 54 estações
selecionadas no estudo estão apresentadas na Tabela 1.
Tabela 1: Vazões de permanência para cada estação fluviométrica obtidas no programa
SisCAH.
Estação Nome da estação Vazão de Permanência Q90 (m³/s)
70200000 INVERNADA VELHA 13,55
70700000 PASSO SOCORRO 27,90
72300000 PASSO DO VIRGILIO 192,24
72400000 PASSO SÃO GERALDO 3,47
72430000 PASSO DO GRANZOTTO 6,11
72530000 PASSO DO LIGEIRO 2,10
72580000 PONTE DO RIO TAPEJARA 6,25
72630000 PASSO SANTA TEREZA 12,59
72680000 PASSO COLOMBELLI 15,68
73480000 PONTE DO RIO PASSO FUNDO 24,97
74100000 IRAÍ 285,47
74205000 LINHA CESCON 0,52
74210000 POTREIRO BONITO 16,86
74270000 PASSO RIO DA VÁRZEA 22,47
74370000 PALMITINHO 16,37
74450000 ENGENHO 4,90
74470000 TRÊS PASSOS 9,59
74600000 CASCATA BURICA 7,92
74700000 TUCUNDUVA 5,42
74750000 LINHA CASCATA 1,77
74800000 PORTO LUCENA 316,00
74880000 PASSO SÃO JOÃO 3,72
69
Estação Nome da estação Vazão de Permanência Q90 (m³/s)
74900000 LINHA UNIÃO 4,61
75155000 PASSO FAXINAL 12,10
75185000 PONTE NOVA DO POTIRIBU 4,83
75200000 CONCEIÇÃO 4,82
75205000 PONTE NOVA DO CONCEIÇÃO 6,83
75230000 SANTO ANGELO 30,52
75295000 COLÔNIA MOUSQUER 12,10
75300000 PASSO VIOLA 38,05
75320000 PONTE MÍSTICA 49,79
75270000 PONTE QUEIMADA 3,51
75400000 PASSO DO DIAS 3,22
75430000 PASSO MAJOR ZEFERINO 2,73
75550000 GARRUCHOS 348,58
75600000 PASSO DAS TURMAS 0,61
75700000 PASSO DO NOVO 3,89
75830000 PASSO DO BUTUI 0,48
75450000 PASSO SANTA MARIA 11,23
76077000 USINA QUEBRA DENTE 1,02
76085000 CACHOEIRA 5 VEADOS 1,19
76100000 VILA CLARA 3,17
76120000 PONTE TOROPI 4,77
76300000 PONTE IBICUI DA ARMADA 8,00
76310000 ROSÁRIO DO SUL 13,88
76360001 AZEVEDO SODRÉ 1,01
76380000 CACEQUI 1,25
76440000 JAGUARI 3,61
76490000 PASSO DO LORETO 8,96
76600000 PASSO DO ITAUM 88,68
76700000 PASSO DOS BRITOS 3,92
76750000 ALEGRETE 6,39
76800000 PASSO MARIANO PINTO 110,21
77150000 URUGUAIANA 920,26
77500000 QUARAI 1,62
79400000 ESTÂNCIA DO ESPANTOSO 0,42
70
3.1.2 Identificação das Regiões Hidrologicamente Homogêneas
Os agrupamentos espaciais das estações foram realizados inicialmente
considerando as distâncias entre as mesmas e características fisiográficas como
geologia, geomorfologia, hidrografia e pedologia.
Posteriormente, para analisar os modelos de regressão a serem utilizados, foram
realizados testes de dependência entre a Q90 observada e as variáveis explicativas
através de correlação linear, conforme apresentado na Tabela a seguir.
Tabela 2: Matriz de correlação entre as vazões e as variáveis independentes.
Região Q90 Ad L S
RHH-R1
Q90 1
Ad 0,98 1
L 0,746 0,818 1
S 0,168 0,187 0,36 1
RHH-R2
Q90 1
Ad 0,99 1
L 0,892 0,89 1
S 0,095 0,09 0,25 1
RHH-R3
Q90 1
Ad 0,99 1
L 0,97 0,95 1
S 0,26 0,24 0,41 1
RHH-R4
Q90 1
Ad 0,99 1
L 0,99 0,99 1
S 0,39 0,39 0,43 1
RHH-R5
Q90 1
Ad 0,97 1
L 0,93 0,98 1
S 0,08 0,39 0,2 1 Q90 = Vazão com 90% de permanência no tempo; Ad = Área de drenagem; L = Comprimento do rio
Principal; S = Declividade média do rio principal.
Observa-se que as variáveis Ad e L apresentaram valores considerados elevados
de correlação com a vazão Q90 em todas as RHH previamente estabelecidas. A variável
S apresentou um baixo grau de correlação com a variável dependente Q90 (valores
destacados em vermelho na Tabela 2), sendo, portanto, descartada das análises
realizadas na sequência.
71
Os significados físicos destes resultados denotam a proporcionalidade entre a
variável dependente com as independentes (explicativas). No caso da Q90 estudada, tem-
se que, de acordo com os coeficientes de correlação, a vazão teórica é tanto maior
quanto maior for a Ad e o L. Com isso, as variáveis explicativas foram utilizadas nos
modelos da seguinte forma:
Regressão considerando a combinação entre Ad e L;
Regressão considerando apenas a Ad;
Regressão considerando apenas a L;
Levando-se em consideração estas definições, os agrupamentos realizados para
esta análise inicial foram avaliados considerando simultaneamente os melhores
indicadores de ajustamento das equações de regressão. As análises de regressão
permitiram relacionar as vazões de permanência Q90 de cada estação com as variáveis
explicativas definidas para serem utilizadas na regionalização, dentro de uma mesma
RHH.
Assim, as RHH foram estabelecidas a partir da combinação das estações
fluviométricas que conduziram aos maiores Coeficientes de Determinação Ajustados
(R²a), que representa a proporção com que o modelo explica a variância da vazão
observada.
De modo complementar, a análise da adequação da subdivisão realizada para as
RHH, verificou, além dos R²a, os valores de σF obtidos com os modelos matemáticos
utilizados, sendo considerados resultados satisfatórios valores inferiores a 1,5.
Com isso, inicialmente todas as estações foram relacionadas em uma única
região hidrológica, composta pelas 55 estações selecionadas no estudo, onde os
resultados do R²a não atingiram o coeficiente de 0,90, sendo que ainda a maioria dos
modelos testados com as diferentes combinações de variáveis explicativas apresentaram
comportamentos anômalos, como vazões negativas, estimativas superiores ao dobro da
vazão observada ou inferiores à metade do valor observado em mais de 80% das
estações fluviométricas.
Com o objetivo buscar resultados com melhores ajustes estatísticos, procedeu-se
com a subdivisão das estações em diferentes regiões. Quando foram identificados bons
resultados, então a região foi considerada como hidrologicamente homogênea. Nos
casos em que este ajuste não resultou em melhores resultados, tornou-se necessário
realizar novas subdivisões entre as estações, retirando ou incluindo estações a essas
72
regiões, de modo que cada uma apresentasse um número mínimo de seis estações
fluviométricas, evitando causar um falso ajuste provocado por oscilações que podem
ocorrer nas variáveis explicativas e que são de difícil detecção, principalmente em séries
menores (NAGHETTINI e PINTO, 2007).
Este tipo de análise iterativa proporcionou melhores ajustes em relação à
tentativa realizada inicialmente, onde as subdivisões realizadas resultaram na
proposição de cinco regiões com melhores indicadores de ajustamento para as equações
de regressão.
Na análise do Quadro 3 a seguir são apresentadas as cinco Regiões
Hidrologicamente Homogêneas propostas para regionalizar as vazões de permanência
Q90, com base nos resultados dos ajustes estatísticos obtidos com os modelos
matemáticos em relação às variáveis explicativas utilizadas no estudo.
Quadro 3: Resultado do ajuste das Regiões Homogêneas para as vazões com 90% de
permanência (Q90).
Variável
explicativa Modelo
Regiões Hidrologicamente Homogêneas
RHH-R1 RHH-R2 RHH-R3 RHH-R4 RHH-R5
R²a σF R²a σF R²a σF R²a σF R²a σF
Área de drenagem
(Ad)
Linear 0,97 8,93 0,99 2,98 0,99 4,80 0,99 3,45 0,97 36,23
Potencial 0,94 0,32 0,89 0,54 0,97 0,21 0,94 0,52 0,96 0,38
Exponencial 0,78 0,61 0,54 1,13 0,63 0,83 0,82 0,91 0,67 1,09
Logarítmico 0,61 38,18 0,71 47,28 0,70 49,80 0,78 61,01 0,51 158,92
Recíproco 0,15 0,14 -0,06 0,60 0,16 0,09 -0,01 0,82 0,08 0,34
Comprimento do
rio principal
(L)
Linear 0,71 32,84 0,88 30,40 0,96 16,61 0,98 13,42 0,93 59,86
Potencial 0,89 0,44 0,90 0,50 0,86 0,51 0,90 0,67 0,93 0,48
Exponencial 0,97 0,20 0,78 0,77 0,78 0,64 0,86 0,81 0,78 0,89
Logarítmico 0,59 48,35 0,42 66,63 0,63 55,39 0,72 69,52 0,47 166,17
Recíproco 0,88 0,10 0,06 0,56 0,30 0,08 0,34 0,80 0,18 0,33
Área de drenagem
e Comprimento
do rio principal
(Ad e L)
Linear 0,98 8,02 0,99 3,18 0,99 3,58 0,99 1,89 0,98 31,25
Potencial 0,94 0,32 0,93 0,48 0,98 0,16 0,93 0,55 0,97 0,32
Exponencial 0,97 0,22 0,81 0,69 0,86 0,51 0,87 0,77 0,93 0,49
Logarítmico 0,66 35,54 0,73 31,92 0,67 52,60 0,77 62,62 0,48 164,86
Recíproco 0,71 0,08 0,15 0,51 0,51 0,07 0,30 0,68 0,77 0,17
RHH-R1, RHH-R2, RHH-R3, RHH-R4 e RHH-R5 representam as Regiões Hidrologicamente Homogêneas
definidas no estudo. Os valores destacados em vermelhos foram aqueles que apresentaram R²a >0,90.
73
Conforme se pode observar no Quadro 3, os elevados valores dos R²a obtidos
remetem a uma subdivisão considerada adequada para a definição das regiões com
comportamento hidrológico semelhante.
Na análise do ajuste das Equações de Regressão utilizadas na regionalização da
Q90 na RHH-R1, pode-se observar que os resultados dos R²a obtidos foram
considerados satisfatórios para os modelos Linear e Potencial utilizando a variável
explicativa Ad, os quais apresentaram um coeficiente de determinação de 0,97 e 0,96,
respectivamente. Para a variável L, o modelo Exponencial apresentou resultados
satisfatórios com um coeficiente de 0,97. Quando considerada a combinação das duas
variáveis, não se observou uma melhoria significativa no ajuste obtido.
Na RHH-R2, os melhores ajustes foram obtidos com a variável Ad, e com a
combinação entre Ad e L apresentando um R²a de 0,99 para o modelo Linear. Ainda,
observou-se que a variável L apresentou ajuste satisfatório para o modelo Potencial,
com R²a de 0,90.
