Proposta de Otimização de Modelo de Regionalização de Curvas de Permanência de Vazões

Universidade Federal do Par
Instituto de Tecnologia
Programa de Ps-Graduao em Engenharia Civil
Raimunda da Silva e Silva
PROPOSTA DE OTIMIZAO DE MODELO DE

REGIONALIZAO DE CURVAS DE
PERMANNCIA DE VAZES
Orientador: Claudio Jos Cavalcante Blanco, Ph.D.
Belm/PA
2014

PERMANNCIA DE VAZES
Dissertao apresentada ao Programa de PsGraduao em Engenharia Civil da

Universidade Federal do Par, para obteno
do Ttulo de Mestre em Engenharia Civil, na
rea de Concentrao em Engenharia Hdrica
linha de pesquisa em Recursos Hdricos e
Saneamento Ambiental.
Orientador: Prof. Claudio Jos Cavalcante
Blanco
Belm/PA
2014
ii

PERMANNCIA DE VAZES
Data da Defesa:
Resultado: _________________________________
BANCA EXAMINADORA:
___________________________________________________
Professor Claudio Jos Cavalcante Blanco, Ph.D. (Orientador)
___________________________________________________
Professor Teodorico Alves Sobrinho, Ph.D.
Universidade Federal de Mato Grosso do Sul
___________________________________________________
Professor Dr. Lindemberg Lima Fernandes
___________________________________________________
Professor Dr. Andr Augusto Azevedo Montenegro Duarte
Belm/PA
2014
iii
A minha me Neusa por ter me apoiado em todas as

minhas escolhas, pelo amor, cuidado e educao, que
sempre me proporcionou. Eis meu exemplo de vida.
iv
AGRADECIMENTOS
Agradeo primeiramente a Deus, que me deu sade e sabedoria para chegar at aqui e
me permitiu mais esta oportunidade de crescimento.
A minha me Neusa, minha maior incentivadora e a quem dedico mais esta vitria. Ao
meu Pai Antnio em memria.
Agradeo ao meu orientador Prof. Claudio Jos Cavalcante Blanco pela orientao e
por confiar na minha capacidade.
Aos meus irmos pelo apoio e respeito, por suas companhias nas horas boas e ruins,
sempre me dando fora nas minhas decises. Ao meu companheiro Alex pela pacincia, apoio
e compreenso nos momentos difceis.
A todos os meus amigos e colegas da ps-graduao e do GAES que sempre estiveram
comigo, nos estudos e nas brincadeiras, os meus sinceros agradecimentos pelo
companheirismo e amizade.
A Coordenao de Aperfeioamento de Pessoal de Nvel Superior (CAPES) pelo
apoio financeiro.
Aos meus amigos e familiares que sempre torceram pela minha vitria.
v
RESUMO
O presente trabalho props a otimizao de um modelo de regionalizao de curvas de
permanncia de vazes para a regio paraense. A base de dados foi de 43 estaes
fluviomtricas distribudas no Estado do Par. As curvas de permanncia foram calibradas
utilizando-se 5 modelos matemticos de regresso: potncia, exponencial, logartmico,
quadrtico e cbico. O modelo de regionalizao foi estabelecido, usando-se a tcnica de
regresso mltipla. A variao espacial dos parmetros dos modelos foi explicada em termos
de rea de drenagem, precipitao mdia anual, comprimento e desnvel do rio principal. O
modelo foi validado atravs do procedimento de Jack-knife. O melhor ajuste do modelo
cbico foi representado matematicamente pelos erros quadrticos relativos mdios percentuais
(%), coeficientes de Nash-Sutcliffe (Nash) e pelos ajustes grficos das vazes simuladas e
observadas. A otimizao do modelo, seguindo o mtodo da tentativa e erro, deu-se pelo
agrupamento das estaes por rea de drenagem, originando 3 grupos, e pela insero de
estaes sintticas. O nmero de estaes sintticas inseridas no modelo foi avaliado pelo
Root Mean Square Error (RMSE), coeficiente de Nash e pelo %. Para os grupos I e II o
nmero timo de estaes sintticas, que se juntaram s j consideradas nos grupos, foi 6 e 3,
respectivamente. No grupo III somente o mtodo de agrupamento em relao s reas de
drenagem foi suficiente para um bom desempenho do modelo de regionalizao. O bom
desempenho do modelo calibrado, validado e otimizado demonstrou o potencial deste na
estimativa das curvas de permanncia de vazes. As coordenadas geogrficas das estaes
sintticas, que otimizaram o modelo, podem servir como sugesto, ao poder pblico, para
instalao de novas estaes.
Palavras-Chave: Estaes Fluviomtricas, Regionalizao, Modelo Cbico, Regresso

Mltipla, Otimizao.
vi
ABSTRACT
This work proposed an optimization model regionalization of flow duration curves for the
Para region. The database was 43 gauged stations distributed in the state of Par. The flow
duration curves were calibrated using 5 Regression models: power, exponential, logarithmic,
quadratic and cubic. The regionalization model was established using the multiple regression
technique. The spatial variation of the parameters of the models was explained in terms of
drainage area, mean annual precipitation, length and slope of the main river. The model was
validated using the Jack-knife procedure. The best fit of the cubic model was mathematically
represented by the quadratic mean relative errors (%), Nash-Sutcliffe coefficient (Nash) and
the graphics settings of the simulated and observed streamflow. The model optimization
following the method of trial and error, given by the clustering of stations by drainage area,
yielding 3 groups, and by inserting synthetic stations. The number of synthetic stations
included in the model was evaluated by the Root Mean Square Error (RMSE), coefficient of
Nash and the %. For groups I and II the optimal number of synthetic stations, which joined
those already considered in the groups, it was 6 and 3, respectively. In group III only the
clustering method in relation to drainage areas was sufficient for good performance of the
regionalization model. The good performance of the calibrated, validated and optimized
model demonstrated the potential of this in the estimation of flow duration curves of rivers.
The geographic coordinates of synthetic stations, which optimized the model can serve as a
suggestion to the government where to install new stations.
Keywords Stream Gauge Stations, Cubic Models, Multiple Regression, Cubic Model,
Multiple Regression, Optimization.
vii
LISTA DE FIGURAS
Figura 1 - Diviso do Estado do Par em regies hidrogrficas .............................................. 24
Figura 2 - Distribuio espacial das estaes fluviomtricas e pluviomtricas consideradas no
estudo ........................................................................................................................................ 28
Figura 3 - Curvas de permanncia de vazes simuladas na validao do modelo para as
estaes Garganta, Caramujo, Aldeia Wai-Wai, Fortaleza, Acar do Tapajs, Jamanxim,
Apalai, Boa Sorte e Fazenda Rio Dourado. .............................................................................. 44
estaes So Flix do Xingu, Itupiranga, Tucuru, Estiro da Anglica, Creporizo, Jardim do
Ouro, Barragem Conj. 4, Arapari, Boa Esperana, UHE Pombal, Belo Horizonte, Manoel
Jorge, Laranjeiras, Cajueiro e UHE Altamira........................................................................... 45
estaes, Pacajs, Conceio do Araguaia, Marab, Fazenda Alegria, Cachoeira Tracambeua,
Bom Jardim, Fazenda Maring, Badajs, Nova Mocajuba, Cafezal, Tirios, Boca do Inferno,
Base do Cachimbo, Uruar, Pedra do ................................................................................... 46
estaes Altamira, Fazenda Cipauba, Sete Ilhas e Tararua-Ponte ............................................ 47
Figura 7 - Distribuio espacial das estaes fluviomtricas dos grupos I, II e III .................. 48
Figura 8 - Curvas de permanncia de vazes simuladas na validao do modelo ................... 52
Figura 9 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo II 56
Figura 10 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo III
.................................................................................................................................................. 59
Figura 11 - Curvas de permanncia de vazes simuladas pelo modelo regional das bacias do
grupo III .................................................................................................................................... 61
Figura 12 - Desempenho de mtodos de estimativa em funo do nmero de locais de origem
.................................................................................................................................................. 63
Figura 13 - Desempenho do mtodo de estimativa em funo do nmero de estaes sintticas
.................................................................................................................................................. 64
viii
Figura 14 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo I
considerando seis estaes sintticas ........................................................................................ 68
Figura 15 - Curvas de permanncia de vazes simuladas pelo modelo regional para bacias do
grupo I ...................................................................................................................................... 69
.................................................................................................................................................. 70
Figura 17 - Curvas de permanncia de vazes simuladas pela validao do modelo do grupo II
considerando trs estaes sintticas ........................................................................................ 73
Figura 18 - Curvas de permanncia de vazes simuladas pelo modelo regional para bacias do
grupo II ..................................................................................................................................... 75
ix
LISTA DE TABELAS
Tabela 1 Estaes fluviomtricas utilizadas no estudo ......................................................... 26
Tabela 2 Estaes pluviomtricas utilizadas no estudo ......................................................... 28
Tabela 3 Informaes morfoclimticas das estaes fluviomtricas usadas na calibrao das
curvas de permanncia.............................................................................................................. 29
Tabela 4 Tabela ANOVA da regresso mltipla ................................................................... 37
Tabela 5 Mdia dos erros percentuais (%) e do Coeficiente de determinao ajustado
(R_a) de cada modelo na calibrao........................................................................................ 40
Tabela 6 Matriz de correlao entre as variveis independentes ........................................... 40
Tabela 7 Parmetros e coeficientes de determinao ajustado das equaes de regresso do
modelo cbico .......................................................................................................................... 41
Tabela 8 Valores do Erro relativo mdio e coeficiente de Nash de cada bacia-alvo ............ 43
Tabela 9 Resumo da Mdia dos Erros (%) e R_ajustado (R2_a).......................................... 49
Tabela 10 Caractersticas morfoclimticas das estaes fluviomtricas do grupo I ............. 50
Tabela 11 Matriz de correlao entre as variveis independentes do grupo I ....................... 50
Tabela 12 Valores do erro mdio percentual e do coeficiente de Nash das bacias-alvo do
grupo I ...................................................................................................................................... 51
Tabela 13 Caractersticas morfoclimticas das estaes fluviomtricas do grupo II ............ 53
Tabela 14 Matriz de correlao entre as variveis independentes do grupo II...................... 54
Tabela 15 Valores do erro mdio percentual e do coeficiente de Nash para as bacias-alvo do
grupo II ..................................................................................................................................... 55
Tabela 16 Caractersticas morfoclimticas das estaes fluviomtricas do grupo III ........... 57
Tabela 17 Matriz de correlao entre as variveis independentes do grupo III .................... 58
Tabela 18 Valores do erro mdio percentual e do coeficiente de Nash para as bacia-alvo do
grupo III .................................................................................................................................... 59
Tabela 19 Coordenadas geogrfica das estaes sintticas ................................................... 65
Tabela 20 Matriz de correlao entre as variveis independentes do grupo I ....................... 66
x
Tabela 21 Valores do erro mdio percentual e do coeficiente de Nash para as bacia-alvo do
grupo I ...................................................................................................................................... 66
Tabela 22 Coordenadas geogrfica das estaes sintticas do grupo II ................................ 71
Tabela 23 Matriz de correlao entre as variveis independentes do grupo II...................... 71
Tabela 24 Valores do Erro mdio percentual e do coeficiente de Nash das bacias-alvo do
grupo II ..................................................................................................................................... 72
xi
LISTA DE QUADROS
Quadro 1 Graus de correlao entre variveis ....................................................................... 34
Quadro 2 Matriz de correlao .............................................................................................. 34
Quadro 3 - Modelos regionais obtidos aps a otimizao dos modelos ................................... 76
xii
LISTA DE SIGLAS
ANA
Agncia Nacional de gua
OMM
Organizao Meteorolgica Mundial
SEMMA
Secretaria de Estado de Meio Ambiente
SIG
Sistema de Informao Geogrfica
SNIRG
Sistema Nacional de Informaes sobre Recursos Hdricos
xiii
LISTA DE SMBOLOS E ILUSTRAES
A
rea de drenagem (km)
Desnvel do rio principal (m)
Comprimento do rio principal (km)
Precipitao mdia (mm)
Percentual de tempo igualado ou excedido (%)
Parmetro dos modelos matemticos
Ftotal
Teste Ftotal de Fisher-Snedecor
Coeficiente de correlao simples
Coeficiente de determinao
R_a
Coeficiente de determinao ajustado
Nash
Coeficiente de Nash-Sutcliffe
RMSE
Raiz quadrada do erro quadrtico mdio

