2014 Tese Cssilveira

UNIVERSIDADE FEDERAL DO CEAR
CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA HIDRULICA E AMBIENTAL
PROGRAMA DE PS-GRADUAO EM ENGENHARIA CIVIL
CLEITON DA SILVA SILVEIRA
MODELAGEM INTEGRADA DE METEOROLOGIA E RECURSOS HDRICOS EM

MLTIPLAS ESCALAS TEMPORAIS E ESPACIAIS: APLICAO NO CEAR E NO
SETOR HIDROELTRICO BRASILEIRO
FORTALEZA-CE
2014
CLEITON DA SILVA SILVEIRA
MODELAGEM INTEGRADA DE METEOROLOGIA E RECURSOS HDRICOS EM

MLTIPLAS ESCALAS TEMPORAIS E ESPACIAIS: APLICAO NO CEAR E NO
SETOR HIDROELTRICO BRASILEIRO
Tese submetida Programa de Ps-Graduao

em Engenharia Civil da Universidade Federal
do Cear, como parte dos requisitos para
obteno do ttulo de Doutor em Engenharia
Civil. rea de concentrao: Recursos
Hdricos.
Orientador: Prof. Dr. Francisco de Assis de

Souza Filho
FORTALEZA CE
2014
Dados Internacionais de Catalogao na Publicao

Universidade Federal do Cear
Biblioteca de Ps-Graduao em Engenharia - BPGE
S587m
Silveira, Cleiton da Silva.

Modelagem integrada de meteorologia e recursos hdricos em mltiplas escalas
temporais e espaciais: aplicao no Cear e no setor hidroeltrico brasileiro / Cleiton da
Silva Silveira. 2014.
351 f. : il. color., enc. ; 30 cm.
Tese (doutorado) Universidade Federal do Cear, Centro de Tecnologia,
Departamento de Engenharia Hidrulica e Ambiental, Programa de Ps-Graduao em
Engenharia Civil, Fortaleza, 2014.
rea de Concentrao: Recursos Hdricos.
Orientao: Prof. Dr. Francisco de Assis de Souza Filho.
1. Recursos hdricos. 2. Precipitao - Previso. 3. Previso de vazes. I. Ttulo.

CDD 627
A Deus, fonte de tudo.

A minha esposa Patrcia Silveira pelo apoio e
compreenso incondicional.
Aos meus pais.
Ao Prof. Assis Filho e famlia pelo apoio,
orientao e contribuio.
Aos meus amigos pelo apoio e
companheirismo.
Ao meu filho Felipe Silveira pela felicidade
que me traz por simplesmente existir.
AGRADECIMENTOS
A Deus, por ser fonte inesgotvel de energia para a concluso deste trabalho.
Ao meu orientador-professor Francisco de Assis de Souza Filho, que aceitou o
desafio do desenvolvimento desta tese; sempre presente, paciente e entusiasta.
Aos meus amigos Samuellson Cabral, Wictor Lemos, Luizinho, Marcelo, Paulo
Henrique, Chaguinha, Juliana, Thiago, Samiria, Jacqueline, Socorro e Talitha pela troca
de informaes e companheirismos.
A meu filho, pela inspirao e felicidade que me proporciona.
Aos meus pais, Cludio e Raimunda, pela formao moral que me proporcionaram.
A minha esposa, Patrcia Silveira, pelo carinho, ateno e compreenso
incondicional.
Aos meus irmos, Fbia e Nilton, pela amizade e pela compreenso nos momentos
difceis vividos em famlia.
A Terezinha, pelo apoio e amizade.
Aos servidores do DEHA, sempre prontos a nos ajudar.
A CAPES, pelo auxlio financeiro atravs de Bolsa de Doutorado.
A toda e qualquer pessoa que por ventura tenha contribudo de alguma forma com
este trabalho.
RESUMO
O presente trabalho visa elaborar um sistema de planejamento em mltiplas escalas
temporais e espaciais e aplic-lo ao setor eltrico brasileiro e ao sistema JaguaribeMetropolitano do Estado do Cear. Para realizao desta proposta, foram consideradas
algumas escalas temporais: curtssimo prazo (at um ms), curto prazo (at um ano) e
mdio e longo prazo (1 a 10 anos e at 30 anos, respectivamente). Para obteno das
previses de vazes de curtssimo prazo so utilizadas as previses de precipitao a
partir de modelos atmosfricos, para posterior entrada no modelo hidrolgico chuvavazo. Para escala de curto prazo foram considerados modelos estocsticos e
estatsticos, como do tipo Peridico Autorregressivo (PAR), Peridico Autorregressivo
com variveis exgenas (PARx) e K-vizinhos, e o uso de modelos atmosfricos globais
como entrada do modelo hidrolgico chuva-vazo Soil Moisture Accounting Procedure
(SMAP). Na escala de mdio prazo foram considerados modelos autorregressivos (AR)
e as transformadas de Fourier e ondeletas. Para escala de longo prazo foram utilizados
dados provenientes do Coupled Model Intercomparison Project Phase 5 (CMIP5) como
dados de entrada no modelo hidrolgico chuva-vazo. Quanto previso de tempo,
medida que o limiar de chuva adotado na construo da tabela de contingncia aumenta,
a qualidade das previses diminui, exceto para o ndice acerto. Dessa forma, o sistema
de previso numrica mostra-se eficiente em detectar a ocorrncia de chuvas de menor
intensidade, apresentando resultados mais satisfatrios nas regies Norte e Nordeste do
Brasil. Na escala sazonal, os modelos apresentam-se melhor que a climatologia. Da
mesma forma, na escala de mdio prazo, os modelos baseados na srie de Fourier e
ondeletas apresentam melhor verossimilhana do que a climatologia. Na escala
plurianual, h divergncias quanto ao futuro mostrado pelas projees dos modelos do
CMIP5 que foram analisados para os cenrios RCP8.5 e RCP4.5 do sculo XXI, porm
no setor Norte do Sistema Interligado Nacional (SIN), a maioria dos modelos sinaliza
tendncia negativa, divergindo apenas em magnitude.
Palavras-chave: Previso de Vazes; Mltiplas escalas temporais; Sistema Interligado
Nacional; Sistema Jaguaribe-Metropolitano.
ABSTRACT
This study aims to develop a planning system on multiple spatial and temporal scales,
and apply it to the Brazilian electric sector and Cear State, Jaguaribe Metropolitan
System. For realization of this proposal, we have been considered some temporal scales:
short-term (up to 1 month), short term (up to one year) and medium to long term (1-10
years and 10-30 years, respectively). To obtain estimates of the flow of short-term
rainfall forecasts from atmospheric models for later entry in the hydrological rainfallrunoff model are used. To short term scale were considered stochastic and statistical
models, as the Periodic Autoregressive type (PAR), Periodic Autoregressive with
exogenous variables (PARx) and K-nearest neighbor models, and the use of global
atmospheric models as input to hydrological rainfall-runoff model Soil Moisture
Accounting Procedure (SMAP). For the range of the medium term were considered auto
regressive models (AR) and Fourier and wavelets. We used data from the Coupled
Model Intercomparison Project Phase 5 (CMIP5) as input in hydrological rainfall-runoff
model for long-term scale. For the weather forecast, as the rain threshold adopted in the
construction of the contingency table increases, the quality of the forecasts decreases,
except for the adjustment index. Thus, the system of numerical prediction proves
efficient in detecting the occurrence of rainfall of less intensity, with most satisfactory
results in the North and Northeast regions of Brazil. On seasonal scale the models
feature up better than the climatology. Likewise, in the range of medium-term models
based on Fourier series and wavelets have better likelihood than the weather. In multiscale, there are differences in the future shown by the projections of the CMIP5 models
that were analyzed for RCP8.5 and RCP4.5 the XXI century scenarios, but in the North
sector of the National Interconnected System (SIN), most models indicate negative
trend, diverging only in magnitude.
Keywords: Stream flow Forecasting; Multiple timescales; National Interconnected
System; Jaguaribe-Metropolitano System.
Lista de Figuras
Figura 1- Nveis hierrquicos do planejamento e escalas temporais .............................. 27

Figura 2- As escalas temporais de planejamento e o clima. ........................................... 32
Figura 3-Climatologia da precipitao mdia sobre o Cear no perodo de 1912 a 2013 a
partir da base de pluvimetros da FUNCEME e SUDENE. .......................................... 33
Figura 4-Precipitao mdia anual em Fortaleza-CE e a mdia mvel de 10 anos de
precipitao para o perodo de 1849 a 2006. .................................................................. 34
Figura 5-Horizonte de operao do estudo de alocao de gua. ................................... 36
Figura 6- Interao entre os modelos hidrolgicos cadeia de planejamento da operao
do SIN. ............................................................................................................................ 43
Figura 7-Fases da Oscilao Decadal do Pacifico a esquerda a fase positiva e a direita
a fase negativa (Anomalia de temperatura em C). ........................................................ 50
Figura 8-Oscilao da Temperatura da Superfcie do Mar do Pacfico durante 1900
2010 (Anomalia de temperatura em C). ........................................................................ 50
Figura 9- Reservatrios do Cear por Regio Hidrogrfica. Onde: 1-Ors, 2-Castanho,
3-Banabui, 4-Pacoti-Riacho. ....................................................................................... 64
Figura 10 - Energia Natural Afluente em MW (a unidade usada relao entre a energia
gerada e o tempo de funcionamento das instalaes) dos sub-sistemas do setor eltrico
brasileiro no perodo de 2002 a 2011. ............................................................................ 67
Figura 11-Horizontes de previso propostos. ................................................................. 70
Figura 12-Bacias do setor eltrico brasileiro utilizadas no trabalho. ............................. 72
Figura 13-Distribuio espacial dos Postos Base utilizados na anlise de previso de
vazo. .............................................................................................................................. 75
Figura 14- Bacias ou trechos selecionados para a avaliao, com seu respectivo nmero,
designado na Tabela 4. ................................................................................................... 76
Figura 15- Localizao dos pluvimetros usados no estudo. ......................................... 77
Figura 16-Regies homogneas do Cear, destaque para regio de Jaguaribana (em
vermelho os pontos de grade e em azul a rea de influncia de cada ponto). ................ 78
Figura 17-Sistema de previso proposto para escala temporal de mdio prazo ............. 80
Figura 18-Sistema de previso proposto para escala temporal de curto prazo. .............. 81
Figura 19- Diagrama esquemtico do downscaling com acoplamento entre modelos
hidrolgicos e atmosfricos, modo unidirecional. .......................................................... 82
Figura 20 - Cenrios do IPCC-AR5 e forante radiativa antropognica global para cada
um deles. ......................................................................................................................... 85
Figura 21 - Esquema conceitual do modelo chuva-deflvio SMAP. ............................. 88
Figura 22 - Correo de vis usando a funo de distribuio gama para precipitao. 89
Figura 23 - Vazes mdias anuais observadas e as obtidas pelo SMAP com dados de
precipitao do CRU para o perodo de 1961 a 1990 para as bacias:(a)Furnas; It(b) e
(c) Trs Marias................................................................................................................ 98
Figura 24 - Impacto na mdia anual de vazes no sculo XXI em trs perodos(2010 a
2039, 2040 a 2069 e 2070 a 2098) para os modelos do CMIP5 para o cenrio RCP4.5
em relao ao sculo XX (1950-1999) para : (a) Emborcao e (b) Furnas. ............... 105

em relao ao sculo XX (1950-1999) para : (a) Porto Primavera, (b) Itaipu e (c) It. 106
em relao ao sculo XX (1950-1999) para : (a) Trs Marias e (b) Sobradinho. ........ 107
em relao ao sculo XX (1950-1999) para : (a) Tucuru, (b) Belo Monte e (c) Santo
Antnio. ........................................................................................................................ 109
Figura 28 - Anomalia das vazes dos clusteres para o periodo de 2010 a 2039 e
centroide dos mesmos. Cluster 1: modelos em vermelho; Cluster 2: modelos em azul;
Cluster 3: modelos em verde; Centrode 1: representado por x; Centroide 2:
representado por crculos e C. ...................................................................................... 110
Figura 29 - Anomalia das vazes dos modelos do CMIP5 para o cenrio RCP4.5 mais
prximos dos centroides, para o perodo de (a)2010 a 2039; (b)2040 a 2069 e (c) 2070 a
2098. ............................................................................................................................. 112
Figura 30 - Tendncias das sreis de vazes para Furnas dos modelos do CMIP5 para o
cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
mediana mveis de 10 Anos e tranformada em ondeletas............................................ 116
Figura 31 - Tendncias das sries de vazes para Itaipu dos modelos do CMIP5 para o
mediana mveis de 10 anos e transformada em ondeletas. .......................................... 117
Figura 32 - Tendncias das sries de vazes para Santa Ceclia dos modelos do CMIP5
para o cenrio RCP4.5 mais prximos dos -centroides, usando regresso linear, mdia e
Figura 33 - Tendncias das sreis de vazes para Sobradinho dos modelos do CMIP5
para o cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
mediana mveis de 10 anos e tranformada em ondeletas. ............................................ 120
Figura 34 - Tendncias das sries de vazes para Sobradinho dos modelos do CMIP5
mediana mveis de 10 anos e tranformada em ondeletas ............................................. 121
Figura 35 - Tendncias das sries de vazes para Tucuru dos modelos do CMIP5 para o
Figura 36 - Tendncias das sries de vazes para Belo Monte dos modelos do CMIP5
Figura 37 - Tendncias das sries de vazes para Santo Antnio dos modelos do CMIP5
em relao ao sculo XX (1950-1999) para : (a) Emborcao e (b) Furnas. ............... 130
Figura 39 - Impacto na mdia anual de vazes no sculo XXI em trs perodos (2010 a
em relao ao sculo XX (1950-1999) para : (a) Porto Primavera; (b) Itaipu; (c)Rosana
e (d)D. Francisca........................................................................................................... 132
em relao ao sculo XX (1950-1999) para : (a) Trs Marias e (b) Sobradinho. ........ 133
em relao ao sculo XX (1950-1999) para : (a) Tucuru e (b) Santo Antnio. .......... 135
Figura 42 - Anomalia das vazes dos clusteres para o periodo de 2010 a 2039
ecentroide dos mesmos. Cluster 1: modelos em vermelho; Cluster 2: modelos em azul;
Cluster 3: modelos em verde; Cluster 4: modelos em amarelo; Centrode 1: representado
por x; Centroide. ........................................................................................................... 136
prximos dos centroides,para o perodo de (a)2010 a 2039; (b)2040 a 2069 e (c) 2070 a
2098. ............................................................................................................................. 139
Figura 44 - Tendncias das sries de vazes para Furnas dos modelos do CMIP5 para o
Figura 45 - Tendncias das series de vazes para Itaipu dos modelos do CMIP5 para o
Figura 46 - Tendncias das sries de vazes para D.Francisca dos modelos do CMIP5
Figura 47 - Tendncias das sries de vazes para Sobradinho dos modelos do CMIP5
Figura 48 - Tendncias das sries de vazes para Xing dos modelos do CMIP5 para o
Figura 49 - Tendncias das sreis de vazes para Tucuru dos modelos do CMIP5 para o
mediana mveis de 10 anos e tranformada em ondeletas. ............................................ 150
Figura 50 - Tendncias das series de vazes para Belo Monte dos modelos do CMIP5
Figura 51 - Tendncias das series de vazes para Santo Antnio dos modelos do CMIP5
Figura 52-Climatologia dos Modelos do CMIP5 para sculo XX (1950-1999) para a
Bacia do Ors: (a) Quantidade de precipitao por ms; (b) Percentual de chuva por
ms. ............................................................................................................................... 155
Figura 53-Variao percentual na mdia anual de vazes no sculo XXI para os
modelos do CMIP5 para o cenrio RCP4.5 para: (a) ros , (b) Castanho, (c) Banabuiu
e (d) Pacoti-Riacho. .................................................................................................... 157

e (d) Pacoti-Riacho. .................................................................................................... 159
Figura 55-Tendncias das sries de vazes para a bacia do ros dos modelos do CMIP5
para o cenrio RCP4.5: BNU-ESM,bcc-csm1-1 e IPSL-CM5A-LR. .......................... 162
Figura 56-Tendncias das sries de vazes para a bacia do Pacoti-Riacho dos modelos
do CMIP5 para o cenrio RCP4.5: BNU-ESM,bcc-csm1-1 e IPSL-CM5A-LR ......... 163
Figura 57-Tendncias das sries de vazes para a bacia do Ors dos modelos do CMIP5
para o cenrio RCP4.5: BNU-ESM, bcc-csm1-1, HadGEM2-CC e IPSL-CM5A-LR.
...................................................................................................................................... 165
Figura 58-Tendncias das sries de vazes para a bacia do Pacoti-Riacho dos modelos
do CMIP5 para o cenrio RCP4.5: BNU-ESM,bcc-csm1-1, HadGEM2-CC e IPSLCM5A-LR. .................................................................................................................... 166
Figura 59 - Opes de modelos auto-regressivos usados para projeo decadalARs(coluna 1), ARsMedia(coluna 2) e ARsMediana (coluna 3). ................................ 172
Figura 60 - Opes de modelos baseados na srie de Fourier para projeo decadalFA(coluna 1), FMedia(coluna 2) e FMediana(coluna 3). ............................................. 175
Figura 61 - Mapa de distribuio espacial das tendncias de Sen das vazes mdias
mensais naturalizadas dos postos do ONS. O tamanho do crculo indica a intensidade da
declividade de Sen, ....................................................................................................... 181
Figura 62-Ausncia de tendncia de Sen Posto Furnas (6). ...................................... 183
Figura 63 - Tendncia de Sen Negativa Posto Sobradinho (169).............................. 183
Figura 64 - Tendncia de Sen Positiva Posto Porto Primavera (246). ...................... 183
Figura 65 - Espectro de potncia das vazes anuais normalizadas usando transformada
de Fourier para Furnas, Sobradinho, Itaipu e Tucuru. ................................................. 185
Figura 66 Srie observada e reconstrudas a partir dos Harmnicos de Fourier. ..... 187
Figura 67 - Harmnico de frequncia 0,059 para Furnas, Sobradinho, Itaipu e Tucuru.
...................................................................................................................................... 188
Figura 68 - Harmnico de frequncia 0,118 para Furnas e Itaipu. ............................... 189
Figura 69 - Harmnico de frequncia 0,088 para Sobradinho e Tucuru. .................... 189
Figura 70-Projeo composta pelos harmnicos selecionados para as vazes anuais em
Furnas e Sobradinho Incremental. ................................................................................ 190
Figura 71-Comparao entre as funes de distribuio de probabilidade acumulada
previstas pelo modelo FA para 10 anos, a climatologia e a observao para diferentes
horizontes de previso. Para Furnas e Sobradinho Incremental. .................................. 191
Figura 72-(a) Mapa das propores da varincia explicada pela banda de alta frequncia
(1 a 8 anos); (b) Mapa das propores da varincia explicada pela banda de mdia
frequncia (9 a 39 anos); e (c) Mapa das propores da varincia explicada pela banda
de baixa frequncia (mais de 40 anos). ........................................................................... 192
Figura 73 Wavelet de Morlet Posto Furnas (6). ...................................................... 193
Figura 74- Wavelet de Morlet Posto Sobradinho (169). ........................................... 194
Figura 75- Wavelet de Morlet Posto Porto Primavera (246). .................................... 194
Figura 76-Bandas de variao da transformada em ondeletas e calibrao do modelo
WARs. Da esquerda para a direita e de cima para baixo: banda de 2 a 8 anos, banda 9 a
39 anos e resduo para Furnas e Sobradinho. ............................................................... 195
Figura 77-Bandas de variao da transformada em ondeletas e projeo do modelo

WARs para o perodo de 1999 a 2008. Da esquerda para a direita e de cima para baixo:
banda de 2 a 8 anos, banda 9 a 39 anos, resduo e projeo para Furnas e Sobradinho.
...................................................................................................................................... 196
Figura 78-Razo de verossimilhana obtida entre o modelo WARs e climatologia para
os postos bases do SIN. Em azul razo de verossimilhana maior do que 1 e em
vermelho menor do que 1. ............................................................................................ 197
Figura 79- Calibrao para cada uma das bandas de ondeletas para o modelo FW e CDF
para o perodo de 10 anos. ............................................................................................ 198
Figura 80- Projees do modelo FW para Furnas, Sobradinho e Itaipu....................... 199
Figura 81 - Calibrao do modelo ARs para o perodo de 1912 a 2002. ..................... 200
Figura 82 - Calibrao do modelo ARsMediana para o perodo de 1912 a 2002. ...... 201
Figura 83 - Previso do modelo ARsMediana para o perodo de 2003 a 2011. .......... 201
Figura 84 - Calibrao do modelo ARsMdia para o perodo de 1912 a 2002. .......... 202
Figura 85 - Previso do modelo ARsMdia para o perodo de 2003 a 2012. .............. 203
Figura 86 - Espectro de potncia da precipitao anual padronizada para o estado do
Ceara usando transformada de Fourier. ........................................................................ 204
Figura 87 - Calibrao do modelo FA para o perodo de 1912 a 2002. ...................... 205
Figura 88 - Harmnicos utilizados para a construo do modelo baseado na srie de
Fourier e suas respectivas projees. ............................................................................ 206
Figura 89 - Previso composta pelos quatro harmnicos selecionados........................ 207
Figura 90 - Comparao entre as funes de distribuio de probabilidade acumulada
previstas pelo modelo FA, a climatologia e a observao para diferentes horizontes de
previso. Da esquerda para a direita e de cima para baixo os seguintes horizontes de
previses ....................................................................................................................... 208
Figura 91 - Espectro de potncia da mdia mvel da precipitao de 5 anos da
precipitao anual para o estado do Ceara usando transformada de Fourier. ............... 209
Figura 92 - Calibrao do modelo FMdia para o perodo de 2003 a 2012. ............... 210
previstas pelo modelo FMdia, a climatologia e a observao para diferentes horizontes
de previso. Da esquerda para a direita e de cima para baixo os seguintes horizontes de
previses: 4 anos, 5 anos, 6 anos, 7 anos, 8 anos, 9 anos e 10 anos. ............................ 213
precipitao anual para o estado do Ceara usando transformada de Fourier. ............... 214
Figura 97 - Calibrao do modelo FMdia para o perodo de 1912 a 2002. ............... 215
Figura 100 - Espectro global de ondeletas para a precipitao no Estado do Cear. ... 217
Figura 101 - Bandas de variao da transformada em ondeletas e calibrao do modelo
WARs. Da esquerda para a direita e de cima para baixo: banda de 2 a 7 anos, banda de
banda 8,2 a 16,6 anos, banda 17 a 27,8 anos e resduo. ............................................... 219
Figura 102 - Bandas de variao da transformada em ondeletas e projeo do modelo

banda de 2 a 7 anos, banda de banda 8,2 a 16,6 anos, banda 17 a 27,8 anos e resduo.220
Figura 103 - Previso do modelo WARs para o perodo de 2003 a 2012. .................. 221
Figura 104 - Bandas de frequncia de ondeletas e a reconstruo segundo os
harmnicos de Fourier. ................................................................................................. 223
Figura 105 - Previso composta pelos quatro harmnicos selecionados...................... 224
previstas pelo modelo FW, a climatologia e a observao para diferentes horizontes de
previses. ...................................................................................................................... 225
Figura 107-Exemplo do uso da Funo Kernel. ........................................................... 236
Figura 108-CORREL espacial dos membros do modelo ECHAM em comparao ao
CRU para o trimestre DJF. Membros do 11 ao 34 na sequncia numrica da esquerda
para direita e de cima para baixo. ................................................................................. 239
CRU para o trimestre MAM. Membros do 11 ao 34 na sequncia numrica da esquerda
Figura 110 CORREL espacial dos membros do modelo ECHAM em comparao ao
CRU para o trimestre JJA. Membros do 11 ao 34 na sequncia numrica da esquerda
para direita e de cima para baixo .................................................................................. 242
Figura 112-Climatologia da precipitao mdia mensal por bacia do Ensemble Mdio
dos membros do modelo ECHAM em comparao aos dados fornecido pelo CRU no
perodo de 1950 a 1999. Da esquerda para a direita e de cima para baixo as bacias so:
Emborcao, Nova Ponte, Itumbiana, So Simo, Furnas, gua Vermelha, Nova
Avanhandava, Porto Primavera, Rosana, Itaip, Santa Ceclia, Salto Caxias, It, Dona
Francisca, Trs Marias, Sobradinho, Xing, Serra da Mesa, Lageado, Tucuru, Belo
Monte, Teles Pires, So Luiz do Tapajs e Santo Antnio. ......................................... 244
Figura 113-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005. .. 245
Figura 114-Srie de vazes no posto Furnas, da mediana do GERVAZP e da mediana
Mtodo dos vizinhos da mediana do SMAP. Acrescidos das sries da mediana do
GERVAZP somada e subtrada de um desvio padro e das sries da mediana do mtodo
em questo somado e subtrado de um desvio padro. ................................................. 246
Figura 115-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005. .. 247
Figura 116-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005
usando o mtodo de Kernel.(a) Kernel Epanechnikov e (b) Kernel Epanechnikov- Tricbica. ........................................................................................................................... 248
Figura 117-(a) Srie observada em FURNAS, mediana dos membros do GERVAZP,
mediana dos membros do KERNEL 1 Epanechnikov e Kernel 1 Epanechnikov- Tricbica. (b) Desvio padro dos membros do GERVAZP e dos mtodos de Kernel. .... 249
Figura 118-(a) Desvios padres da Funo Kernel 1 Epanechnikov e (b) Desvios
padres da Funo Kernel 1 Epanechnikov- Tri-cbica para Furnas em funo de
Lambda (sendo este parmetro associado a um escalar multiplicado pelo desvio padro
dos membros do Gervazp naquele ms). ...................................................................... 250
Figura 119-(a) Desvios padres e (b) Valores mximos e Mnimos do SMAP,
reamostragem e GERVAZp para Furnas. ..................................................................... 251
Figura 120-CDF das vazes para FURNAS, CAPIVARA e CANOAS, respectivamente.
Para as previses geradas em fevereiro de 2005 vlidas para maro de 2005. (figuras a,
b e c) e para as previses geradas em novembro de 2005 vlidas para dezembro de 2005
(figuras d, e e f)............................................................................................................ 254
Figura 121-Coeficiente do modelo PAR para os postos bases para dezembro, janeiro e
fevereiro. ....................................................................................................................... 256
Figura 122-Coeficiente do modelo PAR para os postos bases para maro, abril e maio.
...................................................................................................................................... 257
Figura 123-Coeficiente do modelo PAR para os postos bases para junho,julho e agosto.
...................................................................................................................................... 258
Figura 124-Coeficiente do modelo PAR para os postos bases para setembro, outubro e
novembro. ..................................................................................................................... 259
Figura 125-Valores de EMPA (eixo y) das vazes mdias observadas e estimadas
(1998-2003) a partir do Modelo PAR definidos para cada Posto Base (eixo x). ......... 261
Figura 126-Valores de coeficiente de NASH (eixo y) das vazes mdias observadas e
estimadas (1998-2003) a partir do Modelo PAR definidos para cada Posto Base (eixo
x). .................................................................................................................................. 263
(1998-2003) a partir do Modelo PARx definidos para cada Posto Base (eixo x). ....... 266
estimadas (1998-2003) a partir do Modelo PARx definidos para cada Posto Base (eixo
x). .................................................................................................................................. 268
Figura 129-Valores dos coeficientes das variveis usadas para construo do modelo Kvizinhos......................................................................................................................... 270
Figura 130-Grade utilizada pelos modelos regionais. .................................................. 275
Figura 131 - Correo de vis via CDF observada x modelada. .................................. 283
Figura 132 - Correlao entre as sries de precipitao diria (em mm) do modelo
ETA40 sem correo e observada para cada bacia avaliada. ....................................... 285
Figura 133 - (a) Correlao e (b) Bias entre as sries de precipitao acumulada (em
mm) do modelo ETA40 sem correo e observada para cada bacia avaliada. ............. 287
Figura 134 - Correlao entre as sries de precipitao acumulada de 10 dias do modelo
ETA-40 e observada para cada bacia avaliada. ............................................................ 288
Figura 135 BIAS entre as sries de precipitao acumulada 10 dias (em mm) do
modelo ETA-40 e observada para cada bacia avaliada. ............................................... 288
Figura 136 - Funo de distribuio de Probabilidades Acumuladas dos eventos
deprecipitao acumulada de 10 dias (em mm) do modelo ETA 40 sem correo e a
observao para as regies: (a) bacia do Uruguai; (b) Bacia do Grande- Trecho: Jusante
Furnas; (c) Bacia do So Francisco Trecho: Trs Marias Sobradinho e (d) Bacia do
Tocantins- trecho: Lajeado Tucuru. ......................................................................... 289
Figura 137 - ndices estatsticos obtidos pelo modelo ETA 40 para precipitao
acumulada de 10 dias para o trimestre DJF para bacia do Grande- Jusante Furnas para o
limiar P20. Onde SC modelo ETA 40 sem correo. ................................................ 291
Figura 138 - ndice de Heidke. Na primeira linha mostrado o IH para o trimestre DJF
para o limiar P20 para o modelo ETA40 na sequncia SC, EMP, GAMA e RAZO. Na
segunda linha o limiar P80 do trimestre MAM na mesma sequncia da primeira linha,
ambos para precipitao acumulada de 10 dias. ........................................................... 292
Figura 139 - H, POD, FAR e BIAS das regies:(a) bacia do Uruguai; (b) Bacia do
Grande- Trecho: Jusante Furnas; (c) Bacia do So Francisco Trecho: Trs Marias
Sobradinho e (d) Bacia do Tocantins- trecho: Lajeado Tucuru. .............................. 295
Figura 140 - Comparao entre a correlaodos modelos ETA-15 e ETA40 para
precipitao acumulada nos 10 dias para todas as regies avaliadas, dada pela subtrao
do valor absoluto das correlaes (ETA15 ETA40).................................................. 297
Figura 141 - comparao entre a correlaodos modelos ETA-15 e BRAMS para
precipitao acumulada ao longo dos dias para todas as regies avaliadas, dada pela
subtrao do valor absoluto das correlaes (ETA15 BRAMS). .............................. 299
Figura 142 - Verificao das previses de 24 horas para os limiares de: (a) 1 mm; (b) 5
mm e (c)10 mm. O ndice de acerto(H) mostra para cada modelo na seguinte
sequncia (da esquerda para direita e de cima para baixo): RCKF, RCKU, RGKF,
RGKU, WGKF, WGGR, EM e Persistncia. ............................................................... 301
Figura 143 - Verificao das previses de 24 horas para o limiar de 1 mm: (a)FAR;
(b)POD e (c)BIAS. Modelo a esquerda WGKF e a direita RGKF. ............................. 303
Figura 144 - BIAS das previses de 24 horas para o limiar de 10 mm. Modelo a
esquerda RCKF e a direita RGKF. ............................................................................... 304
Figura 145 - Verificao das previses de 72 horas para os limiares de: (a) 5 mm e
(b)10 mm. Cada ndice (H, FAR, POD e BIAS) mostra os resultados de cada modelo na
seguinte sequncia (da esquerda para direita e de cima para baixo): RCKF, RGKF,
WGKF, EM, RCKU, RGKU, WGGR e Persistncia. .................................................. 305
Figura 146 - Funo de probabilidade de frequncia (PDF) de precipitao para a regio
de Jaguaribana para todos os modelos e para previso de 24 horas. ........................... 306
Figura 147 - Comparao dos modelos aps correo estatstica para o horizonte de 24h
e para o limiar de 1mm para a regio de Jaguaribana: (a) RGKU e (b)WGGR. .......... 307
Figura 148 - Verificao das previses corrigidas de 24 horas usando os ndices : (a)IH,
(b)PC, (c)FAR ,(d)F, (e)POD e (f)BIAS para os limiares de 1 mm, 5 mm e 10 mm para
a regio de Jaguaribara e para os anos de 2009/2010. .................................................. 308
Figura 152- Critrios de avaliao dos modelos do CMIP5 no perodo de 1901 a 1999.
...................................................................................................................................... 337
Figura 153-Climatologia dos Modelos do CMIP5 para sculo XX (1901-1999) para o
Nordeste Setentrional do Brasil: (a) Quantidade de precipitao por ms; (b) Percentual
de chuva por ms. ......................................................................................................... 342
Regio Amaznica: (a) Quantidade de precipitao por ms; (b) Percentual de chuva
por ms. ........................................................................................................................ 345
Figura 155-Climatologia dos Modelos do CMIP5 para sculo XX (1901-1999) para

bacia da Prata: (a) Quantidade de precipitao por ms; (b) Percentual de chuva por
ms. ............................................................................................................................... 348
Lista de Tabelas
Tabela 1- Interao entre os modelos hidrolgicos cadeia de planejamento da operao
do SIN e horizontes de previso dos modelos usados pela ONS. .................................. 42
Tabela 2- Potncia instalada nas bacias utilizadas no experimento. .............................. 73
Tabela 3-Postos Bases utilizados na anlise de previso de vazes. Os valores entre
parnteses representam os indicadores de postos fictcios do ONS ............................... 74
Tabela 4-Bacias do setor eltrico do Brasil selecionadas para avaliao dos modelos
numricos de previso do tempo. ................................................................................... 75
Tabela 5- Modelos do CMIP5 analisados....................................................................... 84
Tabela 6- Valores mximos e mnimos obtidos pelos ndices de avaliao da
climatologia da precipitao considerando o conjunto de modelos para cada bacia...... 99
Tabela 7-AVAL dos modelos para as bacias do setor eltrico. .................................... 100
Tabela 8 - Anomalias percentuais mximas e mnimas de vazes anuais sinalizadas pelo
conjunto de modelos CMIP5 usados no experimento para os perodos de 2010 a 2039,
2040 a 2069 e 2070 a 2098 em relao ao perodo de 1950 a 1999 para as bacias da
ONS. ............................................................................................................................. 103
Tabela 9 - Modelos do CMIP5 utilizados para o cenrio RCP4.5 e seus respectivos
clusteres. ....................................................................................................................... 110
Tabela 10 - Tendncia identificada para as vazes anuais normalizadas dos modelos do
CMIP5 do cenrio RCP4.5 mais prximos do centrode de cada cluster. .................... 113
Tabela 11 - Anomalias percentuais mximas e mnimas de vazes anuais sinalizadas
pelo conjunto de modelos CMIP5 usados no experimento para os perodos de 2010 a
2039, 2040 a 2069 e 2070 a 2098 em relao ao perodo de 1950 a 1999 para as bacias
da ONS. ........................................................................................................................ 128
clusteres. ....................................................................................................................... 137
Tabela 13 - Tendncia segundo o Teste de Man-Kendal-Sen identificada para as vazes
anuais padronizadas dos modelos do CMIP5 do cenrio RCP8.5 mais prximos do
centrode de cada cluster............................................................................................... 140
Tabela 14-Modelos do CMIP5, CORREL,, RMSE e AVAL para c =r =0,5 para as
bacia do Ors, Castanho, Banabui e Pacoti-Riacho. ............................................... 153
Tabela 15- Tendncia identificada para as vazes anuais padronizadas (desvios padres
por ano) dos modelos do CMIP5 para os cenrios RCP4.5 e RCP8.5 o sistema
Jaguaribe-Metropolitano do Cear. .............................................................................. 160
Tabela 16 - Declividade de Sen para 21 dos 192 postos selecionados neste estudo. ... 182
Tabela 17 - Coeficientes de Fourier para os harmnicos selecionados para construo do
modelo baseado em Fourier. ......................................................................................... 184
Tabela 18 - Razo entre a verossimilhana observada e modelada (ARsMdia). ........ 203
modelo baseado em Fourier. ......................................................................................... 204
Tabela 20 - Razo entre a verossimilhana observada e modelada (WARs). .............. 221
Tabela 21-Postos Bases utilizados na anlise de previso de vazes no estudo em

desenvolvimento. Os valores entre parnteses representam os indicadores de postos
fictcios do ONS. .......................................................................................................... 230
Tabela 22-ndices estatsticos do Ensemble mdio dos membros do ECHAM em relao
a srie histricas das estaes do ano do CRU. ............................................................ 243
Tabela 23- Postos Base onde no foi possvel determinao de regresses
estatisticamente significantes (=5%) a partir do Modelo PAR .................................. 260
estatisticamente significantes (=5%) a partir do Modelo PARx. ............................... 265
Tabela 25- Anos utilizados para verificao daa previses, classificao por
tercil(chuvoso-C, normal-N e seco-S), probabilidade de ocorrncia de um ano igual ou
inferior e vazes observadas. ........................................................................................ 270
Tabela 26- Probabilidade de cada tercil para o grupo de meses selecionados,
considerando os 30 anos mais prximos das condies do ano previsto com a tcnica
dos K-vizinhos. ............................................................................................................. 271
considerando os 30 anos mais prximos com a tcnica dos K-vizinhos. ..................... 272
Tabela 28-Membros do ensemble regional .................................................................. 274
Tabela 29 - Perodo de avaliao dos modelos e nmero de eventos avaliados. ......... 275
Tabela 30 - Tabela de contingncia 2 x 2. .................................................................... 277
Tabela 31 - Pesos usados por critrio na aplicao do mtodo multiobjetivo.............. 280
Tabela 32 - Classificao das alternativas de correo de vis da precipitao acumulada
de 10 dias do modelo ETA 40(EMP/GAMA/RAZO/SC) usando o mtodo Electre. 296
Tabela 33 - Classificao das alternativas (ETA15/ETA40) usando o mtodo Electre II.
...................................................................................................................................... 298
Tabela 34 - Classificao das alternativas (ETA15/BRAMS/EM) usando o mtodo
Electre II. ...................................................................................................................... 300
Tabela 35- Modelos do CMIP5 analisados................................................................... 336
Tabela 36-Modelos do CMIP5, CORREL, RMSE_PC, RMSE, AVAL e classificao
para c =r =0,5 para o Nordeste Setentrional do Brasil. ............................................ 344
dos para c =r =0,5 para a Regio Amaznica. .......................................................... 346
para c =r =0,5 para a bacia da Prata. ........................................................................ 349
Lista de Siglas
ANEEL - Agncia Nacional de Energia Eltrica

BCC - Beijing Climate Center
CCCMA - Canadian Centre for Climate Modelling and Analysis
CEPEL - Centro de Pesquisas de Energia Eltrica
CMIP3 - Coupled Model Intercomparison Project Phase 3
CMIP5 - Coupled Model Intercomparison Project Phase 5
CNRM- Centre National de Recherches Meteorologiques
COGERH - Companhia de Gesto de Recursos Hdricos
CRU - Climate Research Unit
CSIRO - Commonwealth Scientific and Industrial Research Organization
CPTEC - Centro de Previso de Tempo e Estudos Climticos
DAEE Departamento de guas e Energia Eltrica
ECMWF - European Centre For Medium Range Weather Forecast
ENA - Energia Natural Afluente
ENSO - El Nio-Oscilao Sul
FCF - Funo de Custo Futuro
FUNCEME - Fundao Cearense de Meteorologia e Recursos Hdricos
GFS - Global Forecast System
GISS - Goddard Institute for Space Studies
HadCM - Met Office Hadley Centre
INM - Institute of Numerical Mathematics
INPE - Instituto Nacional de Pesquisas Espaciais
IPCC - Intergovernmental Panel on Climate Change
IPH - Instituto de Pesquisas Hidralicas
IPSL - Institut Pierre-Simon Laplace
JMA - Japan Meteorological Agency
MCGs - Modelos de Circulao Geral
MCRs - Modelos Climticos Regionais
MGB - Modelo hidrolgico de Grandes Bacias
MME - Ministrio das Minas e Energia
NEB - Nordeste do Brasil

NCEP - National Centers for Environmental Prediction
NOAA - National Oceanic and Atmospheric Administration
ODP - Oscilao Decadal do Pacfico
OAN - Oscilao do Atlntico
OMM - Organizao Mundial de Meteorologia
ONS - Organizador Nacional de Sistemas
PAR - Peridico Autorregressivo
PARX - Peridico Autorregressivo com variveis exgenas
PB - Postos Base
PNUA - Programa das Naes Unidas para o Ambiente
PSICO - Previso de Sistemas Convectivos: Observaes, Modelagem e Nowcasting
RAMS - Regional Atmospheric Modeling System
RCPs - Representative Concentration Pathways
RMF - Regio Metropolitana de Fortaleza
RSM - Regional Spectral Model
RSS - Remote Sensing Systems
SCS - Soil Conservation Service
SIN - Sistema Integrado Nacional
SMAP - Soil Moisture Accounting Procedure
TO - Transformada em ondeletas
TSM - temperatura da superfcie do mar
TW - Transformada de Wavelets
WARM - Wavelet autoregressive model
WRF - Weather Research & Forecasting
ZCIT - zona de convergncia intertropical.
1.
2.
NDICE
INTRODUO ...................................................................................................... 26
1.1.
Objetivo Geral ............................................................................................ 28
1.2.
Objetivos especficos .................................................................................. 28
1.3.
Escopo ........................................................................................................ 29
1.4.
Contribuio cientfica e tcnica ................................................................ 29
1.5.
Estruturao ................................................................................................ 30
A PROBLEMTICA DAS MLTIPLAS ESCALAS TEMPORAIS ................... 32

2.1.
A problemtica do clima e as mltiplas escalas de planejamento aplicadas
ao Cear ................................................................................................................... 32
2.1.1. Variabilidade das sries hidrolgicas do Cear .......................................... 33
2.1.2. A operao de reservatrios como ferramenta de planejamento e outorga
sobre o Cear........................................................................................................... 34
2.1.3. Variabilidade de baixa frequncia e outorga .............................................. 37
2.1.4. Mudanas Climticas e Variabilidade climtica ........................................ 38
2.1.5. Importncia das mltiplas escalas temporais no planejamento no Cear ... 39
2.2.
Setor eltrico e as mltiplas escalas de planejamento ................................ 40
2.2.1. Modelos utilizados no planejamento e programao da operao do Sistema

Interligado Nacional ................................................................................................ 42
2.2.2. Importncia das mltiplas escalas temporais no planejamento do SIN...... 44
3.
REVISO BIBLIOGRFICA ............................................................................... 46

3.1.
Caracterizao climtica e aspectos sobre variabilidade climtica ............ 46
3.1.1. Variabilidade e mudana climtica na escala global .................................. 46

3.1.2. Caracterizaes da variabilidade climtica regional nas escalas de tempo
para o Brasil ............................................................................................................ 47
3.1.3. Variabilidade decadal da precipitao ........................................................ 48
3.2.
Diferentes escalas de previso .................................................................... 51
3.2.1. Variabilidade e mudanas climticas ......................................................... 51

3.2.2. Previso sazonal ou previso de curto prazo .............................................. 55
3.2.3. Previso do tempo ou previso de curtssimo prazo................................... 58
4.
LOCAL DE APLICAO ..................................................................................... 62

4.1.
Cear: Sistema Jaguaribe-Metropolitano.................................................... 62
4.2.
Setor Eltrico brasileiro .............................................................................. 64
4.2.1. Caracterizao das regies que compem o SIN .......................................... 65

4.2.2. O processo de planejamento no setor eltrico ............................................... 67
5.
ESTRATGIA METODOLGICA DAS MLTIPLAS ESCALAS TEMPORAIS

................................................................................................................................. 69
5.1. Obteno dos dados .......................................................................................... 70
5.2.
Delimitao espacial do problema das mltiplas escalas temporais .......... 71
5.2.1. Setor eltrico ............................................................................................... 71

5.2.2. Cear- sistema Jaguaribe-Metropolitano .................................................... 76
5.3.
Estudo da Variabilidade hidrolgica .......................................................... 78
5.4.
Previso em multi-escalas .......................................................................... 79
5.4.1. Projees de longo prazo ............................................................................... 79

5.4.2. Projees de mdio prazo ........................................................................... 79
5.4.3. Previso de Curto prazo .............................................................................. 80
5.4.4. Previso de curtssimo prazo ...................................................................... 82
6.
METODOLOGIA: ESCALA DE LONGO PRAZO .............................................. 83

6.1.
Dados observacionais ................................................................................. 83
6.2. Modelos do CMIP5 .......................................................................................... 84

6.3.
Critrios de Avaliao do Desempenho dos modelos do IPCC quanto
representao da sazonalidade ................................................................................. 85
6.4. O modelo hidrolgico SMAP ........................................................................... 87
6.5. Correo estatstica das precipitaes via Funo de distribuio de
probabilidade gama ................................................................................................. 88
6.6. Modelo de Estimativa de Evapotranspirao Penman-Monteith ..................... 90
6.6. Anlise das Projees ....................................................................................... 92
6.6.1. Clculo das Anomalias Mdias Anuais ........................................................ 92
6.6.2. Anlise de tendncia das precipitaes anuais .............................................. 92
6.6.3. Seleo dos Agrupamentos (Clusteres) ........................................................ 97
7.
RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO - SIN ........... 98

7.1. Validao dos dados do CRU ........................................................................... 98
7.2. Avaliao da representao da sazonalidade da precipitao .......................... 99
7.3.
Cenrio RCP 4.5 ....................................................................................... 101
7.3.1. Anlise das Anomalias nas mdias Anuais ................................................. 101

7.3.2. Anlise de agrupamento .............................................................................. 109
7.4.
Cenrio RCP8.5 ........................................................................................ 126
7.4.1. Anlise das Anomalias nas mdias Anuais ................................................. 126

7.4.2. Anlise de Agrupamento............................................................................. 135
8.
RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO CEAR . 153

8.1. Avaliao dos Modelos do CMIP5 ................................................................ 153
8.2. Anomalia das mdias anuais de vazes .......................................................... 156
8.2.1. Cenrio RCP4.5 ......................................................................................... 156
8.2.2. Cenrio RCP8.5 .......................................................................................... 157
8.3. Anlise de tendncia ....................................................................................... 159
8.3.1. Anlise de tendncia do cenrio RCP4.5 ................................................... 160
8.3.2. Anlise de tendncia do cenrio RCP8.5 ................................................... 164
9.
METODOLOGIA- ESCALA DE MDIO PRAZO: ........................................... 168

9.1. Dados Utilizados ............................................................................................ 168
9.2. Modelos auto regressivos ............................................................................... 168
9.3. O modelo baseado na srie de Fourier ........................................................... 170
9.3.1. Transforma discreta de Fourier ................................................................... 170
9.3.2. A gerao do modelo baseado na srie de Fourier...................................... 172
9.4.
O modelo baseado na srie de Ondeletas ................................................. 175
9.5.
Modelos Baseado nas transformadas de Fourier e ondeletas ................... 177
9.6.
Mtricas para avaliao de desempenho dos modelos ............................. 177
9.6.1. Estimador de mxima verossimilhana....................................................... 177

10. RESULTADOS E DISCUSSES: ESCALA DE MDIO PRAZO- SIN ........... 180
10.1. Anlise de tendncia usando mtodos clssicos........................................... 180
10.2. Modelo baseado na srie de Fourier ............................................................. 184
10.3. Anlise da transformada em ondeletas ......................................................... 191
10.4. Fourier-ondeletas (FW) ................................................................................ 198
11. RESULTADOS E DISCUSSES: ESCALA DE MDIO PRAZO- CEAR .... 200
11.1. Modelo auto regressivo (ARs) .................................................................... 200
11.2. Modelo auto regressivo da mediana mvel de 5 anos (ARsMediana) ........ 200
11.3. Modelo auto regressivo da mdia mvel de 5 anos (ARMdia) ................. 202
11.4. Modelo baseado na transformada de Fourier (FA) ..................................... 203
11.5. Modelo baseado na srie de Fourier das mdias mveis (FMdia)............. 209
11.6. FMediana ...................................................................................................... 214
11.7. Modelo auto regressivo baseado na transformada de ondeletas (WARs) .... 217
11.8. Modelo baseado nas transformadas de Fourier e ondeletas (FW) ................ 221
12. METODOLOGIA: ESCALA DE CURTO PRAZO ............................................ 226
12.1. Mtodos Estocsticos de Previso de Vazes Mensais ............................... 226
12.1.1 Modelo peridico autorregressivos ............................................................ 226
12.1.2. Uso de ndices Climticos em Modelos Estatsticos de Previso de Vazes
Mensais - PARX ................................................................................................... 229
12.1.3. K-vizinhos ................................................................................................. 230
12.2. Mtodo de Previso Acoplada ...................................................................... 231
12.3. Modelo Estocstico GERVAZP e integrao entre modelos hidrolgicos e
estocsticos ............................................................................................................ 232
13. RESULTADOS E DISCUSSES: ESCALA DE CURTO PRAZO - SIN .......... 239
13.1. Avaliao do modelo ECHAM 4.5 para precpitao ................................... 239
13.2.
Reamostragem dos membros do GERVAZP ........................................... 245
13.2.1. Mtodo dos vizinhos da mediana do SMAP ............................................ 245

13.2.2. Mtodos dos vizinhos de todos os membros do SMAP ........................... 246
13.2.3. Mtodo de Kernel ..................................................................................... 247
13.2.4. Mtodo de reamostragem do Gervazp pelo SMAP .................................. 251
13.2.5. CDF dos Mtodos de reamostragem ......................................................... 252
13.3.
Modelo peridico autorregressivo ............................................................ 255
13.3.1. Calibrao do modelo ............................................................................... 255

13.3.2. Previso de vazes .................................................................................... 261
13.4.
Peridico autorregressivo com variveis exgenas (PARX).................... 264
13.4.1. Calibrao do modelo ............................................................................... 264

13.4.2. Previso de vazes .................................................................................... 266
14. RESULTADOS E DISCUSSES: ESCALA DE CURTO PRAZO-CEAR..... 269
14.1. K-vizinhos .................................................................................................... 269
15. METODOLOGIA: ESCALA CURTISSIMO PRAZO ........................................ 273
15.1. Caractersticas dos modelos regionais utilizados no SIN ............................ 273
15.2. Sistema de previso numrica do tempo utilizado no Cear ....................... 273
15.3. Perodo avaliado e dados de observao do modelo usados no SIN ............ 275
15.4. Avaliao usando limiares ........................................................................... 276
15.4.1 ndices Estatsticos ..................................................................................... 277
15.5. Avaliando o comportamento da srie de precipitaes modelada .............. 279
15.5.1 ndices estatsticos ..................................................................................... 279
15.6. Anlise Multiobjetivo .................................................................................. 280

15.6.1 Electre ....................................................................................................... 280
15.7. Proposio de Correes Estatsticas .......................................................... 282
15.7.1 Correo via CDF emprica (EMP) ........................................................... 282
15.7.2 Correo via CDF Gama (GAMA) ............................................................ 283
15.7.3 Correo via razo precipitao observada e modelada por estao do ano
(RAZO) .............................................................................................................. 284
16. RESULTADOS: ESCALA DE CURTISSIMO PRAZO - SIN ........................... 285
16.1. Anlise da Previso diria do modelo ETA40 ............................................. 285
16.2. Anlise da Previso Acumulada do modelo ETA40 .................................... 286
16.3. Comparao entre as metodologias de correo de vis para o modelo ETA40
.................................................................................................................. 290
16.4. Comparao entre os modelos ETA40 e ETA15 ......................................... 297
16.5. Comparao entre os modelos ETA15 e BRAMS ....................................... 298
17. RESULTADOS: ESCALA DE CURTISSIMO PRAZO - CEAR .................... 301
18. CONCLUSES E RECOMENDAES ............................................................ 311
18.1. CONCLUSES E RECOMENDAES: ESCALA DE LONGO PRAZO ...... 314
18.1.1. Setor eltrico .............................................................................................. 314
18.1.2. Cear .......................................................................................................... 314
18.2. CONCLUSES E RECOMENDAES: ESCALA DE MDIO PRAZO ....... 315
18.2.1. Setor eltrico .............................................................................................. 316
18.2.2. Cear .......................................................................................................... 316
18.3. CONCLUSES E RECOMENDAES: ESCALA DE CURTO PRAZO ...... 317
18.3.1. Setor eltrico .............................................................................................. 317
18.3.2. Cear .......................................................................................................... 319
18.4. CONCLUSES E RECOMENDAES- ESCALA DE CURTSSIMO PRAZO .
............................................................................................................................... 319
18.4.1Setor eltrico ................................................................................................ 319
18.4.2Cear ............................................................................................................ 321
19. REFERNCIAS .................................................................................................... 322
ANEXO ................................................................................................................. 334
26
1. INTRODUO
A gesto dos recursos hdricos influenciada pela variabilidade de fenmenos

meteorolgicos, especialmente no que concerne distribuio temporal e espacial da
chuva e consequentemente do regime de vazes. Diante disso, existe uma demanda pelo
Estado e pelas empresas privadas de informaes climticas para tomada de deciso ao
nvel nacional/local.
A tomada de deciso em sistemas complexos , de modo geral, uma das mais
difceis tarefas enfrentadas pelos gestores, pois quase sempre tais decises precisam
atender mltiplos objetivos, e frequentemente seus impactos no podem ser previamente
identificados (GOMES et al., 2006).
As decises podem acarretar abrangncia bem diversa. Em sistemas hdricos
complexos, as consequncias advindas das decises podem apresentar impactos:
a) Imediatos;
b) De curto prazo;
c) De mdio prazo;
d) De longo prazo;
e) Multitemporal.
Em sistema em que prevalece o carter multitemporal no processo decisrio, as
estratgias adotadas precisam considerar o risco e a incerteza nas mltiplas escalas
temporais e espaciais, e as mesmas precisam conectar-se mutuamente. Nesse sentido,
estratgias desse tipo exigem uma viso sistmica, a seleo de alternativas ou
otimizao de opes em busca de minimizao de determinados riscos.
Segundo Porto et al.(1997), os problemas decisrios podem ser classificados em
trs
grandes
nveis
hierrquicos
de planejamento:
planejamento
estratgico,
planejamento e controle gerencial e controle operacional. Conforme mostra a Figura 1.