A RHH-R3 apresentou os melhores ajustes estatísticos de R²a para os modelos
Linear e Potencial tanto para as variáveis utilizadas individualmente, quanto para a
combinação entre ambas. Da mesma forma, na região definida como RHH-R4 os
melhores resultados também foram obtidos para os modelos Linear e Potencial.
Na RHH-R5, como nas demais regiões, os melhores resultados foram obtidos
com a combinação entre as variáveis Ad e L para os modelos Linear e Potencial, com
R²a igual a 0,98 e 0,97, respectivamente. Ainda se observou ajustes satisfatórios para as
variáveis Ad (0,97 e 0,96) e L (0,93), avaliadas individualmente, tanto para o modelo
Linear quanto para o Potencial e R²a de 0,93 para o modelo Exponencial utilizando a
combinação entre as variáveis.
A partir dos resultados obtidos, excluiu-se das demais análises os modelos
Logarítmico e Recíproco, os quais apresentaram ajustes considerados pouco
representativos e não satisfatórios de acordo com as definições estabelecidas para este
estudo.
Em relação aos valores de Erro Padrão Fatorial (σF), conforme os resultados
apresentados no Quadro 3, o modelo Linear foi o que apresentou o pior desempenho do
Erro Padrão Fatorial (σF ), com valores superiores a 10 vezes o limite considerado (1,5),
principalmente para a variável L. Os modelos Potencial e Exponencial foram os que
apresentaram melhor performance, com σF variando entre 0,14 e 0,67, sendo que o
74
Exponencial apresentou resultados satisfatórios utilizando a variável L e para a
combinação entre Ad e L na RHH-R1, e para a combinação entre ambas as variáveis na
RHH-R5.
Ainda em relação aos resultados mostrados neste item, pode-se inferir que a
variável L apresentou bons resultados, porém a variável explicativa Área de drenagem
demonstra ter maior influência na variação das vazões com 90% de permanência nas
RHH e, portanto, contribui de forma mais expressiva para o estudo. É importante
observar que o incremento da variável Comprimento do rio principal para a maioria dos
casos elevou os valores de R²a, porém, tal acréscimo não resultou em melhora relevante
para o ajuste apresentado pelo R²a. Esse acréscimo possivelmente decorre da elevada
correlação apresentada entre as variáveis conforme verificado anteriormente.
A realização desta etapa de obtenção e análise das estatísticas objetivas permitiu
definir as regiões que possuem comportamento hidrológico semelhante na Região
Hidrográfica do Uruguai. A representação das destas RHH identificadas por meio deste
estudo está apresentada na Figura 14.
75
Figura 14: Mapa com as RHH definidas neste estudo.
76
Conforme pode ser visualizado na Figura 14, as RHH ficaram assim definidas:
A Região RHH-R1 abrange apenas pela bacia do Rio Apuaê-Inhandava (U010) e
a Região RHH-R2 pelas bacias do Rio Passo Fundo (U020), Rio da Várzea (U100) e
Turvo-Santa Rosa-Santo Cristo (U030). A Região RHH-R3 é composta pela bacia do
Rio Ijuí (U090) e parte da bacia U030; A Região RHH-R4, abrange as bacias U040 e
U110, Piratini e Butuí-Icamaquã, respectivamente. A região RHH-R5 foi a que
concentrou o maior número de bacias, abrangendo as bacias do Rio Ibicuí (U050) e
Santa Maria (U070).
Como se pode observar, as bacias do Rio Negro e Quaraí não estão incluídas em
nenhuma região. Isto porque ambas as bacias apresentam apenas uma estação em suas
respectivas áreas de abrangência (77500000 e 79400000) as quais, durante as
verificações realizadas no programa SisCoRV foram inserida inicialmente na RHH-R5,
resultando em uma redução na qualidade dos resultados das regressões realizadas nesta
região. Com isso, optou-se por retirá-las do estudo e, consequentemente, as bacias
também não foram consideradas.
3.1.3 Equações Regionais e Parâmetros Ajustados
Com base nos resultados discutidos anteriormente, a Tabela 3 a seguir apresenta
relação de Equações Regionais (de Regressão) dos modelos que apresentaram melhor
desempenho de R²a para a estimativa das vazões de permanência Q90, de acordo com as
RHH definidas. O ajuste das equações de regressão possibilitou a obtenção dos
parâmetros ß0, ß1 e ß2, baseado na regionalização de cada RHH.
77
Tabela 3: Modelos matemáticos que apresentaram os melhores ajustes estatísticos.
Região N° de
estações Modelo Variável Equação de Regressão R²a σF
RHH-R1 9
Linear Ad Q90 = - 6,9011 + 0,0066 A 0,9637 8,93
Potencial Ad Q90 = 0,0025 A1,0651
0,9644 0,32
Exponencial L Q90 = e(1,8266 + 0,01021 L)
0,9763 0,20
Linear Ad e L Q90 = 2,3596 + 0,0077 A - 0,0852 L 0,9827 8,02
Potencial Ad e L Q90 = 0,00211 . A0,79523
L0,4668
0,9418 0,32
Exponencial Ad e L Q90 = e(1,8693 + 3,8935E-6 A + 0,0099 L)
0,9726 0,22
RHH-R2 11
Linear Ad Q90 = 0,8760 + 0,0045 A 0,9988 2,98
Potencial L Q90 = 0,0020 L1,6928
0,9763 0,50
Linear Ad e L Q90 = 0,5255 + 0,0045 A + 0,0028 L 0,9988 3,18
Potencial Ad e L Q90 = 0,0017 A0,4711
L0,9955
0,9305 0,48
RHH-R3 11
Linear Ad Q90 = 4,8153 + 0,0036 A 0,9973 4,80
Potencial Ad Q90 = 0,01097 A0,9077
0,9762 0,21
Linear L Q90 = - 29,59701 + 0,2821 L 0,9671 16,61
Linear Ad e L Q90 = - 1,4945 + 0,0030 A + 0,0497 L 0,9985 3,58
Potencial Ad e L Q90 = 0,0163 A1,2782
L- 0,6490
0,98 0,16
RHH-R4 6
Linear Ad Qc90 = -1,5121 + 0,0033 A 0,99 3,45
Potencial Ad Q90 = 0,0019 A1,0320
0,94 0,52
Linear L Q90 = -17,1652 + 0,2848 L 0,98 13,42
Potencial L Q90 = 0,0037 L1,5428
0,90 0,67
Linear Ad e L Q90 = 3,1653 + 0,0043 A - 0,0832 L 0,99 1,89
78
Região N° de
estações Modelo Variável Equação de Regressão R²a σF
Potencial Ad e L Q90 = 0,0015 A1,5121
L- 0,7367
0,93 0,55
RHH-R5 16
Linear Ad Q90 = - 4,4265 + 0,0055 A 0,97 36,23
Potencial Ad Q90 = 0,0001 A1,3165
0,96 0,38
Linear L Q90 = - 89,3950 + 0,5949 L 0,93 59,86
Potencial L Q90 = 0,0003 L1,9724
0,93 0,48
Linear Ad e L Q90 = 18,7873 + 0,0090 A - 0,3852 L 0,98 31,25
Potencial Ad e L Q90 = 0,0001 A0,8409
L0,7566
0,97 0,32
Exponencial Ad e L Q90 = e(0,46933 - 0,0001 A + 0,0187 L)
0,93 0,49
Valores destacados em vermelho são > 1,5.
79
Os resultados demonstraram que os modelos que apresentaram os melhores
desempenhos são aqueles que utilizaram como variável explicativa a Ad, mas há de se
destacar que os modelos que utilizam a variável L também apresentaram desempenhos
satisfatórios nas cinco RHH.
A análise dos resultados dos ajustes considerando apenas o R²a obtido para as
equações de regressão, utilizando as variáveis de modo único ou combinado, permite
inferir que, teoricamente, qualquer uma das regressões apresentadas na Tabela anterior
poderiam ser utilizadas sem que isso ocasionasse maiores diferenças nas estimativas das
vazões de permanência Q90.
No entanto, como pode ser verificado na Tabela anterior, mesmo as equações
apresentando elevados coeficientes de determinação, as equações que utilizam o modelo
Linear apresentaram, de forma sistêmica, valores de erro padrão fatorial muito acima do
valor considerado como limite neste tipo de análise (1,5), o que denota que este modelo
de regressão não é o mais indicado para representar o comportamento das vazões com
90% de permanência na região estudada.
Apenas considerando os elevados valores obtidos para o coeficiente de
determinação e a redução dos erros padrão fatorial, ainda assim não se pode afirmar que
os resultados refletem a realidade das regiões analisadas.
O que se busca analisar, portanto, além das estatísticas objetivas, é se as vazões
estimadas pelas equações regionais (Equações de Regressão) apresentam parâmetros
capazes de explicar aproximadamente o comportamento dessas vazões, sem produzir
estimativas com erros muito superiores ou inferiores aos que a literatura indica como
aceitáveis. A alternativa utilizada para realizar este tipo de análise consistiu na
comparação entre as vazões observadas e as vazões regionalizadas a partir das equações
de regressão que apresentaram bons ajustes estatísticos, tendo por finalidade identificar
possíveis inconsistências e tendenciosidades.
3.1.4 Comparação entre as Vazões Observadas e Estimadas
De posse dos valores dos ajustes dos modelos que apresentaram melhor
desempenho estatístico na análise anterior, discute-se neste item a comparação entre as
80
vazões obtidas com o processamento dos dados não homogêneos (Q90obs) e as vazões
regionalizadas a partir dos modelos matemáticos (Q90est). Para tanto, buscou-se
apresentar os resultados divididos por RHH definida, onde as Tabelas e os Gráficos
expressam os valores das vazões observadas (Q90obs), estimadas e o erro relativo à
estimativa (ER%). As estações que os modelos matemáticos estimaram vazões
negativas e, portanto, sem fundamento físico, foram desconsideradas desta avaliação
regional.
No caso dos gráficos plotados, é importante destacar que as estações 72300000,
74100000, 74800000, 75550000, 76800000 e 77150000 foram excluídas desta análise,
considerando-se que possuem valores de vazão com escala de grandeza muito superiore
aos valores de vazões das demais estações, o que dificultaria a possibilidade de análise
visual. No entanto, ressalta-se que estas estações foram consideradas nos estudos de
regionalização.
Região Hidrologicamente Homogênea – RHH-R1 (Q90)
Os resultados obtidos com as Equações de Regressão selecionadas e
apresentados no item 0 para a RHH-R1 são apresentados a seguir.