Erro quadrtico relativo mdio percentual
Nvel de significncia
QMReg
Quadrado mdio da regresso
QMRes
Quadrado mdio dos resduos
SQReg
Somatrio dos quadrados da regresso
SQRes
Somatrio dos quadrados dos resduos
SQT
Somatrio dos quadrados total
Vazo (m/s)
Varivel dependente
Vazo observada
Vazo estimada pelo modelo de regionalizao

Mdia das vazes observadas
Nmero total de vazo observada
Nmero de variveis independentes
Varivel dependente
Xi (i=1, 2,...)
Variveis independentes ou explicativas
xiv
i (i=1,2,...)
Coeficientes de regresso
Vazo observada
Vazo Simulada
Erro da regresso
xv
SUMRIO
1
INTRODUO ............................................................................................................ 17
OBJETIVOS ................................................................................................................. 18
2.1
GERAL ......................................................................................................................... 18
2.2
ESPECFICOS .............................................................................................................. 18
REVISO DA LITERATURA .................................................................................... 19
3.1
REGIONALIZAO HIDROLGICA ...................................................................... 19
3.2
CURVA DE PERMANNCIA .................................................................................... 19
3.3
REGIONALIZAO DE CURVA DE PERMANNCIA DE VAZO .................... 20
3.4
CARACTERSTICAS FSICAS NA REGIONALIZAO DE VAZO ................. 21
3.5
OTIMIZAO DE MODELOS DE REGIONALIZAO ....................................... 22
REA DE ESTUDO .................................................................................................... 24
MATERIAS E MTODOS .......................................................................................... 26
5.1
DADOS UTILIZADOS ................................................................................................ 26
5.2
CALIBRAO DAS CURVAS DE PERMANNCIAS DE VAZO ...................... 31
5.3
CRITRIOS DE DESEMPENHO DOS MODELOS .................................................. 32
5.4
ANLISE DE MULTICOLINEARIDADE ................................................................. 33
5.5
APLICAO DA REGRESSO MLTIPLA ........................................................... 34
5.5.1 Modelos de Regionalizao .......................................................................................... 35

5.5.2 Mtodo dos mnimos quadrados ................................................................................... 36
5.6
TESTE DE SIGNIFICNCIA DA EQUAO DE REGRESSO MLTIPLA ...... 38
5.7
VALIDAO DO MODELO ...................................................................................... 39
RESULTADOS E DISCUSSES ................................................................................ 40
6.1
CALIBRAO ............................................................................................................ 40
6.2
ANLISE DE MULTICOLINEARIDADE ................................................................. 40
6.3
MODELO DE REGRESSO UTILIZADO NA REGIONALIZAO ..................... 40
6.4
VALIDAO ............................................................................................................... 42
PROPOSTA DE OTIMIZAO DO MODELO ........................................................ 48
7.1
AGRUPAMENTO DAS ESTAES EM RELAO S REAS DE DRENAGEM48
7.1.1 Grupo I .......................................................................................................................... 49
xvi
7.1.2 Grupo II ........................................................................................................................ 53
7.1.3 Grupo III ....................................................................................................................... 57
7.2
INSERO DE ESTAES SINTTICAS ............................................................... 62
7.2.1 Grupo I .......................................................................................................................... 63

7.2.2 Grupo II ........................................................................................................................ 70
8
CONCLUSO .............................................................................................................. 77
SUGESTES PARA TRABALHOS FUTUROS ........................................................ 78
REFERNCIA BIBLIOGRFICA .......................................................................................... 79

APNDICE A CURVAS DE PERMANNCIA CALIBRADAS PARA OS MODELOS
CBICO, LOGARTMICO, QUADRTICO, EXPONENCIAL E POTNCIA. ................. 82
ANEXO A TABELA DE DISTRIBUIO F DE SNEDECOR. ........................................ 94
17
INTRODUO
Em bacias hidrogrficas fundamental conhecer o regime de vazes principalmente

quando utilizado em estudos hidrolgicos, pois serve como base para efetivo acesso e controle
dos mltiplos usos da gua, seja para gerao de energia eltrica, agricultura, sistema de
abastecimento de gua, esgotamento sanitrio, navegao etc. Desta forma, para o
gerenciamento dos recursos hdricos de determinada regio, as condies climticas e o
regime hidrolgico devem ser analisados.
Segundo Gontijo Junior e Koide (2012), para que a rede de monitoramento
fluviomtrica seja eficiente, as estaes devem ser instaladas de forma que sua densidade e
distribuio espacial na regio, permita que se determine com preciso, as caractersticas
bsicas dos elementos hidrolgicos de qualquer parte dessa regio.
No Brasil h diversas regies onde os dados hidrolgicos bsicos so inexistentes ou
reduzidos. Isso se deve principalmente aos elevados custos de implantao, operao e
manuteno da rede de monitoramento hidrolgico. Assim, a regionalizao de curvas de
permanncia de vazes apresenta-se como tcnica importante, e que consiste em explorar ao
mximo as informaes existentes, permitindo a estimativa de vazes em locais com dados
insuficientes ou inexistentes.
A modelagem hidrolgica caracteriza-se como opo para estimativas de variveis
hidrolgicas, tais como a vazo em regies com carncia de dados hidrolgicos. Assim,
prope-se a otimizao de um modelo de regionalizao de curvas de permanncia de vazes
aplicado a rios do estado do Par. A otimizao pode prever o menor nmero possvel de
estaes fluviomtricas sintticas inseridas no modelo, minimizando os erros entre as curvas
de permanncia observadas e simuladas. As coordenadas das estaes sintticas seriam os
melhores locais para implantao de novas estaes fluviomtricas, visando alimentar o
modelo e expandir de forma tima a rede hidromtrica no Par, buscando a racionalizao de
recursos financeiros e das equipes de monitoramento.
18
OBJETIVOS
2.1
GERAL
Propor a otimizao de modelo de regionalizao de curvas de permanncia de vazes.
2.2
ESPECFICOS
- Calibrar curvas de permanncia de vazes para todas as estaes fluviomtricas do
Estado do Par consideradas no estudo;
- Estabelecer, por meio de regresses mltiplas, o melhor modelo de regionalizao;
Aplicar e analisar modelo de regionalizao de curvas de permanncia de vazes
adaptado s bacias hidrogrficas do Estado do Par;
- Agrupar por rea de drenagem as bacias consideradas no estudo para melhor
calibrao e validao do modelo de regionalizao;
- Definir o nmero timo de estaes, minimizando os erros relativos percentuais entre
as curvas de permanncia observadas e simuladas de todas as bacias consideradas no
estudo.
19
REVISO DA LITERATURA
3.1
REGIONALIZAO HIDROLGICA
Nos estudos de aproveitamento de recursos hdricos em bacias hidrogrficas, na
maioria das vezes necessrio avaliar a disponibilidade hdrica em reas onde no existe srie
de dados hidrolgicos ou, se existe a extenso da srie observada insuficiente. Nesses casos,
requer-se a aplicao de tcnicas de transferncia de informaes de outros locais
climaticamente semelhantes para a bacia hidrogrfica em questo. Ao procedimento de
transferncia de informaes, denomina-se regionalizao.
O termo regionalizao utilizado em hidrologia para determinar a transferncia de
informaes de um local para outro com caractersticas hidrolgicas semelhantes. Essa
informao pode ocorrer na forma de varivel, funo ou parmetro. Logo, o princpio da
regionalizao baseia-se na similaridade espacial destas informaes que permitem essa
transferncia (TUCCI, 2002).
Para Peralta (2003), uma das finalidades da regionalizao hidrolgica a
determinao de regies que apresentem comportamento semelhante em relao distribuio
da frequncia e na correlao das vazes, resultante da combinao de um grande nmero de
fatores fsicos e climticos, denominada regies homogneas.
Segundo Tucci (2002) ainda que haja alta densidade de estaes, uma rede hidrolgica
no capaz de cobrir todos os locais de interesse necessrios ao gerenciamento dos recursos
hdricos de uma regio. Assim, sempre existem lacunas temporais e espaciais que necessitam
ser preenchidas com base em metodologias que busquem uma melhor estimativa dos dados
em sees que no possuem medies.
A regionalizao hidrolgica, em geral, caracteriza-se pela variedade de mtodos que
utilizam informaes regionais para sintetizar dados de vazo. Estas informaes podem ser
caractersticas fisiogrficas de bacias hidrogrficas, informaes hidrometeorolgicas e
parmetros estatsticos calculados a partir das sries de vazes de postos da regio
(SILVEIRA et al., 1998).
3.2
CURVA DE PERMANNCIA
A curva de permanncia, definida por VOGEL e FENNESSEY (1990), representa a
relao entre a magnitude e a frequncia de vazes dirias, semanais, mensais ou de qualquer
20
outra durao de determinado corpo de gua, fornecendo a porcentagem de tempo que uma
dada vazo igualada ou superada no perodo histrico.
Obregon et al. (1999) define curva de permanncia como a curva que relaciona a
vazo ou nvel de um rio com a percentagem de tempo em que ocorrem vazes, ou nveis
maiores ou iguais a uma vazo, ou nvel qualquer. Segundo Tucci (2002), a curva de
permanncia retrata a parcela de tempo em que determinada vazo igualada ou superada
durante o perodo analisado. Para melhor visualizao do grau de permanncia no tempo de
determinados valores de vazo, a curva pode ser organizada em intervalos de classe com suas
respectivas frequncias e com o tempo em porcentagem.
Searcy apud Pinto (2006) recomenda a separao das vazes em 20 a 30 intervalos de
classe, bem distribudos, e define a curva de permanncia como um histograma cumulativo de
vazes, com base nos intervalos de classe. As ordenadas da curva de permanncia so obtidas
pela acumulao das frequncias classificadas em ordem decrescente. A abscissa da curva fica
definida pela vazo do limite inferior do intervalo.
3.3
REGIONALIZAO DE CURVA DE PERMANNCIA DE VAZO