No planejamento estratgico encontra-se a poltica de longo prazo, no Brasil um
dos exemplos dessa poltica so os Planos Diretores de Recursos Hdricos. Esse nvel
de planejamento tem horizonte temporal tpico de trs anos a algumas dcadas, em
virtude disso necessita que sejam inseridos, em carter estratgico, a variabilidade do
clima e as mudanas climticas.
27
O controle gerencial tem por objetivo a destinao e utilizao de recursos da
forma mais eficaz possvel visando obteno de metas e resultados de mdio prazo
(PORTO et al., 1997). Esse nvel de planejamento tem horizonte temporal tpico de
alguns meses a alguns anos, podendo ser atribudo a essa etapa de planejamento o
planejamento da operao de reservatrios, planejamento da operao de redes
hidrolgicas e de monitoramento, oramentos anuais etc. Nesse sentido, previses
sazonais (curto prazo) e de tempo (curtssimo prazo) de vazes de qualidade podem
fortalecer o processo decisrio nesta escala.
O controle operacional refere-se a atividades repetitivas e de curto prazo, de
algumas horas a alguns meses. Como por exemplo, a operao de sistemas de recursos
hdricos em tempo real e tambm a operao de redes hidrolgicas ou monitoramento.
O fortalecimento do sistema de suporte a deciso nesta fase pode ser o uso de
informaes observacionais de precipitao, a modelagem de tempo e ainda previses
sazonais de precipitaes e vazes.
Figura 1- Nveis hierrquicos do planejamento e escalas temporais
Fonte: Elaborada pelo prprio autor.
Portanto, a definio da poltica tima de planejamento de sistema hdrico seria o

atendimento da demanda hdrica para cada intervalo de tempo do planejamento, ao
mnimo custo, preservando a confiabilidade da operao do mesmo.
28
1.1.Objetivo Geral
O presente trabalho tem por objetivo contribuir para a incluso da informao

meteorolgica ao processo de planejamento e gesto de recursos hdricos por meio da
identificao e desenvolvimento de modelos de previso, projeo e cenarizao vazes
e precipitaes e vazes mdias e extremas aos reservatrios do estado do Cear e setor
eltrico brasileiro.
1.2.
Objetivos especficos
Pesquisar e propor mecanismos de incorporao da informao meteorolgica no

processo de tomada de deciso para a alocao de gua;
Desenvolver metodologias que integre as informaes meteorolgicas oriundas das
diversas escalas temporais aplicadas a sistemas hdricos;
Analisar a incerteza associada a diferentes escalas temporais;
Analisar as projees dos modelos globais do CMIP5 (publicados pelo quarto
relatrio do IPCC-AR5) para os cenrios RCP4.5 e RCP8.5 para o sculo XXI,
buscando identificar tendncias nas variaes interanuais nas bacias que compe o setor
eltrico do Brasil e Cear;
Analisar as tendncias e os padres de variao das sries histricas de vazes
naturalizadas mdias mensais, disponibilizadas pelo ONS;
Analisar a variabilidade climtica da srie de precipitao para o Estado do Cear;
Desenvolver metodologias de projees decadais para o setor eltrico e Cear;
Desenvolver metodologias de previso de vazes sazonais aos aproveitamentos
hidroeltricos do Sistema Interligado Nacional (SIN) a partir de modelos estatsticos
que levam em considerao a manuteno da estrutura espacial dos reservatrios e suas
correlaes com aspectos climticos visando, assim, a contribuir para o aprimoramento
operao sistema hidreltrico brasileiro.
Desenvolver modelo de previso de vazo simultnea para todos os locais SIN atravs
de modelos Peridicos Autorregressivos (PAR) e peridicos Autorregressivos com
29
variveis exgenas (PARX) utilizando ndices climticos, preservando a estrutura
espacial atravs da correlao dos resduos preditivos;
Apresentar um sistema de verificao de desempenho da previso numrica do tempo
via modelos regionais para o Setor eltrico Brasileiro e Cear, identificar as regies de
maior e menor previsibilidade.
1.3.
Escopo
Para realizao deste trabalho, foram consideradas quatro escalas temporais:

curtssimo prazo (at 1 ms), curto prazo (at um ano) e mdio( 1 a 10 anos) e longo
prazo(at 30 anos). Foram usados modelos de base fsica e estatsticos para a escala
sazonal/anual (at 1 ano). Outro conjunto de modelos foi usado para as escalas
plurianuais (1 a 10 anos e at 30 anos), estes consideram os padres de variabilidade
climtica e/ou os padres de mudanas climticas com base nos modelos globais do
IPCC-AR5.
1.4.Contribuio cientfica e tcnica
Este trabalho instrumentaliza um sistema gerenciamento de risco climtico que

contempla diversas escalas temporais e espaciais, possibilitando aos gestores uma
quantificao do risco para possveis alocaes de gua e gerao de energia eltrica no
Brasil.
Previses, projees e/ou cenarizaes hidrolgicas em mltiplas escalas
temporais podem afetar o desempenho da operao dos sistemas aumentando benefcios
e confiabilidade e reduzindo custos.
O sistema brasileiro de gerao de energia eltrica pode beneficiar-se
continuamente com aprimoramento dos modelos de previso hidrolgica. Considerando
influncia direta que o setor hidreltrico possui em diversos segmentos sociais, isto
pode indicar uma reduo significativa dos impactos sofridos pela iniciativa pblica e
privada. Visto que, uma melhor informao tornar as estratgias de adaptao a certos
cenrios ou eventos mais robustos.
Alm disso, h a possibilidade de quantificao e entendimento das diversas
incertezas que se propagam ao longo do sistema de multiescala, o que indicaria a
margem de risco assumida na tomada de decises. Permitindo aos gestores a adoo de
estratgias robustas, j que artificializar a reduo de incertezas pode induzir decises
30
que levem a grandes arrependimentos. Estratgias robustas precisam considerar as
incertezas no nvel atual de conhecimento.
Normalmente, os sistemas de recursos hdricos so projetados e operados a partir
da hiptese da estacionariedade estatstica das sries histricas. Entretanto, esta
suposio pode ser invlida no contexto da variabilidade climtica decadal e mudanas
no uso e ocupao da terra, destacando ainda as mudanas climticas. A hiptese da
estacionariedade das sries deve ser verificada e os sistemas de recursos hdricos onde
no for vlida devem ter avaliados os possveis impactos oriundos da noestacionariedade. Devido essa no estacionaridade h uma dificuldade bastante
relevante de cenarizao das projees com escala de 1 ano a 10 anos, j que essa escala
temporal carrega sinais tanto de variabilidade decadal e mudanas climticas (ALVES
et al., 2013). Este trabalho tenta unir os dois sinais e tornar as projees nessa escala
mais eficiente.
1.5.Estruturao
A apresentao deste trabalho est estruturada em 19 captulos. Este captulo

apresenta, inicialmente, uma introduo ao tema da pesquisa, os objetivos deste estudo e
a contribuio cientfica.
O segundo captulo apresenta uma contextualizao da problemtica associada
s diferentes escalas temporais para o Cear e para o setor eltrico.
O terceiro captulo mostra a base conceitual e trata da evoluo da temtica das
diferentes escalas espaciais e apresenta-se a necessidade da insero da previso
climtica na alocao de gua e no planejamento do setor eltrico.
Em seguida, discorre-se sobre a rea escolhida para aplicao do estudo,
apresentando a importncia e a caracterizao da mesma.
No quinto captulo apresenta-se a sntese das metodologias usadas para cada
escala temporal do estudo.
O sexto captulo apresenta a metodologia aplicada para anlise do impacto das
mudanas climticas nos setor eltrico e Cear. Enquanto os dois captulos seguintes
mostram os resultados para o setor eltrico e Cear para essa escala temporal,
respectivamente.
31
O captulo nove mostra as metodologias aplicadas para identificao da
variabilidade das sries temporais e prope algumas metodologias de projees para at
dez anos. Enquanto os dois captulos seguintes mostram os resultados para o setor
eltrico e Cear para essa escala temporal, respectivamente.
O captulo 12 mostra as metodologias utilizadas para escala de previso sazonal.
Enquanto nos dois captulos seguintes expem-se os resultados para o setor eltrico e
Cear para essa escala temporal, respectivamente.
O captulo 15 mostra as metodologias adotadas para escala de previso de
curtssimo prazo. Enquanto os dois captulos seguintes mostram os resultados para o
setor eltrico e Cear para essa escala espacial, respectivamente.
No captulo 18 realizam-se as concluses, recomendaes e as possveis
aplicaes do estudo para todas as escalas temporais.
32
2. A PROBLEMTICA DAS MLTIPLAS ESCALAS TEMPORAIS
Este captulo apresenta uma discusso a respeito da problemtica dos diversos

modos de variao do clima aplicados ao setor eltrico do Brasil e ao Cear, adotando
os horizontes temporais e os condicionantes de estado da atmosfera da Figura 2.
A variabilidade do clima em mltiplas escalas temporais (longo, mdio, curto e
curtssimo prazo) pode condicionar o risco associado ocorrncia de eventos extremos
hidrolgicos (cheias e secas) para um local ou regio. A possibilidade de quantificao
dos riscos permite que decises possam ser tomadas para que os impactos de tais
eventos sejam minimizados, reduzindo assim o grau de vulnerabilidade de uma
determinada regio.
Figura 2- As escalas temporais de planejamento e o clima.
2.1.A problemtica do clima e as mltiplas escalas de planejamento aplicadas ao

Cear
Est seo relaciona as diferentes escalas temporais problemtica associada ao

planejamento em recursos hdricos no Estado do Cear.
33
2.1.1. Variabilidade das sries hidrolgicas do Cear
O Nordeste do Brasil (NEB) apresenta clima semirido com grande

variabilidade temporal e espacial de chuvas. O Cear, historicamente, marcado por
grandes prejuzos associados a eventos climticos extremos, como cheias. Pequenas
flutuaes, associadas s condies climticas, provocam significativos impactos
sociais e econmicos sobre a regio (SOUZA FILHO e MOURA, 2006). Desta forma,
identificar padres de variao ou/e melhorar as previses climticas importante, j
que impacta os recursos hdricos, agricultura e outras reas relevantes.
A precipitao no Cear possui grande variabilidade sazonal, onde 75% dos
totais das chuvas ocorrem em quatro meses (fevereiro, maro, abril e maio) e uma quase
total ausncia de precipitao no segundo semestre, conforme mostra a Figura 3. Esta
caracterstica governada em grande parte pela migrao norte/sul da zona de
convergncia intertropical (ZCIT) ao longo do ano.
Figura 3-Climatologia da precipitao mdia sobre o Cear no perodo de 1912 a 2013 a

partir da base de pluvimetros da FUNCEME e SUDENE.
Fonte: Elaborada pelo Autor.
A srie histrica de precipitaes de Fortaleza-CE, mostrada na Figura 4,

sinaliza significativa variabilidade hidrolgica decadal, com perodos de 10 anos com
mdia superior a 1800 mm, enquanto em outros intervalos a mdia mvel atinge valores
de aproximadamente 1000 mm. Essa caracterstica mostra um possvel modo de
34
variao de baixa frequncia, j que esse comportamento recorrente ao longo da srie
histrica. Alm disso, h uma variabilidade de alta frequncia identificada pela
sequncia de um ano muito seco seguido por um ano muito chuvoso, conforme
mostrado nos anos de 1888 e 1889, 1914 e 1915 e outros perodos de dois anos.
Incertezas inerentes do comportamento aleatrio da disponibilidade hdrica
natural so de fato uma das maiores dificuldades com que o processo de gesto de
recursos hdricos se defronta em qualquer lugar onde isto ocorre. Tais incertezas no
podem ser reduzidas, mas podem ser estudadas atravs de metodologias apropriadas,
agregando informao valiosa ao planejamento de recursos hdricos.
Figura 4-Precipitao mdia anual em Fortaleza-CE e a mdia mvel de 10 anos de

precipitao para o perodo de 1849 a 2006.
3000
Precipitao (mm)
2500
2000
1500
1000
500
Fortaleza
Mdia Mvel de 10 anos
0
1840
1860
1880
1900
1920
1940
1960
1980
2000
Fonte: Elaborada pelo Autor.
2.1.2. A operao de reservatrios como ferramenta de planejamento e outorga

sobre o Cear
Devido a essa variabilidade o Estado do Cear criou uma grande rede
reservatrios espalhada por todo territrio. Um dos objetivos dessa construo o
armazenamento temporrio das guas fluviais, uma medida de controle do escoamento
35
superficial, que contribui para o retardo e amortecimento dos picos de vazo, de forma a
minimizar os problemas das enchentes, jusante da barragem. Reduzindo, portanto, nos
perodos chuvosos da regio, a ocorrncia de enchentes. Alm disso, permite o
transporte temporal sazonal de gua da estao chuvosa para a estao seca e ainda, o
transporte de gua entre anos midos e secos.
Nos perodos de estiagem, o armazenamento da gua em reservatrios possibilita
a disponibilidade de gua para os perodos de seca. Em virtude desse controle de
volume de gua o Cear adota como instrumento de gesto a outorga pelo uso da gua e
alocao negociada. A alocao sazonal da gua realizada por um processo de
discusso pblica, tendo em conta seus mltiplos usos e os conflitos envolvidos.
O instrumento de outorga necessrio para o gerenciamento dos recursos
hdricos, pois permite ao administrador realizar o controle quali-quantitativo da gua, e
ao usurio a necessria autorizao para implementao de seus empreendimentos
produtivos. , tambm, um instrumento importante para minimizar os conflitos entre os
diversos setores usurios e evitar impactos ambientais negativos aos corpos hdricos.
Atualmente, para alocao e operao de hidrossistemas a Companhia de Gesto
de Recursos Hdricos do Cear (COGERH) usa simulaes de esvaziamento de
reservatrios, que consideram vazes zero e horizontes de planejamento entre 6 e 18
meses (RIBEIRO, 2011). A Figura 5 apresenta graficamente como se comporta o
regime de vazes no Cear, que nas estaes secas tem-se a certeza dos escoamentos
zero e nas estaes midas tem-se a incerteza quanto ocorrncia de vazes.
36
Figura 5-Horizonte de operao do estudo de alocao de gua.
Fonte: Ribeiro(2011).
A COGERH reconhece que a considerao de vazo nula nas simulaes um

fator que restringe o uso da gua.
A considerao de aporte hdrico nulo nas simulaes, apesar de conferir uma
margem de segurana na utilizao da gua, propiciando saldos positivos em
termos de reserva hdrica, pode ser um fator de restrio de uso, sobretudo no
setor agrcola, tornando importante no futuro a considerao de aspectos
probabilsticos climticos nas simulaes, que resultaria em uma alocao
menos conservadora. (COGERH, 2010).
Neste caso, a informao climtica pode subsidiar o desenvolvimento de uma

base metodolgica para aperfeioar o modelo de simulao de reservatrios,
considerando aporte no nulo.
Neste sentido, existe uma discusso em torno da operao de comportas de
reservatrios em tempo real ou curtssimo prazo e o volume de espera entre os perodos
secos e midos do ano. Qual o estoque de gua que deve ser mantido para perodos
secos com vistas garantia de abastecimento e a possibilidade de utilizao do
excedente hdrico?
A previso climtica pode servir como ferramenta de anlise de risco e os
autores Souza Filho e Porto (2008) citam que em anos de maior escassez necessrio o
racionamento da outorga. A estratgia adotada pode levar a situaes crticas, pois, uma
quantidade de outorga maior que a oferta induz a no efetividade do sistema de licena.
A literatura menciona pelo menos dois critrios de racionamento de outorga em anos
crticos (KELMAN et al., 2000): o primeiro critrio o do racionamento proporcional
37
para todos os usurios; o outro critrio baseia-se em uma lista de prioridades que pode
ser firmado na ordem cronolgica de obteno da permisso para uso ou na importncia
do uso.
Por outro lado, em anos midos h um aumento da vulnerabilidade a eventos de
cheias e, caso o sistema seja operado considerando o cenrio mais pessimista (como por
exemplo, vazo zero), pode haver perda de benefcios que poderiam ter sido alcanados
caso a vazo outorgada fosse maior.
As regras de operao de curto e curtssimo prazo tem maior influncia da
averso a risco dos gestores e usurios dos recursos hdricos, o que pode levar a
diferenciao entre a estratgia de operao de curto e longo prazo. As estratgias de
curto e curtssimo prazo utilizam salvaguardas com volumes de alerta e nveis de
racionamento que reduzem a possibilidade de colapso total do sistema, enquanto as
regras de operao de longo prazo procuram ter nmeros de referncia para a
disponibilidade hdrica no tendo estas salvaguardas bem detalhadas. Esta diferenciao
de abordagem pode produzir diferenas significativas entre a expectativa de garantias
(obtida pela operao de longo prazo) e as garantias obtidas pelo sistema (obtidas pela
operao de curto prazo).
2.1.3. Variabilidade de baixa frequncia e outorga
Campos e Studart (2003) comentam que duas questes so relevantes em se tratando de

outorga: como alocar a gua em pocas de escassez e o mximo outorgvel (volume ou
vazo, ou ambos). A alternncia entre dcadas secas e midas mostradas na
Figura 4 indica que o valor mximo outorgvel para longos perodos no deve
ser esttico, conforme sugere atualmente estratgias baseadas no conceito de
estacionariedade.
Os critrios de outorga podem ser divididos em duas famlias: i) critrio da
vazo de referncia, onde se estabelece um valor de vazo sazonal ou anual e outorga-se
at este valor (Q7,10 e Q90 so exemplos de vazes de referncia utilizados na
legislao brasileira); ii) critrio da quantidade de falhas predeterminada, neste caso
define-se uma prioridade de uso e em perodos de racionamento no disporo de gua os
38
usos ou usurios com prioridades mais baixas. O primeiro mtodo controla o nvel de
falhas totais do sistema, mantendo-o em nveis aceitveis. O segundo garante falhas
menores para usos mais nobres. Um critrio que una os dois poderia ser pensado.
A variabilidade climtica de alta e baixa frequncia pode introduzir nos sistemas
hdricos a alternncia de anos consecutivos de cheia e de seca num sistema hdrico, est
constitui uma das principais preocupaes da escala de planejamento de 1 a 10 anos
(Mdio Prazo). No caso de anos consecutivos com seca o racionamento de gua deve
ser intensificado e haver impacto direto na concesso de permisso para o uso da gua.
J no caso de anos consecutivos chuvosos h um aumento no nmero de reas
inundadas e h a possibilidade que alguns usos sejam beneficiados.
Nesse sentido, necessrio reformular o sistema de outorga e rever as garantias
de modo que a variabilidade no clima possa ser inserir no planejamento. Nesse aspecto,
o uso de informaes climticas pode reduzir os riscos e permitir uma margem maior de
flexibilidade ao sistema de gesto implantado, sobretudo no tocante s outorgas
emitidas.
2.1.4. Mudanas Climticas e Variabilidade climtica
O clima de uma regio definido, fundamentalmente, devido atuao
simultnea de diversos sistemas atmosfricos de vrias escalas e dinmica de suas
interaes. Estes podem variar com as caractersticas fisiogrficas da regio, assim
como, pelos padres anmalos de grande escala de circulao atmosfrica global
associada ao fenmeno El Nio-Oscilao Sul (ENSO) e ao dipolo do Atlntico, o que
modifica frequncia, distribuio espacial e intensidade desses sistemas.
As mudanas climticas seriam, portanto, alteraes na variabilidade desses
diversos fenmenos atmosfricos tanto em frequncia quanto em intensidade. Essas
modificaes no clima podem levar a eventos extremos mais severos e mais frequentes,
como por exemplo, secas severas, tempestades intensas, furaces, cheias, ondas de calor
etc.
Para o horizonte de dcadas (longo prazo) as mudanas e variabilidade climtica
de baixa frequncia inserem uma discusso no processo decisrio a respeito do
planejamento baseado na estacionariedade das sries temporais. Visto que, o
dimensionamento de obras hidrulicas e o aproveitamento dos recursos hdricos so
projetados e operados a partir da hiptese da estacionariedade estatstica de sries
39
histricas. Entretanto, essa suposio pode ser invalidada pelas mudanas climticas e
variabilidade climtica de baixa frequncia e mudanas no uso do solo.
A no-estacionariedade das sries histricas requer, portanto, estratgias de
adaptao e gesto de risco mais robustas. Essas medidas podem ser do tipo estrutural e
no estrutural. As medidas estruturais esto relacionadas com investimento em
infraestrutura para suportar os eventos extremos, como diques, barragens, canalizao
entre outros. As medidas no estruturais so as que condicionam os usurios a adaptarse ao sistema usando como principal suporte instrumento de gesto, preparando e
reduzindo os eventos adversos atravs de medidas como regras de operao do sistema,
realocao, mudanas nos termos de garantia e reduo dos valores outorgado.
A mudana climtica afeta a funo e operao de infraestrutura hdrica existente,
bem como prticas de gesto da gua (IPCC, 2007a). As implicaes da variabilidade
climtica e as alteraes climticas precisam ser integradas na poltica da gua corrente
e nos processos de tomada de decises.
A falta de investimento em infraestrutura hdrica pode impactar diretamente na
garantia e gerar conflitos de destinao de uso. A implantao de novos usos e as
permisses de longo prazo para o uso da gua deve ser repensada com nveis de garantia
que incluam as mudanas climticas e variabilidade de baixa frequncia para que possa
ser reduzida a vulnerabilidade dos sistemas hdricos.
Hoje o Brasil enfrenta um dficit de adaptao variabilidade hidrolgica
existente (natural e decorrente de interferncias nas bacias hidrogrficas) que deve ser
enfrentado simultaneamente aos novos desafios representados pelas mudanas
climticas. Ou seja, o sistema de gerenciamento de recursos hdricos no se encontra
plenamente adaptado s condies climticas e hidrolgicas atuais, carecendo, entre
outros, de investimentos em monitoramento, modelagem, sistemas de alerta,
infraestrutura de defesa e resposta a eventos extremos e fortalecimento institucional.
2.1.5. Importncia das mltiplas escalas temporais no planejamento no Cear
A disponibilidade hdrica de uma bacia para os diversos usos condicionada

pela regra de operao do hidrossistema. Esta regra de operao associada a
determinado horizonte temporal de planejamento (curtssimo, curto, mdio e longo
prazo).
40
As vrias possibilidades de decises mostradas indicam que h um risco ao
operador e usurios do sistema, e a estratgia adotada pelos gestores podem levar a
arrependimento caso as diferentes escalas temporais e espaciais de planejamento no
sejam consideradas.
Nesse sentido, previses, projees e/ou cenarizaes de melhor qualidade
podem otimizar o processo de operao de reservatrio. Alm disso, podem melhorar o
processo de alocao de gua e tornar a garantia associada outorga mais confivel.
2.2. Setor eltrico e as mltiplas escalas de planejamento

A matriz energtica brasileira possui grande contribuio de energia proveniente
de hidreltricas. A capacidade de gerao e distribuio de energia eltrica do Brasil
diretamente influenciada pela variabilidade hidrolgicas das vazes e a interconexo
dos aproveitamentos hidroeltricos, portanto as previses e/ou projees e incertezas
possuem papel fundamental no planejamento da operao do sistema.
Em geral, previses hidrolgica de melhor qualidade podem afetar o
desempenho da operao do sistema, otimizando o benefcio e aumentando a
confiabilidade, isto leva a uma reduo dos custos de operao do mesmo. Dessa forma,
os aperfeioamentos das previses e/ou projees para a obteno dos cenrios
hidrolgicos contribuem para a melhoria do processo de planejamento do Sistema
Interligado Nacional (SIN).
O processo de planejamento do setor eltrico composto, dentre outras
atividades, por simulaes/otimizaes computacionais que cruzam informaes sobre a
oferta e demanda. Nestas simulaes se busca localizar e mensurar necessidades dos
usurios, bem como ajuste de cronogramas de investimentos em infraestrutura hdrica,
entre outros. Tais ajustes so realizados seguindo critrios que visam, principalmente, a
segurana do suprimento e a minimizao de custos de investimento e operao. Em
resumo, h uma soluo de compromisso entre o custo da energia e a qualidade do
atendimento, sendo necessrio, portanto, que estes dois aspectos devam respeitar
critrios estabelecidos.
O SIN caracterizado por ser um sistema hidrotrmico de grande porte, com
significativa predominncia de gerao hidreltrica. O planejamento e a gerao
41
eletroenergtica do SIN apresentam uma estreita correlao com os estoques de gua
existentes nos reservatrios das usinas hidreltricas e as suas afluncias.
A grande influncia que o setor energtico possui em diversos outros campos da
sociedade requer informaes de qualidade para planejamento de suas aes nas
diversas escalas temporais e espaciais. Informaes de variabilidade e mudanas
climticas de qualidade podem tornar o planejamento energtico mais eficaz e
minimizar os potenciais impactos sobre a disponibilidade deste recurso (BANCO
MUNDIAL, 2010).
A definio da poltica tima de gerao de um sistema eltrico tem por objetivo o
atendimento da demanda hdrica para cada intervalo de tempo do planejamento, ao
mnimo custo, preservando a confiabilidade da operao eltrica.
O SIN por ter predominncia hidroeltrica s incertezas associadas s afluncias
futuras faz com que a cada deciso de uso de um recurso de gerao de menor custo
haja uma premissa de cenrio futuro de afluncias segura (sem comprometimento da
oferta) e um risco associado.
O processo de alocao de produo tem que alm de considerar o custo imediato
considerar o custo futuro. A Funo de Custo Futuro FCF traduz a estratgia futura de
operao para os modelos de curto prazo da cadeia de otimizao. Alm disso, atravs
da Funo de Custo Futuro, que feito o encadeamento dos modelos de otimizao,
possibilitando que as polticas de operao de curto prazo estejam em conformidade
com as estratgias de operao de mdio prazo.
O grande objetivo do planejamento operar com segurana o SIN, visando atingir
o menor Custo Total1 possvel em todo o horizonte de estudo.
Os modelos realizam a otimizao dos recursos disponveis, visando alcanar o
mnimo custo, cabendo a esta estratgia gerenciar as decises de gerao de origem
hidroeltrica ou termoeltrica, por usina, as decises de intercmbio entre as regies do
SIN e de corte de carga.
O Custo Total constitui-se de duas parcelas: o Custo Imediato referente s
decises tomadas no presente e o Custo Futuro referente s decises que sero tomadas
no futuro. No entanto, sabe-se que devido ao acoplamento temporal das decises,
causado pela predominncia da hidroeletricidade, o Custo Futuro influenciado pelas
decises tomadas no presente.
1
O Custo Total formado pela soma dos custos variveis de todos os recursos utilizados e o custo de
42
Ao melhorar o sistema de incorporao das escalas temporais e espaciais do setor
eltrico haver uma reduo dos custos de operao e um dimensionamento da incerteza
do processo de previso. A incorporao da informao de mudanas climticas,
atualmente no usada, pode sinalizar os locais onde sero necessrios maiores
investimentos estruturais e possveis estratgias de mitigao e adaptao do SIN.
2.2.1. Modelos utilizados no planejamento e programao da operao do Sistema

Interligado Nacional
O atual sistema de previso e planejamento usado pelo ONS contm trs

horizontes bem definidos: mdio prazo, curto prazo e curtssimo prazo, conforme
Tabela 1 e Figura 6.
Tabela 1- Interao entre os modelos hidrolgicos cadeia de planejamento da operao

do SIN e horizontes de previso dos modelos usados pela ONS.
Etapa
Modelo
Hidrolgico
Modelo de
otimizao
Horizonte de
Planejamento
Discretizao
temporal
Afluncias
Hidrolgicas
Mdio
Prazo
Curto Prazo
Programao da
Operao
GERVAZP
PREVIVAZ/GERVAZP
PREVIVAZH
NEWAVE
DECOMP
DESSEM
at 10 anos
at 1 ano
at 14 dias
Mensal
Semanal/Mensal
horria/patamares
Estocstico Determinstico/Estocstico
Determinstico
Fonte: Costa et al. (2007).
A previso de vazes de curtssimo prazo (at um ms) e a gerao de cenrios

hidrolgicos extremamente importante para a operao do Sistema Interligado
Nacional. Com base nestas informaes, so realizados o Programa de Operao e suas
revises.
O modelo utilizado para prever vazes semanais de quase todas as bacias do SIN
o PREVIVAZ, exceto para bacia do Rio Iguau. As previses dirias de vazo natural
so feitas em sua grande parte pelos diferentes Agentes de Gerao e complementadas
pelo ONS com auxlio dos modelos PREVIVAZH. Aps a fase de previso diria, o
43
ONS consolida as previses de vazes mdias dirias e processa os dados para o
fechamento da vazo natural mdia da semana em curso, utilizada como insumo bsico
para a obteno das previses de vazes semanais para as semanas seguintes.
Uma vez consolidados os dados dirios, o ONS d incio ao processamento dos
modelos de previso de vazes semanais (PREVIVAZ) para obter as previses de
vazes semanais at o fechamento do ms em curso. Em seguida, so usados modelos
estatsticos para as demais aplicaes do setor hidroeltrico.
A partir das previses geradas, dar-se incio o processo de otimizao energtica.
O programa DECOMP atravs das previses semanais do ms em curso e dos cenrios
hidrolgicos do ms seguinte calcula o custo marginal imediato e custo marginal futuro.
A ideia minimizar o custo marginal, isto define as polticas timas que sero adotadas.
As previses de mdio prazo definem estratgias polticas que determinam
quanto da demanda vai ser atendida pelo setor termoeltrico quanto pelo setor
hidroeltrico. O Modelo de Despacho Hidrotrmico a Subsistemas Equivalentes
NEWAVE a ferramenta responsvel por elaborar os estudos de planejamento da etapa
de mdio prazo.
A Figura 6 mostra o esquema de funcionamento deste sistema.
Figura 6- Interao entre os modelos hidrolgicos cadeia de planejamento da operao
do SIN.
Fonte: Costa et al. (2007)
44
2.2.2. Importncia das mltiplas escalas temporais no planejamento do SIN
O planejamento do sistema eltrico brasileiro tenta dimensionar a demanda e a

oferta das configuraes futuras de energia eltrica no pas. Para tanto, preciso
mensurar necessidades energticas futuras, bem como ajuste de cronogramas de entrada
de empreendimentos de gerao, entre outros. Tais ajustes so realizados seguindo
critrios que visam assegurar o suprimento de energia e minimizar custos de
investimento e operao. Desta forma informaes que possibilitem um maior
entendimento dos aspectos que afetam a gerao de energia podem trazer consigo um
maior conhecimento sobre risco em tomada de decises e tornar a alocao de gua e
energia mais eficientes.
Segundo Costa et al. (2007), a capacidade de gerao futura do sistema
influenciada pelas afluncias hidrolgicas futuras, cujas previses e incertezas devem
ser consideradas no planejamento da operao do sistema. Previses hidrolgicas de
melhor qualidade podem afetar o desempenho da operao do sistema aumentando
benefcios e confiabilidade e, reduzindo custos.
Os modelos de previso de vazo atualmente utilizados pelo Operador Nacional
do Sistema Eltrico (ONS), em geral, so estocsticos e no consideram informaes
meteorolgicas. Esta forma de previso supe que as sries de vazes so estacionrias,
o que considerando as alteraes no uso e ocupao do solo e as mudanas climticas
uma suposio que pode indicar estratgias que provoquem grandes arrependimentos.
Nas ltimas dcadas, as diferentes tecnologias de modelagem de fenmenos
naturais tm evoludo rapidamente, propiciando a oportunidade de se ampliar seus
conhecimentos sobre a natureza e compreender seus processos fsicos e biolgicos.
Considerando estes avanos, torna-se necessria a busca pelo desenvolvimento de novos
sistemas de previso de vazes incluindo informaes climticas para melhorar a
qualidade da previso. Isto possibilita um maior entendimento das incertezas
relacionadas com as condies climticas futuras.
Desta forma, os aperfeioamentos metodolgicos para a obteno dos cenrios
hidrolgicos de previso ou gerao de afluncias contribuem para a melhoria do
processo de planejamento e programao da operao Sistema Interligados Nacional
(SIN).
Considerando influencia direta que o setor hidreltrico possui em diversos
segmentos sociais, isto pode indicar uma reduo significativa dos impactos sofridos
45
pela iniciativa pblica e privada. Visto que, uma melhor informao tornar as estratgias
de adaptao a certos cenrios ou eventos mais robustas.
46
3. REVISO BIBLIOGRFICA
O presente captulo destaca a literatura existente sobre os padres de

variabilidade climtica sobre o Brasil e mostra os principais modelos de previso de
vazes nas mltiplas escalas temporais e espaciais, tanto os modelos estatsticos, como
os modelos dinmicos.
3.1.Caracterizao climtica e aspectos sobre variabilidade climtica
Nesta seo sero destacados aspectos relevantes sobre a variabilidade climtica

na escala global, destacando o Brasil. Alm disso, ser abordada a variabilidade nas
mltiplas escalas temporais: sazonal, interanual e decadal. Na escala decadal ser
discutido a diferena entre mudanas climticas e variabilidade climtica.
3.1.1. Variabilidade e mudana climtica na escala global
Atualmente, uma das maiores preocupaes da comunidade cientfica mundial

tm sido os impactos produzidos pelas mudanas climticas no ciclo hidrolgico.
Segundo o relatrio do IPCC (2007,a), o termo mudana climtica refere-se a alteraes
nos padres climticos, que podem ser identificadas por meio de variaes persistentes
por longos perodos, da ordem de dcadas, na mdia aritmtica e/ou em outras medidas
de variabilidade climtica, independente de suas causas.
Para esse relatrio, mudana climtica um termo genrico que engloba todas as
formas de incertezas do clima nos padres climticos, tais como tendncias ou
variaes, independentemente de suas causas. Esses ltimos dois conceitos so segundo
esse relatrio definidos por:
Tendncia climtica: caracterizada por uma elevao ou diminuio suave e

montona nos valores mdios de uma serie meteorolgica. No
necessariamente, restrita a tendncias lineares em funo do tempo, mas deve
conter apenas um mximo ou mnimo no ponto final da srie.
Variao climtica: flutuao ou componente desta em escala de tempo

suficientemente longa, capaz de resultar em inconstncia nos parmetros
estatsticos relativos a perodos sucessivos de pelo menos 30 anos da varivel
meteorolgica em questo.
47
Assim, a deteco de uma mudana climtica, requer que a amplitude da
variabilidade climtica seja quantificada. Para isto, utilizada uma grande variedade de
dados e resultados de modelos atmosfricos. As flutuaes climticas no globo,
especificamente na Amrica do Sul so bastante influenciados pelos oceanos tropicais,
afetando diretamente a precipitao dessas regies.
Devido grande interao com a atmosfera, os oceanos tm um papel
fundamental na variabilidade climtica, interanual e interdecadal do planeta. As trocas
de calor latente e sensvel dependem principalmente da temperatura da superfcie do
mar (TSM). Nesse contexto devido a sua extenso, torna-se evidente as variaes de
temperatura do Oceano Pacfico nas condies climticas globais, que podem ser
evidenciados atravs de fenmenos naturais tais como o El Nio, La Nia, a Oscilao
Decadal do Pacfico e o Dipolo do Atlntico.
3.1.2. Caracterizaes da variabilidade climtica regional nas escalas de tempo

para o Brasil
3.1.2.1. Variabilidade sazonal da precipitao
O sistema mais importante gerador de precipitao sobre a regio equatorial dos

oceanos Atlntico, Pacfico e ndico, assim como reas continentais adjacentes a Zona
de Convergncia Tropical (ZCIT) (HASTENRATH e HELLER, 1977; CITEU et al.,
1988).
O Nordeste possui dois perodos bem distintos: o perodo de chuva e a perodo
seco . O perodo chuvoso concentra-se entre dezembro e julho, quando o ZCIT migra
sazonalmente de sua posio mais ao norte (em torno de 14N) para a posio mais ao
Sul (em torno de 3S), durante maro - abril.
Essa migrao sazonal da ZCIT, associada aos fatores que causam o
fortalecimento ou enfraquecimento dos ventos alsios de nordeste e sudeste, tem papel
importante na determinao do perodo chuvoso do norte da regio Nordeste. No
perodo seco h um predomnio de altas presses atmosfricas e quase uma total
ausncia de fenmenos atmosfricos causadores de precipitao.
48
3.1.2.2. Variabilidade interanual da precipitao
Uma grande parte da variabilidade interanual do clima sobre a Amrica do Sul

so moduladas pelo fenmeno El Nio Oscilao Sul (ENSO) sobre o Pacfico
equatorial e pelo gradiente meridional de anomalias de temperatura de superfcie do mar
(TSM) sobre o Atlntico tropical. A combinao das circulaes atmosfricas anmalas
induzidas pelas distribuies espaciais de TSM sobre os Oceanos Pacfico equatorial e
Atlntico tropical afeta o posicionamento latitudinal da Zona de Convergncia
Intertropical (ZCIT) sobre o Atlntico, influenciando a distribuio da precipitao
sobre a bacia do Atlntico e norte da Amrica do Sul. Apesar da variabilidade interanual
das TSM e ventos sobre o Atlntico tropical serem significativamente menores do que
aquela observada sobre o Pacfico equatorial, essa variabilidade exerce profunda
influencia na variabilidade climtica sobre algumas regies do Brasil, segundo
MOLION e BERNARDO (2002) as regies do centro e o leste da Amaznia. Outras
reas influenciadas por esses fenmenos so o Nordeste (NAMIAS, 1972;
HASTENRATH e HELLER, 1977) e o extremo Sul do Brasil (DIAZ et al., 1988).
A estrutura norte sul das anomalias de TSM observadas no Atlntico
conhecida como o Dipolo do Atlntico tropical (MOURA et al.,1981; NOBRE e
SHUKLA, 1996).
3.1.3. Variabilidade decadal da precipitao

Estudos recentes demonstram a existncia de modos de variabilidade de baixa
frequncia. Esses modos de variabilidade ocorrem no Pacfico e no Atlntico, e
superpostos aos modos interanuais, como o El Nio Oscilao Sul (ENSO), pode
alterar o efeito deste em algumas regies do globo, inclusive na Amrica do Sul. Pelas
limitaes na cobertura espacial, no comprimento das sries de dados e no desempenho
dos modelos numricos, o entendimento dessa variabilidade ainda um processo em
andamento, com vrios aspectos desconhecidos. Mudanas de regime climtico no
Atlntico Norte foram documentadas por Folland e Parker (1990) que encontraram
anomalias de TSM com maiores magnitudes e mais coerncia durante 1977-1986 do
que em outras dcadas, considerando a srie histrica a partir de 1947.
49
Andreoli et al.(2004), documentaram flutuaes de anomalias da TSM no
Atlntico Tropical Norte e o Atlntico Tropical Sul, como parte de dois modos decadais
de periodicidades distintas, separadas pela ZCIT (10 anos no Atlntico norte e 14 anos
no sul).
Zhang et al. (1997) descrevem outra caracterstica da oscilao da TSM do
Oceano Pacfico similar ao ENSO, ocorrendo em escala interdecadal. A este fenmeno
foi atribudo o nome de Oscilao Decadal do Pacfico (ODP).
3.1.3.1 .
Oscilao decadal do pacfico (ODP)
A ODP um padro de longo prazo associado variabilidade climtica do

Pacfico, conforme mostram as Figura 7 e Figura 8. O cientista Steven Hare designou o
termo em 1996 ao pesquisar a conexo entre os ciclos da pesca de salmo no Alaska e o
clima do maior oceano da Terra. O Oceano Pacfico ocupa 35% da superfcie do
planeta, portanto, as oscilaes de longo tempo de cada fase da ODP apresentam um
sinal predominante no clima global (REBELLO, 2005). Mantua e Hare (2002)
demonstraram que no sculo XX as flutuaes da PDO foram mais evidentes em duas
periodicidades, apresentando um ciclo de 15 a 25 anos e outro de 50 a 70 anos.
A ODP apresenta duas fases: na fase negativa da ODP as caractersticas so
anomalias negativas de temperatura na superfcie do mar (TSM) no Pacifico Tropical e,
simultaneamente anomalias de TSM no Pacifico Extratropical; e a tendncia que
ocorra um maior nmero de episdios de La Nia que tendem a ser mais intensos. Ao
mesmo tempo se d uma menor frequncia de eventos do El Nio que tendem a ser
curtos e rpidos. J na fase positiva da ODP, a tendncia de um maior nmero de
episdios do El Nio que tendem a ser mais intensos. Em contrapartida, se registra um
menor nmero de La Nia e que tendem a ser menos expressivos.
Segundo, os sinais da ODP so mais visveis no Pacfico Norte com traos
residuais no Pacfico tropical enquanto no fenmeno do ENSO ocorre o oposto.
50
Figura 7-Fases da Oscilao Decadal do Pacifico esquerda a fase positiva e a direita
a fase negativa (Anomalia de temperatura em C).
Fonte: Mantua et al. (1997)
Figura 8-Oscilao da Temperatura da Superfcie do Mar do Pacfico durante 1900
Anomalia
2010 (Anomalia de temperatura em C).
Fonte: Mantua et al. (1997)
Mantua et al. (1997), utilizando entre outros parmetros, a TSM do Oceano

Pacfico entre os anos de 1900 a 1995, define os perodos de 1900 a 1924 e 1947 a 1976
como fases frias da ODP, ao passo que os perodos de 1925 a 1946 e 1977 a 1998 como
fases quentes, atualmente estamos em uma fase fria que se iniciou em 1999. As
influncias dessa oscilao de escala interdecadal na variabilidade climtica da Amrica
51
do Sul foram tambm investigadas por Andreoli e Kayoli (2005). Estes trabalhos
demonstraram que esse fenmeno influencia o volume de precipitao e que eventos de
maior chuva (menor chuva) acontecem quando o ENSO e a ODP esto na mesma
(oposta) fase.
3.2. Diferentes escalas de previso
Nesta seo sero destacadas as principais tcnicas de previses e projees nas

mltiplas escalas temporais mencionadas na literatura.
3.2.1. Variabilidade e mudanas climticas
3.2.1.1. O Intergovernmental Panel on Climate Change (IPCC) - mudanas climticas e

variabilidade climtica
O IPCC o principal rgo cientfico internacional para as avaliaes das

alteraes climticas, e foi criado pelo Programa das Naes Unidas para o Ambiente
(PNUA) e pela Organizao Mundial de Meteorologia (OMM) em 1988, para fornecer
vises cientficas claras sobre o estado atual do conhecimento das mudanas climticas
e seus possveis impactos socioeconmicos e ambientais.
Desde 1988, quando foi criado, cientistas vinculados aos principais centros de
pesquisa em clima renem-se para publicar relatrios sobre os possveis cenrios de
emisso de gases de efeito estufa na atmosfera e os impactos nas diversas variveis
climticas. At o momento, foram publicados quatro relatrios: em 1990 em Sundsvall
(Sucia), 1995 em Roma (Itlia), 2001 em Acra (Gana) e 2007 em Paris (Frana).
O quarto relatrio fornecido pelo IPCC, divulgado em fevereiro de 2007,
reafirma a projeo de aumento da temperatura mdia da atmosfera. Dados evidentes de
mudanas globais foram apresentados no AR4, em decorrncia do aumento da
concentrao dos gases de efeito estufa a partir de atividades humanas. As
concentraes de dixido de carbono (CO2), de gs metano (CH4) e de xido nitroso
(N2O) ultrapassaram em muito os valores pr-industriais. Os indicadores de mudanas
climticas mostrados por esse relatrio foram o aumento da temperatura global,
aumento do nvel do mar e a reduo da cobertura de gelo. (IPCC, 2007b).
A mudana na concentrao desses gases tem causado um evidente aumento
gradual da temperatura global (IPCC, 2007a) e pode alterar outros campos
52
meteorolgicos, como a precipitao. Esse aumento de temperatura mostrado para o
Brasil para o sculo XX em, por exemplo, Nobre (2005) e Marengo e Valverde (2007).
Embora exista uma discrepncia em torno dos valores absolutos dos modelos do
Coupled Model Intercomparison Project Phase 3 (CMIP3) para o aumento na
temperatura, todos concordam que haver aumento na temperatura mdia global (IPCC,
2007(a)). Entretanto, os diferentes modelos do CMIP3, publicados pelo IPCC-AR4
mostraram cenrios divergentes para o campo de precipitao para vrias regies do
planeta, alguns projetando aumento de precipitao e outros, reduo (MARENGO e
VALVERDE, 2007; MARENGO e SOARES, 2005).
Diversos autores avaliaram a tendncia na precipitao total para sries
observadas durante o sculo XX. Por exemplo, Haylock et al. (2006) fizeram uma
anlise da precipitao sobre a Amrica do Sul, e observaram uma tendncia de
aumento do total anual de chuva sobre o Nordeste do Brasil (NEB). O estudo realizado
por Santos e Britto (2007), utilizando ndices de extremos climticos e correlacionados
com as anomalias de temperatura da superfcie do mar (TSM) tambm mostrou
tendncia de aumento da precipitao total anual nos Estados da Paraba e Rio Grande
de Norte. Santos et al. (2009) mostraram tendncia de aumento de precipitao para o
Estado do Cear.
Entretanto, tais tendncias podem estar associadas, alm de mudanas climticas
e/ou alteraes no uso do solo, a flutuaes naturais dessa grandeza que podem ocorrer
em vrias escalas de tempo, incluindo alguns anos (variabilidade interanual), dcadas
(variabilidade inter e multidecadal) e at em escalas de tempo mais longas, relevantes
em estudos paleoclimticos. Essas flutuaes podem estar ligadas, por exemplo, a
padres de variabilidade nos Oceanos Pacfico e Atlntico (GRIMM et al., 2000;
KANE, 1992), como o fenmeno El Nio Oscilao Sul (ENSO, na escala de tempo
interanual), ou variabilidade decadal do Pacfico. No entanto, alm das variaes
naturais, provvel que a alterao da temperatura planetria das ltimas dcadas
causada pela elevao da concentrao de gases estufas por emisses antrpicas (IPCC,
2007a), provoque mudanas no regime de chuvas na Amrica do Sul.
Espera-se que algumas das questes cientficas que surgiram durante a
preparao do quarto relatrio do IPCC possam ser respondidas com base no conjunto
de dados do Coupled Model Intercomparison Project Phase Cinco (CMIP5), ao
subsidiar a publicao do Quinto Relatrio (AR5, publicado no final de 2013).
53
Entretanto, apesar do significativo desenvolvimento ocorrido nas ltimas dcadas
acerca do conhecimento do clima, existem ainda diversas incertezas associadas aos
diversos sistemas de previses ou projees climticas. Por exemplo, as
parametrizaes fsicas, mtodo numrico de resoluo adotado, as condies iniciais e
fronteira e a prpria atmosfera que considerada um sistema catico (LORENZ, 1963;
1965).
Quanto s questes relacionadas aos modelos globais de mudanas climticas do
CMIP5 pode se adicionar ainda a baixa resoluo dos modelos que no capaz de
reproduzir alguns processos fsicos e a trajetria desconhecida de emisses de gases de
efeito estufa no futuro.
Segundo Cavalcanti et al. (2009), a Amrica do Sul apresenta clima com intensa
variabilidade temporal e espacial de chuvas, devido atuao de diversos sistemas. Essa
complexidade torna a regio vulnervel s condies de tempo e clima, que so
associadas a impactos sociais e econmicos significativos em diversos setores. Desta
forma, torna-se relevante para o desenvolvimento de polticas pblicas a identificao
das alteraes na ocorrncia do clima nesta regio e os possveis impactos no regime de
chuvas.
3.2.3.2. Mudanas climticas e recursos hdricos
Vrios estudos foram realizados com o objetivo de verificar as influncias das

mudanas climticas nos recursos hdricos, empregando os resultados dos cenrios e
modelos de circulao geral e regional criados pelo IPCC, acoplando esses resultados ao
modelo hidrolgico, ou apenas criando cenrios hipotticos de modificaes climticas.
Arnell (2004) estudou a interferncia das mudanas climticas nos recursos
hdricos na escala global. Foi notado um crescimento no escoamento superficial anual
nas regies de altas latitudes, na frica e sia equatorial e no sudeste da sia, e um
decrscimo nas latitudes mdias e em muitas regies subtropicais.
Arnell e Reynard (1996) investigaram a influncia das mudanas climticas no
escoamento superficial de 21 bacias na Gr-Bretanha, a partir da utilizao de um
modelo chuva-vazo e a criao de cenrios de mudanas climticas com uma srie de
60 anos (1990 a 2050). Um cenrio possua situao climtica equilibrada, na qual a
concentrao de CO2 no dobrou, e o outro havia um aumento na concentrao de CO2,
54
ambos foram baseados em cenrios desenvolvidos pala UK Climate Changes Impacts
Review Group (CCIRG, 1991 apud ARNELL e REYNARD, 1996).
Arnell e Reynard (1996) checaram, em relao aos cenrios mais midos, que h
aumento no escoamento superficial em todos os meses, com uma percentagem maior de
crescimento nos meses de inverno, os quais tm os valores mais altos de escoamento
superficial.
Panagoulia e Dimou (1997) analisaram o impacto das mudanas climticas no
escoamento superficial da bacia de Mesochora, na Grcia Central, a partir da criao de
cenrios hipotticos de mudanas climticas como entradas em dois diferentes modelos
hidrolgicos de diferentes estruturas e escalas temporais (dirio e mensal). Utilizaram as
sries histricas de 15 anos de clima, tanto a variabilidade sazonal como anual e
aplicaram os cenrios de aumento/diminuio da precipitao e temperatura. Foi
verificado que todos os modelos indicaram um aumento no escoamento superficial no
inverno e maior decrscimo no vero.
Segundo Binder (2006), na regio nordeste do Pacfico so identificados
problemas relacionados s mudanas climticas, como aumento da precipitao no
inverno e redues nos veres e nas primaveras. Em consequncia, estas mudanas
refletem na disponibilidade hdrica das bacias hidrogrficas desta regio nos Estados
Unidos, exigindo planejamentos paras os mltiplos usos da gua nestas localidades. O
mesmo autor relata que os planos nacionais de bacias hidrogrficas nos Estados Unidos
esto desenvolvendo estudos e incluindo em suas aes os reflexos das mudanas
climticas sobre a demanda de gua para o consumo domstico, agropecurio e
industrial.
Milly et al. (2005) utilizaram resultados de simulaes de 12 modelos climticos
em estudo que utilizou cenrio de emisso A1B do CMIP3 e projees para o perodo
2041-2060. Os resultados mostraram que h concordncia dos modelos para o aumento
da vazo (entre 10% e 40% - valores mdios dos 12 modelos) na bacia do Paran-Prata
e reduo da vazo (at 20% - valores mdios dos 12 modelos) no leste da Amaznia e
Nordeste do Brasil.
Tomasella et al. (2009) apresentaram simulaes para a bacia do rio Tocantins,
para o cenrio A1B do CMIP3, usando o modelo regional ETA (com resoluo 40 km)
com condies de contorno do modelo global HadCM3. As sries de precipitao e
temperatura do ar foram utilizadas como dado de entrada para o Modelo hidrolgico de
Grandes Bacias (MGB-IPH). Para o perodo de 2080-2090, a reduo da vazo na bacia
55
da ordem de 30%, com a possibilidade de alcanar at 60% no perodo de estiagem.
Segundo os autores, o estudo indica que o impacto no uniforme para o ano inteiro e
que pode variar a depender das caractersticas fsicas da sub-bacia analisada.
J no trabalho de Mello et al. (2008), foi realizado o downscaling das
precipitaes mensais para os anos de 2001 a 2099 para a bacia hidrogrfica do rio
Paracatu, simulados pelo modelo de circulao geral do Hadley Centre (HadCM3). As
precipitaes interpoladas serviram como entrada em modelo do tipo precipitaovazo, que possibilitou a estimativa das vazes mnimas em 21 estaes fluviomtricas
distribudas na bacia. Para o cenrio A2, verificou-se tendncia de aumento na
disponibilidade hdrica em todas as estaes fluviomtricas, variando de 31 a 131% at
2099. Para o cenrio B2, no foi verificada nenhuma tendncia significativa.
3.2.2. Previso sazonal ou previso de curto prazo
Problemas como a preveno e o controle de cheias, a operao de reservatrios

e o planejamento do uso dos recursos hdricos esto diretamente associados ao processo
de previso de vazes, que apresentam incertezas decorrentes, essencialmente, da
modelagem do processo e das condies iniciais assumidas. A maioria dos estudos
relacionados a esta rea indicam a aplicao de dois tipos de modelagem: estatsticas ou
dinmicas. A primeira baseada no registro histrico de observaes de variveis
climticas e da prpria vazo, permitindo que vazes futuras sejam representadas a
partir de hipteses do comportamento das sries observadas. A segunda abordagem
procura representar os processos do ciclo hidrolgico, por intermdio da modelagem
atmosfrica e da modelagem hidrolgica, onde os resultados destes modelos podem ser
acoplados, obtendo-se assim uma representao fsica dos processos hidro-climticos de
uma determinada bacia hidrogrfica.
3.2.2.1. Previso estatstica
Uvo et al. (2000) utilizando regresso atravs de redes Neurais utilizando a

temperatura da superfcie do mar (TSM) do Pacfico equatorial e do Atlntico Tropical
realizaram previso de vazes com uma ou duas estaes de antecedncia para a regio
Amaznica para o perodo de 1946 a 1992. Obtiveram-se correlaes entre observado e
previsto das vazes no rio em nove localidades que variam de 0,35 a 0,76. Estes
56
resultados foram melhorados com a utilizao de um modelo de regresso linear
cannico implantado por Uvo e Graham (1998). Porm, no clara a possibilidade do
mtodo de redes neurais ser eficaz na gerao de cenrios probabilsticos para diversos
locais ao mesmo tempo, mantendo a mesma estrutura nos diversos locais e sendo de
fcil comunicao para o operador de reservatrios.
Uma abordagem semi-paramtrica para previso de vazes em vrios locais de
calibrao em uma rede de rio condicionadas a preditores climticos foi desenvolvida
por Souza Filho e Lall (2003) para a regio Nordeste do Brasil. A estratgia considera
previses estatsticas de vazes totais anuais ou sazonais em todos os locais e sua
desagregao mensal usando uma tcnica chamada k-vizinhos para reamostarem dos
possveis cenrios de vazes que mantm a consistncia de espao-tempo em diferentes
locais e subperodos.
Muitos operadores de hidrossistemas fazem as decises de alocao de gua e
estocagem para o prximo ciclo, simulando o sistema, usando sequncias de afluncias
reamostradas do registro histrico e preveem as demandas. Souza Filho e Lall (2003)
fornecem uma capacidade de reamostragem condicionada ao registro histrico,
considerando o estado dos principais preditores climticos.
Em uma anlise de competncias da previso global dos principais modelos de
circulao global do oceano e atmosfera para precipitao sazonal, Rajagopalan et al.
(2002) destaca que o Nordeste do Brasil uma das poucas regies do mundo onde h
habilidade consistente e estatisticamente significativa durante a estao chuvosa
primria (JaneiroMaio). A seca uma preocupao permanente no Estado do Cear no
Nordeste do Brasil e os sistemas de reservatrios frequentemente enfrentam
dificuldades, embora eles geralmente sejam projetados para um ciclo de armazenamento
2 a 3 anos.
Souza Filho e Lall (2003) realizaram uma investigao da dependncia da vazo
com relao TSM com diferentes defasagens em toda a regio de interesse. O estudo
realizado por Souza Filho e Lall (2003) procurou solucionar assuntos relacionados no
linearidade e no normalidade das relaes estatsticas, e a modificao necessria nos
mtodos clssicos de anlise linear e multivariada. As duas sries temporais
selecionadas como preditores foram o NINO3 (definida como a anomalia de
temperatura da superfcie do mar na regio do Pacfico equatorial entre 150 graus W e
90 graus W e 5 graus S e 5 graus N) e um gradiente da TSM do Atlntico (EAD), srie
57
definida como a diferena na mdia mensal da anomalia de TSM na regio do Atlntico
Norte (5-20N, 60-30W) e a mdia mensal da regio do Atlntico Sul (0-20S, 30W-10E).
A srie de tempo mensal para estes ndices foi derivada da malha de dados de TSM
desenvolvidos
por
Kaplan
et
al.
(1998)
disponvel
em
http://ingrid.ldeo.columbia.edu/SOURCES/KAPLAN/ EXTENDED /.
3.2.2.2. Previso acoplada
Inmeras tcnicas de combinao de conjuntos de multi-modelos foram

desenvolvidas, demonstrando melhora na habilidade das previses de vazo
(RAJAGOPALAN et al., 2002;DOBLAS-REYES et al., 2005; AJAMI et al, 2006;
DUAN et al ., 2006). Recentes avanos na habilidade de previso do clima e da
modelagem hidrolgica servem como um impulso para continuar a perseguir modelos
capazes de fornecer previses de vazo melhoradas (BARNSTON et al., 1999;.
MASON et al., 1999; RAJAGOPALAN et al., 2002). Pesquisas anteriores apoiam a
noo de que as combinaes dos modelos de previso podem produzir com habilidade
previses mais robustas e confiveis do que as previses de um nico modelo, atribui-se
a isto incluso de diferentes condies iniciais e de processos (BEVEN e FREER,
2001; GEORGAKAKOS et al., 2004; DOBLAS-REYES et al., 2005; REGONDA et al.,
2006). Modelos perfeitos de previso de clima e hidrologia no existem. Para melhorar
a habilidade da avaliao dos riscos e da interpretao probabilstica, as previses
devem ser colocadas em um contexto baseado na incerteza cumulativa inerente criada
durante todo o processo de modelagem. Os modelos climticos sofrem com as hipteses
das condies iniciais e de fronteira; falta de descrio dos processos e resoluo da
modelagem dinmica hidrolgica (ou seja, de deflvio), da estimativa do parmetro e da
estrutura do modelo (GODDARD et al., 2001;. GEORGAKAKOS et al. ,2004;
DOBLAS-REYES et al., 2005;. KANG e YOO, 2006).
Modelos de Circulao Geral (MCGs) so baseados nos princpios gerais da
dinmica dos fluidos e da termodinmica. Outros processos, tais como a conveco, que
ocorrem em escalas muito pequenas para serem resolvidas diretamente, exigem
parametrizao.
relativamente
MCGs
grosseira,
so
normalmente
geralmente
executados
maior
que
em
2.0,
resoluo
espacial
latitudinalmente
longitudinalmente. O resultado direto da baixa resoluo espacial produz uma diferena

de escala espacial grande entre as previses climticas disponveis e da escala de
58
interesse de previso climtica da maioria dos usurios. Para superar isso, modelos
climticos regionais (MCRs) estatsticos ou dinmicos, com maior resoluo espacial,
so construdos para reas limitadas. MCRs possuem relativamente alta resoluo,
impulsionados pela baixa resoluo dos MCG, e podem proporcionar significativos
recursos de pequena escala em uma regio limitada a um custo computacional acessvel
em comparao com MCGs de alta resoluo.
O Instituto Internacional de Pesquisa para o Clima e a Sociedade (IRI) e a
Fundao Cearense de Meteorologia e Recursos Hdricos (FUNCEME) no Brasil
desenvolveram um sistema de previso de downscaling dinmico para o Nordeste do
Brasil e tm gerado previses de chuvas sazonais desde Dezembro de 2001 (SUN et
al.,2005). O ECHAM 4.5 Modelo de Circulao Geral da Atmosfera (Atmospheric
General Circulation Model - AGCM) e o NCEP Modelo Espectral Regional (Regional
Spectral Model - RSM) constituem o ncleo desse sistema de previso. Este um
sistema de previso de duas camadas. Previses da temperatura da superfcie do mar
(TSM) so produzidos primeiro, que servem ento como condio de contorno forando
o limite inferior para o sistema aninhado ECHAM4.5 AGCM NCEP RSM.
3.2.3. Previso do tempo ou previso de curtssimo prazo
A previso em curtssimo prazo tem sido definida como a estimativa da varivel

com antecedncia de algumas horas ou dias, geralmente at um ms. Georgakakos e
Krysztofowicz (2001) mencionam at 14 dias, embora em algumas bacias esta
antecedncia possa ser ampliada com bons resultados. O fator limitante da previso em
curtssimo prazo a capacidade da varivel de entrada, utilizada na previso, em
antecipar os eventos no futuro.
Esse tipo de previso pode ser aplicado em sistemas de alertas de inundaes,
operao de obras hidrulicas como barragens, sistema de comportas de reservatrios,
entre outros.
Essas previses fornecem informaes importantes para diversos setores da
sociedade, principalmente para aqueles sensveis a essa varivel atmosfrica, como a
agricultura, recursos hdricos, transporte, energia hidrulica etc. Alm disso, a
possibilidade de prever eventos extremos permite que decises possam ser tomadas para
59
que os impactos de tais eventos sejam minimizados, reduzindo assim o grau de
vulnerabilidade de uma determinada regio.
O comportamento da atmosfera governado por leis fsicas que so expressas
em equaes matemticas. Tais equaes, entretanto, possuem muitas variveis e no
apresentam soluo analtica para valores futuros. Por essa razo, so utilizadas tcnicas
de modelagem numrica, dando origem aos modelos numricos de previso. Estes
modelos meteorolgicos podem ser globais ou regionais. Quando as equaes so
resolvidas sobre todo o globo sem ater-se s particularidades de cada regio, temos um
modelo global. Estes modelos so utilizados no somente para previso atmosfrica,
mas tambm para estudos climticos de escala global como a ao de poluentes na
camada de oznio ou a influncia do fenmeno El Nio no clima global. Vrios centros
de previso do tempo no mundo executam modelos globais, dentre os quais podem ser
destacados: NCEP (National Centers for Environmental Prediction) (TOTH e
KALNAY, 1993), ECMWF (European Centre For Medium Range Weather Forecast)
(BUIZZA e PALMER, 1995), JMA (Japan Meteorological Agency) e CPTEC (Centro
de Previso de Tempo e Estudos Climticos) (COUTINHO, 1999).
Os modelos regionais trabalham sobre uma rea geogrfica menor, podendo
trabalhar com uma resoluo maior, o que permite tratar mais detalhadamente fatores
locais como a topografia e a hidrografia. Apesar disso, so similares aos modelos
globais, pois tambm resolvem equaes que governam o movimento atmosfrico e so
operacionalmente dependentes destes, utilizando, como condies de fronteira, dados
obtidos de um modelo global.
Os modelos numricos da atmosfera resolvem as equaes do fluido atravs de
aproximaes. Alguns processos no conseguem ser explicitamente resolvidos nas
grades usuais de modelos atmosfricos, como a turbulncia, as trocas radiativas, os
processos microfsicos, a interao com a superfcie etc. Tais processos so usualmente
parametrizados. Neste caso, parametrizaes fsicas so aproximaes dos processos
fsicos cujas dimenses so menores do que aquelas representadas pela resoluo do
modelo, de modo que esses processos so simulados atravs de funes de outros
parmetros representados pelo modelo, especialmente quando seus efeitos mdios no
so desprezveis.
A limitao no acerto das previses dos modelos dinmicos para a previso
numrica do tempo, no associada somente ao tratamento inadequado dos fenmenos
fsicos da atmosfera, embora estes sejam suficientes para reduzir o prazo das previses.
60
Lorenz (1963,1965) observou que as equaes que governam os movimentos
atmosfricos apresentam sensvel dependncia em relao condio inicial, ou seja,
pequenos erros nas condies iniciais, aps algum tempo de integrao, podem
ocasionar grandes erros nas previses futuras. Estes erros vieram a ser chamados de
caticos devido ao comportamento irregular que apresentavam. Assim, de acordo com
a Teoria do Caos, fatores insignificantes podem amplificar-se temporalmente de forma a
mudar radicalmente um estado da atmosfera.
A destreza de um sistema de previso depende da capacidade de representao
dos processos naturais associado ao sistema meteorolgico que se pretende prever,
assim como da incerteza associada ao mesmo e das caractersticas do prprio modelo ou
conjunto de modelos (resoluo espacial, qualidade da representao dos processos
fsicos, nmero de membros, qualidade das condies iniciais assimiladas etc.).
Melhorar o entendimento em relao confiabilidade, sensibilidade e s limitaes do
sistema de previso crucial para que o mesmo possa se constituir enquanto ferramenta
para definir polticas de planejamento e gesto (REIS JNIOR et al., 2009).
A tcnica de previso por conjunto (ensemble) surge como uma forma de tratar
erros cometidos na gerao das condies iniciais da atmosfera e causados pelas
deficincias do modelo, buscando ampliar o prazo de previso do modelo e obter
melhores previses numricas de tempo (TOTH e KALNAY, 1993).
3.2.3.1. A previso do tempo no Cear
A Fundao Cearense de Meteorologia e Recursos Hdricos (FUNCEME),

atravs do projeto PSICO (Previso de Sistemas Convectivos: Observaes,
Modelagem e Nowcasting), implantou um sistema de previso numrica de tempo por
ensemble via modelos regionais. Essa previso feita operacionalmente com os
modelos Regional Atmospheric Modeling System (RAMS; PIELKE et al., 1992;
COTTON et al., 2003) 6.0 e o Weather Research & Forecasting (WRF;
http://www.mmm.ucar.edu/wrf/users/).
Esse sistema de previso por conjunto inicializado com dados dos modelos
globais do CPTEC e/ou do Global Forecast System (GFS). O mtodo empregado para
gerao do conjunto de previses consiste na utilizao de combinaes de diferentes
61
configuraes fsicas e distintas condies iniciais e fronteira para cada rodada dos
modelos, originando um super-ensemble.
O ensemble regional FUNCEME de previso numrica de tempo consiste em
quatro combinaes de configurao do modelo RAMS aliados a duas combinaes de
configuraes do modelo WRF, totalizando seis membros.
Os membros que utilizam o modelo regional RAMS so obtidos com a
combinao de duas opes de parametrizao de conveco e duas fontes distintas de
forantes de grande escala. J os que utilizam o modelo regional WRF so obtidos com
duas opes de parametrizao de conveco a partir do mesmo forante de grande
escala (SILVEIRA et al., 2011).
3.2.3.2. A previso do tempo no setor eltrico brasileiro
Atualmente, esto sendo testadas novas configuraes para o sistema de previso

numrica do tempo, estas informaes devem ser usadas para o planejamento energtico
semanal. Este teste baseia-se no uso de previses de precipitao simuladas pelo modelo
Regional ETA, com resoluo horizontal de 40 km e resoluo vertical de 38 camadas,
mais detalhes do modelo ver em Black (1994). Estes dados servem de entrada para o
modelo hidrolgico SMAP (LOPES et al., 1981) para obteno das vazes.
Com intuito de melhorar a previsibilidade e estender o prazo de validade das
previses, o Instituto Nacional de Pesquisas Espaciais (INPE) tem testado novas
configuraes de previso numrica do tempo usando modelos regionais. Estes testes
possuem duas vertentes: a primeira consiste em utilizar novos modelos regionais (no
caso o modelo regional BRAMS) com as mesmas condies de fronteira atual e a
segunda consiste no uso do mesmo modelo regional com diferentes configuraes
fsicas e com os mesmos dados de fronteira combinado a uma melhor resoluo de
grade (aproximadamente 15 km).
62
4. LOCAL DE APLICAO
Para a aplicao da metodologia desenvolvida neste trabalho, foram escolhidos

dois grandes sistemas com diferentes escalas espaciais, os mesmos so caracterizados
nas sees 4.1 e 4.2:
O sistema Jaguaribe-Metropolitano do Cear;
O Sistema Interligado Nacional (SIN), o setor eltrico brasileiro.
4.1. Cear: Sistema Jaguaribe-Metropolitano
A primeira regio de aplicao da metodologia o sistema da regio Jaguaribe e

Metropolitana, no Estado do Cear. O Estado do Cear tem como uma das principais
mananciais hdricas o rio Jaguaribe, drenando uma rea correspondente a 48% do
Estado, e beneficiando 81 dos 184 municpios inseridos no territrio estadual.
O sistema Jaguaribe-Metropolitano, considerado neste estudo, constitui-se no
principal sistema de reservatrios do Estado, sendo composto pelos reservatrios: Ors,
Castanho, Banabui, Pacoti-Riacho e Gavio. O sistema tem como principais
demandas o abastecimento humano, a irrigao e o Complexo Industrial e Porturio do
Pecm (CIPP), sendo 47% dos recursos hdricos destinados irrigao e 32% ao
abastecimento humano, sendo a Regio Metropolitana de Fortaleza (RMF) responsvel
por 78% dessa demanda.
Para reforar o atendimento nas demandas da RMF e para atender as futuras
demandas do CIPP, est em fase de concluso o Eixo das guas que realizar a
transposio das guas do Aude Castanho para a Regio Metropolitana de Fortaleza
(RMF), em uma extenso de 255 quilmetros, realizando a integrao das bacias
hidrogrficas do Vale do Jaguaribe e da Regio Metropolitana, beneficiando uma
populao de aproximadamente trs milhes de habitantes. Estima-se que o custo total
da obra ultrapasse 1 bilho de reais.
O sistema de abastecimento da Regio Metropolitana de Fortaleza (RMF)
formado por cinco reservatrios: Pacoti, Riacho e Acarape do Meio na Bacia do Rio
Pacoti; Pacajus na bacia do rio Chor e Gavio na bacia do rio Coc, sendo esses
reservatrios interligados por canais e adutoras.
63
O presente trabalho considera quatro dos principais audes do Sistema Jaguaribe
Metropolitano: Ors, Banabui, Castanho e Pacoti/Riacho. Conforme mostra a Figura
9.
A vazo anual em todos os locais altamente varivel e assimtrica. Noventa
por cento dessas vazes ocorrem nos meses de janeiro a junho. A demanda de gua da
Bacia do Jaguaribe destinada 80% para irrigao e 20% para consumo urbano, e a
demanda de gua das Bacias Metropolitanas predominantemente para uso urbano e
industrial. Por conseguinte, so distribudas relativamente uniformes as demandas na
bacia Metropolitana durante o ano, enquanto na bacia de Jaguaribe se concentram no
perodo de agosto a novembro com uso pela irrigao.
Por ser localizada no semirido do nordeste brasileiro uma regio pobre em
volume de escoamento de gua dos rios. Essa situao pode ser explicada pela alta
evaporao, pela variabilidade temporal das precipitaes e pelas caractersticas
geolgicas dominantes. um lugar onde h predominncia de solos rasos baseados
sobre rochas cristalinas e, consequentemente, baixas trocas de gua entre o rio e o solo
adjacente. O resultado a existncia de uma densa rede de rios intermitentes.
Essas caractersticas tornam a regio particularmente vulnerveis a flutuaes
climticas e aos seus impactos nos suprimentos de gua (SOUZA FILHO e MOURA,
2006). A chuva na regio altamente varivel no espao, dentro da estao chuvosa e
entre anos (KOUSKY, 1979). A sazonalidade da chuva regional, e consequentemente
das vazes, governada em grande parte pela migrao norte/sul da zona de
convergncia intertropical (ZCIT).
64
Figura 9- Reservatrios do Cear por Regio Hidrogrfica. Onde: 1-Ors, 2-Castanho,
3-Banabui, 4-Pacoti-Riacho.
4.2.
Setor Eltrico brasileiro
A matriz energtica brasileira basicamente constituda por energias

consideradas limpas, principalmente provenientes de hidroeltricas. O setor eltrico
brasileiro possui uma capacidade outorgada pela ANEEL (Agncia Nacional de Energia
Eltrica) de 116.618,4 MW, dos quais 81.002,3 MW (68%) em usinas hidreltricas
(ANEEL, 2011). Segundo o Boletim de Monitoramento do Sistema Eltrico de Abril de
2011 do Ministrio das Minas e Energia a capacidade instalada da matriz eltrica
brasileira de 114.229MW, sendo que 81.152MW (71,04%) provm das hidreltricas.
65
O SIN responde pela produo e transmisso de energia eltrica do Brasil. O
SIN caracterizado por ser um sistema hidrotrmico de grande porte, com significativa
predominncia de gerao hidreltrica. O planejamento e a gerao eletroenergtica do
SIN apresentam uma estreita correlao com os estoques de gua existentes nos
reservatrios das usinas hidreltricas e as suas afluncias. Segundo o Operador Nacional
do Sistema Eltrico ONS, somente 3,4% da capacidade de produo de energia
eltrica do pas encontra-se fora do SIN.
Esta fonte de energia renovvel possui a grande vantagem comparativa com
outras fontes, como as termoeltricas, no que se refere emisso de gases estufas,
porm so bastante sensveis as variveis atmosfricas. Devido irregularidade das
vazes fluviais e necessidade de manter a continuidade do fornecimento de energia
eltrica, o sistema de gerao de energia eltrica brasileiro, alm de contar com usinas
termoeltricas de complementao (o que implica em custos de combustveis), conta
tambm com um conjunto de reservatrios de acumulao, cuja funo essencialmente
a regularizao dos regimes fluviais, atravs do armazenamento de gua nos perodos de
maiores afluncias naturais de vazes fluviais, para ser utilizada durante os perodos
mais secos, quando so escassas as vazes fluviais. A capacidade de armazenamento
hoje disponvel permite no s a regularizao interanual do sistema, como tambm
fornece proteo contra ocorrncia de sequncias de anos secos, configurando-se a
chamada regularizao plurianual do sistema.
Diante disso, a hegemonia da hidroeletricidade na matriz de energia eltrica
brasileira impe cautelosa anlise sobre o regime fluvial e seus padres de variao
temporal tendo em vista o significativo impacto que estas variaes podem produzir na
oferta de energia e consequentemente em toda a economia nacional.
A capacidade de gerao futura do sistema influenciada pelas afluncias
hidrolgicas futuras, cujas previses e incertezas devem ser consideradas no
planejamento da operao do sistema. Em geral, a qualidade das previses hidrolgica
afeta o desempenho da operao do sistema aumentando benefcios e confiabilidade e,
reduzindo custos.
4.2.1. Caracterizao das regies que compem o SIN
Na Figura 10 mostrada a energia natural afluente para os quatro subsistemas do

SIN. Existe uma complementaridade hidrolgica existente entre as Regies
66
Sudeste/Centro-Oeste e Sul. A distribuio das energias naturais afluentes mdias
mensais mostra que os respectivos perodos secos e midos no so coincidentes nessas
regies. A natureza do Sistema Interligado Nacional faz com que exista um
acoplamento espacial e temporal das decises tomadas na sua operao energtica.
O setor Nordeste brasileiro possui um ciclo anual bem definido de precipitaes,
onde predominam dois perodos distintos: o perodo de chuva e o perodo seco. O
perodo chuvoso concentra-se entre dezembro e julho e o principal sistema produtores
de chuva a ZCIT (CAVALCANTI et al.,2009; MOLION e BERNARDO, 2002)
seguido de sistemas secundrios tais como: linhas de instabilidade, complexos
convectivos de mesoescala e efeitos de brisas, proximidade das frentes frias e os
vrtices ciclnicos de ar superior.
A sazonalidade do setor Norte praticamente coincidente com a regio
Nordeste, onde, durante o perodo chuvoso, as vazes de Tucuru so extremamente
elevadas, indicando que parte da energia gerada pode ser levada para outra regio. O
principal sistema climtico causador de chuvas que influencia nessa regio a zona de
convergncia do Atlntico Sul.
A regio Sudeste/Centro-oeste a de maior demanda do pas e importar energia
de outras regies a maior parte do ano. Esta regio tambm bastante influenciada pela
zona de convergncia do Atlntico Sul.
A regio Sul possui grande variabilidade de armazenamento e a regio
Sudeste/Centro-oeste extremamente dependente desta regio. Esta regio bastante
influenciada por frentes frias.
67
Figura 10 - Energia Natural Afluente em MW (a unidade usada relao entre a energia
gerada e o tempo de funcionamento das instalaes) dos subsistemas do setor eltrico
brasileiro no perodo de 2002 a 2011.
Fonte:
Operador
Nacional
do
Sistema
http://www.ons.org.br/historico/energia_natural_afluente_out.aspx#.
Eltrico
(ONS)-
4.2.2. O processo de planejamento no setor eltrico
A poltica tima de gerao do SIN tem por objetivo o atendimento da demanda

hdrica para cada intervalo de tempo do planejamento, ao mnimo custo, preservando a
confiabilidade da operao eltrica.
O problema de otimizao do planejamento da operao eletroenergtica do SIN
consiste em minimizar os custos globais de produo de energia eltrica, determinando
metas de gerao para as usinas hidro e termoeltricas ao longo de um horizonte de
estudo, garantindo o atendimento demanda de energia eltrica e s restries
operativas do sistema. Para que este planejamento seja efetivo, permitindo que a
modicidade tarifria seja alcanada, ele deve ser feito de forma coordenada,
considerando as diferentes dimenses do problema: (i) a dimenso temporal, j que as
decises de armazenamento dos reservatrios das usinas no tempo presente influenciam
as condies futuras; (ii) a dimenso espacial, pois a disposio das bacias hidrogrficas
do pas permite que se tenham usinas em uma mesma cascata, neste sentido a operao
68
de usinas na cabeceira dos rios influenciam a operao das usinas a jusante; e (iii) as
incertezas das afluncias futuras.
Com isso, h necessidade de se mitigar os riscos decorrentes da relao entre os
estoques presentes, as afluncias futuras e o no atendimento aos requisitos de carga do
SIN. Neste sentido, feita a previso e a gerao de cenrios de afluncias aos
aproveitamentos
hidroeltricos
situados
nos
quatro
subsistemas
do
SIN:
Sudeste/Centro-Oeste, Sul, Nordeste e Norte.