Tabela 4: Erro percentual da Q90 na RHH-R1 utilizando a variável Ad no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad
70200000 13,55 11,99 11,52
70700000 27,90 48,94 -75,41
72300000 192,24 186,65 2,91
72400000 3,47 3,06 11,64
72430000 6,11 3,76 38,43
72530000 2,10 -3,87 284,18
72580000 6,25 0,25 95,96
72630000 12,59 11,55 8,31
72680000 15,68 17,55 -11,96
Potencial Ad
70200000 13,55 12,18 10,11
70700000 27,90 38,64 -38,49
72300000 192,24 145,23 24,45
81
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
72400000 3,47 6,16 -77,71
72430000 6,11 6,62 -8,40
72530000 2,10 1,73 17,42
72580000 6,25 4,33 30,70
72630000 12,59 11,88 5,70
72680000 15,68 16,03 -2,28
Figura 15: Regionalização da Q90 na RHH-R1 utilizando a variável Ad
As vazões estimadas pelos modelos que utilizam apenas a Ad como variável
explicativa apresentaram erros bastante acentuados para algumas estações. No modelo
Linear, 44% das estações apresentaram erros superiores a 30%, algumas apresentando
comportamentos anômalos, com vazões estimadas negativas (72530000) e vazões muito
inferior à observada (72580000). Já na analise do modelo Potencial, observa-se que
22% das estações apresentaram erros superiores a 30%, resultados mais aceitáveis do
que o modelo anterior. Os piores resultados se referem às estações 70700000 e
7240000, que apresentaram valores superestimados em 38% e 77% do valor observado,
respectivamente. O modelo Linear apresentou ER% médio de 32% enquanto que o
modelo Potencial 23,9%.
-10,00
0,00
10,00
20,00
30,00
40,00
50,00
60,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R1 Q90 - Ad
Q90obs Modelo Linear Modelo Potencial
82
Tabela 5: Erro percentual da Q90 na RHH-R1 utilizando a variável L no modelo
Exponencial.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Exponencial L
70200000 13,55 13,52 0,24
70700000 27,90 29,07 -4,18
72300000 192,24 186,44 3,02
72400000 3,47 3,73 -7,64
72430000 6,11 4,72 22,74
72530000 2,10 2,89 -37,66
72580000 6,25 4,63 25,95
72630000 12,59 12,71 -0,94
72680000 15,68 18,17 -15,93
Figura 16: Regionalização da Q90 na RHH-R1 utilizando a variável L
Como se pode observar nos resultados acima, o modelo Exponencial utilizando a
variável L apresentou erros pequenos e um ajuste entre vazões observadas e estimadas
com a equação de regressão considerado excelente. O ER% médio apresentado pelo
modelo Exponencial foi de 13,1%.
0,00
50,00
100,00
150,00
200,00
250,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R1 Q90 - L
Q90obs Modialelo Exponencial
83
Tabela 6: Erro percentual da Q90 na RHH-R1 utilizando as variáveis Ad e L no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad e L
70200000 13,55 7,63 43,66
70700000 27,90 44,24 -58,54
72300000 192,24 188,94 1,72
72400000 3,47 7,99 -130,36
72430000 6,11 6,84 -11,96
72530000 2,10 2,05 2,32
72580000 6,25 2,93 53,13
72630000 12,59 7,63 39,39
72680000 15,68 11,64 25,78
Potencial Ad e L
70200000 13,55 13,89 -2,51
70700000 27,90 38,26 -37,11
72300000 192,24 130,67 32,03
72400000 3,47 5,17 -48,94
72430000 6,11 6,22 -1,86
72530000 2,10 1,63 22,36
72580000 6,25 4,49 28,20
72630000 12,59 13,43 -6,67
72680000 15,68 18,19 -16,03
Exponencial Ad e L
70200000 13,55 13,32 1,70
70700000 27,90 28,73 -2,95
70300000 192,24 190,83 0,74
72400000 3,47 3,78 -8,88
72430000 6,11 4,75 22,26
72530000 2,10 2,93 -39,55
72580000 6,25 4,65 25,61
72630000 12,59 12,54 0,42
72680000 15,68 17,84 -13,77
84
Figura 17: Regionalização da Q90 na RHH-R1 utilizando as variáveis Ad e L
Nos resultados obtidos com os modelos Linear, Potencial e Exponencial
utilizando a combinação das variáveis Ad e L, apresentados acima, observa-se que os
erros percentuais mais elevados são resultantes do modelo Linear, sendo os modelos
Exponencial e Potencial, respectivamente, os que apresentaram ajustes mais
satisfatórios, com tendência de ligeira subestimativa das vazões. O modelo Linear
apresentou ER% médio de 40,7% enquanto que os modelos Potencial e Exponencial
21,7% e 12,8%, respectivamente.
Região Hidrologicamente Homogênea – RHH-R2 (Q90)
Os resultados obtidos com as Equações de Regressão selecionadas e apresentados
no item 3.1.3 para a RHH-R2 são apresentados a seguir. Cabe lembrar que na análise
gráfica, a estação 75550000 foi retirada devido a sua escala de grandeza muito superior
as demais em relação aos valores da Q90, fato este que impossibilitaria a visualização
dos ajustes obtidos para as demais estações.
0,00
50,00
100,00
150,00
200,00
250,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R1 Q90 - Ad e L
Q90obs Modelo LinearModelo Potencial Modelo Exponencial
85
Tabela 7: Erro percentual da Q90 na RHH-R2 utilizando a variável Ad no modelo Linear
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad
73480000 24,98 18,52 25,84
74100000 285,47 338,13 -18,44
74205000 0,52 5,43 -937,61
74210000 16,86 6,44 61,78
74270000 22,47 7,54 66,45
74370000 16,37 6,05 63,08
74450000 4,90 5,59 -14,23
74470000 9,59 5,84 39,11
74600000 7,92 6,13 22,58
74700000 5,42 5,69 -4,81
74750000 1,77 5,39 -204,46
Figura 18: Regionalização da Q90 na RHH-R2 utilizando a variável Ad
Como pode ser observado na análise realizada, na maioria das estações da
região, o modelo Linear subestimou as vazões Q90, sendo que os resultados de pior
desempenho foram obtidos para as estações 74210000, 74270000 e 74370000, nas quais
a vazão estimada representa menos de 50% da vazão Q90 observada. Nas estações
74205000 e 74750000 observou-se o contrário, as vazões observadas foram
0,00
5,00
10,00
15,00
20,00
25,00
30,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R2 Q90 - Ad
Q90obs Modelo Linear
86
superestimadas com erros de 937% e 204% (em módulo). O modelo Linear apresentou
ER% médio de 35,1%.
Tabela 8: Erro percentual da Q90 na RHH-R2 utilizando a variável L no modelo
Potencial.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Potencial L
73480000 24,98 15,22 39,06
74100000 285,47 166,62 41,64
74205000 0,52 0,96 -83,86
74210000 16,86 15,47 8,25
74270000 22,47 40,49 -80,20
74370000 16,37 12,16 25,76
74450000 4,90 4,54 7,28
74470000 9,59 12,77 -33,14
74600000 7,92 8,54 -7,86
74700000 5,42 7,22 -33,16
74750000 1,77 0,76 57,18
Figura 19: Regionalização da Q90 na RHH-R2 utilizando a variável L
A Regressão realizada utilizando a variável L apresentou resultados mais
representativos para explicar o comportamento da Q90 do que em relação à Regressão
utilizando a Ad, uma vez que apresentou erros percentuais sistematicamente menores,
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R2 Q90 - L
Q90obs Modelo Potencial
87
entretanto, cerca de 63% das estações da região apresentaram erros acima de 30%. O
modelo Potencial apesentou ER% médio de 23,3%.
Tabela 9: Erro percentual da Q90 na RHH-R2 utilizando as variáveis Ad e L no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad e L
73480000 24,98 18,65 25,34
74100000 285,47 285,25 0,08
74205000 0,52 -1,09 308,18
74210000 16,86 19,14 -13,54
74270000 22,47 19,88 11,53
74370000 16,37 13,77 15,89
74450000 4,90 4,36 11,02
74470000 9,59 12,12 -26,36
74600000 7,92 12,45 -57,22
74700000 5,42 7,29 -34,30
74750000 1,77 -1,87 205,53
Potencial Ad e L
73480000 24,98 16,64 33,39
74100000 285,47 262,73 7,97
74205000 0,52 1,07 -104,75
74210000 16,86 16,52 1,99
74270000 22,47 21,57 3,98
74370000 16,37 12,21 25,46
74450000 4,90 4,40 10,09
74470000 9,59 11,62 -21,12
74600000 7,92 9,54 -20,52
74700000 5,42 6,81 -25,46
74750000 1,77 0,81 54,06
88
Figura 20: Regionalização da Q90 na RHH-R2 utilizando as variáveis Ad e L
Na avaliação da Regressão realizada utilizando a combinação das variáveis, os
modelos Linear e Potencial apresentaram desvios percentuais muito semelhantes, ainda
que os erros resultantes do modelo Linear tenham sido maiores. Como se pode observar
nos resultados acima, o modelo Linear apresentou vazões negativas para as estações
74205000 e 74750000. O modelo Potencial apresentou erros ligeiramente inferiores em
relação ao modelo Linear, apresentando excelente ajuste das Q90 para as estações
74100000, 74210000, 74270000 e 74450000, com erros vaiando entre 1,99% e 10,09%.
Há de se destacar a estação 73480000, localizada no reservatório da barragem do
Rio Passo Fundo, a qual regulariza as vazões de jusante. Por este fato, a estação
73480000 apresenta vazões consideradas não representativas do processo hidrológico
natural da bacia. Entretanto, mesmo com esta constatação, o estudo considerou a
utilização da série histórica da estação nas equações de regressão realizadas.
Primeiramente a estação havia sido incluída na RHH-R1, regionalizando a sua Q90 com
as demais estações desta região. Porém, devido à redução da qualidade da regressão
apresentada e os respectivos erros percentuais, buscou-se incluir a estação na RHH-R2,
onde apresentou os melhores resultados. A escolha pela utilização da estação no estudo
se refere também a carência de estações fluviométricas apresentada pela Bacia
-5,00
0,00
5,00
10,00
15,00
20,00
25,00
30,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R2 Q90 - Ad e L
Q90obs Modelo Linear Modelo Potencial
89
Hidrográfica do Rio Passo Fundo, haja vista que a estação 73480000 é a única com
dados hidrológicos monitorados e disponibilizados pela ANA.
Na análise do ER% médio, o modelo Linear apresentou 21,6%de erro, enquanto que o
modelo Potencial 20,4%.
Região Hidrologicamente Homogênea – RHH-R3 (Q90)
Os resultados obtidos com as Equações de Regressão selecionadas e
apresentados no item 0 para a R3 são apresentados a seguir.
Convém fazer um destaque a estação 75270000, a qual foi inicialmente locada
na RHH-R3, entretanto, houve uma redução da qualidade da regressão obtida pela
região, e por isso, optou-se por retirá-la do estudo, haja vista que a estação também
reduziu a qualidade dos ajustes obtidos na RHH-R4.
Tabela 10: Erro percentual da Q90 na RHH-R3 utilizando a variável Ad no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad
74800000 316,00 317,46 -0,46
74880000 3,72 7,79 -109,28
74900000 4,61 9,36 -103,10
75155000 12,10 12,11 -0,09
75185000 4,83 7,11 -47,14
75200000 4,82 7,75 -60,91
75205000 6,83 8,33 -22,12
75230000 30,52 24,54 19,60
75295000 12,10 12,58 -3,97
75300000 38,05 37,18 2,29
75320000 49,79 39,16 21,35
90
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Potencial Ad
74800000 316,00 330,10 -4,46
74880000 3,72 4,82 -29,61
74900000 4,61 7,09 -53,88
75155000 12,10 10,90 9,95
75185000 4,83 3,81 21,15
75200000 4,82 4,76 1,06
75205000 6,83 5,62 17,63
75230000 30,52 26,88 11,95
75295000 12,10 11,53 4,71
75300000 38,05 42,13 -10,70
75320000 49,79 44,46 10,71
Figura 21: Regionalização da Q90 na RHH-R3 utilizando a variável Ad
Conforme se observa nos resultados apresentados acima, é notável o melhor
desempenho do modelo Potencial utilizando a variável Ad, com apenas a estação
74900000 apresentando erro de estimativa acima de 30%, superestimando as vazões
observadas em 53%. Já o modelo Linear apresentou 4 estações com erros superiores a
30%, todas superestimando as vazões. O modelo Linear apresentou ER% médio de
35,4% enquanto que o modelo Potencial 15,9%.