H vrios estudos sobre a regionalizao de vazo em diferentes locais do mundo, por
exemplo:
Singh (1971) modelou as curvas de permanncia de vazes para o Meio Oeste dos
Estados Unidos, considerando que as vazes de permanncia podiam ser funes do tipo
potncia da rea de drenagem.
Vogel e Fennessey (1990) utilizaram, em um estudo regional em Massachusetts,
curvas de permanncia no intervalo 0,50 p 0,99, em que p a probabilidade de
excedncia. Foi utilizada a distribuio log-normal a dois parmetros, a qual forneceu uma
aproximao satisfatria para o ramo inferior da curva.
Yu et al. (2002) ajustaram modelo de regionalizao atravs de equao polinomial
para dezenove bacias em Taiwan. Mazvimavi (2003) realizou um estudo de anlise regional
em cinquenta e trs bacias no Zimbabwe para a estimativa de curvas de permanncia, usando
equao exponencial.
Li et al. (2010) propuseram novo mtodo de regionalizao, chamado modelo de
ndice. Os modelos especificam relaes entre as variveis hidrolgicas utilizadas na previso
de vazes, melhorando a prpria previso das vazes. O modelo foi aplicado para simular
curvas de permanncia de vazes em 227 microbacias no sudeste da Austrlia.
21
Mimikou e Kaemaki (1985) desenvolveram estudo de regionalizao nas regies oeste

e noroeste da Grcia. Nesse caso, foram usados, 5 modelos matemticos, potncia,
exponencial, logartmico, quadrtico e cbico para a calibrao das curvas de permanncia de
vazes. As autoras tambm utilizaram caractersticas morfoclimticas das bacias como:
precipitao mdia anual (mm), rea de drenagem (km), declividade (m) e comprimento do
rio (km), na regionalizao dos parmetros da curva.
Costa et al. (2012) aplicaram o modelo de Mimikou e Kaemaki (1985), para os rios
das regies hidrogrficas da Calha Norte e do Xingu no Estado do Par. Os modelos tiveram
como base de dados 25 estaes fluviomtricas, sendo 9 na Calha Norte e 16 no Xingu. No
processo de calibrao, os modelos cbico e exponencial ajustaram-se melhor aos dados
observados das estaes da Calha Norte e Xingu, respectivamente. A variao espacial dos
parmetros dos modelos foi explicada em termos de rea de drenagem, precipitao mdia
anual, comprimento e desnvel do rio. As anlises dos coeficientes de Nash-Sutcliffe e dos
erros percentuais revelaram que os modelos de regionalizao apresentaram resultados
satisfatrios com erros inferiores a 10%, coeficientes de NashSutcliffe superiores a 0,85 e
bons ajustes grficos das curvas de permanncia de vazes simuladas e observadas. Desta
forma, os autores concluram que o desempenho do modelo calibrado e validado demonstra o
potencial desta modalidade de regionalizao na estimativa das vazes de permanncia das
regies de estudo.
3.4
CARACTERSTICAS FSICAS NA REGIONALIZAO DE VAZO

As caractersticas fsicas e climticas das bacias hidrogrficas so utilizadas como
variveis explicativas na regionalizao hidrolgica e so importantes para melhor determinar

as especificidades da regio estudada. As variveis explicativas devem ser de fcil obteno
ou extrao pelo usurio da regionalizao, do contrrio, a metodologia dificilmente ser
utilizada. Variveis explicativas normalmente possuem forte correlao entre si. Porm, esta
correlao nem sempre responde pelo universo de situaes, no sendo regra para algumas
bacias singulares. Desta forma, deve ser realizado exame cuidadoso das correlaes.
As caractersticas fsicas e climticas mais utilizadas na regionalizao so: rea de
drenagem da bacia (A), declividade do rio (H), comprimento do rio principal (L) e
precipitao (P). Destas a precipitao mdia anual tem sido a mais utilizada no estudo de
regionalizao.
22
Nos estudos de regionalizao pode-se determinar a precipitao mdia utilizando

diferentes mtodos, como o dos polgonos de Thiessen e o das isoietas. O primeiro leva em
conta a no uniformidade da distribuio espacial da chuva na bacia, atribuindo a cada posto
pluviomtrico pesos proporcionais sua rea de influncia. Contudo, este mesmo mtodo
desconsidera o relevo da bacia. No mtodo das isoietas levada em considerao a
interferncia do relevo na formao das chuvas e a mobilidade do comportamento das chuvas
ao longo do tempo.
3.5
OTIMIZAO DE MODELOS DE REGIONALIZAO

A otimizao de redes hidromtricas, que reflete a eficcia do seu funcionamento,
tarefa urgente, principalmente devido s restries econmicas dos oramentos nacionais na

maioria dos pases. E outros pelo princpio de austeridade e, o terceiro, pelas mesmas
condies fsicas e sociais que exigem investimentos dirios eficazes.
Segundo a Organizao Meteorolgica Mundial - OMM (WMO, 1994):
... o objetivo de uma rede de dados hidrolgicos permitir que, por interpolao
entre sries de dados de diferentes estaes, torne-se possvel determinar com
suficiente preciso, para fins prticos, as caractersticas bsicas dos elementos
hidrolgicos e meteorolgicos em qualquer ponto desta regio.
Segundo Gontijo Junior e Koide (2012), a falta de manuteno e recuperao dos

postos fluviomtricos, devido indisponibilidade financeira necessria para problemas
operacionais, agrava o processo de coleta de dados. Desta forma, a seleo de uma rede tima
de estaes de monitoramento importante para a qualidade da predio nos locais onde esses
dados so insuficientes ou inexistentes. Rede tima definida pela a OMM (WMO, 1994),
como:
Um adequado sistema de monitoramento de dados hidrometeorolgicos planejado
de forma que, dentro de certos nveis de preciso pr-estabelecidos, os parmetros
de projetos utilizados no planejamento, controle e gerenciamento dos recursos
hdricos, possam ser perfeitamente caracterizados e definidos, de forma direta, em
qualquer ponto da bacia hidrogrfica. Nessas condies, seria possvel afirmar que
existe uma rede tima de estaes de monitoramento.
Mtodo baseado na curva de permanncia de vazes utiliza mais de uma estao como
origem para prever vazes dirias em locais sem dados.
Os estudos de Hughes e Smakhtin (1996) e Smakhtin (1999) recomendam que at
cinco locais com dados possam ser utilizadas como locais de origem, e sugere que essas
estaes estejam localizadas sobre o mesmo rio, seus afluentes ou riachos adjacentes.
23
Shu e Ouarda (2012) selecionaram os locais de origem com base em sua distncia
geogrfica dos locais de destino. Para no utilizar nmero arbitrrio de estaes de origem, os
autores utilizaram em seu estudo o procedimento de reamostragem de Jack-knife para
determinar objetivamente o nmero timo de locais que serviria como base para prever
vazes nos locais de destino. O desempenho do mtodo foi baseado em funo do coeficiente
de Nash e do RMSE (Root Mean Square Error), em portugus, raiz quadrada do erro
quadrtico mdio, os autores concluram que houve um aumento acentuado quando o nmero
de locais de origem aumentou de um a quatro, e no houve alterao significativa desses
ndices quando mais locais de origem foram includos.
24
REA DE ESTUDO
A rea de estudo, para regionalizao de curvas de permanncia de vazo, abrangeu o

Estado do Par que est localizado na regio norte do Brasil. Segundo o Governo do Estado
do Par (2013), o estado possui rea de 1.248.042,515 km, sendo dividido em 144
municpios (Figura 1). O relevo predominantemente baixo e plano; 58% do territrio se
encontram abaixo dos 200 metros.
O Estado possui mais de 20 mil quilmetros de rios, como o Amazonas, que corta o
estado no sentido oeste para leste e desgua no grande delta marajoara. Esto tambm no
Par, alguns dos mais importantes afluentes do Amazonas como Tapajs e Xingu, pela
margem direita, Trombetas, Nhamund, Maicuru e Jari pela margem esquerda. Os rios
principais so: rio Amazonas, rio Tapajs, rio Tocantins, rio Xingu e rio Jari.
O Estado do Par est dividido em 7 (sete) regies hidrogrficas segundo a Secretaria
de Estado de meio Ambiente (SEMA, 2001), assim nominadas: Calha Norte (21,5%); Tapajs
(17,7%), Xingu (25,1%), Tocantins-Araguaia (9,9%), Baixo Amazonas (4,6%), Portel Maraj
(10,8%) e Costa Atlntica-Nordeste (10,1%) (Figura 1). Esta diviso visa facilitar o
planejamento e gesto dos recursos hdricos no estado.
Figura 1 - Diviso do Estado do Par em regies hidrogrficas
Fonte: Adaptado de SEMA, 2001.
25
Destacando-se no mbito nacional, no que se refere riqueza hidrogrfica, os recursos

hdricos do estado exercem fundamental importncia no equilbrio paisagstico da floresta
amaznica, no mbito de projetos de desenvolvimento nas reas da indstria, comrcio e
minerao, planos de conservao ambiental, bem como na pecuria e nas tcnicas
estratgicas de irrigao no ramo da agricultura e do turismo. Esta rede hidrogrfica garante
algumas vantagens econmicas para o estado, como por exemplo: facilidade de navegao
fluvial e grande potencial hidroenergtico.
De acordo com o Sistema Nacional de Informaes sobre Recursos Hdricos (SNIRH)
da Agncia Nacional de guas (ANA), no Estado do Par existem 59 estaes fluviomtricas
e 201 pluviomtricas operando normalmente.
No entanto, a obteno de sries histricas em determinadas bacias do estado
dificultada, pois diversas estaes no dispem das informaes necessrias. Esta situao ,
de certa forma, recorrente no Brasil.
26
MATERIAL E MTODOS
A metodologia do presente trabalho baseou-se nas obras de Mimikou e Kaemaki