Para o processo de planejamento do SIN, no horizonte de at um ms frente, as
previses de vazo para cada usina so obtidas a partir da utilizao de modelos
autorregressivos do tipo vazo-vazo e modelos chuva-vazo, que podem ser de base
fsica, autorregressivos ou baseados em inteligncia artificial. Para cada semana
operativa atribudo um nico valor de vazo natural para cada aproveitamento
hidroeltrico. No horizonte temporal acima de um ms aumentam as incertezas de
previso das afluncias, sendo ento necessria a utilizao de sries sintticas de
afluncia, obtidas a partir da utilizao de modelos estocsticos autorregressivos do tipo
vazo-vazo. Estes modelos tm como objetivo gerar sries sintticas, que na realidade
so possveis realizaes de um determinando processo estocstico, como o caso do
regime de vazes de uma determinada bacia hidrogrfica. As vazes destas sries so
geradas a partir do sorteio de rudos estatsticos, obtidos da srie temporal de cada usina
e segundo um conjunto de formulaes probabilsticas. Desta forma, so obtidas
sequncias de sries que se assemelhem quelas que poderiam ser geradas pela
natureza. Ou seja, dada a incerteza associada a este processo, obtm-se um conjunto de
cenrios de afluncia que sero tratados de maneira diferenciada em cada etapa do
processo de planejamento da operao do SIN. No entanto, esta gerao de cenrios de
afluncias no incorpora objetivamente nenhum tipo de informao climtica.
69
5.
ESTRATGIA
TEMPORAIS
METODOLGICA
DAS
MLTIPLAS
ESCALAS
O resultado principal deste trabalho a elaborao de um sistema de previso,

projees e/ou cenarizaes de vazes para diversos horizontes temporais.
A Figura 11 mostra as escalas temporais analisadas. Esta anlise realizada para
todo o SIN, sendo a escala continental deste sistema um desafio metodolgico. Alm
disso, essa estratgia aplicada ao sistema Jaguaribe- Metropolitano.
A chamada variabilidade de curtssimo prazo aquela que ocorre num evento
chuvoso de minutos, horas ou alguns dias, que podem determinar inundaes e afetar
populaes. A previso nesse intervalo de tempo pode condicionar a operao de
comportas de reservatrio e minimizar impactos de eventos extremos.
A variabilidade temporal sazonal (dentro do ano), chamada neste estudo de curto
prazo, define o ciclo de ocorrncia dos perodos midos e secos no qual a populao e
os usurios da gua procuram conviver. Dentro deste mbito est o ciclo de culturas
agrcolas, alterao da paisagem e vegetao pela disponibilidade umidade, entre outros.
A escala de mdio prazo corresponde a projees e/ou cenarizaes de at 10
anos, est sofre influencia da variabilidade interanual, decadal e das mudanas
climticas.
A escala de longo prazo corresponde escala de 30 anos, logo h influencia da
variabilidade de baixa frequncia e das mudanas climticas.
Neste captulo mostrada sucintamente a estratgia metodolgica utilizada em
cada uma das escalas temporais. Destaca-se ainda, as diferentes escalas espaciais
utilizadas neste estudo e os dados observados e de diferentes modelos que tornaram os
experimentos possveis.
70
Figura 11-Horizontes de previso propostos.
5.1. Obteno dos dados
O histrico de precipitao foi obtido junto Agncia Nacional das guas

(ANA - http://hidroweb.ana.gov.br/), INMET (BDMEP), FUNCEME e SUDENE.
Tambm foram utilizados a base de dados observacionais provenientes da
University of East Anglia/Climate Research Unit (CRU) (NEW et al., 1999 e NEW et
al., 2001) (http://badc.nerc.ac.uk/data/cru/).
Para a escala de longo prazo foi feito um levantamento de todos os modelos de
circulao geral do IPCC-AR5 que possuem as variveis de entrada do modelo
hidrolgico disponveis.
Para escala sazonal foi feito uma pesquisa de todos os modelos atmosfricos que
possuem histrico de simulaes ou previses disponveis para download, que sejam
executados de forma operacional e que as suas rodadas operacionais tambm estejam
disponveis para um horizonte de seis meses, tanto de centros nacionais quanto
71
internacionais. A partir de anlise estatsticas foi possvel identificar para previso
sazonal o modelo ECHAM 4.5.
Para a escala de curtssimo prazo foram analisados os modelos regionais de
previso numrica do tempo disponibilizados pela FUNCEME e os testados pela ONS.
5.2. Delimitao espacial do problema das mltiplas escalas temporais
Apesar do sistema de previses e projees referir-se a mesma rea, os mesmos

so analisados com subdivises espaciais diferentes de acordo com a tcnica e a escala
temporal usada. Nesse sentido, essa seo sinaliza quais as subdivises de rea usadas
para SIN e para o Cear.
5.2.1. Setor eltrico
Nesta seo so mostradas as diferentes configuraes espaciais em anlise no

experimento para o setor eltrico.
A primeira anlise espacial corresponde diviso do setor eltrico em 24 bacias
contemplando praticamente todo territrio brasileiro e os principais aproveitamentos
hidreltricos do pas. Esse tipo de anlise foi utilizado para previso sazonal e na escala
de longo prazo com uso de modelos de circulao global. Maiores detalhes podem ser
consultados na seo 5.2.1.1..
A segunda organizao espacial do setor eltrico, mostrada na seo 5.2.1.2,
corresponde ao uso dos chamados postos bases. No total de 88 postos, estes esto
espalhados em todo territrio nacional e foram utilizados em alguns modelos
estocsticos sazonais e para todos os modelos de mdio prazo.
A seo 5.2.1.3 mostra o setor eltrico dividido em 21 trechos, essa configurao
espacial utilizada para escala de curtssimo prazo.
5.2.1.1. Anlise utilizando as bacias dos principais aproveitamentos hidroeltricos
Na Figura 12 so mostradas as bacias monitoradas pelo Operador Nacional de

Sistemas (ONS). Com exceo da bacia de Santo Antnio, todas esto completamente
inseridas em territrio brasileiro. O amplo sistema de produo e transmisso de energia
72
eltrica do Brasil Sistema Interligado Nacional (SIN) implica numa grande
diversidade de regies, que possuem influencias climticas de vrios fenmenos
meteorolgicos. Devido a isso, vrias bacias possuem comportamentos sazonais
distintos (conforme Figura 10), a fim de se aproveitar ao mximo os recursos
energticos existentes no Pas e a sazonalidade hidrolgica prpria de cada regio.
Assim, o sistema dividido em quatro subsistema: Regio Sudeste/Centro-Oeste,
Regio Sul, Regio Norte e Regio Nordeste. Estes subsistemas so interligados por
uma extensa malha de transmisso que possibilita a transferncia de excedentes
energticos e permite a otimizao dos estoques armazenados nos reservatrios das
usinas hidroeltricas. Na Tabela 2 so mostrados os aproveitamentos utilizados na
anlise e suas respectivas potncias instaladas.
Figura 12-Bacias do setor eltrico brasileiro utilizadas no trabalho.
73
Tabela 2- Potncia instalada nas bacias utilizadas no experimento.

Aproveitamentos
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
N. Avanhandava
Porto Primavera
Rosana
Itaipu
Santa Ceclia
Salto Caxias
Ita
D. Francisca
Potncia(MW)
1192
510
2280
1710
1312
1396,2
347,4
1540
372
7000/7000*
Aproveitamentos
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lajeado
Tucuru
Belo Monte
Teles Pires
S. L. Tapajs
Santo Antnio
Potencia(MW)
396
1050
3162
1275
902
4215/4125*
194,5
1819,8
3151,2
1450
125
Fonte: ONS.
5.2.1.2. Postos Base (PB)
O ONS trata os aproveitamentos hidroeltricos do SIN como postos fictcios,

estes podem representar reservatrios de acumulao de usinas hidroeltricas, usinas a
fio dgua, grupo de usinas agregadas, usinas considerando suas bacias hidrogrficas de
forma integral ou parcial, usinas com bacias hidrogrficas sob influncia de
reservatrios a montante ou entrada/sada de vazes pontuais (ALEXANDRE, 2012).
Os postos fictcios podem ser tambm usinas planejadas ou em construo para
verificao do seu comportamento individual e inserida no Sistema. At o fim de 2010 o
SIN contava com 206 postos fictcios de acordo com ONS.
A partir das metodologias e/ou critrios utilizados na previso de vazes, e
levando em considerao a estrutura correlacional das vazes naturalizadas para os
postos fictcios, o ONS adotou a realizao de previso de vazes para um subconjunto
de aproveitamentos hidroeltricos considerados representativos das diferentes bacias,
denominados de Postos Base (PBs) (ALEXANDRE, 2012). No restante dos postos
fictcios, as vazes so previstas atravs de regresses lineares mensais a partir dos
74
dados previstos nos PBs, complementando assim as previses de vazes em todo o
SIN.
O ONS trabalha atualmente com um nmero total de 88 PBs representativos
dos diversos regimes hidrogrficos regionais encontrados em territrio brasileiro. Nesta
tese foram utilizados como dados amostrais mensais os 88 PBs. Esses PBs so
relacionados na Tabela 3 e sua distribuio espacial apresentada na Figura 13.
Tabela 3-Postos Bases utilizados na anlise de previso de vazes. Os valores entre

parnteses representam os indicadores de postos fictcios do ONS
Identificador
PB
ONS
1
1
2
6
3
14
4
17
5
18
6
24
7
25
8
31
9
32
10
33
11
34
12
99
13
117
14
119
15
120
16
121
17
155
18
156
19
158
20
160
21
164
22
205
23
206
24
209
25
211
26
237
27
240
28
242
29
243
30
245
31
247
32
251
33
294
34
125
35
130
36
134
37
144
38
149
39
188
Nome do Posto Base

Camargos (1)
Furnas (6)
Caconde (14)
Marimbondo (17)
gua Vermelha (18)
Emborcao (24)
Nova Ponte (25)
Itumbiara (31)
Cachoeira Dourada (32)
So Simo (33)
Ilha Solteira (34)
Espora (99)
Guarapiranga (117)
Billings + Pedras (119)
Jaguari (120)
Paraibuna (121)
Retiro Baixo (155)
Trs Marias (156)
Queimado (158)
Alto Tiet (160)
Edgard de Souza S/Tribut. (164)
Corumb IV (205)
Miranda (206)
Corumb I (209)
Funil-Grande (211)
Barra Bonita (237)
Promisso (240)
Nova Avanhandava (242)
Trs Irmos (243)
Jupi (245)
Cau (247)
Serra do Faco (251)
Salto (294)
Sta. Ceclia (125)
Ilha dos Pombos (130)
Salto Grande (134)
Mascarenhas (144)
Candonga (149)
Itapebi (188)
Identificador
PB
ONS
45
254
46
168
47
259
48
278
49
281
50
295
51
296
52
190
53
191
54
253
55
257
56
270
57
271
58
273
59
275
60
145
61
277
62
279
63
287
64
291
65
266
66
246
67
47
68
61
69
63
70
115
71
71
72
72
73
73
74
74
75
76
76
77
77
78
78
92
79
93
80
94
81
98
82
101
83
102
Nome do Posto Base

Pedra do Cavalo (254)
Sobradinho Incremental (168)
Itiquira I e II (259)
Manso (278)
Ponte de Pedra (281)
Jauru (295)
Guapor (296)
Boa Esperana (190)
Cana Brava (191)
So Salvador (253)
Peixe Angical (257)
Serra da Mesa (270)
Estreito Tocantins (271)
Lajeado (273)
Tucuru (275)
Rondon II (145)
Curu-Una (277)
Samuel (279)
Santo Antonio (287)
Dardanelos (291)
Itaipu (266)
Porto Primavera (246)
A.A. Laydner (47) Jurumirim
Capivara (61)
Rosana (63)
Gov. Parigot de Souza (115)
Santa Clara PR (71)
Fundo (72)
Desvio Jordo (73) Natural
Foz Do Areia (74)
Segredo (76)
Salto Santiago (77)
Salto Osrio (78)
Ita (92)
Passo Fundo (93)
Foz do Chapec (94)
Castro Alves (98)
Salto Pilo (101)
So Jos (102)
75
40
196 Rosal (196)
41
197 Picada (197)
42
201 Tocos (201)
43
255 Irap (255)
44
283 Santa Clara MG (283)
Fonte: Alexandre (2012).
84
85
86
87
88
111
215
216
220
286
Passo Real (111)

Barra Grande (215)
Campos Novos (216)
Monjolinho (220)
Quebra Queixo (286)
Figura 13-Distribuio espacial dos Postos Base utilizados na anlise de previso de

vazo.
Fonte: Alexandre (2012)
5.2.1.3. Anlise utilizando as bacias que compem o SIN
Na Figura 14 e Tabela 4 so mostradas as bacias e/ou sub-bacias (ou trechos)

utilizadas para avaliao dos modelos numricos de previso do tempo, totalizando 21 regies.
Tabela 4-Bacias do setor eltrico do Brasil selecionadas para avaliao dos modelos
numricos de previso do tempo.
Bacia
Sub-bacias ou trechos
Uruguai
Jacu
Montante - Foz do Areia
Jusante - Foz do Areia
Montante - Jupi
Jusante Jupi
Iguau
Paran
76
Paranapanema
Tiet
Paraba do Sul
Grande
Paranaba
So Francisco
Tocantins
Montante - Capivara
Jusante - Capivara
Montante - Barra Bonita
Jusante - Barra Bonita
10
Montante - Funil
11
Jusante Funil
12
Montante - Furnas
13
Jusante - Furnas
14
Montante - Emborcao
15
Jusante - Emborcao
16
Montante - Trs Marias
17
Trs Marias - Sobradinho
18
Montante - Serra da Mesa
19
Serra da Mesa - Lajeado
20
Lajeado Tucuru
21
Figura 14- Bacias ou trechos selecionados para a avaliao, com seu respectivo nmero,
designado na Tabela 4.
5.2.2. Cear- sistema Jaguaribe-Metropolitano
Nesta seo so mostradas as diferentes escalas espaciais utilizadas para o a

anlise do Cear.
A primeira anlise espacial, apresentada na seo 5.2.2.1., mostra a disposio
de 480 pluvimetros espalhados por todo o Estado. Estes foram interpolados para
grades de modelos regionais e utilizados para verificao das previses de tempo.
77
Na seo 5.2.2.2. o Cear dividido em oito regies homogneas, essa
disposio espacial tambm utilizadas para verificao das previses de tempo dos
modelos regionais.
A disposio espacial da seo 5.2.2.3. se refere a bacia que compe o
hidrossistema Jaguaribe-Metropolitano, sendo utilizado na escala temporal de longo
prazo.
5.2.2.1. Cear- Anlise por ponto de grade
Para avaliar a destreza dos modelos de previso do tempo, foram comparados os

valores simulados de precipitao acumulada diria de 7 horas a 7 horas do dia seguinte
com os dados de 480 pluvimetros espalhados por todo o estado do Cear, conforme
mostra a Figura 15, interpolada para a grade dos modelos regionais.
Figura 15- Localizao dos pluvimetros usados no estudo.
A precipitao interpolada para os pontos da grade constitui-se de uma media

ponderada das precipitaes observadas (tal que as funes-peso so dadas conforme
Silveira et al. (2011) ).
78
5.2.2.2. Cear- Anlise por regies Homogneas
Para o clculo da precipitao mdia, em alguns experimentos, empregou-se o

mtodo de Thiessen em cada regio homognea (conforme ilustra a Figura 16), que
emprega a rea de influncia de cada ponto de grade.
Figura 16-Regies homogneas do Cear, destaque para regio de Jaguaribana (em

vermelho os pontos de grade e em azul a rea de influncia de cada ponto).
5.2.2.3. Cear - bacias dos hidrossistemas
A terceira configurao espacial utilizada a mostrada na
Figura 9, que
representa as bacias dos principais hidrossistemas do Cear, sistema Jaguaribe-Metropoliatano.
5.3. Estudo da Variabilidade hidrolgica
A variabilidade climtica decorre de um processo natural, mas atualmente pode

estar sendo modificada. Ela pode ocorrer em diferentes padres espaciais e temporais. A
compreenso dos seus padres de variao decisiva para a formulao estratgias de
gesto do risco climtico nos recursos hdricos. Para tanto so utilizados mtodos
clssicos (mdias e medianas mveis) e as transformadas de ondeletas e Fourier.
79
Especificamente, mtodos hidrolgicos estocsticos tm sido muito teis para
uma variedade de problemas de recursos hdricos onde a incerteza temporal precisa ser
quantificada. Os modelos de sries temporais que foram desenvolvidos amplamente
desde os anos 1960 tm sido utilizados geralmente assumindo que a srie modelada vem
de um processo estacionrio ou ciclo estacionrio. Assim, a literatura foi desenvolvida
em torno de modelos auto-regressivos de mdia mvel e suas extenses para considerar
a sazonalidade atravs de termos peridicos (KWON et al., 2007; KEPPENNE e
LALL,1996) .
No entanto, como o nmero de registros tem aumentado, os hidrlogos tem
tomado conhecimento da estrutura de baixa frequncia (por exemplo, tais oscilaes
ENSO e PDO ) do clima e associado a srie histrica hidrolgica (KEPPENNE e
LALL, 1996). Com isso, para compreender a variabilidade climtica, neste estudo, foi
considerado um modelo que utiliza esta estrutura de baixa frequncia das sries
histricas. Este modelo o WARM (Wavelet autoregressive model),sendo usado para a
anlise das projees de mdio prazo.
5.4.Previso em multi-escalas
Est seo apresenta a metodologia utilizada nas diferentes escalas temporais.
5.4.1. Projees de longo prazo

Para anlise de longo prazo so considerados a anlise da variabilidade da srie
temporal e o uso dos modelos do IPCC-AR5, conforme mostra o captulo 6.
5.4.2. Projees de mdio prazo
Na Figura 17 mostrado o esquema contendo o sistema de projees de mdio

prazo, forma usados modelos estocsticos, identificao da variabilidade climtica e
modelos baseados na transforma de Fourier e ondeletas.
80
Figura 17-Sistema de previso proposto para escala temporal de mdio prazo
5.4.3. Previso de Curto prazo
Sries temporais com intervalo de tempo menor que um ano, tais como sries
mensais, tm como caracterstica o comportamento peridico das suas propriedades
probabilsticas, como exemplo a mdia, a varincia, a assimetria e a estrutura de
autocorrelao. A anlise deste tipo de srie pode ser feita pelo uso de formulaes
autorregressivas cujos parmetros apresentam um comportamento peridico. Ou ainda,
atravs do uso de modelos atmosfricos globais e/ou regionais para posterior entrada no
modelo hidrolgico. Os detalhes desse horizonte de previses podem ser visualizados
na Figura 18.
Dentre os modelos hidrolgicos conceituais disponveis para a realizao deste
estudo, de distribuio livre e cdigo aberto, destacam-se os modelos concentrado
SMAP (LOPES et al.,1981) e o modelo semi-distribudo para Grandes Bacias MGB
(COLLISCHONN et al., 2007). No entanto, segundo Guilhon et al. (2007), apesar do
modelo MGB possuir uma melhor representao dos processos dinmicos da gua no
solo, ele requer um nmero muito maior de informaes, e seus resultados para as
81
bacias dos rios Paran e Paranaba, que foram analisadas neste estudo, foram muito
prximos dos resultados obtidos com as previses do modelo SMAP, sendo o SMAP
mais robusto e exige menos parmetros. Sendo assim, o modelo SMAP foi o modelo
escolhido para o desenvolvimento deste estudo.
Na Figura 19 mostrado o esquema do uso modelo hidrolgico SMAP aplicado
a dados de modelo atmosfrico.
Figura 18-Sistema de previso proposto para escala temporal de curto prazo.
82
Figura 19- Diagrama esquemtico do downscaling com acoplamento entre modelos
hidrolgicos e atmosfricos, modo unidirecional.
5.4.4. Previso de curtssimo prazo

Para as previses numricas de tempo foram usados o dados dos modelos
atmosfricos globais do Centro de Previso de Tempo e Estudos Climticos (CPTEC)
(T126L28) ou Global Forecast System (GFS) com resoluo espacial de 1o por 1o.
Ambos so disponibilizados diariamente.
Nesta etapa, foi utilizado o downscaling dinmico, usando o os modelos
regionais RAMS 6.0 (Regional Atmospheric Modeling System) (PIELKE et al., 1992;
COTTON et al., 2003) , WRF 3.1 (Weather Research and Forecasting)
(SKAMAROCK et al., 2005) e ETA.
83
6.
METODOLOGIA: ESCALA DE LONGO PRAZO
A variabilidade climtica de baixa frequncia e as mudanas causadas por

processos naturais e fatores antrpicos podem resultar em grandes alteraes no ciclo
hidrolgico. Essas alteraes tm o potencial de alterar os valores sazonais de vazes e
os padres de variabilidade natural de uma dada regio. Com intuito de analisar o
impacto da variabilidade de baixa frequncia e mudanas no clima no setor eltrico e
Cear os modelos globais do IPCC, referente ao quinto relatrio, foram analisados para
o sculo XX e XXI para diferentes cenrios.
A metodologia desta escala temporal divide-se, basicamente, em cinco etapas.
Os modelos globais so avaliados quanto representao dos padres de variao do
clima no sculo XX. Em seguida obtm-se as evapotranspiraes a partir dos modelos
do IPCC-AR5, usando o mtodo de Penman-Motheith modificado. A terceira etapa
consiste na obteno das precipitaes mdias dos modelos para bacia de interesse, para
posterior correo estatstica para remoo de vis usando a funo de distribuio
gama. J na quarta etapa obtm-se as vazes usando o modelo hidrolgico SMAP, tendo
como dados de entrada as evapotranspiraes e precipitaes corrigidas. A quinta etapa
consiste em avaliar os resultados das projees utilizando algumas mtricas, medidas de
tendncia e ondeletas. Desta forma, possvel quantificar a sensibilidade da oferta
variabilidade e (s) mudanas climticas.
6.1. Dados observacionais
A base de dados observacionais proveniente da University of East

Anglia/Climate Research Unit (CRU) (NEW et al., 1999 e NEW et al., 2001), dados
disponibilizados pelo Instituto Nacional de Meteorologia (INMET) e os dados
pluviomtricos disponibilizados pela FUNCEME e SUDENE.
O conjunto de dados do CRU corresponde precipitao mensal entre os anos
de 1950 e 1999, com resoluo de 0,5 graus para o continente, sendo usados para a
correo estatstica dos modelos globais do IPCC-AR5. Enquanto os dados do INMET
correspondem s sries de precipitaes mensais de 1997 a 2007, sendo utilizado para a
validao e calibrao dos parmetros do modelo chuva-vazo do setor eltrico. Da
mesma forma, os dados da FUNCEME e SUDENE foram utilizados para validao e
calibrao do modelo SMAP para as bacias do Cear.
84
6.2. Modelos do CMIP5
Os dados provenientes do CMIP5 so resultados de simulaes de modelos

globais de alguns centros de pesquisa que contribuem para confeco dos relatrios dos
IPCC (conforme Tabela 5), foradas pelas concentraes observadas de gases de efeito
estufa durante o sculo XX.
Tabela 5- Modelos do CMIP5 analisados.
Modelos
bcc-csm1-1
BNU-ESM
CanESM2
CESM1-BGC
CSIRO-Mk3-6-0
GFDL-ESM2M
HadGEM2-AO
HadGEM2-CC
HadGEM2-ES
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC5
MIROC-ESM_
Instituio
Beijing Climate Center, China Meteorological
Administration
College of Global Change and Earth System Science,
Beijing Normal University
Canadian Centre for Climate Modelling and Analysis
Community Earth System Model Contributors
Commonwealth Scientific and Industrial Research
Organization in collaboration with Queensland Climate
Change Centre of Excellence
NOAA Geophysical Fluid Dynamics Laboratory
National Institute of Meteorological Research/Korea
Meteorological Administration
Met Office Hadley Centre
Institut Pierre-Simon Laplace
Atmosphere and Ocean Research Institute (The University
of Tokyo), National Institute for Environmental Studies, and
Japan Agency for Marine-Earth Science and Technology
Max Planck Institute for Meteorology
Fonte:http://pcmdi3.llnl.gov/esgcet/home.htm (10/01/2012)
Como parte da fase preparatria para o desenvolvimento dos novos cenrios para
o AR5 (quinto relatrio do IPCC), foram criados os chamados RCPs (Representative
Concentration Pathways), que servem como entrada para modelagem climtica e
qumica atmosfrica nos experimentos numricos do CMIP5. Os RCPs recebem seus
nomes a partir dos nveis das forantes radiativas, conforme relatado por cada equipe de
modelagem elaboradora de cada RCP. Assim, RCP-X implica em um cenrio no qual a
forante radiativa de estabilizao ou de pico ou ao final do sculo XXI corresponde a
X W.m-2. Na Figura 20 mostrado o comportamento dos principais cenrios do IPCC-
85
AR5: RCP8.5, RCP6, RCP4.5 e RCP3-PD. Neste trabalho foram usados os cenrios
RCP4.5 e RCP8.5 para anlise das projees do sculo XXI.
Figura 20 - Cenrios do IPCC-AR5 e forante radiativa antropognica global para cada
um deles.
Fonte: http://www.pik-potsdam.de/~mmalte/rcps/
6.3.Critrios de Avaliao do Desempenho dos modelos do IPCC quanto

representao da sazonalidade
Utilizou-se como critrio de avaliao a representao da sazonalidade das

precipitaes, que de grande relevncia para a avaliao dos impactos do clima em
recursos hdricos e agricultura, afinal o incio do plantio das culturas e o regime fluvial
so condicionados pela distribuio temporal das chuvas. Uma m representao dessa
sazonalidade pode comprometer seriamente a avaliao dos impactos das mudanas
climticas sobre estas duas reas importantes. Adicionalmente, pode-se avaliar que os
totais mensais de precipitao e sua sazonalidade so considerados como indicativo da
qualidade que o modelo tem de representar os sistemas geradores de chuvas e sua
ocorrncia.
Para avaliao sazonal dos modelos foi calculada a climatologia mensal mdia
sobre a regio de estudo para os modelos dos CMIP5 enumerados na Tabela 5 e as
observaes (CRU). Em seguida, foi feita uma comparao com base em alguns ndices
86
estatsticos para que possam ser definidos que modelos apresentam melhor
comportamento para as diferentes regies.
As medidas estatsticas utilizadas, cujas definies esto indicadas a seguir,
conforme sugerido por Silveira et al. (2013), so a raiz do erro quadrtico mdio da
contribuio percentual mensal em relao s chuvas anuais (RMSE_PC) e a correlao
de Pearson (CORREL) (WILKS, 1995).
A raiz do erro quadrtico mdio percentual (RMSE_PC) a raiz quadrada da
mdia das diferenas individuais quadrticas entre a contribuio percentual mensal das
chuvas modeladas para os totais anuais e o valor correspondente nas observaes, sendo
definida pela equao:
1 n
RMSE _ PC

n i 1
100.P
100. A
i
i
n
n
Pj
Aj
j 1
j 1
(1)
onde n so os meses, P previso de cada ms e A, a observao.

Valores grandes de RMSE_PC representam erros maiores nos campos previstos e
valores prximos de zero indicam uma previso quase perfeita. Elevando ao quadrado o
termo da diferena, o RMSE_PC tende a dar maior peso s grandes discrepncias entre
os campos observados e previstos.
A correlao pode assumir valores entre -1 e 1 que indica, respectivamente,
perfeita anticorrelao e perfeita correlao, com a ausncia total de correlao
correspondendo a um valor nulo. Este ndice tem a capacidade de detectar
correspondncia de fase entre as sries, sendo, por construo, insensvel a erros de
vis. dado conforme a equao 2.
i n
Ai A
i 1
CORREL
Pi P
(2)
2
i n
2 i n
Pi P
Ai A
i 1
i 1
Aps o clculo desses dois ndices calculado um ndice de avaliao ponderada

para que os modelos possam ser classificados, tal que :
CORREL CORREL
MIN
AVAL s c
CORREL MAX CORREL MIN
RMSE _ PC MAX RMSE _ PC

r
RMSE _ PC MAX RMSE _ PC MIN
(3)
tal que
c r 1
(4)
87
Sendo, CORRELMIN a menor correlao obtida entre os modelos do IPCC e
CORRELMAX a mxima correlao, assim como RMSE_PCMAX o mximo erro
quadrtico mdio percentual dos modelos do IPCC e RMSE_PCMIN, o mnimo.
As variveis c e r assumem valores entre 0 e 1 (conforme equao 4), para c >
r, portanto, a correlao exerce maior influencia na avaliao do modelo, enquanto
para r > c, o RMSE_PC dos modelos possui maior peso na avaliao. J se r = c=
0,5 as duas mtricas utilizadas neste trabalho exercem o mesmo efeito sobre o valor de
AVALs. Nos casos extremos, ao se considerar r =0 ento c= 1, apenas a correlao
ser usada na avaliao dos modelos, assim como, se r =1 ento c= 0, apenas o
RMSE_PC ser usado na avaliao dos modelos.
Alm da avaliao sazonal dos modelos possvel realizar uma avaliao que
contempla os demais padres de variao climtica. Est mostrada no Anexo I para
alguns modelos do CMIP5
6.4. O modelo hidrolgico SMAP
O modelo chuva-vazo SMAP (LOPES et al., 1981) do tipo conceitual,

determinstico e de estrutura concentrada. Este modelo faz parte da grande famlia dos
modelos hidrolgicos de clculo de umidade do solo. Sua estrutura relativamente
simples, cujos parmetros so relacionados com parmetros fsicos mdios da bacia.
O SMAP, em sua verso mensal, utiliza em seu esquema conceitual de dois
reservatrios lineares representando o solo (camada superior) e o aqufero, como pode
ser visualizado na Figura 21. A cada evento de precipitao (P) realizado um balano
de massa. Uma parcela de (P) transferida como escoamento superficial (Es). Este
clculo feito atravs da equao do Soil Conservation Service (SCS) para
escoamento superficial. A lmina restante da precipitao subtrada do escoamento
superficial (P-ES) sofre perda por evaporao em nvel de evaporao potencial (Ep),
logo a lmina remanescente (P-Es-Ep) adicionada a um reservatrio que representa a
camada superior do solo. Neste, a umidade atualizada ao longo do tempo atravs das
perdas por evapotranspirao real (Er) que dependem do nvel do reservatrio (Rsolo) e
da capacidade de saturao do solo (Sat). Outra sada deste reservatrio a recarga no
reservatrio subterrneo (Rec) onde utilizado o conceito de capacidade de campo
(Capc) para determin-la. Este terceiro reservatrio tambm linear e o nvel de gua
existente (Rsub) deplecionado a uma taxa constante de recesso do escoamento bsico
88
(K), resultando em escoamento bsico (Eb). A soma do escoamento superficial e bsico
fornece a vazo no ponto de controle da bacia.
Figura 21 - Esquema conceitual do modelo chuva-deflvio SMAP.
Fonte: LOPES et al.(1981)
O SMAP possui seis parmetros: capacidade de saturao do solo (Sat);

parmetro que controla o escoamento superficial (PEs); coeficiente de recarga,
parmetro relacionado com a permeabilidade na zona no saturada do solo (Crec); taxa
de deplecionamento (K) do nvel (Rsub) que gera o escoamento de base (Eb); taxa de
umidade do solo inicial (TUin) que determina o nvel inicial do reservatrio (Rsolo);
valor do escoamento de base inicial (EBin).
Nesta aplicao o modelo SMAP teve desempenho satisfatrio. Em intervalo de
tempo mensal o modelo trabalha com a chuva acumulada de cada ms, sendo mais
relevante o aspecto quantitativo da chuva mdia na bacia do que a distribuio espacial
de cada evento de chuva. Por esta razo seu uso em grandes bacias adequado e os
resultados correspondem bem s caractersticas mdias das bacias. A calibrao para o
SIN foi efetuada para o perodo setembro de 1997 a agosto de 2002 e a validao para
setembro de 2002 a agosto de 2007.
Para o uso deste modelo chuva-vazo as precipitaes dos modelos do IPCCAR5 so corrigidas estatisticamente usando a funo de distribuio gama (conforme
seo 6.5) e evaporaes de entrada so obtidas a partir do mtodo de Penman-Monteith
(conforme seo 6.6).
6.5. Correo estatstica das precipitaes via Funo de distribuio de
probabilidade gama
Um modelo probabilstico muito atraente para a representao de variveis

hidrolgicas que apresentam versatilidade de formas e coeficientes de assimetria das
89
variveis a distribuio gama. Esse modelo possui numerosas aplicaes bem
sucedidas em modelagem de vazes, porm, a distribuio gama tambm pode ser
aplicada para anlises de precipitao de durao dirias, semanais, mensais e anuais.
Para o presente trabalho a correo estatstica via funo gama feita nas sries de
precipitaes mensais dos modelos do CMIP5.
Para a correo gama foi utilizado um ajuste de vis seguindo os seguintes passos:
1 - Ajuste da distribuio gama para os dados observados;
2 - Ajuste da distribuio gama para os dados de precipitao dos modelos para o
sculo XX para identificar o problema no ajuste do vis;
3 - Ajuste da distribuio gama para os dados de precipitao dos modelos do sculo
XXI;
4 - Correo das precipitaes do sculo XX e XXI.
A Figura 22 descreve a relao entre a probabilidade acumulada e a precipitao.
O mapeamento da probabilidade foi utilizado para correo do vis da precipitao
mensal baseando-se em duas funes de distribuio cumulativa (CDF), sendo uma a
funo obtida por meio de dados modelados e a outra funo obtida por meio de dados
observados. Cada CDF encaixa-se com uma distribuio gama, salvando os parmetros
de forma e escala.
Figura 22 - Correo de vis usando a funo de distribuio gama para precipitao.
Para a correo das precipitaes modeladas so considerados doze ajustes

gama, um para cada ms do ano. Por exemplo, todas as precipitaes que ocorreram ao
90
longo de cada janeiro (de 1950 a 1999) so agrupadas e so gerados os parmetros de
correo. Em seguida, o mesmo procedimento realizado para todos os meses.
6.6. Modelo de Estimativa de Evapotranspirao Penman-Monteith
Para o clculo da evapotranspirao de referncia (ETo) usado o mtodo de

Penman-Monteith (ALLEN et al., 1998). Segundo este mtodo a evapotranspirao de
referncia dada segundo a equao (5):
(5)
Onde: ETo a evapotranspirao de referncia (mm dia-1); Rn a radiao lquida na
superfcie das culturas (MJ m2 dia-1); G o fluxo de calor no solo (MJ m2 dia-1); T a
mdia diria da temperatura do ar a 2 m de altura (C); u2 a velocidade do vento a 2 m
de altura (m s-1); es a presso da saturao de vapor (kPa); ea a presso de vapor
atual (kPa); (es - ea) o dficit de saturao de vapor (kPa); a inclinao da curva da
presso de vapor versus temperatura (kPa C-1); (kPa oC-1) a constante psicromtrica.
A velocidade do vento, a radiao lquida, a presso de vapor real ou atual e a
temperatura mxima e mnima formam um conjunto de dados bsicos para estimativa da
ETo Penman-Monteith (EToPM). Atravs deste conjunto de dados possvel estimar
diversas variveis. Conforme equaes a seguir.
A constante psicromtrica dada pela Equao (6:
(6)
Sendo a presso atmosfrica (Patm) dada pela Equao 7 (em kPa):

(7)
Onde z a altitude em relao ao nvel do mar (m).
dado pela Equao 8,

(8)
exp a base do logaritmo natural e T a mdia da temperatura do ar (oC), que pode ser
calculada pela equao 9,
(9)
91
Onde e(T) a presso de saturao de vapor (kPa) em determinada temperatura do ar T
(oC). A presso de vapor na saturao, Equao 10,
(10)
e
(11)
Onde Rns a radiao de onda curta lquida que chega superfcie terrestre (MJ m2 dia1
); Rnl a radiao de onda longa lquida que sai da superfcie terrestre (MJ m2 dia-1).
(12)
Onde o albedo ou coeficiente de reflexo da cobertura vegetal, o qual assume o

valor de 0,23 para a grama de referncia hipottica (adimensional);
(13)
Onde a constante de Stefan-Boltzmann (4,903 x 10-9 MJ m2 dia-1); TmxK a
temperatura mxima absoluta durante perodo de 24 h (K); TmnK a temperatura
mnima absoluta durante perodo de 24 h (K);Rs a radiao solar medida ou calculada
(MJ m-2 dia-1); Rso a radiao de cu claro medida ou calculada (MJ m-2 dia-1), e
calculada pela Equao 10:
(14)
Onde z a altitude da estao em relao ao nvel do mar (m) e R a a radiao
extraterrestre (MJ m-2 dia-1).
Allen et al. (1998) assume que a temperatura mnima muito prxima do ponto
de orvalho o ar deve est prximo da saturao com vapor dgua e a umidade relativa
deve est muito prxima de 100%. Esta temperatura utilizada para estimativa da
presso de vapor real (ea), neste caso:
(15)
Onde ea a presso de vapor real (kPa); (Tmn) a presso de saturao de vapor na
temperatura mnima (kPa) e Tmn a temperatura mnima (C);
Segundo Allen et al.(1998), o grau de cobertura de nuvens de uma localidade
que estabelece a diferena entre a temperatura mxima e mnima. Com pouca cobertura
de nuvens as temperaturas so mais elevadas durante o dia em razo da transparncia
atmosfrica radiao solar que chega, e temperaturas mais baixas a noite em razo de
menos radiao de onda longa refletida que absorvida pela atmosfera. Isto proporciona
92
um maior Tmax e um menor Tmin. J em dias nublados, Tmax um pouco menor por
conta da radiao absorvida e refletida pelas nuvens. Da mesma forma, Tmin tambm
ser um pouco mais alta, devido cobertura de nuvens que opera como uma coberta que
diminui a radiao de onda longa lquida refletida. Assim, o clculo da radiao baseiase pela diferena entre as temperaturas mxima e mnima:
(16)
Onde Rs a radiao solar (MJ m-2 dia-1); Ra a radiao extraterrestre (MJ m-2 dia-1);
Tmax a temperatura mxima (C); Tmin a temperatura mnima (C) e kRs o
coeficiente de ajuste (C-0.5);
6.6. Anlise das Projees

Nesta seo apresenta as medidas estatsticas utilizadas para anlise das sries
temporais do modelos globais do CMIP5.
6.6.1. Clculo das Anomalias Mdias Anuais
Para o clculo da anomalia na mdia anual considerou-se a Equao 17, dada

pela diferena entre a mdia anual o cenrio do sculo XXI e mdia anual do cenrio
histrico sobre a mdia anual do sculo XX:
(17)
Onde
mdia da precipitao anual para o cenrio do sculo XXI e
mdia da precipitao anual para o cenrio histrico.

6.6.2. Anlise de tendncia das precipitaes anuais
Para analisar a tendncia do sculo XXI as sries de precipitaes anuais dos

cenrios do sculo XXI foram padronizadas com base nas caractersticas da srie do
cenrio histrico de 1950 a 1999. Essa normalizao segue a equao 18:
(18)
93
Onde Z a precipitao do cenrio do sculo XXI normalizada,
precipitao anual dos cenrios RCP4.5 e RCP8.5 para um ano j,
anual mdia do cenrio histrico na srie de 1950 a 1999 e
a precipitao
o desvio padro da srie
de precipitaes anuais do cenrio histrico.

As metodologias de avaliao de tendncia/variabilidade podem ser divididas
em dois tipos quanto sua abordagem: Mtodos Clssicos e Mtodos Modernos.
Neste trabalho foram utilizados os mtodos clssicos de Mann-Kendall-Sen,
Mdia Mvel de 10 anos e Regresso Linear, e dentre os mtodos modernos, utilizou-se
a anlise de ondeletas (wavelets). Todos os mtodos citados so descritos nas sees
6.6.2.1. e 6.6.2.2..
6.6.2.1. Mtodos Clssicos

Nos testes de tendncia, segundo Xu et al. (2003), a hiptese nula H0 ocorre na
ausncia de tendncia na srie histrica. J a hiptese no nula (H1) ocorre quando
existe uma tendncia na srie.
Os testes estatsticos podem ser classificados em paramtricos e no
paramtricos (NAGHETTINI e PINTO, 2007). Os testes paramtricos se baseiam na
hiptese de que os dados amostrais foram obtidos a partir de uma populao cuja
distribuio seja conhecida ou previamente especificada. J os testes no-paramtricos
no necessitam da especificao do modelo distributivo da populao, sendo
formulados com base nas caractersticas da amostra. Segundo Xu et al. (2003), os testes
no-paramtricos so mais robustos.
Ainda segundo Xu et al. (2003), a utilizao de testes paramtricos e noparamtricos dependem das caractersticas dos dados em que se est trabalhando.
O modelo de regresso linear dado pela equao 19 (HELSEL e HIRSCH,
2002):
(19)
Onde: yi a i-sima observao da varivel dependente;
xi a i-sima observao da varivel dependente;
0 a interceptador;
1 a inclinao;
94
i o erro aleatrio ou residual para a i-sima observao;
n o tamanho da amostra.
O erro i depende da variabilidade natural do sistema, possui mdia igual a zero
e varincia () constante, portanto, i independente de xi.
A regresso linear obtida estimando-se os valores de 0 e 1atravs de alguma
tcnica de ajustamento. Segundo Naghettini e Pinto (2007), o mtodo dos mnimos
quadrados um dos procedimentos mais adequados para este ajuste.
Se uma tendncia linear est presente em uma srie, a declividade (mudana por
unidade de tempo) pode ser estimada usando o mtodo no-paramtrico desenvolvido
por Sen (1968).
No mtodo de Sen so computadas a declividade de N pares de dados atravs da
equao 16:
(20)
Para i = 1, 2, ..., N.
Onde xj e xk so os valores de x nos perodos j e k respectivamente, com j > k. A
mediana dos N valores de Qi ser a declividade de Sen. Se houver apenas uma
referncia em cada perodo de tempo, ento:
(21)
Onde n o tamanho da srie. Se N for mpar, a declividade de Sen ser:
(22)
Se N for par, a declividade de Sen ser:
(23)
O valor de Qmediana ento testado atravs de um teste bicaudal com grau de
confiana de 100(1 - ) % e a declividade estimada obtida atravs de um teste no
paramtrico.
O teste de tendncia de Man-Kendall (MANN, 1945; KENDALL, 1975;
KENDALL e GIBBONS, 1990) um dos mais utilizados na avaliao de tendncias de
sries histricas naturais que se distanciam da distribuio normal, como a de qualidade
da gua, vazes, temperatura e precipitao (HAMED, 2009).
No teste de Mann-Kendall, tambm conhecido por Kendalls tau, assume-se que
os dados esto aleatoriamente distribudos, caso das sries histricas naturais.
O teste estatstico de Mann-Kendall dado pela equao 24 (BURN e ELNUR, 2002):
95
(24)
Onde Xi e Xj so valores seqenciais, n o tamanho da srie e
(25)
O teste de Mann-Kendall possui dois parmetros importantes para a anlise de
tendncia: o nvel de significncia e a declividade (BURN e ELNUR, 2002).
A declividade determinada por (HIRSCH et al., 1982):
(26)
para todo i < j
6.6.2.2. Anlise da Transformada em Ondeletas

Para anlise de tendncia e do comportamento dos diferentes padres de
variaes do clima foi utilizado a transformada em ondeletas.
A anlise da transformada em ondeletas (wavelets) vem se tornando uma
ferramenta bastante utilizada para a anlise de variaes locais de sries temporais, uma
vez que os sistemas fsicos apresentam caractersticas no-estacionrias de vrias
frequncias (BOLZAN, 2004). A decomposio destas sries em espaos de tempofrequncia permite a determinao dos modos dominantes de variabilidade, bem como a
variao destes modos no tempo (TORRENCE e COMPO, 1998).
A anlise em ondeletas consiste em decompor um sinal a diferentes nveis de
resoluo, processo conhecido como multiresoluo (BOLZAN, 2004).
Ainda segundo Bolzan (2004) a expanso em srie de ondeletas e a transformada
so dadas por:
(27)
Onde: (t) a funo base geradora simples;
a a varivel de dilatao;
b a varivel de translao;
t o tempo.
O termo ondeleta refere-se a um conjunto de funes com forma de pequenas
96
ondas gerada por dilataes e translaes, de uma funo base geradora (BOLZAN,
2004).
Existem dois tipos bsicos de funes ondeletas: ondeletas contnuas e discretas. Dentre
as contnuas, a mais comum e a utilizada neste estudo foi a ondeleta de Morlet, dada
por:
(28)
Onde: 0 a frequncia adimensional, que, no caso da ondeleta de Morlet, igual a
seis, de forma a satisfazer a condio de admissibilidade; e o parmetro
adimensional do tempo.
A funo ondeleta de Morlet possui o parmetro de frequncia igual a 6.
Para avaliao e anlise de tendncia dos modelos foi calculado o espectro de
energia global sobre as regies de estudo para todas as rodadas dos modelos do IPCC e
as observaes. Em seguida, foram identificados os principais padres de variao das
sries observadas a partir do Espectro Global da Ondeleta e a partir disto foram
executadas as seguintes etapas:
decomposio do sinal para obter os coeficientes wavelets no domnio transformado.
Para o caso da srie observada de precipitao nas trs regies avaliadas, a
decomposio foi igual soma das bandas caractersticas no sculo XX e o resduo. A
partir da Equao 29, tem-se:
(29)
Onde: z(i) o valor da varivel padronizada para o ano i; Bb(i) o valor da banda b no
ano i.
anlise e processamento dos coeficientes neste domnio;
reconstruo do sinal a partir dos coeficientes modificados.
O processo de reconstruo foi repetido para os modelos do CMIP5 para as
mesmas bandas observadas. Em seguida, foi feita anlise do comportamento das bandas
reconstrudas.
97
6.6.3. Seleo dos Agrupamentos (Clusteres)
Com intuito de identificar grupo de modelos que possuem cenarizao

semelhante para o sculo XXI foi utilizado a tcnica de anlise de agrupamento
Para anlise de agrupamento foi utilizado o algoritmo iterativo proposto por
Spath (1985) e Seber (1984). Este algoritmo atravs de diversas iteraes minimiza a
soma das distncias euclidianas em relao a um ponto, chamado de centroide. Maiores
detalhes podem ser consultados em Spath (1985) e Seber(1984). Para o clculo dos
clusters foi considerado a anomalia de vazes no perodo de 2010 a 2039 por bacias.
Originalmente, o mtodo composto por quatro passos:
(1) Primeiramente defini-se k centroides para se iniciar o processo de partio;
(2) Cada elemento do conjunto do conjunto de dados , ento, comparado com cada
centroide inicial, atravs de uma medida de distncia que, em geral, a distncia
Euclidiana. O elemento alocado ao grupo cuja distncia a menor;
(3) Depois de aplicar o passo 2 para cada um dos n elementos amostrais, recalcula-se os
valores dos centroides para cada novo grupo formado, e repete-se o passo 2,
considerando os centroides destes novos grupos;
(4) Os passos 2 e 3 devem ser repetidos at que todos os elementos amostrais estejam
bem alocados em seus grupos , isto , at que nenhuma realocao de elementos
seja necessria.
98
7. RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO - SIN
7.1. Validao dos dados do CRU