0,00
10,00
20,00
30,00
40,00
50,00
60,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R3 Q90 - Ad
Q90obs Modelo Linear Modelo Potencial
91
Tabela 11: Erro percentual da Q90 na RHH-R3 utilizando a variável L no modelo Linear
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear L
74800000 316,00 301,65 4,54
74880000 3,72 -1,38 137,12
74900000 4,61 16,96 -267,89
75155000 12,10 -1,38 111,42
75185000 4,83 -12,67 362,27
75200000 4,82 -10,41 316,19
75205000 6,83 -3,36 149,18
75230000 30,52 36,99 -21,19
75295000 12,10 21,19 -75,14
75300000 38,05 62,67 -64,68
75320000 49,79 73,11 -46,84
Figura 22: Regionalização da Q90 na RHH-R3 utilizando a variável L
O modelo Linear utilizando como variável independente o L apresentou erros
superiores a 30% em 9 das 11 estações da região (82%), sendo que a maioria com com
valores estimados negativos e as demais com superstimativas das vazões bastante
elevadas. Com base neste resultado, o uso desta da equação de regressão obtida com
esse modelo não é recomendável para a estimativa de vazões, sendo que o modelo
apresentou ER% médio de 80%, valor considerado muito elevado.
-20,00
-10,00
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R3 Q90 - L
Q90obs Modelo Linear
92
Tabela 12: Erro percentual da Q90 na RHH-R3 utilizando a variável Ad e L no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad e L
74800000 316,00 316,32 -0,10
74880000 3,72 5,95 -59,92
74900000 4,61 10,49 -127,65
75155000 12,10 9,54 21,18
75185000 4,83 3,39 29,73
75200000 4,82 4,32 10,19
75205000 6,83 6,06 11,27
75230000 30,52 26,62 12,78
75295000 12,10 13,91 -14,96
75300000 38,05 41,64 -9,42
75320000 49,79 45,12 9,37
Potencial Ad e L
74800000 316,00 336,29 -6,42
74880000 3,72 4,33 -16,40
74900000 4,61 5,39 -16,87
75155000 12,10 13,65 -12,80
75185000 4,83 4,33 10,41
75200000 4,82 5,47 -13,56
75205000 6,83 5,63 17,46
75230000 30,52 27,87 8,70
75295000 12,10 10,09 16,61
75300000 38,05 42,47 -11,59
75320000 49,79 42,73 14,17
93
Figura 23: Regionalização da Q90 na RHH-R3 utilizando as variáveis Ad e L
No modelo Linear as estações 74880000 e 74900000 apresentaram erros de
superestimativa muito elevados, acima de 60%. O melhor resultado das estimativas da
Q90 na RHH-R3 utilizando a combinação entre as variáveis foi obtido com modelo
Potencial, o qual apresentou erros percentuais em módulo entre 6,42% e 17,46%. O
modelo Linear apresentou ER% médio de 21,6% enquanto que o modelo Potencial
20,4%.
Região Hidrologicamente Homogênea – RHH-R4 (Q90)
A RHH-R4 reúne as estações 75400000, 75430000, 75550000, 75600000,
75700000 e 75830000. Na análise gráfica, estação 75550000 foi retirada devido a sua
escala de grandeza muito superior as demais em relação aos valores da Q90, fato este
que impossibilitaria a visualização dos ajustes obtidos para as demais estações. Os
resultados obtidos com as Equações de Regressão selecionadas e apresentados no item 0
para a R3 são apresentados a seguir.
0,00
10,00
20,00
30,00
40,00
50,00
60,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R3 Q90 - Ad e L
Q90obs Modelo Linear Modelo Potencial
94
Tabela 13: Erro percentual da Q90 na RHH-R4 utilizando a variável Ad no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad
75400000 3,22 1,63 49,36
75430000 2,73 1,48 45,93
75550000 348,58 348,38 0,06
75600000 0,61 -0,21 134,19
75700000 3,89 10,92 -180,66
75830000 0,48 -0,82 271,66
Potencial Ad
75400000 3,22 2,24 30,54
75430000 2,73 2,13 22,22
75550000 348,58 289,71 16,89
75600000 0,61 0,90 -47,65
75700000 3,89 9,25 -137,74
75830000 0,48 0,47 0,88
Figura 24: Regionalização da Q90 na RHH-R4 utilizando a variável Ad
Na análise apresentada para o modelo Linear, observam-se erros muito elevados
obtidos na estimativa da Q90, variando de 45% a 271% (em módulo), com vazões
-2,00
0,00
2,00
4,00
6,00
8,00
10,00
12,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R4 Q90 - Ad
Q90obs Modelo Linear Modelo Potencial
95
estimadas negativas, superestimativas e subestimativas muito acentuadas em algumas
estações.
O modelo Potencial apresentou resultados ligeiramente melhores, entretanto,
também gerou erros percentuais bastante elevados nas estações 75600000 e 75700000,
com erros de superestimativa de 47,65% e 137,74%. Em consequência, os ER% médios
apresentados pela RHH foram bastante elevados, onde o modelo Linear apresentou
ER% médio de 69%, enquanto que o modelo Potencial apresentou ER% médio de
42,6%.
Tabela 14: Erro percentual da Q90 na RHH-R4 utilizando a variável L no modelo Linear
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear L
75400000 3,22 2,78 13,83
75430000 2,73 3,63 -32,93
75550000 348,58 345,79 0,80
75600000 0,61 -4,91 904,44
75700000 3,89 29,84 -667,24
75830000 0,48 -12,04 2629,59
Potencial L
75400000 3,22 2,65 17,80
75430000 2,73 2,83 -3,45
75550000 348,58 232,93 33,18
75600000 0,61 1,25 -104,44
75700000 3,89 9,95 -155,71
75830000 0,48 0,33 31,51
96
Figura 25: Regionalização da Q90 na RHH-R4 utilizando a variável L
Para a vaiável L, não se observaram ajustes de estimativas de Q90 satisfatórios,
onde apenas as estações 75400000 e 75550000 no modelo Linear e as estações
75400000 e 75430000 apresentaram erros inferiores a 30%. O modelo Linear
apresentou ER% médio de 178%, enquanto que o modelo Potencial apresentou ER% de
56,5%.
Tabela 15: Erro percentual da Q90 na RHH-R4 utilizando as variáveis Ad e L no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad e L
75400000 3,22 1,40 56,70
75430000 2,73 0,95 65,36
75550000 348,58 348,55 0,01
75600000 0,61 1,27 -107,51
75700000 3,89 5,47 -40,56
75830000 0,48 2,56 -438,87
Potencial Ad e L
75400000 3,22 2,08 35,49
75430000 2,73 1,87 31,63
75550000 348,58 304,84 12,55
75600000 0,61 0,79 -28,67
75700000 3,89 8,83 -127,14
75830000 0,48 0,58 -21,35
-15,00
-10,00
-5,00
0,00
5,00
10,00
15,00
20,00
25,00
30,00
35,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R4 Q90 - L
Q90obs Modelo Linear Modelo Potencial
97
Figura 26: Regionalização da Q90 na RHH-R4 utilizando as variáveis Ad e L
As vazões estimadas pelos modelos que utilizam a combinação entre as variáveis
Ad e L apresentaram erros bastante acentuados para algumas estações. No modelo
Linear, 71% das estações apresentaram erros percentuais de estimativa muito elevados,
como no caso das estações 75600000 e 75830000 que apresentaram superstimativas de
107,5% e 438,8% acima do valor da Q90 observado. O modelo Linear apresentou ER%
médio de 118,1%.
O modelo Potencial apresentou sistematicamente erros menores em relação ao
Linear, ainda assim, 3 das 7 estações da região apresentaram erros percentuais
superiores a 30%. O modelo Potencial apresentou ER% de 42,8%.
Região Hidrologicamente Homogênea – RHH-R5 (Q90)
A RHH-R5 reúne 16 estações, a saber: 75450000, 76077000, 76085000,
76100000, 76120000, 76300000, 76310000, 76360001, 76380000, 76440000,
76490000, 76600000, 76700000, 76750000, 76800000 e 77150000. Na análise gráfica,
estas duas últimas foram retiradas devido a sua escala de grandeza muito superior as
demais em relação aos valores da Q90. Isto impossibilitaria a visualização dos resultados
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
10,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R4 Q90 - Ad e L
Q90obs Modelo Linear Modelo Potencial
98
obtidos para as demais estações. Os resultados obtidos com as Equações de Regressão
selecionadas e apresentados no item 0 para a R5 são apresentados a seguir.
Tabela 16: Erro percentual da Q90 na RHH-R5 utilizando a variável Ad no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad
75450000 11,23 -6,73 159,92
76077000 1,02 -19,97 2061,34
76085000 1,19 -16,44 1485,16
76100000 3,17 -9,57 401,46
76120000 4,77 -6,15 228,91
76300000 8,00 8,47 -5,80
76310000 13,88 42,59 -206,78
76360001 1,01 -18,14 1902,76
76380000 1,25 -14,68 1272,75
76440000 3,61 -12,05 434,11
76490000 8,96 0,82 90,90
76600000 88,68 147,67 -66,51
76700000 3,92 -7,34 287,20
76750000 6,39 5,02 21,49
76800000 110,21 211,43 -91,83
77150000 920,26 882,65 4,09
Potencial Ad
75450000 11,23 4,29 61,75
76077000 1,02 0,77 24,07
76085000 1,19 1,57 -32,39
76100000 3,17 3,43 -8,17
76120000 4,77 4,47 6,33
76300000 8,00 9,55 -19,34
76310000 13,88 24,14 -73,88
76360001 1,01 1,17 -16,18
76380000 1,25 2,01 -60,73
76440000 3,61 2,72 24,60
76490000 8,96 6,78 24,38
76600000 88,68 83,07 6,33
76700000 3,92 4,10 -4,61
76750000 6,39 8,27 -29,48
76800000 110,21 125,67 -14,03
77150000 920,26 738,89 19,71
99
Figura 27: Regionalização da Q90 na RHH-R5 utilizando a variável Ad
Na análise realizada acima chama atenção os valores anômalos apresentados
pelo modelo Linear, com vazões estimadas negativas em 56% das estações, conduzindo
a erros muito elevados em 81% das estações. O modelo Potencial apresentou
estimativas consideradas satisfatórias para 75% das estações fluviométricas, sendo
preferível o seu uso em relação ao modelo Potencial. Mesmo desconsiderando-se da
análise os erros das estações que apresentaram vazões estimadas negativas, o ER% do
modelo Linear foi de 67,9%. O modelo Potencial apresentou melhores resultados, com
ER% de 26,6%.