(1985) - Regionalizao; presente trabalho Agrupamento de estaes fluviomtricas por
rea de drenagem; Shu e Ouarda (2012) Otimizao do modelo. A metodologia ser
aplicada s Regies Hidrogrficas do estado do Par, visando abranger todo o territrio
Paraense.
A metodologia consistiu nos seguintes passos: Calibrao das curvas de permanncia
de vazes por meio dos modelos matemticos: potncia, exponencial, logartmico, quadrtico
e cbico; da validao do modelo regional para a construo das curvas de permanncia de
vazes das bacias-alvo com o melhor dos 5 modelos analisados e da otimizao atravs da
minimizao do nmero de estaes sintticas adicionadas para maximizar o desempenho do
modelo.
5.1
DADOS UTILIZADOS
Para a realizao do estudo foram utilizados dados fluviomtricos pertencentes rede
hidrometeorolgica da ANA. As estaes fluviomtricas efetivamente utilizadas basearam-se

na amplitude das suas sries histricas, considerando-se para o estudo, as estaes com pelo
menos cinco anos de registros.
No estudo foram utilizados dados de 43 estaes fluviomtricas e 36 pluviomtricas
(Tabela 1 e Figura 2). A Figura 2 foi elaborada utilizando-se dados vetoriais do banco de
dados do Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renovveis
(IBAMA) disponvel em https://www.ibama.gov.br.
Tabela 1 Estaes fluviomtricas utilizadas no estudo
N
Cdigo
Rio
Nome
Latitude
Longitude
16430000
Trombetas
Garganta
-0:59:52
-57:2:35
Extenso
da Srie
em Anos
18
16460000
Trombetas
Caramujo
-1:3:54
-57:3:41
18
16480000
Mapuera
Aldeia Wai-Wai
-0:41:41
-57:58:29
20
16500000
Mapuera
Estiro da Anglica
-1:6:2
-57:3:25
23
16700000
Cumina-uiri
Tirios
02:13:26
-55:57:23
29
17090000
Curu
Boca do Inferno
-1:30:11
-54:52:22
28
17345000
Braco norte
Base do Cachimbo
-9:20:32
-54:54:29
24
17500000
Tapajs
Fortaleza
-6:2:43
-57:38:34
20
27
17610000
Crepori
10
17650002
Tapajs
Creporizo (Ex - Mundico

Coelho)
Acar do Tapajs
11
17675000
Jamanxim
12
17680000
13
-6:49:11
-56:51:6
11
-4:53:11
-56:43:23
12
Jardim do Ouro
-6:15:27
-55:46:21
13
Jamanxim
Jamanxim
-5:30:0
-55:50:0
07
18121006
Curu-uma
Barragem - Conj.4
-2:48:56
-54:18:6
29
14
18200000
Maicuru
Arapari
-1:46:44
-54:23:50
28
15
18250000
Uruar
Uruar
-3:40:38
-53:33:15
29
16
18280000
Paru de este
Apalai
01:13:15
-54:39:25
28
17
18460000
Xingu
Boa Sorte
-6:44:9
-51:59:43
26
18
18480000
Fresco
Fazenda Rio Dourado
-8:19:37
-51:27:37
05
19
18500000
Fresco
Boa Esperana
-6:44:43
-51:46:25
28
20
18510000
Xingu
So Flix do Xingu
-6:36:0
-52:3:0
24
21
18514000
Xingu
UHE Pombal
-5:55:4
-52:35:27
28
22
18520000
Xingu
Belo Horizonte
-5:23:34
-52:52:38
22
23
18590000
Iriri
Manoel Jorge (Terra Preta)
-6:11:14
-54:5:1
08
24
18600000
Iriri
Laranjeiras
-5:41:48
-54:14:44
14
25
18650000
Curu
Cajueiro
-5:39:0
-54:31:15
28
26
18700000
Iriri
Pedra do
-4:31:40
-54:0:45
22
27
18849100
Xingu
UHE Altamira
-3:17:55
-52:12:7
28
28
18850000
Xingu
Altamira
-3:12:53
-52:12:44
28
29
18880000
Bacaj
Fazenda Cipauba
-3:43:53
-51:34:3
14
30
19985000
Pacajs
Pacajs
-3:51:14
-50:38:10
28
31
27500000
Araguaia
Conceio do Araguaia
-8:16:10
-49:15:34
28
32
29050000
Tocantins
Marab
-5:20:19
-49:7:28
28
33
29100000
Itacainas
Fazenda Alegria
-5:29:12
-49:13:17
28
34
29200000
Tocantins
Itupiranga
-5:7:41
-49:19:27
29
35
29700000
Tocantins
Tucuru
-3:45:28
-49:39:12
28
36
31020000
Moju
Cachoeira Tracambeua
-3:30:46
-49:12:48
23
37
31520000
Guam
Bom Jardim
-1:32:26
-47:3:56
28
38
31680000
Capim
Fazenda Maring
-3:8:14
-48:5:5
28
39
31700000
Capim
Badajs
-2:30:46
-47:46:5
30
40
32350000
Caet
Nova Mocajuba
-1:16:22
-46:53:22
20
41
32400000
Piria
Sete Ilhas
-1:51:29
-46:42:32
28
42
32450002
Piria
Tararua - Ponte
-1:44:7
-46:35:29
28
43
32550000
Uraim
Cafezal
-2:46:18
-46:48:10
23
28
Figura 2 - Distribuio espacial das estaes fluviomtricas e pluviomtricas consideradas no estudo
Para cada estao fluviomtrica, foi atribudo um valor de precipitao mdia anual
obtida de uma das 36 estaes pluviomtricas selecionadas na rea de estudo (Tabela 2).
Devido algumas bacias no possuir postos pluviomtricos, algumas estaes pluviomtricas
foram utilizadas para mais de uma estao fluviomtrica, levando-se em considerao a
posio geogrfica (Latitude e Longitude) das estaes e a consistncia dos dados.
Tabela 2 Estaes pluviomtricas utilizadas no estudo
Cdigo
Estaes Pluviomtricas
Latitude
Longitude
Extenso da
Srie em Anos
57000
Aldeia Wai-Wai
-0:41:43
-57:58:27
18
146005
Tararua - Ponte
-1:43:59
-46:35:56
35
146010
Emborai
-1:17:30
-46:35:1
28
147006
Bom Jardim
-1:34:0
-47:6:0
16
154000
Arapari
-1:46:25
-54:23:50
36
bidos
-1:54:5
-55:31:7
59
-57:2:49
31
247000
Cach da Porteira - Conj. 1

Badajs
-1:5:15
-2:30:46
-47:46:5
36
247005
Cafezal
-2:46:18
-46:48:9
24
254005
Barragem Conj. 4
-2:48:54
-54:17:52
25
348001
Fazenda Maring
-3:9:16
-48:5:9
28
349000
Tucuru
-3:45:37
-49:40:0
37
155001
157000
29
-3:30:51
-49:13:21
23
-50:27:46
33
351002
Fazenda Estrela do Norte

Fazenda Cipauba
-3:52:14
-3:43:23
-51:34:5
25
352001
Altamira
-3:12:51
-52:12:47
47
353000
Uruar
-3:40:40
-53:33:16
26
454002
Iriri I-7
-4:45:31
-54:38:22
13
456001
KM 1342 Transamaznica
Marab
-4:56:49
-56:52:56
19
-5:21:56
-49:7:30
25
349001
350000
549002
549008
Itupiranga
-5:7:44
-49:19:27
18
552000
Belo Horizonte
-5:24:29
-52:54:7
20
554000
Cajueiro
-5:39:1
-54:31:15
32
651000
So Flix do Xingu
-6:38:0
-51:58:0
24
651001
Boa Esperana
-6:42:9
-51:47:55
25
651002
-6:44:40
-51:8:57
28
654000
Projeto Tucum
-6:12:8
-54:4:22
11
655003
Jamanxim
-5:30:0
-55:50:0
14
655004
Jardim do Ouro
-6:15:27
-55:46:24
11
656003
Creporizo (Ex- Mundico Coelho)
-6:48:0
-56:44:0
10
-57:46:32
30
849000
Jacareacanga
Conceio do Araguaia
-6:14:9
-8:15:36
-49:15:47
31
851000
Fazenda Rio Dourado
-8:20:47
-51:26:34
10
855000
-8:11:14
-55:7:10
32
8154000
KM 947 BR-163
Apalai
01:13:13
-54:39:22
30
8255000
Tirios
02:13:31
-55:56:57
24
657000
Os dados de precipitao da estao pluviomtrica Cach. da Porteira Conj. 1, foram