Na Figura 23 so mostradas as vazes mdias anuais observadas e as obtidas a
partir do SMAP mensal com precipitaes provenientes do CRU (SMAP-CRU) para as
bacias de Furnas, It e Trs Marias no perodo de 1961 a 1990.
As vazes do SMAP-CRU apresentam boa correlao com a srie observada,
resultados que se repetem nas demais regies analisadas. Porm, em Furnas, o modelo
superestima as vazes anuais em praticamente toda a dcada de 70 e subestima no
perodo de 1984 a 1990.
J em Trs Marias o modelo superestima as vazes em parte da srie histrica,
principalmente nos perodos de 1963 a1967, 1975 a 1978 e 1988 a 1990, e subestima
em outro perodo, entre 1979 a 1983.
Figura 23 - Vazes mdias anuais observadas e as obtidas pelo SMAP com dados de
precipitao do CRU para o perodo de 1961 a 1990 para as bacias:(a)Furnas; It(b) e
(c) Trs Marias.
(a)
(b)
(c)
99
7.2. Avaliao da representao da sazonalidade da precipitao
Na Tabela 6 so mostrados os melhores e piores valores obtidos pelos ndices
estatsticos propostos para avaliao dos modelos do IPCC-AR5 na escala sazonal para
as bacias do setor eltrico. Os modelos indicam uma boa representao dos padres de
variao sazonal na maioria do SIN, exceto nas bacias de It e D. Francisca onde a
correlao mxima obtida com a climatologia inferior a 0,70. Indicando que nessas
regies as projees do sculo XXI possuem menos confiabilidade.
Na Tabela 7 so mostrados os valores obtidos para avaliao sazonal para todas
aas bacias do setor eltrico. O modelo bcc-csm1-1 obteve o maior AVAL em vrias
bacias, enquanto os modelos ipsl-cm5a-lr, IPSL-CM5A-MR e GFDL-ESM2M
indicaram valores muito prximos de zero na maioria das bacias.
Tabela 6- Valores mximos e mnimos obtidos pelos ndices de avaliao da
climatologia da precipitao considerando o conjunto de modelos para cada bacia.
Bacias
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
N. Avanhandava
Porto Primavera
Rosana
Itaip
Santa Ceclia
Salto Caxias
It
D. Francisca
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lajeado
Tucuru
Belo Monte
Teles Pires
S. L. Tapajs
Santo Antnio
CORREL
MAX
MIN
0,99
0,75
0,99
0,81
0,99
0,77
0,99
0,77
0,99
0,82
0,99
0,86
0,99
0,88
0,98
0,79
0,97
0,83
0,88
0,57
0,99
0,88
0,91
0,58
0,66
0,21
0,15
-0,55
0,99
0,78
0,94
0,62
0,97
0,86
0,98
0,71
0,96
0,68
0,97
0,75
0,98
0,81
0,98
0,83
0,98
0,83
0,99
0,86
RMSE
MAX
MIN
6,78
0,92
5,57
0,83
6,70
1,01
6,62
1,23
4,32
0,82
5,09
0,96
4,86
1,19
6,56
1,83
5,67
1,06
7,69
2,05
3,59
0,70
6,19
1,01
5,35
1,31
6,29
1,74
5,58
0,99
7,91
2,31
5,34
1,76
7,91
1,31
8,40
1,92
6,58
1,55
5,90
1,05
5,89
1,08
5,24
1,15
4,40
1,01
100
Tabela 7-AVAL dos modelos para as bacias do setor eltrico.
BNU- CESM1ESM
BGC
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
N. Avanhandava
Porto Primavera
Rosana
Itaip
Santa Ceclia
Salto Caxias
It
D. Francisca
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lajeado
Tucuru
Belo Monte
Teles Pires
S. L. Tapajs
0,76
0,74
0,77
0,83
0,87
0,79
0,84
0,85
0,70
0,58
0,95
0,45
0,38
0,31
0,81
0,88
0,80
0,83
0,85
0,82
0,75
0,94
0,84
0,93
Santo Antnio
0,68
0,72
0,72
0,78
0,83
0,78
0,79
0,78
0,71
0,62
0,86
0,66
0,82
0,77
0,69
0,63
0,59
0,70
0,71
0,81
0,83
0,86
0,87
0,88
CSIROHadGEM2Mk3- CanESM2
AO
6-0
0,71
0,69
0,71
0,73
0,72
0,69
0,69
0,72
0,56
0,45
0,68
0,26
0,09
0,10
0,72
0,87
0,66
0,74
0,76
0,84
0,68
0,71
0,44
0,60
0,52
0,54
0,53
0,56
0,71
0,66
0,82
0,65
0,86
0,75
0,79
0,71
0,53
0,42
0,59
0,62
0,29
0,59
0,60
0,63
0,53
0,66
0,66
0,70
0,79
0,74
0,84
0,88
0,86
0,80
0,92
0,88
0,95
0,83
0,76
0,98
0,95
0,96
0,74
0,92
0,76
0,88
0,96
0,95
0,94
0,94
0,95
0,93
ipslcm5a-lr
0,10
0,20
0,10
0,09
0,50
0,21
0,33
0,15
0,20
0,08
0,52
0,08
0,07
0,09
0,27
0,14
0,04
0,05
0,05
0,03
0,01
0,02
0,00
0,02
IPSLbccMIROCGFDLCM5AMIROC5 csm1ESM
ESM2M
MR
1
0,00
0,05
0,00
0,00
0,32
0,06
0,15
0,00
0,13
0,00
0,36
0,08
0,11
0,04
0,05
0,03
0,01
0,00
0,00
0,00
0,02
0,00
0,01
0,02
0,79
0,82
0,79
0,83
0,86
0,87
0,79
0,87
0,68
0,81
0,60
0,51
0,41
0,31
0,82
0,86
0,58
0,79
0,79
0,83
0,69
0,79
0,82
0,85
0,80
0,77
0,79
0,80
0,86
0,83
0,87
0,83
0,83
0,81
0,88
0,81
0,75
0,78
0,75
0,97
0,87
0,78
0,86
0,90
0,82
0,79
0,88
0,86
1,00
1,00
1,00
1,00
1,00
1,00
1,00
1,00
0,83
0,71
0,98
0,63
0,61
0,41
1,00
1,00
0,38
1,00
1,00
1,00
0,89
0,95
0,87
0,96
0,13
0,04
0,18
0,23
0,00
0,06
0,04
0,29
0,01
0,10
0,00
0,01
0,07
0,22
0,04
0,11
0,15
0,25
0,21
0,18
0,12
0,15
0,07
0,62
gisse2-r
0,70
0,73
0,61
0,69
0,93
0,98
0,98
0,75
0,85
0,68
0,85
0,64
0,56
0,64
0,84
0,56
0,92
0,60
0,56
0,62
0,64
0,67
0,70
0,95
HadGEM2- hadgem2CC
ES
0,83
0,72
0,87
0,89
0,85
0,75
0,89
0,87
0,90
0,72
0,81
1,00
0,97
0,77
0,73
0,95
0,72
0,92
0,98
0,98
1,00
1,00
1,00
0,97
0,71
0,60
0,75
0,79
0,73
0,67
0,82
0,86
0,90
0,82
0,81
0,99
0,93
0,99
0,57
0,81
0,71
0,81
0,91
0,95
0,99
0,95
0,99
0,96
101
7.3.Cenrio RCP 4.5
Nesta seo sero mostrados os resultados obtidos para o cenrio RCP4.5 para o
setor eltrico do Brasil.
7.3.1. Anlise das Anomalias nas mdias Anuais
Na Tabela 8 so mostrados os extremos inferiores e superiores de anomalia na

mdia percentual anual nas vazes mostrada pelos modelos para os perodos de 2010 a
2039, 2040 a 2069 e 2070 a 2098 para o cenrio RCP 4.5 em relao ao perodo de
1950 a 1999 dos modelos globais do CMIP5. Assim como no cenrio RCP8.5 os
modelos do cenrio RCP4.5 mostram maior disperso no terceiro perodo.
Para as bacias do setor Sudeste/Centro-Oeste a mdia das anomalias de vazes
dos modelos analisados sugerem reduo ou leve aumento nas vazes nos perodos de
2010 a 2039 e 2040 a 2069, apresentando mdia de anomalias negativa em todas as
bacias com desvios padres elevados de aproximadamente 10%. Para o perodo de 2070
a 2098 h uma grande disperso entre os modelos com desvio de aproximadamente 20%
na maioriadas bacias.
No setor Sul h uma grande variao espacial nas anomalias de vazes com as
bacias N.Avanhandava e Porto Primavera indicando sinais distintos das bacias Salto
Caxias, It e D. Francisca, principalmente no perodo de 2010 a 2039.
As bacias de Salto Caxias, It e D. Francisca a maioria dos modelos indicam
possibilidade de aumento nas vazes nos trs perodos. Enquanto em N.Avanhandava e
Porto Primavera no perodo de 2010 a 2039 os modelos analisados indicam maior
possibilidade de redues nas vazes anuais, sendo que a mdia entre as anomalias na
bacia Porto Primavera indica diminuio de aproximadamente 10% nesse perodo.
No setor Nordeste os modelos indicam bastante incerteza nas projees, no
havendo convergncia a respeito dos resultados dos mesmos, o desvio padro entre as
anomalias dos modelos apontam valores superiores a 10% j o perodo de 2010 a 2039
em todas as bacias e atinge 50% em Xing no perodo de 2040 a 2069. Porm, no
perodo de 2040 a 2069 todas as projees dos modelos analisados para Sobradinho
indicam que as vazes devem reduzir entre 2% e 50%.
J nas bacias do setor Norte,a maioria dos modelos sugerem redues nas vazes
em todas as bacias deste Setor nos trs perodos analisados, principalmente nas bacias
102
de belo Monte, S.L. Tapajs e Teles Pires. Esse fato evidenciado principalmente no
perodo de 2040 a 2069, onde todos os modelos indicam diminuio nas vazes anuais e
a mdia das anomalas dos modelos superior a 10%.
103
Tabela 8 - Anomalias percentuais mximas e mnimas de vazes anuais sinalizadas pelo conjunto de modelos CMIP5 usados no experimento
para os perodos de 2010 a 2039, 2040 a 2069 e 2070 a 2098 em relao ao perodo de 1950 a 1999 para as bacias da ONS.
2010-2039
Bacias
MAX
MIN
MED
2040-2069
DESV MAX
MIN
MED
2070-2098
DESV
MAX
MIN
MED DESV
7,87
-28,41
-8,27
12,62
4,57
-39,48
-14,38
13,88
7,98
-45,57
-13,91
Emborcao
6,82
-27,58
-6,67
11,87
7,56
-37,47
-10,93
13,97
10,44
-35,69
-10,05
Nova Ponte
4,94
-28,41
-10,14
12,59
2,42
-41,05
-16,70
14,09
5,15
-45,72
-16,74
Itumbiana
4,19
-32,10
-12,58
14,29
4,35
-47,11
-19,35
15,76
6,57
-54,09
-20,33
So Simo
7,56
-20,74
-3,23
8,13
10,16
-26,64
-3,82
11,25
16,30
-27,89
-4,01
Furnas
1,78
-24,70
-6,57
8,34
9,11
-35,87
-8,52
13,03
13,25
-29,49
-7,87
gua Vermelha
1,99
-25,26
-6,14
8,10
11,80
-38,16
-6,80
14,70
16,64
-34,26
-7,46
N. Avanhandava
3,68
-29,50
-10,45
10,67
8,04
-42,25
-14,97
15,32
14,58
-44,26
-15,10
Porto Primavera
10,47
-12,22
-0,91
6,90
20,49
-23,97
-1,15
12,52
20,97
-23,69
-2,72
Rosana
9,12
-16,66
-3,41
7,62
19,91
-27,75
-4,78
13,10
20,57
-29,68
-6,13
Itaip
5,52
-16,44
-3,31
6,57
10,35
-26,99
-3,17
11,73
15,59
-27,14
-3,55
Santa Ceclia
14,25
-5,65
3,24
6,33
17,61
-10,37
4,32
8,29
24,21
-9,78
2,78
Salto Caxias
18,78
-6,26
5,13
8,11
24,63
-7,18
6,94
8,96
28,89
-8,41
3,95
It
23,63
-13,81
6,52
11,64
23,10
-7,19
6,91
9,97
31,04
-23,09
-0,15
D. Francisca
8,74
-27,18
-5,76
11,10
8,67
-31,92
-8,83
12,06
13,90
-33,95
-8,34
Trs Marias
8,82
-38,67
-11,55
14,59
-1,93
-49,65
-16,99
14,85
20,02
-58,05
-15,40
Sobradinho
11,85
-49,13
-15,16
21,20
71,64
-80,64
-14,05
50,31
31,15
-63,16
-28,32
Xing
8,40
-33,00
-12,15
14,54
-2,02
-47,41
-19,92
14,86
4,84
-54,30
-19,61
Serra da Mesa
8,08
-34,00
-15,55
13,70
-6,96
-49,75
-21,40
13,39
5,41
-57,43
-21,97
Lajeado
3,51
-37,28
-13,43
12,41
-6,23
-52,75
-16,88
14,41
14,72
-60,24
-18,39
Tucuru
-4,73
-43,68
-22,02
14,41
-11,29
-55,02
-25,67
14,32
-10,11
-64,98
-30,70
Belo Monte
-1,35
-20,67
-9,84
6,96
-7,58
-30,64
-14,32
8,04
-7,24
-37,85
-17,54
Teles Pires
-2,70
-18,68
-9,66
5,60
-4,16
-27,07
-11,33
7,74
-4,18
-32,82
-13,88
S. L. Tapajs
3,16
-26,81
-9,69
9,01
6,81
-41,68
-18,01
17,52
-0,47
-48,45
-23,51
Santo Antnio
Max: Indica a anomalia na vazo anual do modelo do CMIP5 com maior valor para Bacia, cenrio e perodo em questo.
Min: Indica a anomalia na vazo anual do modelo do CMIP5 com menor valor para Bacia, cenrio e perodo em questo.
Med: Indica a anomalia mdia das vazes anuais entre os modelos do CMIP5 para Bacia, cenrio e perodo em questo.
Desv: Indica desvio padro entre as anomalias das vazes anuais dos modelos do CMIP5 para Bacia, cenrio e perodo em questo.
19,46
16,66
19,36
20,63
13,38
13,63
15,03
18,70
13,26
14,61
13,23
10,40
11,99
19,52
16,22
23,29
29,78
20,56
20,86
20,93
19,02
12,19
10,93
18,65
104
Na Figura 34 mostrado o impacto na mdia anual de vazes no sculo XXI em
trs perodos (2010 a 2039, 2040 a 2069 e 2070 a 2098) para os modelos do CMIP5
para o cenrio RCP 4.5 em relao ao sculo XX (1950-1999) para as bacias de
Emborcao e Furnas.
Os
modelos MIROC_ESM, BNU-ESM, IPSL-CM5A-LR e
CANESM2
indicam redues nas principais bacias desse setor para todos os perodos. Este ltimo
indica redues significativas superiores a 20% em cada perodo de 30 anos. Estes
modelos sugerem que necessrio um maior investimento em todo o SIN para adaptarse as condies climticas do sculo XXI.
Enquanto o modelo HadGEM2-AO indica aumento nas vazes mdias anuais
nesse setor,sendo este de at 16% em Furnas no perodo de 2070 a 2098.
O modelo IPSL-CM5A-MR mostram redues nas vazes mdias anuais nos
dois primeiros periodos analisados, seguidos por um possvel aumento ou normalidade
no periodo de 2070 a 2098.
J o modelo bcc-csm1-1 mostra aumento nas vazes anuais deste setor no
primeiro perodo e normalidade no periodo de 2040 a 2069, seguido por um novo
aumento no perodo de 2070 a 2098. Isto indica que este modelos no sugere impactos
significativos no clima desta regio, provavelmente o sinal mostrado associado a
variabilidade decadal da precipitao.
Os modelos CESM1-BGC e CSIRO-Mk3-6-0 indicam maior variao espacial
nos impactos nas vazes anuais, indicando redues na bacia Emborcao nos trs
perodos analisados e normalidade em Furnas.
105
em relao ao sculo XX (1950-1999) para : (a) Emborcao e (b) Furnas.
(a)
(b)
Na Figura 25 mostrado o impacto na mdia anual de vazes no sculo XXI

em trs perodos (2010 a 2039, 2040 a 2069 e 2070 a 2098) para os modelos do CMIP5
106
para o cenrio RCP 4.5 em relao ao sculo XX (1950-1999) para as bacias de Porto
Primavera, Itaipu e It. Conforme j mostrado na tabela 6, h uma grande variao
espacial nas anomalias de vazes anuais.
Os modelos BNU-ESM, CESM1-BGC eIPSL-CM5A-LR sinalizam redues
nas vazes mdias anuais em Itaipu e Porto Primavera associados a aumento em It de
at 5% por cada perodo de 30 anos.
Os modelos MIROC5 e HadGEM2-AO indicam aumento nas vazes mdias
anuais nas principais bacias desse setor para todos os perodos analisados, atingindo
valores superiores a 10% no perodo de 2070 a 2098 . Enquanto o modelo CANESM2 e
MIROC_ESM indicam redues em todos os aproveitamentos hidreltricos deste setor,
porm as magnitudes das diminuies so menores em Salto Caxias, It e D. Francisca.
O modelo bcc-csm1-1 indica redues de magnitude inferior aos demais em
Itaipu e Porto Primavera (inferior a 7% nos trs perodos) associado a um tambm leve
aumento no aproveitamento de It nos perodos de 2010 a 2039 e 2040 a 2069.
em relao ao sculo XX (1950-1999) para : (a) Porto Primavera, (b) Itaipu e (c) It.
107
para o cenrio RCP 4.5 em relao ao sculo XX (1950-1999) para as bacias de Trs
Marias e Sobradinho.Conforme j mostrado na tabela 6, os modelos analisados indicam
redues nas vazes em Sobradinho no perodo de 2040 a 2069, divergindo apenas em
magnitude.
A maioria dos modelos indica redues nas vazes anuais nestas bacias. Sendo
os modelos MIROC-ESM_ e CanESM2 aqueles que indicam maiores diminuies nas
vazes. Este ltimo sugere projees maiores que 30% em cada perodo de 30 anos em
Sobradinho e maiores que 20% em Trs Marias.
Os modelos MIROC5 e HadGEM2-AO indicam aumento nas vazes em Trs
Marias superior a 5% em cada perodo de 30 anos. J em Sobradinho,enquanto o
modelo HadGEM2-AO indica variaes em torno da normalidade nos trs perodos
analisados, o modelo MIROC5 nico que indica aumento de aproximadamente 10%
no perodo de 2010 a 2039 seguido por uma reduo em torno de 7% entre 2040 e 2069.

em relao ao sculo XX (1950-1999) para : (a) Trs Marias e (b) Sobradinho.
(a)
108
(b)

para o cenrio RCP 4.5 em relao ao sculo XX (1950-1999) para as bacias de
Tucuru, Belo Monte e Santo Antnio.
Neste setor, a maioria dos modelos projeta impactos significativos nas vazes
mdias anuais, sinalizando que redues devem ocorrer em magnitude superior a 10%
em cada periodo de 30 anos em Belo Monte, por exemplo. J nas bacias de Tucuru e
Santo Antnio os modelos divergem quanto o mdulo das redues nas vazes anuais.
109
em relao ao sculo XX (1950-1999) para : (a) Tucuru, (b) Belo Monte e (c) Santo
Antnio.
7.3.2. Anlise de agrupamento
Nesta seo os modelos so agrupados segundo a similaridade de suas anomalias

mdias anuais. Na Figura 28 so mostrados as anomalia das vazes mdias anuais dos
modelos do CMIP5 para o cenrio RCP4.5, os respectivos clusteres que os representa
para o periodo de 2010 a 2039 e o centroide dos mesmos. Os centroides apresentam
maior disperso nas bacias do setor Sudeste/Centro-Oeste e nas bacias do setor
Nordeste, principalmente na bacia do Xing.
O modelo HadGEM-AO representa o modelo mais prximo do centroide do
cluster 1, tambm composto pelo modelo MIROC5. J o modelo IPSL-CM5A-LR o
110
mais prximo ao centroide do cluster 2, enquanto o modelo bcc-csm1-1 o mais
prximo do centroide do cluster 3.
Figura 28 - Anomalia das vazes dos clusteres para o periodo de 2010 a 2039 e
centroide dos mesmos. Cluster 1: modelos em vermelho; Cluster 2: modelos em azul;
Cluster 3: modelos em verde; Centrode 1: representado por x; Centroide 2:
representado por crculos e C.

clusteres.
Modelos
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM_
MIROC5
Cluster
3
3
3
2
1
2
2
2
1
bcc-csm1-1
Em negrito os modelos mais prximos de cada centrode de cada cluster.

111
Na Figura 28 so mostrados as anomalia das vazes mdias anuais dos modelos
mais prximos a cada centroide para o cenrio RCP4.5 para os periodo de 2010 a 2039,
2040 a 2069 e 2070 a 2098. Os modelos convergem quanto ao sinal da anomalia no
setor Norte, indicando que as vazes mdias anuas devem reduzir na maioria das bacias
deste setor do SIN.
O modelo HadGEM2-AO indica redues nas vazes em todo setor Norte e na
Bacia do Xing nos trs periodos, associados a aumento nas vazes no setor Sul e
Sudeste/Centro-oeste do SIN. Em It, Salto Caxias e D. Francisca o aumento percentual
nas vazes supeiror a 10% para cada perodo de 30 anos para esse conjunto de
modelos. Enquanto em Lajeado,Tucuru e Belo Monte a reduo nas vazes mdias
anuais de 10% em cada perodo de 30 anos.
O modelo IPSL-CM5A-LR indica redues das vazes mdias anuais nas
principais bacias de cada setor para todos os perodos, notadamente no setor
Sudeste/Centro-oeste do SIN. Os modelos deste cluster sugerem que necessrio um
maior investimento em infraestrutura hdrica, uma maior participao de energia
proveniente de termoeltricas na matriz de energia eltrica brasileira e/ou um maior
investimento em fonte de energias renovveis (como elica e solar, por exemplo) para
que a reduo na oferta no possa impactar a gerao de energia e os nveis de garantia
do sculo XX possam ser mantidos no sculo XXI.
O investimento em grandes infraestruturas hdricas pode levar a srios danos
ambientais, principalmente se este for destinado para o setor Norte. Caso os padres de
consumo do sistema seja mantido (maior consumo na regio Sul e Sudeste do Brasil e
maior possibilidade de gerao de energia no setor Norte) pode-se elevar o custo da
energia para alguns consumidores, j que neste caso h um custo bastante alto associado
a transmisso de energia entre os setores.
O modelo bcc-csm1-1 mostra flutuaes em torno da mdia nos setores Sul e
Sudeste/Centro-oeste nos periodos de 2010 a 2039 e 2040 a 2069 associados a redues
nos setores Norte e Nordeste (principalmente na bacia do Xing, onde a magnitude da
reduo superior a 20% no segundo periodo de 30 anos). Este modelo indica tendncia
negativa em algumas bacias deste setor, conforme Tabela 10, isto indica que os futuros
investimentos nesse setor devem ser planejados de forma a incluir essa possvel
diminuio nas vazes mdias anuais.
112
prximos dos centroides, para o perodo de (a)2010 a 2039; (b)2040 a 2069 e (c) 2070 a
2098.
(a)
(b)
(c)
113
Na Tabela 10 so mostradas as declividades da tendncia dos modelos mais
prximos a cada centroide para cenrios RCP 4.5 do CMIP5 para o teste de Man
Kendall-Sen das vazes anuais padronizadas. Os modelos que representam os clusteres
no identificaram tendncia significativa na maioria das bacias.
Apesar da clara reduo mostrada no setor no setor Suldeste/Centro-oeste
mostrada pelo modelo IPSL-CM5A-LR e do notado aumento proposto pelos modelo
HadGEM-AO ambos no indicam tendncia significativa em nenhuma das bacias dessa
regio.Isto indica uma possvel maior ocorrncia de eventos extremos, o modelo IPSLCM5A-LR, por exemplo, destaca a ocorrncia de vrios eventos de vazes a baixo da
mdia entre 2070 e 2098, conforme Figura 30.
Tabela 10 - Tendncia identificada para as vazes anuais normalizadas dos modelos do
CMIP5 do cenrio RCP4.5 mais prximos do centrode de cada cluster.
Bacias
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
N. Avanhandava
Porto Primavera
Rosana
Itaip
Santa Ceclia
Salto Caxias
It
D. Francisca
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lajeado
Tucuru
Belo Monte
Teles Pires
S. L. Tapajs
Santo Antnio
- Ausncia de tendncia significativa
IPSL-CM5A-LR
-0,0098
-0,0104
-0,0113
0,0084
-
HadGEM2-AO
0,0096
-0,0096
-
bcc-csm1-1
-0,0104
-0,0081
-0,0132
-0,0077
-0,0125
114
Na Figura 30 so mostradas as tendncias das vazes mdias anuais e as bandas

geradas a partir da transformada em ondeletas dos modelos IPSL-CM5A-LR,
HadGEM2-AO e bcc-csm1-1 para o cenrio RCP4.5 para Furnas para o perodo de
2015 a 2098.
O modelo IPSL-CM5A-LR indica uma possvel padro de variabilidade de baixa
frequncia captado pela mdia e mediana mvel de dez anos e pelo resduo da
transformada em ondeletas, sendo o perodo de 2015 a aproximadamente 2050 um
perodo de vazes mais elevadas, 2050 a 2070 um perodo de vazes menores, seguido
por um final de sculo na fase de vazes maiores. A leve tendncia negativa captada
pela regresso linear torna essa alternncia de fases com anomalias abaixo da mdia
histrica nos perodos de 30 anos avaliados na Figura 29. O comportamento desse
modelo no final do sculo indica um grande aumento na ocorrncia de eventos
extremos, indicando, apesar de se encontrar na fase de vazes maiores, eventos severos
secos mais intensos do que os demais da srie projetada para o sculo XXI. Essa
mudana de amplitude dos eventos captada pela banda de baixa frequncia (1-10
anos).
J o modelo HadGEM2-AO, assim como o IPSL-CM5A-LR, mostram
alternncia de fase na srie histrica ao longo do sculo XXI, porm a regresso linear
captou uma tendncia positiva ao longo do perodo analisado. No perodo de 2015 a
2050 apesar da tendncia positiva o modelo indica a ocorrncia de eventos severos de
vazes abaixo da mdia do sculo XX. No perodo de 2070 a 2098 o modelo indica um
grande aumento na ocorrncia de eventos extremos de cheias, que a transformada em
ondeletas indica que isto se deve a uma possvel mudana no sinal do resduo.
O modelo bcc-csm1-1, assim como o IPSL-CM5A-LR e HadGEM2-AO, mostra
alternncia de fase na srie histrica ao longo do sculo XXI e mostra um aumento
considervel na ocorrncia de eventos extremos no perodo 2080 a 2098 associados
alta frequncia, contudo no h tendncia significativa.
Os modelos a apesar de discordarem na magnitude das anomalias nas vazes
mdias nesta bacia, concordam que entre 2080 e 2098 haver um aumento significativo
na ocorrncia de eventos extremos.
HadGEM2-AO e bcc-csm1-1 para o cenrio RCP4.5 para Itaipu para o perodo de 2015
115
a 2098. Assim como na bacia de Furnas os modelos mostram alternncia de fase na
srie histrica ao longo do sculo XXI, captada pela mdia e medianas mveis e pelo
resduo da transformada em ondeletas. Os modelos bcc-csm1-1 e HadGEM2-AO
mostram uma mudana significativa na amplitude da banda de baixa frequncia,
indicando uma maior ocorrncia de eventos extremos.
HadGEM2-AO e bcc-csm1-1 para o cenrio RCP4.5 para Santa Ceclia para o perodo
de 2015 a 2098.
O modelo IPSL-CM5A-LR, assim como em Furnas, indica uma possvel padro
de variabilidade de baixa frequncia captado pela mdia e mediana mvel de dez anos e
pelo resduo da transformada em ondeletas. O teste de Man-Kendall-Sen identificou
tendncia negativa nesta bacia, isto justifica o valor negativo encontrado nas anomalias
da Figura 29 mesmo nos perodos de alternncia de fases. Nota-se, uma maior
amplitude nas fases de maiores vazes, apresentando anos com vazes bastantes baixas
seguidos por anos com vazes elevadas. Sendo este comportamento mais evidenciado
no final do sculo, com uma notada mudana de amplitude na banda de alta frequncia.
Enquanto o modelo HadGEM-AO apontam para uma tendncia positiva com
uma grande ocorrncia de eventos extremos, principalmente associado a alta amplitude
mostrada pela banda de alta frequncia mostrada pela transformada em ondeletas.
J o modelo bcc-csm1-1 mostra-se mais comportado ao longo de praticamente
todo o sculo, com vazes em torno da mdia, porm sinaliza uma grande mudana na
amplitude
da
baixa
frequncia
no
perodo
de
2080
2098.
116
Figura 30 - Tendncias das sreis de vazes para Furnas dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
mediana mveis de 10 Anos e tranformada em ondeletas.
117
Figura 31 - Tendncias das sries de vazes para Itaipu dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides, usando
regresso linear, mdia e mediana mveis de 10 anos e transformada em ondeletas.
118
Figura 32 - Tendncias das sries de vazes para Santa Ceclia dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos -centroides,
usando regresso linear, mdia e mediana mveis de 10 anos e transformada em ondeletas.
119
Na Figura 33 e Figura 34 so mostradas as tendncias das vazes mdias anuais
e as bandas geradas a partir da transformada em ondeletas dos modelos IPSL-CM5ALR, HadGEM2-AO e bcc-csm1-1 para o cenrio RCP4.5 para Sobradinho e Xing,
respectivamente,
para o perodo de 2015 a 2098.
Neste setor, h uma grande
divergncia entre os modelos, principalmente em Xing.

O modelo IPSL-CM5A-LR, assim como em Itapu e Furnas, indica uma possvel
padro de variabilidade de baixa frequncia captado pela mdia e mediana mvel de dez
anos e pelo resduo da transformada em ondeletas, sendo o perodo de 2015 a
aproximadamente 2050 um perodo de vazes mais elevadas, 2050 a 2070 um perodo
de vazes menores, seguido por um final de sculo na fase de vazes maiores. Na bacia
do Xing o modelo mostra tendncia positiva, associado ao aumento de ocorrncia de
eventos extremos de vazes elevadas, justificados pelo aumento da amplitude da banda
de baixa frequncia (1 a 9 anos) e do resduo.
J o modelo HadGEM2-AO, assim como o IPSL-CM5A-LR, mostram
alternncia de fase na srie histrica ao longo do sculo XXI e no mostra tendncia
significativa para o sculo XXI para o setor Norte. Entretanto, os eventos extremos de
vazes abaixo da mdia em Sobradinho so mais intensos do que os de vazes mdias
anuais acima da mdia nos perodos de 2010 a 2039 e 2040 a 2069. Este fato pode ser
justificado pela coincidncia dos picos negativos das bandas de 1 a 9 anos e 10 a 33
anos com a fase de vazes baixas do resduo.
O modelo bcc-csm1-1 indica em Sobradinho apenas variaes em torno da
mdia histrica nesta bacia nos perodos de 2010 a 2070, porm projeta um aumento
nos eventos extremos de vazes acima da mdia no perodo de 2085 a 2098. Enquanto
em Xing h uma evidente tendncia negativa, captada pelo resduo da transformada em
ondeletas, porm apesar dessa tendncia o perodo de 2015 a 2040 dotado de eventos
de vazes elevadas de grande intensidade.
120
Figura 33 - Tendncias das sreis de vazes para Sobradinho dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
mediana mveis de 10 anos e tranformada em ondeletas.
121
Figura 34 - Tendncias das sries de vazes para Sobradinho dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides,
usando regresso linear, mdia e mediana mveis de 10 anos e tranformada em ondeletas
. Fonte: Elaborada pelo prprio autor.
122
Nas figuras 35, 36 e 37 so mostradas as tendncias das vazes mdias anuais e
as bandas geradas a partir da transformada em ondeletas dos modelos IPSL-CM5A-LR,
HadGEM2-AO e bcc-csm1-1 para o cenrio RCP4.5 para Tucuru, Belo Monte e Santo
Antnio, respectivamente, para o perodo de 2015 a 2098.
Os modelos apresentados mostram comportamento semelhante nas bacias
analisadas para esse setor. Em Tucuru os modelos indicam um aumento na
variabilidade da srie, com um evidente aumento da amplitude oscilao das vazes
mdias anuais para todo o sculo. Isto mostra que os eventos extremos nessa bacia
tendem a ser mais intensos do que no sculo XXI, principalmente aqueles com vazes
abaixo da mdia histrica.
J em Belo Monte, os modelos sugerem que as vazes mdias anuais devem ser
reduzidas, esse sinal claramente captado pelo resduo. Isto sugere que essa regio
atravessar mudanas no clima e/ou apresenta um padro de variao de baixssima
frequncia sinalizado pelo resduo.
Na bacia Santo Antnio h um pronunciado padro de variao natural da srie
captado mdia e mediana mveis de 10 anos. Apesar de certa divergncia em relao ao
sinal da tendncia, os mesmo concordam com o aumento na variabilidade da srie, j
mostrado em Tucuru. Isto indica a possibilidade de eventos extremos mais intensos
nessa bacia, este aumento mostrado na banda de baixa frequncia que tem um
aumento
em
sua
amplitude
ao
longo
do
sculo
XXI.
123
Figura 35 - Tendncias das sries de vazes para Tucuru dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
mediana mveis de 10 anos e transformada em ondeletas.
124
Figura 36 - Tendncias das sries de vazes para Belo Monte dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides, usando regresso linear, mdia e
125
Figura 37 - Tendncias das sries de vazes para Santo Antnio dos modelos do CMIP5 para o cenrio RCP4.5 mais prximos dos centroides,
126
7.4. Cenrio RCP8.5
Nesta seo sero mostrados os resultados obtidos para o cenrio RCP8.5 para o
setor eltrico do Brasil.
7.4.1. Anlise das Anomalias nas mdias Anuais
Na Tabela 11 so mostrados os extremos inferiores e superiores de anomalia na

mdia percentual anual nas vazes mostrada pelos modelos para os perodos de 2010 a
2039, 2040 a 2069 e 2070 a 2098 para o cenrio RCP 8.5 em relao ao perodo de
1950 a 1999 dos modelos globais do CMIP5. Os modelos mostram maior disperso no
terceiro perodo, isto associado, muito provavelmente ao fato da incerteza das
projees serem funo do tempo.
Para as bacias do setor Sudeste/Centro-Oeste o conjunto de modelos analisados
sugerem uma maior possibilidade de reduo nas vazes no perodo de 2010 a 2039,
visto que a mdia entre as projees de vazes dos modelos aproximadamente -10%
com desvio padro em torno de 9% para a maioria das bacias desse setor. Para os
demais perodos h uma maior disperso entre os modelos com desvio de superiora 10%
em todas as bacias. Porm, os modelos sugerem margens que vo desde um aumento de
3%at redues de aproximadamente 40% no perodo de 2040 a 2069 nas bacias de
Emborcao, Nova Ponte, Itumbiana e So Simo.
Assim como no cenrio RCP4.5, no setor Sul h uma grande variao espacial
nas anomalias de vazes, com as bacias N. Avanhandava e Porto Primavera indicando
sinais distintos das bacias Salto Caxias, It e D. Francisca, principalmente no perodo de
2010 a 2039.
As bacias de Salto Caxias, It e D. Francisca a maioria dos modelos indicam
possibilidade de aumento nas vazes nos trs perodos, com mdia das anomalias anuais
sendo positiva nos trs perodos. Enquanto em N.Avanhandava e Porto Primavera no
perodo de 2010 a 2039 os modelos analisados indicam maior possibilidade de redues
nas vazes anuais, sendo que a mdia entre as anomalias de vazes na bacia Porto
Primavera indica os maiores valores absolutos, com diminuies da ordem de 20% no
terceiro perodo.
Na bacia de Itaipu a mdia entre as anomalias indica maior possibilidade de
redues nas vazes mdias anuais nos trs perodos, principalmente no perodo de
127
2010 a 2039 onde a mdia dos modelos -6,5% com desvio padro de 7,4%. Nos
demais perodos importante destacar a margem de possibilidades, visto que os
modelos de maior e menor anomalia divergem bastante, respectivamente, 24,9% e 41,1% no perodo de 2070 a 2098.
No setor Nordeste os modelos indicam bastante incerteza na bacia do Xing, no
havendo convergncia a respeito dos resultados dos mesmos, o desvio padro entre as
anomalias dos modelos apontam valores superiores a 30% nos trs perodos. Porm, em
Sobradinho os modelos sinalizam redues nas vazes no perodo de 2010 a 2039,
divergindo apenas em magnitude. J em Trs Marias os modelos sinalizam a
possibilidade de leve aumento, de at aproximadamente 8% no perodo de 2070 a 2098,
a redues de maior magnitude, de at 25% em cada perodo.
J nas bacias do setor Norte os modelos analisado sugerem uma maior
possibilidade de redues de vazes, de at aproximadamente 40% em Tucuru, Belo
Monte e Lajeado,ou normalidade no perodo de 2010 a 2039.
Apesar da divergncia entre os modelos, nos demais perodos a mdia dos
modelos sugere redues de aproximadamente 15% em cada bacia do setor no perodo
de 2040 a 2069.
Na bacia de Santo Antnio os modelos analisados sugerem que as vazes mdias
anuais devem reduzir em pelo menos 7% em cada perodo de 30 anos
128
Tabela 11 - Anomalias percentuais mximas e mnimas de vazes anuais sinalizadas pelo conjunto de modelos CMIP5 usados no experimento
para os perodos de 2010 a 2039, 2040 a 2069 e 2070 a 2098 em relao ao perodo de 1950 a 1999 para as bacias da ONS.
Bacias
2010-2039
2040-2069
2070-2098
MAX MIN MED DESV MAX MIN MED DESV MAX MIN MED DESV
3,5 -28,6 -12,3
9,1
3,0 -36,6 -14,4 11,6
4,3 -54,9 -20,4 16,7
Emborcao
5,0
-27,5
-11,8
9,4
2,7
-33,4
-12,8
11,6
7,2 -52,1 -17,3 16,5
Nova Ponte
3,4 -29,4 -13,2
8,8
1,2 -38,6 -16,1 11,7
1,0 -57,5 -23,7 16,1
Itumbiana
1,5 -34,2 -14,9
9,5
-0,4 -44,4 -18,5 13,2
-2,2 -65,6 -27,7 18,3
So Simo
2,9 -20,2 -7,3
7,5
7,5 -25,5 -5,4
10,7
11,8 -33,4 -8,1
15,8
Furnas
2,4
-26,3
-11,1
7,8
7,5
-33,5
-11,5
12,2
8,5
-43,5
-15,5
16,5
gua Vermelha
2,9 -28,7 -10,1
8,8
11,4 -38,5 -10,5 14,9
12,1 -45,7 -14,2 19,9
N. Avanhandava
-2,7 -34,0 -13,5
8,1
3,5 -43,9 -16,1 14,3
10,1 -55,9 -23,3 18,3
Porto Primavera
5,7 -22,0 -2,9
7,1
16,1 -27,8 -4,5
13,8
29,6 -38,7 -3,4
19,2
Rosana
3,9 -26,0 -6,5
7,4
15,4 -34,4 -9,8
14,3
24,9 -41,1 -12,0 19,1
Itaip
3,7 -21,6 -6,0
7,3
10,3 -28,1 -3,8
11,6
16,6 -35,8 -5,7
16,4
Santa Ceclia
17,0 -11,6 3,4
6,4
23,3 -19,9 3,9
12,6
39,3 -23,0 10,6
18,1
Salto Caxias
21,6 -11,5 6,1
8,8
41,6 -21,6 9,4
18,8
70,4 -18,2 18,3
26,8
It
24,8 -11,3 6,5
11,2
40,2 -22,9 7,1
21,4
60,7 -21,6 16,0
28,9
D. Francisca
2,7
-27,5
-10,8
9,1
4,5
-31,2
-10,9
10,5
8,2
-47,6
-15,5
16,4
Trs Marias
-3,3 -45,4 -18,7 12,6
11,3 -54,7 -18,5 18,3
31,1 -65,7 -22,9 24,5
Sobradinho
56,7 -63,5 -16,7 34,8 190,8 -68,6 -1,1
88,6 395,7 -89,5 7,0
139,9
Xing
2,8 -34,6 -14,6 12,0
8,1 -45,1 -18,2 16,5
9,7 -59,7 -27,2 20,1
Serra da Mesa
-1,2 -43,6 -16,7 13,3
20,7 -51,6 -15,7 20,7
26,0 -53,6 -21,4 22,6
Lajeado
2,9 -42,2 -15,7 13,7
31,6 -55,5 -18,5 24,0
38,7 -72,0 -30,2 30,8
Tucuru
-0,8 -40,4 -17,7 10,9
19,4 -61,8 -26,7 19,8
11,0 -78,3 -43,5 23,7
Belo Monte
-2,4 -19,9 -9,6
5,6
1,6 -32,3 -13,1
9,6
-4,1 -42,8 -21,3 11,6
Teles Pires
2,5 -18,7 -8,3
5,9
0,8 -30,3 -13,0
9,5
-4,4 -41,3 -21,7 12,7
S. L. Tapajs
-6,2
-28,5
-14,5
6,9
-7,0
-49,5
-24,0
13,8
-12,8
-69,7 -35,2 19,0
Santo Antnio
*Max: Indica a anomalia na vazo anual do modelo do CMIP5 com maior valor para Bacia, cenrio e perodo em questo;*Min: Indica a anomalia na vazo anual do modelo
do CMIP5 com menor valor para Bacia, cenrio e perodo em questo;*Med: Indica a anomalia mdia da vazo anual entre os modelos do CMIP5 para Bacia, cenrio e
perodo em questo e *Desv: Indica desvio padro entre as anomalias da vazo anual dos modelos do CMIP5 para Bacia, cenrio e perodo em questo.
129
Na Figura 38 mostrado o impacto na mdia anual de vazes no sculo XXI em
trs perodos (2010 a 2039, 2040 a 2069 e 2070 a 2098) para os modelos do CMIP5
para o cenrio RCP 8.5 em relao ao sculo XX (1950-1999) para as bacias de Furnas
e Emborcao.
Os modelos MIROC_ESM, BNU-ESM, IPSL-CM5A-LR e CANESM2, assim
como no cenrio RCP 4.5, indicam redues nas principais bacias desse setor para
todos os perodos. Essas diminuies so de maior magnitude no cenrio RCP8.5,
podendo atingir valores superiores a 20% em cada perodo de 30 anos em Furnas,
segundo este modelos.
Da mesma forma, os modelos GFDL-ESM2M e GISS-E2-R (com rodadas
indisponveis para o cenrios RCP4.5) indicam redues tambm nos trs periodos para
todas as bacias deste setor. Sendo que o modelo GFDL-ESM2M indica uma possivel
tendncia negativa em todas bacias deste setor, conforme sugere a figura 20.
Estes modelos sugerem que necessrio um maior investimento em todo o SIN
para adaptar-se as condies climticas do sculo XXI.
Os modelos CESM1-BGC, CSIRO-Mk3-6-0 e HadGEM2-AO, assim como no
cenrio RCP4.5, indicam maior variao espacial nos impactos nas vazes anuais,
indicando redues na bacia Emborcao nos trs perodos analisados e normalidade em
Furnas.
O modelo IPSL-CM5A-MR mostra redues nas vazes mdias anuais no
perodo de 2010 a 2039, seguidos por um possvel aumento nos periodos de 2040 a
2069 e 2070 a 2098.
J o modelo bcc-csm1-1 mostra leve aumento nas vazes anuais deste setor no
primeiro e segundo perodos e normalidade no periodo de 2070 a 2098. Isto indica que
este modelos no sugere impactos significativos no clima desta regio para este cenrio,
provavelmente o sinal mostrado associado a variabilidade decadal da precipitao.
130
em relao ao sculo XX (1950-1999) para : (a) Emborcao e (b) Furnas.
(a)
(b)

para o cenrio RCP 8.5 em relao ao sculo XX (1950-1999) para as bacias de Porto
131
Primavera, Itaipu, Rosana e D.Francisca. Conforme j mostrado na tabela 10, h uma
grande variao espacial nas anomalias de vazes anuais.
A maioria dos modelos projeta redues nas vazes em Porto Primavera e
Itaipu, porm divergem nas bacias Rosana e D. Francisca.
Os modelos GFDL-ESM2M e CanESM2 sinalizam redues nas vazes mdias
anuais em todas bacias deste setor em todos perodos analisados. Sendo a magnitude das
redues aproximadamente 20% por aproveitamento hidroeltrico analisado.
O modelo MIROC5 indicam aumento nas vazes mdias anuais em Itaipu,
Rosana e D. Francisca, nas principais bacias desse setor para todos, atingindo valores
superiores a 10% no perodo de 2070 a 2098, associados a pequenas flutuaes em
torno da mdia histrica na Bacia de Porto Primavera.Enquanto o modelo bcc-csm1-1
indica redues de magnitude inferior aos demais em Porto Primavera nos perodos de
2010 a 2039 e 2040 a 2069 (inferior a 5%) associado a normalidade em Itaipu e Rosana
e uma leve tendncia positiva em D.Francisca, que indica aumento nas vazes mdias
anuais superiores a 10% no perodo de 2070 a 2098 nesta bacia.
132
Figura 39 - Impacto na mdia anual de vazes no sculo XXI em trs perodos (2010 a
em relao ao sculo XX (1950-1999) para : (a) Porto Primavera; (b) Itaipu; (c)Rosana
e (d)D. Francisca.

para o cenrio RCP 8.5 em relao ao sculo XX (1950-1999) para as bacias de Trs
Marias e Sobradinho. Conforme j mostrado na tabela 6, os modelos analisados indicam
redues nas vazes em Sobradinho no perodo de 2010 a 2039, divergindo apenas em
magnitude.
A maioria dos modelos indica redues nas vazes anuais nestas bacias. Sendo
os modelos GISS-E2-R e CanESM2 aqueles que indicam maiores diminuies nas
vazes. Este ltimo sugere projees maiores que 30% em cada perodo de 20 anos em
Sobradinho e maiores que 20% em Trs Marias.
133
O modelo IPSL-CM5A-MR apresenta aumento nas vazes mdias anuais em
Sobradinho nos periodos de 2040 a 2069 e 2070 a 2098, indicando uma possvel
tendncia postiva.

em relao ao sculo XX (1950-1999) para : (a) Trs Marias e (b) Sobradinho.
(a)
(b)
O modelo CanESM2 no completou a simulao em Sobradinho, por isso no mostrado no terceiro
perodo.
134
para o cenrio RCP 8.5 em relao ao sculo XX (1950-1999) para as bacias Tucuru e
Santo Antnio. Assim como no cenrio RCP4.5, a maioria dos modelos sinalizam uma
maior possibilidade de redues nas vazes mdias anuais nas bacias deste setor.
Os modelos IPSL-CM5A-LR e IPSL-CM5A-MR sinalizam que os impactos
neste setor possuem grande variabilidade espacial, sendo os nicos modelos que
apontam algum aumento nas vazes em Tucuru nos perodos de 2040 a 2069 e 2070 a
2098, associados a redues, de aproximadamente 40%, em Santo Antnio. Os demais
modelos sugerem redues nas vazes mdias anuais de pelo menos aproximadamente
10% por bacia por cada perodo de 30 anos.
135
em relao ao sculo XX (1950-1999) para : (a) Tucuru e (b) Santo Antnio.
7.4.2. Anlise de Agrupamento

do CMIP5 para o cenrio RCP8.5, os respectivos clusteres que os representapara o
periodo de 2010 a 2039 e ocentroide dos mesmos. Os centroides apresentam maior
136
disperso nas bacias do setor Nordeste e nas bacias do setor Norte, principalmente na
bacia do Xing. Enquanto na Tabela 12 so mostrados os modelos pertencentes a cada
um dos clusteres e so destacados os mais prximos a cada um dos centroides.
O modelo HadGEM2-CC representa o modelo mais prximo do centroide do
cluster 1, tambm composto pelo modelo IPSL-CM5A-LR. J o modelo MIROC-ESM
o mais prximo ao centroide do cluster 2, enquanto o CESM1-BGC o mais prximo
do centroide do cluster 3 e o modelo HadGEM2-AO o mais prximo do centroide do
cluster 4.
Figura 42 - Anomalia das vazes dos clusteres para o periodo de 2010 a 2039
ecentroide dos mesmos. Cluster 1: modelos em vermelho; Cluster 2: modelos em azul;
Cluster 3: modelos em verde; Cluster 4: modelos em amarelo; Centrode 1: representado
por x; Centroide.
137
clusteres.
Modelos
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM
MIROC5
bcc-csm1-1
GFDL-ESM2M
GISS-E2-R
HadGEM2-CC
HadGEM2-ES
Cluster-RCP 8.5
3
3
4
2
4
1
3
2
3
4
2
2
1
3
Em negrito os modelos mais prximos de cada centrode de cada cluster.


mais prximos a cada centroide para o cenrio RCP8.5 para os periodo de 2010 a 2039,
2040 a 2069 e 2070 a 2098. Os modelos, assim como no setor RCP4.5, convergem
quanto ao sinal da anomalia no setor Norte, indicando que as vazes mdias anuas
devem reduzir na maioria das bacias deste setor do SIN. Porm, divergem
principalmente em Xing, Salto Caxias,It e D.Francisca.
O
modelo HadGEM2-CC indica redues em praticamente todo o setor
Sudeste/Centro-Oeste e Norte, principalmente em Tucuru e Belo Monte (onde o

modelo apresenmta uma grande tendncia negativa, conforme tabela 12). No setor Sul a
grande variabilidade espacial das anomalias, enquanto h aumento das vazes nas
bacias Salto Caxias, It e D. Francisca nos trs perodos de 30 anos, h redues nas
vazes mdias anuais em Porto Primavera e N. Avanhandava tambm em todos
perodos avaliados. J no setor Nordeste o modelo projeta redues de
aproximadamente 15% a cada perodo de 30 anos nas vazes mdias anuais em
Sobradinho e Trs Marias, associados a sucessivos aumentos em Xing.
A configurao do cluster 1 indica que a oferta de energia gerada pelo setor Sul
pode aumentar em algumas regies e diminuir em outras desse setor, indicando que h a
possibilidade de transmisso de energia para manter os nveis de garantia do sculo XX
138
no sculo XXI nesta regio. Porm, a sinalizao negativa mostrada em todo o setor
Norte associado s redues de menor magnitude no setor Sudeste/Centro-oeste,
indicam que a regio Sudeste do Pas (principal setor econmico do Brasil) pode ter
problemas para atender a demanda energtica se novos investimentos em infraestrutura
hdrica no forem realizados.
O cluster 2, representado pelo modelo MIROC-ESM, indica redues nas
principais bacias de cada setor para todos os perodos, principalmente no setor Norte,
indicando tendncia negativa na maioria da bacias (conforme tabela 12).Para as bacias
do setor Sudeste/Centro-Oeste no perodo de 2070 a 2098, este modelo indica redues
nas vazes anuais de aproximadamente 40% por bacia.
O cluster 2 sugere que necessrio um maior investimento em infraestrutura
hdrica, uma maior participao de energia proveniente de termoeltricas na matriz de
energia eltrica brasileira e/ou um maior investimento em fonte de energias renovveis
(como elica e solar, por exemplo) para que a reduo na oferta no possa impactar a
gerao de energia e os nveis de garantia do sculo XX possam ser mantidos no sculo
XXI.
O modelo CESM1-BGC mostra redues nas vazes mdias anuais inferiores a
5% na maioria das Bacias do SIN no periodo de 2010 a 2039, indicando que nesse
perodo se a demanda energtica for mantida o sistema no deve ter grandes problemas
para atende-l. Nos periodos de 2040 a 2069 e 2070 a 2098 este modelo indica
flutuaes em torno da normalidade no setor Sul, associados a anomalias negativas em
todo os aproveitamentos dos setores Norte e Nordeste do SIN, atingindo valores
inferiores a -15% no ltimo perodo.
O modelo HadGEM2-AO mostra impactos significativos nos setores Norte e
Nordeste nos trs perodos, principalmente em Belo Monte e Tucuru, asscoiados a
aumentos superioes a 20 % em cadas 30 anos nas Bacias de Salto Caxias, It e
D.Francisca. Destaca-se ainda, a condio de normalidade projetada para Furnas e
Itaipu nos trs periodos de 30 anos.
139
prximos dos centroides,para o perodo de (a)2010 a 2039; (b)2040 a 2069 e (c) 2070 a
2098.
(a)
(b)
(c)
140
Na Tabela 13 so mostradas as declividades da tendncia dos modelos mais
prximos a cada centroide para cenrios RCP 8.5 do CMIP5 para o teste de Man
Kendall-Sen das vazes anuais normalizadas.O modelo HadGEM2-CC algumas bacias
com tendncia positiva no setor Sul, associado a tendncia negativa no setores Norte e
Nordeste. J cluster 2 representado pelo modelo MIROC-ESM indicam redues nas
principais bacias de cada setor para todos os perodos, principalmente no setor Norte.
Enquanto o CESM-BGC no indica tendncia significativa nos Setores Sul e
Sudeste/Centro-oeste, porm indicam tendncia nos setores Norte e Nordeste. J o
HadGEM-AO mostra tendncia negativa em algumas bacias do setor Norte, aliado a
tendncia positiva em D.Francisca e It.
Tabela 13 - Tendncia segundo o Teste de Man-Kendal-Sen identificada para as vazes

anuais padronizadas dos modelos do CMIP5 do cenrio RCP8.5 mais prximos do
centrode de cada cluster.
Bacias
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
N. Avanhandava
Porto Primavera
Rosana
Itaip
Santa Ceclia
Salto Caxias
It
D. Francisca
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lajeado
Tucuru
Belo Monte
Teles Pires
S. L. Tapajs
HadGEM2-CC
MIROC-ESM
CESM1-BGC
HadGEM2-AO
-0,0295
-0,0303
-0,0359
-0,0129
-0,0385
0,0108
-0,0335
-0,0305
-0,0282
-0,0133
-0,0363
-0,0092
-0,0202
-0,0232
0,0178
-0,0238
0,0364
0,0475
0,0315
0,0278
0,0081
0,0181
-0,0331
-0,011
-0,0222
-0,0184
0,0040
-0,0069
-0,0129
-0,0283
-0,0207
-0,0182
-0,0144
-0,0409
-0,0191
-0,0147
-0,0161
-0,0728
-0,0239
-0,0306
-0,0441
-0,0491
-0,0433
-0,0089
-0,0246
-0,0659
-0,0422
-0,0123
-0,0453
141
Santo Antnio
-0,0307
-0,0499
-0,0117
- Ausncia de tendncia significativa


geradas a partir da transformada em ondeletas dos modelos CESM1-BGC, HadGEM2AO, MIROC-ESM e HadGEM2-CC para o cenrio RCP8.5 para Furnas para o perodo
de 2015 a 2098. Todos os modelos concordam com o aumento da amplitude da banda
de baixa frequncia, indicando a possibilidade de eventos extremos cada vez mais
frequentes.
O modelo CESM1-BGC mostra um possvel padro de variabilidade de baixa
frequncia captado pela mdia e mediana mvel de dez anos, indicando uma grande
alternncia entre anos chuvosos e secos. Destaca-se o aumento na variabilidade da srie,
com o aumento da amplitude de oscilao das vazes mdias anuais para todo o sculo.
Apesar de no perodo de 2070 e 2098 as vazes do modelo estarem na fase seca,
claramente os eventos de secas atingem patamares mais intensos do que nos demais
perodos, esse padro captado pelo resduo da transformada em ondeletas.
O modelo HadGEM2-AO, assim como o CESM1-BGC, mostra um possvel
padro de baixa frequncia e uma intensificao da amplitude da banda de baixa
frequncia. A leve tendncia positiva mostrada pela regresso linear justificam os
valores positivos encontrados na anomalia das vazes de 2040 a 2069 e 2070 a 2098.
O modelo MIROC-ESM indica tendncia negativa em todas as bacias do setor
Sudeste/Centro-Oeste, com padro semelhante ao mostrado em Furnas na figura 26.
Onde o modelo indica uma acentuada tendncia negativa, notada principalmente no
perodo de 2060 a 2098. Essa tendncia creditada ao resduo da transformada em
ondeletas, o que possivelmente um dos efeitos da mudana climtica global no ciclo
hidrolgico da regio.
O modelo HadGEM2-CC mostra tambm um padro de variao de baixa
frequncia tendncia positiva segundo o teste de Man-Kendall-Sem. H uma clara
mudana de amplitude nos eventos a partir de 2050, com mudanas nos patamares do
eventos de vazes acima da mdia na fase fria ( fases essas, mostrada pela mdia e
mediana mveis) no perodo de 2080 a 2098. Indicando o aumento de eventos acima da
mdia histrica, sendo estes mais intensos do que no sculo XX.
142
Figura 44 - Tendncias das sries de vazes para Furnas dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides, usando regresso linear, mdia e
143
Na Figura 45 e na Figura 46 so mostradas as tendncias das vazes mdias
anuais e as bandas geradas a partir da transformada em ondeletas dos modelos CESM1BGC, HadGEM2-AO, MIROC-ESM e HadGEM2-CC para o cenrio RCP8.5 para as
bacias de Itaipu e D.Francisca para o perodo de 2015 a 2098. Os modelos mostram
variabilidade espacial neste setor, com caractersticas distintas para as projees das
bacias de Itaipu e D.Francisca.
O modelo CESM1-BGC no mostra impactos significativos nas vazes mdias
anuais em D.francisca em todo o sculo XXI. Em Itaipu h um grande alternncia de
anos secos e chuvosos, sendo os eventos de anos abaixo da mdia cada vez mais
intensos, principalmente no perodo de 2070 a 2098. Assim como em Furnas, apesar de
no perodo de 2070 e 2098 as vazes do modelo estarem na fase seca, claramente os
eventos de secas atingem patamares mais intensos do que nos demais perodos, esse
padro captado pelo resduo da transformada em ondeletas.
O modelo HadGEM2-AO mostra em Itaipu uma aumento na amplitude de
variao da srie, com ocorrncia de uma maior quantidade de efeitos extremos. Assim
como sinalizado pelo modelo HadGEM2-CC,este tambm mostra tendncia positiva
para a bacia de D.Francisca, com mudanas significativas nos valores das vazes
mdias anuais a partir de 2060.
O modelo MIROC-ESM indica tendncia negativa em Itaipu, sugerindo
redues dos patamares de vazes mdias anuais j a partir do inicio da srie do sculo
XXI. Enquanto na bacia de D.Francisca esse modelo mostra leve tendncia positiva,
sendo os padres de variabilidade naturais da srie o maior responsvel pelo sinal da
anomalia na Figura 43.
frequncia e tendncia positiva segundo o teste de Man-Kendall-Sen. Em ambas as
bacias, h uma clara mudana de amplitude na banda de baixa frequncia. Indicando o
aumento de eventos acima da mdia histrica, sendo estes mais intensos do que no
sculo XX.O resduo da transforma em ondeletas capta a tendncia em D. Francisca e
sugere que as vazes devem atingir valores muita acima da mdia histrica do sculo
XX, principalmente a partir 2060.
144
Figura 45 - Tendncias das series de vazes para Itaipu dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides, usando regresso linear, mdia e
145
Figura 46 - Tendncias das sries de vazes para D.Francisca dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides,
146
Na Figura 47 e na Figura 48 so mostradas as tendncias das vazes mdias
anuais e as bandas geradas a partir da transformada em ondeletas dos modelos CESM1BGC, HadGEM2-AO, MIROC-ESM e HadGEM2-CC para o cenrio RCP8.5 para
Sobradinho e Xing, respectivamente, para o perodo de 2015 a 2098.
O modelo CESM1-BGC indica a possibilidade de uma srie de eventos extremos
no setor Nordeste no perodo de 2015 a 2060, seguido por uma reduo da amplitude de
variao da srie no perodo de 2060 a 2098. Em ambas as bacias o modelos mostra
tendncia negativa, sendo est tambm captada pelo resduo e mais intensa a partir de
2050.
O modelo HadGEM2-AO mostra em Sobradinho um padro de variao de
baixa frequncia, apesar disso a srie possui patamares de vazes abaixo da srie
histrica em praticamente todo o sculo. Em Xing o modelo mostra tambm patamares
de vazo abaixo do sculo XX, com alguns eventos extremos de cheia ao longo do
sculo.
O modelo MIROC-ESM indica tendncia negativa em Sobradinho, sugerindo
redues dos patamares de vazes mdias anuais j a partir do inicio da srie do sculo
XXI. Enquanto na bacia de Xing esse modelo mostra leve tendncia positiva, porm as
vazes mdias anuais encontram-se abaixo dos patamares do sculo XXI, o que justifica
os valores negativos de anomalia na Figura 43.
frequncia tendncia negativa, segundo a regresso linear. Em ambas as bacias, h uma
clara mudana de amplitude na banda de baixa frequncia. Indicando o aumento de
eventos acima da mdia histrica, sendo estes mais intensos do que no sculo XX,
principalmente em Xing.
147
Figura 47 - Tendncias das sries de vazes para Sobradinho dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides, usando regresso linear, mdia e
148
Figura 48 - Tendncias das sries de vazes para Xing dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides, usando
regresso linear, mdia e mediana mveis de 10 anos e transformada em ondeletas.
149
Na Figura 49, na Figura 50 e na Figura 51 so mostradas as tendncias das
vazes mdias anuais e as bandas geradas a partir da transformada em ondeletas dos
modelos CESM1-BGC, HadGEM2-AO, MIROC-ESM e HadGEM2-CC para o cenrio
RCP8.5 para Tucuru, Belo Monte e Santo Antnio, respectivamente, para o perodo de
2015 a 2098.
Os modelos apresentados mostram comportamento semelhante nas bacias
analisadas para esse setor, com tendncia bastante negativa em todas as bacias.
O modelo CESM1-BGC mostra aumento na variabilidade da srie,
principalmente associado ao aumento da amplitude da baixa frequncia, associado a
tendncia negativa.
O modelo HadGEM2-AO mostra tendncia negativa na maioria das bacias deste
setor, em Santo Antnio o teste de Man-Kendall-Sen no mostra tendncia, porm h
um evidente aumento da amplitude da baixa frequncia.
O modelo MIROC-ESM indica tendncia negativa em Tucuru, Belo Monte e
Santo Antnio, sugerindo redues dos patamares de vazes mdias anuais j a partir do
inicio da srie do sculo XXI.
O modelo HadGEM-CC mostra impacto em todas as bandas da transformada em
ondeletas, no perodo de 2080 a 2098 h mudanas significativas na amplitude da
banda de 10 a 33 anos em todas as bacias do setor norte. O resduo indica mudanas
significativas nos padres de variao das vazes mdias anuais no perodo de 2060 a
2098. Essas modificaes na amplitude mostram, alm da tendncia negativa da srie,
uma maior variabilidade das vazes com grande frequncia de ocorrncia de eventos
extremos.
150
Figura 49 - Tendncias das sreis de vazes para Tucuru dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides, usando
regresso linear, mdia e mediana mveis de 10 anos e tranformada em ondeletas.
151
Figura 50 - Tendncias das series de vazes para Belo Monte dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides,
152
Figura 51 - Tendncias das series de vazes para Santo Antnio dos modelos do CMIP5 para o cenrio RCP8.5 mais prximos dos centroides,
153
8. RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO CEAR
Est seo expe os resultados obtidos para as vazes a partir de dados de

entrada dos modelos do CMIP5 para os cenrios RCP4.5 e RCP8.5 e para o sistema
Jaguaribe-Metropolitano, destacando trs perodos: 2010 a 2039, 2040 a 2069 e 2070 a
2099.
8.1. Avaliao dos Modelos do CMIP5
Na Tabela 14 so mostrados os ndices CORREL, RMSE e AVAL para
avaliao sazonal dos modelos do CMIP5 para as Bacias do Ors, Castanho, Banabui,
Pacoti-Riacho, para c igual a 0,50. A maioria dos modelos apresentou correlaes
superiores a 0,85 em todas as bacias, associados RMSE inferiores a 4,00. Isto indica
que a maioria dos modelos capta os padres sazonais de variabilidade no Cear.
Tabela 14-Modelos do CMIP5, CORREL,, RMSE e AVAL para c =r =0,5 para as
bacia do Ors, Castanho, Banabui e Pacoti-Riacho.
Modelos
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM
MIROC5
bcc-csm1-1
GFDL-ESM2M
GISS-E2-R
HadGEM2-CC
HadGEM2-ES
Modelos
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
Ors
CORREL
RMSE
0,93
3,28
0,96
2,62
0,92
6,22
0,81
6,55
0,97
2,88
0,93
5,81
0,91
6,37
0,78
5,86
0,95
3,58
0,91
3,62
0,94
3,86
0,87
3,35
0,96
3,28
0,96
3,39
Banabui
CORREL
RMSE
0,95
2,59
0,94
2,74
0,89
6,09
0,83
5,81
0,97
2,43
AVAL
0,80
0,96
0,40
0,09
0,97
0,48
0,37
0,09
0,81
0,71
0,75
0,63
0,88
0,86
AVAL
0,93
0,89
0,37
0,28
1,00
Castanho
CORREL
RMSE
AVAL
0,93
3,41
0,72
0,97
2,27
0,95
0,92
5,96
0,40
0,82
6,58
0,10
0,99
3,01
0,91
0,90
6,05
0,36
0,91
6,46
0,32
0,78
5,93
0,08
0,96
3,48
0,80
0,94
3,27
0,77
0,95
3,86
0,73
0,89
3,25
0,64
0,97
3,37
0,84
0,97
3,49
0,82
Pacoti-Riacho
CORREL
RMSE
AVAL
0,98
1,83
0,99
0,92
3,30
0,75
0,90
7,80
0,32
0,89
5,04
0,53
0,97
2,23
0,94
154
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM
MIROC5
bcc-csm1-1
GFDL-ESM2M
GISS-E2-R
HadGEM2-CC
HadGEM2-ES
0,86
0,85
0,73
0,93
0,94
0,92
0,78
0,97
0,95
5,61
6,11
6,39
3,98
2,85
3,58
5,11
2,69
3,01
0,37
0,29
0,00
0,71
0,87
0,74
0,26
0,95
0,88
0,82
0,92
0,77
0,97
0,94
0,92
0,76
0,98
0,97
6,31
4,20
5,96
3,25
2,97
3,42
5,68
2,15
2,24
0,28
0,67
0,18
0,86
0,81
0,73
0,18
0,97
0,95
Os modelos CanESM2 e MIROC-ESM apresentaram correlaes ligeiramente

inferiores aos demais, com um RMSE superior a 5 em todas as bacias, estes fatores
contriburam para que esses modelos obtivessem AVAL inferiores a 0,30 na maiorias
dos casos. Indicando que os mesmo no representam adequadamente a sazonalidade no
Cear.
Os modelos CSIRO_MK3_6 e IPSL-CM5A-LR, apesar de apresentarem
correlaes superiores a 0,85 em todas as bacias apresentam RMSE superior a 5,60, por
isso apresentaram AVAL inferior maioria dos modelos avaliados nas quatro regies.
Da mesma forma, o IPSL-CM5A-MR possui comportamento semelhante a esses dois
modelos, quanto aos ndices de avaliao sazonal, diferenciando-se apenas na bacia de
Pacoti-Riacho onde o mesmo possui uma melhor correlao e RMSE, e por isso um
AVAL de aproximadamente 0,67 nesta bacia.
Para as bacias do Ors e Castanho os modelos CESM1-BGC e HadGEM2-AO
apresentaram o maiores AVALs, segundo a avaliao proposta neste trabalho para
igual a 0,5. Enquanto para a bacia do Pacoti-Riacho os modelos BNU-ESM,
HadGEM2-AO, HAdGEM2-CC e HadGEM2-ES apresentaram AVALs superiores a
0,94.
J na bacia de Banabui destaca-se o modelo HadGEM2-AO que apresentou a
melhor representao da climatologia e o modelo MIROC-ESM que apresntou AVALs
igual a zero.
A Figura 52 mostra as climatologias dos trs melhores (HadGEM2-AO,
CESM1-BGC e HadGEM2-CC) modelos do CMIP5 e dos trs piores (IPSL-CM5AMR,CanESM2 e MIROC-ESM), segundo a avaliao sazonal, em comparao ao
observado sobre a Bacia do Ors.
Os modelos MIROC-ESM e CanESM2 apresentam dificuldade de representar a
climatologia observada, superestimando a precipitao em dezembro, janeiro e fevereiro
155
e subestimando em abril, maio e junho. Em termos percentuais, o modelo CanESM2
possui dificuldade de representar a sazonalidade, atribuindo o maior valor percentual de
chuva para o ms de fevereiro. J o modelo MIROC-ESM no representa
satisfatoriamente a pr-estao, apresentando valores percentuais de precipitao nos
meses de dezembro, janeiro e fevereiro que superam em at 10% os valores observados.