Tabela 17: Erro percentual da Q90 na RHH-R5 utilizando a variável L no modelo Linear
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear L
75450000 11,23 14,73 -31,17
76077000 1,02 -54,89 5491,56
76085000 1,19 -45,96 3973,17
76100000 3,17 -20,38 742,10
76120000 4,77 1,64 65,73
76300000 8,00 9,37 -17,08
76310000 13,88 44,47 -220,35
76360001 1,01 -69,76 7032,50
76380000 1,25 -44,77 3675,82
-40,00
-20,00
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
160,00Q
(m
3/s
)
Estações Fluviométricas
RHH-R5 Q90 - Ad
Q90obs Modelo Linear Modelo Potencial
100
76440000 3,61 8,78 -143,25
76490000 8,96 35,55 -296,56
76600000 88,68 205,12 -131,29
76700000 3,92 2,83 27,95
76750000 6,39 29,60 -363,27
76800000 110,21 231,89 -110,40
77150000 920,26 839,35 8,79
Potencial L
75450000 11,23 8,20 26,94
76077000 1,02 0,93 8,77
76085000 1,19 1,46 -23,19
76100000 3,17 3,64 -14,84
76120000 4,77 6,29 -31,80
76300000 8,00 7,39 7,67
76310000 13,88 13,46 3,02
76360001 1,01 0,31 69,66
76380000 1,25 1,54 -23,15
76440000 3,61 7,30 -102,42
76490000 8,96 11,75 -31,08
76600000 88,68 63,76 28,10
76700000 3,92 6,46 -64,59
76750000 6,39 10,67 -67,04
76800000 110,21 75,70 31,31
77150000 920,26 614,35 33,24
Figura 28: Regionalização da Q90 na RHH-R5 utilizando a variável L
-80,00
-60,00
-40,00
-20,00
0,00
20,00
40,00
60,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R5 Q90 - L
Q90obs Modelo Linear Modelo Potencial
101
Os resultados obtidos utilizando a variável L se mostraram muito semelhantes
aos apresentados nas Regressões que utilizaram apenas a variável Ad, com ER% das
estimativas muito elevado em relação a Q90 observada nas estações, e o modelo
Potencial apresentando resultados sistematicamente melhores. Para o modelo Linear,
mesmo desconsiderando-se da análise média as estações com vazões estimadas
negativas, o ER% médio foi de 128,7%. O modelo Potencial apresentou ER% de
31,5%.
Tabela 18: Erro percentual da Q90 na RHH-R5 utilizando as variáveis Ad e L no modelo
Linear.
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
Linear Ad e L
75450000 11,23 -19,03 269,53
76077000 1,02 4,49 -341,13
76085000 1,19 4,46 -275,61
76100000 3,17 -0,93 129,16
76120000 4,77 -9,62 301,60
76300000 8,00 9,17 -14,58
76310000 13,88 41,99 -202,46
76360001 1,01 17,09 -1598,79
76380000 1,25 6,54 -422,44
76440000 3,61 -23,85 761,13
76490000 8,96 -20,24 325,77
76600000 88,68 109,02 -22,94
76700000 3,92 -12,33 414,33
76750000 6,39 -9,55 249,43
76800000 110,21 195,49 -77,37
77150000 920,26 894,85 2,76
Potencial Ad e L
75450000 11,23 5,43 51,63
76077000 1,02 0,79 22,65
76085000 1,19 1,47 -24,23
76100000 3,17 3,45 -8,65
76120000 4,77 5,03 -5,45
76300000 8,00 8,69 -8,63
76310000 13,88 19,79 -42,52
76360001 1,01 0,67 33,48
76380000 1,25 1,76 -40,77
76440000 3,61 3,88 -7,55
76490000 8,96 8,34 6,92
76600000 88,68 79,12 10,78
76700000 3,92 4,81 -22,68
102
Modelo Variável Estação Q90obs Q90est Erro Relativo
(m³/s) (m³/s) ER%
76750000 6,39 9,13 -42,94
76800000 110,21 110,08 0,12
77150000 920,26 761,96 17,20
Exponencial Ad e L
75450000 11,23 8,13 27,58
76077000 1,02 1,24 -21,71
76085000 1,19 1,51 -27,27
76100000 3,17 2,88 9,38
76120000 4,77 5,31 -11,23
76300000 8,00 4,80 40,04
76310000 13,88 6,49 53,28
76360001 1,01 0,74 26,19
76380000 1,25 1,50 -20,16
76440000 3,61 7,64 -111,84
76490000 8,96 13,12 -46,31
76600000 88,68 85,91 3,13
76700000 3,92 5,67 -44,55
76750000 6,39 9,85 -54,13
76800000 110,21 44,39 59,72
77150000 920,26 1215,46 -32,08
Figura 29: Regionalização da Q90 na RHH-R5 utilizando a variável Ad e L
-30,00
-20,00
-10,00
0,00
10,00
20,00
30,00
40,00
50,00
Q (
m3
/s)
Estações Fluviométricas
RHH-R5 Q90 - Ad e L
Q90obs Modelo Linear
Modelo Potencial Modelo Exponencial
103
Observa-se na análise acima que a utilização combinada das variáveis não
conduziu a resultados da Q90 mais satisfatórios do que aqueles obtidos utilizando Ad e L
individualmente. Percebe-se claramente uma tendência apresentada pelos modelos, onde
a aplicação do modelo Linear resultou em vazões estimadas negativas, superestimando
ou subestimando as vazões Q90 em valores pouco aceitáveis.
Já o modelo Potencial, como na maioria dos resultados apresentados nas demais
RHH definidas no estudo, apresentou erros percentuais mais condizentes com o
esperado, onde 70% das estações apresentaram erro relativo inferior a 30%.
Ainda nesta região, outro modelo de destaque foi o Exponencial, o qual
apresentou resultados semelhantes ao modelo Potencial, ainda que 50% das estações
apresentaram erros superiores a 30%.
Mesmo desconsiderando da análise média da região as estações que apresentam
vazões estimadas negativas, o modelo Linear apresentou erros muito elevados em
relação aos apresentados até então, com ER% médio de 328,7%. Os modelos Potencial
e Exponencial apresentaram ER% médio de 21,6% e 36,7%, respectivamente.
3.1.5 Definição das Equações Regionais
Com base nos resultados apresentados obtidos neste trabalho pode-se inferir que
na RHH-R1 o modelo Exponencial, utilizando a variável L apresentou excelentes
resultados, com erros menores do que em relação aos modelos que utilizaram a variável
Ad. Quando utilizadas as variáveis combinadas, os modelos Potencial e Exponencial
apresentaram resultados satisfatórios (menores erros), portanto possíveis de aplicação.
Com isso, recomendam-se as seguintes equações para uso apresentadas na Tabela 19:
Tabela 19: Equações escolhidas para a RHH-R1.
Modelo Equação de Regressão* R²a σF ER%médio
Potencial Q90 = 0,0025 A1,0651
0,96 0,32 32
Exponencial Q90 = e(1,8266 + 0,01021 L)
0,97 0,20 23,9
Potencial Q90 = 0,00211 A0,79523
L0,4668
0,94 0,32 21,7
Exponencial Q90 = e(1,8693 + 3,8935E-6 A + 0,0099 L)
0,97 0,22 12,8
104
*As equações são válidas para valores de Ad entre 456 e 8.400 km² e L entre 45 e 453 km.
Na RHH-R2 os maiores erros também foram observados nas estações que
apresentaram as menores vazões, isto em relação à Ad e L individualmente.
Provavelmente isso possa ter vínculo com o tempo de resposta destas bacias com menor
área, onde o tempo de ocorrência entre a precipitação e seu efeito na seção do rio
principal é muito menor do que em grandes bacias. Nas grandes bacias os picos de cheia
são menos frequentes já que dependem da ocorrência de chuvas simultâneas em toda a
bacia. Segundo Cruz (2001), este fato associado ao fator de regularização de aquíferos,
explica a menor variabilidade das vazões nas grandes bacias.
O modelo Potencial utilizando a variável L e a combinação entre Ad e L
apresentou os melhores resultados, por isso, sendo recomendado a utilização das
Equações apresentadas na Tabela 20:
Tabela 20: Equações escolhidas para a RHH-R2.
Modelo Equação de Regressão* R²a σF ER%médio
Potencial Q90 = 0,0020 L1,6928
0,97 0,50 23,3
Potencial Q90 = 0,0017 A0,4711
L0,9955
0,93 0,48 20,4
*As equações são válidas para valores de Ad entre 337 e 62.199 km² e L entre 33 e 798 km.
Na RHH-R3 o modelo Potencial utilizando a variável Ad e a combinação entre
Ad e L apresentou os menores erros de estimativa. O modelo Linear utilizando a
variável L apresentou erros muito elevados e vazões negativas. O bom resultado
apresentado com a combinação entre as variáveis provavelmente se refere a um aporte
residual devido a um fator de colinearidade existente entre Ad e L, dada a elevada
correlação apresentada entre estas variáveis. As equações regionalizadas recomendadas
são apresentadas na Tabela 21:
Tabela 21: Equações escolhidas para a RHH-R3.
Modelo Equação de Regressão* R²a σF ER%médio
Potencial Q90 = 0,01097 A0,9077
0,97 0,21 15,9
Potencial Q90 = 0,0163 A1,2782
L- 0,6490
0,98 0,16 13,1
*As equações são válidas para valores de Ad entre 891 e 42.589 km² e L entre 33 e 540 km.
105
A RHH-R4 é a região que apresenta os valores mais homogêneos em relação ao
tamanho das áreas de drenagem das bacias. No entanto, tal similaridade de áreas não
refletiu em ajustes melhores dos que os apresentados nas demais regiões definidas neste
estudo.
As equações resultantes da aplicação do modelo Potencial utilizando apenas a
variável Ad e a combinação entre as variáveis apresentaram os resultados mais
satisfatórios, embora erros elevados ainda tenham sido observados. Recomenda-se,
portanto, o uso as equações da Tabela 22:
Tabela 22: Equações escolhidas para a RHH-R4.
Modelo Equação de Regressão* R²a σF ER%médio
Potencial Q90 = 0,0019 A1,0320
0,94 0,52 42,6
Potencial Q90 = 0,0015 A1,5121
L- 0,7367
0,93 0,55 42,8
*As equações são válidas para valores de Ad entre 207 e 5.281 km² e L entre 18 e 303 km.
Na RHH-R5, as equações que utilizaram o modelo Linear apresentaram,
sistematicamente, resultados anormais com vazões negativas e erros percentuais muito
elevados, maiores dos que até então haviam sido obtidos nas demais regiões. As
equações que utilizaram o modelo Potencial apresentaram estimativas de Q90 com erros
muito mais aceitáveis do que em relação ao modelo Linear. Ainda, observaram-se bons
resultados com o modelo Exponencial utilizando a combinação das variáveis. Sendo
assim, este estudo permite a recomendação das seguintes equações apresentadas na
Tabela 23:
Tabela 23: Equações escolhidas para a RHH-R5.