utilizados para trs estaes fluviomtricas: Garganta, Caramujo e Estiro da Anglica. As
estaes Altamira, Cajueiro, Marab, So Flix do Xingu e Tararua-Ponte tiveram seus dados
de chuva utilizados para duas estaes fluviomtricas: UHE Altamira e Altamira; Laranjeiras
e Cajueiro; Marab e Fazenda Alegria; So Flix do Xingu e UHE Pombal; Sete Ilhas e
Tararua Ponte, respectivamente. Alm dos dados de vazes dirias e precipitaes mdias
anuais, tambm foram usadas caractersticas fisiogrficas, como: rea de drenagem,
comprimento e desnvel do rio (Tabela 3).
Tabela 3 Informaes morfoclimticas das estaes fluviomtricas usadas na calibrao das curvas
de permanncia
Cdigo
Rio
Nome
A (km)
P (mm)
L (km)
H
(m)
16430000
Trombetas
Garganta
39000
2768
506
335
16460000
Trombetas
Caramujo
51700
2631
295
140
30
16480000
Mapuera
Aldeia Wai-Wai
21600
2241
396
417
16500000
Mapuera
Estiro da Anglica
25800
2632
444
660
16700000
Cumina-uiri
Tirios
819
2081
41
65
17090000
Curu
Boca do Inferno
19800
2050
309
439
17345000
Brao norte
Base do Cachimbo
465
2019
25
30
17500000
Tapajs
Fortaleza
363000
2129
539
25
17610000
Crepori
Creporizo (Ex Mundico Coelho)
6240
1780
133
270
17650002
Tapajs
Acara do Tapajs
390000
2077
366
15
17675000
Jamanxim
Jardim do Ouro
37400
1745
282
320
17680000
Jamanxim
Jamanxim
40200
2335
408
420
18121006
Curu-una
Barragem - Conj.4
16200
1712
221
390
18200000
Maicuru
Arapari
12400
1704
299
450
18250000
Uruar
Uruar
2960
1770
83
320
18280000
Paru de este
Apalai
7230
1886
223
175
18460000
Xingu
Boa Sorte
210000
1920
508
195
18480000
Fresco
Fazenda Rio Dourado
6860
1827
241
250
18500000
Fresco
Boa Esperana
42400
1882
535
275
18510000
Xingu
So Flix do Xingu
255000
1999
562
205
18514000
Xingu
UHE Pombal
266000
1999
696
245
18520000
Xingu
Belo Horizonte
281000
1748
748
260
18590000
Iriri
56900
1861
616
230
18600000
Iriri
Laranjeiras
58700
1333
679
250
18650000
Curu
Cajueiro
35600
1743
532
280
18700000
Iriri
Pedra do
122000
1678
870
270
18849100
Xingu
UHE Altamira
447000
2015
1079
300
18850000
Xingu
Altamira
448000
2015
1000
300
18880000
Bacaj
Fazenda Cipauba
24700
1964
346
130
19985000
Pacajs
Pacajs
2682
1964
332
200
27500000
Araguaia
Conceio do Araguaia
332000
1286
501
710
29050000
Tocantins
Marab
703000
1879
443
185
29100000
Itacainas
Fazenda Alegria
37500
1879
473
470
29200000
Tocantins
Itupiranga
746000
1678
412
180
29700000
Tocantins
Tucuru
764000
2400
198
270
31
31020000
Moju
5000
1971
210
190
31520000
Guam
Bom jardim
5220
2431
172
55
31680000
Capim
Fazenda Maring
25900
1809
438
25
31700000
Capim
Badajs
32200
2403
257
50
32350000
Caet
Nova Mocajuba
1130
2298
61
52
32400000
Piria
Sete Ilhas
1800
2139
99
97
32450002
Piria
Tararua - Ponte
2630
2139
134
128
32550000
Uraim
Cafezal
4690
1915
121
140
A rea de drenagem foi obtida na rede hidrometeorolgica do Sistema de Informaes

Hidrolgicas (http://hidroweb.ana.gov.br/) da Agncia Nacional de guas (ANA). As
variveis comprimento e desnvel do rio foram obtidas por intermdio de softwares do tipo
SIG. Para obter o comprimento do rio, foram somados os comprimentos dos trechos
segmentados da hidrografia, a partir da cabeceira do rio principal at a localizao da estao
fluviomtrica. O desnvel do rio foi determinado a partir da altitude do ponto onde se
encontrava a estao fluviomtrica e a altitude da nascente do rio. Com essas informaes, foi
possvel encontrar o desnvel do rio subtraindo-se os valores das altitudes.
5.2
CALIBRAO DAS CURVAS DE PERMANNCIAS DE VAZO

A calibrao das curvas de permanncia foi efetuada, seguindo a obra de Mimikou e
Kaemaki (1985). Nesse caso foram usados 5 modelos matemticos: potncia, exponencial,
logartmico, quadrtico e cbico, para a calibrao das curvas de permanncia de vazes.
(Equaes 1 a 5).
(1)
(2)
(3)
(4)
(5)
Onde Q (m/s) a vazo tratada em suas unidades originais, ou seja, sem dividir a
vazo por unidade de rea da bacia; os parmetros a, b, c e d so constantes positivas que
sero determinadas pelo mtodo dos mnimos quadrados, e D a permanncia em %.
32
Dos dados das 43 estaes utilizadas na calibrao, foram selecionados 25 pares de Q

(m/s) x D (Permanncia %). A permanncia foi dividida em intervalos de 4% at alcanar os
100%. A partir desses pares, foram produzidas as curvas de permanncia. Para efetivar a
calibrao dos cinco modelos, foi utilizada uma planilha eletrnica, esta, por sua vez, atravs
do mtodo dos mnimos quadrados, gerou os parmetros a, b, c e d, para cada modelo
matemtico testado.
5.3
CRITRIOS DE DESEMPENHO DOS MODELOS

No desempenho do modelo na calibrao foram considerados o erro quadrado relativo
mdio percentual, % (equao (6)) e o coeficiente de determinao ajustado (R_a) (equao

(7)).
[ (
) ]
(6)
Sendo:
Qi = vazo observada (m/s);
Q i = vazo estimada pelo modelo de regionalizao (m/s); e

N = nmero total de vazes observadas.
(7)
Sendo:
R_a = coeficiente de determinao ajustado.
= nmero de valores observados;
= nmero de variveis independentes;
R = coeficiente de determinao.
Na etapa de validao, foram utilizados os valores do erro quadrtico relativo mdio

percentual (%) e os coeficientes de Nash-Sutcliffe (Nash) (equao (8)), para se avaliar o
desempenho do modelo. Nash & Sutcliffe (1970) propuseram uma equao que compara a
reduo do desvio quadrtico do erro do modelo com o desvio quadrtico do modelo
alternativo de prever sempre a mdia dos valores.
33
O coeficiente de Nash pode variar a partir de - a 1,0. Quanto mais prximo de 1,

mais exato ser o modelo. O valor de Nash fortemente influenciado por erros nas vazes
mximas, por isto, quando Nash prximo de 1, o modelo est obtendo um bom ajuste para
as cheias. O desempenho de um modelo considerado adequado e bom se o valor de Nash
supera 0,75, e considerado aceitvel se o valor de Nash ficar entre 0,36 e 0,75
(COLLISCHONN, 2001).
(8)
Sendo,
Nash o coeficiente de Nash-Sutcliffe;

a vazo observada;
a vazo simulada pelo modelo;

a mdia das vazes observadas.
5.4
ANLISE DE MULTICOLINEARIDADE
Caracteriza-se a multicolinearidade como uma alta correlao entre duas ou mais
variveis independentes em um modelo de regresso linear mltipla. Isto deve ser evitado,
pois acarreta em perturbaes ao modelo, resultando em valores imprecisos. Esta condio
pode ser feita determinando-se os coeficientes de correlao simples entre as variveis
independentes. Caso sejam encontrados valores absolutos prximos de 1 na correlao entre
qualquer par de variveis, certamente haver multi-colinearidade.
Segundo Naghettini e Pinto (2007), para se evitar a multi-colinearidade, elimina-se
uma entre cada conjunto de duas variveis independentes que apresentarem coeficiente de
correlao superior a 0,85. As medidas de correlao, frequentemente so designadas por r,
so adimensionais e variam entre -1 e +1. Quando r = 0, no existe correlao entre as duas
variveis. No caso de r > 0, a correlao positiva e uma varivel aumenta quando a outra
cresce. Sendo r < 0, a correlao negativa e as variveis variam em direes opostas. No
Quadro 1 esto apresentados os graus de correlao entre variveis.
34
Quadro 1 Graus de correlao entre variveis
Coeficiente
Correlao
| |
Nula
| |
Fraca
| |
Mdia
| |
Forte
| |
Fortssima
| |
Perfeita
Fonte: Dantas, 1998.
A matriz de correlao construda a partir do clculo dos coeficientes de correlao

simples (r) entre as variveis do modelo, definido pela equao (9):
) ][
(9)
(
) ]
Considerando Y a varivel dependente; X1 e X2 as variveis explicativas; e r o

coeficiente de correlao simples entre as variveis, a matriz de correlao pode ser escrita
conforme o Quadro 2:
Quadro 2 Matriz de correlao
5.5
APLICAO DA REGRESSO MLTIPLA

A regresso mltipla uma metodologia estatstica cujo objetivo principal obter uma
relao matemtica entre uma varivel dependente com base num conjunto de outras variveis
(independentes ou explicativas). Esta metodologia pode ser usada com a finalidade de
melhorar o modelo desenvolvido para explicar o comportamento das variveis que esto
sendo estudadas.
35
Quanto mais significativo for o peso de uma varivel isolada, ou de um conjunto de

variveis explicativas, tanto mais se poder afirmar que alguns fatores afetam mais o
comportamento de uma varivel de resposta especificamente procurada, do que outros.
A relao entre a varivel dependente e as demais variveis independentes pode ser
formulada de acordo com um modelo linear dado pela equao (10):
(10)
Sendo:
= varivel dependente;
= constante de regresso;
= coeficientes de regresso;
= variveis independentes ou explicativas;
= erro da regresso.
Um modelo semelhante ao anterior, porm em forma no linear, expresso pela

equao (11). Esse modelo pode ser linearizado aplicando-se o logaritmo nos dois termos da
equao, fazendo-se, ento, a regresso linear mltipla entre os logaritmos das variveis
envolvidas.
(11)
Analogamente ao caso anterior,
...
podem ser calculados pela minimizao
dos quadrados dos erros da regresso.
5.5.1 Modelos de Regionalizao

A regionalizao foi efetivada por meio da tcnica da regresso mltipla. De posse dos
valores dos parmetros a, b, c e d do melhor modelo obtido na calibrao e das caractersticas
morfoclimticas das estaes analisadas (Tabela 3), foi aplicada a regresso mltipla, entre os
parmetros e as variveis independentes, por meio das equaes de regresso linear e no
linear (equaes (12) e (13)).
36
(12)
(13)
Em que,
V a varivel dependente que representa os parmetros das curvas de permanncia de

vazo, b0 uma constante da regresso, b1, b2, b3 e b4 so os coeficientes da regresso, tais
coeficientes explicam a variao espacial das vazes por meio das caractersticas
morfoclimticas, e A, P, L e H so as variveis independentes.
5.5.2 Mtodo dos mnimos quadrados

Os modelos de regresso (equaes (10) e (11)) so representados em notao
matricial por (equao (14)):
[ ]
[ ][ ]
(14)
Em que:
[Y] um vetor (n x 1) das observaes da varivel dependente;
[X] uma matriz (n x P) com as n observaes de cada uma das P variveis
independentes; e
[ ] um vetor (P x 1) com os parmetros desconhecidos.
Em forma matricial representada por (equao (15)):
[ ]
(
[
(15)
As equaes normais de regresso so representadas pelo seguinte sistema (equao

(16)):
[ ] [ ]
[ ] [
(16)
37
As equaes normais (equao (17)) podem ser obtidas, mediante multiplicao de

ambos os membros da equao 10 por X1, X2...Xi, sucessivamente, e a soma membro a
membro das expresses resultantes.
(17)
Onde Y a varivel dependente, Xi so as variveis independentes, N o tamanho da

amostra e os
so os coeficientes de regresso.
As solues da equao 16 so encontradas pela multiplicao dos termos da equao

por ([ ] [ ]) . Desse modo, a soluo do vetor [ ],corresponde ao estimador de mnimos
quadrados de
dado pela equao (18):
[ ]
[ ] [ ]
(18)
[ ] [ ]
O somatrio total dos quadrados pode ser representado pela (equao 19):
([ ] [ ] [ ]
[ ] [ ]
([ ] [ ]
[ ] [ ] [ ])
(19)
A Tabela 4 ilustra as parcelas dos somatrios dos quadrados que calculada por
planilha eletrnica na forma de uma tabela de anlise de varincia (ANOVA).
Tabela 4 Tabela ANOVA da regresso mltipla
Fonte de
variao
Graus de
liberdade
Regresso
Resduos
Total
Fonte: PESSOA (2011).
Soma dos quadrados