Bacia do Ors: (a) Quantidade de precipitao por ms; (b) Percentual de chuva por
ms.
(a)
(b)
156
8.2. Anomalia das mdias anuais de vazes
Est seo apresenta anomalia percentual de vazes obtidas a partir do modelo

SMAP com dados de entrada dos modelos globais do CMIP5 para os cenrios RCP4.5 e
RCP8.5. Estes resultados so divididos em trs perodos do sculo XXI: 2010 a 2039,
2040 a 2069 e 2070 a 2098.
8.2.1. Cenrio RCP4.5
Na Figura 53 apresenta-se a variao percentual na mdia anual de vazes no

sculo XXI em trs perodos (2010 a 2039, 2040 a 2069 e 2070 a 2098) para 10
modelos do CMIP5 para o cenrio RCP 4.5 em relao ao sculo XX (1950-1999) para
as bacias de Banabuiu, Castanho, ros e Pacoti-Riacho. Os modelos IPSL-CM5A-LR
e o IPSL-CM5A-MR projetam aumento da mdia anual de vazes em todas as bacias,
chegando atingir valores superiores a 100% de variao percentual em relao ao
sculo XX.
Para a bacia de Banabui, nota-se que a maioria dos modelos projeta reduo da
mdia anual de vazes nos trs perodos em estudo. Para o perodo de 2010 a 2039, o
modelo que mostrou maior reduo foi o BNU-ESM, com valor percentual prximo a
60%, e o que apresentou menor reduo foi CESM1-BGC, com percentagem de 10%.
Para o perodo de 2040-2069, o modelo que apresentou maior reduo percentual foi
CSIRO-Mk3-6.0 e o de menor variao da mdia anual foi, novamente, o CESM1BGC.
Para a bacia do Castanho, com exceo dos modelos IPSL-CM5A-LR e o
IPSL-CM5A-MR, os demais mostram que as vazes devem reduzir em todos os
perodos em estudo, sendo que essa diminuio maior que 20% e menor que 90%.
Enquanto para a bacia do Ors, da mesma forma, a maioria dos modelos
apontam redues nas vazes, exceto os modelos IPSL-CM5A-LR e o IPSL-CM5AMR que projetam aumento percentual da vazo mdia anual nos trs perodos
analisados.
A bacia do PacotiRiacho a que apresenta um maior nmero de modelos
indicando aumento da vazo mdia anual, em comparao com as demais bacias em
estudo, isto caracteriza a grande variao espacial provocada pelos impactos das
mudanas climticas. Em relao aos modelos que apresentaram aumento da vazo
157
mdia, identificou-se que o CSIRO-Mk3-6.0 tem valor percentual superior a 150% no
perodo de 2010-2039, o IPSL-CM5A-MR tem valores superiores a 150% tanto no
perodo de 2040-2069 como no perodo de 2070-2098, e o MIROC5 varia de valores
percentuais prximo 100% at prximo a 150%.

e (d) Pacoti-Riacho.
8.2.2. Cenrio RCP8.5

Na Figura 54 apresenta-se a variao percentual na mdia anual de vazes no
sculo XXI para 14 modelos do CMIP5 para o cenrio RCP 8.5 em relao ao sculo
XX (1950-1999) para as bacias de Banabuiu, Castanho, ros e Pacoti-Riacho.Assim
como no cenrio RCP4.5, os modelos IPSL-CM5A-LR e o IPSL-CM5A-MR projetam
aumento da mdia anual de vazes em todas as bacias.
158
A Figura 54 mostra que os modelos divergem quanto as projees das vazes
mdias anuais para a bacia de Banabuiu. Para o perodo de 2010-2039, os modelos que
sugerem reduo das vazes mdias indicam margens de aproximadamente 5% at
65%, j entre 2040 e 2069 varia a margem de aproximadamente 5% at 75% e no
periodo de 2070 a 2098 varia entre de 5% at 90%. Os modelos IPSL-CM5A-LR, o
IPSL-CM5A-MR e o HadGEM2-CC indicam variao positiva nos trs periodos.
Para bacia do Castanho, verifica-se que a maioria dos modelos apresenta
redues nas vazes no primeiro perodo. Os modelos que apresentaram as maiores
redues ao longo de quase todo o sculo XXI foram os modelos CSIRO-Mk3-6.0 e o
BNU-ESM, indicando valores superiores a 50% no perodo de 2040-2069, e valores
prximos a 100% para o perodo de 2070-2098. Os modelos IPSL-CM5A-LR e IPSLCM5A-MR foram os que apresentaram, novamente, uma maior variao percentual de
aumento da vazo, com valores superiores a 100% nos dois ltimos perodos. O
modelos HadGEM2-CC apresenta aumentos nas vazes nos dois primeiros perodos
seguido por uma inverso de sinal no ltimo perodo, sugerindo reduo das vazes
mdias anuais de aproximadamente 10%.
Para a bacia do Ors, o comportamento dos modelos semelhante ao mostrado
para a bacia do Castanho.
Para a bacia de Pacoti-Riacho, o perodo de 2010-2039 mostrou 6 modelos com
projeo de aumento da vazo mdia anual, sendo este superior a 50% em alguns casos.
Para o perodo de 2040 a 2098, notou-se que os modelos CSIRO-Mk3-6.0, MIROC5 e
bcc-csm1-1, sofreram uma inverso do sinal da anomalia, indicando uma possvel
tendncia negativa.
159
e (d) Pacoti-Riacho.
8.3. Anlise de tendncia
Na Tabela 15 so mostradas as declividades da tendncia dos modelos para os

cenrios RCP8.5 e RCP4.5 do CMIP5 para o teste de Man Kendall-Sen das vazes
anuais padronizadas. Na maioria dos casos, a tendncia mais pronunciada para o
cenrio RCP8.5, indicando que esse cenrio pode levar a eventos extremos mais
intensos do que o RCP4.5 para as bacias do Cear.
A maioria dos modelos indica tendncia negativa para as bacias do Castanho e
ros, principalmente para o cenrio RCP8.5. Porm, os modelos IPSL-CM5A-LR e
IPSL-CM5A-MR apresentam tendncia positiva maiores em mdulo do que todos os
demais.
160
Tabela 15- Tendncia identificada para as vazes anuais padronizadas (desvios padres
por ano) dos modelos do CMIP5 para os cenrios RCP4.5 e RCP8.5 o sistema
Jaguaribe-Metropolitano do Cear.
RCP8.5
RCP4.5
Modelos
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM_
MIROC5
bcc-csm1-1
GFDL-ESM2M
GISS-E2-R
HadGEM2-CC
HadGEM2-ES
BNU-ESM
CESM1-BGC
CSIRO-Mk3-6-0
CanESM2
HadGEM2-AO
IPSL-CM5A-LR
IPSL-CM5A-MR
MIROC-ESM_
MIROC5
bcc-csm1-1
GFDL-ESM2M
GISS-E2-R
HadGEM2-CC
HadGEM2-ES
Ors
-0,002
-0,002
-0,001
0,050
0,190
-0,003
-0,004
-0,002
-0,009
-0,003
-0,002
-0,005
0,008
0,069
-0,007
*
*
*
*
Castanho
-0,003
-0,003
-0,002
-0,001
0,046
0,095
-0,003
-0,006
-0,002
-0,010
-0,005
-0,003
-0,004
-0,001
-0,002
0,008
0,037
-0,009
*
*
*
*
Banabui
-0,002
-0,001
-0,001
0,037
0,064
-0,008
-0,002
-0,002
0,029
-0,007
*
*
*
*
Pacoti-Richo
-0,001
-0,001
-0,001
0,004
0,052
0,029
-0,001
-0,007
-0,008
-0,001
0,017
*
*
*
*
- Ausncia de tendncia segundo o teste de Man-Kendall Sen.

* Simulao no avaliada para o cenrio em questo.
8.3.1. Anlise de tendncia do cenrio RCP4.5

geradas a partir da transformada em ondeletas dos modelos BNU-ESM, IPSL-CM5ALR e bcc-csm1-1 para o cenrio RCP4.5 para a bacia do ros para o perodo de 2015 a
2098.
O modelo IPSL-CM5A-LR o modelo mostra tendncia positiva para a bacia do
ros. O comportamento desse modelo a partir de 2060 indica um grande aumento na
161
ocorrncia de eventos extremos, principalmente de vazes muito acima da mdia
histrica. Essa mudana de amplitude dos eventos captada pela banda de baixa
frequncia (1-10 anos).
J o modelo bcc-csm1-1 mostra alguns anos de extremos de cheia na primeira
metade do sculo seguido por uma possvel estabilizao na segunda metade com
sensvel tendncia negativa. Este fato reforado pela amplitude da banda de baixa
frequncia e alta frequncia, que apresentam valores positivos extremamente elevados
no perodo de 2015 a 2050.
Os valores negativos de anomalia nas vazes mdias anuais do modelo BNUESM mostrados na Figura 51 so explicadas pelo comportamento do resduo que
apresenta valores negativos em todo o sculo XXI.
geradas a partir da transformada em ondeletas dos modelos BNU-ESM, IPSL-CM5ALR e bcc-csm1-1 para o cenrio RCP4.5 para a bacia de Pacoti-Riacho para o perodo
de 2015 a 2098. Os modelos possuem em comum um aumento da variabilidade das
vazes anuais e a ausncia de tendncia segundo o teste de Man-Kendall Sen.
A banda de 1 a 10 anos apresenta um aumento de amplitude, para todos os
modelos, principalmente para os ltimos trinta anos do perodo avaliado. Isso pode
indicar
um
aumento
na
ocorrncia
de
eventos
extremos
de
vazes.
162
Figura 55-Tendncias das sries de vazes para a bacia do ros dos modelos do CMIP5 para o cenrio RCP4.5: BNU-ESM,bcc-csm1-1 e IPSLCM5A-LR.
163
Figura 56-Tendncias das sries de vazes para a bacia do Pacoti-Riacho dos modelos do CMIP5 para o cenrio RCP4.5: BNU-ESM,bcc-csm11 e IPSL-CM5A-LR
164
8.3.2. Anlise de tendncia do cenrio RCP8.5

geradas a partir da transformada em ondeletas dos modelos BNU-ESM, IPSL-CM5A-LR,
HadGEM2-CC e bcc-csm1-1 para o cenrio RCP8.5 para a bacia do Ors para o perodo
de 2015 a 2098.
O modelo BNU-ESM mostra tendncia negativa, est explicada principalmente
pelo comportamento do resduo que mostra valores negativos em todo o sculo XXI.
J o modelo bcc-csm1-1 mostra alguns anos de extremos de cheia na primeira
metade do sculo seguido por uma possvel estabilizao na segunda metade com
sensvel tendncia negativa. Este fato reforado pela amplitude da banda de baixa
frequncia e alta frequncia, que apresentam valores positivos extremamente elevados no
perodo de 2015 a 2050.
O modelo IPSL-CM5A-LR, assim como no cenrio RCP4.5, mostra tendncia
positiva para a bacia do Ors. O comportamento desse modelo a partir de 2050 indica um
grande aumento na ocorrncia de eventos extremos de cheias. Essa mudana de
amplitude dos eventos captada pela banda de baixa frequncia (1-10 anos), mdia
frequncia e resduo.
O modelo HadGEM2-CC mostra alternncia entre perodos muito midos e secos
captados pela mdia e mediana mveis de 10 anos e pelas bandas de variao de
ondeletas. Indicando fases midas de 2015 a 2030 e 2045 a 2055, enquanto apresenta
fases normais ou secas entre e depois desses perodos. Destaca-se a amplitude dos
eventos de precipitao acima da mdia, que apresentam valores superiores a 3 desvios
padres em relao a srie modelada do sculo XX, sugerindo eventos de cheias bem
mais frequentes e intensos.
geradas a partir da transformada em ondeletas dos modelos BNU-ESM, IPSL-CM5A-LR,
HadGEM2-CC e bcc-csm1-1 para o cenrio RCP8.5 para a bacia do Pacoti-Riacho para
o perodo de 2015 a 2098. Os modelos apresentam em comum um aumento na amplitude
da alta frequncia, o que sugere eventos extremos mais intensos.
165
Figura 57-Tendncias das sries de vazes para a bacia do Ors dos modelos do CMIP5 para o
cenrio RCP4.5: BNU-ESM, bcc-csm1-1, HadGEM2-CC e IPSL-CM5A-LR.
166
O modelo BNU-ESM mostra tendncia negativa, assim como no cenrio RCP4.5
e para as demais bacias, est explicada principalmente pelo comportamento do resduo
que mostra valores negativos em todo o sculo XXI.
Figura 58-Tendncias das sries de vazes para a bacia do Pacoti-Riacho dos modelos do CMIP5
para o cenrio RCP4.5: BNU-ESM,bcc-csm1-1, HadGEM2-CC e IPSL-CM5A-LR.
167
J o modelo HadGEM2-CC apresenta mais padres de variabilidade do que

propriamente tendncia, porm os eventos mais midos so mais intensos no sculo XXI.
O modelo bcc-csm1-1 apresenta tendncia com vrios eventos de seca no perodo
de 2080 a 2098, porm no demais perodos indica uma grande alternncia de anos secos e
midos com amplitude de at 6 desvios padres para os eventos acima da mdia.
Enquanto isso, o modelo IPSL-CM5A-LR apresenta tendncia positiva, assim
como nas demais bacias, com vrios anos no perodo de 2080 a 2098 com vazes de
aproximadamente 10 desvios padres. Comportamento que concorda com a acentuao
da amplitude do resduo no final do sculo XXI.
168
9. METODOLOGIA- ESCALA DE MDIO PRAZO:
Neste trabalho foram utilizados mtodos baseados em regresso linear (modelo

auto regressivo), modelo baseado na transformada de Fourier, modelo baseado na
transformada em ondeletas. Todas as metodologias so descritas nas sees seguintes.
9.1. Dados Utilizados
Para avaliar a destreza dos modelos e efetuar as devidas calibraes foram

utilizadas a base de dados de precipitao pluviomtrica observada da Fundao
Cearense de Meteorologia e Recursos Hdricos (FUNCEME) e Superintendncia do
Desenvolvimento do Nordeste (SUDENE) para o periodo de 1912 a 2012. Enquanto as
vazes nas bacias de interresse foram obtidas a patir da Agncia Nacional de guas
(ANA) e os dados de vazes naturalizadas disponibilizados pelo ONS. Devido s falhas
nas sries histricas de vazes, as mesmas so completadas por meio do modelo chuvavazo SMAP.
9.2. Modelos auto regressivos
Considerando que as curvas de maior frequncia de variveis hidrolgicas so

distribudas de maneira assimtrica, ou esto vinculadas a zero, frequentemente
necessrio padronizar essas variveis a fim de realizar a anlise estatstica de interesse.
A padronizao de todas as sries anuais a primeira etapa de clculo da maioria das
anlises estatsticas series hidrolgicas, conforme a equao 30:
(30)
onde x o dado a ser padronizado,
a mdia da srie e
o desvio padro da srie.
Aps padronizada, realizada a regresso linear dos dados, considerando os anos

anteriores como preditores. A regresso linear da por:
(31)
169
onde zj so os anos considerados preditores,
preditor,
so os coeficientes calculados de cada
o vis/rudo/resduo e n nmero de termos usado no modelo auto-
regressivo. Sendo
um conjunto de valores previstos pelo modelo para um perodo de
p anos.
Em seguida utilizado o mtodo stepwise. A regresso linear stepwise (passo a
passo) utilizada quando se possui uma grande variedade de variveis (preditores) de
entrada na regresso. A regresso stepwise introduz os preditores passo a passo no
modelo, comeando com a varivel independente mais correlacionada com a varivel
prevista.
Depois do primeiro passo, o algoritmo seleciona do grupo de variveis
remanescentes (preditora secundria) aquela que d a maior reduo na varincia
residual (no explicada) da varivel dependente, isto , a varivel cuja correlao parcial
com a varivel prevista maior. Essa funo, ento, executa um teste-F parcial na
entrada para checar se a varivel preditora secundria provocar uma significante
variao na varivel prevista em comparao a varivel prevista com a remoo da
preditora secundria.
O usurio pode especificar um valor de F mnimo para a incluso de qualquer
varivel. A funo avalia se o valor de F obtido em um dado passo satisfaz o mnimo e,
se satisfizer, a varivel participar da regresso. Similarmente, o programa decide a
cada passo se qualquer varivel previamente includa ainda satisfaz um mnimo
estabelecido e, caso contrrio, remove-se tal varivel. Em qualquer passo do stepwise
os resultados so calculados da mesma maneira de uma regresso padro usando-se um
conjunto particular de variveis. Portanto o passo final da stepwise mostra os mesmos
coeficientes que uma regresso linear padro, utilizando os mesmos coeficientes que
sobreviveram a todos os passos.
O perodo usado para a calibrao dos parmetros foi de 1912 a 2002 no Cear e
1931 a 1998 para os dados do SIN, todo ele com lag1 (um ano). Logo, a gerao de
dada atravs da gerao de m valores distribudos aleatoriamente numa funo normal

multivariada de mdia, desvio padro e covarincia da diferena entre a varivel
prevista e observada com lag1 ao longo de 1912 a 2002. Sendo assim
cenrios possveis.
possui m
170
A gerao da previso com lag2 admite que todos os cenrios gerados para
so futuros plausveis, sendo os anos anteriores preditores do ano previsto tm-se:
(32)
Sendo
apenas um valor aleatrio selecionado da distribuio
A Figura 59 mostra trs dos modelos auto-regressivos utilizados: AR com

stepwise (ARs),AR com stepwise da mdia mvel de 5 anos(ARsMedia) e AR com
stepwise da Mediana mvel de 5 anos(ARsMediana). Estes trs modelos diferenciam-se
apenas na definio de zj.
No modelo ARs, zj a varivel anual normalizada e, portanto
representa o
valor previsto da mdia anual da varivel. Enquanto para o ARsMedia zj representa a

mdia mvel anual de 5 anos normalizada e
representa a mdia mvel prevista
normalizada. O mesmo caso do ARsMedia se aplica ao ARsMediana, porm para

mediana mvel de 5 anos.
9.3. O modelo baseado na srie de Fourier

Nesta seo apresentada a transformada de Fourier e a formulao dos modelos baseados
neste tipo srie.
9.3.1. Transforma discreta de Fourier

A anlise de Fourier ou anlise harmnica uma das formas mais tradicionais
para tratamento de sinais e sries temporais. Esta tcnica foi criada por Jean Baptiste
Joseph Fourier e publicada em 1822 no seu trabalho intitulado Thorie Analitique de la
Chaleur. Essencialmente, ela permite que se observem informaes de frequncia invs
de tempo.
Na anlise de sries temporais, resultado da observao de processos
estocsticos, normalmente se utiliza a transformada discreta de Fourier, tendo como
171
objetivo bsico o de aproximar uma funo do tempo por uma combinao linear de
harmnicos (componente senoidais) (MORETTIN & TOLOI, 2006).
Em 1827, Joseph Fourier afirmou (BOLZAN, 2004), na sua teoria de anlise de
frequncias, que qualquer funo peridica f(x) poderia ser obtida, de maneira
aproximada, pela somatria de funes senoidais:
(33)
Onde: a0, ak e bk so constantes dadas por:
(34)
(35)
(36)
Sendo a sries de Fourier peridicas, logo f(x + p) = f(x), sendo p o perodo.
A transformada de Fourier pode ser considerada um limite de uma combinao
linear infinita de ondas senoidais. Uma funo aperidica pode ser considerada o caso
limite de uma funo peridica, cujo perodo tende ao infinito. Assim, pode-se
representar uma srie temporal como (BOLZAN, 2004):
(37)
(38)
172
Figura 59 - Opes de modelos auto-regressivos usados para projeo decadal- ARs(coluna 1),
ARsMedia(coluna 2) e ARsMediana (coluna 3).
9.3.2. A gerao do modelo baseado na srie de Fourier
A transformada de Fourier uma transformada reversvel, porm no h

informao de frequncia disponvel no domnio do tempo da srie ou sinal, com isso
no h informao de tempo disponvel na transformada de Fourier do sinal. Ou seja,
173
atravs da informao da transformada do sinal fornecido possvel estimar quanto de
cada frequncia existe no sinal, mas isso no informa desde quando no tempo estas
componentes de frequncia existem. Esta informao no necessria quando o sinal
estacionrio (sinais cujo contedo de frequncia no muda com o tempo).
Um processo estacionrio se ele se desenvolve no tempo, de modo que a
escolha de uma origem dos tempos no seja importante, as caractersticas probabilsticas
so as mesmas ao longo da srie temporal (MORETTIN, 1999). Nesse caso, todas as
componentes de frequncia existem o tempo todo. Para tornar mais sutil essa suposio
nas sries de vazes e precipitao feito o teste de tendncia de Man Kendall-Sen com
nvel de significncia de 95%, caso hiptese de tendncia seja confirmado a mesma
retirada da srie para em seguida ser usada a transformada de Fourier.
Na Figura 60 mostrado o desenho esquemtico dos modelos baseados em
sries de Fourier e na seo 10.3.2.1 mostrada a obteno dos parmetros da srie de
Fourier.
10.3.2.1 Estimao dos parmetros peridicos de sries de Fourier
A representao da srie de Fourier de
, denotada por
, pode ser obtida pela
equao 39 ( YEVJEVICH,1972)
(39)
Onde
mdia de
so os coeficientes da srie de Fourier, j o harmnico
e h o nmero total de harmnico. Sendo h igual a

caso de
mpar). Para a anlise das sries temporais o
(em caso de
par) ou
(em
exatamente igual ao nmero
total de anos usados para a calibrao.

Sendo,
(40)
(41)
174
(42)
Onde
da equao X calculado inicialmente usando todos os harmnicos

(todos os coeficientes
para todos os valores de
, espera-se que
seja aproximadamente igual a
Para realizar as projees usando essa tcnica so selecionados alguns

harmnicos
(aqueles que possuem maior significncia, ou seja, aqueles que mais
contribuem para a variabilidade da srie temporal). A seleo dos
feita pela anlise
do espectro de potncia da srie de Fourier.

Sendo a srie de Fourier projetada baseada na equao 39 com uso apenas dos
.
175
Figura 60 - Opes de modelos baseados na srie de Fourier para projeo decadal- FA(coluna 1),
FMedia(coluna 2) e FMediana(coluna 3).
9.4.O modelo baseado na srie de Ondeletas
Segundo Wilks (1995), existem duas formas fundamentais de anlise de sries

temporais quanto variabilidade interanual e interdecadal: anlises no domnio do
176
tempo e no domnio de frequncia. A primeira busca caracterizar a srie de dados
considerando o mesmo domnio em que os dados foram coletados/observados. J as
anlises no domnio de frequncia buscam a representao da srie temporal em termos
da contribuio de cada escala temporal para um dado valor.
Diante da dificuldade em se caracterizar as variabilidades tanto de espao como
de tempo no padro de chuvas e vazes, torna-se necessrio utilizar um mtodo de
anlise adequado na localizao temporal das estruturas de multiescalas. Um dos
mtodo usado neste estudo para caracterizar as variabilidades tanto no espao como no
tempo a Transformada em Ondeletas (TO). Este mtodo recomendado para o estudo
de fenmenos transientes, espacialmente heterogneos e que atuam simultaneamente em
vrias escalas do escoamento (TORRENCE & COMPO, 1998).
Para identificar as frequncias de variao mais significativas de uma srie
temporal pode-se utilizar a potncia do sinal do Especto Global da Ondeleta. A potncia
est associada da intensidade do sinal da srie histria para uma dada frequncia ou
banda (intervalo) de frequncias. A potncia o valor absoluto (norma da parte real e
imaginria da ondeleta) ao quadrado dos valores da transformada da ondeleta da srie
temporal para cada frequncia em determinado instante de tempo (TORRENCE &
COMPO, 1998). Este procedimento, conhecido na literatura cientfica pelo termo em
ingls de Global Wavelet Spectrum (Espectro de Ondeleta Global), uma forma similar
do espectro de energia obtido via Transformada Rpida de Fourier.
No espectro de energia global possvel identificar exatamente as bandas
(frequncias) caractersticas presentes na srie analisada. Esta representao possui um
carter muito vantajoso e utilitrio que a localizao no tempo da variabilidade da
energia de uma srie temporal. A transformada contnua de ondeletas envolve um
enorme nmero de escalas o que gera um volume grande de dados. Uma estratgia
computacionalmente mais eficiente a escolha de apenas um subconjunto de escalas e
posies para os quais os coeficientes devem ser calculados. Adotando-se essa
estratgia, a transformada de ondeletas deixa de ser contnua para ser discreta. Este
anlise permite que um sinal seja representado como uma soma das componentes,
conforme equao 29.
177
Aps a seleo das bandas de frequncia de ondeletas, ocorre o processo de
reconstruo para as mesmas. Em seguida, aplicado um modelo autorregressivo a cada
banda, considerando que as mesmas so ortogonais. O mesmo pode ser dado pela
equao 43:
(43)
Onde ARsb representa o modelo autorregressivo de cada banda e ARsR representa o
modelo autorregressivo do resduo.
9.5.
Modelos Baseado nas transformadas de Fourier e ondeletas

Para utilizao das duas tcnicas o procedimento primrio identificar as bandas
de variao da transformada em ondeletas e em seguida considerar que cada banda pode

ser reconstruda usando a transformada de Fourier (do mesmo modo que o modelo FA).
O prximo passo considerar que os sinais reconstrudos segundo Fourier mantm a
ortogonalidade das bandas, logo a projeo das variveis dada pelo somatrio das
bandas mais resduo reconstrudos segundo Fourier.
9.6.
Mtricas para avaliao de desempenho dos modelos

Aps calcular as previses de vazes para todas as regies de interesse,
necessrio avaliar o desempenho dos modelos propostos. Para os modelos

autorregressivos usada a razo da mxima verossimilhana (conforme descrito na
seo 6.5.1.), enquanto para modelos baseados na srie de Fourier usada a anlise
qualitativa da distribuio de probabilidades acumulada do perodo de anos previstos.
9.6.1. Estimador de mxima verossimilhana
Para calcular este estimador faz-se necessrio definir a funo de

verossimilhana para as observaes
, correspondentes s variveis
que dada por:

(46)
178
onde f uma densidade de probabilidade conjunta do vetor das observaes
e
um vetor de parmetros a ser estimado.

Se
a varivel resposta, partindo da hiptese de que as observaes so
mutuamente independentes e identicamente distribudas, a funo
pode ser escrita
como:
(47)
O princpio da verossimilhana revisto por Lindgren (1976) afirma que: Uma
inferncia estatstica deve ser consistente com a hiptese de que a melhor explicao de
um conjunto de dados fornecida por
, um valor de
que maximiza a funo de
verossimilhana. Intuitivamente, maximizar a verossimilhana significa obter a

populao com a maior probabilidade de ter gerado a amostra.
No caso do modelo de regresso, o vetor de parmetros de interesse
(48)
e definindo-se
como funo de
tem-se
(49)
Encontrar o vetor de parmetros estimados que maximizem a funo de

verossimilhana equivalente a maximizar a verossimilhana. Portanto, para obter este
vetor, deriva-se parcialmente a verossimilhana em relao a cada parmetro e iguala-se
a zero. Este o mtodo usual de maximizao do clculo.
A FDP gama definida pela equao 42.
(50)
que calcula em cada um dos valores em x, usando os parmetros correspondentes em a e
b. X, a, e b podem ser vetores, matrizes ou matrizes multidimensionais, tendo todos o
mesmo tamanho.
Os estimadores de mxima verossimilhana so facilmente calculados quando se
utilizam ferramentas computacionais. O software MatLab retorna os parmetros a e b da
distribuio gama que estimam a mxima verossimilhana, por intermdio da funo
gamfit. Uma entrada escalar expandida para uma matriz constante com as mesmas
179
dimenses como as outras entradas. Os parmetros a e b devem ser positivos, e os
valores em x devem situar-se no intervalo [0, ).
E o clculo do desempenho na previso, utilizando essa metodologia com a
climatologia em comparao aos dados observados totais, realizado conforme a
equao 51:
(51)
onde
o nmero de anos da srie histrica utilizada. Quando
significa que houve uma melhora na previso em relao climatologia. Ao contrrio,

quando
, significa que houve uma piora na previso.
180
10. RESULTADOS E DISCUSSES: ESCALA DE MDIO PRAZO- SIN
Este captulo apresenta as tcnicas usadas para projetar cenrios de mdio prazo
(de 2 a 10 anos), aplicadas as vazes do setor eltrico do Brasil. Foram usados modelos
auto regressivos, modelos baseados em Fourier e modelos baseados em ondeletas.
10.1. Anlise de tendncia usando mtodos clssicos

Os resultados da anlise de tendncias (mtodo de Mann-Kendal e declividade
de Sen) apresentados na Figura 61 mostram uma tendncia de aumento, ou variabilidade
de baixa frequncia nas vazes nos postos das regies Sul, Sudeste e Centro-Oeste,
enquanto se observa uma tendncia de reduo, ou variabilidade de baixa frequncia nas
vazes das regies Norte e Nordeste.
A Figura 61 indica ainda que existem trs reas em diferentes situaes no pas,
quanto ao sinal da tendncia: com tendncia positiva (regio Sul, Mato Grosso do Sul e
So Paulo), negativa (regio Nordeste, Esprito Santo e Minas Gerais) e ausncia de
tendncia (demais regies e estados).
A Tabela 16 apresenta os resultados para os 21 postos selecionados por este
estudo (localizados nas principais bacias hidrogrficas do setor hidroeltrico), sendo que
no teste de hiptese (h), o valor igual a zero indica a ausncia de tendncia significativa
na srie. Apenas oito postos apresentam tendncia significativa, sendo que sete destes
registraram tendncia positiva, enquanto apenas um acusou tendncia negativa.Os
resultados para as mdias e medianas mveis, alm do mtodo Lowess, mostram uma
variabilidade de alta frequncia, com perodo de poucos anos, nas sries de vazes
mdias mensais naturalizadas dos 192 postos estudados. e as Figuras 62,63 e 64
exemplificam e apresentam os grficos de tendncia de Sen, dos trs casos possveis
quanto ao sinal da mesma ausncia de tendncia (Furnas), tendncia negativa
(Sobradinho) e tendncia positiva (Porto Primavera).
Nas Figuras 62, 63 e 64 observa-se uma acentuada variabilidade interanual das
vazes mdias. Observa-se, ainda, que essas vazes mdias apresentam uma amplitude
elevada no perodo de tempo analisado, com mnimo de 400m/s e mximo de
181
2.200m/s na Figura 62 mnimo de 1.250m/s e mximo de 5.000m/s na Figura 63, e
mnimo de 4.000m/s e mximo de 15.000m/s na Figura 64.
A srie histrica em Sobradinho mostra uma possvel relao com a anomalia da
ODP (conforme mostra a Figura 7 e a Figura 8), indicando que a tendncia por ela
indicada pode estar relacionada variabilidade climtica. Essa relao sugere que para
perodos de fase fria da ODP as vazes tendem a ser menores.
Os postos Furnas e Porto Primavera apresentaram sries histricas bastante
correlacionadas, sinalizando que ambas sofrem influncia de fenmenos meteorolgicos
semelhantes. Isso sugere que a mudana de patamares mostrada na srie de Porto
Primavera pode estar associada a outros fatores, alm da variabilidade climtica; como,
por exemplo, mudanas no uso e ocupao do solo e mudanas climticas.
Figura 61 - Mapa de distribuio espacial das tendncias de Sen das vazes mdias mensais naturalizadas
dos postos do ONS. O tamanho do crculo indica a intensidade da declividade de Sen,
Fonte: Alves et al. (2012).
182
Tabela 16 - Declividade de Sen para 21 dos 192 postos selecionados neste estudo.
Postos do Sistema
Interligado Nacional
(SIN)
EMBORCAO (24)
NOVA PONTE (25)
ITUMBIARA (31)
SO SIMO (33)
FURNAS (6)
GUA VERMELHA
(18)
NOVA
AVANHANDAVA (242)
PORTO PRIMAVERA
(246)
ROSANA (63)
ITAIPU (266)
SANTA CECLIA (125)
SALTO CAXIAS (222)
IT (92)
DONA FRANCISCA
(114)
TRS MARIAS (156)
SOBRADINHO (169)
XING (178)
SERRA DA MESA (270)
LAJEADO (273)
TUCURUI (275)
SANTO ANTNIO
(287)
H0
Declividade
de Sen
(m/s/ano)
Vazo
Mdia
(m/s)
19312010
Variao
anual
-0,030
-0,242
486
-0,05%
-0,076
-0,443
299
-0,15%
-0,054
0,195
-0,029
0
1
0
-1,349
7,599
-0,443
1.557
2.410
927
-0,09%
0,32%
-0,05%
Grande
0,051
1,614
2.102
0,08%
Tiet
0,216
2,567
753
0,34%
Paran
0,314
26,824
7.259
0,37%
0,273
6,967
1.293
0,54%
0,421
57,201
10.239
0,56%
-0,100
-0,370
297
-0,12%
0,217
0,190
1
1
6,990
4,932
1.339
1.033
0,52%
0,48%
0,135
1,016
324
0,31%
-0,019
-0,199
691
-0,03%
-0,160
-6,652
2.666
-0,25%
-0,143
-6,016
2.763
-0,22%
-0,114
-1,659
774
-0,21%
-0,069
0,021
0
0
-2,858
3,278
2.444
10.980
-0,12%
0,03%
-0,083
-18,090
18.890
-0,10%
Nome da
Bacia
Alto
Paranaba
Alto
Paranaba
Paranaba
Paranaba
Alto Grande
Paranapane
ma
Paran
Paraba do
Sul
Igua
Uruguai
Jacu
Alto So
Francisco
Mdio So
Francisco
Baixo So
Francisco
Alto
Tocantins
Tocantins
Tocantins
Madeira
MannKendall
Ajustado
(Taub)
183
Figura 62-Ausncia de tendncia de Sen Posto Furnas (6).
Figura 63 - Tendncia de Sen Negativa Posto Sobradinho (169).
Figura 64 - Tendncia de Sen Positiva Posto Porto Primavera (246).
184
10.2. Modelo baseado na srie de Fourier
Na Figura 65 so mostrados os espectros globais de potncia das sries

observadas de vazes anuais usando a transformada de Fourier em funo da
frequncia, para Furnas, Sobradinho, Itaipu e Tucuru. Os espectros mostram oscilaes
em diversas escalas de frequncia, porm em Furnas e Sobradinho h trs harmnicos
que apresentam maior potncia. Em Tucuru difcil destacar quais harmnicos
apresentam maiores potncias, pois h vrios de alta frequncia contribuindo com a
variabilidade da srie temporal.
Na Tabela 17 so mostrados os harmnicos utilizados para a gerao do modelo
baseado em Fourier, juntamente com os seus respectivos coeficientes da srie de
Fourier. Os quatro postos apresentam um modo de variao em comum de
aproximadamente 0,059 ano-1, o que corresponde a aproximadamente 17 anos.
Enquanto, em Furnas e Itaipu h tambm outro modo de variao comum de 0,118 ano1. Assim como, Sobradinho e Tucuru que apresentam outro modo comum de 0,088
ano-1.
Tabela 17 - Coeficientes de Fourier para os harmnicos selecionados para construo do modelo baseado
em Fourier.
Posto
Furnas
Sobradinho
Itaipu
Tucuru
No do harmnico
3
2
1
3
2
1
4
3
2
1
3
2
1
A
0,516
0,359
-0,324
-0,312
-0,575
0,446
0,292
0,278
0,282
0,424
0,368
-0,361
-0,195
B
-0,208
0,234
0,252
0,504
0,113
-0,347
-0,866
-0,355
-0,325
0,053
-0,065
-0,075
0,297
Frequncia
0,044
0,118
0,059
0,059
0,029
0,088
0,118
0,191
0,059
0,015
0,353
0,088
0,059
185
Figura 65 - Espectro de potncia das vazes anuais normalizadas usando transformada de Fourier para Furnas, Sobradinho, Itaipu e Tucuru.
186
Na Figura 66 so mostradas as sries observadas de vazes e a srie de Fourier
com os harmnicos mostrados na
Tabela 17 para o perodo de calibrao (1931 a 1998). O modelo consegue
capturar a variabilidade das vazes no SIN, capturando a maioria dos mximos e
mnimos das sries temporais.
Na Figura 67 mostrado o harmnico de 0,059 de frequncia, aproximadamente
17 anos, comum s sries de Furnas, Sobradinho, Itaipu e Tucuru. Em Furnas,
Sobradinho e Itaipu as projees do harmnico indicam que este deve entrar na fase de
menores vazes no perodo previsto. Enquanto em Tucuru o harmnico encontra-se j
na fase de menores vazes, com uma possvel transio no fim do perodo projetado.
Na Figura 68 mostrado o harmnico de 0,118 de frequncia, aproximadamente
8,5 anos, comum s sries de Furnas e Itaipu. No perodo previsto este harmnico entra
na fase de menores vazes e comea o perodo de transio para vazes de maior
magnitude. Enquanto na Figura 69 mostrado o harmnico comum a Tucuru e
Sobradinho, aproximadamente 11 anos, o mesmo inicia a fase de vazes de maior
magnitude no perodo previsto e em seguida declina para o perodo de vazes menores.
187
Figura 66 Srie observada e reconstrudas a partir dos Harmnicos de Fourier.
188
Figura 67 - Harmnico de frequncia 0,059 para Furnas, Sobradinho, Itaipu e Tucuru.
189
Figura 68 - Harmnico de frequncia 0,118 para Furnas e Itaipu.
Figura 69 - Harmnico de frequncia 0,088 para Sobradinho e Tucuru.
Na Figura 70 so mostradas as projees para Furnas e Sobradinho

Incremental usando os harmnicos de Fourier. Para Sobradinho, posto onde os
harmnicos mais energticos so de baixa frequncia, o modelo identifica que as
vazes no perodo projetado devem ser abaixo da mdia. Enquanto em Furnas o
modelo superestimou os valores de vazes na maioria dos anos projetados,
porm os ltimos anos da projeo so bem capturados pelo modelo.
190
Figura 70-Projeo composta pelos harmnicos selecionados para as vazes anuais em
Furnas e Sobradinho Incremental.
Na Figura 71 so mostradas comparaes entre as funes de distribuio de

probabilidade acumulada (CDF) previstas pelo modelo baseado na srie de Fourier
(FA), a climatologia e a observao para diferentes horizontes de previso para Furnas e
Sobradinho. Em todos os horizontes mostrados h uma clara reduo da varincia em
relao climatologia e modelo identifica, principalmente em Sobradinho, que se trata
de um perodo de vazes abaixo da mdia histrica, indicando que essa informao
pode ser utilizada no planejamento de mdio prazo.
191
Figura 71-Comparao entre as funes de distribuio de probabilidade acumulada
previstas pelo modelo FA para 10 anos, a climatologia e a observao para diferentes
horizontes de previso. Para Furnas e Sobradinho Incremental.
10.3. Anlise da transformada em ondeletas
Os resultados da anlise da transformada em ondeletas para os postos analisados

so apresentados na Figura 72, na forma de mapas, mostrando a distribuio espacial
das propores da varincia explicadas pelas bandas de alta, mdia e baixa frequncias,
respectivamente.
192
Figura 72-(a) Mapa das propores da varincia explicada pela banda de alta frequncia
(1 a 8 anos); (b) Mapa das propores da varincia explicada pela banda de mdia
frequncia (9 a 39 anos); e (c) Mapa das propores da varincia explicada pela banda
de baixa frequncia (mais de 40 anos).
(a)
(b)
(c)
Fonte: Alves et al.(2012)
Na Figura 72(a), observa-se que a banda de alta frequncia responsvel por

mais de 50% da varincia na maioria das sries de vazes dos postos localizados nas
regies Norte, Sul e Sudeste. Enquanto isso, nas regies Centro-Oeste e Nordeste, a
banda de alta frequncia responsvel por menos de 50% da varincia na maioria dos
postos, com exceo de um na regio Nordeste e um na regio Centro-Oeste.
A Figura 72(b) mostra que a banda de mdia frequncia responsvel por menos
de 25% da varincia nas sries de vazes dos postos na regio Sul, no leste da regio
193
Sudeste, no estado de So Paulo e nas reas central e oeste da regio Norte. Em parte da
regio Centro-Oeste, no leste da regio Norte e na maior parte do Nordeste a banda de
mdia frequncia responsvel por at 50% da varincia das sries.
A Figura 72(c) mostra que na maior parte do pas a banda de baixa frequncia
responsvel por menos de 25% da varincia das sries, exceto em partes da regio
Centro-Oeste, nos postos na divisa de So Paulo com o Paran e em mais dois postos na
regio Sudeste.
As Figuras 73,74 e 75 apresentam e exemplificam os grficos da anlise de
ondeletas para os mesmos trs postos antes apresentados nas Figuras 62, 63 e 64 Furnas,
Sobradinho e Porto Primavera, respectivamente.
Nas Figuras 73 e 74, observam-se uma oscilao peridica na banda de baixa
frequncia com perodo de aproximadamente 30 anos. Na Figura 75, observa-se uma
oscilao peridica na banda de baixa frequncia com perodo de 50 anos.
Observa-se, ainda, nas trs citadas figuras, uma oscilao peridica na banda de
mdia frequncia com perodo entre 10 e 20 anos.
Nos postos Furnas e Porto Primavera a banda de baixa frequncia apresentou
mudana de fase na segunda metade do sculo XX, com um acentuado pico na dcada
de 1980. A influncia dessa banda na srie histrica e a sua possvel inverso nos
prximos anos pode levar a um perodo de vazes menores nos prximos 30 anos.
Figura 73 Wavelet de Morlet Posto Furnas (6).
Fonte: Alves et al. (2012)
194
Figura 74- Wavelet de Morlet Posto Sobradinho (169).

Figura 75- Wavelet de Morlet Posto Porto Primavera (246).
Na Figura 76 mostrada a calibrao do modelo WARs para as diferentes

bandas de variao selecionadas para Furnas e Sobradinho. O modelo representa bem
todas as bandas com um vis muito prximo de zero em todas elas, porm para a banda
de alta frequncia o modelo suaviza a maioria dos mnimos e mximos, indicando
grande incerteza e aleatoriedade nessa banda.
Na Figura 77 mostrada a projeo do modelo WARs para as diferentes bandas
da transformada em ondeletas para o perodo de 1998 a 2008 para Furnas e Sobradinho.
A amplitude do rudo da previso cresce com horizonte da previso, o que parece
consistente com a representao da incerteza associado a processos climticos. A banda
de alta frequncia apresenta rudo de amplitude elevada, superior a 1 desvio padro
195
tanto para Furnas quanto para Sobradinho, o que caracteriza bastante incerteza nesse
padro de variao. O modelo identifica os padres da banda 2, sinalizando mudanas
de fase na mesma.
A Figura 78 mostra a razo de verossimilhana entre o modelo WARs e a
climatologia. Ao compara o modelo com a climatologia da srie histrica de vazes do
SIN o mesmo demonstra ganho na maioria do pas de 3 a 10 projetados, porm no
extremo Sul do Brasil o modelo apresentou resultados piores do que a climatologia.
Figura 76-Bandas de variao da transformada em ondeletas e calibrao do modelo
WARs. Da esquerda para a direita e de cima para baixo: banda de 2 a 8 anos, banda 9 a
39 anos e resduo para Furnas e Sobradinho.
196
Figura 77-Bandas de variao da transformada em ondeletas e projeo do modelo
banda de 2 a 8 anos, banda 9 a 39 anos, resduo e projeo para Furnas e Sobradinho.
197
Figura 78-Razo de verossimilhana obtida entre o modelo WARs e climatologia para
os postos bases do SIN. Em azul razo de verossimilhana maior do que 1 e em
vermelho menor do que 1.
198
10.4. Fourier-ondeletas (FW)
Na Figura 79 mostrada a calibrao do modelo FW para as diferentes bandas

de variao selecionadas para Furnas. O modelo representa bem todas as bandas com
um vis muito prximo de zero em todas elas. Alm disso, capta a ordem de grandeza
das projees, com a CDF indicando vazes abaixo da mdia no perodo selecionado.
Figura 79- Calibrao para cada uma das bandas de ondeletas para o modelo FW e CDF para o perodo de
10 anos.
199
Na Figura 80 mostrada a projeo do modelo FW para o perodo de 1998 a
2008 para Sobradinho, Itaipu e Tucuru. O modelo identifica a magnitude das vazes
em Sobradinho e em Tucuru, porm subestima em Itaipu.
Figura 80- Projees do modelo FW para Furnas, Sobradinho e Itaipu.
200
11. RESULTADOS E DISCUSSES: ESCALA DE MDIO PRAZO- CEAR
Este captulo apresenta as tcnicas usadas para projetar cenrios de mdio prazo
(de 2 a 10 anos), aplicadas a precipitaes no Cear. Foram usados modelos auto
regressivos, modelos baseados em Fourier e modelos baseados em ondeletas.
11.1. Modelo auto regressivo (ARs)
Na Figura 81 mostrada a srie observada de precipitao e a tentativa de
calibrao do modelo ARs para o perodo 1912 a 2002. O modelo tem dificuldade de
representar a variabilidade interanual e decadal da srie, apresentando valores sempre
muito prximo a mdia, subestimando os mximos e superestimando os mnimos de
precipitao. Por essa razo, esse modelo no ser utilizado e as demais anlises no
sero realizadas.
Figura 81 - Calibrao do modelo ARs para o perodo de 1912 a 2002.
11.2. Modelo auto regressivo da mediana mvel de 5 anos (ARsMediana)

Na Figura 82 mostrada a srie observada de precipitao e a calibrao do
modelo ARsMediana para o perodo 1912 a 2002. O modelo representa adequadamente
a variabilidade interanual e decadal da srie no perodo calibrado. Porm, no perodo
previsto (2003 a 2011) a mediana do modelo subestima em mais de 100 mm, conforme
201
Figura 83. Por essa razo, esse modelo no ser utilizado e as demais anlises no sero
realizadas.
Figura 82 - Calibrao do modelo ARsMediana para o perodo de 1912 a 2002.
Figura 83 - Previso do modelo ARsMediana para o perodo de 2003 a 2011.
202
11.3. Modelo auto regressivo da mdia mvel de 5 anos (ARMdia)
Na Figura 84 mostrada a srie observada de precipitao e a calibrao do
modelo ARsMdia para o perodo 1912 a 2002. Assim como o modelo ARsMediana,
este representa os padres de variao interanual.
Figura 84 - Calibrao do modelo ARsMdia para o perodo de 1912 a 2002.
Na Figura 85 mostrado a projeo do modelo ARsMdia para perodo de 2003

a 2012 em comparao a mdia mvel observada de 5 anos. O rudo da previso cresce
com horizonte da previso, o que parece consistente com a representao da incerteza
associado a processos climticos. Ao comparar com srie histrica do clima no Cear o
modelo, apesar de simples, demonstra ganho em relao climatologia at oito anos
projetados, conforme indica a razo de verossimilhana da Tabela 18.
203
Figura 85 - Previso do modelo ARsMdia para o perodo de 2003 a 2012.
Tabela 18 - Razo entre a verossimilhana observada e modelada (ARsMdia).

3 anos
4 anos
5 anos
6 anos
7 anos
8 anos
9 anos
10 anos
L
1,0246
1,0239
1,0195
1,0131
1,0071
1,0006
0,9971
0,9932
11.4. Modelo baseado na transformada de Fourier (FA)

Na Figura 86 mostrado o espectro global de potncia da srie observada de
precipitao anual usando a transformada de Fourier em funo da frequncia. O
espectro mostra oscilaes em diversas escalas de frequncia, porm h quatro
harmnicos que apresentam maior potncia, dois deles na escala de baixa frequncia
(0,0989 e 0,0769 anos-1) e dois na escala de mdia a baixa frequncia (0,1758 e 0,2308
anos-1). Esses harmnicos foram utilizados para a gerao do modelo, os mesmos so
mostrados na Tabela 19, juntamente com os seus respectivos coeficientes da srie de
Fourier.
204
Figura 86 - Espectro de potncia da precipitao anual padronizada para o estado do Ceara usando
transformada de Fourier.

modelo baseado em Fourier.
A
0,0159
0,1770
0,2277
0,3520
0,4424
-0,4013
-0,3630
0,1605
Frequncia do
Harmnico
0,0989
0,0769
0,1758
0,2308
Na Figura 87 mostrada a srie observada de precipitao e a srie de Fourier

com os quatro principais harmnicos para o perodo de calibrao (1912 a 2002). O
modelo consegue capturar a variabilidade da precipitao no Estado do Cear, porm
subestima alguns dos principais mximos de precipitao em mais de um desvio padro.
205
Figura 87 - Calibrao do modelo FA para o perodo de 1912 a 2002.
Na Figura 88 so mostrados os harmnicos utilizados para a construo do

modelo baseado na srie de Fourier e suas respectivas projees. O harmnico 1 (de
maior potncia) possui perodo de aproximadamente 10,33 anos, enquanto o harmnico
2 possui perodo em torno 13 anos, ambos apresentaram inverses de fase ao longo do
perodo previsto. Enquanto na Figura 89 mostrada a composio da projeo com base
nos harmnicos selecionados, o modelo consegue capturar a fase do perodo previsto,
com
patamares
semelhantes
aos
valores
de
precipitao
observada.
206
Figura 88 - Harmnicos utilizados para a construo do modelo baseado na srie de Fourier e suas respectivas projees.
207
Figura 89 - Previso composta pelos quatro harmnicos selecionados.

probabilidade acumulada (CDF) previstas pelo modelo baseado na srie de Fourier
(FA), a climatologia e a observao para diferentes horizontes de previso. Em todos os
horizontes mostrados h uma clara reduo da varincia em relao climatologia, para
os horizontes de 4, 5 e 6 anos o modelo apresenta-se muito prximo a CDF observada,
indicando que essa informao pode ser utilizada no planejamento de mdio prazo. Nos
demais horizontes analisados o modelo subestima os eventos de precipitao mais
elevadas, principalmente para os horizontes de 9 e 10 anos.
208
previstas pelo modelo FA, a climatologia e a observao para diferentes horizontes de
previses
209
11.5. Modelo baseado na srie de Fourier das mdias mveis (FMdia)
Na Figura 91 mostrado o espectro global de potncia da srie observada da

mdia mvel de 5 anos da precipitao anual usando a transformada de Fourier em
funo da frequncia. O espectro destaca quatro harmnicos que apresentam maior
potncia, esses harmnicos foram utilizados para a gerao do modelo.

precipitao anual para o estado do Ceara usando transformada de Fourier.
Na Figura 92 mostrada a srie observada da mdia mvel de 5 anos da

precipitao e a srie de Fourier da mdia mvel de 5 anos dos quatro principais
harmnicos para o perodo de calibrao (1912 a 2002). O modelo consegue capturar a
variabilidade da precipitao no Estado do Cear, apesar de subestimar o pico da mdia
mvel entre 1997 e 2002.
210
Figura 92 - Calibrao do modelo FMdia para o perodo de 2003 a 2012.
Na Figura 94 so mostrados os harmnicos utilizados para a construo do

modelo baseado na reconstruo da mdia mvel de 5 anos usando srie de Fourier, e
suas respectivas projees. Os harmnicos 2 e 3 so de baixa frequncia, enquanto os
harmnicos 1 e 4 so de mdia frequncia.
Na Figura 93 mostrada a composio da projeo com base nos harmnicos
selecionados, o modelo apresenta patamares semelhantes aos valores da mdia mvel da
precipitao observada, porm diverge nos ltimos anos ao sugerir que a precipitao
deve tender a valores acima da mdia histrica. Esse comportamento fica evidente na
Figura 95, onde so mostradas comparaes entre as funes de distribuio de
probabilidade acumulada (CDF) previstas pelo modelo FMdia, a climatologia e a
observao para diferentes horizontes de previso. Em todos os horizontes mostrados h
uma clara reduo da varincia em relao climatologia, para os horizontes de 4, 5 e 6
anos o modelo apresenta-se muito prximo a CDF observada, indicando que essa
informao pode ser utilizada no planejamento de mdio prazo. Nos demais horizontes
analisados o modelo subestima os eventos de precipitao mais elevadas e superestima
os de menor intensidade, principalmente para os horizontes de 9 e 10 anos.
211
212
213
previstas pelo modelo FMdia, a climatologia e a observao para diferentes horizontes
de previso. Da esquerda para a direita e de cima para baixo os seguintes horizontes de
previses: 4 anos, 5 anos, 6 anos, 7 anos, 8 anos, 9 anos e 10 anos.
214
11.6. FMediana
Na Figura 96 mostrado o espectro global de potncia da srie observada da

mediana mvel de 5 anos da precipitao anual usando a transformada de Fourier em funo da
frequncia.
O espectro destaca quatro harmnicos que apresentam maior potncia, esses
harmnicos foram utilizados para a gerao do modelo. A calibrao mostrada na

Figura 97, indica uma boa aderncia do modelo a srie observada, exceto no incio da
srie temporal.

precipitao anual para o estado do Ceara usando transformada de Fourier.
Na Figura 99 so mostrados os harmnicos utilizados para a construo do modelo

baseado na reconstruo da mediana mvel de 5 anos usando srie de Fourier, e suas
respectivas projees. Os harmnicos 2 e 4 so de baixa frequncia, enquanto os harmnicos 1
e 3 so de mdia frequncia.
Na Figura 98 mostrada a composio da projeo com base nos harmnicos

selecionados, o modelo apresenta patamares semelhantes aos valores da mediana mvel
da precipitao observada, porm diverge nos ltimos anos ao sugerir que a precipitao
deve tender a valores acima da mdia histrica.
215
Figura 97 - Calibrao do modelo FMdia para o perodo de 1912 a 2002.
216
217
11.7. Modelo auto regressivo baseado na transformada de ondeletas (WARs)
Na Figura 100 o espectro global da srie de dados observados de precipitao

pluviomtrica sobre o estado do Cear mostra bandas na escala interanual (3,5 e 4,9
anos) e picos para as escalas decadal (9,8 e 11,7), e mostra que ao longo de 1912 a 2002
h trs bandas caractersticas de 2 a 7 anos(banda 1) , 8,2 a 16,6 anos (banda 2) e 1727,8 anos(banda 3) mais resduo(banda 4) , ou seja, ela apresenta oscilaes em vrias
escalas de tempo.
Na Figura 101 mostrada a calibrao do modelo WARs para as diferentes
bandas de variao selecionadas e resduo. O modelo representa bem todas as bandas
com um vis muito prximo de zero em todas elas, porm a alta frequncia superestima
a maioria dos mnimos e subestima os mximos, indicando grande incerteza e
aleatoriedade nessa banda.
Figura 100 - Espectro global de ondeletas para a precipitao no Estado do Cear.
Na Figura 102 mostrada a projeo do modelo WARs para as diferentes

bandas de variao selecionadas e resduo para o perodo de 2003 a 2012. O rudo da
previso cresce com horizonte da previso, o que parece consistente com a
representao da incerteza associado a processos climticos. A banda de alta frequncia
218
apresenta rudo de amplitude elevada, de aproximadamente 1,5 desvios padres, o que
caracteriza bastante incerteza nesse padro de variao. O modelo identifica os padres
das bandas 3 e 4, sinalizando mudanas de fase da banda 3 e transio de fase da banda
4. Porm, sugere um padro de variabilidade para banda 2 distinto do observado.
Ao comparar com srie histrica do clima no Cear o modelo demonstra ganho
em relao climatologia em todos os 10 anos previstos, conforme indica a razo de
verossimilhana da Tabela 20 e a Figura 103.
219
Figura 101 - Bandas de variao da transformada em ondeletas e calibrao do modelo WARs. Da esquerda para a direita e de cima para baixo: banda de 2 a 7 anos, banda de
banda 8,2 a 16,6 anos, banda 17 a 27,8 anos e resduo.
220
Figura 102 - Bandas de variao da transformada em ondeletas e projeo do modelo WARs para o perodo de 2003 a 2012. Da esquerda para a
direita e de cima para baixo: banda de 2 a 7 anos, banda de banda 8,2 a 16,6 anos, banda 17 a 27,8 anos e resduo.
221
Figura 103 - Previso do modelo WARs para o perodo de 2003 a 2012.
Tabela 20 - Razo entre a verossimilhana observada e modelada (WARs).

3 anos
4 anos
5 anos
6 anos
7 anos
8 anos
9 anos
10 anos
L
1,0321
1,0292
1,0332
1,0439
1,0525
1,0384
1,0530
1,0054
11.8. Modelo baseado nas transformadas de Fourier e ondeletas (FW)
Na Figura 104 mostrada a calibrao do modelo FW para as diferentes bandas

de variao selecionadas e resduo para precipitao pluviomtrica sobre o Cear.
Foram selecionados 6 harmnicos para primeira banda, 2 para a segunda,1 para terceira
e 2 para quarta banda. O modelo representa os padres de variao das bandas e
222
projeo mostrada para perodo de 2003 a 2012 apresenta patamares semelhantes ao
observado, conforme Figura 105.
223
Figura 104 - Bandas de frequncia de ondeletas e a reconstruo segundo os harmnicos de Fourier.
224

probabilidade acumulada (CDF) previstas pelo modelo FW, a climatologia e a
observao para diferentes horizontes de previso. Em todos os horizontes mostrados h
uma clara reduo da varincia em relao climatologia, para os horizontes de at 9
anos o modelo apresenta-se muito prximo a CDF observada, indicando que essa
informao pode ser utilizada no planejamento de mdio prazo.
225
previstas pelo modelo FW, a climatologia e a observao para diferentes horizontes de
previses.
226
12. METODOLOGIA: ESCALA DE CURTO PRAZO
Neste captulo so mostradas as metodologias utilizadas para previso sazonal

no setor eltrico e Cear.
12.1. Mtodos Estocsticos de Previso de Vazes Mensais
Um processo estocstico totalmente descrito pelo conjunto de todas as sries

temporais que o compe ou pela distribuio de probabilidades conjunta de todas as
variveis aleatrias envolvidas. Na prtica hidrolgica, s h a disponibilidade de um
processo estocstico que corresponde srie histrica observada. Portanto, a
modelagem de sries sintticas tem por objetivo ajustar um modelo pelo qual se acredita
que a srie histrica tenha sido produzida e a partir dele gerar sries sintticas diferentes
da srie observada, mas com a mesma probabilidade de acontecer.
Em geral, os processos de modelagem de vazes mensais apresentam um
comportamento peridico descrito pelos ciclos sazonais interanuais. Cada perodo
apresenta um conjunto de caractersticas estatsticas prprias descritas pela mdia,
desvio-padro e estrutura de correlaes sazonais. Segundo Maceira et al. (2005), a
modelagem desse tipo de sries pode ser feita pelo uso de formulaes autorregressivas
cujos parmetros apresentam um comportamento peridico. A estas classes de modelos
costuma-se denominar modelos Peridicos Autorregressivos (PAR) que uma
generalizao dos modelos Autorregressivos (AR) (SALAS, et al., 1997).
A modelagem das vazes afluentes utilizada atualmente pelo ONS no SIN so
descritos passo a passo em Maceira et al. (2005) e CEPEL (2006), tais modelos PAR(p)
realizado para cada local de forma independente e depois correlacionas-se
espacialmente os postos atravs dos rudos. A metodologia mencionada ser resumida
abaixo.
12.1.1 Modelo peridico autorregressivos
Os modelos PAR(p) so referenciados pelo ndice p o denomina a ordem ou
termos Autorregressivos do modelo. Em geral, p um vetor onde cada elemento
fornece a ordem de cada perodo PAR(p1, p2,..., p12). A formulao geral para uma
varivel Z padronizada pode ser descrita matematicamente da seguinte forma:
227
(52)
uma srie sazonal de perodo s
nmero de perodos (s=12 para sries mensais)
nmero de anos
o ndice do tempo, t=1,2,...,sN, funo do ano T(T=1,2,...,N) e do perodo
m(m=1,2,...,s)
mdia sazonal de perodo s
desvio-padro sazonal de perodo s
operador Perodo Autorregressivo
ordem do operador Perodo Autorregressivo m
srie de rudos independentes com mdia zero e varincia
O m(k) a correlao entre Zt e Z(t-k), de tal forma que t correspondam aos
perodos m=1,2,...,s. O conjunto de funes de auto-correlao de m(k) deste perodo
descrevem a estrutura de dependncia temporal da srie. Estas funes so dadas por
Maceira (1989):
(53)
(
) (
)+
) (
Fixando-se m e variando k de 1 a pm obtm-se para cada perodo um

sistema matricial chamada de equaes de Yule-Walker para um perodo m qualquer.
Se considerarmos kj o j-simo parmetro Autorregressivo de um processo de ordem
k, kk o ltimo parmetro deste processo. Assim as equaes de Yule-Walker para
cada perodo m podem ser descrita da seguinte maneira na forma matricial:
(54)
O conjunto de valores mkk, k=1,2,...,m, chamamos de funo de autocorrelao

parcial do perodo m. O conjunto de funes mkk, m=1,2,...,s, uma forma de
228
representar a estrutura de dependncia do processo estocstico ao longo do tempo. Em
um processo Autorregressivo de ordem pm, a funo de autocorrelao parcial mkk
ser diferente de zero para k menor ou igual a pm e zero para k maior pm.
Assim para um k=0 e multiplicando a equao (52) por at tem-se:
(55)
Para o ajuste dos modelos o ONS utiliza-se a metodologia proposta por Box e
Jenkins, (1970) nesta, a estratgia de seleo do modelo feita em trs etapas: i)
Identificao do modelo, escolher por tentativa a ordem do modelo baseando-se em
estimativas das funes m(k) e mkk obtidas a partir da srie amostral. ii) Estimao do
modelo e seus parmetros recomendando o mtodo de mxima verossimilhana. No
entanto, de acordo com CEPEL (2006) a ONS utiliza o mtodo dos momentos com
resultados bastante eficientes. iii) Verificao do modelo, verificar atravs de testes
estatsticos se as hipteses assumidas durante as etapas anteriores so atendidas.
Muitos pesquisadores assumem que os resduos at apresentam distribuio
Normal e uma possvel no-normalidade pode ser corrigida pela transformao do tipo
Box-Cox. De acordo com objetivo definido pelo ONS e as caractersticas
multireservatrios do SIN, o modelo de gerao de sries sintticas aplicado
diretamente srie temporal original, evitando assim o uso de transformaes especiais,
devendo assim ser capaz de lidar com resduos que apresentam um forte coeficiente de
assimetria.
Neste caso, a soluo sugerida por Maceira e Mercio (1997) foi ajustar uma
distribuio Lognormal de 3 parmetros aos resduos mensais at. Desta forma, a
varivel
tem distribuio Normal com mdia zero e desvio-padro igual a
Utiliza-se
, como forma de preservar os momentos dos resduos define-
se:
, logo temos:
. Assim
pode ser diretamente obtido a partir da resoluo de tais equaes.