Modelo Equação de Regressão* R²a σF ER%médio
Potencial Q90 = 0,0001 A1,3165
0,96 0,38 26,6
Potencial Q90 = 0,0001 A0,8409
L0,7566
0,97 0,32 21,6
Exponencial Q90 = e(0,46933 - 0,0001 A + 0,0187 L)
0,93 0,49 36,7
*As equações são válidas para valores de Ad entre 629 e 85.809 km² e L entre 60 e 1174 km.
Com os resultados obtidos, verificou-se que a área de drenagem foi a variável
que melhor explicou o comportamento da vazão Q90 em todas as RHH definidas neste
106
estudo, ainda que a variável L também tenha apresentado um bom desempenho
estatístico na RHH-R2.
Ressalta-se que no caso das regiões RHH-R1, RHH-R2, RHH-R4 e RHH-R5, os
valores das variáveis Ad e L das estações que estão situadas no rio Uruguai e, portanto,
na fronteira do RS, não foram consideradas na amplitude aceitável para os limites de
aplicação das equações selecionadas. Isto porque tais estações sofrem contribuição da
drenagem de outras sub-bacias não consideradas no estudo, como por exemplo, aquelas
situadas no Estado de Santa Catarina. Dada as incertezas a este respeito, adota-se com
isso uma postura mais conservadora em relação aos valores possíveis de serem
utilizados.
Em uma análise global, mesmo o modelo Linear apresentando valores de R²a
superiores em relação aos demais modelos, tanto na utilização individual quanto
combinada das variáveis, ainda assim o modelo apresentou erros sistematicamente
maiores. Verifica-se com isso que o modelo Linear não consegue representar
adequadamente o comportamento físico das vazões com 90% de permanência e, por
isso, não é recomendado o uso das equações baseadas neste modelo.
Um fator a ser considerado em relação aos resultados apresentados se refere a
existência de uma variável que não é considerada no estudo, tampouco em outros
estudos, a qual se refere às diferentes demandas e, consequentemente, diferentes
retiradas de água que ocorrem nas bacias.
Este fator provavelmente exerce influência direta nas variações das séries
históricas das estações analisadas, podendo tornar aleatório o comportamento das
vazões em muitas bacias, talvez explicando erros elevados encontrados em algumas
estações utilizadas no estudo.
Segundo Tucci (2007), tal comportamento remete a uma aparente característica
de não estacionariedade das vazões, as quais podem ser provocadas por alterações na
bacia hidrográfica relacionadas a, por exemplo, mudanças no uso do solo como o
aumento da urbanização, captações para abastecimento público, indústria, irrigação e
construções de reservatórios para regularização de vazões. Entretanto, segundo
resultados de Oliveira (2008), a simples presença do reservatório na área de drenagem
da estação fluviométrica não implica dizer que este esteja exercendo influência
expressiva no regime de variação da vazão. Isto pode ser verificado neste trabalho, onde
107
a estação 73480000, situação a jusante da barragem do rio Passo Fundo apresentou
ER% médio abaixo de 30%.
Outro fator a ser considerado, segundo afirma Cruz (2001), envolve os processos
físicos como infiltração, armazenamento na camada superior do solo e aquífero. Neste
sentido, possíveis interferências geológicas, como fraturas, e até mesmo interligação
subterrânea com outras bacias, podem refletir diretamente no comportamento das
vazões de base, justamente as que compõem o ramo inferior da curva de permanência.
Tais interferências podem estar gerando processos físicos diferentes nos locais em que
estão localizadas as estações.
Estas considerações podem explicar os resultados menos significativos
apresentados pelas regiões RHH-R4 e RHH-R5, pois, como se pode observar na Figura
4, estas são as regiões que apresentam a maior variabilidade geológica, geomorfológica
e pedológica da RHU.
De forma comum a todas as RHH, observou-se que o erro foi maior nas estações
com vazões menores, e consequentemente, menores áreas e comprimento do rio
principal. No entanto, isso deve ser compreendido como algo peculiar a este estudo, não
servindo como via de regra, visto que algumas estações com áreas muito superiores
também apresentaram erros elevados.
Mesmo quando foram retiradas dos testes realizados as estações com área e
vazões muito elevadas em comparação com as demais, como o caso das estações
72300000, 74100000, 74800000, 75550000, e 77150000, não se observou aumento ou
redução significativo dos valores de R²a das regressões nas RHH nas quais foram
incluídas, sendo, portanto, mantidas no estudo.
Analisando-se a média de anos com dados completos das estações dentro de
cada RHH, observou-se que as menores médias foram apresentadas justamente as
regiões em que se obteve os resultados menos significativos, RHH-R4 e RHH-R5, nas
quais a média de anos utilizados na regionalização foi de 24 e 29 anos de média,
respectivamente. Do contrário, nas regiões em que foram verificados os menores erros,
RHH-R1, RHH-R2 e RHH-R3, a média foi de 40 anos de dados completos utilizados.
Isto se apresenta como um indicativo de que tanto maiores são os erros quanto menor a
amplitude média de anos utilizados.
Os resultados obtidos com o modelo Potencial utilizando o método da toda série,
onde se extraiu uma única Q90 para cada estação, considerando todos os anos com dados
108
completos, apresentaram-se satisfatórios para as definições estabelecidas neste estudo.
Em estudos similares de regionalização de vazões mínimas (BAENA et al., 2004;
OLIVEIRA, 2008; LISBOA et al. 2008; FERREIRA, 2010), também foram
encontrados como melhores resultados aqueles obtidos com equações de regressão
baseadas no modelo Potencial. No entanto, ambos consideraram um período base para
as séries históricas, diferentemente da metodologia adotada neste estudo.
Conforme afirma Cruz (2001), a obtenção de vazões de permanência como a Q90
utilizando o método de toda a série apresenta-se como mais conservador, considerando
as incertezas associadas ao processo de regionalização, isso porque no ramo inferior da
curva de permanência encontram-se os menores valores de toda a série histórica
disponível, agrupando todas as ocorrências de estiagens em um mesmo conjunto, o que
resulta na indicação de vazões menores.
Caso o objetivo do estudo seja obter vazões remanescentes para fins de
conservação ambiental, provavelmente esta forma de se obter a Q90 seja a mais
adequada. Se a finalidade for irrigação, por exemplo, haverá uma menor produção em
relação ao que poderia ser produzido pela água disponível, ou seja, se um agricultor
produzir por 20 anos, em 18 anos a vazão disponível vai ser maior ou no mínimo igual
ao valor da Q90. Neste contexto, essa forma de se obter as vazões com 90% de
permanência talvez não seja a mais indicada, sendo necessária a utilização de outro
método.
109
4 CONCLUSÕES
A partir dos resultados obtidos com a regionalização das vazões com 90% de
permanência no tempo (Q90) das estações fluviométricas monitoradas pela ANA na
Região Hidrológica do Uruguai, utilizando o programa SisCoRV, conclui-se que: :
Baseado nas análises estatísticas foi possível definir cinco regiões com
comportamento hidrológico homogêneo. A RHH-R1 é composta pela bacia
U010; a RHH-R2 é composta pelas bacias U020, U030 e U100; a RHH-R3 é
composta pela bacia U090 e parte da U030; a RHH-R4 abrange as bacias U040 e
U110 e; a RHH-R5 abrange as bacias U050 e U070. As bacias U060 e U080 não
foram consideradas no estudo;
A área de drenagem foi a variável mais expressiva na representação das vazões
associadas aos níveis de 90% de permanência na regionalização pelo método
tradicional, sendo que o acréscimo da variável L nas equações não representou
uma redução significativa dos erros, tampouco um aumento representativo nos
ajustes do coeficiente de determinação. Com isso, a área de drenagem pode ser
uma variável mais atrativa de utilização, devido à praticidade de sua obtenção;
As equações que utilizaram o modelo Potencial apresentaram os resultados com
menores erros e, portanto, apresentaram-se como as mais indicadas para
representar a distribuição das vazões com 90% de permanência nas regiões
analisadas, muito embora o modelo Exponencial também possa ser utilizado nas
regiões RHH-R1 e RHH-R5, contanto que sejam consideradas as amplitudes das
variáveis utilizadas;
A análise dos valores de vazões Q90 observadas e estimados com o uso das
equações regionais permitiu verificar que os maiores erros percentuais foram
obtidos nas estações de menor área de drenagem, e os menores erros percentuais
com estações de maior área de drenagem em decorrência, provavelmente, da
menor variação dos valores de vazões observadas.
110
A metodologia empregada considerando toda a série disponível de dados
apresenta-se como uma forma de estimativa mais conservadora da Q90,
considerando-se que agrupa todas as ocorrências de estiagens em um mesmo
conjunto.
As RHH apresentam aparente dependência da amplitude das séries históricas
utilizadas e da conformação geológica, geomorfológica, pedológica de cada
região.
Os resultados obtidos com o método aplicado, onde se extraiu uma única Q90 de
dados não homogêneos, apresentaram-se satisfatórios para as definições estabelecidas
neste estudo e, portanto, possíveis de aplicação, contanto que o seu efetivo uso seja
realizado considerando as peculiaridades apresentadas neste trabalho.
4.1 Recomendações para Trabalhos Futuros
A realização deste trabalho permite as seguintes recomendações :
Regionalizar as vazões de permanência utilizando um período base para as séries
históricas de vazões, mesmo que seja necessário realizar preenchimento de
falhas para dados faltantes;
Utilizar outras variáveis explicativas como Densidade de drenagem e
Precipitação média anual;
Regionalizar períodos de dados sazonais;
Considerar a inclusão das estações do Estado de SC;
Realizar estudo de regionalização comparando diferentes métodos de
regionalização.
111
REFERÊNCIAS BIBLIOGRÁFICAS
AGÊNCIA NACIONAL DE ÁGUAS – ANA. Disponível em:
<http://portalsnirh.ana.gov.br/>. Acesso em: set. de 2012.
BAENA, L. G. N.Regionalização de vazões para a bacia do rio Paraíba do Sul, a
montante de Volta Redonda, a partir de modelo digital de elevação
hidrologicamente consistente. 2002. 135 p. Dissertação (mestrado) –
UniversidadeFederal de Viçosa, Viçosa, MG.
BAENA, L. G. et al. Espacialização da Q7,10, Q90% e Q95% visando à gestão dos
recursos hídricos: estudo de caso para a bacia do rio paraíba do sul. Engenharia da
Agricultura. Vol. 12. n.1, 24-31. 2004.
BRASIL. Política Nacional de Recursos Hídricos. Lei no 9.433, de 8 de janeiro de
1997. [S. l.]: MMA/ SRH, 1997.
CAMARA, A. C. F. C. Análise da vazão máxima outorgável e da introdução
simplificada da qualidade da água no processo de outorga da bacia do Rio
Gramame (PB) - Dissertação Mestrado. Universidade Federal do Rio Grande do Sul.
Porto Alegre: UFRGS, 2003.
CASTRO, A.; RUHOFF, A. L. Estudo de regionalização de vazões médias na região
do Médio Uruguai. Circular Técnica n. 4. Campinas: Embrapa Informática
Agropecuária, 2009.
CATALUNHA, M. J. Sistema integrado em rede para gestão do uso múltiplo da
água e regionalização da Q7,10 para os períodos mensal, bimestral, trimestral e
anual. 2004. 165 p. Tese (Doutorado em Engenharia Agrícola). Universidade Federal
de Viçosa. Viçosa, 2004.