[ ] [ ] [ ]
[ ] [ ]
[ ] [ ]
Quadrado mdio
[ ] [ ] [ ]
38
Em que,
o tamanho da amostra;
o nmero de variveis independentes;
o somatrio dos quadrados da regresso;

quadrado mdio dos resduos; e
o quadrado mdio da regresso;
o somatrio dos quadrados total.
A metodologia dos mnimos quadrados ser utilizada para obtermos os valores dos
parmetros b0, b1, b2, b3 e b4 na equao de regresso. Desta forma, pode-se prever o
comportamento da vazo, baseado nas caractersticas morfoclimticas: rea da bacia (b1),
precipitao (b2), comprimento do rio principal (b3) e desnvel do rio principal (b4).
5.6
TESTE DE SIGNIFICNCIA DA EQUAO DE REGRESSO MLTIPLA

Segundo Naghettini e Pinto (2007), a existncia de uma relao significativa entre a
varivel dependente e as variveis independentes ou explicativas, pode ser avaliada pelo teste
Ftotal, o qual utilizado para testar a razo entre duas varincias. A estatstica do teste a
relao entre a varincia decorrente da regresso mltipla e a varincia dos resduos (equao
(20)):
[ ] [ ] [ ]
[ ] [ ]
[ ] [ ] [ ]
(20)
No qual, QMReg. o quadrado mdio da regresso e QMRes. o quadrado mdio dos

resduos, P e n p 1 so os graus de liberdade (que um valor calculado a partir do nmero
total de observaes menos o nmero de parmetros estimados) da distribuio F de FisherSnedecor, sendo que P o nmero de variveis independentes.
A hiptese nula ser aceita se (equao (21)):
(21)
Em que, o nvel de significncia.
Quando o valor calculado de F maior que o valor tabelado (F de Snedecor) para uma
significncia de 5%, a hiptese de que os coeficientes da equao de regresso so nulos pode
ser rejeitada e a regresso aceita a este nvel de significncia. A tabela da distribuio F de
Snedecor pode ser observada no Anexo A.
39
5.7
VALIDAO DO MODELO
Para a validao dos modelos de regresso, foram quantificados e analisados os erros
contidos no modelo regional. Foi utilizado o mtodo Jack-knife, o qual consiste em uma
repetida anlise espacial dos resultados excluindo-se uma das estaes para a regresso com a
finalidade de validar o modelo utilizando a mesma. Esse procedimento deve ser feito para
todas as estaes utilizadas na regionalizao dos parmetros do modelo, visando verificar se
os erros contidos no modelo so aceitveis.
Este procedimento resumido por Castellarin et al. (2007), e foi utilizado por Shu e
Ouarda (2012), para avaliar o desempenho do mtodo de estimativas de vazes dirias
aplicados rede de estaes fluviomtricas de Quebec, Canad, o procedimento foi adaptado
para as seguintes etapas:
Etapa 1: selecionam-se as caractersticas morfoclimticas e os valores dos parmetros
a, b, c e d, obtidos na calibrao para as N estaes fluviomtricas utilizadas no
estudo;
Etapa 2: uma das estaes definida como bacia-alvo, retirada do modelo ajustado; e
ento aplicada a tcnica de regresso mltipla para obter o modelo regional dos
dados das N-1 estaes restantes;
Etapa 3: o modelo regional produzido na etapa 2 aplicado aos dados da bacia-alvo
para calcular os parmetros a, b, c e d;
Etapa 4: de posse dos parmetros a, b c e d feita a estimativa de vazes para a baciaalvo;
Etapa 5: as vazes estimadas na etapa 4 so comparadas com as vazes observadas da
bacia-alvo, calculando-se o erro quadrtico relativo mdio percentual (%) e o
coeficiente de Nash-Sutcliffe (Nash), que so utilizados para avaliar o mtodo;
Etapa 6: as etapas 2 a 5 so repetidas N vezes, de forma que cada estao torne-se
bacia-alvo, podendo-se ao final obter valores para analisar a eficincia do modelo.
A escolha desse procedimento deve-se possibilidade de se fazer um nmero de

regionalizaes igual ao nmero de estaes disponveis em uma regio, de forma que, para
cada curva estimada, exista uma curva observada para comparao e anlise, visando verificar
se os erros contidos no modelo so aceitveis.
40
RESULTADOS E DISCUSSES
6.1
CALIBRAO
As curvas de permanncia calibradas para os modelos cbicos, quadrtico,
logartmico, exponencial e potncia, podem ser observadas no Apndice A.

O modelo cbico apresentou-se como o mais adequado para se efetivar a
regionalizao, pois apresentou os resultados mais satisfatrios, com menor %, maior R_a e
melhor ajuste das curvas de permanncia calibradas. As mdias dos resultados obtidos para
cada modelo esto apresentadas na Tabela 5.
Tabela 5 Mdia dos erros percentuais (%) e do Coeficiente de determinao ajustado (R_a) de cada
modelo na calibrao
Modelo
Cbico
Mdia
6.2
Logartmico
R _a
1,3140
0,9964
Potncia
R _a
3,4407
0,9747
Exponencial
R _a
5,9228
0,8814
Quadrtico
R _a
R2_a
1,9167
0,9789
3,9693
0,9807
ANLISE DE MULTICOLINEARIDADE
Como no houve multi-colinearidade, pois nenhum valor aproximou-se de 0,85, todas
as variveis independentes foram utilizadas na regionalizao (Tabela 6).

Tabela 6 Matriz de correlao entre as variveis independentes
A (km)
6.3
P (mm)
L (km)
A (km)
P (mm)
-0,086
L (km)
0,403
-0,207
H (m)
-0,007
-0,177
0,277
H (m)
MODELO DE REGRESSO UTILIZADO NA REGIONALIZAO

A Tabela 7 resume os valores dos parmetros do modelo cbico, os quais foram
obtidos das curvas calibradas (APNDICE A). Os parmetros a, b, c e d podem ser

interpretados como representativos das informaes fsicas e climticas, que exercem
influncia nas vazes.
41
Tabela 7 Parmetros e coeficientes de determinao ajustado das equaes de regresso do modelo

cbico
Cdigo
Parmetros
Estao
R2_a
14436
5949,1
0,9995
16430000
Garganta
4993
13220
16460000
Caramujo
6785,1
20187
26756
12956
0,9864
16480000
Aldeia Wai-Wai
2144
5797
6218,8
2470,6
0,9991
16500000
Estiro da Anglica
2498,9
7309
8822,9
3906,3
0,9954
16700000
Tirios
75,749
258,28
364,25
177,74
0,9872
17090000
Boca do Inferno
829,36
3186,7
4735,9
2333,8
0,9863
17345000
Base do Cachimbo
58,29
137,21
177,29
86,582
0,9933
17500000
24190
43580
25853
2265,3
0,9981
776,13
1992,8
1913,1
648,86
0,9993
17650002
Fortaleza
Creporizo (Ex - Mundico
Coelho)
Acar do Tapajs
21904
39512
25416
4046,6
0,9985
17675000
Jardim do Ouro
3913,6
10020
9624,7
3365,5
0,9993
17680000
Jamanxim
3551,8
7499
3839,3
352,93
0,9922
18121006
Barragem - Conj.4
512,84
1400,5
1912,4
976,21
0,9973
18200000
Arapari
591,58
2123,1
2978,1
1422,2
0,9862
18250000
Uruar
187,7
672
913,53
421,5
0,9959
18280000
Apalai
505,16
1465,4
1771,9
792,23
0,9959
18460000
Boa Sorte
10286
20592
13741
2209,8
0,9989
18480000
Fazenda Rio Dourado
497,69
1339,9
1309
430,49
0,9973
18500000
Boa Esperana
3305,6
9090,7
8831,3
2855,1
0,9994
18510000
So Flix Do Xingu
13377
25215
14086
725,61
0,9972
18514000
UHE Pombal
14007
28954
19483
2991,9
0,9969
18520000
Belo Horizonte
15720
33499
23681
4163,9
0,9959
18590000
4536,3
14716
17923
7561,3
0,9962
18600000
Laranjeiras
4473,2
10058
6567,6
615,87
0,9952
18650000
Cajueiro
2995,9
7558,2
6662,3
1929,7
0,9985
18700000
Pedra do
10078
24465
18393
3342,6
0,9961
18849100
UHE Altamira
26079
59027
41978
6945,4
0,9979
18850000
Altamira
27230
66797
56307
14957
0,9975
18880000
Fazenda Cipauba
1656,8
6301,4
8632,2
3932,1
0,9952
19985000
Pacajs
609,24
2149,7
2804,1
1244,6
0,9987
27500000
Conceio do Araguaia
17839
45921
45331
15704
0,9989
29050000
Marab
33497
83450
84307
31120
0,9981
29100000
Fazenda Alegria
2311,8
7373,2
9114,8
3932,2
0,9996
29200000
Itupiranga
33605
79079
85542
36598
0,9984
29700000
Tucuru
37897
107587
124311
50139
0,9972
31020000
546,33
1844
2458,1
1128,7
0,9997
31520000
Bom Jardim
469,39
1409,8
1795,7
827,13
0,9987
31680000
Fazenda Maring
1237
3192
4205,5
2101,6
0,9997
31700000
Badajs
1433,7
3879,5
5630,4
3011,9
0,9903
32350000
Nova Mocajuba
115,59
177,02
44,971
27,512
0,9978
17610000
42
32400000
Sete Ilhas
235,27
837,04
1127,9
515,19
0,9973
32450002
Tararua - Ponte
344,1
1167,8
1467,9
631,48
0,9994
32550000
Cafezal
193,53
503,33
605,17
267,29
0,9993
A partir da aplicao do processo de regresso foram obtidos os modelos de

regionalizao linear (equaes (22-25)) e no linear (equaes (26-29)). Esses modelos
podem ser usados para estimar os valores dos parmetros e, portanto, construir uma curva de
permanncia de vazes da forma cbica (equao (5)) para qualquer outro local do Estado do
Par onde os dados so inexistentes ou insuficientes.
Modelo de Regionalizao Linear
Modelo de Regionalizao No linear
R_a
R_a
Ftotal
695,31
(22)
318,02
(23)
93,62
(24)
38,42
(25)
Ftotal
299,94
(26)
252,76
(27)
113,51
(28)
32,60
(29)
Atravs do teste Ftotal, as equaes dos parmetros foram consideradas significativas,

pois a estatstica dos testes Ftotal foram maiores que os valores de referncia para um nvel de
significncia de 5% (F(0,05; 4; 38) de Fisher-Snedecor = 2,61).
6.4
VALIDAO
O erro relativo mdio apresentou variabilidade alta e ocorreu coeficiente de Nash
negativos em algumas bacias, devido o modelo ter produzido translao da curva estimada em
relao observada (Tabela 8). No entanto, o modelo que apresentou resultados mais
satisfatrios foi o no linear, visto que apresentou melhor ajuste das curvas simuladas e
observadas (Figuras 3, 4, 5 e 6).
43
Tabela 8 Valores do Erro relativo mdio e coeficiente de Nash de cada bacia-alvo