Com objetivo de gerar vazes mensais multivariadas assume-se que os resduos
espacialmente no correlacionados,
espacialmente correlacionados, Wt, onde
t,
podem ser transformados em resduos

. O D uma matriz quadrada de
dimenso igual ao nmero de usinas hidroeltricas, tal matriz pode ser estimada por
, onde pode ser definido como a estimativa da matriz de covarincias
.
229
De acordo com CEPEL (2006), na prtica, o comportamento dos resduos no
segue o comportamento das vazes, pois os resduos no so espacialmente
correlacionados. No entanto, a fim de se preservarem as dependncias espaciais entre as
usinas utilizou-se a correlao espacial entre as vazes em substituio correlao
espacial entre resduos. A matriz D pode ser estimada adotando-se esta como uma
matriz triangular inferior ou por decomposio espectral.
12.1.2. Uso de ndices Climticos em Modelos Estatsticos de Previso de Vazes

Mensais - PARX
Modelos estatsticos de previso de vazo mensal vm sendo propostos em

diversos trabalhos comprovando que o uso de ndices climatolgicos como variveis
explanatrias em modelos matemticos possuem grande habilidade em explicar regimes
de vazes intranuais. Entre tais estudos destacamos os realizados por Uvo e Graham
(1998), Uvo et al. (2000), Souza Filho & Lall (2003, 2004), Da Silva e Molion (2004),
Rohn (2003), Piccilli (2007), Rocha et al. (2007).
A estratgia de gerao do modelo PARx semelhante ao PAR, no sentido de
considerar os meses anteriores como preditores do ms que se deseja prever. Porm,
acrescenta variveis climticas como possveis preditoras, semelhante equao 52. A
lista dos 27 ndices utilizados nesse estudo pode ser observada na Tabela 21.
230
Tabela 21-Postos Bases utilizados na anlise de previso de vazes no estudo em
desenvolvimento. Os valores entre parnteses representam os indicadores de postos
fictcios do ONS.
SIGLA
DESCRIO
AMO Oscilao Atlntica Multidecadal
ASBM Confluncia Atlntico Sul das Correntes Brasil-Malvinas Anomalia TSM
BEST Srie Temporal ENSO Bivariada
CAR ndice TSM Caribenha
ndice ENSO Multivariada
MEI
NAO Oscilao Atlntica Norte
Nino1+2 TSM do Extremo Leste do Pacfico Tropical (0-10S, 90W-80W)
Nino3 TSM LESTE do Pacfico Tropical (5N-5S;150W-90W)
Nino3.4 TSM Centro-Leste do Pacfico Tropical (5N-5S;170W-120W)
Nino4 TSM Centro do Pacfico Tropical (5N-5S;160E-150W)
ndice de Oscilao do Norte
NOI
Padro Pacfico Norte - Presso ao Nvel do Mar (30N-65N;160E-140W)
NP
NTA ndice de Anom. TSM Atlntico Tropical Norte (6N-18N;60W-20W)(6N-10N;20W-10W)
ndice NINO Ocenico
ONI
PDO Oscilao Decadal do Pacifico Anomalia TSM Oceano Pacfico Norte
PNA ndice do Pacifico America do Norte
Aquecimento do Pacifico 1 EOF da TSM (15S-15N; 60E-170E)
PW
QBO Oscilao Quasi-Bienal Ventos Zonais Equatorial (30mb)
ndice de Oscilao do Sul
SOI
TNA ndice Atlntico Norte Tropical Anomalia da TSM (5.5N-23.5N;15W-57.5W)
ndice Trans-NINO
TNI
Pacfico Tropical 1 EOF da TSM (20N-20S;120E-60W)
TP
ndice Atlntico Sul Tropical Anomalia da TSM (0-20S;10E-30W)
TSA
ZW1 ZW1 ventos zonais a 925mb (10S-20S,30W-45W),
ZW2 ZW2 ventos zonais a 925mb (5S-15S,100W-130W)
ZW3 ZW3 ventos zonais a 925mb (15N-5N,150W-180W)
SST1 TSM na regio (5S-20S,90W-130W)
Fonte: NOAA, IRI, Alexandre(2012) adaptado de Cataldi (2008)
12.1.3. K-vizinhos
Uma abordagem semiparamtrica para previso de vazes em vrios locais de

calibrao, em uma rede de rios condicionadas a preditores climticos, foi desenvolvida
por Souza Filho e Lall (2003) para a regio Nordeste do Brasil. A estratgia considera
previses estatsticas de vazes anuais ou sazonais em todos os locais e sua
desagregao mensal ou de fluxos de resoluo superior, usando um K-vizinho mais
prximo para reamostragem da aproximao que mantm a consistncia de espao e
tempo em diferentes locais e subperodos.
A metodologia de reamostragem pelo mtodo K-vizinhos mais prximos, pela
qual um indivduo classificado pela similaridade encontrada com K indivduos
previamente agrupados por coincidncia de caractersticas, similaridade esta baseada no
231
clculo da distncia Euclidiana ( ) entre o valor do vetor dos preditores atuais x* e o
valor dos preditores em sua srie histrica
, descrita na seguinte forma:

(53)
onde x* um vetor 1*p,
um vetor 1*p de preditores durante o ano i-simo usado no
modelo ajustado e , que vem como r que vem como resultado da regresso linear, um
vetor p*1 dos coeficientes.
Primeiramente, os dados de vazes do Ors foram organizados de maneira que
pudessem ser analisados e correlacionados com os preditores climticos obtidos do site
da NOAA (National Oceanic and Atmospheric Administration), que a Administrao
Nacional Ocenica e Atmosfrica dos Estados Unidos. Para o Cear foram considerados
os preditores selecionados por Ribeiro (2011).
Em seguida calculado o
atravs do uso da regresso stepwise com varivel
padronizada.
(54)
onde Z a varivel padronizada Pred so os preditores selecionados,
coeficientes calculados de cada preditor e
so os
o vis/rudo/resduo. Na equao 48, tem-
se
12.2. Mtodo de Previso Acoplada
Tradicionalmente, os processos superficiais e atmosfricos do ciclo hidrolgico

so representados e simulados por modelos independentes. Nos ltimos anos, estas
simulaes tm sido acopladas atravs da concatenao dos modelos hidrolgicos e
atmosfricos. Este acoplamento pode ser feito de dois modos, unidirecional e
bidirecional.
No acoplamento unidirecional o modelo hidrolgico recebe as informaes
meteorolgicas das previses do modelo atmosfrico, no ocorrendo interao entre os
mesmos. Enquanto no modo bidirecional, existe uma troca de informaes entre os
modelos, isto geralmente feito, atravs de interfaces que utilizam esquemas de
transferncia solo-vegetao-atmosfera.
232
A metodologia de previso de vazo utilizando a previso de chuva do modelo
atmosfrico baseia-se na utilizao de um modelo hidrolgico concentrado que
representa os processos de gerao de escoamento na bacia a partir da chuva observada
e prevista, e de propagao deste escoamento ao longo da rede de drenagem da bacia.
Os parmetros do modelo hidrolgico so calibrados utilizando as chuvas observadas
nos postos pluviomtricos, bem como os valores dos postos fluviomtricos
intermedirios e em afluentes.
Neste trabalho foi usado o mtodo unidirecional, o modelo atmosfrico utilizado
ser o ECHAM 4.5 e o modelo hidrolgico ser o Soil Moisture Accounting Procedure
(SMAP). Alm deste modelo global utilizado o modelo regional RAMS 4.4 para o
Cear.
O ECHAM 4.5 foi desenvolvido pelo Instituto Max Planck de Meteorologia
(MPI), em Hamburgo, a partir do modelo de predio espectral meteorolgicas do
Centre for Medium Range Weather Forecasts (ECMWF). O modelo atmosfrico
possui 19 nveis verticais com topo definido em 10 hPa. Tambm contem um conjunto
de parametrizaes para processos dinmicos e fsicos, incluindo radiao, conveco,
difuso vertical e fluxos de superfcie. Alm disso, possui parmetros de superfcie tais
como albedo, rugosidade, tipo de vegetao, ndice de rea foliar e parmetros de solo
tais como, capacidade de armazenamento de gua e condutividade trmica.
O IRI (International Research Institute for Climate and Society) disponibiliza
em seu site (http://iri.columbia.edu) a previso de variveis atmosfricas do modelo de
circulao global ECHAM 4.5.
12.3. Modelo Estocstico GERVAZP e integrao entre modelos hidrolgicos e

estocsticos
O GERVAZP um modelo estocstico do tipo auto-regressivo peridico, no

qual as vazes geradas so dependentes de vazes passadas e obedecem a um
comportamento peridico ao longo do ano (CEPEL, 2002).
O GERVAZP constri os cenrios de afluncias para o segundo ms do
planejamento. atravs destes cenrios, que a estocasticidade das vazes inserida no
planejamento do curto prazo por meio do modelo DECOMP.
233
O GERVAZP constri os cenrios mensais de energia afluente at cinco anos
frente, que sero utilizados para calcular a Funo de Custo Futuro do mdio prazo. So
geradas 1000 sries sintticas para cada aproveitamento hidroeltrico, maiores detalhes
sobre este modelo podem ser encontrados em CEPEL (2002).
O modelo acoplado formada pelos condicionantes do modelo atmosfrico
ECHAM4.5-SMAP, a partir dessa modelagem so gerados 600 cenrios de vazes.
Porm, para um numero reduzido de bacias, no contemplando todo o setor eltrico.
Com isso surge a necessidade ou d ampliao de bacias com o modelo SMAP
calibrado ou da integrao dos resultados do modelo hidrolgico com o estocstico.
12.3.1. Estratgia de Ps-Processamento com vistas a Integrao da Previso Estocstica
(GEVAZp) e Modelo Acoplado Clima-Hidrologia(ECHAM 4.5-SMAP)
O ps-processamento visa viabilizar a integrao dos resultados do modelo

acoplado e estocstico GERVAZp, assim como, incorporar a informao climtica nos
cenrios de previso. Para tanto, foram utilizadas duas estratgias: uma com
substituio direta das previses do modelo estocstico pelo modelo acoplado e outra
sem substituio direta, atravs da reamostragem dos cenrios do modelo estocstico.
Os mtodos utilizados neste trabalho possuem algumas limitaes atuais, tais
como: (i) pequena quantidade de locais com informao de previso climtica; (ii) as
previses esto localizadas em uma nica regio etc. Porm, necessrio destacar que
intuito deste trabalho testar os procedimentos, sendo
importante destacar as
potencialidades e fragilidades dos mtodos para possveis trabalhos futuros.

Alm disso, destaca-se a possibilidade de estudos que mostrem a integrao
mais intima entre os modelos, est estratgia comentada nas concluses e
recomendaes.
12.3.2. Reamostragem do GERVAZp
Uma das maneiras de inserir as condies climticas no sistema de previso a

reamostragem dos cenrios de vazes do modelo estocstico GERVAZp. Est
reamostragem condicional ao modelo acoplado, portanto os cenrios do modelo
estocstico so ponderados em funo da proximidade com a previso do modelo
acoplado.
234
A hiptese que este mtodo pode melhorar a eficincia do setor eltrico
brasileiro atravs do aprimoramento das previses e cenarizaes de vazes mdias e
extremas afluentes aos reservatrios do Sistema Interligado Nacional (SIN).
Para esta reamostragem foram utilizados dois procedimentos: (i) mtodos dos
vizinhos e (ii) funes de Kernel (HASTIE et al.,2009).
12.3.2.1. Mtodo dos Vizinhos
Este mtodo uma estratgia que visa calcular a distncia entre o conjunto dos
cenrios gerados pelo GERVAZP e ECHAM-SMAP e em seguida atribuir pesos
maiores no conjunto do GERVAZP aqueles mais prximos do conjunto do ECHAMSMAP.
12.3.2.1.1. Mtodo dos Vizinhos usando a mediana
Nesta metodologia so definidos pesos para os 1000 cenrios do modelo

estocstico GERVAZP baseado na distncia em relao mediana do modelo acoplado
ECHAM-SMAP, conforme equao 55.
(55)
Onde
representa a vazo obtida por cada cenrio i do GERVAZP e

representa a mediana dos membros do modelo ECHAM-SMAP.
Para mais de uma localidade, tem-se:
(56)
Onde k representa as localidades e m representa o total de localidades. Sendo, ENAk a

energia natural afluente do posto k. Para este experimento sero considerados os postos
de Furnas, Canoas I e Capivara.
235
Os cenrios do GEVAZP so reamostrados condicionalmente a distncia(Di) ao
valor da vazo do modelo acoplado, sendo o peso de cada cenrio dado pela equao
57.
(57)
Onde n o nmero de cenrios do GERVAZP.
12.3.2.1.2. Mtodo dos Vizinhos usando todos os membros do conjunto
Nesta metodologia so definidos pesos para os 1000 cenrios do modelo

estocstico GERVAZP baseado na distncia em relao cada membro do SMAP,
conforme equao 58.
(58)
Onde
representa a vazo obtida por cada cenrio i do GERVAZP e

representa a vazo obtida por cada cenrio j do SMAP.
Para mais de uma localidade, tem-se:
(59)

Os cenrios do GERVAZP so reamostrados condicionalmente a distncia ao
valor da vazo do modelo acoplado, sendo o peso de cada cenrio dado pelas equaes
60 e 61.
(60)
(61)
236
12.3.2.2.. Funo Kernel
A funo Kernel uma funo de ponderao padronizada, visa estimar uma

relao entre duas variveis. Ela essencialmente uma regresso local, que utiliza
somente os pontos de um dado conjunto localizados perto do ponto de consulta para o
clculo de regresso. Para esse mtodo, o peso do ponto usado na regresso diminui
medida que a sua distncia em relao ponto de consulta aos aumenta.
A funo de regresso resultante suave e tem como grande vantagem depender
de uma pequena quantidade de parmetros. A tcnica pode ser visulizada na Figura 107.
Figura 107-Exemplo do uso da Funo Kernel.
Fonte: Hastie et al.(2009)
Esta estimao baseia-se em um mtodo no paramtrico. Para a estimao de

uma densidade kernel, alm da escolha de um , necessrio escolher o K, conforme
equao 62.
A escolha de K pode ser baseada na minimizao do erro quadrtico mdio da
estimao. As funes kernel conhecidas como Epanechnikov minimizam o erro
quadrtico mdio entre duas variveis, sendo conhecidas como funes kernel timas de
segunda ordem. Estas funes possuem a seguinte representao:
(62)
Onde xo mediana do SMAP no mtodo 1 e
o desvio padro da srie do
GERVAZP para o ms em avaliao.

Para o mtodo 2 usando a funo Kernel xo igual a cada membro do SMAP.
237
12.3.2.2.1. .Kernel Epanechnikov
A funo Kernel Epanechnikov dada pela equao:

(63)
Para o mtodo 1 tem-se:
(64)
Para o mtodo 2 :
(65)

(66)
12.3.2.2.2. .Funo Epanechnikov - Tri-cbica
A funo Kernel Epanechnikov Tri-cbica dada pela equao:

(67)
(68)
Para o mtodo 2 :
(69)
238
(70)
12.3.4. Reamostragem dos cenrios do GERVAZp pelos cenrios do SMAP
Para reamostragem dos cenrios do GERVAZP pelos cenrios do SMAP

calculada a distncia euclidiana entre cada um dos membros dos conjuntos, conforme
equaes 55 e 56.
Em seguida, so selecionados os trs membros do conjunto do GERVAZP que
possuem a menor distncia
em relao a cada cenrio i do SMAP, totalizando 1800
membros por localidade avaliada.
239
13. RESULTADOS E DISCUSSES: ESCALA DE CURTO PRAZO - SIN
Este captulo apresenta os resultados das tcnicas utilizadas para previso

sazonal no setor eltrico, a princpio apresenta-se o modelo global ECHAM 4.5, em
seguida as tcnicas de integrao e depois os modelos PAR e PARx.
13.1. Avaliao do modelo ECHAM 4.5 para precpitao

Na Figura 108 mostrada a correlao entre a precipitao acumulada mensal dos
membros do ECHAM 4.5 em relao a precipitao mensal do CRU para o trimestre
DJF no perodo de 1950 a 1999. A maioria dos membros praticamente no apresenta
correlao significativa na regio centro-oeste e sudeste do Brasil.

CRU para o trimestre DJF. Membros do 11 ao 34 na sequncia numrica da esquerda
para direita e de cima para baixo.
240
Na Figura 109 mostrada a correlao entre a precipitao acumulada mensal
dos membros do ECHAM 4.5 em relao a precipitao mensal do CRU para o
trimestre MAM(perodo de maiores precipitaes na regio) no perodo de 1950 a 1999.
O modelo apresenta correlaes superiores a 0,6 em vrias regies do Nordeste
Setentrional, indicando que a informao deste modelo pode ser utilizada nessa regio
com razovel confiabilidade.

CRU para o trimestre MAM. Membros do 11 ao 34 na sequncia numrica da esquerda
241
Figura 110 CORREL espacial dos membros do modelo ECHAM em comparao ao
242
para direita e de cima para baixo
Fonte:
Elaborada pelo prprio autor.
243
Tabela 22-ndices estatsticos do Ensemble mdio dos membros do ECHAM em relao a srie histricas das estaes do ano do CRU.
Bacias
Emborcao
Nova Ponte
Itumbiana
So Simo
Furnas
gua Vermelha
Nova Avanhandava
Porto Primavera
Rosana
Itaip
Santa Ceclia
Salto Caxias
It
Dona Francisca
Trs Marias
Sobradinho
Xing
Serra da Mesa
Lageado
Tucuru
Belo Monte
Teles Pires
So Luiz do Tapajs
Santo Antnio
CORREL
-0,044
-0,013
0,112
0,191
0,243
0,031
0,043
0,140
-0,144
0,131
0,387
-0,046
-0,070
0,210
0,223
0,028
0,408
0,195
0,091
0,077
-0,001
0,046
0,208
0,048
DJF
BIAS
-60,821
-89,295
-49,700
-22,187
-100,277
-51,282
9,796
84,509
95,338
163,373
-229,035
27,796
-8,719
27,305
-47,229
30,091
3,150
-87,538
-90,111
-101,561
-131,381
-203,915
-204,053
-89,966
MAM
RMSE CORREL BIAS
146,627 -0,001 28,190
203,791 0,156
-9,729
111,181 -0,018
6,720
89,731
0,045
-9,794
165,689
0,32
48,703
150,797 0,354 -20,200
117,442 0,386
-4,978
127,589 0,305
9,881
136,357
0,38
-20,952
180,654 0,484 -68,630
263,395
0,2
-27,376
105,531 0,342 -55,659
100,023 0,319 -60,896
109,247 0,257 -59,889
133,276 0,201
81,527
122,097 -0,159 72,872
80,336
0,599 -25,349
139,093 -0,117
2,683
150,704
0,07
13,139
140,498 0,362 -12,317
153,842 0,284 -67,036
216,728 0,274 -37,676
212,123 0,352 -51,625
118,894 0,103
4,317
JJA
SON
RMSE CORREL BIAS
RMSE CORREL
BIAS
RMSE
79,297
0,426
12,427 33,402
0,118
24,644 113,044
100,845 0,472
18,491 44,719 -0,013 18,532 137,345
77,873
0,417
4,099
30,507
0,212
20,543 96,964
80,679
0,407
8,085
33,348
0,1
-16,002 97,933
88,167
0,561
55,876 73,434
0,127 118,475 156,384
81,315
0,53
29,299 51,975
0,217
54,062 113,314
75,913
0,545
38,493 62,513
0,358
87,600 116,724
79,436
0,446
9,086
50,528
0,276 104,973 129,478
91,315
0,562
13,888 68,361
0,309
83,547 119,369
133,527 0,532 -36,375 84,670
0,242
43,765 124,144
114,632 0,439
44,606 78,656
0,103 -51,130 106,541
128,106 0,473 -24,108 121,551 0,233
-0,431 117,698
117,908 0,412 -67,966 135,626 0,295 -33,350 121,894
152,818 0,027 -73,487 161,645 0,307 -23,051 139,891
102,811
0,51
70,844 78,768
0,165 128,508 162,472
97,709
0,12
9,982
22,287
0,058
54,804 106,377
80,596
0,457 -39,611 45,550
0,241
-2,578 38,538
90,757
0,296
-0,629 25,071
0,104 -45,399 122,400
73,413
0,137
-0,861 16,220
0,217 -63,910 119,805
67,373
0,417
-6,493 21,280
0,172 -76,725 108,552
86,885
0,507 -51,768 55,155
0,447 -66,454 81,747
64,244
0,353 -16,294 26,285 -0,021 -94,810 115,066
65,711
0,386 -12,580 24,646
0,071 -86,607 102,070
54,001
0,329
22,217 45,133
0,069
38,929 73,036
244
Figura 112-Climatologia da precipitao mdia mensal por bacia do Ensemble Mdio dos membros do modelo ECHAM em comparao aos dados fornecido pelo CRU no
perodo de 1950 a 1999. Da esquerda para a direita e de cima para baixo as bacias so: Emborcao, Nova Ponte, Itumbiana, So Simo, Furnas, gua Vermelha, Nova
Avanhandava, Porto Primavera, Rosana, Itaip, Santa Ceclia, Salto Caxias, It, Dona Francisca, Trs Marias, Sobradinho, Xing, Serra da Mesa, Lageado, Tucuru, Belo
Monte, Teles Pires, So Luiz do Tapajs e Santo Antnio.
245
13.2. Reamostragem dos membros do GERVAZP
Nesta seo sero mostradas diversas metodologias para reamostragem dos

dados do GERVAZP.
13.2.1. Mtodo dos vizinhos da mediana do SMAP
Na Figura 113 so mostrados o peso dos membros do GERVAZp para Furnas

para fevereiro de 2005 para o mtodo dos vizinhos da mediana do SMAP. O mtodo
atribui peso bastante elevado para alguns dos membros do GERVAZP, o que dificulta a
sua utilizao, visto que ao considerar uma pequena quantidade de membros mais
provveis perde-se a informao da incerteza associada ao evento.
Figura 113-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005.
Na Figura 114 mostrada a srie de vazes do posto Furnas, da mediana do

GERVAZP e da mediana do Mtodo dos vizinhos da mediana do SMAP. Acrescidos
das sries da mediana do GERVAZP somada e subtrada de um desvio padro, e ainda,
as sries da mediana do mtodo em questo somado e subtrado de um desvio padro. O
mtodo dos vizinhos apresentou espalhamento bastante pequeno ao longo de toda a
srie de vazes, o que inviabiliza sua utilizao, j que nestas configuraes os eventos
so tratados como praticamente determinsticos. O que considerando a atmosfera um
sistema catico, isto no razovel. Por esse motivo esse mtodo foi descartado de
anlises posteriores.
246
Figura 114-Srie de vazes no posto Furnas, da mediana do GERVAZP e da mediana

Mtodo dos vizinhos da mediana do SMAP. Acrescidos das sries da mediana do
GERVAZP somada e subtrada de um desvio padro e das sries da mediana do mtodo
em questo somado e subtrado de um desvio padro.
13.2.2. Mtodos dos vizinhos de todos os membros do SMAP

para fevereiro de 2005 para o mtodo dos vizinhos dos membros do SMAP. Este
mtodo apesar de reduzir o peso em relao o mtodo anterior, ainda apresenta peso
bastante elevado para alguns dos membros do GERVAZP, o que dificulta a sua
utilizao, visto que ao considerar uma pequena quantidade de membros mais provveis
perde-se a informao da incerteza associada ao evento. Por esse motivo esse mtodo
foi descartado de anlises posteriores.
247
Figura 115-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005.
13.2.3. Mtodo de Kernel

para fevereiro de 2005 para o mtodo de Kernel 1 para as funes Epanechnikov e
Epanechnikov - Tri-cbica. Quanto ao peso dado aos cenrios, este mtodo distribui de
forma mais adequada o peso dado aos cenrios do GERVAZP, por isso esse mtodo
ser avaliado em maiores detalhes em seguida.
248
Figura 116-Pesos dos membros do GERVAZp para Furnas para fevereiro de 2005
usando o mtodo de Kernel.(a) Kernel Epanechnikov e (b) Kernel Epanechnikov- Tricbica.
(a)
(b)
Na Figura 117(a) so mostrados a srie observada em FURNAS, mediana dos

membros do GERVAZP, mediana dos membros do KERNEL 1 Epanechnikov e Kernel
1 Epanechnikov- Tri-cbica. Enquanto na Figura 117(b) so mostrados os desvios
padro dos membros do GERVAZP e dos mtodos de Kernel 1. Os resultados
mostrados pelas medianas dos mtodos e Gervazp apresentam valores semelhantes,
porm o mtodo de Kernel 1 reduz o desvio padro dos cenrios previstos.
249
Figura 117-(a) Srie observada em FURNAS, mediana dos membros do GERVAZP,
mediana dos membros do KERNEL 1 Epanechnikov e Kernel 1 Epanechnikov- Tricbica. (b) Desvio padro dos membros do GERVAZP e dos mtodos de Kernel.
(a)
(b)
Nas Figura 118(a) e (b) so mostrados a srie de desvios padres em FURNAS

para os membros do GERVAZP e para os membros do KERNEL 1 Epanechnikov e
Kernel 1 Epanechnikov- Tri-cbica em funo de Lambda. A escolha do Lambda pode
impactar diretamente sobre o desvio padro e reduzi-lo, razovel supor que uma
250
significativa melhoria nos processos de planejamento e programao da operao do
SIN seria obtido caso houvesse essa reduo. Os mtodos de KERNEL 1 Epanechnikov
e Kernel 1 Epanechnikov- Tri-cbica apresentam resultados bem semelhantes, por isso
s sero mostrados os resultados do mtodos de KERNEL Epanechnikov.
Figura 118-(a) Desvios padres da Funo Kernel 1 Epanechnikov e (b) Desvios
padres da Funo Kernel 1 Epanechnikov- Tri-cbica para Furnas em funo de
Lambda (sendo este parmetro associado a um escalar multiplicado pelo desvio padro
dos membros do Gervazp naquele ms).
(a)
251
(b)
13.2.4. Mtodo de reamostragem do Gervazp pelo SMAP
Nas Figura 119(a) e 119 (b) so mostrados os desvios padres e os valores

mximos e mnimos dos membros SMAP, reamostragem e GERVAZp para Furnas. Os
membros do SMAP e reamostragem reduzem sensivelmente o desvio padro na maior
parte da srie histrica e mostram impacto significativo no valor mnimo, aumentando o
mesmo em alguns m3/s.
Figura 119-(a) Desvios padres e (b) Valores mximos e Mnimos do SMAP, reamostragem e GERVAZp
para Furnas.
252
(a)
(b)
13.2.5. CDF dos Mtodos de reamostragem

O mtodo de Kernel apesar de aproximar sensivelmente a CDF do GERVAZP
para a dos membros do SMAP em FURNAS, apresenta resultados no to favorveis
em Canoas e Capivara. Isto ocorre porque no clculo da distncia prevalece a ENA de
Furnas, que bem maior que as demais, sendo os termos da equao da distncia total
pertencente s demais bacias de outra ordem de grandeza, conforme Figura 120 (e), (f) e
(g).
253
O mtodo de reamostragem dos cenrios do GERVAZp pelos cenrios do
SMAP se aproxima razoavelmente a CDF do SMAP. Porm, em alguns casos os
cenrios do GERVAZP e os cenrios do SMAP divergem de tal forma, que mesmo este
mtodo no consegue reproduzir adequadamente a CDF do SMAP, conforme Figura 120
(a), (b) e (c).
254
Figura 120-CDF das vazes para FURNAS, CAPIVARA e CANOAS, respectivamente. Para as previses geradas em fevereiro de 2005 vlidas para maro de 2005. (figuras
a, b e c) e para as previses geradas em novembro de 2005 vlidas para dezembro de 2005 (figuras d, e e f).
Fonte: Elaborado pelo prprio autor.
255
13.3. Modelo peridico autorregressivo
Nessa seo so apresentados os resultados obtidos pelo modelo PAR, detalhes

da calibrao e da previsibilidade do modelo.
13.3.1. Calibrao do modelo
Na determinao das regresses mensais para os 88 Postos Base em estudo,

foram testadas como variveis explanatrias os dados de vazo padronizados entre 1 e
11 meses de antecedncia (lag1 a 11). Utilizando a metodologia stepwise foram
escolhidas as variveis explanatrias apresentadas, a matriz de cores neste grfico
representa o coeficiente de cada varivel da regresso linear mltipla.
Na totalidade dos modelos (12x88=1.056) existe uma grande influncia da
varivel autorregressiva de lag1, conforme mostra a Figura 121, presente na maioria
(87,7%) das regresses dos PBs em todos os meses; a vazo com lag2 s aparece em
17,4% das equaes; para a vazo com lag3 a frequncia de 12,9% e para as vazes
com lag4 e 5 possuem a frequncia de 9,1%.
Na anlise mensal das regresses, o predomnio continua sendo da varivel
formada pelos dados de vazes com um ms de antecedncia lag1, quando o objetivo e
a explicao da variabilidade dos dados da srie de vazo na calibrao das regresses.
Os meses de janeiro, maro, abril, julho, e agosto, possuem como segunda variveis
explanatrias mais utilizadas aquelas formadas por vazes com dois meses de
antecedncia lag2. No entanto, para os meses de maio, setembro, e outubro, as variveis
com segundo maior nvel de explicao so aquelas formadas por vazes com lag3;
variveis com lag4 e lag5 aparecem de forma mais frequente nos meses de dezembro e
junho, respectivamente. O ms de fevereiro possui nas vazes com lag11, com 11
meses de antecedncia, a segunda varivel explicativa mais utilizada nas regresses.
Os meses de janeiro e fevereiro so os meses onde a maior parte das regresses
possui apenas uma varivel, 69,3% e 58,0%, respectivamente. Verifica-se que para o
ms de setembro apenas 14,7% das regresses so definidas com apenas uma varivel e
43,2% das regresses necessitam de duas variveis, mostrando-se assim uma exceo
regra.
256
Figura 121-Coeficiente do modelo PAR para os postos bases para dezembro, janeiro e fevereiro.
257
Figura 122-Coeficiente do modelo PAR para os postos bases para maro, abril e maio.
258
Figura 123-Coeficiente do modelo PAR para os postos bases para junho,julho e agosto.
259
Figura 124-Coeficiente do modelo PAR para os postos bases para setembro, outubro e novembro.
260
O ms de janeiro possui o maior nmero de modelos que nenhuma das variveis

disponveis consegue explicar, de forma estatisticamente significante, o comportamento
da varivel que se deseja prever. Em termos de previso o tipo de modelo descrito
consta somente da vazo mdia somada a componente aleatria do erro. Os postos base
em que isso acontece so mostrados na Tabela 23.

estatisticamente significantes (=5%) a partir do Modelo PAR
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
PB14
PB18
PB20
PB36
PB38
PB39
PB40
PB43
PB45
PB50
PB53
PB56
PB64
PB70
PB74
PB76
PB77
PB78
PB80
PB81
PB85
PB86
PB87
Fonte: Adaptado de Alexandre (2012)
Avaliando a calibrao dos modelos de regresso em termos de Erro Mdio

Absoluto EMA, observa-se que os menores valores EMA se encontram nos modelos
dos meses entre maio e setembro com mdia de 0,38. O perodo com maiores mdias de
EMA esto entre os meses de outubro a maro com 0,59.
261
13.3.2. Previso de vazes
As vazes mensais previstas foram analisadas com as mtricas utilizadas pela

Operadora Nacional do Sistema ONS que consta do Erro Mdio Percentual Absoluto
EMPA e o coeficiente de NASH.
Os resultados para toda a srie de dados ser apresentado separadamente para os
trimestres de dezembro, janeiro e fevereiro (DJF); maro, abril e maio (MAM); junho,
julho e agosto (JJA); e setembro, outubro e novembro (SON).
Observa-se, na Figura 125, que o valor mdio mensais de EMPA da srie de
valores estimados varia entre 8 e 80% na maioria dos postos bases. Verifica-se ainda
que os valores de EMPA do PB45 Pedra do Cavalo (localizada na regio hidrogrfica
do Atlntico Leste) so sobremaneira elevados o que para os perodos de DJF
representa um valor de 1,82, MAM (1,98) e SON (1,26). Para o perodo de DJF cabe
meno do elevado valor (0,9) para o EMPA do PB39 Itapebi (localizada na regio
hidrogrfica do Atlntico Leste).
Para todos os perodos em anlise h um aumento pronunciado do Erro Mdio
Percentual Absoluto para os PBs entre 70 e 88, referentes s bacias do rio Iguau
(bacia do Paran) e Uruguai.

(1998-2003) a partir do Modelo PAR definidos para cada Posto Base (eixo x).
262
Coeficientes de NASH negativos significam que a regresso utilizada para
determinao de valores de previso menos eficiente que o uso da mdia histrica de
longo perodo, tal situao apresentadas para os quatro perodos em algumas
localidades, porm evidente no trimestre JJA nos postos bases de 70 a 83, conforme
Figura 126.
Analisando os coeficientes de NASH apresentados na Figura 126, percebe-se
uma variabilidade muito grande nos valores obtidos, sendo o trimestre DJF aquele de
mais difcil previsibilidade para a maioria das localidades.
263
estimadas (1998-2003) a partir do Modelo PAR definidos para cada Posto Base (eixo
x).
Nota-se, que de uma forma geral, os meses DJF possuem uma baixa
previsibilidade de vazes para as regies do Atlntico Leste e Sudeste, nas bacias do
So Francisco e Tocantins-Araguai. Resultados relativamente bons podem ser
observados basicamente na bacia do Amazonas, as parcelas centrais e oeste da bacia do
Paran, grande parte da regio do Atlntico Sul e rio Uruguai.
264
Para os meses de MAM o modelos apresenta resultados melhores que nos
demais perodos e apenas em alguns postos base observa-se baixa previsibilidade, no
Atlntico Sudeste e na importante barragem de Sobradinho.
J nos meses de JJA, a disparidade entre os coeficientes de NASH nas diferentes
regies bastante pronunciada, pois enquanto as bacias do Tocantins-Araguai, do
Amazonas e as regies leste e oeste da Bacia do Paran no apresentam modelos
eficientes, em alguns casos sendo mais interessante utilizar a mdia histrica como
varivel prevista. O restante da bacia do Paran, as regies do Atlntico Sul, Sudeste e
Leste, e o sul do rio So Francisco possuem valores de NASH normalmente acima de
0,6.
No perodo SON a previsibilidade mantm-se alta nas regies do Atlntico
Leste-Sudeste, norte e centro do rio Paraguai, e norte do rio Uruguai; os valores dos
coeficientes aumentam na regio do Tocantins-Araguaia, no entanto as regresses para
o rio Grande no so eficientes.
13.4. Peridico autorregressivo com variveis exgenas (PARX)
Nesta seo apresentado detalhes da calibrao do modelo PARx e os

resultados de ndice estatsticos associados de validao do modelo por trimestre e por
posto base.
13.4.1. Calibrao do modelo
Na determinao das regresses, de acordo com os meses do ano e os 88 Postos

Base (PBs) em estudo, foram testados como variveis explanatrias os ndices contidos
na matriz descrita na Tabela 21. Utilizando a metodologia stepwise foram escolhidas as
variveis explanatrias.
Na maioria dos modelos (12x88=1.056) existe uma grande influncia da
varivel autorregressiva de lag1 presente na maioria (85,3%) das regresses mensais
dos 88 PBs, as vazes mensais com lag2 aparecem em 17,3% da totalidade das
equaes, para a vazo com lag3 a frequncia de 13,3%. Percebe-se tambm um
predomnio das variveis autorregressivas entre os meses de abril e julho, a partir de
265
agosto as variveis autorregressivas e climticas passam a ter uma distribuio
quantitativa similar.
Entre as variveis climticas a mais comum o AMO(-1) (Oscilao Atlntica
Multidecadal) compondo 10,5% das equaes com pouca influncia entre os meses de
janeiro a abril; seguido do ndice TNI(-1) (TransNINO) com 9,5% apresentando uma
distribuio temporal menos clara. O terceiro ndice climtico mais representativo foi o
ZW3(-1) presente em 8,0% das regresses, tal ndice foi definido por Alexandre (2012)
como a media espacial dos valores registrados de ventos zonais a 925mb (15N5N,150W-180W).
Nota-se que 14 equaes, 1,3% do total, no possuem variveis, logo no
possuem regresses definidas. Apenas uma regresso fez uso de nove variveis, assim
com apenas cinco regresses fizeram uso de oito variveis. Portanto, mesmo com um
grande nmero de variveis disponveis (um total de 38) pode-se considerar que a
parcimnia das equaes foi mantida.
O ms de janeiro possui o maior nmero de modelos que nenhuma das variveis
disponveis consegue explicar, de forma estatisticamente significante, o comportamento
da varivel que se deseja prever. Em termos de previso o tipo de modelo descrito
consta somente da vazo mdia somada a componente aleatria do erro. Os postos base
em que isso acontece so mostrados na Tabela 24.

estatisticamente significantes (=5%) a partir do Modelo PARx.
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
PB14
PB39
PB45
PB50
PB53
PB56
PB64
PB70
PB76
PB77
PB81
PB85
Fonte: Adaptado de Alexandre (2012)
266
13.4.2. Previso de vazes
Observa-se na Figura 127 que o valor mdio de EMPA da srie de valores

estimados de 0,53 variando entre 0,06 e 0,94. Para os valores dos perodos de DJF,
MAM, JJA e SON as mdias so de 0,37, 0,39, 0,21 e 0,32, respectivamente. Verificase ainda que os valores de EMPA do PB45 Pedra do Cavalo (localizada na regio
hidrogrfica do Atlntico Leste) so sobremaneira elevados para srie de vazes (1,26),
para os perodos de DJF (1,78) e MAM (2,13).
Para o perodo de DJF cabe meno do elevado valor de 101% para o EMPA do
PB39 Itapebi (localizada na regio hidrogrfica do Atlntico Leste) e 103% do PB81
Castro Alves (localizada na regio hidrogrfica do Atlntico Sul).
O perodo MAM o que possui maiores valores acima da unidade de EMPA
como os PBs 74 a 77 e 88. Os PBs 74 a 77 representam os aproveitamentos
hidroeltricos de Foz da Areia (124%), Segredo (109%), Salto Santiago (131%) e Salto
Osrio (119%), todos localizados na bacia do rio Iguau (Bacia do rio Paran). O PB88
Quebra Queixo localizado na bacia do rio Uruguai possui um EMPA de 138%.
(1998-2003) a partir do Modelo PARx definidos para cada Posto Base (eixo x).
267
Analisando os coeficientes de NASH, apresentados na Figura 5.25, percebe-se
que o valor mdio serial entre os PBs, de 0,53, considerado relativamente elevado,
com menor valor observado no PB88 e PB45 que possui valor de 0,06 e 0,09,
respectivamente. Para os valores dos diferentes perodos e PBs a variabilidade muito
grande; o valor mdio para o perodo de DJF de -0,01 variando entre -1,67 para o
PB14 e 0,82 para o PB63; para MAM o valor mdio de 0,29 variando entre -2,48 para
o PB45 e 0,89 para o PB87; para JJA o valor mdio de 0,32 variando entre -1,31 para
o PB67 e 0,97 para o PB32; e para SON o valor mdio de 0,34 variando entre -0,87
para o PB27 e 0,85 para o PB61.
Coeficientes de NASH negativos significam que a regresso utilizada para
determinao de valores de previso menos eficiente que o uso da mdia histrica de
longo perodo, tal situao so apresentadas para o perodo DJF nos PBs 6, 12 a 14, 16,
18 a 21, 26 e 27, 32, 37, 39 a 43, 45, 47 a 48, 50, 52 a 56, 58, 60, 65, 67 a 69, 71 a 77,
82, e 88; para MAM nos PBs 2 a 13, 15 a 33, 35, 41 e 42, 44, 47 a 51, 53 a 57, 59 a 73,
78 a 80, e 82 a 87; para JJA nos PBs 1 a 12, 15, 17 a 20, 22 a 25, 27, 30 a 44, 47 a 64,
66, 70, 74 e 75, 81 e 84; para SON nos PBs 1 e 2, 4 a 13, 17 a 19, 22 a 25, 30 a 33, 35
a 43, 45 a 47, 49 a 88.
268
estimadas (1998-2003) a partir do Modelo PARx definidos para cada Posto Base (eixo
x).
269
14. RESULTADOS E DISCUSSES: ESCALA DE CURTO PRAZO-CEAR
Este captulo apresenta o resultado da previso sazonal usando o mtodo dos Kvizinhos para a bacia do ros.
14.1. K-vizinhos
O modelo elaborado nesta seo tem por objetivo realizar a previso de vazes
na bacia do ros de um dado ano, utilizando as anomalias de temperatura das
superfcies do oceano Atlntico sul, oceano Atlntico norte e oceano pacfico do ano
anterior ao da previso, podendo ser de forma simplificada, representado como:
(71)
Foram elaborados inicialmente, modelos que utilizam como sinais de entrada as
anomalias de temperaturas de quatro grupos de meses do ano: DJFM, AMJ, JAS e
OND.
Os modelos atriburam valores positivos a TSM do Atlntico Sul e valores
negativos a temperatura do pacfico, conforme Figura 129. Enquanto o coeficiente da
regresso do quadrimestre DJFM apresentou valores positivos para a TSM do Atlntico
Norte, os demais perodos apresentaram valores negativos. O fato do perodo DJFM
apresentar valores positivos tanto para o atlntico sul quanto para o norte, indica que
com essa antecedncia no possvel captar o sinal do dipolo do atlntico.
Para calibrao dos parmetros mostrados na Figura 129 foi utilizado srie de
vazes de 1913 a 2000 do ros, excluindo-se 10 anos usados na verificao das
previses selecionados aleatoriamente, conforme Tabela 25. A seleo obteve 6 anos
secos, 2 normais e 2 chuvosos.
270
Tabela 25- Anos utilizados para verificao daa previses, classificao por
tercil(chuvoso-C, normal-N e seco-S), probabilidade de ocorrncia de um ano igual ou
inferior e vazes observadas.
ANO Previsto
OBS
Prob. Clima
Q(m/s)
1914
1928
1943
1953
1954
1959
1961
1971
1991
1997
C
S
N
S
S
S
N
S
S
C
74,58%
32,60%
39,67%
20,07%
16,09%
31,57%
52,03%
25,36%
29,46%
66,04%
48,25
8,73
12,44
3,79
2,62
8,24
20,99
5,63
7,30
35,32
Figura 129-Valores dos coeficientes das variveis usadas para construo do modelo Kvizinhos.
271
O comportamento do modelo baseado na TSM do DJFM sugere inconsistncia,
j que na maioria dos anos previstos identificou o tercil chuvoso como o mais provvel,
conforme a Tabela 26 e a Tabela 27. Os modelos baseados nos trimestres OND e JAS,
apesar de apresentar o tercil normal em todos os anos previstos, na maioria dos anos
indicaram como segunda categoria mais provvel a referente observao.
O modelo baseado no trimestre AMJ identificou como mais provvel,
considerando os 20 anos mais prximos, nos anos de 1953 e 1954 o tercil seco e nos
anos de 1914 e 1997 o tercil chuvoso. Nos anos chuvosos, esse tercil foi sinalizado
com probabilidade superior a 50%. Admitindo que o tercil mais provvel observado
na maioria dos casos, indica que esse modelo pode contribuir para previso sazonal de
vazes no Cear.
O nmero de anos selecionados sob a suposio de serem mais provveis mostra
clara influncia na gerao dos tercis, conforme a Tabela 26 e a Tabela 27. Isto indica
que algum critrio deve ser adotado para limitar ou expandir o conjunto de cenrios de
anos provveis. Ou ainda, ponderar a possibilidade de ocorrncia do cenrio de um ano
anterior pela distncia que se encontra das condies climticas no momento da
previso.
considerando os 30 anos mais prximos das condies do ano previsto com a tcnica
dos K-vizinhos.
ANO Previsto
1914
1928
1943
1953
1954
1959
1961
1971
1991
1997
ANO Previsto
1914
1928
DJFM
S
33%
18%
18%
18%
28%
15%
16%
14%
17%
17%
N
30%
36%
36%
36%
31%
43%
39%
41%
39%
37%
AMJ
C
37%
46%
46%
46%
41%
42%
45%
45%
44%
47%
S
18%
31%
22%
27%
40%
38%
25%
23%
24%
13%
JAS
S
28%
34%
N
36%
45%
N
37%
45%
47%
45%
41%
39%
50%
51%
41%
36%
C
45%
25%
30%
28%
19%
22%
25%
26%
35%
51%
OND
C
37%
21%
S
28%
33%
N
42%
44%
C
30%
23%
OBS
C
S
N
S
S
S
N
S
S
C
OBS
C
S
272
1943
1953
1954
1959
1961
1971
1991
1997
24%
31%
34%
34%
25%
26%
30%
19%
44%
47%
44%
46%
53%
40%
45%
41%
32%
21%
22%
20%
23%
34%
24%
40%
20%
31%
33%
30%
18%
21%
25%
26%
49%
48%
42%
42%
49%
48%
49%
47%
31%
21%
25%
28%
32%
31%
26%
27%
N
S
S
S
N
S
S
C

considerando os 30 anos mais prximos com a tcnica dos K-vizinhos.
ANO Previsto
1914
1928
1943
1953
1954
1959
1961
1971
1991
1997
ANO Previsto
1914
1928
1943
1953
1954
1959
1961
1971
1991
1997
DJFM
S
23%
18%
18%
16%
20%
9%
20%
15%
24%
20%
N
30%
34%
34%
34%
38%
39%
36%
40%
38%
40%
AMJ
C
47%
48%
48%
51%
42%
52%
44%
44%
39%
40%
S
15%
17%
22%
20%
43%
39%
19%
21%
29%
14%
JAS
S
24%
40%
25%
31%
38%
39%
23%
18%
33%
13%
N
37%
41%
49%
48%
45%
43%
51%
41%
47%
46%
N
34%
52%
58%
52%
39%
37%
51%
54%
45%
33%
C
51%
31%
20%
28%
18%
24%
30%
25%
25%
53%
OND
C
39%
20%
26%
21%
17%
18%
26%
41%
20%
41%
S
29%
33%
16%
38%
32%
32%
18%
22%
25%
21%
N
41%
49%
54%
45%
39%
46%
55%
45%
52%
47%
C
29%
18%
30%
17%
29%
23%
26%
33%
23%
32%
OBS
C
S
N
S
S
S
N
S
S
C
OBS
C
S
N
S
S
S
N
S
S
C
273
15. METODOLOGIA: ESCALA CURTISSIMO PRAZO
Este captulo apresenta uma metodologia verificao da previso numrica do

tempo de modelos regionais.
15.1. Caractersticas dos modelos regionais utilizados no SIN
Na implementao da tcnica de previso de tempo por conjunto para o setor

eltrico do Brasil so testados os modelos regionais BRAMS (adaptado do modelo
RAMS 6.0-Regional Atmospheric Modeling System) (PIELKE et al., 1992; COTTON et
al., 2003) e o modelo ETA.
Os modelos regionais possuem condies iniciais e fronteiras do modelo global
do CPTEC T126 com resoluo horizontal 100 x 100 km e resoluo vertical de 28
nveis. Esse modelo roda operacionalmente no CPTEC quatro vezes ao dia, s 00, 06,
12 e 18 UTC utilizando condio inicial do NCEP (National Centers for Environmental
Prediction) (BONATTI, 1996).
O modelo Regional Eta rodado operacionalmente no CPTEC em dois horrios,
00 e 12 UTC para a Amrica do Sul. Atualmente o Eta operacional possui resoluo
horizontal de 40 km e resoluo vertical de 38 camadas, mais detalhes do modelo ver
em Black (1994). As condies iniciais e de contorno so provenientes do modelo
global do CPTEC/COLA T126 (CHOU, 1996 e 1999). As simulaes inicializadas a
partir das 00 UTC e com durao de 10dias so utilizadas como dados de entrada em
parte do planejamento energtico atual pelo Organizador Nacional de Sistemas(ONS).
As demais simulaes so implementaes em fase de teste, no caso o modelo
BRAMS com resoluo de 15km e o modelo Eta tambm com resoluo de 15km.
Estas simulaes recebem como condio de fronteira dados proveniente do modelo
global do CPTEC T126, as rodadas so inicializadas as 00 UTC e tem durao de 10
dias.
15.2. Sistema de previso numrica do tempo utilizado no Cear
Na implementao da tcnica de previso de tempo por conjunto para o estado
do Cear, so utilizados os modelos regionais RAMS 6.0 (Regional Atmospheric
Modeling System) (PIELKE et al., 1992) e WRF 3.1 (Weather Research and
Forecasting) , inicializados com dados dos modelos globais do Centro de Previso de
274
Tempo e Estudos Climticos (CPTEC) (T126L28) ou do Global Forecast System (GFS)
(T382L64). O mtodo empregado para gerao do conjunto de previses consiste na
utilizao de combinaes de diferentes configuraes fsicas e distintas condies
iniciais e fronteira para cada rodada dos modelos, originando assim um superensemble (SILVEIRA, 2009), conforme Tabela 28.
As previses realizadas com os modelos regionais so efetuadas com grades
horizontais de 115 por 115 pontos, com aproximadamente 25 km de espaamento,
centradas no estado do Cear (39,0W, 6,5S), conforme indica a Figura 130. As
mesmas cobrem grande parte do Nordeste Brasileiro, assim como uma poro do
Oceano Atlntico. Os membros que utilizam o modelo regional RAMS foram obtidos
com a combinao de duas opes de parametrizao de conveco e duas fontes
distintas de forantes de grande escala, ao passo que aqueles que utilizam o modelo
regional WRF foram obtidos com duas opes de parametrizao de conveco a partir
do mesmo forante de grande escala.
Tabela 28-Membros do ensemble regional

Membro do ensemble Modelo regional Modelo global Param. de conveco
RGKF
RAMS 6.0
GFS
Kain-Fritsch
RGKU
RAMS 6.0
GFS
Kuo
RCKF
RAMS 6.0
CPTEC
Kain-Fritsch
RCKU
RAMS 6.0
CPTEC
Kuo
WGKF
WRF 3.1
GFS
Kain-Fritsch
WGGR
WRF 3.1
GFS
Grell
275
Figura 130-Grade utilizada pelos modelos regionais.
15.3. Perodo avaliado e dados de observao do modelo usados no SIN

Para a verificao proposta nesse trabalho foram consideradas as simulaes dos
modelos regionais Eta 40, Eta 15 e Brams. As previses dos modelos foram
comparadas a dados pluviomtricos espalhados em todo o Brasil por bacia ou trecho.
Ser usado o valor mdio entre os pluvimetros e o valor mdio entre os pontos dos
modelos regionais distribudos dentro da bacia. Na Tabela 29 so mostrados o perodo
avaliado e nmero de eventos disponveis para avaliao por modelo.
Tabela 29 - Perodo de avaliao dos modelos e nmero de eventos avaliados.
Modelo Eta 40
Modelo Eta 15
Modelo Brams
Perodo
Nmero de eventos
Jan/2006 a Fev/2012 avaliados
322
Jan/2005 a Dez/2010
305
Jan/2005 a Dez/2010
305
276
15.4. Avaliao usando limiares
Assim como na grande maioria de estudos de verificao apresentados na

literatura, a distribuio conjunta de probabilidades entre as previses e as observaes
de chuva descrita por frequncias relativas das diferentes combinaes possveis entre
previso e observao.
Diversos livros e artigos descrevem detalhadamente os atributos de um bom
sistema de previso, e as mtricas que devem ser utilizadas num estudo de verificao
(WILKS, 2006; MURPHY, 1997 ; MURPHY e WRINKLER,1987; MOURA et al.,
2010; MACHADO et al., 2010;SILVEIRA et al.,2010c ;SILVEIRA, 2011). Estas
mtricas seguem a estratgia de tentar descrever caractersticas da distribuio conjunta
de probabilidades entre as previses e as observaes, e geralmente so termos, ou
funo de termos, que aparecem nas duas equaes de fatorao da distribuio
conjunta descritas acima. No existe uma mtrica nica que consiga caracterizar de
forma completa a distribuio conjunta entre previso e observao. Da a necessidade
de utilizao de diversas delas para avaliar a qualidade de um sistema de previso.
Embora a precipitao seja uma varivel contnua, o estudo de verificao
baseia-se na previso de variveis discretas. Isto feito dividindo a faixa de valores
possveis de precipitao em duas categorias, abaixo e acima de um valor limite prestabelecido. Portanto, a verificao baseada em tabelas de contingncia 2 x 2. O
estudo ir avaliar o sistema de previso para diferentes limites de precipitao,
fornecendo uma ideia da capacidade do sistema em prever eventos de diferentes
intensidades.
Na Tabela 30 apresentado uma tabela de contingncia 2 x 2, que expressa o
nmero de vezes que ocorreram as diversas combinaes entre previso e observao.
No caso especfico de uma tabela 2 x 2, os valores possveis de precipitao so
divididos em duas categorias, abaixo de um limite pr-estabelecido, e acima deste
limite. Os valores de a, b, c e d so utilizados para estimar as frequncias relativas de
cada uma destas combinaes. A descrio das mtricas apresentadas a seguir faz uso
destes valores, conforme Wilks (2006).
277
Tabela 30 - Tabela de contingncia 2 x 2.
Previso
Sim
No
Observao
Sim
No
a
b
c
d
15.4.1 ndices Estatsticos

O HeidkeSkill Score (IH) uma das estatsticas mais utilizadas para fornecer
uma ideia da qualidade relativa de um sistema de previso. O IH utiliza a proporo de
acertos (H) como mtrica para calcular a qualidade relativa do sistema de previso. O
padro de referncia mais frequentemente usado a climatologia, mas o ndice de
Heidke (IH) quase sempre associado aleatoriedade (Murphy e Winkler, 1987). Este
ndice possui valores entre 1 e -1 que indicam, respectivamente, um modelo perfeito e
um modelo incapaz de captar os fenmenos de precipitao, havendo ainda a total
ausncia de ganho em relao a aleatoriedade com um resultado igual a zero.
O IH calculado segundo a equao 72,
IH =
2(ad bc)
(72)
(a + c)(c + d ) (a b)(b d )
A proporo de acerto H expressa frao na qual o sistema de previso acertou
a faixa, ou categoria da chuva. Um sistema de previso perfeito possui H = 1, ou seja, o

evento nunca acontece sem que o sistema de previso o tenha previsto. Obviamente que
sistemas reais de previso no so perfeitos, mas quanto maior o valor de H, menor
chance de a sociedade ser surpreendida por um evento que no tenha sido previsto.
A proporo de acerto (H) expressa frao na qual o sistema de previso
acertou a faixa ou categoria de chuva. H calculado segundo a Equao 73.
a+d
(73)
H =
n
onde n o nmero de dias do perodo de verificao. Se o sistema de previso for
perfeito, H =1. A proporo de acertos no faz qualquer distino entre acertar a
precipitao acima de um limite pr-estabelecido e acertar a no ocorrncia do evento.
Segundo Murphy (1996), esta mtrica no interessante quando a probabilidade de
ocorrncia do evento que se deseja prever for pequena. Para este caso, um modelo que
prev sempre a no ocorrncia do evento pode resultar num H bastante elevado. Porm,
278
em casos como este, obter um H maior no caracteriza muito bem o sistema de
previso, j que no h utilidade em prever sempre a no ocorrncia de um evento.
A probabilidade de deteco (POD), conforme equao 74, representa a
probabilidade do sistema prever a ocorrncia do evento, dado que o evento de fato
ocorreu. Um sistema de previso perfeito possui POD = 1, ou seja, o evento nunca
acontece sem que o sistema de previso o tenha previsto.
a
(74)
POD =
a+c
A taxa de alarme falso (F) representa a probabilidade condicional do sistema de
previso ter previsto chuva acima de um determinado limite pr-estabelecido, dado que
a observao foi abaixo deste limite. Um sistema de previso perfeito apresenta F=0,
da mesma forma que se o sistema sempre indica que o evento vai ocorre e ele no
ocorre tem-se F=1. O valor de F dado pela equao 75:
b
(75)
F =
d +b
A razo de alarme falso (FAR) no deve ser confundida com a taxa de alarme
falso (F), a FAR tambm representa uma probabilidade condicional, porm essa
expresso indica a probabilidade de no observar chuva acima de um determinado
limite, dado que o sistema de previso previu chuva acima deste limite. A FAR
calculada segundo a equao 76,
b
(76)
FAR
ab
A razo de vis indica uma possvel tendncia do sistema de previso em
superestimar ou subestimar os eventos de precipitao, sendo calculada como a razo
entre o total de eventos previstos e o total de eventos observados, conforme Equao
77.
BIAS =
a+b
a+c
(77)
De modo que BIAS = 1 significa que o sistema de previso no tendencioso, ou

seja, no possui tendncia a subestimar ou superestimar o nmero de eventos de
precipitao acima do limiar estabelecido.
Para BIAS maior que 1, o sistema de
previso tende a superestimar o nmero de eventos ocorrido para um dado limiar, assim
como para BIAS menor que 1 o sistema tende a subestimar.
279
Para avaliao por limiares foram considerados cinco percentis por estao do
ano (DJF, MAM, JJA e SON) no caso do SIN. Enquanto que para o Estado do Cear
foram considerados trs limiares (1mm, 5mm e 10mm) apenas para o primeiro semestre
do ano.
Para cada srie observada do SIN por bacia foi feita um triagem onde foram
selecionados todos os valores maiores ou iguais a 2 mm, aps isso foram utilizados os
percentis de 20% (P20), 40% (P40), 60% (P60), 80% (P80), e 90% (P90)
da srie
histrica observada. Entretanto, os valores com precipitao abaixo de 2mm tambm

so utilizados para a avaliao.
15.5. Avaliando o comportamento da srie de precipitaes modelada
Para esta avaliao foram consideradas todas as sries modeladas e observadas e

foi avaliado o comportamento de superestimao e subestimao do sistema. As
medidas estatsticas utilizadas, cujas definies esto indicadas a seguir, so: erro de
vis (BIAS) e correlao (CORREL).
15.5.1 ndices estatsticos
O erro de vis (Bias Error) mede a tendncia do modelo para superestimar ou

subestimar uma varivel, e definido por:
BIAS
1
n
(P A)
(78)
onde n o nmero total de observaes/previses e o ndice P e A indicam o valor

previsto e a anlise verificada, respectivamente. Um valor positivo do erro de vis
indica uma predisposio do modelo em superestimar uma varivel particular.
Reciprocamente, um valor negativo do erro de vis implica numa subestimao do
modelo na avaliao de uma a varivel.
A correlao pode assumir valores entre -1 e 1 que indicam, respectivamente,
perfeita anticorrelao e perfeita correlao, havendo ainda a total ausncia de
correlao verificada com um resultado igual a zero. Este ndice tem a capacidade de
detectar correspondncia de fase entre as sries, sendo, por construo, insensvel a
erros de vis.
280
A AP P
i n
CORREL
i 1
(79)
P P A A
in
i 1
in
i 1
15.6. Anlise Multiobjetivo
Uma das ferramentas bastante utilizada para auxiliar em problemas de

deciso a anlise Multicritrio ou Multiobjetivo Deciso. Esta abordagem
sugere que, normalmente, no existe uma alternativa que seja a melhor em todos
os critrios. Para aplicao do mtodo sero considerados os diversos critrios de
avaliao dos modelos, com pesos diferentes de acordo com a sua importncia,
conforme Tabela 31.
Tabela 31 - Pesos usados por critrio na aplicao do mtodo multiobjetivo.
ndices
IH
H
POD
FAR
F
CORREL
p20
2
2
1
1
1
3
p40
2
2
1
1
1
-
p60
2
1
1
1
1
-
p80
1
1
2
2
2
-
p90
1
1
3
3
3
-
O mtodo utilizado ser o Electre, conforme mencionado por Braga e

Gobetti (1997) e descrito na seo 18.6.1.
15.6.1 Electre
15.6.1.1 Electre I
A ideia do mtodo Electre I, separar do conjunto total das alternativas aquelas

que so preferidas na maioria dos critrios de avaliao, e que no causam um nvel
inaceitvel de descontentamento nos outros critrios.
O mtodo Electre I busca encontrar o menor conjunto possvel de alternativas
no dominadas referentes ao problema em questo. Para isso, so utilizados dois ndices
281
bsicos que medem a vantagem e a desvantagem de cada alternativa em relao s
outras. So eles:
C(a,b): ndice de concordncia com a afirmativa aSb;
D(a,b): ndice de discordncia com a afirmativa aSb.
Esses ndices so dados pelas equaes 80 e 81.
(W 0,5W )
C ( a, b)
(W W W )
(80)
Onde:
W+ corresponde a soma dos pesos dos critrios para os quais a prefervel a b.
W=corresponde a soma dos pesos dos critrios para os quais a = b.
W- corresponde a soma dos pesos dos critrios para os quais b prefervel a a.
O ndice de concordncia pode ser entendido como uma porcentagem ponderada
dos critrios para os quais a alternativa
preferida a alternativa .
O conceito de discordncia complementar ao de concordncia e representa o

desconforto experimentado na escolha da alternativa
determinada por:
D(a, b) max
K I
bK
sobre a alternativa b, e
z aK
(82)
R*
Sendo: R= Z*k -Z-k

Onde:
Zak avaliao de a em relao ao critrio k.
Z*k melhor grau de avaliao obtido para o critrio k.
Z-k pior grau de avaliao obtido para o critrio k.
A relao de preferncia definida ao estabelecer-se valores limites (p,q), entre
zero e um, tais que a alternativa
preferida a alternativa b:
C (a, b) p
aSb se e somente se
D ( a, b) q
Para a anlise em questo foi utilizado: p=0,80 e e q=0,20.
15.6.1.2. Electre II
O procedimento de ordenao do mtodo Electra II formada por dois estgios:

classificao progressiva e classificao regressiva. A classificao final dada atravs
da media das classificaes obtidas em cada estagio.
282
Classificao Progressiva:
1- GF(t) um subconjunto de Gr, onde GF (0) =GF; e Gf(t) um subconjunto de Gf,
onde Gf (0) =Gf, fixa-se t=0.
2- Selecionam-se os ns no dominados em GF(t). Denota-se este conjunto por C.
3- Selecionam-se os ns em C no dominados em Gf(t). Denota-se este conjunto
por A(t).
4- Obtm-se uma classificao para cada x A(t) mediante:
(84)
5- Reduzem-se os conjuntos GF(t) e Gf(t) a partir de:
GF(t+1)=GF(t)-A(t)
(85)
Gf(t+1)=Gf(t)-A(t)
(86)
6- Se GF (t+1) for conjunto vazio, o processo pra. Caso contrrio, t=t+1 e o

processo repete a partir do passo 2.
Classificao Regressiva
1- Revertem-se as direes das setas em GF e Gf.
2- Obtm-se uma classificao (x), do mesmo modo que
3- Reajusta-se a classificao fazendo:

, x X
(14)
Onde X o conjunto de todas as alternativas, e
x X
A classificao final das alternativas, vx calculada definindo a funo m(x) como:
v ' v ''
, x X
2
E ordenado de forma crescente os valores dados por m(x).
m( x )
(87)
15.7. Proposio de Correes Estatsticas

15.7.1 Correo via CDF emprica (EMP)
Para a correo estatstica das previses modeladas de precipitao foi utilizado
um ajuste de vis com base na funo de distribuio de probabilidades emprica. A
Figura 131 descreve a relao entre a probabilidade acumulada e a precipitao, e
indica o funcionamento desta correo. Para valores que possuem a mesma
probabilidade de acontecer na curva modelada e observada, atribui-se a chuva prevista o
283
valor observado.
Esta correo razovel para modelos que possuem uma clara
tendncia de vis de superestimao ou subestimao.