CHAVES, H. M. L et al. Regionalização de Vazões Mínimas em Bacias Através de
Interpolação em Sistemas de Informações Geográfica. Revista Brasileira de
Recursos Hídricos, v.7, n. 3, 2002. p. 43-51.
CLARKE, R.T.; DIAS, P.L.S. As necessidades de observação e monitoramento dos
ambientes brasileiro quanto aos recursos hídricos. CT HIDRO: Fundo setorial
derecursos hídricos. Brasília, 2003.
112
CORDOVA, R. N. PINHEIRO, A. PINHEIRO, I. G. Regionalização da curva de
permanência como base para o gerenciamento da bacia do Itajaí. XXVII Congresso
Interamericano de Engenharia Sanitária e Ambiental. 2001.
CRUZ, J. C. Disponibilidade hídrica paraoutorga: avaliação de aspectos técnicos
econceituais.Tese (Doutorado em Engenharia de Recursos Hídricos e
SaneamentoAmbiental) - Universidade Federal do Rio Grandedo Sul. Porto Alegre:
UFRGS, 2001.
CRUZ, J. C. TUCCI, C. M. E. Estimativa da disponibilidade hídrica através da
curva de permanência. RBRH, vol. 13. n. 1, 111-114. Jan/Mar. 2008
ELETROBRÁS – Centrais HidrelétricasBrasileiras S.A. Metodologia pra
regionalização de vazões. Rio de Janeiro. 202 p., 1985a.
ELETROBRÁS. Centrais Elétricas Brasileiras S.A.Manual de minicentrais
hidrelétricas. Rio de Janeiro, 1985b.
EUCLYDES, H. P. et. al. Regionalização de vazão máxima, mínima e média de
longo período e da curva de permanência para a bacia do Rio Paracatu. In:
Tecnologia para elaboração de projetos hidroagrícolas em bacias hidrográficas. Viçosa,
MG: UFV/RURALMINAS, 2001 (Boletim Técnico 5).
EUCLYDES, H. P. ET al. Regionalização Hidrológica na bacia do Rio Paranaíba,
Minas Gerais. In: XV SIMPÓSIO BRASILEIRO DE RECURSOS HÍDRICOS Anais.
Curitiba: ABRH, 2003.
IBGE - INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA.
Levantamento de Recursos Naturais, Projeto RADAMBRASIL. Vol.33. Brasil, 1986.
IPH/ANEEL/UFRGS. Regionalização de vazões: Sub-bacias 70 a 79, integrantes da
Bacia 7 – Rio Uruguai. Relatório Técnico. Porto Alegre: ANEEL/IPH/UFRGS, 2001.
LEMOS, A. F. Avaliação de metodologias de regionalização de vazões mínimas de
referência para a bacia do rio São Francisco, à montante do reservatório de Três
Marias. 2006. 85 p. Dissertação (Mestrado em Engenharia Agrícola) – Universidade
Federal de Viçosa, Viçosa, 2006.
113
LISBOA, L. et al. Estimativa e regionalização das vazões mínimas e média na bacia
do Rio Paracatu. Engenharia da Agricultura. Vol. 16. n.4, 471-479. Viçosa, 2008.
MORENO, J. A. Clima do Rio Grande do Sul. Porto Alegre; Secretaria do Estado do
Rio Grande do Sul, 1961. 82 p.
MENDES, L.A. Análise dos critérios de outorga de direito de usos consuntivos dos
recursos hídricos baseados em vazões mínimas e em vazões de permanência. 2007.
187 p. Dissertação (Mestrado) – Escola Politécnica, Universidade de São Paulo, São
Paulo, 2007.
NAGHETTINI, M; PINTO, E. J. A Hidrologia Estatística. Belo Horizonte: CPRM,
2007.
OLIVEIRA et. al. Integração de informações quali-quantitativas Como ferramenta
de gerenciamento de Recursos Hídricos. Revista de estudos ambientais. v. 13, n.1. p.
18-37. 2011
PESSOA, F. C. L. et al. Regionalização de Curvas de Permanência de Vazões da
Região da Calha Norte no Estado do Pará. Revista Brasileira de Recursos Hídricos.
Vol. 16. n.2 65-74, 2011.
PINTO, J. A. O. Avaliação de métodos para a Regionalização de curvas de
Permanência de vazões para a bacia do Rio das velhas. (Dissertação) – Programa de
Pós-Graduação em Saneamento, Meio Ambiente e Recursos Hídricos – Universidade
Federal de Minas Gerais. 2006.
REIS, J. A. T. et al. Regionalização de curvas de permanência de vazão para rios do
Estado do Espírito Santo. Revista Capixaba de Ciência e Tecnologia. n.1. 28-35.
Vitória, 2006.
RIBEIRO et al. Estimativa e regionalização de vazões mínimas de referência para a
Bacia do rio doce. Revista Engenharia na Agricultura. v.13, n.2, 103-117. Viçosa,
MG. Abr./Jun., 2005
RIO GRANDE DO SUL (1996). Decreto no 37.033, de 21 de novembro de 1996,
regulamenta a outorga do direito de uso da água no Estado do Rio Grande do Sul,
prevista nos arts. 29, 30 e 31 da Lei n o 10.350, de 30 de dezembro de 1994. Diário
Oficial (da República Federativa do Brasil), em 22 de novembro de l996.
114
RODRIGUEZ, R. G. Proposta conceitual para a regionalização de vazões. 2008.
Tese (Doutorado em Engenharia Agrícola na Universidade Federal de Viçosa. Viçosa:
UFV, 2008.
SEMA – Secretaria Estadual de Meio Ambiente. Elaboração do Plano Estadual de
Recursos Hídricos do Rio Grande do Sul. 2007.
SILVA JÚNIOR, O. B. et al. Extrapolação Espacial na Regionalização da Vazão.
Revista Brasileira de Recursos Hídricos. Porto Alegre, v. 8, n. 1, p. 21-37, jan/mar,
2003.
SILVA, A.M.et al. Vazões mínimas e de referência para outorga na região do Alto
Rio Grande, Minas Gerais. Revista Brasileira de Engenharia Agrícola e Ambiental,
Campina Grande, v. 10, n. 2, p 374-380, 2006.
SOUSA, H.T. Sistema computacional para Regionalização de Vazões – SisCoRV
1.0. Dissertação (Mestrado em Engenharia Agrícola) – Programade Pós Graduação em
Engenharia Agrícola.Viçosa: UFV, 2009.
TUCCI, C. E. M. Regionalização de Vazões no Rio Grande do Sul. Porto Alegre:
IPH/UFRGS, 1991.
. Regionalização de vazões. Porto Alegre: Ed. Universidade UFRGS,
2002.
. Mudanças climáticas e impactos sobre os recursos hídricos no
Brasil. Ciência & Ambiente, Universidade Federal de Santa Maria, UFSM, Santa
Maria, 2007.
. Hidrologia: ciência e aplicação. 4 ed. Porto Alegre: UFRGS/ABRH,
2009.
VENDRUSCOLO, J. Regionalização dos parâmetros de um Modelo chuva-vazão
para estimativa de Vazões em bacias sem monitoramento Sistemático. (Dissertação
de Mestrado) 2005. Universidade de Santa Maria. Santa Maria, 2005.
115
ANEXOS
ANEXO A
Bacia
Hidrográfica Municípios
Apuaê-Inhandava
(U10)
ÁGUA SANTA, ARATIBA, ÁUREA, BARÃO DE COTEGIPE, BARRA DO RIO AZUL, BARRACÃO, BOM JESUS,
CACIQUE DOBLE, CAPÃO BONITO DO SUL, CARLOS GOMES, CASEIROS, CENTENÁRIO, CHARRUA, CIRÍACO,
COXILHA, EREBANGO, ERECHIM, ESMERALDA, ESTAÇÃO, FLORIANO PEIXOTO, GAURAMA, GENTIL,
GETÚLIO VARGAS, IBIAÇÁ, IBIRAIARAS, ITATIBA DO SUL, LAGOA VERMELHA, MACHADINHO, MARCELINO
RAMOS, MARIANO MORO, MATO CASTELHANO, MAXIMILIANO DE ALMEIDA, MONTE ALEGRE DOS
CAMPOS, MUITOS CAPÕES, MULITERNO, PAIM FILHO, PINHAL DA SERRA, SANANDUVA, SANTA CECÍLIA DO
SUL, SANTO EXPEDITO DO SUL, SÃO JOÃO DA URTIGA, SÃO JOSÉ DO OURO, SÃO JOSÉ DOS AUSENTES,
SERTÃO, SEVERIANO DE ALMEIDA, TAPEJARA, TRÊS ARROIOS, TUPANCI DO SUL, VACARIA, VIADUTOS,
VILA LÂNGARO.
Passo Fundo
(U20)
BARÃO DE COTEGIPE, BARRA DO RIO AZUL, BENJAMIN CONSTANT DO SUL, CAMPINAS DO SUL, COXILHA,
CRUZALTENSE, ENTRE RIOS DO SUL, EREBANGO, ERECHIM, ERVAL GRANDE, ESTAÇÃO, FAXINALZINHO,
GRAMADO DOS LOUREIROS, IPIRANGA DO SUL, ITATIBA DO SUL, JACUTINGA, NONOAI, PASSO FUNDO,
PAULO BENTO, PONTÃO, PONTE PRETA, QUATRO IRMÃOS, RIO DOS ÍNDIOS, RONDA ALTA, RONDINHA, SÃO
VALENTIM, SERTÃO, TRÊS PALMEIRAS, TRINDADE DO SUL.
Turvo - Santa
Rosa - Santo
Cristo
(U30)
ALECRIM, ALEGRIA, BOA VISTA DO BURICÁ, BOM PROGRESSO, BRAGA, CAMPINA DAS MISSÕES, CAMPO
NOVO, CÂNDIDO GODÓI, CATUÍPE, CERRO LARGO, CHIAPETA, CORONEL BICACO, CRISSIUMAL,
DERRUBADAS, DOUTOR MAURÍCIO CARDOSO, ESPERANÇA DO SUL, GIRUÁ, GUARANI DAS MISSÕES,
HORIZONTINA, HUMAITÁ, INDEPENDÊNCIA, INHACORÁ, MIRAGUAÍ, NOVA CANDELÁRIA, NOVA RAMADA,
NOVO MACHADO, PALMEIRA DAS MISSÕES, PORTO LUCENA, PORTO MAUÁ, PORTO VERA CRUZ, PORTO
XAVIER, REDENTORA, ROQUE GONZALES, SALVADOR DAS MISSÕES, SANTA ROSA, SANTO ÂNGELO, SANTO
AUGUSTO, SANTO CRISTO, SÃO JOSÉ DO INHACORÁ, SÃO MARTINHO, SÃO PAULO DAS MISSÕES, SÃO
PEDRO DO BUTIÁ, SÃO VALÉRIO DO SUL, SEDE NOVA, SENADOR SALGADO FILHO, SETE DE SETEMBRO,
TENENTE PORTELA, TIRADENTES DO SUL, TRÊS DE MAIO, TRÊS PASSOS, TUCUNDUVA, TUPARENDI,
UBIRETAMA.