Linear
Cdigo
Bacia-alvo
No linear
Erro (%)
Nash
Erro (%)
Nash
16430000 Garganta
8,39
0,93
9,62
0,65
16460000 Caramujo
7,33
0,58
9,90
0,44
16480000 Aldeia Wai-Wai
13,47
0,87
6,11
0,91
16500000 Estiro da Anglica
34,04
-0,08
13,22
0,87
16700000 Tirios
500,20
-274,28
65,99
-1,32
17090000 Boca do Inferno
20,36
-1,49
21,45
-3,04
17345000 Base do Cachimbo
315,71
-768,13
35,39
-6,15
17500000 Fortaleza
7,46
0,63
3,15
0,86
17610000 Creporizo (Ex - Mundico Coelho)
23,41
-4,63
17,89
0,39
17650002 Acar do Tapajs
5,53
0,81
2,76
0,95
17675000 Jardim do Ouro
9,67
0,29
10,03
0,57
17680000 Jamanxim
3,40
0,95
3,48
0,93
18121006 Barragem Conj. 4
27,03
-2,27
14,12
-3,56
18200000 Arapari
54,82
-1,48
17,12
-0,55
18250000 Uruar
148,31
-132,31
66,60
-0,34
18280000 Apalai
32,70
-0,60
2,92
0,89
18460000 Boa Sorte
1,51
0,96
9,51
0,90
18480000 Fazenda Rio Dourado
9,17
0,94
1,90
0,96
18500000 Boa Esperana
7,12
0,79
19,76
0,94
18510000 So Flix do Xingu
1,34
0,99
8,39
0,95
18514000 UHE Pombal
1,64
0,98
11,71
0,90
18520000 Belo Horizonte
1,37
1,00
10,30
0,94
18590000 Manoel Jorge (Terra Preta)
9,42
0,66
19,28
0,92
18600000 Laranjeiras
8,10
0,96
16,06
0,71
18650000 Cajueiro
7,40
0,92
18,70
0,89
18700000 Pedra do
3,42
0,98
21,51
0,81
18849100 UHE Altamira
5,13
0,99
19,96
0,90
18850000 Altamira
6,43
0,98
22,50
0,91
18880000 Fazenda Cipauba
42,21
-1,58
27,67
0,41
19985000 Pacajs
35,08
-3,47
11,66
0,40
27500000 Conceio do Araguaia
3,20
0,91
11,45
0,68
29050000 Marab
4,02
0,97
10,19
0,95
29100000 Fazenda Alegria
14,96
0,61
17,07
0,75
29200000 Itupiranga
1,90
0,97
4,81
0,94
44
29700000 Tucuru
3,80
0,95
4,10
0,95
31020000 Cachoeira Tracambeua
25,10
0,16
10,45
0,91
31520000 Bom Jardim
97,31
-27,11
10,66
0,85
31680000 Fazenda Maring
27,77
-12,08
12,28
-2,02
31700000 Badajs
22,09
-7,62
12,18
-2,68
32350000 Nova Mocajuba
322,73
-119,43
14,10
0,77
32400000 Sete Ilhas
193,15
-19,66
30,27
0,67
32450002 Tararua - Ponte
141,14
-6,05
27,19
0,81
32550000 Cafezal
65,54
-12,40
20,05
-2,39
52,88
-31,95
16,36
0,12
Mdia
Figura 3 - Curvas de permanncia de vazes simuladas na validao do modelo para as estaes

Garganta, Caramujo, Aldeia Wai-Wai, Fortaleza, Acar do Tapajs, Jamanxim, Apalai, Boa Sorte e
Fazenda Rio Dourado.
Estao Garganta - Cd. ANA (16430000)
Estao Caramujo - Cd. ANA (16460000)
Erro (%) = 9,62

Nash = 0,65
Q obs.
2400
Q sim.
5000
Erro (%) = 6,11

Nash = 0,91
2000
Q obs.
4000
Q sim.
3000
1600
Q = 1929,6929 - 5800,1337.D + 6264,4795.D 2243,0431.D
2500
Erro (%) = 9,9

Nash = 0,44
6000
3200
Q (m/s)
4000
Q obs.
1500
Q sim.
1000
2000
800
500
1000
0
0
0,2
0,4
0,6
0,8
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
D (%)
Estao Fortaleza - Cd. ANA (17500000)
Estao Acar do Tapajs - Cd. ANA (17650002)
Estao Jamanxim - Cd. ANA (17680000)
Q = 19385,3001 - 35442,1664.D + 25873,6673.D 4929,5792.D
Q = 3373,0503 - 10015,3384.D + 11264,59.D

- 4443,5001.D
Q = 20011,353 - 39502,7467.D + 30181,8047.D 6516,5951.D

25000
25000
Erro (%) = 3,15

Nash = 0,86
20000
Q obs.
15000
3000
10000
Erro (%) = 3,48

Nash = 0,93
2500
Q obs.
15000
Q sim.
3500
Erro (%) = 2,76

Nash = 0,95
Q (m/s)
Q (m/s)
20000
D (%)
Q (m/s)
Q (m/s)
7000
Estao Aldeia Wai-Wai - Cd. ANA (16480000)
Q = 4017,3587 - 10134,5424.D + 9420,0592.D 3009,9076.D
Q (m/s)
Q = 3684,1637 - 10803,4915.D + 10973,6398.D 3596,2885.D

4800
Q obs.
2000
Q sim.
Q sim.
1500
10000
1000
5000
5000
0
0,2
0,4
0,6
0,8
0
0
0,2
0,4
D (%)
0,8
0,4
0,6
0,8
Estao Apalai - Cd. ANA (18280000)
Estao Boa Sorte - Cd. ANA (18460000)
Estao Fazenda Rio Dourado

Cd. ANA (18480000)
Q = 617,0161 - 1771,2117.D + 1900,058.D 715,5481.D
Q = 12257,5254 - 29650,6063.D + 26558,7219.D 64.56,2904D
500
12000
Q (m/s)
Q obs.
300
Q sim.
500
8000
Q obs.
6000
Q sim.
Q obs.
300
4000
200
100
2000
100
0,4
0,6
D (%)
0,8
Erro (%) = 1,9

Nash = 0,96
400
200
0,2
Q = 586,584 - 1754,7039.D + 1956,905.D 763,1832.D
600
Erro (%) = 9,51

Nash = 0,9
10000
Erro (%) = 2,92

Nash = 0,89
400
0,2
D (%)
Q (m/s)
600
0,6
D (%)
Q (m/s)
500
Q sim.
0
0
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
45
Figura 4 - Curvas de permanncia de vazes simuladas na validao do modelo para as estaes So

Flix do Xingu, Itupiranga, Tucuru, Estiro da Anglica, Creporizo, Jardim do Ouro, Barragem
Conj. 4, Arapari, Boa Esperana, UHE Pombal, Belo Horizonte, Manoel Jorge, Laranjeiras, Cajueiro e
UHE Altamira
Estao So Flix do Xingu
Cd. ANA (18510000)
Estao Itupiranga - Cd. ANA (29200000)
35000
30000
Erro (%) = 8,39

Nash = 0,95
10000
Q obs.
7500
30000
Erro (%) = 4,81

Nash = 0,94
25000
Q (m/s)
Q (m/s)
12500
10000
2500
5000
5000
0
0,2
0,4
0,6
0,8
0,2
0,4
Estao Estiro da Anglica

Cd. ANA (16500000)
0,6
0,8
0,2
Erro (%) = 13,22

Nash = 0,87
600
Erro (%) = 17,89

Nash = 0,39
Q = 2330,3402 - 6407,6998.D + 6619,7234.D 2163,0149.D
4000
Q obs.
400
Q sim.
Q sim.
Erro (%) = 10,03

Nash = 0,57
3000
Q (m/s)
Q (m/s)
Q (m/s)
3500
1000
Estao Jardim do Ouro - Cd. ANA (17675000)
Q = 448,6142 - 1350,1003.D + 1583,9187.D 735,9466.D
Q obs.
0,8
Estao Creporizo (Ex - Mundico Coelho)

Cd. ANA (17610000)
800
1500
0,6
D (%)
Q = 2627,9145 - 8334,3465.D + 9138,5643.D 3479,0111.D
2000
0,4
D (%)
D (%)
2500
Q sim.
15000
10000
Q obs.
20000
Q sim.
15000
5000
Erro (%) = 4,09

Nash = 0,95
25000
Q obs.
20000
Q sim.
Q = 33126,0797 - 65424,7683.D + 51141,968.D

-13567,6605.D
35000
Q (m/s)
Q = 15127,5795 - 36661,8264.D + 32927,1438.D 8364,0863.D
15000
Estao Tucuru - Cd. ANA (29700000)
Q = 29877,7095 - 63838,1389.D + 50187,3259.D

-9339,4337.D
2500
Q obs.
2000
Q sim.
1500
200
500
1000
500
0
0,2
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
D (%)
Estao Barragem - Conj. 4

Cd. ANA (18121006)
Estao Arapari - Cd. ANA (18200000)
Q = 1186,5941 - 3481,8626.D + 3780,8409.D 1406,7619.D
1250
1000
Q (m/s)
0,4
750
Q obs.
500
Q sim.
0,2
0,4
0,6
0,8
D (%)
Estao Boa Esperana - Cd. ANA (18500000)
Q = 3181,9222 - 8687,0857.D + 8517,6756.D 2355,1013.D
3500
Erro (%) = 19,76

Nash = 0,94
3000
Erro (%) = 17,12

Nash = -0,55
800
Erro (%) = 14,12

Nash = -3,56
Q = 983,4722 - 2934,4647.D + 3207,0547.D 1149,9912.D
1000
Q (m/s)
Q obs.
600
Q sim.
Q (m/s)
2500
Q obs.
2000
Q sim.
1500
400
1000
250
200
0
0,4
0,6
0,8
0,2
0,4
D (%)
Q = 16398,3791 - 40329,1.D + 35953,4772.D 8318,0354.D
Q (m/s)
15000
Erro (%) = 11,71

