Nowcast flood predictions in the Amazon watershed based on the remotely sensed rainfall product PDIRnow and artificial neural networks.

The aim of this study was to develop artificial neural network (ANN) models to predict floods in the Branco River, Amazon basin. The input data for the models included the river levels and the average rainfall within the drainage area of the basin, which was estimated from the remotely sensed rainfall product PDIRnow. The hourly water level data used in the study were recorded by fluviometric telemetric stations belonging to the National Agency of Water. The multilayer perceptron was used as the neural framework of the ANNs, and the number of neurons in each layer of the model was determined via optimization with the SCE-UA algorithm. Most of the fitted ANN models showed Nash-Sutcliffe efficiency index values greater than 0.9. It is possible to conclude that the ANNs are effective for predicting the flood levels of the Branco River, with horizons of 6, 12 and 24 h; thus, constituting a viable option for use in river-flood warning systems in the Amazon basin. For the forecast with a 24-h horizon, it is essential to include the average rainfall of the basin that accumulated over the last 48 h as input data into the ANNs, along with the levels measured by the streamflow stations. The indirect rainfall estimates provided by PDIRnow are an excellent alternative as input data for ANN models used to predict floods and constitute a viable solution for regions where the density of rain gauge stations is low, as is the case in the Amazon basin.

Vazões máximas e mínimas para bacias hidrográficas da região alto Rio Grande, MG / Maximum and minimum discharges for Alto Rio Grande region basins, Minas Gerais state, Brazil

Vazões máximas são grandezas hidrológicas aplicadas a projetos de obras hidráulicas e vazões mínimas são utilizadas para a avaliação das disponibilidades hídricas em bacias hidrográficas e comportamento do escoamento subterrâneo. Neste estudo, objetivou-se à construção de intervalos de confiança estatísticos para vazões máximas e mínimas diárias anuais e sua relação com as características fisiográficas das 6 maiores bacias hidrográficas da região Alto Rio Grande à montante da represa da UHE-Camargos/CEMIG. As distribuições de probabilidades Gumbel e Gama foram aplicadas, respectivamente, para séries históricas de vazões máximas e mínimas, utilizando os estimadores de Máxima Verossimilhança. Os intervalos de confiança constituem-se em uma importante ferramenta para o melhor entendimento e estimativa das vazões, sendo influenciado pelas características geológicas das bacias. Com base nos mesmos, verificou-se que a região Alto Rio Grande possui duas áreas distintas: a primeira, abrangendo as bacias Aiuruoca, Carvalhos e Bom Jardim, que apresentaram as maiores vazões máximas e mínimas, significando potencialidade para cheias mais significativas e maiores disponibilidades hídricas; a segunda, associada às bacias F. Laranjeiras, Madre de Deus e Andrelândia, que apresentaram as menores disponibilidades hídricas.

Maximum discharges are applied to hydraulic structure design and minimum discharges are used to characterize water availability in hydrographic basins and subterranean flow. This study is aimed at estimating the confidence statistical intervals for maximum and minimum annual discharges and their relationship wih the physical characteristics of basins in the Alto Rio Grande Region, State of Minas Gerais. The study was developed for the six (6) greatest Alto Rio Grande Region basins at upstream of the UHE-Camargos/CEMIG reservoir. Gumbel and Gama probability distribution models were applied to the maximum and minimum long-term discharges respectively, using Maximum Likelihood estimators. Confidence intervals are important tools for better understand and estimation of water flows, being influenced by the geological characteristics of the basins. Based on the results, we could distinguish two hydrological systems: Aiuruoca, Carvalhos, and Bom Jardim basins, which have produced the greatest maximum and minimum discharges, which means they are more prone to floods, and have more water availability; and F. Laranjeiras, Madre de Deus and Andrelandia basins, which presented smaller water availability.

Continuidade espacial de chuvas intensas no estado de Minas Gerais / Spatial continuity of intense rainfall in Minas Gerais State, Brazil

O mapeamento de variáveis climáticas, como chuvas intensas, é de fundamental importância para o manejo ambiental. Para isto, ferramentas estatísticas para interpolação espacial devem ser devidamente analisadas e caracterizadas. Assim, objetivou-se com este trabalho analisar modelos e métodos de modelagem do semivariograma que melhor se ajustem a chuvas intensas com duração de 20, 60, 360 e 1440 minutos e tempos de retorno de 5, 50 e 100 anos, fornecendo subsídios primordiais para espacialização da mesma pelo interpolador geoestatístico, para o Estado de Minas Gerais. Foram testados os modelos esférico, exponencial e gaussiano pelos métodos de ajuste da Máxima Verossimilhança (MV) e Mínimos Quadrados Ponderados (MQP). Utilizou-se como critério de escolha do melhor modelo, o menor erro médio gerado pela validação cruzada, e em caso de similaridade, também foram considerados o maior grau de dependência espacial e o menor efeito pepita, além da análise visual do ajuste do modelo ao semivariograma experimental. O modelo exponencial se sobressaiu em nove das doze situações analisadas, o gaussiano em duas e o esférico em uma situação. Quanto aos métodos de ajuste, o MQP sobressaiu em todos os casos estudados, o que permite sugerir o modelo exponencial ajustado pelo método dos mínimos quadrados ponderados como sendo o mais adequado para o mapeamento da chuva intensa para as condições do Estado de Minas Gerais.

Climate variables mapping, as intense rainfall, is very important to environmental management. Although, statistical tools for spatial interpolation should be analyzed and characterized. This paper aims to analyze models and methods of semi-variogram modeling applied to intense rainfall with duration time of 20, 60, 360 and 1440 minutes and 5, 50 and 100 years of recurrence and consequently, giving support for its mapping, using kriging, in Minas Gerais State. Exponential, Spherical and Gaussian semi-variogram models were tested based on Weighted Minimum Square (WMS) and Maximum Likelihood (ML) methods, using GeoR software. For the best model and method evaluation was considered the mean absolute error produced by cross-validation. For mean error similarity, it was considered the spatial degree of dependence and smaller nugget effect. Visual adjustment of semi-variogram was also analyzed to complete the selection. Exponential model was predominant in nine of twelve situations, followed by Gaussian model in two situations and Spherical for just one. Weighted Minimum Square was the best adjust method in all situations. These results have indicated the exponential model adjusted by Weighted Minimum Square to intense rainfall mapping for Minas Gerais State conditions.