Figura 131 - Correo de vis via CDF observada x modelada.
Fonte:Elaborada pelo prprio autor.
Este ajuste foi realizado considerando a srie divida por estaes do ano (DJF, MAM,
JJA e SON).
15.7.2 Correo via CDF Gama (GAMA)
Um modelo probabilstico muito atraente para a representao de variveis

hidrolgicas, que apresentam versatilidade de formas e coeficientes de assimetria
variveis, a distribuio gama. Esse modelo possui numerosas aplicaes bem
sucedidas em modelagens de vazes, porm, a distribuio gama tambm pode ser
usada para anlises de precipitao de durao diria, semanal, mensal e anual. Para a
correo gama foi utilizado um ajuste de vis seguindo os seguintes passos:
1 - Ajuste da distribuio gama para os dados observados;
2 - Ajuste da distribuio gama para os dados de precipitao dos modelos para
identificar o problema do ajuste no vis;
3 - Correo das precipitaes do modelo;
Este ajuste foi realizado considerando a srie divida por estaes do ano (DJF,
MAM, JJA e SON) e por dia simulado.
A correo semelhante proposta na seco 18.7.1 e segue o modelo da figura
17, porm usada uma funo de distribuio gama.
284
15.7.3 Correo via razo precipitao observada e modelada por estao
do ano (RAZO)
Este modelo de correo consiste em obter os somatrios da precipitao

observada e modelada por trimestre e em seguida obter a razo entre os mesmos por
estaes do ano. A precipitao obtida pelo modelo multiplicada por esta razo.
Conforme equao 88:
(88)
Onde
a precipitao corrigida do dia k do trimestre j e
a precipitao
modelada sem correo no dia k do trimestre j.

Sendo
a precipitao observada no dia i do trimestre j e
a precipitao
modelada sem correo no dia i do trimestre j. J n o nmero de dias dos trimestres

usados para correo (todas as previses inicializadas dentro do trimestre no
pertencente o trimestre atualmente avaliado).
285
16.
RESULTADOS: ESCALA DE CURTISSIMO PRAZO - SIN
Neste captulo apresentado os resultados da verificao da previso numrica

do tempo do setor eltrico do Brasil. Destaque para o uso da ferramenta ELECTRE
multicritrio.
16.1. Anlise da Previso diria do modelo ETA40
Na Figura 132 mostrada a correlao para o modelo ETA 40 para toda a srie
de precipitao separada por dia. H uma reduo da qualidade de precipitao diria a
medida que se aumenta o horizonte de previso. Porm, para os trechos que compe a
Bacia do Tocantins as correlaes so aproximadamente 0,5 depois de 10 dias. De
forma geral, as melhores correlaes so obtidas para a regio da bacia do Tocantins e
na Bacia do So Francisco, no trecho entre Trs Marias e Sobradinho.
Figura 132 - Correlao entre as sries de precipitao diria (em mm) do modelo
ETA40 sem correo e observada para cada bacia avaliada.
286
16.2. Anlise da Previso Acumulada do modelo ETA40
Na Figura 133 mostrada a correlao e o BIAS para precipitao acumulada ao
longo dos dias para todas as regies avaliadas para o modelo regional ETA40. Para
praticamente todas as bacias verifica-se um crescimento sistemtico do erro de vis com
o aumento do horizonte de previso. Para as bacias do Uruguai, Jacu, Jusante-Foz do
Areia, Montante-Foz do Areia, Jusante-Capivara, Montante-Capivara e Jusante-Jupi h
uma crescente queda da correlao para horizontes superiores a 3 dias de precipitao
acumulada.
A Figura 134mostra a correlao entre as sries observada e modelada de
precipitao acumulada de 10 dias, h uma acentuada dificuldade do modelo ETA 40
nas bacias que se encontram no setor mais a sul do Brasil, com correlaes inferiores a
0,3 em alguns trechos.
As Figuras 133 (b) e 135 indicam que o modelo ETA 40 possui um sistemtico
vis positivo para maioria das bacias, exceto para bacia do Uruguai onde o mesmo
apresenta vis negativo em todos os dias e para as bacias do Jacu, Montante-Foz do
Areia, Montante-Capivara, Jusante-Capivara e Montante-Funil, com vis praticamente
inexistente.
Considerando os resultados mostrados na seo 13.1 para previso diria em
comparao aos mostrados nessa seo, o modelo ETA 40 provavelmente desloca os
eventos de precipitao em algumas horas ou dias, j que o rendimento
consideravelmente melhor para a maioria das bacias avaliadas ao considerar a
precipitao acumulada.
287
Figura 133 - (a) Correlao e (b) Bias entre as sries de precipitao acumulada (em
mm) do modelo ETA40 sem correo e observada para cada bacia avaliada.
(a)
(b)
Fonte :Elaborada pelo prprio autor.
288
Figura 134 - Correlao entre as sries de precipitao acumulada de 10 dias do modelo
ETA-40 e observada para cada bacia avaliada.
Fonte :Elaborada pelo prprio autor.
Figura 135 BIAS entre as sries de precipitao acumulada 10 dias (em mm) do
modelo ETA-40 e observada para cada bacia avaliada.
Fonte : Elaborada pelo prprio autor.
289
Na Figura 136 so mostradas as Funes de Distribuio de Probabilidades
Acumuladas (CDF)da precipitao modelada em comparao observada obtida pelo
modelo ETA 40 sem correo para a bacia do Uruguai, Bacia do Grande- Trecho:
Jusante Furnas, Bacia do So Francisco Trecho: Trs Marias Sobradinho e Bacia do
Tocantins- Trecho: Lajeado Tucuru. Na bacia do Uruguai, o modelo superestima os
eventos de menor intensidade e subestima nmero de eventos de maior intensidade, isto
leva a um comportamento muito peculiar que indica que o mesmo apresenta um alto
falso alarme para evento de menor chuva e uma baixa probabilidade de deteco para
eventos extremos. Nas demais regies mostradas, acomparao entre as CDFs
modelada e observada evidencia o comportamento de superestimao do modelo, este
comportamento leva o sistema de previso ter uma alta taxa de falso alarme e razo de
falso alarme.
O comportamento mostrado na bacia do Uruguai semelhante ao da Bacia do
Jacu, bacia do Iguau- Trecho: Montante Foz de Areia e nos trechos da Bacia do
Paranapanema e Paran.
Enquanto as demais regies, apresentam comportamento
semelhante Bacia do Grande e So Francisco.
Figura 136 - Funo de distribuio de Probabilidades Acumuladas dos eventos

deprecipitao acumulada de 10 dias (em mm) do modelo ETA 40 sem correo e a
observao para as regies: (a) bacia do Uruguai; (b) Bacia do Grande- Trecho: Jusante
Furnas; (c) Bacia do So Francisco Trecho: Trs Marias Sobradinho e (d) Bacia do
Tocantins- trecho: Lajeado Tucuru.
290
16.3. Comparao entre as metodologias de correo de vis para o modelo ETA40
Na Figura 137 mostrada uma comparao do modelo ETA sem correo (SC)
e com correo via funo de distribuio gama, distribuio emprica e via razo
precipitao observada e modelada para o limiar P20 para o trimestre DJF para o trecho
Jusante Furnas da bacia do Grande. As correes reduzem o FAR e o F,diminuindo
tambm o comportamento de superestimao do modelo nessa bacia,praticamente
removendo os erros sistemticos de vis, fazendo com que a razo bias seja reduzida
aproximadamente a unidade (BIAS = 1). Esse comportamento repetido em vrios dos
limiares e trechos de bacias avaliadas.
291
Figura 137 - ndices estatsticos obtidos pelo modelo ETA 40 para precipitao
acumulada de 10 dias para o trimestre DJF para bacia do Grande- Jusante Furnas para o
limiar P20. Onde SC modelo ETA 40 sem correo.
Na Figura 138 mostrado o IH do modelo ETA-40 para cada uma das bacias
etrechos avaliados neste trabalho para os percentis de P20 e P80 para cada metodologia
de correo e o modelo sem correo para os trimestres DJF e MAM, respectivamente.
O modelo, mesmo com correo, mostra dificuldade em algumas bacias da regio Sul e
Sudeste, com IH inferior a 0,25 em alguns trechos para P20 do trimestre DJF. Porm,
para o trimestre MAM as correes estatsticas melhoram consideravelmente o IH em
praticamente todo o domnio avaliado.
292
Figura 138 - ndice de Heidke. Na primeira linha mostrado o IH para o trimestre DJF
para o limiar P20 para o modelo ETA40 na sequncia SC, EMP, GAMA e RAZO. Na
segunda linha o limiar P80 do trimestre MAM na mesma sequncia da primeira linha,
ambos para precipitao acumulada de 10 dias.
Na figura 139 so mostrados os ndices obtidos pelo modelo ETA 40 para a

bacia do Uruguai, Bacia do Grande- Trecho: Jusante Furnas, Bacia do So Francisco
Trecho: Trs Marias Sobradinho e Bacia do Tocantins- Trecho: Lajeado Tucuru.
medida que o limiar de chuva adotado na construo da tabela de contingncia aumenta,
a qualidade das previses diminui. Isso porque h uma gradual reduo da
probabilidade de deteco associado a um aumento da taxa de falso alarme. Para o
limiar P20 o modelo apresenta uma probabilidade de deteco superior a 0,8 e um FAR
inferior a 0,20, o que indica que o modelo eficiente na informao chuva e no chuva.
Porm, para eventos de maiores intensidades, como o limiar P80, a alta taxa de falso
alarme, aproximadamente 0,40, reduz a confiabilidade do sistema de previso para
eventos extremos.
O modelo com correo via razo de precipitaes observada e modelada tende
a reduzir o FAR na maioria das bacias em relao ao modelo no corrigido, porm essa
diminuio reduz o BIAS a valores inferiores a 1, principalmente para os percentis de
maior intensidade. O que do ponto de vista da deteco de eventos extremos muito
ruim, tornando o POD inferior s demais metodologias.
Na bacia do Uruguai os modelos mostram ndice de acerto inferior aos demais
trechos, aproximadamente 0,70, enquanto nas demais essa mtrica superior a 0,80
para todos os trimestres e limiares P20 e P80. Neste trecho, fica evidente a adequao
das correes regio mais ao sul domnio, com os melhores valores de H, POD e FAR
293
em praticamente todos os limiares e trimestres. Esse comportamento se repete na Bacia
do Jacu e Iguau. As correes aumentam o POD e tornam o BIAS mais prximo da
unidade, reduzindo o comportamento de subestimao deste modelo regional nesta
bacia.
Enquanto, no trecho a Jusante de Furnas da Bacia do Grande o modelo sem
correo mostra-se pouco eficiente nos trimestre JJA e SON, apresentando BIAS
aproximadamente 3 para o limiar P80. O ndice de acerto do modelo sem correo para
o limiar de P80 inferior ao modelo corrigido em todos os trimestres, esse
comportamento impacta o FAR, que tambm pior para o modelo sem correo.
J nos trechos Trs Marias- Sobradinho da Bacia do So Francisco e Lajeado
Tucuru da Bacia do Tocantins o modelo corrigido via funo de distribuio emprica e
via distribuio de probabilidade gama melhoram o ndice de acerto para praticamente
todos os limiares e trimestres. Para os trimestres DJF e MAM e para o limiar P20 o
modelo corrigido mostrou probabilidade de deteco aproximadamente 0,9 associado a
um FAR de em torno de 0,10, indicando que esse sistema de previso eficiente para
captar eventos de menor intensidade.
Apesar de no possuir os melhores ndices para todas as bacias, as correes
EMP e GAMA melhoram a razo de BIAS e o FAR do modelo sem correo na
maioria dos trechos.
Na Tabela 32 mostrada a classificao dos tipos de previses usando correo
estatstica de vis do modelo ETA40 para a precipitao acumulada de 10 dias usando o
mtodo Electre II para as regies avaliadas neste trabalho. As correes tendem a
melhorar os ndices obtidos nas previses sem correo. Segundo esse mtodo, no
possvel identificar uma metodologia que seja melhor em todas as bacias e trimestre.
Para os trimestres MAM e JJA fica evidente a eficincia das correes, sendo o modelo
sem correo classificado em quarto lugar em vrios trechos.
Para o trimestre MAM nenhuma das correes (EMP e GAMA) e o modelo sem
correo melhor do que a correo emprica em nenhum dos trechos. Porm no
trimestre SON essa correo apresenta-se pior do que as demais, segundo o mtodo
ELECTRE II.
Para a Bacia do Tocantins, em todos os trechos, as previses corrigidas via
funo de distribuio emprica mostram-se melhores do que os demais mtodos para
os trimestres DJF, MAM e JJA.
294
Na bacia do So Francisco nos trimestres MAM e JJA o modelo sem correo
ocupa a quarta colocao em todos os trechos, isto mostra a necessidade do tratamento
estatstico na sada do modelo regional nessa regio.
295
Figura 139 - H, POD, FAR e BIAS das regies:(a) bacia do Uruguai; (b) Bacia do Grande- Trecho: Jusante Furnas; (c) Bacia do So Francisco Trecho: Trs Marias
Sobradinho e (d) Bacia do Tocantins- trecho: Lajeado Tucuru.
296
Tabela 32 - Classificao das alternativas de correo de vis da precipitao acumulada de 10 dias do modelo ETA
40(EMP/GAMA/RAZO/SC) usando o mtodo Electre.
DJF
Bacia
Trecho
Uruguai
Jacu
Iguau
EMP
GAMA
RAZO
SC
EMP
GAMA
RAZO
SC
EMP
GAMA
RAZO
SC
Montante - Jupi
Jusante - Jupi
Montante - Capivara
Jusante - Capivara
Montante - Barra
Bonita
Montante - Funil
Jusante - Funil
Montante - Furnas
Jusante - Furnas
Montante Emborcao
Jusante - Emborcao
Grande
Tocantins
SC
Paraba do Sul
So Francisco
SON
RAZO
Paranapanema
Paranaba
JJA
GAMA
Montante - Foz do
Areia
Paran
Tiet
MAM
EMP
Montante - Trs
Marias
Trs Marias Sobradinho
Montante - Serra da
Mesa
Serra da Mesa
Lajeado
Lajeado Tucuru
297
16.4. Comparao entre os modelos ETA40 e ETA15
Na Figura 140 mostrada uma comparao entre a correlao dos modelos

ETA-15 e ETA40 para precipitao acumulada nos 10 dias para todas as regies
avaliadas, dada pela subtrao do valor absoluto das correlaes (ETA15 ETA40).
Para praticamente todas as bacias verifica-se que as diferenas de correlaes so pouco
significativas.
Figura 140 - Comparao entre a correlaodos modelos ETA-15 e ETA40 para
precipitao acumulada nos 10 dias para todas as regies avaliadas, dada pela subtrao
do valor absoluto das correlaes (ETA15 ETA40).
Fonte: Elaborada pelo prprio autor
Na Tabela 33 mostrada a classificao dos modelos ETA40 e ETA15 com

correo EMP usando o mtodo Electre II para as regies avaliadas neste trabalho. As
semelhanas entre as previses dos modelos ETA 15 e ETA 40 ficam evidentes, visto
que no possvel identificar o ganho produzido na maioria das bacias e trimestre. A
relao de dominao de um modelo sobre outro s aparece no trimestre JJA, onde o
modelo ETA-40 domina o ETA-15 em algumas bacias mais Sul do domnio.
298
Tabela 33 - Classificao das alternativas (ETA15/ETA40) usando o mtodo Electre II.
Bacia
Trecho
ETA 15
1
1
2
1
1
1
1
1
Montante - Foz do
Areia
Jusante - Foz do
Areia
Montante - Jupi
Jusante - Jupi
Montante - Capivara
Jusante - Capivara
Montante - Barra
Bonita
Jusante - Barra
Bonita
Montante - Funil
Jusante - Funil
Montante - Furnas
Jusante - Furnas
Montante Emborcao
Jusante Emborcao
Montante - Trs
Marias
Trs Marias Sobradinho
Montante - Serra da
Mesa
Serra da Mesa Lajeado
Lajeado Tucuru
Paraba do Sul
Grande
Tocantins
ETA 40 ETA 15 ETA 40 ETA 15 ETA 40
1
1
Paranapanema
So Francisco
SON
1
1
Paran
Paranaba
ETA 40 ETA 15
JJA
1
1
Jacu
Tiet
MAM
1
1
Uruguai
Iguau
DJF
16.5. Comparao entre os modelos ETA15 e BRAMS
Na Figura 141 mostrada uma comparao entre a correlao dos modelos

ETA-15 e BRAMS para precipitao acumulada ao longo dos dias para todas as regies
avaliadas, dada pela subtrao do valor absoluto das correlaes (ETA15 BRAMS). O
modelo ETA-15 apresenta melhores correlaes, principalmente na sub-bacias e bacias
do setor sul do domnio.
299
Figura 141 - comparao entre a correlaodos modelos ETA-15 e BRAMS para
precipitao acumulada ao longo dos dias para todas as regies avaliadas, dada pela
subtrao do valor absoluto das correlaes (ETA15 BRAMS).
Na Tabela 34 mostrada a classificao dos modelos ETA15, BRAMS e

ensemble mdio dos membros com correo EMP usando o mtodo Electre II para as
regies avaliadas neste trabalho. Neste caso, a relao de dominao de um modelo
sobre o outro varia sazonalmente e por regio.
Nos trimestres DJF e JJA o modelo ETA-15 melhor nas bacias da regio sul e
sudeste do pas, enquanto o BRAMS melhor na regio norte e nordeste. J nos
trimestres MAM e SON o comportamento invertido.
300
Tabela 34 - Classificao das alternativas (ETA15/BRAMS/EM) usando o mtodo Electre II.

Bacia
MAM
ETA-15 EM BRAMS
2
2
1
2
2
1
2
2
1
3
1
1
1
1
1
3
1
1
2
2
1
2
2
1
2
3
1
2
2
1
2
3
1
2
2
1
2
3
1
1
2
3
1
2
3
2
2
1
1
1
3
1
2
3
ETA-15
1
1
1
1
1
1
1
1
1
1
1
1
3
1
1
1
2
2
JJA
EM
1
2
1
2
2
2
1
1
1
1
2
2
1
1
1
1
2
2
BRAMS
3
3
3
2
2
3
3
3
2
3
3
3
1
3
3
3
1
1
ETA-15
2
2
2
3
3
2
2
2
2
2
2
2
1
2
2
1
1
2
SON
EM
2
2
2
1
1
2
2
2
2
2
2
2
2
2
2
1
1
1
BRAMS
1
1
1
1
1
1
1
1
1
1
1
1
2
1
1
3
3
2
Trs Marias - Sobradinho
ETA-15
1
1
1
1
1
1
1
1
1
1
1
1
1
3
1
1
2
2
Montante - Serra da
Mesa
Serra da Mesa - Lajeado
2
2
2
3
1
1
1
3
2
2
3
1
3
1
2
2
1
2
1
3
1
1
3
1
Trecho
Uruguai
Jacu
Montante - Foz do Areia
Iguau
Montante - Jupi
Paran
Jusante - Jupi
Montante - Capivara
Paranapanema
Jusante - Capivara
Montante - Barra Bonita
Tiet
Montante - Funil
Paraba do Sul
Jusante - Funil
Montante - Furnas
Grande
Jusante - Furnas
Montante - Emborcao
Paranaba
Jusante - Emborcao
Montante - Trs Marias
So Francisco
Tocantins
DJF
EM BRAMS
2
3
2
3
2
3
1
3
2
2
2
2
1
3
1
3
2
3
1
3
2
3
2
3
1
3
1
1
1
3
1
3
2
1
2
1
Lajeado Tucuru
301
17.
RESULTADOS: ESCALA DE CURTISSIMO PRAZO - CEAR
Neste captulo so mostrados os resultados da verificao da previso numrica

do tempo dos modelos regionais disponibilizados pela FUNCEME para o Cear. A
princpio feito uma avaliao por ponto de grade e em seguida uma verificao para as
regies homogneas do Cear.
Na Figura 142 apresentado o ndice de acerto (H) dos membros do ensemble,
ensemble mdio e persistncia para os limiares de 1 mm (a) , 5 mm (b) e 10 mm (c),
para a previso de 24h. Todos os modelos apresentam melhores resultados que a
persistncia, principalmente no litoral do estado do Cear, onde o seu ndice de acerto
superior a 75% para o limiar de 1 mm. medida que o limiar de chuva adotado na
construo da tabela de contingncia aumenta, a qualidade das previses diminui, mas
continua melhor que a persistncia. Exceto para regio mais ao sudoeste do Cear para
10 mm, onde a persistncia apresentou ndice de acerto superior aos demais modelos.
Isto pode estar associado baixa frequncia de ocorrncia desse evento nessa regio.
Analisando a proporo de acerto, ainda na Figura 142, observa-se que os
membros que utilizam a parametrizao de Kain-Fritsch (RCKF, RGKF e WGKF)
apresentam melhores resultados na regio mais ao sul do Cear em detrimento s outras
simulaes (RCKU, RGKU e WGGR) para o limiar de 1 mm.
Figura 142 - Verificao das previses de 24 horas para os limiares de: (a) 1 mm; (b) 5
mm e (c)10 mm. O ndice de acerto(H) mostra para cada modelo na seguinte
sequncia (da esquerda para direita e de cima para baixo): RCKF, RCKU, RGKF,
RGKU, WGKF, WGGR, EM e Persistncia.
(a)
302
(b)
(c)
Na Figura 143 so comparados dois membros que possuem modelos regionais

distintos, WGKF e RGKF, observa-se que o RAMS apresentou uma maior proporo de
acerto (conforme Figura 142) e uma maior probabilidade de deteco para praticamente
todo o domnio avaliado para o limiar de 1 mm, porm o modelo WRF apresentou um
falso alarme menor. O modelo RAMS tende a superestimar a ocorrncia de eventos de
precipitao, principalmente na regio sul do estado, apresentando BIAS bastante
elevado, enquanto esta mtrica para o WRF muito prxima de 1 em quase todo o
domnio para os limiar de 1 mm, comportamento tambm seguido para o limiar de 5
mm.
303
Figura 143 - Verificao das previses de 24 horas para o limiar de 1 mm: (a)FAR;
(b)POD e (c)BIAS. Modelo a esquerda WGKF e a direita RGKF.
(a)
(b)
(c)
Na Figura 142 o membro que utilizara o modelo RAMS e a parametrizao de

conveco de Kain-Fritsch com forante de grande escala do modelo global do CPTEC
(RCKF) apresentaram piores resultados no serto central e no litoral oeste do estado
comparado ao membro que assimilara dados do GFS (RGKF). Isto fica evidente quando
304
compara-se, na Figura 144, o BIAS desses dois membros para o limiar de 10 mm e para
previso de 24 h. O RCKF superestimam a ocorrncia de precipitao em algumas
regies, mas prximo a estas, apresentam BIAS aproximadamente nulo, principalmente
para o limiar de 10 mm. Isto sugere a existncia de um erro sistemtico na localizao
dos eventos de precipitao.
Na Figura 145 so apresentados H, FAR, POD e BIAS dos membros do
ensemble, ensemble mdio e persistncia para os limiares de 5 mm (a) e 10 mm (b),
para a previso de 72h. Para as previses 72h os modelos apresentam melhores
previses do que a persistncia, com uma proporo de acertos bem acentuada no litoral
norte do estado. Porm h uma sensvel reduo da qualidade para previses mais
distantes.
Para o limiar de 10 mm das previses de 72 h, apesar de no apresentar ndice
de acerto melhor que o WGGR, WGKF e a persistncia, o ensemble mdio possui FAR
menor que os membros que usam o RAMS e um POD superior ao WRF. O que indica
que esta mdia das previses reduz o comportamento de superestimao de eventos de
chuva desse modelo e mantm ainda uma informao de qualidade, evidenciada pelos
valores elevados de POD. Isto sugere que a mdia uma ferramenta potencial para
limiares mais elevados e para previses mais afastadas das condies iniciais
(SILVEIRA, 2009).
A persistncia possui extrema dificuldade de detectar chuvas para o limiar de 10
mm, apresentando POD inferior a 20% e um BIAS muito prximo de zero em
praticamente todo o domnio para os trs limites de previses.
Figura 144 - BIAS das previses de 24 horas para o limiar de 10 mm. Modelo a
esquerda RCKF e a direita RGKF.
305
Figura 145 - Verificao das previses de 72 horas para os limiares de: (a) 5 mm e
(b)10 mm. Cada ndice (H, FAR, POD e BIAS) mostra os resultados de cada modelo na
seguinte sequncia (da esquerda para direita e de cima para baixo): RCKF, RGKF,
WGKF, EM, RCKU, RGKU, WGGR e Persistncia.
Na Figura 146 mostrada a funo de distribuio de frequncia de precipitao

sem correo para a regio de Jaguaribana e para o horizonte de 24h. Os membros que
utilizam o modelo RAMS sem correo tendem a superestimar a maioria dos eventos de
chuva, isso implica numa alta probabilidade de deteco associado a um alto falso
306
alarme, o que reduz o grau de confiabilidade da previso. Enquanto isso, os membros
que utilizam o modelo WRF sem correo tendem a subestimar o nmero de eventos de
chuva, isso leva a uma reduo do falso alarme e uma probabilidade de deteco
tambm menor. Esse comportamento dos modelos sem correo tende a se repetir nas
demais regies e nos demais horizontes de previso.
Claramente o modelo WRF tende a apresentar um BIAS muito seco para
chuva-no chuva sem o uso da correo BIAS seco, ou seja, a frequencia relativa de
eventos de chuva observado muito maior do que a frequencia relativa modelada. Esse
fato pode distorcer os resultados das previses corrigidas aumentando em muito a
frequencia relativa de ocorrncia de alguns eventos.
Figura 146 - Funo de probabilidade de frequncia (PDF) de precipitao para a regio

de Jaguaribana para todos os modelos e para previso de 24 horas.
Na Figura 147 mostrada uma comparao dos modelos RGKU e WGGR sem
correo (SC) e com correo (CC). A correo reduz o FAR e o F dos membros que
usam o modelo RAMS e diminui o comportamento de superestimao do membro
RGKU com BIAS aproximadamente igual a 1. J no caso do WRF a correo aumenta
307
o POD, mantm o FAR e o F aceitveis e tambm melhora o BIAS, reduzindo o
comportamento de subestimao deste modelo regional.
Figura 147 - Comparao dos modelos aps correo estatstica para o horizonte de 24h
e para o limiar de 1mm para a regio de Jaguaribana: (a) RGKU e (b)WGGR.
Nas figuras Figura 148,Figura 149 e Figura 150 so apresentados o IH (a), PC

(b), FAR (c), F(d), POD(e) e BIAS(f) dos membros do ensemble, ensemble mdio e
persistncia para os limiares de 1 mm, 5 mm e 10 mm, para os horizontes de 24h,48h e
72h, respectivamente, para regio de Jaguaribana aps correo. De acordo com a
Figura 148 os membros do ensemble no apresentam superioridade significativa em
relao ao modelo de persistncia para o horizonte de 24 horas e para a regio de
Jaguaribara. Claramente h uma reduo da qualidade das previses com o aumento do
limiar que se quer prever, tomando por base, principalmente, o aumento do falso alarme
e reduo da probabilidade de deteco entre 1mm e 10mm.
Comparando os membros que possuem modelos regionais distintos, observa-se
que WRF apresentaram melhores ndices do que o RAMS, principalmente para os
308
limiares de 5mm e 10mm, onde o WRF possui maior POD e menor FAR e F. Sendo o
membro WGFK aquele que representa os melhores ndices para o limiar de 10 mm.
a regio de Jaguaribara e para os anos de 2009/2010.
De acordo com a Figura 149 todos os membros do ensemble apresentam

melhores resultados do que a persistncia para o horizonte de 48 horas e para a regio
de Jaguaribana, isto torna-se evidente no IH, no POD e no FAR para o limiar de 10 mm.
Porm a mdia dos modelos tende a subestimar a quantidade de eventos de chuva
superior a 10 mm, apresentando BIAS inferior a 1 para esse limiar.
O POD inferior a 0,4 e um FAR superior a 0,5 para o limiar de 10 mm,
dificultam a aplicao dessa informao para alerta de eventos extremos
309
Conforme a Figura 150, onde so mostrados os ndices obtidos para regio de

Jaguaribana para o horizonte de 72h, a persistncia no detectou nenhum evento de
chuva superior a 10 mm, apresentando um falso alarme igual 1 e um IH negativo para
esse limiar. Portanto, todos os membros do ensemble so melhores que a persistncia
para esse limiar.
Os membros que utilizaram o modelo RAMS com forantes de grande escala do
modelo global do CPTEC (RCKF e RCKU) apresentaram piores resultados do que os
alimentados pelo GFS (RGKF e RGKU) nessa regio para o horizonte de 72 horas. O
RGKF e RGKU apresentam maior IH e POD e um menor FAR do que o RCKF e o
RCKU.
310
311
18. CONCLUSES E RECOMENDAES
grande
variabilidade
climtica
exerce
uma
forte
influncia
no
desenvolvimento da sociedade, devido s enchentes, s secas, s catstrofes, dentre

muitos outros fatores que interferem diretamente no meio ambiente, na agricultura, no
setor energtico, na qualidade do ar etc. Diante disso, anlise da variabilidade de sries
temporais e a possibilidade de uso da informao climtica pode se tornar uma
informao muito til para o planejamento e gesto de recursos hdricos.
O avano das cincias atmosfricas permite que se incorpore a modelagem
climtica ao planejamento em recursos hdricos em diversas escalas temporais. Portanto,
torna-se necessria a busca pelo desenvolvimento de novos sistemas de previso de
vazes incluindo informaes climticas para melhorar a qualidade da previso. Isto
possibilita um maior entendimento das incertezas relacionadas com as condies
climticas futuras.
No setor eltrico o planejamento da operao do SIN extremamente complexo,
e devido este fato feito em etapas com o auxlio da cadeia de modelos desenvolvidos
no Centro de Pesquisas de Energia Eltrica CEPEL (MACEIRA et al., 2002). Em
cada etapa os modelos utilizados possuem diferentes horizontes de planejamento e
discretizao no tempo, estimando assim as afluncias hidrolgicas futuras e a incerteza
associada s mesmas.
Esses modelos de previses de vazes atualmente utilizados pelo Operador
Nacional do Sistema Eltrico (ONS), em geral, so estocsticos e no consideram
informaes meteorolgicas. Esta forma de previso supe que as sries de vazes so
estacionrias, o que considerando as alteraes no uso e ocupao do solo e as
mudanas climticas uma suposio que pode indicar estratgias que provoquem
grandes arrependimentos.
Alm disso, o planejamento do SIN no incorpora a informao de longo prazo,
a projeo dos modelos do CMIP5, publicados pelo quinto relatrio do IPCC, geram
informaes para esta escala temporal e podem influenciar a instalao de infraestrutura
das hidreltricas no pas. Este trabalho, alm de identificar uma clara tendncia negativa
nas vazes do setor norte do SIN, props uma anlise por agrupamento que mostra
modelos com anomalias de vazes muito prximas e confirma a sinalizao do setor
norte.
312
A anlise de sries hidrolgicas demanda informaes sobre tendncias e
padres de variao de baixa frequncia do clima (dcadas a sculos). O clima das
prximas dcadas depende tanto de variaes climticas naturais como das foras
antropognicas. Previses climticas decadais devem tentar cobrir a lacuna entre a
previso sazonal/interanual com prazos de dois anos ou menos e projees de mudanas
climticas de um sculo frente. No h nenhuma teoria amplamente aceita para esse
tipo de projeo, nem se sabe se a sua evoluo passada a chave para seu futuro.
Contudo, este trabalho mostrou que existem controles de baixa frequncia, associados
aos lentos processos ocenicos, que podem conferir certa previsibilidade ao clima na
escala decenal, principalmente na regio tropical. O modelo baseado na srie de
ondeletas (WAR) foi capaz de captar o comportamento da srie decenal de vazes e
pode ser usado nesta escala de planejamento.
Na escala sazonal foram testados os modelos PAR, PARx e o uso do modelo
dinmico ECHAM 4.5-SMAP para o SIN. O fato destes modelos preservarem a
estrutura espacial das vazes e apresentarem desempenho melhor que a climatologia em
diversas regies do Brasil mostram que estes podem ser alternativas ao uso do modelo
estocstico GEVAZp, atualmente utilizado no setor eltrico.
A possibilidade de incorpora os resultados dos modelos numricos de previso
do tempo a um modelo hidrolgico distribudo ou concentrado na escala de curtssimo
prazo mostra-se como uma alternativa relevante para operao em tempo real do SIN.
Atualmente, esto sendo testadas novas configuraes para o sistema de previso
numrica do tempo no SIN, estas informaes devem ser usadas para o planejamento
energtico semanal. Este teste baseia-se no uso de previses de precipitao simuladas
pelo modelo regional ETA, com resoluo horizontal de 40 km e resoluo vertical de
38 camadas, mais detalhes do modelo ver em Black (1994). Estes dados servem de
entrada para o modelo hidrolgico Soil Moisture Accounting Procedure SMAP
(LOPES et. al., 1982) para obteno das vazes. Com intuito de melhorar a
previsibilidade e estender o prazo de validade das previses, o Instituto Nacional de
Pesquisas Espaciais (INPE) tem testado novas configuraes de previso numrica do
tempo usando modelos regionais. Estes testes possuem duas vertentes: a primeira
consiste em utilizar novos modelos regionais (no caso o modelo regional BRAMS), com
as mesmas condies de fronteira atual, e a segunda consiste no uso do mesmo modelo
313
regional com diferentes configuraes fsicas e com os mesmos dados de fronteira
combinado a uma melhor resoluo de grade (aproximadamente 15 km).
Como principal contribuio nesta escala temporal, este trabalho apresentou um
sistema de verificao de desempenho da previso numrica do tempo via modelos
regionais e identificou as regies de maior e menor previsibilidade. Alm disso,
avaliou-se o ganho produzido pelo aumento da resoluo de grade e pelo uso do modelo
regional BRAMS. Toda essa anlise comparativa para identificar o modelo com melhor
desempenho foi feito com uma ferramenta multicritrio, o ELECTRE.
As diversas tcnicas nas distintas escalas temporais e a boa adequao das
mesmas ao problema proposto indicam que ests podem ser usadas no planejamento do
SIN, sugere-se ainda que a informao climtica deva ser inserida neste processo, dado
a grande quantidade de informaes disponveis e a possibilidade de melhorar a
operao do sistema.
No Estado do Cear na escala de longo prazo, apesar dos modelos do CMIP5
mostrarem grande divergncia para o sistema Jaguaribe-Metropolitano, os resultados
obtidos podem ser usados para definir o volume outorgvel de longo prazo. Possibilitando
uma anlise da incerteza dos volumes outorgveis e dos nveis de garantia adotado no
sistema.
Na escala de mdio prazo os modelos que utilizam srie de Fourier e ondeletas
identificaram os padres de variabilidade das precipitaes, essas informaes podem ser
utilizadas para definir os volumes outorgveis entre 5 e 10 anos.
O uso da informao climtica sazonal pode ser usado para definir reduo das
vazes alocveis para um dado ano, com uso do software aquanet, por exemplo. Podendo
ser utilizado para definir os nveis de racionamento em anos secos e servir como
parmetro para alocao negociada.
A possibilidade de acoplamento dos resultados dos modelos numricos de
previso do tempo a um modelo hidrolgico distribudo ou concentrado na escala de
curtssimo prazo mostra-se como uma alternativa relevante para operao em tempo real
do sistema Jaguaribe-metropolitano. Podendo ser uma ferramenta relevante em sistema
de alerta de cheias.
314
18.1. CONCLUSES E RECOMENDAES: ESCALA DE LONGO PRAZO
Quanto s projees dos modelos do CMIP5 analisados para os cenrios RCP8.5
e RCP4.5 do sculo XXI, h divergncias quanto o futuro da precipitao nas vrias
regies do setor eltrico. Esse espalhamento pode estar associado prpria incerteza
proveniente dos fenmenos meteorolgicos que envolvem essa varivel (a atmosfera
um sistema catico, Lorenz, 1965) e/ou m representao dos fenmenos de micro e
mesoescala que precisariam ser resolvidos numa grade de melhor resoluo.

Os modelos do cenrio RCP4.5 no mostram tendncia significativa na maioria
das bacias avaliadas no sculo XXI. Nota-se uma maior amplitude de oscilaes das
sries, principalmente no perodo de 2080 a 2098. Essa mudana associada a uma
maior amplitude da banda de baixa frequncia (1 a 9 anos), indicando a ocorrncia de
eventos extremos do que no sculo XX;
Enquanto os modelos do RCP8.5 mostram tendncia significativa em vrias
bacias, principalmente na regio Norte do Brasil, indicando a possibilidade de
mudanas significativas no clima. No setor Norte, a maioria dos modelos sinalizam
tendncia negativa, divergindo apenas em magnitude. Esse padro captado pelo
resduo e se intensifica a partir de 2060, quando a variabilidade da srie tende a se
intensificar e os eventos extremos passam a ser mais frequentes;
No setor Nordeste, os modelos dos cenrios RCP4.5 e RCP 8.5 divergem na
bacia do Xing nos trs perodos analisados, mostrando grande incertezas nessa bacia.
Para o cenrio RCP4.5 e para o setor Norte, os modelos indicam uma maior
possibilidade de redues ou normalidade nas bacias desse setor no perodo de 2010 a
2039. Enquanto para o cenrio RCP8.5 os modelos indicam redues significativas nas
vazes mdias anuais, principalmente em Belo Monte.
18.1.2. Cear
Nota-se uma maior amplitude de oscilaes das sries no perodo de 2080 a
2100. Essa mudana associada a uma maior amplitude da banda de baixa frequncia
315
(1 a 9 anos), indicando a ocorrncia de eventos extremos do que no sculo XX para as
bacias do Cear.
Os modelos mostram grande divergncia para as vazes no sculo XXI sobre o
Cear, tanto para o cenrio RCP4.5 quanto RCP8.5.
As divergncias dos modelos do CMIP5 analisados quanto s projees
demonstram o alto nvel de incerteza existente nessas projees. Entretanto, estas
informaes definem uma margem dos possveis cenrios futuros de precipitao do
setor eltrico brasileiro, devendo ser usadas para adoo de polticas e gesto.
Obviamente, projees com menos incertezas seriam mais interessantes para os
tomadores de deciso, no entanto isto no ocorre nas projees regionais dos modelos
do CMIP5, especialmente sobre reas menores. Artificializar a reduo destas incertezas
pode induzir estratgias que levem quilo que, em gerenciamento de risco, se conhece
como grandes arrependimentos. Da, estratgias robustas precisam considerar as
incertezas no nvel atual de conhecimento.
A crescente demanda de energia no Brasil exerce grande presso sobre o sistema
eltrico
brasileiro,
condies
climticas
mais
desfavorveis
resultariam
em
condicionantes crticos ao desenvolvimento econmico do pas. O risco de um sistema

de gerao e distribuio de energia como o brasileiro o da externalidade climtica de
longo prazo, est pode fragilizar o desenvolvimento econmico e social de um perodo,
caso estratgias robustas no sejam tomadas para tornar o SIN mais resiliente.
18.2. CONCLUSES E RECOMENDAES: ESCALA DE MDIO

PRAZO
Os modelos autorregressivos puros (ARs, ARsmdia e ARsmediana) no

representam a variabilidade das sries histricas. Portanto, no so adequados para esse
tipo de problema.
Os modelos baseados na srie de Fourier no funcionaram para os locais onde se
observou tendncia acentuada.
Os modelos WAR apresentaram verossimilhana maior que 1 em vrias regies
do Brasil, indicando que se comportam melhor do que a climatologia e consegue
representar a variabilidade decadal, podendo ser usado como ferramenta de
planejamento de mdio prazo.
316
Os resultados apresentados para as mdias e medianas mveis, alm do mtodo

Lowess, mostram uma variabilidade de alta frequncia, com perodo de poucos anos,
nas sries de vazes naturalizadas estudadas.
Os resultados assinalam uma tendncia de aumento, ou variabilidade de baixa
frequncia, das vazes nos postos das regies Sul, Sudeste e Centro-Oeste, como
tambm uma tendncia de reduo, ou variabilidade de baixa frequncia, nas vazes das
regies Norte e Nordeste, segundo o mtodo de Mann-Kendall-Sen.
Essa tendncia de reduo nas vazes nas regies Norte e Nordeste pode
resultar em uma reduo da capacidade local de produo de hidroeletricidade em longo
prazo. Por outro lado, a tendncia de aumento, ou variabilidade de baixa frequncia, das
vazes nas regies Sul, Sudeste e Centro-Oeste pode suprimir essa possvel perda, haja
vista que a maior parte da produo de hidroeletricidade no pas vem dessas trs
regies.
A anlise da transformada em ondeletas mostrou que h uma variabilidade de
baixa frequncia, com perodo superior a 40, na maioria dos postos analisados.
18.2.2. Cear
A srie histrica de precipitaes sobre o Cear no apresentou tendncia
significativa, segundo o mtodo de Man-Kendall Sen. A mdia mvel e a mediana
mvel mostram alternncia entre perodos de sequenciais de anos secos e outros
intervalos com sequncia de anos midos. Essa variabilidade pode estar associado a
variao dos padres do comportamento da temperatura da superfcie do mar do oceano
Pacfico.
A transformada de Fourier mostra padres de baixa frequncia (entre 10 e 13
anos) e na escala de mdia a baixa frequncia (entre 4 e 7 anos). Enquanto a
transformada de ondeletas mostra que ao longo de 1912 a 2002 h trs bandas
caractersticas de 2 a 7 anos(banda 1) , 8,2 a 16,6 anos (banda 2) e 17-27,8 anos(banda
3) , ou seja, ela apresenta oscilaes em vrias escalas de tempo.
As duas primeiras bandas de ondeletas e a variabilidade dos principais
harmnicos de Fourier indicam padres de variao semelhante a TSM do pacfico,
317
podendo esse ser um dos fatores relevantes para tal variabilidade temporal das
precipitaes.
18.3. CONCLUSES E RECOMENDAES: ESCALA DE CURTO PRAZO

Os modelos de previso de vazo atualmente utilizados pelo Operador Nacional
do Sistema Eltrico (ONS), em geral, so estocsticos e no consideram informaes
meteorolgicas. O aprimoramento dos modelos atmosfricos ocorrido nos ltimos anos
faz com que a insero dessa informao no sistema de previso de vazes seja cada vez
mais vivel. Os aperfeioamentos metodolgicos para a obteno dos cenrios
hidrolgicos de previso ou gerao de afluncias mostrados nesse trabalho podem
contribuir para a melhoria do processo de planejamento e programao da operao do
SIN, j que sugerem a incluso dessa informao. A grande vantagem de utilizar
informaes climticas para realizar previses que estas so influenciadas pelo fluxo
atmosfrico corrente, de modo que podem dimensionar de maneira mais adequada a
incerteza associada a precipitao, e consequentemente as vazes.
Obviamente, deve-se, ainda, investigar e investir na melhoria das previses de
precipitao, mas estas podero trazer ainda mais benefcios aos resultados dos modelos
chuva-vazo em desenvolvimento.
O aumento do nmero de locais com previso climtica possibilitar uma
ampliao no ganho de informaes tanto com relao a avaliao sazonal das vazes
nos diferentes locais, assim como na estrutura espacial das vazes tendo em vistas que o
modelo climtico garante consistncia fsica da distribuio espacial das precipitaes
por ele produzida.
Quanto aos mtodos de reamostragem usados so feitas as seguintes
proposies:
O mtodo dos vizinhos atribui peso bastante elevado para alguns dos membros do
GERVAZP, o que torna a sua utilizao impraticvel, visto que ao considerar uma
pequena quantidade de membros mais provveis perde-se a informao da incerteza
associada ao um evento;
318
O mtodo de Kernel apesar de aproximar sensivelmente a CDF do GERVAZP para a
dos membros do SMAP em FURNAS, apresenta resultados no to favorveis em
Canoas e Capivara. Isto ocorre porque no clculo da distncia prevalece a ENA de
Furnas, que bem maior que as demais, sendo os termos da equao da distncia total
pertencente s demais bacias de outra ordem de grandeza;
O mtodo de reamostragem dos cenrios do GERVAZp pelos cenrios do SMAP se
aproxima razoavelmente a CDF do SMAP. Porm, em alguns casos os cenrios do
GERVAZP e os cenrios do SMAP divergem de tal forma, que mesmo este mtodo no
consegue reproduzir adequadamente a CDF do SMAP.
Considerando a ordem de grandeza dos desvios existentes nas previses de
vazes naturais do SIN, e consequentemente do GERVAZP, razovel supor que uma
significativa melhoria nos processos de planejamento e programao da operao do
SIN a grande reduo, em alguns meses, nestes desvios para os mtodos de Kernel e
pelo mtodo reamostragem dos cenrios do GERVAZp pelos cenrios do SMAP. O
desvio padro pode ser considerada uma forma de caracterizar a incerteza associada
previso. importante que o mtodo de gerao de cenrios utilizado represente bem a
incerteza associada ao estado do sistema previsto e mantenha dentro da amplitude do
conjunto de previses dos membros do mtodo utilizado o estado real futuro da
atmosfera.
Os ganhos oriundos do modelo climtico podem ser potencializados em um
modelo que possibilite a integrao ntima entre a modelagem acoplada (climticohidrolgica) e a modelagem estocstica. Alternativa metodolgica para este fim
utilizar de forma explicita a informao oriunda do modelo climtico na formulao do
modelo estocstico, aninhando o modelo acoplado para algumas regies dentro do
modelo estocstico que complementaria a previso para os locais onde no houvesse ou
no fossem satisfatrias as previses do modelo acoplado. Este procedimento
conservaria de forma mais adequada a estrutura espacial das sries de vazes.
Na anlise das regresses, quanto a sua estrutura, verifica-se um melhor
desempenho dos modelos do tipo PAR quando se usa toda a srie de previso (19982003), e para os meses dezembro, janeiro e fevereiro (DJF); maro, abril e maio
(MAM), e junho, julho, e Agosto (JJA). Para o perodo de setembro, outubro e
novembro (SON), a uma maior eficincia preditiva observada para modelos do tipo
PARX.
319
18.3.2. Cear
A alocao sazonal e operao de reservatrios no Cear so feitas considerando

aporte nulo para os reservatrios, a COGERH reconhece a fragilidade dessa hiptese. A
tcnica usada neste trabalho (k-vizinhos) e o uso de modelos regionais, como os
atualmente operados pela FUNCEME, indicam que a clima pode agregar informao ao
gerenciamento de hidrossitemas na escala sazonal.
Foram testados quatro grupos de meses de TSMs para a confeco dos modelos
baseados nos k-vizinhos: DJFM, AMJ, JAS e OND. O quadrimestre DJFM no
apresentou resultados satisfatrios, apresentando sempre o tercil chuvoso como o mais
provvel. Enquanto o trimestre AMJ apresentou os melhores resultados, onde o tercil
sinalizado como mais provvel nos 10 anos de analise para este modelo se efetivou na
maioria dos casos.
Este resultado sugere que possvel com 18 meses de antecedncia ter
previsibilidade a respeito do comportamento das vazes, atravs do uso de informaes
climtica proveniente de TSMs.
18.4. CONCLUSES E RECOMENDAES- ESCALA DE CURTSSIMO

PRAZO
18.4.1Setor eltrico
Os modelos possuem maiores correlaes e melhores ndices quando

considerada a precipitao acumulada, isto sugere que o modelo desloca a ocorrncia de
chuvas em algumas horas (possuem dificuldade de representar o clico diurno de
precipitao, fato j mostrado por Silveira et al. (2011
) para o Nordeste brasileiro e para o modelo RAMS) ou h uma tendncia das sries
observadas em convergir para o valor central.
Os modelos possuem vis positivo na maioria das bacias, isso implica que sem
uma remoo de vis os modelos tendem a superestimar a maioria dos eventos de
chuva. Isto indica que nos modelos sem correo a frequncia relativa de eventos de
chuva observado muito menor do que a frequncia relativa modelada.
320
As correes propostas reduzem os erros de vis na maioria dos casos,
reduzindo tambm a razo de falso alarme do modelo sem correo, o que aumenta o
grau de confiabilidade da previso.
Quanto s correes de vis so feitas as seguintes proposies:
- A correo via razo observada e modelada tende a reduzir de mais a razo de BIAS
para os limiares de maior intensidade, no permitindo, portanto, a captao de eventos
extremos. O que do ponto de vista de alerta de cheias muito ruim e inviabiliza seu uso;
- Recomenda-se o uso da correo emprica, principalmente para os trechos da Bacia do
Tocantins. Dado o erro sistemtico de vis do modelo, nas regies onde no usada a
correo emprica deve-se usar a correo gama.
Os modelos ETA 15 e ETA 40 apresentam previses bastante semelhantes, no
sendo possvel identificar o ganho ao aumentar a resoluo. Este resultado pode levar a
discusses de uma pergunta fundamental que permanece sem ser respondida at hoje:
Qual o valor relativo de um conjunto de previses com uma resoluo de
mesoscalaque no inviabilize o seu custo computacional, (que como exemplo poderia
ser de 20-40 km), comparado a um nmero muito menor de previses a resoluo
consideravelmente mais alta (1-3 km, por exemplo) e custo computacional semelhante?
A resposta para esta pergunta tem implicaes de longo alcance, levando vrios centros
(NCEP, CPTEC, JMA, etc.) a investirem em pesquisa cientfica e aquisio de
tecnologia, ao mesmo tempo em que buscam uma resposta para obter o mximo
proveito dos recursos disponveis.
O modelo BRAMS apresentou dificuldade na regio mais ao sul do domnio,
indicando correlaes bem inferiores ao ETA 15 nas bacias desse setor. Porm, o
mtodo Electre II, indica que a relao de dominao de um modelo sobre o outro varia
sazonalmente nas vrias regies. Nos trimestres DJF e JJA o modelo ETA-15 melhor
nas bacias da regio sul e sudeste do Pas, enquanto o BRAMS melhor na regio norte
e nordeste. J nos trimestres MAM e SON o comportamento invertido.
Considerando a clara influncia do sinal do modelo global nos modelos
regionais sugere-se o uso de previses usando um conjunto de multi-modelos a partir de
diferentes modelos globais. Assume-se que as previses de controle geradas por
diferentes modelos representam bastante bem incertezas associadas s condies iniciais
da atmosfera.
321
18.4.2Cear
O ensemble regional exposto nesse trabalho apresentou desempenho superior ao

obtido pelo modelo de persistncia para os horizontes de 48h e 72h. medida que o
evento de interesse fica mais intenso, ou seja, que o limiar de chuva adotado na
construo da tabela de contingncia aumenta, a qualidade das previses diminui.
Os modelos regionais sem correo apresentam certas caractersticas que tendem
a persistir mesmo aps as correes, por exemplo:
Os membros que usam o modelo RAMS tendem a superestimar os valores
observados principalmente para a categoria de 1mm, isso implica numa alta
probabilidade de deteco associado a um falso alarme extremamente elevado;
O WRF tende a subestimar os eventos de chuvas, isso implica num baixo falso
alarme associado a uma baixa probabilidade de deteco;
O membro RCKU apresentou resultados piores que os demais membros, e isso
influenciou na qualidade da previso do ensemble mdio.
O modelo de persistncia possui dificuldade de detectar chuva para o horizonte
de 48h e 72 h, principalmente para os limiares de 5 mm e 10 mm, o que torna invivel o
seu uso para fornecer informaes para alerta de eventos extremos ou para modelos
hidrolgicos do tipo chuva-vazo.
A correo estatstica realizada nos modelos regionais indica uma reduo
bastante relevante dos erros de vis dos modelos regionais, porm devido assimetria
entre os anos de 2009/2010 algumas previses podem perder um pouco de qualidade .
No caso do WRF, por ser um modelo de BIAS muito seco, a correo tambm pode
piorar a qualidade das previses, principalmente para limiares inferiores.
O sistema de previso numrica por ensemble mostra-se eficiente em detectar a
ocorrncia ou no de chuva diria, apresentando resultados mais satisfatrios na regio
litornea do estado do Cear, possivelmente associados a uma representao adequada
da circulao sobre essa regio pelo sistema de previso.
Este presente trabalho uma avaliao preliminar das previses do modelo de
um ensemble regional multi-modelos. Novos testes devero ser executados para
fornecer um conjunto de informaes mais detalhado e melhorar o mtodo de correo
estatstica destas previses.
322
19. REFERNCIAS
AJAMI, N. K. et al. Multi- Model Combination Techniques for Analysis of