Piratinim
(U40)
BOSSOROCA, CAPÃO DO CIPÓ, DEZESSEIS DE NOVEMBRO, ENTRE-IJUÍS, EUGÊNIO DE CASTRO, GARRUCHOS,
JÓIA, PIRAPÓ, ROLADOR, SANTO ANTÔNIO DAS MISSÕES, SÃO BORJA, SÃO LUIZ GONZAGA, SÃO MIGUEL
DAS MISSÕES, SÃO NICOLAU, TUPANCIRETÃ.
Ibicuí
(U50)
ALEGRETE, BARRA DO QUARAÍ, CACEQUI, CAPÃO DO CIPÓ, DILERMANDO DE AGUIAR, ITAARA, ITAQUI,
JAGUARI, JARI, JÚLIO DE CASTILHOS, MAÇAMBARÁ, MANOEL VIANA, MATA, NOVA ESPERANÇA DO SUL,
QUARAÍ, QUEVEDOS, ROSÁRIO DO SUL, SANTA MARIA, SANTANA DO LIVRAMENTO, SANTIAGO, SÃO
BORJA, SÃO FRANCISCO DE ASSIS, SÃO MARTINHO DA SERRA, SÃO PEDRO DO SUL, SÃO VICENTE DO SUL,
TOROPI, TUPANCIRETÃ, UNISTALDA, URUGUAIANA.
Quarai (U60) BARRA DO QUARAÍ, QUARAÍ, SANTANA DO LIVRAMENTO, URUGUAIANA.
Santa Maria
(U70) CACEQUI, DOM PEDRITO, LAVRAS DO SUL, ROSÁRIO DO SUL, SANTANA DO LIVRAMENTO, SÃO GABRIEL.
Negro (U80) ACEGUÁ, BAGÉ, HULHA NEGRA.
Ijuí (U90)
AJURICABA, AUGUSTO PESTANA, BOA VISTA DO CADEADO, BOZANO, CAIBATÉ, CATUÍPE, CERRO LARGO,
CHAPADA, CONDOR, CORONEL BARROS, CRUZ ALTA, DEZESSEIS DE NOVEMBRO, ENTRE-IJUÍS, EUGÊNIO DE
CASTRO, GUARANI DAS MISSÕES, IJUÍ, JÓIA, MATO QUEIMADO, NOVA RAMADA, PALMEIRA DAS MISSÕES,
PANAMBI, PEJUÇARA, PIRAPÓ, PORTO XAVIER, ROLADOR, ROQUE GONZALES, SALVADOR DAS MISSÕES,
SANTA BÁRBARA DO SUL, SANTO ÂNGELO, SÃO LUIZ GONZAGA, SÃO MIGUEL DAS MISSÕES, SÃO PAULO
DAS MISSÕES, SÃO PEDRO DO BUTIÁ, SETE DE SETEMBRO, TUPANCIRETÃ, VITÓRIA DAS MISSÕES.
116
Várzea
(U100)
ALMIRANTE TAMANDARÉ DO SUL, ALPESTRE, AMETISTA DO SUL, BARRA DO GUARITA, BARRA FUNDA,
BOA VISTA DAS MISSÕES, CAIÇARA, CARAZINHO, CERRO GRANDE, CHAPADA, CONSTANTINA, COQUEIROS
DO SUL, CORONEL BICACO, CRISTAL DO SUL, DERRUBADAS, DOIS IRMÃOS DAS MISSÕES, ENGENHO
VELHO, ERVAL SECO, FREDERICO WESTPHALEN, GRAMADO DOS LOUREIROS, IRAÍ, JABOTICABA, LAJEADO
DO BUGRE, LIBERATO SALZANO, MIRAGUAÍ, NONOAI, NOVA BOA VISTA, NOVO BARREIRO, NOVO
TIRADENTES, NOVO XINGU, PALMEIRA DAS MISSÕES, PALMITINHO, PASSO FUNDO, PINHAL, PINHEIRINHO
DO VALE, PLANALTO PONTÃO, REDENTORA RIO DOS ÍNDIOS, RODEIO BONITO, RONDA ALTA, RONDINHA,
SAGRADA FAMÍLIA, SANTO ANTÔNIO DO PLANALTO, SÃO JOSÉ DAS MISSÕES, SÃO PEDRO DAS MISSÕES,
SARANDI, SEBERI, TAQUARUÇU DO SUL, TENENTE PORTELA, TRÊS PALMEIRAS, TRINDADE DO SUL,
VICENTE DUTRA, VISTA ALEGRE, VISTA GAÚCHA.
Butuí - Icamaquã
(U110)
BOSSOROCA, CAPÃO DO CIPÓ, ITACURUBI, ITAQUI, MAÇAMBARÁ, SANTIAGO, SANTO ANTÔNIO DAS
MISSÕES, SÃO BORJA, UNISTALDA.
Fonte: SEMA, 2007.
117
ANEXO B
118
1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 # # # 2001 # # # # # # # # # # # # # # #
70200000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 57 87 100 99 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 100 100 100 100 100 100 100 100 0
70700000 0 89 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 75 0 0 9 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 100 100 100 100 100 100 100 50 0
72300000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 100 68 62 100 100 100 100 100 100 98 88 0 0 0 0 0 0 0 0 0 100 100 100 100 100 34 0 0 0 0 0
72400000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 59 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
72430000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 63 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 97 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0
72530000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 60 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 67 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 88 94 94 100 98 0 0 0 0 0 0
72580000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 64 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
72630000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 21 100 100 100 100 100 100 100 100 100 100 100 100 95 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 99 100 100 100 92 100 100 100 100 100 100 100 100 100 100 100 0
72680000 18 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 50 100 100 100 100 100 100 100 100 100 79 81 100 100 58
74100000 0 0 50 84 94 60 100 100 85 99 100 100 96 100 100 100 100 100 100 100 100 100 83 100 100 100 100 0 98 100 100 100 100 100 100 100 100 90 100 100 100 100 100 97 90 86 93 100 100 100 92 74 0 68 62 100 100 100 100 100 100 96 100 100 100 100 99 0
74205000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 50 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 50 59 100 100 100 100 100 100 100 100 100 100 100 100 100
74210000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 100 100 100 92 100 100 100 100 100 71 14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
74270000 0 65 100 100 66 4 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 97 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
74370000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 86 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100
74450000 0 0 7 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
74470000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 85 92 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 100 100 100 100 100 0
74600000 0 0 8 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 31 0 0 0 0 0 0 0 0 0
74700000 0 0 8 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 83 31 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 97 0
74750000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 31 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 96 100 100 100 87 100 100 100 100 100 100 100 100 100 97 100 48 100 100
75450000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 60 100 100 100 100 89 100 100 100 100 100 100 100 63 100 100 100 100 100 100 100 58 92 100 100 100 75 100 100 0
76077000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76085000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 100 100 100 100 100 100 100 0 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 96 100 100 100 99 0
76100000 0 0 14 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 22 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 100 100 100 100 100 100 100 100 100 100 98 100 100 100 100 100 100 97 100 100 100 0
76120000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 46 100 100 100 100 100 67 75 100 100 84 92 100 95 100 100 99 100 100 100 100 100 72 100 100 100 100 99 94 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76300000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 61 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 98 100 100 100 81 100 100 89 100 93 94 100 100 92 95 100 100 83 87 0
76310000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 59 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 70 70 0
76360001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 87 100 100 100 100 100 100 100 98 92 95 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76380000 0 75 100 100 100 100 100 81 100 100 100 94 100 100 100 100 100 99 94 100 100 100 100 95 99 100 100 100 100 100 100 100 100 100 100 100 100 100 100 99 62 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76440000 0 0 15 100 100 100 100 100 100 100 86 47 100 100 85 100 100 100 100 100 50 100 100 100 100 100 100 92 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 100 100 100 100 100 100 100 96 100 100 100 100 100 100 100 100 100 73 100 73 92 0
76490000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 44 50 50 42 75 100 83 100 83 100 92 92 100 100 100 100 92 100 100 100 100 100 100 100 100 92 96 88 98 66 93 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76600000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 59 100 100 100 100 100 100 100 100 100 100 100 95 97 100 98 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
76700000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7 87 78 89 100 100 97 100 100 82 53 92 100 28 5 58 49 80 76 100 89 78 96 47 0 0 0 0 0 0
76750000 0 19 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 72 96 100 100 100 100 100 75 90 93 100 100 100 100 99 67 91 83 100 83 100 100 100 100 100 100 100 0
76800000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 82 99 98 79 100 0 100 100 100 100 100 100 71 37 100 92 100 100 100 100 100 100 100 100 100 100 100 0
77150000 0 0 0 75 66 43 57 12 61 89 30 44 0 85 100 93 59 92 100 86 72 52 69 88 96 100 100 100 100 95 100 100 98 99 100 100 100 100 100 96 95 100 100 99 100 100 100 100 100 100 100 100 71 100 100 85 92 92 48 83 100 95 100 100 67 95 100 100
75270000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 0 0 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
75400000 0 0 12 100 0 0 7 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 83 100 100 100 100 77 0 0 58 0 97 44 99 67 100 100 99
75430000 0 0 0 65 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
75550000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 33 93 100 100 100 100 96 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 92 92 100 100 100 100 100 92 100 100 100 0 0 0 0 100 100 100 0 0 0 0
75600000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 81 97 100 100 99 92 0
75700000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 100 100 100 100 97 100 100 100 100 100 100 100 100 100 100 100 100 92 96 100 48 0 86 96 100 100 100 90 0
75830000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 88 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
74800000 0 0 0 0 0 0 0 0 0 0 76 100 100 88 59 58 34 8 100 100 100 100 100 100 99 100 63 89 100 100 100 100 100 95 92 100 100 25 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
74880000 0 0 11 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 76 100 100 100 100 86 62 67 53 72 62 100 100 92 94 100 100 100 99 100 100 100 94
74900000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 12 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 99 100 99 100 100 100 100 95 100 100
75155000 0 0 10 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 94 100 100 100 100 76 75 100 100 100 58 67 100 100 67 100 100 100 100 100 100 100 100 100 100 100 0
75185000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 33 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 100 100 100 75 100 92 100 0 0 0 0 0 0 0 0 0 0 0
75200000 0 0 0 56 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 84 100 92 92 100 100 100 100 100 100 100 100 88 100 100 99 67 100 100 100 100 100 100 100 0
75205000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 15 100 100 100 100 100 100 100 100 100 100 92 83 100 100 100 100 100 100 100 100 100 100 92 67 100 100 100 100 100 100 100 0
75230000 0 0 10 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 58 28 100 100 100 100 100 100 100 100 83 100 100 100 67 100 100 100 100 100 100 100 0
75295000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 14 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 66 92 100 100 100 100 100 100 0
75300000 0 0 9 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 0 0 0 0 0 0 13 0 0 100 100 100 100 100 100 100 100 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
75320000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 29 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 100 100 100 92 100 92 100 100 100 100 25 100 100 100 100 100 64 0 100 100 100 100 100 100 0
79400000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 68 61 83 92 0 0 0 0 0 0 51 56 100 100 100 83 100 100 100 90 100 100 83
73480000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 20 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 92 75 100 68 95 100 76 100 100 99 100 100 100 100 100 100 100 0
Estacao
Série histórica (anos)
Percentual de dados anuais disponíveis por ano em cada estação fluviométrica:
0% a 80%81% a 89%90% a 94%95% a 99%
100%