Hydrological Simulations: Application to Distributed Model Intercomparison Project
Results.. Journal of Hydrometeorology , v. 8, p. 755-768, 2006.
ALEXANDRE, A. M. B. Previso de vazes mensais para o sistema interligado
nacional utlizando informaes climticas. Fortaleza-CE: Universidade Federal do
Cear, Tese de Doutorado em engenharia civil, 2012.
ALLEN, R. G. et al. Evapotranspiration: guidelines for computing crop water
requirements.. FAO-Irrigation and Drainage Paper. Roma, p. 297. 1998.
ALVES, B. C. C.; SOUZA FILHO, F. A.; SILVEIRA, C. S. Anlise de tendncia e
Padres de Variao das sries histricas de vazes do Operador Nacional de
Sistemas(ONS). Revista Brasileira de Recursos Hdricos, v. 18, n. 4, p. 19-34, 2013.
ANDREOLI, R. V. et al. A influncia da temperatura da superfcie do mar dos Oceanos
Pacfico e Atlntico na variabilidade de precipitao em Fortaleza. Revista Brasileira
de Meteorologia, v. 19, n. 3, p. 337-344, 2004.
ANDREOLI, R. V.; KAYANO, M. T. Enso-Related Rainfall Anomalies in South
America and Associated Circulation Features During Warm and Cold Pacific Decadal
Oscillation Regimes. International Journal of Climatology, v. 25, p. 2017-2030,
2005.
ANEEL. Atlas de Energia Eltrica do Brasil. Braslia. Agncia Nacional de Energia
Eltrica(ANEEL). Braslia, p. 153. 2002.
ANEEL. Banco de Gerao de Informaes Capacidade de Gerao do Brasil.<
http://www.aneel.gov.br/aplicacoes/capacidadebrasil/capacidadebrasil.asp>Acesso em
03/04/2011; 2011.
ARNELL, N. W. Climate change and global water resources: SRES emission and
socioeconomic scenarios. Global Environmental, v. 14, p. 31-52, 2004.
ARNELL, N. W.; REYNARD, N. S. The effects of climate change due to global
warming on river flows in Great Britain.. Journal of Hydrology, v. 183, p. 397-424,
1996.
BANCOMUNDIAL. Relatrio sobre o desenvolvimento mundial de 2010:
desenvolvimento e mudana climtica/ Banco Mundial. So Paulo. So Paulo: UNESP,
2010.
BARNSTON, A. G.; HE, Y.; GLANTZ, M. H. Predictive Skill of Statistical and
Dynamical Climate Models in Forecasts of SST During the 1997-1998 El Nino Episode
and the 1998 La Nina Onset. Journal of Climate , v. 12, p. 217-244, 1999.
323
BEVEN, K.; FREER, J.. Equifinality, Data Assimilation, and Uncertainty Estimation in
Mechanistic Modelling of Complex Environmental Systems Using the GLUE
Methodology. Journal of Hydrology, v. 249, p. 11-29., 2001.
BINDER, W. L. C. Climate Change and Watershed Planning in Washington State..
Journal of the American Water Resources Association., v. 42, n. 4, p. 915-926,
2006.
BLACK, T. L. The new NMC mesoescale Eta model: description and forecast
examples.. Weather and Forecasting, v. 9, p. 265-278, 1994.
BLOCK, P. J. et al. Streamflow Forecasting Framework using Multiple Climate and
Hydrological Models.. Journal of the American Water Resources Association, v. 45,
n. 4, 2009.
BLOCK, P. J.; RAJAGOPALAN, B. Statistical Dynamical Approach for Streamflow
Modeling at Malakal, Sudan, On the White Nile River. Journal of Hydrologic
Engineering , v. 14, n. 2, p. 185-196, 2008.
BOGGESS, A.; NARCOWICH, F. J. . A first course in wavelets with fourier
analysis. 2. ed. New Jersey: John Wiley & Sons, 2009.
BOLZAN, M. J. A. Anlise da transformada em ondeletas aplicada em sinal geofsico.
Revista Brasileira de Ensino de Fsica, v. 26, n. 1, p. 37-41, 2004.
BONATTI, J. P.Modelo de Circulao Geral Atmosfrico do CPTEC. Climanlise.
Edio
comemorativa
de
10
anos.
[http://www.cptec.inpe.br/products/climanalise/cliesp10a/index1.shtml], 1996.
BOX, G. E. P.; JENKINS, G. M. Time Series Analysis: forecasting and control.
Revisada. ed. San Francisco: Holden-Day, 1976.
BUIZZA, R.; PALMER, T. N. The singular-vector structure of the atmospheric general
circulation.. Journal of the Atmospheric Sciences, v. 52, p. 1434-1456, 1995.
BURN, D. H.; ELNUR, M. A. H. .. Detection of hydrologic trends and variability.
Journal of Hydrology, v. 255, p. 107-122, 2002.
CAMPOS, N; STUDART, T. Gesto das guas: princpios e prticas. 2. ed. Porto
Alegre: ABRH, 2003.
CATALDI, M. Estudo Numrico da Influncia das Anomalias da TSM do Atlntico
Sul Extratropical e do Pacfico Equatorial no Regime Hidrometeorolgico das
Regies Sul e Sudeste do Brasil. 2008. 255f. Tese (Doutorado em Engenharia Civil
COPPE), Universidade Federal do Rio de Janeiro UFRJ, Rio de Janeiro, 2008.
CAVALCANTI, A. I. F. et al. Tempo e Clima no Brasil. 1. ed. So Paulo: Oficina de
Textos, 2009.
324
CEPEL CENTRO DE PESQUISA DE ENERGIA ELTRICA, 2002. Manual de
Referncia Modelo de Gerao de Sries Sintticas de Energias e Vazes
MODELO GEVAZP. CEPEL. Rio de Janeiro RJ.
CEPEL - CENTRO DE PESQUISA DE ENERGIA ELTRICA, MANUAL DE
REFERNCIA DO MODELO NEWAVE, Rio de Janeiro, 2006.
CHEN, C.; COTTON, W. R. Numerical experiments with a one-dimensional higher
order turbulence model: Simulation of the Wangara day 33 case. Boundary-Layer
Meterology, v. 25, p. 375-404, Janeiro 1983.
CHOU, S. C.Regional EtaModel. Climanlise. Edio comemorativa de 10 anos.
[http://www.cptec.inpe.br/products/climanalise/cliesp10a/index1.shtml], 1996.
CHOU, S. C. e Justi , M. G. S.. A.Objetive evaluation of Eta model precipitation
forecasts over South America. Climanlise. Jan, 1999.
CITEU, J. et al. Position de La zone de convergence a 28N et temprature de surface
de locan. Veille Climatique Satellitaire, n. 21, p. 3-7, 1988.
COGERH. COGERH. Site da Companhia de Gesto dos Recursos Hdricos do
Cear. Disponivel em: <http://portal.cogerh.com.br/>. Acesso em: 10 ago. 2010.
COLLISCHONN, W. et al. The MGB-IPH model for large-scale rainfallrunoff
modelling. Hydrological Sciences Journal , v. 52, n. 5, p. 878-895, 2007.
COMPO, G. P.; WHITAKER, J. S.; SARDESHMUKH, P. D. Feasibility of a 100 year
reanalysis using only surface pressure data. Bulletin of American Meteorological
Society, v. 87, p. 175-190, 2006.
COSTA, A. A.; NETO, O. L. M. Modelagem de mesoescala da variabilidade
climtica interanual sobre o nordeste brasileiro. Anais do III Simpsio Internacional
de Climatologia. Canela-RS: [s.n.]. 2009.
COSTA, F.S.; MACEIRA, M.E.P.; DAMZIO, J.M. Modelos de Previso Hidrolgica
Aplicados ao Planejamento da Operao do Sistema Eltrico Brasileiro, 2007. RBRH
Revista Brasileira de Recursos Hdricos V12, n.3, p21-30.
COTTON, C. E. A. RAMS 2001: Current status and future directions. Meteorology
and Atmospheric Physics, v. 82, n. 1, p. 5-29, 2003.
COTTON, W. R.; PIELKE SR, R. A.; WALKO, R. L. RAMS 2001: Current status and
future directions. Meteorology and Atmospheric Physics, v. 82, n. 1, p. 5-29, 2003.
COUTINHO, M. M. Previso por conjuntos utilizando perturbaes baseadas em
componentes principais.. Dissertao de Mestrado em Meteorologia.Instituto Nacional
de Pesquisas Espaciais INPE. So Jos dos Campos- SP, p. 136. 1999.
325
DA SILVA, D.F.; MOLION, L.C.B. Influncia da Variabilidade Climtica Interanual
na Hidrologia da Bacia do rio So Francisco, 2004. Anais do XIII Congresso
Brasileiro de Meteorologia, Fortaleza.
DALEY, R.; MAYER, T. Estimates of global analysis error from the global weather
experiment observational network. Monthhy Weather Review, v. 114, p. 1642-1653,
1986.
DELLEUR, J. W. et al. Applied Modeling of Hydrologic Time Series. 1. ed. Colrado:
Water Resources Publications, 1987.
DIAZ, A. F.; STUDZINSKI, C. A.; MECHOSO, C. R. Relationships between
Precipitation Anomalies in Uruguay and Southern Brazil and Sea Surface Temperature
in the Pacific and Atlantic Oceans. Journal of Climate, v. 11, n. 2, p. 251-271, 1988.
DOBLAS-REYES, F. J.; HAGEDORN, R.; PALMER, T. N. The Reationale Behind the
Success of Multi-Model Ensembles in Seasonal Forecasting II. Calibration and
Combination.. Tellus, v. 57, n. 3, p. 234-252, Maio 2005.
DUAN, Q. et al. Multi- Model Ensemble Hydrologic Prediction Using Bayesian Model
Averaging. Advances in Water Resources, v. 30, p. 1371-1386, 2006.
FILHO, F. D. A. D. S.; PORTO, R. L. L. Mercado de gua e o Estado: lies da teoria
dos jogos. Revista Brasileira de Recursos Hdricos, v. 3, n. 4, p. 83-98, 2008.
FOLLAND, C. K.; PARKER, D. E. Observed variations of sea surface temperature.. In:
SCHLESINGER, M. E. Climate- Ocean Interaction. [S.l.]: Kluwer, Dordrecht, 1990.
p. 21-52.
GEORGAKAKOS, K. P.; KRZYSZTOFOWICZ, R. Probabilistic and Ensemble
Forecasting (Editorial). Journal of Hydrology, n. 1, p. 249(1-4), 2001.
GEORGAKOS, K. P. et al. Characterizing Streamow Simulation Uncertainty Through
Multimodel Ensembles. Journal of Hydrology, v. 298, n. 1-4, p. 222-241, 2004.
GODDARD, L. et al. Current approaches to seasonal-to-interanual climate predictions.
International Journal of Climatology, Londres, v. 21, n. 9, p. 1111-1152, Julho 2001.
GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. Tomada de Deciso
Gerencial: Enfoque Multicritrio. So Paulo: Atlas S.A, 2006.
GRIMM, A. M.; FERRAZ, S. E.; DOYLE, M. E. Climate variability in southern South
America associated with El Nino and La Nina events.. Journal of Climate, v. 13, n. 1,
p. 35-58, 2000.
GUILHON, L. G.; ROCHA, V. F.; MOREIRA, J. C. Comparao de mtodos de
previso de vazes naturais afluentes a aproveitamentos hidroeltricos. Revista
Brasileira de Recursos Hdricos, v. 12, n. 3, p. 13-20, 2007.
326
HAMED, K. H. Exact distribution of the Mann-Kendall trend test statistic for persistent
data.. Journal of Hydrology, v. 365, p. 86-94, 2009.
HARRINGTON, J. The effects of radiative and microphysical processes on
simulated warm and transition season arctic stratus.. Phd. Colorado State
University. [S.l.]. 1997.
HASTENRATH, S.; HELLER, L. Dynamics of climatic hazards in northeast. Quaterly
Journal of the Royal Meteorological Society, v. 113, n. 435, p. 411-425, 1977.
HASTIE,T.,
TIBSHIRAMI,
R.,
FRIEDMAN,
J.
The
Elements
of
Statistical Learning:Data Mining, Inference, and Prediction. Second Edition Series:
HYPERLINK "http://www.springer.com/series/692" Springer Series in Statistics , 533p,
2009.
HAYLOCK, M. R. et al. Trends in Total and Extreme South American Rainfall in
19602000 and Links withSea Surface Temperature. Journal of Climate, v. 19, p.
1490-1512, 2006.
HELSEL, D. R.; HIRSCH, R. M. Statistical methods in water resources: U. S.
geological survey techniques of water-resources investigations. Captulo A3. Disponvel
em: <http://water.usgs.gov/pubs/twri/twri4a3/>. Acesso em: 2002.
HIRSCH, R. M.; SLACK, J. R.; SMITH, R. A. Techniques of trend analysis for
monthly water quality data.. Water Resources Research, v. 18, p. 107-121, 1982.
HOFFMAN, R. N.; KALNAY, E. Lagged Average Forecasting, an Alternative to
Monte Carlo Forecasting.. Tellus, v. 35A, n. 2, p. 100-118, 1983.
IPCC. Climate Change 2007: Impacts, Adaptation and
Intergovernmental Panel on Climate Change. Cambridge, p. 23. 2007.
Vulnerability..
IPCC. Climate Change 2007: The physical science basis. Intergovernmental Panel on
Climate Change. Cambridge, p. 18. 2007.
KAHYA, E. . K. E. Trend analysis of streamflow in Turkey. Journal of Hydrology , v.
289 , p. 128-144, 2004.
KANE, R. P. El Nio and La Nia events and rainfall in NE and South Brazil.. Revista
Brasileira Geofsica, v. 10, p. 49-59, 1992.
KANG, I. S.; YOO, J. H. Examination of Multi-Model Ensemble Seasonal Prediction
Methods Using a Simple Climate System. Climate Dynamics , v. 26, p. 286-294, 2006.
KAPLAN, A. et al. Analyses of global sea surface temperature 1856-1991. Journal of
Geophysical Research, v. 103, n. 18, p. 567-589, 1998.
327
KELMAN, J.; VIEIRA, A. M.; RODRIGUEZ-AMAYA, J. E. El nio influence on
streamflow forecasting.. Stochastic Environmental Research and Risk Assessment,
v. 13, p. 123-138, 2000.
KENDALL, M. G. . G. J. D. Rank Correlation Methods. 5. ed. Londres: Griffin,
1990.
KENDALL, M. G. Rank Correlation Measures. 1. ed. Londres: Charles Griffin, 1975.
KEPPENNE, C. L.; LALL, U. Complex singular spectrum analysis and multivariate
adaptive regression splines applied to forecasting the Southern Oscillation. Exp. Long
Lead Forecast Bull., v. 5, p. 54-56, 1996.
KOUSKY, V. E. Frontal influences on Northeast Brazil. Montly Weather Review, v.
107, n. 9, p. 1140-1153, 1979.
KUO, H. L. Further Studies of the Parameterization of the Influence of Cumulus
Convection on Large-Scale Flow.. Journal of the Atmospheric Sciences, v. 31, n. 5, p.
1232-1240, 1974.
KWON, H. H.; LALL, U.; KHALIL, A. F. Stochastic simulation model for
nonstationary time series using an autoregressive wavelet decomposition:Applications
to rainfall and temperature. WATER RESOURCES RESEARCH, v. 43, p. 1-15,
2007.
KWON, J.-H. Streamflow Forecasting for Geum River Basin by Using ARMAX
Model. [S.l.], p. 83. 2002.
LALL, U.; SHARMA, A. A nearest neighbor bootstrap for resampling hydrologic time
series. WATER RESOURCES RESEARCH, v. 32, n. 3, p. 679-693, Maro 1996.
LZARO, Y. M. C. Avaliao dos modelos do IPCC AR4 quanto sazonalidade e
variabilidade plurianual de precipitao no sculo XX em trs regies da
Amrica do Sul - projees e tendncia para o sculo XXI. Dissertao de Mestrado
em Engenharia Civil. Universidade Federal do Cear. Fortaleza-CE, p. 182. 2011.
LEITH, C. E. Theoretical Skill of Monte Carlo Forescast.. Monthly Weather Review,
v. 102, n. 6, p. 409-418, 1974.
LIU, Y.; GUIPINGWU; ZHAO, X. Recent declines in China's largest freshwater lake:
trend or regime shift? ENVIRONMENTAL RESEARCH LETTERS, v. 8, n. 1, p. 9,
2013.
LOPES, J. E. G.; BRAGA JR., B. P. F.; CONEJO, J. G. L. A. Simulao Hidrolgica:
Aplicaes de um Modelo Simplificado. Anais do III Simpsio Brasileiro de Recursos
Hdricos. Fortaleza: [s.n.]. 1981. p. 42-62.
328
LOPES, J. E. G.; BRAGA, B. P. F.; CONEJO, J. G. L. SMAP -A Simplified
Hydrological Model, Applied Modelling in Catchment Hydrology, Ed. V.P.Singh,
Water Resources Publications, 1982.
LORENZ, E. N. Deterministic non-periodic flow.. Journal of the Atmospheric
Sciences, v. 20, n. 2, p. 130-141, 1963.
LORENZ, E. N. A study of the predictability of a 28 Variable Atmospheric Model..
Tellus, v. 17, n. 3, p. 321-333, 1965.
MANN, H. B. Non-parametric tests against trend.. Econometrica, v. 13, p. 245-259,
1945.
MANTUA, N. J. et al. A Pacific Interdecadal climate oscillation with impacts on
salmon production. Bull. Amer. Meteor. Soc., v. 78, p. 1069-1979, 1997.
MANTUA, N. J.; HARE, S. R. The Pacific Decadal Oscillation. Journal of
Oceanografy, v. 58, p. 35-44, 2002.
MACEIRA, M.E.P.; PENNA, D.D.J.; DAMZIO, J.M. Gerao de Cenrios Sintticos
de Energia e Vazo para o Planejamento da Operao Energtica. Anais do XVI
Simpsio Brasileiro de Recursos Hdricos, ABRH, Joo Pessoa, 2005.
MACEIRA, M.E.P.; MERCIO, C.M.V.B. Stochastic Sreamflow Model for
Hydroelectric Systems. 5th International Conference PMAPS Probabilistic
Methods Applied to Power Systems, Vancouver, Canada, 1997.
MACHADO, L. H. R.; MENDONA A. M.; MENDONA, R. W. B.; BONATTI, J.
P.. Impacto da utilizao de previses defasadas no sistema de previso de tempo por
conjunto do CPTEC/INPE.Revista Brasileira de Meteorologia, v.25, n.1, p.54-69,
2010.
MARENGO, J. A.; SOARES, W. R. Impacto das mudanas climticas no Brasil e
Possveis Cenrios Climticos: Sntese do Terceiro Relatrio do IPCC de 2001.
CPTEC-INPE. So Paulo, p. 29. 2005.
MARENGO, J. A.; VALVERDE, M. C. Caracterizao do clima no Sculo XX e
Cenrio de Mudanas de clima para o Brasil no Sculo XXI usando os modelos do
IPCC-AR4. Revista Multicincia, Campinas-SP, n. 8, Maio 2007.
MASON, S. J. et al. The IRI Seasonal Climate Prediction System and the 1997 1998 El
Nino Event.. Bulletin of the American Meteorological Society, v. 80, p. 1853-1973,
1999.
MELLO, E. L.; OLIVEIRA, F. A.; PRUSKI, F. F. EFEITO DAS MUDANAS
CLIMTICAS NA DISPONIBILIDADE HDRICA DA BACIA de PARACATU.
Revista Brasileira de Engenharia Agricola, Jaboticabal, v. 28, n. 4, p. 635-644,
out./dez. 2008.
329
MELLOR, G.; YAMADA, T. A hierarchy of turbulence closure models for atmospheric
boundary layers.. Journal of the Atmospheric Sciences, v. 31, p. 1791-1806, 1974.
MILLY, P. C. D.; DUNNE, K. A.;., A. V. V. Global pattern of trends in streamflow e
water availability in a changing climate. Nature, v. 438, Novembro 2005.
MME. Boletim Mensal de Monitoramento do Sistema Eltrico Brasileiro Abril2011. Ministrio de Minas e Energia. Brasilia, p. 43. 2011.
MOLINARI, J. A general form of Kuos cumulus parameterization. Monthy Weather
review, v. 113, n. 8, p. 1411-1416, 1985.
MOLION, L. C. B.; BERNARDO, S. O. Uma reviso da dinmica das chuvas no
Nordeste Brasileiro. Revista Brasileira de Meteorologia, v. 17, n. 1, p. 1-10, 2002.
MORAES J. M., G. A. M. . M. J. . B. M. V. . M. L. A.; VICTORIA, R. L. Anlise de
interveno das sries temporais de vazo dos principais rios da bacia do Rio
Piracicaba. Revista Brasileira de Recursos Hdricos, v. 2, n. 2, p. 65-79, 1997.
MORETTIN, P. A. Ondas e ondaletas: da anlise de Fourier anlise de ondaletas.
EDUSP, 1999.
MORETTIN, P. A.; TOLOI, M. C. C. Anlise de sries temporais. 2. ed. So Paulo:
Editora Egard Blucher, 2006.
MOURA, A. D.; J., S. On the Dynamics of Droughts in Northeast Brazil: Observations,
Theory, and Numerical Experiments With a General Circulation Model.. Journal of
Atmospheric Sciences, v. 38, p. 2653-2675, 1981.
MOURA, R. G.; HERDIES, D. L.; MENDES, D.; MENDES, M. C. D.. Avaliao do
modelo regional ETA utilizando as anlises do CPTEC e NCEP.Revista Brasileira de
Meteorologia, v.25, n.1, p-46-53, 2010.
MURPHY, A. H.; WINKLER, R. L..A general framework for forecast verification,
Monthly Weather Rev, vol. 115 (7), pp. 1330-1338, 1986.
MURPHY, A. H..The Finley affair: A signal event in the history of forecast verification,
Weather and Forecasting, vol. 11 (1), pp. 3-20, 1996.
NAGHETTINI, M.; PINTO, E. J. A. Hidrologia Estatstica. 1. ed. Belo Horizonte:
CPRM Servio Geolgico do Brasil., 2007.
NAMIAS, J. Influence of northern hemisphere general circulation on drought in
northeast Brazil.. Tellus, v. 24, p. 336-342, 1972.
NEW, M. et al. A high-resolution data set of surface climate over global land areas.
Climate Research, v. 21, p. 1-25, 2001.
330
NEW, M.; HULME, M.; JONES, P. D. Representing twentieth century space-time
climate variability. Part 1: development of a 1961-90 mean monthly terrestrial
climatology. Journal of Climate, v. 12, p. 829-856, 1999.
NOBRE, C. A. Vulnerabilidade, impactos e adaptao mudana no clima. In:
Brasil, Presidncia da Republica.Ncleo de Assuntos Estratgicos. Mudana do clima:
Negociaes Internacionais sobre a Mudana do Clima. Brasilia, p. 147-216. 2005.
NOBRE, C. A.; SELLERS, P. J.; SHUKLA, J. Amazonian deforestation and regional
climate change. J. Clim., v. 4, p. 957-988, 1991.
NOBRE, P.; MOURA., A. D.; SUN., L. Dynamical downscaling of seasonal climate
prediction over Nordeste Brazil with ECHAM3 and NCEPS Regional Spectral Model
at IRI.. Bulletin of American Meteorological Society, Boston, v. 82, p. 2787-2796,
2001.
NOBRE, P.; SHUKLA, J. Variations of sea surface temperature, wind stress and rainfall
over the tropical Atlantic and South America. Journal of Climate, v. 9, p. 2464-2479,
1996.
OLIVEIRA, K. F. L. Previso de vazo em uma bacia do semi-rido usando
previses climticas numricas de precipitao. Dissertao de Mestrado em
Engenharia Civil e Ambiental.Universidade Federal de Campina Grande. Campina
Grande-PB, p. 77. 2006.
PANAGOULIA, D.; DIMOU, G. Linking space-time scale in hydrological modeling
with respect to global climate change: model properties and experimental design..
Journal Hydrology, v. 194, p. 15-37, 1997.
PICCILLI, D.G.A. Avaliao da previso hidroclimtica no Alto Paraguai. 2007.
342f. Tese (Doutorado em Recursos Hdricos e Saneamento Ambiental) - Instituto de
Pesquisas Hidrulicas. Universidade Federal do Rio Grande do Sul UFRGS. Porto
Alegre/RS, 2007.
PIELKE, R. A. et al. A comprehensive meteorological modeling systemRAMS.
Meteorology and Atmospheric Physics, v. 49, n. 1, p. 69-91, 1992.
PORTO, R. L. L. et al. Tcnicas quantitativas para ogerenciamento de Recursos
Hdricos. Porto Alegre: Universidade/UFRGS/Associao Brasileira de Recursos
Hdricos, 1997.
PRESS, W. H. et al. Numerical Recipes - The art of scientific computing. 1. ed. Nova
Yorke: Cambridge University Press, 1986.
RAJAGOPALAN, B.; LALL, U.; ZEBIAK, S. E. Categorical Climate Forecasts
Through Regularization and Optimal Combination of Multiple GCM Ensembles..
Monthly Weather Review, v. 130, p. 1792-1811, 2002.
331
REBELLO, E. R. G. A Oscilao Decadal do Pacfico e sua possvel influncia no
clima do Sul do Brasil. INMET. Brasilia-DF. 2005.
REGONDA, S.; B. RAJAGOPALAN, M.; ZAGONA, E. A Multimodel Ensemble
Forecast Framework: Application to Spring Seasonal Flows in the Gunnison River
Basin. Water Resources Research, v. 42, n. 9, 2006. ISSN 10.1029/2005WR004653.
REIS JUNIOR, D. S. et al. Verificao da Previso Operacional de Chuva sobre
Bacias Hidrogrficas do Estado do Cear. Anais do XVIII Simpsio Brasileiro de
Recursos Hdricos. Campo Grande: [s.n.]. 2009.
RIBEIRO, D. C. M. Modelo de previso de vazo aplicado ao nordeste brasileiro
utilizando a informao climtica para auxiliar a operao de hidrossistemas.
Fortaleza, p. 189. 2011.
ROCHA, E.J.P.; ROLIM, P.A.M.; SANTOS, D.M. Modelo estatstico hidroclimtico
para previso de nveis em Altamira-PA. Anais do XVII Simpsio Brasileiro de
Recursos Hdricos, So Paulo, 2007.
ROHN, M.C.; KAVISKI, E.; CUNHA, L.M. Estimativa de variveis hidrolgicas a
partir de indicadores do fenmeno EL NIO. Anais do XV Simpsio Brasileiro de
Recursos Hdricos, ABRH, Curitiba, 2003.
SALAS, J.D.; DELLEUR, J.W.; YEVJEVICH, V.; LANE, W.L. Applied Modeling of
Hydrologic Time Series. Water Resources Publications, Colorado. 482p, 1997.
SANTOS, C. A. C. et al. TENDNCIAS DOS NDICES DE PRECIPITAO NO
ESTADO DO CEAR. Revista Brasileira de Meteorologia, v. 24, n. 1, p. 39-47,
2009.
SANTOS, C. A. C.; BRITO, J. I. B. Anlise dos ndices de extremos para o semi-rido
do Brasil e suas relaes com TSM e IVDN. Revista Brasileira de Meteorologia, v.
22, n. 3, p. 303-312, 2007.
SARNAGLIA, A. J. Q.; REISEN, V. A. Estimao robusta em processos peridicos
auto-regressivos na presence de outliers aditivos. 19o SINAPI - Simpsio Nacional
de Probabilidade e Estatstica. So Pedro-SP: [s.n.]. 2010.
SKAMAROCK, W.C. et al. A description of the Advanced Research WRF version
2. NCAR Tech Notes-468+STR, 2005.
SEBER, G. A. F. Multivariate Observations. Hoboken, NJ: John Wiley & Sons, Inc.,
1984
SEN, P. K. Estimates of the regression coefficient based on Kendall's tau.. Journal of
the American Statistical Association, v. 63, p. 1379-1389, 1968.
332
SILVEIRA, C. S. Previso de Tempo por Ensemble Regional para o Nordeste
Brasileiro.. Dissertao (Mestrado Acadmico em Cincias Fsicas Aplicadas).
Universidade Estadual do Cear. Fortaleza-CE, p. 202. 2008.
SILVEIRA, C. S. et al. Previso de tempo por conjuntos para a regio Nordeste do
Brasil: uma avaliao para precipitao. XVI Congresso Brasileiro de Meteorologia.
Belm: [s.n.]. 2010.
SILVEIRA, C. S. et al. VERIFICAO DAS PREVISES DE TEMPO PARA
PRECIPITAO USANDO ENSEMBLE REGIONAL PARA O ESTADO DO
CEAR EM 2009. Revista Brasileira de Meteorologia, v. 26, n. 4, p. 609-618, 2011.
ISSN 0102-7786.
SILVEIRA, C. S. et al. Avaliao de desempenho dos modelos do CMIP5 quanto
representao dos padres de variao da precipitao no sculo xx sobre a regio
nordeste do Brasil, Amaznia e bacia do Prata e anlise das projees para o cenrio
RCP8.5. Revista Brasileira de Meteorologia, v. 28, n. 3, p. 317-330, Setembro 2013.
ISSN 0102-7786.
SMAGORINSKY, J. General circulation experiments with the primitive equations.
Monthly Weather Review, v. 91, n. 3, p. 99-164, 1963.
SOUZA FILHO, F.A.; LALL, U. Modelo de Previso de Vazes Sazonais e
Interanuais. Revista Brasileira de Recursos Hdricos v. 9, n. 2, p.61-74, ABRH, Porto
Alegre, 2004.
SOUZA FILHO, F. A.; LALL, U. Seasonal to Interannual Ensemble Streamflow
Forecasts for Ceara, Brazil: Applications of a Multivariate, Semiparametric Algorithm.
Water Resources Research, v. 39, n. 11, p. 1307-1320, Novembro 2003. ISSN
doi:10.1029/2002WR001373.
SOUZA FILHO, F. A.; MOURA, A. D. Memrias do Seminrio Natureza e
Sociedade nos Semi-ridos. 1. ed. Fortaleza: FortalezaBanco do Nordeste do
Brasil/Fundao Cearense de Meteorologia e Recursos Hdricos, 2006.
SOUZA FILHO, F. A.; LALL, U.; PORTO, R. L. L. Role of price and enforcement in
water allocation: Insights from Game Theory. Water Resources Research, v. 44, p.
400-420, 2008.
SPATH, H. Cluster Dissection and Analysis: Theory, FORTRAN Programs, Examples.
Translated by J. Goldschmidt. New York:, Halsted Press, 1985.
SUN, L. et al. Climate Downscaling over Nordeste, Brazil, Using the NCEP RSM97.
Journal of Climate, v. 18, p. 551-567, 2005.
TOMASELLA, J. et al. Estudo de impacto das mudanas climticas sobre os
recursos hdricos superficiais e sobre os nveis dos aqferos na bacia do rio
333
Tocantins. Convnio de Cooperao Tcnico-Cientfica INPE-VALE. [S.l.], p.
Convnio de Cooperao Tcnico-Cientfica. 2009.
TORRENCE, C.; COMPO, G. A practical guide to wavelet analysis. Bulletin of the
American Meteorological Society, v. 79, n. 1, p. 61-78, Janeiro 1998.
TOTH, Z.; KALNAY, E. Ensemble Forecasting at NMC: The Generation of
Perturbations.. Bulletin of the American Meteorological Society, v. 74, n. 12, p. 23172339, Dezembro 1993.
TREMBACK, C. Numerical Simulation of a Mesoscale Convective Complex: Model
Development and Numerical Results.. Tese -Department of Atmospheric
Science.Colorado State University. [S.l.], p. 289. 1990.
UVO, C. B. T. U.; BERNDTSSON, R. Forecasting discharge in Amazonia using
articial neural networks.. International Journal of Climatology, v. 20, p. 1495-1507,
2000.
UVO, C. B.; GRAHAM, N. E. Seasonal runoff forecast for northern South America: a
statistical model. Water Resources Research, v. 34, n. 12, p. 3515-3524, Dezembro
1998.
UVO, C. B.; TOLLE, U.; BERNDTSSON, R. Forecasting discharge in Amazonia using
artificial neural networks. INTERNATIONAL JOURNAL OF CLIMATOLOGY , v.
20, n. 12, p. 1495-1507, 2000.
WALPOLE, R. E. et al. Probability & Statistics for Engineers &Scientistis. 8. ed.
Nova Jersey: PearsonPrentice Hall, 2007.
WILKS, D. S. . 4. P. Statistical Methods in the Atmospheric Science. 1. ed. San
Diego: Academic Press, 1995.
WILKS, D. S.. Statistical Methods in the Atmospheric Sciences. Academic Press, 2a
Edio, 630 p., 2006.
XU, Z. X.; TAKEUCHI, K.; ISHIDAIRA, H. Monotonic trend and step changes in
Japanese precipitation.. Journal of Hydrology, v. 279, p. 144-150, 2003.
ZHANG, Y.; WALLACE, J. M.; BATTISTI, D. ENSO-like interdecadal variability:
1900-93.. Journal of Climate, v. 10, p. 1004-1020, 1997.
334
ANEXO
Avaliao dos modelos do CMIP5 quanto a representao dos padres de variao

climtica para NEB, bacia do Prata e Amaznia.
METODOLOGIA
Regio de estudo
Na Figura 151, apresenta-se a localizao espacial das trs grades que englobam
as regies de estudo: a do Nordeste Setentrional Brasileiro (grade 1), compreendida
entre as coordenadas 0 a 10 S de latitude e 33 O a 44 O de longitude, da Amaznia
(grade 2), entre as coordenadas 3,5 N a 12 S de latitude 49 O a 75,5 O de longitude e
da Prata (grade 3) compreendida entre 16,5 S a 36 S de latitude e longitude 44 O a
64 O, respectivamente.
Figura
SEQ Figura \* ARABIC 151-Localizao das regies estudadas: Nordeste
Setentrional brasileiro (1), Amaznia (2) e Rio Prata (3).
335
Dados observacionais
A base de dados observacionais utilizada para verificar a destreza dos modelos
do IPCC sobre o continente so provenientes da University of East Anglia/Climate
Research
Unit
(CRU)
(New
et
al,
1999
New
et
al,
2001)
(http://badc.nerc.ac.uk/data/cru/). Enquanto na poro da grade sobre o oceano so

usadas as reanlises 20th CenturyReanalysis V2 (Compo, 2006; Whitaker,
2004)(NOAA/OAR/ESRL PSD, Boulder, Colorado, EUA, a partir do seguinte site:
http://www.esrl.noaa.gov/psd/) fornecidos pelo National Oceanic and Atmospheric
Administration (NOAA).
O conjunto de dados utilizado corresponde climatologia de precipitao de
1901 a 1999, com resoluo de 0,5 para o continente (CRU TS 3.0) e 2,0 graus para
oceano (20th Century Reanalysis V2).
Modelos do CMIP5
Os dados provenientes do CMIP5 so resultados de simulaes de modelos

globais de alguns centros de pesquisa que contribuem para confeco dos relatrios dos
IPCC (conforme Tabela 1), foradas pelas concentraes observadas de gases de efeito
estufa durante o sculo XX. Para cada modelo foram considerados diferentes membros,
conforme disponibilizados pelo CMIP5. O cdigo das configuraes das simulaes
disponibilizadas apresentado na forma rxiypz, tal que:
- r = "realizaes", isto , rodadas, com a mesma fsica e condies iniciais diferentes;
- i = inicializaes diferentes, com implicaes fsicas;
- p = perturbao na fsica.
Ou seja, a simulao que apresentar o seguinte cdigo: model_r1i1p1 significa que se
trata da rodada 1, com inicializao 1 e fsica 1 do modelo model. O caso r1i1p1 de
cada modelo ser chamado, no texto, de run1.
336
Tabela 35- Modelos do CMIP5 analisados.
Modelo
Instituio
HadGEM2-ES
GISS-E2-H
NASA Goddard Institute for Space Studies
GISS-E2-R
NASA Goddard Institute for Space Studies
IPSL-CM5A-LR
CCCMA/CanESM2
Canadian Centre for Climate Modelling and Analysis

Centre National de Recherches Meteorologiques/
CNRM-CM5
Centre Europeen de Recherche et Formation Avancees en

Calcul Scientifique (CNRM/CERFACS)
INM_CM4
Institute of Numerical Mathematics, Russian Academy of

Science
Critrios de avaliao geral
Para a avaliao geral dos modelos do CMIP5, proposto o modelo hierrquico

da .
Em busca de identificar os modelos que melhor representam os padres de
variao do sculo XX, foi adotada a avaliao sazonal proposta por Silveira et
al.(2012) e uma adaptao da avaliao plurianual proposta por Lzaro et al. (2011).
A avaliao foi constituda por trs etapas que analisam padres de variao de
diferentes escalas: sazonal, interanual e interdecadal.
Para avaliao sazonal (AVALs) dos modelos, foi calculada a climatologia
mensal mdia sobre a regio de estudo para todos os modelos do IPCC e a observao
(CRU continente e NOAA oceano). Em seguida foi feita uma comparao com base em
alguns ndices estatsticos para que possam ser definidos quais modelos possuem
melhor comportamento para Amrica do Sul.
As avaliaes interanual (AVALa) e interdecadal (AVALd) baseiaram-se na
transformada de ondeletas (Torrence e Compo, 1998), sobretudo na comparao do
espectro global de variao das sries observadas e modeladas.
Cada uma das avaliaes possui valores entre zero e 1, que representam,
respectivamente, o pior e o melhor modelo para todos os ndices daquela anlise.
337
Depois de calculados AVALs(conforme j mostrada no estudo d climatologia dos
modelos do CMIP5), AVALa e AVALd de todos os modelos foi sugerido um ndice
geral, AVALt, conforme Equaes 89 e 90. Este dado pelo somatrio das avaliaes,
ponderados por um valor j (que possui valores entre zero e 1). Esta ponderao pode
ser feita de acordo com os interesses do avaliador: ao atribuir valores iguais para j,
todas as avaliaes possuem o mesmo peso no ndice geral, enquanto ao atribuir valores
diferentes, as avaliaes tm pesos distintos na anlise geral
(89)
(90)
Figura 151- Critrios de avaliao dos modelos do CMIP5 no perodo de 1901 a 1999.
Critrios de avaliao do desempenho dos modelos do IPCC quanto

representao da sazonalidade
Utilizou-se como critrio de avaliao a representao da sazonalidade das
precipitaes, que de grande relevncia para a avaliao dos impactos do clima em
recursos hdricos e agricultura, afinal o incio do plantio das culturas e o regime fluvial
so condicionados pela distribuio temporal das chuvas. Uma m representao dessa
sazonalidade pode comprometer seriamente a avaliao dos impactos das mudanas
climticas sobre estas duas reas importantes. Adicionalmente, pode-se avaliar que os
totais mensais de precipitao e sua sazonalidade so considerados como indicativo da
338
qualidade que o modelo tem de representar os sistemas geradores de chuvas e sua
ocorrncia.
Para avaliao sazonal dos modelos foi calculada a climatologia mensal mdia
sobre a regio de estudo para os modelos dos CMIP5 enumerados na Tabela 35 e as
observaes (CRU continente e NOAA oceano, sem interpolao). Em seguida, foi feita
uma comparao com base em alguns ndices estatsticos para que possam ser definidos
quais modelos apresentam melhor comportamento para as diferentes regies da Amrica
do Sul mostradas na Figura SEQ Figura \* ARABIC 151.
As medidas estatsticas utilizadas, cujas definies esto indicadas a seguir,
conforme sugerido por Silveira et al. (2012), so a raiz do erro quadrtico mdio da
contribuio percentual mensal em relao s chuvas anuais (RMSE_PC) e a correlao
de Pearson (CORREL) (Wilks, 1995), j mostrados na escala de projeo de longo
prazo.
Critrios de avaliao do desempenho dos modelos do CMIP5 quanto

representao da variabilidade plurianual
Mtodos de anlise de sries temporais Wavelets
Diante da dificuldade em se caracterizar as variabilidades, tanto de espao, como
de tempo no padro de chuvas, torna-se necessrio utilizar um mtodo de anlise
adequado na localizao temporal das estruturas de multiescalas. O mtodo usado neste
estudo a Transformada de Wavelets (TW). Este mtodo recomendado para o estudo
de fenmenos transientes, espacialmente heterogneos e que atuam simultaneamente em
vrias escalas do escoamento (Torrence e Compo, 1998).
A TW definida em termos de uma integral de convoluo entre o sinal
analisado f(t) e uma funo wavelet conhecida, expressa por:
C(a,b) =
f (t )
a ,b
(t )dt
(91)
em que os parmetros a e b variam continuamente em R, com a 0, e
a, b
(t )
1
a
t b
a R+ e b R
(92)
339
Sendo as funes a,b chamadas wavelets filhas e so geradas a partir de
dilataes e translaes da wavelets-me (t). A funo wavelet considerada para a
anlise foi a de Morlet, dada pela seguinte expresso:
iw
( ) - 1/4 e 0 e
2
2
com w0 =6 e =t/s
(93)
onde t o tempo e s a escala da wavelet. Esta funo complexa e possui

caractersticas semelhantes quelas da serie temporal analisada, tais como, simetria ou
assimetria, variao temporal brusca ou suave. O algoritmo usado foi o desenvolvido
por Torrence e Compo (1998).
Critrios de avaliao
Utilizou-se como critrio de avaliao plurianual a representao da srie de
dados observacionais de 1901 a 1999 da precipitao, atravs do espectro de energia
global dos totais de precipitaes anuais. A avaliao plurianual dividida em duas:
avaliao interanual e avaliao interdecadal.
Para avaliao dos modelos foi calculado o espectro de energia global sobre as
regies de estudo para todas as rodadas dos modelos do IPCC e as observaes. Em
seguida, foram identificados os principais padres de variao das sries observadas a
partir do Espectro Global da Ondeleta e a partir disto foram executadas as seguintes
etapas:
decomposio do sinal para obter os coeficientes wavelets no domnio transformado.
Para o caso da srie observada de precipitao nas trs regies avaliadas, a
decomposio foi igual soma das bandas caractersticas no sculo XX e o resduo. A
partir da equao 94, tem-se:
n
P(t ) R B
i
i 1
(94)
P(t) a srie de precipitao mdia anual observada;

R o resduo;
i o nmero de bandas utilizadas;
Bi a ondeleta que representa a banda i.
Cada uma das regies avaliadas neste trabalho apresentou trs bandas. Sendo
assim, a primeira banda do espectro observado foi considerada variao interanual e as
demais regies do espectro foram consideradas variao interdecadal.
340
anlise e processamento dos coeficientes neste domnio;
reconstruo do sinal a partir dos coeficientes modificados.
O processo de reconstruo foi repetido para os modelos do CMIP5 para as
mesmas bandas observadas. Em seguida, foi feita uma comparao com base em alguns
ndices estatsticos, para que possam ser definidos que modelos possuem melhor
desempenho para a regio de estudo.
As medidas estatsticas utilizadas, cujas definies esto indicadas a seguir, so
a correlao entre a reconstituio da srie do modelo e da observao para uma dada
banda de frequncia (CORREL) e uma distncia calculada a partir das varincias das
rodadas dos modelos (DIST) nas diferentes bandas espectrais.
Sendo as fraes entre a varincia espectral da banda e a varincia do espectro
global da srie da chuva anual fP e fA, tais que
f
VP
s
VP
G
VA
s
f
a VA
G
(95)
onde VPs a varincia da precipitao modelada na regio da banda de interesse sobre a

regio estudada e VPG a varincia de todo o espectro global de potncia da srie
modelada e, analogamente, VAs a varincia da observao na banda de interesse e a
VAG a varincia do espectro global de ondeletas da observao.
A distncia euclidiana DIST foi calculada a partir das razes entre as varincias
por banda definidas nas Equaes 96 e definida pela equao:
n
DIST 2 ( f
f
)2
pi
a
i 1
i
(96)
em que n o nmero de bandas avaliado e i um ndice que se refere i-sima banda.

Ao final do clculo desses ndices, foi feita uma avaliao ponderada para
representao interanual e outra para interdecadal a fim de que os modelos possam ser
classificados. A avaliao interanual dada por:
CORREL CORREL
DIST
DIST
1
MIN1
MAX 1
1
AVAL
DIST
a
c CORREL
d
CORREL
DIST
MAX 1
MIN1
MAX 1
MIN1
(97)
tal que
c d 1
(98)
341
Sendo, CORRELMIN1 a menor correlao obtida entre os modelos do CMIP5 e
CORRELMAX1 a mxima correlao em relao ao observado na primeira regio do
espectro avaliada. De modo similar, DISTMAX1 a o valor mximo da distncia entre
modelo e observao, referente variabilidade na banda interanual e DISTMIN1, o valor
mnimo correspondente.
A avaliao interdecadal dada por:
AVALd
CORREL CORREL
DIST
DIST
2
MIN 2
MAX 2
2
c CORREL
d DIST
CORREL
DIST
MAX 2
MIN 2
MAX 2
MIN 2
(99)
c d 1
(100)
Sendo CORRELMAX2, CORRELMIN2 DISTMAX2 e DISTMIN2 referentes

variabilidade interdecadal, com definies anlogas s variveis correspondentes no
caso interanual.
As variveis c, r, c e assumem valores entre 0 e 1 (conforme Equaes 14 e
16). Para valores c>d e c > d, a correlao exerce maior influncia na avaliao do
modelo, enquanto que para c<d e c < d, o ndice DIST exerce maior efeito.
As variveis AVALy
e AVALd assumem valores entre 0 e 1 que indicam,
respectivamente, o pior entre os modelos avaliados e o melhor deles, segundo o critrio

adotado.
RESULTADOS
Est seo mostra os resultados da avaliao para o NEB, bacia do prata e
Amaznia.
Nordeste setentrional do Brasil
A Figura 152 mostra as climatologias dos modelos do CMIP5 (apenas a rodada

1) em comparao com as observaes sobre a regio do Nordeste Setentrional do
Brasil, conforme indicado na grade 1 da Figura 1. A maioria dos modelos representa
razoavelmente a climatologia observada, porm, principalmente no perodo da estao
chuvosa, os modelos divergem quanto quantidade de chuva nessa regio.
342
Os modelos GISS_E2R_RUN1, GISS_E2H_RUN1 e INM_CM4_RUN1
superestimam a precipitao climatolgica em todos os meses, resultando em totais
anuais respectivamente 120%, 155% e 137% acima do observado. Os modelos GISS_
E2H_RUN1 e INM_CM4_RUN1 apresentam erros na distribuio sazonal mdia da
precipitao, subestimando a contribuio percentual das chuvas no primeiro semestre
para o total anual e superestimando-a no segundo. O modelo HADGEM2_ES_RUN1
superestima em cerca de 30% a precipitao nos meses da estao chuvosa, enquanto o
modelo francs IPSL-CM4 subestima a climatologia da precipitao durante a prestao e ps-estao (total anual 21% abaixo das observaes), superestimando a
contribuio percentual das chuvas entre janeiro e maio. O modelo CNRM_CM5
superestima a precipitao observada nos meses de pr-estao, indicando uma
contribuio percentual no trimestre novembro, dezembro e janeiro cerca de 10% maior
do que nas observaes.
Figura 152-Climatologia dos Modelos do CMIP5 para sculo XX (1901-1999) para o

Nordeste Setentrional do Brasil: (a) Quantidade de precipitao por ms; (b) Percentual
de chuva por ms.
(a)
343
(b)
Na Tabela 36, so mostrados os ndices estatsticos da avaliao dos modelos do

CMIP5 em ordem de classificao para regio do Nordeste Setentrional do Brasil, para
igual a 1/3. As rodadas r2i1p1, r3i1p1 e r1i1p1 do modelo CanESM, nessa ordem,
apresentaram o maior valor de AVALt para regio do Nordeste Setentrional do Brasil,
sugerindo que este modelo possui a melhor representao dos padres de variaes da
regio.
Quanto avaliao sazonal, a maioria dos modelos indicou correlaes
superiores a 0,85 e erro quadrtico inferior a 5% em relao ao percentual de chuva
mensal. O modelo canadense CanESM apresentou correlaes superiores a 0,97 e
RMSE_PC inferior a 2,4%, o que o classifica como o melhor modelo para regio
Nordeste Setentrional do Brasil, segundo a avaliao sazonal proposta neste trabalho
(usando
igual a 0,5), seguido pelo modelo HADGEM2_ES. Os modelos GISS_E2H
e INM_CM4 apresentaram correlaes inferiores a 0,75, bem abaixo dos demais

modelos, e os maiores RMSE_PC para todas as rodadas. Isto levou esses modelos a
apresentarem AVAL inferior a 0,30, indicando que os mesmos no representam
adequadamente a sazonalidade da precipitao no Nordeste Setentrional Brasileiro.
344
Quanto avaliao interanual, a maioria dos modelos apresenta correlaes
superiores a 0,70, indicando uma boa representao dos padres de variao nessa
escala, sendo o modelo INCM4_r1i1p1 o que obteve os maiores valores de AVALa,
seguido pelo modelo GISS_E2R_r5i1p1.
Quanto avaliao interdecadal, a maioria dos modelos indicou correlaes
negativas, evidenciando sua dificuldade em representar as frequncias mais baixas de
variao da srie. O modelo CANESM_ r2i1p1 apresentou o menor DIST associado a
uma correlao de 0,371, por isso obteve o maior AVAL interanual.

para c =r =0,5 para o Nordeste Setentrional do Brasil.
Models
Sazonal
Corre
RMSE_PC
l
Aval
s
Interanual
Corre DIS Aval
l
T
a
Interdecadal
Corre DIS Aval
l
T
d
Total
Aval
t
Cla
s
canesm_r2i1p1
2,290
0,987
0,992
0,903
1,240 0,588
0,371
0,838 0,851 0,810
canesm_ r3i1p1
2,386
0,986
0,972
0,950
1,154 0,731
0,231
0,978 0,681 0,795
canesm_ r1i1p1
2,352
0,986
0,979
0,933
1,099 0,771
0,682
1,446 0,500 0,750
giss_e2r_ r5i1p1
3,257
0,825
0,606
0,871
0,994 0,817
0,308
0,955 0,732 0,718
cnrm_cm5_ r1i1p1
2,642
0,871
0,786
0,737
0,904 0,769 -0,141 1,060 0,462 0,672
canesm_ r5i1p1
2,254
0,987
1,000
0,807
0,998 0,743 -0,387 1,198 0,251 0,665
hadgem2_es_ r1i1p1
2,494
0,970
0,931
0,836
1,014 0,758 -0,521 1,123 0,255 0,648
giss_e2r_ r2i1p1
ipsl_cm5a_lr_
r4i1p1
3,210
0,832
0,624
0,763
1,077 0,611
0,478
1,082 0,702 0,646
3,284
0,968
0,768
0,820
1,119 0,627
0,447
1,350 0,478 0,625
giss_e2r_ r1i1p1
ipsl_cm5a_lr_
r2i1p1
ipsl_cm5a_lr_
r1i1p1
3,215
0,834
0,626
0,929
1,191 0,669 -0,154 1,005 0,500 0,599
10
3,387
0,966
0,745
0,856
1,008 0,786 -0,514 1,130 0,252 0,594
11
3,342
0,966
0,755
0,800
1,082 0,645 -0,303 1,153 0,322 0,574
12
giss_e2r_ r3i1p1
3,263
0,827
0,608
0,913
1,351 0,480 -0,209 0,812 0,630 0,573
13
canesm_ r4i1p1
2,311
0,987
0,988
0,489
1,052 0,341
1,258 0,370 0,566
14
0,012
Incm4_ r1i1p1
4,340
0,725
0,270
0,846
0,924 0,865 -0,122 1,154 0,396 0,510
15
giss_e2r_ r4i1p1
ipsl_cm5a_lr_
r3i1p1
3,207
0,835
0,629
0,673
1,168 0,416 -0,297 0,988 0,455 0,500
16
3,362
0,965
0,749
0,705
1,369 0,235 -0,482 0,908 0,441 0,475
17
giss_e2h_ r4i1p1
4,604
0,622
0,096
0,782
0,945 0,773
1,237 0,519 0,462
18
giss_e2h_ r1i1p1
4,610
0,608
0,079
0,801
1,001 0,733 -0,214 0,905 0,554 0,455
19
giss_e2h_ r3i1p1
4,613
0,619
0,090
0,692
0,904 0,719 -0,345 0,853 0,541 0,450
20
giss_e2h_ r5i1p1
4,597
0,629
0,105
0,760
0,986 0,705 -0,178 1,145 0,380 0,396
21
giss_e2h_ r2i1p1
4,717
0,560
0,000
0,676
1,033 0,564 -0,146 0,873 0,608 0,391
22
0,330
345
Regio Amaznica
A Figura 153 mostra as climatologias dos modelos do CMIP5 (apenas a rodada

1) em comparao com o observado sobre a regio da Amaznia, conforme indicado na
grade 2 da Figura 1. Os modelos divergem quanto quantidade de chuva nessa regio.
Os modelos CANESM, CNRM_CM5 e IPSL_CM5A_LR subestimam a
precipitao climatolgica em todos os meses, resultando em totais anuais
respectivamente 56%, 33% e 60% abaixo do observado. Alm disso, o
IPSL_CM5A_LR apresenta erros na representao dos padres de variao sazonal,
superestimando bastante a contribuio percentual das chuvas no primeiro semestre para
o total anual e subestimando-a no segundo.
O modelo HADGEM2_ES subestima a precipitao observada no primeiro
quadrimestre do ano e superestima nos demais meses, mostrando erro de fase na
representao da sazonalidade, enquanto os modelos GISS_E2R e GISS_E2H
superestimam a precipitao climatolgica no primeiro e ltimo trimestre do ano, porm
subestimam nos demais perodos, apresentando tambm um pequeno erro de fase.
Regio Amaznica: (a) Quantidade de precipitao por ms; (b) Percentual de chuva
por ms.
(a)
346
(b)
Na Tabela 37 so mostrados os ndices estatsticos dos modelos do CMIP5 em

ordem de classificao para regio Amaznica, para
igual a 1/3.
Quanto avaliao sazonal, o modelo HADGEM2_ES apresentou o maior

AVAL para regio amaznica, porm, os modelos CANESM, GISS_E2R, e GISS_E2H
tambm apresentaram AVAL superiores a 0,90. O modelo CNRM_CM5 apresentou
correlao de aproximadamente 0,70, mostrando-se inferior aos demais na
representao da sazonalidade nessa regio, enquanto o modelo IPSL_CM5A_LR,
apesar de apresentar correlao superior a 0,90, indicou RMSE_PC ligeiramente
superior aos demais, o que o levou a ser classificado entre os piores modelos na
representao da sazonalidade na regio Amaznica. A avaliao geral apontou algumas
rodadas dos modelos GISS_E2H e GISS_E2R como melhores representaes dos
padres de variao na regio amaznica.

dos para c =r =0,5 para a Regio Amaznica.
Models
giss_e2h_r1i1p1
giss_e2r_ r3i1p1
Sazonal
Interanual
Interdecadal
Avalt
RMSE_P Corre Aval Corre
DIST Aval Correl DIST Aval
C
l
s
l
1,172
0,938 0,927 0,892 0,012 0,921 0,579 0,620 0,530 0,792
1,408
0,966
0,950
0,948
0,060 0,920 -0,283 0,897 0,360 0,743
Cla
s
1
2
347
giss_e2h_ r2i1p1
1,224
0,933
0,914
0,891
0,071 0,826 -0,356 1,210 0,466 0,735
giss_e2r_ r2i1p1
1,494
0,966
0,942
0,787
0,017 0,772 -0,389 1,027 0,378 0,697
ipsl_cm5a_lr_r2i1p1
2,396
0,972
0,860
0,899
0,039 0,888 -0,637 1,091 0,323 0,690
giss_e2r_r5i1p1
1,458
0,963
0,941
0,799
0,083 0,684
0,305
0,565 0,416 0,681
giss_e2r_r1i1p1
1,427
0,966
0,949
0,864
0,193 0,600
0,355
0,679 0,481 0,676
0,062
canesm_r5i1p1
1,325
0,941
0,917
0,897
0,099 0,792
0,505 0,311 0,673
giss_e2h_ r5i1p1
1,179
0,938
0,927
0,741
0,138 0,522 -0,037 1,204 0,569 0,673
Incm4_ r1i1p1
1,053
0,934
0,931
0,951
0,142 0,796 -0,729 1,049 0,275 0,667
10
giss_e2h_ r3i1p1
1,223
0,932
0,912
0,827
0,182 0,568
0,519 0,412 0,631
11
canesm_ r4i1p1
1,187
0,954
0,953
0,653
0,144 0,396 -0,597 1,590 0,544 0,631
12
canesm_ r2i1p1
1,298
0,946
0,929
0,783
0,292 0,337
0,550 0,567 0,611
13
hadgem2_es_ r1i1p1
1,070
0,960
0,975
0,728
0,079 0,597 -0,628 0,922 0,255 0,609
14
canesm_ r1i1p1
ipsl_cm5a_lr_
r4i1p1
cnrm_cm5_ r1i1p1
1,228
0,941
0,926
0,651
0,139 0,400
0,702
0,390 0,475 0,600
15
2,280
0,972
0,872
0,576
0,199 0,206
0,259
1,285 0,701 0,593
16
2,068
0,679
0,399
0,877
0,050 0,841
0,692
0,508 0,521 0,587
17
giss_e2r_ r4i1p1
1,427
0,968
0,953
0,634
0,152 0,357 -0,431 0,947 0,331 0,547
18
canesm_ r3i1p1
ipsl_cm5a_lr_
r3i1p1
giss_e2h_ r4i1p1
ipsl_cm5a_lr_
r1i1p1
1,443
0,939
0,902
0,885
0,331 0,411 -0,301 0,834 0,327 0,547
19
2,447
0,975
0,860
0,815
0,169 0,571 -0,643 0,795 0,197 0,543
20
1,200
0,936
0,921
0,601
0,183 0,266 -0,482 1,083 0,371 0,519
21
5,996
0,905
0,382
0,875
0,067 0,812
22
0,351
0,777
0,136
0,420 0,300 0,498
Bacia da Prata
A Figura 6 mostra as climatologias dos modelos do CMIP5 (apenas a rodada 1

de cada modelo) em comparao com o observado sobre a regio da bacia da Prata,
conforme indicado na grade 3 da Figura 1. Os modelos representam bem a climatologia
observada, o que fica evidente na Figura 3a e nas correlaes mostradas na Tabela 3.
O modelo HADGEM2_ES superestima a precipitao climatolgica em todos os
meses, resultando em um total anual 30% acima do observado. Alm disso, apresenta
erros na distribuio sazonal da precipitao, subestimando a contribuio percentual
das chuvas no primeiro e ltimo trimestre do ano para o total anual e superestimando-a
nos demais perodos do ano. Os modelos GISS_E2R, GISS_E2H e IPSL_CM5_LR
subestimam a precipitao climatolgica em todos os meses, resultando em totais anuais
respectivamente 46%, 43% e 39% abaixo do observado. Alm disso, o modelo
IPSL_CM5A_IR apresenta erros de fase na distribuio anual da precipitao,
superestimando a contribuio percentual das chuvas nos meses de dezembro, janeiro,
fevereiro e maro e subestimando-a nos demais meses.
348
Figura 154-Climatologia dos Modelos do CMIP5 para sculo XX (1901-1999) para
bacia da Prata: (a) Quantidade de precipitao por ms; (b) Percentual de chuva por
ms.
(a)
(b)
Fonte:Elaborada pelo prprio autor.
349
Na Tabela 3 so mostrados os ndices estatsticos RMSE_PC, CORREL e
AVAL dos modelos do CMIP5 em ordem de classificao para bacia da Prata, para c
igual a 0,5. Todos os modelos indicaram correlaes superiores a 0,90 e erro quadrtico
inferior a 5% em relao ao percentual de chuva mensal. O modelo CNRM_CM5
apresentou correlao superior a 0,99 e RMSE_PC inferior a 1%, o que o classifica
como o melhor modelo para regio da bacia da Prata, segundo a avaliao proposta
neste trabalho (usando
igual a 0,5), seguido pelos modelos GISS_E2R e GISS_E2H.
O modelo IPSL_CM5A apresentou correlao ligeiramente inferior aos demais

modelos, associada a um RMSE_PC elevado (superior a 4%). Isto levou esse modelo a
apresentar AVAL aproximadamente igual a 0 (zero), indicando que o mesmo possui
maior dificuldade de representar a sazonalidade da precipitao na bacia da Prata. A
rodada ipsl_cm5a_lr_ r1i1p1 possui dificuldade de representao dos padres de
variao, tanto na Prata, quanto na regio amaznica, sendo o pior classificado, segundo
a avaliao proposta nesse trabalho, nas duas regies. Em contraste, o modelo
CNRM_CM5_r1i1p1 apresentou a melhor a avaliao geral para o rio da Prata.

para c =r =0,5 para a bacia da Prata.
Sazonal
Models
Interanual
RMSE_PC Correl Avals Correl DIST
Interdecadal
Aval
Avalt Clas
Correl DIST Aval
cnrm_cm5_r1i1p1
0,946
0,990
0,992
0,873
0,191 0,703
0,312
0,301 0,877 0,857
giss_e2h_ r2i1p1
1,735
0,989
0,870
0,885
0,197 0,711
0,456
0,160 0,979 0,853
giss_e2r_ r4i1p1
1,273
0,980
0,873
0,797
0,019 0,794
0,281
0,627 0,752 0,806
canesm_ r4i1p1
1,887
0,983
0,807
0,712
0,099 0,596
0,513
0,343 0,936 0,780
giss_e2r_ r5i1p1
1,225
0,981
0,889
0,712
0,060 0,639
0,466
0,661 0,809 0,779
giss_e2h_ r5i1p1
1,819
0,991
0,872
0,749
0,070 0,676
0,295
0,539 0,788 0,779
giss_e2h_ r4i1p1
hadgem2_es_
r1i1p1
1,694
0,985
0,849
0,727
0,053 0,666
0,150
0,389 0,787 0,767
0,965
0,964
0,814
0,664
0,006 0,635
0,334
0,729 0,736 0,729
canesm_ r1i1p1
1,817
0,985
0,827
0,721
0,059 0,651 -0,011 0,611 0,651 0,709
canesm_ r2i1p1
1,916
0,985
0,813
0,919
0,345 0,595
0,328
0,814 0,705 0,704
10
giss_e2r_ r1i1p1
1,246
0,979
0,870
0,682
0,151 0,500
0,027
0,420 0,732 0,701
11
canesm_ r3i1p1
1,998
0,981
0,778
0,765
0,328 0,414
0,240
0,260 0,865 0,686
12
giss_e2h_ r3i1p1
1,716
0,989
0,874
0,568
0,026 0,489 -0,129 0,509 0,643 0,669
13
giss_e2r_ r2i1p1
1,234
0,988
0,934
0,673
0,134 0,507 -0,816 0,454 0,410 0,617
14
giss_e2r_ r3i1p1
1,227
0,976
0,857
0,683
0,114 0,541 -0,839 0,588 0,355 0,584
15
canesm_ r5i1p1
1,897
0,985
0,819
0,559
0,025 0,480 -0,850 0,542 0,367 0,555
16
giss_e2h_ r1i1p1
ipsl_cm5a_lr_
r4i1p1
1,801
0,989
0,857
0,661
0,172 0,450 -0,836 0,852 0,265 0,524
17
4,357
0,918
0,006
0,945
0,231 0,753
18
0,109
0,452 0,750 0,503
350
ipsl_cm5a_lr_
r3i1p1
ipsl_cm5a_lr_
r2i1p1
Incm4_ r1i1p1
ipsl_cm5a_lr_
r1i1p1
4,334
0,917
0,003
0,788
0,011 0,791
0,074
0,570 0,696 0,497
19
4,338
0,920
0,025
0,859
0,285 0,582 -0,086 0,417 0,691 0,433
20
1,175
0,912
0,432
0,734
0,462 0,226
0,798 0,597 0,419
21
4,337
0,917
0,004
0,766
0,106 0,658 -0,353 1,598 0,182 0,281
22
0,020
CONCLUSES
A avaliao proposta neste trabalho identificou os melhores e piores modelos na
representao dos padres de variao da precipitao no sculo XX para o Nordeste
Setentrional do Brasil, Amaznia e bacia da Prata. Essas informaes podem ser
usadas por cientistas e gestores na anlise das projees de mudanas climticas sobre
essas regies o sculo XXI e seus impactos. Em particular, os resultados deste trabalho
podem ser utilizados na avaliao do possvel impacto das mudanas no clima sobre as
vazes e evapotranspirao nessas regies, utilizando o maior nmero de modelos
possvel para tratar e dimensionar a incerteza existente nessas projees.
Quanto avaliao sazonal dos modelos do CMIP5 listados, algumas
observaes so destacadas:
Os modelos globais do CMIP5 analisados apresentam correlaes elevadas em
relao climatologia observada no perodo de 1901 a 1999 para as regies do
Nordeste Setentrional do Brasil, bacia da Prata e Amaznia, mostrando que os modelos
so capazes de capturar os padres de variaes sazonais;
A avaliao feita com os dados mdios apontou o modelo CANESM como aquele
com mais altos valores de AVALs para o Nordeste Setentrional Brasileiro, seguido pelo
modelo HADGEM2_ES. O modelo CNRM_CM5 apresentou o maior AVAL para
regio da Prata, seguido pelos modelos GISS_E2R e GISS_E2H. J para a Amaznia, o
modelo HADGEM2_ES o melhor classificado, segundo o mtodo de avaliao deste
trabalho.
Os modelos apresentaram GISS_E2H e INM_CM4 correlaes sazonais ligeiramente
inferiores aos demais no Nordeste Setentrional do Brasil. Dessa forma, mostram-se
inferiores aos outros modelos do CMIP5 na representao da climatologia mdia sobre
a regio.
O modelo IPSL_CM5A apresenta AVALs aproximadamente igual a 0 (zero) na bacia
da Prata, indicando que o mesmo possui dificuldade de representar a sazonalidade nesta
regio.
351
O modelo CNRM_CM5 apresentou correlao sazonal de aproximadamente 0,70 na
regio amaznica, inferior aos demais na representao da sazonalidade nessa regio.
Quanto s avaliaes interdecadal e interanual dos modelos IPCC algumas
observaes so destacadas:
A maioria dos modelos analisados capta os padres de variao interanual, com
algumas rodadas dos modelos globais do IPCC apresentando valores bastante elevados
de correlao em relao precipitao observada durante o sculo XX. Porm, o
mesmo no acontece com a avaliao interdecadal, para a qual a maioria dos modelos
mostra muita dificuldade;
As rodadas do modelo ipsl-cm5a-lr_r1i1p1 no representa apropriadamente a
variabilidade plurianual na Amaznia e na bacia da Prata, o mesmo acontecendo com
as rodadas do modelos GISS_E2H em relao ao Nordeste setentrional.
A avaliao geral apontou como melhores simulaes do clima presente sobre o
Nordeste setentrional as rodadas do modelo CANESM. Para a bacia da Prata as rodadas
do modelo francs CNRM_CM5_r1i1p1 apresentaram altos valores de AVALg. Para a
Amaznia destacam-se as rodadas do modelo GISS-E2-R_r1i1p1. Estes modelos
podem ser considerados como uma boa opo para avanar na investigao dos efeitos
das mudanas climticas sobre os recursos hdricos na Amrica do Sul.

2014 Tese Cssilveira

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2014 Tese Cssilveira

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE FEDERAL DO CEAR

CLEITON DA SILVA SILVEIRA

MODELAGEM INTEGRADA DE METEOROLOGIA E RECURSOS HDRICOS EM

CLEITON DA SILVA SILVEIRA

MODELAGEM INTEGRADA DE METEOROLOGIA E RECURSOS HDRICOS EM

Tese submetida Programa de Ps-Graduao

Orientador: Prof. Dr. Francisco de Assis de

Dados Internacionais de Catalogao na Publicao

Silveira, Cleiton da Silva.

1. Recursos hdricos. 2. Precipitao - Previso. 3. Previso de vazes. I. Ttulo.

A Deus, fonte de tudo.

Figura 1- Nveis hierrquicos do planejamento e escalas temporais .............................. 27

Figura 25 - Impacto na mdia anual de vazes no sculo XXI em trs perodos(2010 a

Figura 54-Variao percentual na mdia anual de vazes no sculo XXI para os

Figura 77-Bandas de variao da transformada em ondeletas e projeo do modelo

Figura 102 - Bandas de variao da transformada em ondeletas e projeo do modelo

Figura 155-Climatologia dos Modelos do CMIP5 para sculo XX (1901-1999) para

Tabela 21-Postos Bases utilizados na anlise de previso de vazes no estudo em

ANEEL - Agncia Nacional de Energia Eltrica

NEB - Nordeste do Brasil

Objetivo Geral ............................................................................................ 28

Objetivos especficos .................................................................................. 28

Contribuio cientfica e tcnica ................................................................ 29

A PROBLEMTICA DAS MLTIPLAS ESCALAS TEMPORAIS ................... 32

Setor eltrico e as mltiplas escalas de planejamento ................................ 40

2.2.1. Modelos utilizados no planejamento e programao da operao do Sistema

REVISO BIBLIOGRFICA ............................................................................... 46

Caracterizao climtica e aspectos sobre variabilidade climtica ............ 46

3.1.1. Variabilidade e mudana climtica na escala global .................................. 46

Diferentes escalas de previso .................................................................... 51

3.2.1. Variabilidade e mudanas climticas ......................................................... 51

LOCAL DE APLICAO ..................................................................................... 62

Cear: Sistema Jaguaribe-Metropolitano.................................................... 62

Setor Eltrico brasileiro .............................................................................. 64

4.2.1. Caracterizao das regies que compem o SIN .......................................... 65

ESTRATGIA METODOLGICA DAS MLTIPLAS ESCALAS TEMPORAIS

Delimitao espacial do problema das mltiplas escalas temporais .......... 71

5.2.1. Setor eltrico ............................................................................................... 71

Estudo da Variabilidade hidrolgica .......................................................... 78

Previso em multi-escalas .......................................................................... 79

5.4.1. Projees de longo prazo ............................................................................... 79

METODOLOGIA: ESCALA DE LONGO PRAZO .............................................. 83

Dados observacionais ................................................................................. 83

6.2. Modelos do CMIP5 .......................................................................................... 84

RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO - SIN ........... 98

Cenrio RCP 4.5 ....................................................................................... 101

7.3.1. Anlise das Anomalias nas mdias Anuais ................................................. 101

Cenrio RCP8.5 ........................................................................................ 126

7.4.1. Anlise das Anomalias nas mdias Anuais ................................................. 126

RESULTADOS E DISCUSSES: ESCALA DE LONGO PRAZO CEAR . 153

METODOLOGIA- ESCALA DE MDIO PRAZO: ........................................... 168

O modelo baseado na srie de Ondeletas ................................................. 175

Modelos Baseado nas transformadas de Fourier e ondeletas ................... 177

Mtricas para avaliao de desempenho dos modelos ............................. 177

9.6.1. Estimador de mxima verossimilhana....................................................... 177

Reamostragem dos membros do GERVAZP ........................................... 245

13.2.1. Mtodo dos vizinhos da mediana do SMAP ............................................ 245

Modelo peridico autorregressivo ............................................................ 255

13.3.1. Calibrao do modelo ............................................................................... 255

Peridico autorregressivo com variveis exgenas (PARX).................... 264

13.4.1. Calibrao do modelo ............................................................................... 264

15.6. Anlise Multiobjetivo .................................................................................. 280

A gesto dos recursos hdricos influenciada pela variabilidade de fenmenos