Nash = 0,9
Q obs.
7500
Q sim.
2500
2500
0,6
0,8
3000
2500
Q obs.
2000
Q sim.
1500
1000
500
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
D (%)
Estao Laranjeiras - Cd. ANA (18600000)
Estao Cajueiro - Cd. ANA (18650000)
Estao UHE Altamira - Cd. ANA (18849100)
Q = 3179,6582 - 8564,1532.D + 8631,9539.D 2338,9398.D
Q = 2578,6322 - 7127,7097.D + 7073,7132.D 1937,3722.D
Q = 27684,4402 - 67616,6269.D + 58510,8753.D

-11901,012.D
3000
Erro (%) = 16,06

Nash = 0,71
3500
3000
Q obs.
2500
Q sim.
2000
1500
1000
500
30000
Erro (%) = 16,68

Nash = 0,89
2500
Q (m/s)
4000
Q (m/s)
Erro (%) = 19,28

Nash = 0,92
3500
Q sim.
D (%)
0,2
0,4
0,6
D (%)
0,8
Erro (%) = 19,96

Nash = 0,9
25000
2000
Q obs.
1500
Q sim.
20000
Q obs.
15000
1000
10000
500
5000
0,8
Q = 4134,5701 - 108102,8053.D + 10045,5409.D

- 2489,019.D
4500
Q obs.
7500
5000
0,6
4000
10000
5000
4500
0,4
Estao Manoel Jorge (Terra Preta)

Cd. ANA (18590000)
Erro (%) = 10,29

Nash = 0,94
12500
10000
0,4
0,2
D (%)
Estao Belo Horizonte - Cd. ANA (18520000)
0,2
Q = 15647,8867 - 38192,2331.D + 33650,4189.D

-7184,9596.D
12500
0,8
Estao UHE Pombal - Cd. ANA (18514000)
Q (m/s)
15000
0,6
D (%)
Q (m/s)
0,2
Q (m/s)
500
Q sim.
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
46
Figura 5 - Curvas de permanncia de vazes simuladas na validao do modelo para as estaes,

Pacajs, Conceio do Araguaia, Marab, Fazenda Alegria, Cachoeira Tracambeua, Bom Jardim,
Fazenda Maring, Badajs, Nova Mocajuba, Cafezal, Tirios, Boca do Inferno, Base do Cachimbo,
Uruar, Pedra do
Estao Conceio do Araguaia
Cd. ANA (27500000)
Estao Pacajs - Cd. ANA (19985000)
400
Q (m/s)
Q (m/s)
500
Q obs.
300
Q = 11960,7824 - 30334,6419.D + 28048,1317.D 5632,9327.D
20000
Erro (%) = 11,66

Nash = 0,39
Q sim.
35000
15000
Q obs.
10000
25000
10000
5000
5000
0
0,2
0,4
0,6
0,8
0,4
0,8
0,2
0,4
0,6
0,8
D (%)
Estao Fazenda Alegria

Cd. ANA (29100000)
Estao Cachoeira Tracambeua

Cd. ANA (31020000)
Estao Bom Jardim - Cd. ANA (31520000)
Q sim.
300
500
100
0
0,6
0,8
Q sim.
Q sim.
100
0
0,2
0,4
D (%)
0,6
0,8
0,2
0,4
D (%)
Estao Fazenda Maring

Cd. ANA (31680000)
Erro (%) = 12,18

Nash = -2,68
2500
1500
Q (m/s)
Erro (%) = 12,28

Nash = -2,02
Q obs.
0,8
Estao Nova Mocajuba - Cd. ANA (32350000)
Q = 2779,6458 - 6534,8959.D + 5637,6367.D 1605,0681.D
3000
0,6
D (%)
Estao Badajs - Cd. ANA (31700000)
Q = 2276,8357 - 4872,8086.D + 3442,5094.D 572,0446.D
2000
Q obs.
300
200
Q = 115,5539 - 361,5492.D + 525,7439.D 295,0191.D
120
Erro (%) = 14,09

Nash = 0,77
100
2000
Q obs.
1500
Q sim.
Q (m/s)
0,4
Q obs.
200
1000
Erro (%) = 10,66

Nash = 0,85
400
Q (m/s)
Q (m/s)
Q obs.
Q = 538,9621 - 1420,0022.D + 1415,8243.D 551,0446.D
500
Erro (%) = 10,45

Nash = 0,91
400
1500
0,2
Q = 454,8716 - 1340,5129.D + 1477,2816.D 600,1132.D
500
Erro (%) = 17,07

Nash = 0,75
2000
2500
0,6
D (%)
2500
0,2
D (%)
Q = 2840,7003 - 8144,6669.D + 8379,6533.D 2562,7959.D
3000
80
Q obs.
60
Q sim.
Q sim.
1000
1000
40
500
500
20
0
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
0,6
0,8
Estao Tirios - Cd. ANA (16700000)
400
Q = 75,9615 - 215,2001.D + 254,1029.D 170,8277.D
300
Erro (%) = 20,00

Nash = -2,39
80
Q (m/s)
70
Q obs.
200
Q sim.
50
Q obs.
40
Q sim.
0
0,6
0,8
Q sim.
0,2
0,4
0,6
0,8
0,2
0,4
250
Q sim.
Q (m/s)
Q obs.
30
Estao Uruar - Cd. ANA (18250000)
Estao Pedra do - Cd. ANA (18700000)
Q = 7610,6226 - 19555,0739.D + 17868,7995.D 3898,062.D
10000
Erro (%) = 66,6

Nash = -0,34
200
Erro (%) = 35,39

Nash = -6,15
0,8
Q = 235,4699 - 720,7238.D + 885,2808.D 506,2139.D
Erro (%) = 21,51

Nash = 0,81
8000
Q (m/s)
Q = 37,0248 - 109,5743.D + 127,841.D 97,2967.D
50
0,6
D (%)
D (%)
Estao Base do Cachimbo

Cd. ANA (17345000)
40
Q obs.
750
D (%)
60
1000
250
10
0,4
1250
500
20
Erro (%) = 21,45

Nash = -3,04
1500
30
100
0,8
Q = 1678,7663 - 4919,7124.D + 5300,9044.D 1961,1939.D
1750
Erro (%) = 65,99

Nash = -1,32
60
0,6
Estao Boca do Inferno - Cd. ANA (17090000)
Estao Cafezal - Cd. ANA (32550000)
0,2
0,4
D (%)
Q = 397,2158 - 1141,6338.D + 1270,7852.D 570,8881.D
0,2
D (%)
Q (m/s)
Q (m/s)
Q (m/s)
Q sim.
15000
100
Q (m/s)
Q obs.
20000
Q sim.
200
Q (m/s)
Erro (%) = 10,19

Nash = 0,95
30000
Erro (%) = 11,45

Nash = 0,68
Q (m/s)
Q = 264,7229 - 810,7882.D + 888,2599.D 333,4542.D
600
Estao Marab - Cd. ANA (29050000)
Q = 31719,1108 - 68765,9188.D + 55861,2703.D

-11450,3646.D
Q obs.
150
Q sim.
Q obs.
6000
100
4000
50
2000
Q sim.
20
10
0
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
47
Figura 6 - Curvas de permanncia de vazes simuladas na validao do modelo para as estaes

Altamira, Fazenda Cipauba, Sete Ilhas e Tararua-Ponte
Estao Fazenda Cipauba
Cd. ANA (18880000)
Estao Altamira - Cd. ANA (18850000)

Q = 27176,4935 - 65767,6435.D + 56261,374.D
-11203,126.D
Erro (%) = 22,49
Nash = 0,91
Q obs.
15000
Q sim.
10000
1250
Q obs.
1000
Q sim.
750
150
Q obs.
Q sim.
100
500
5000
Erro (%) = 30,27

Nash = 0,67
200
Erro (%) = 27,67

Nash = 0,41
1500
Q = 174,3592 - 505,2315.D + 576,6627.D 296,3762.D
250
1750
Q (m/s)
Q (m/s)
20000
Q = 1926,8402 - 4981,4153.D + 4766,1933.D 1406,7827.D
2000
Q (m/s)
25000
Estao Sete Ilhas - Cd. ANA (32400000)
50
250
0
0,2
0,4
0,6
0,8
D (%)
Q = 255,5615 - 751,8462.D + 854,1433.D 407,6335.D
350
300
Erro (%) = 27,19

Nash = 0,81
250
200
Q obs.
150
Q sim.
100
50
0
0
0,2
0,4
D (%)
0,2
0,4
0,6
D (%)
Estao Tararua-Ponte - Cd. ANA (32450002)
Q (m/s)
0
0
0,6
0,8
0,8
0,2
0,4
0,6
D (%)
0,8
48
PROPOSTA DE OTIMIZAO DO MODELO
Devido aos erros apresentados na Tabela 8 e nas Figuras 4, 5 e 6, a otimizao do

modelo de regionalizao proposta, a qual se baseia no mtodo da tentativa e erro em funo
do agrupamento das estaes fluviomtricas em relao dimenso das reas de drenagem
das bacias e da insero de estaes fluviomtricas sintticas para aumentar a densidade de
dados disponvel ao modelo. Buscando-se com isso, a minimizao dos erros relativos
percentuais entre as curvas de permanncia observadas e simuladas de todas as bacias
hidrogrficas analisadas.
7.1
AGRUPAMENTO DAS ESTAES EM RELAO S REAS DE DRENAGEM

Os agrupamentos das estaes foram realizados levando-se em considerao as
dimenses das reas de drenagem das bacias (Figura 7).
Figura 7 - Distribuio espacial das estaes fluviomtricas dos grupos I, II e III
49
As 43 estaes fluviomtricas foram divididas em trs grupos, no grupo I, esto s

bacias com reas de drenagem no intervalo de 465 a 15000 km; no grupo II, as bacias com
reas no intervalo de 15000 a 55000 km e no grupo III, as que possuem reas no intervalo de
55000 a 764000 km (Figura 7). Para bacias menores que 465 km2, a metodologia foi testada e
no obteve bons resultados. Para essas bacias, indica-se o trabalho de Blanco et al., 2013, o
qual prope modelos chuva-vazo para simulao de curvas de permanncia de Pequenas
bacias da Amaznia.
Aps o agrupamento, a calibrao foi aplicada a cada grupo e o modelo cbico
apresentou-se como o mais adequado para se efetivar a regionalizao nos trs grupos, pois
apresentou resultados mais satisfatrios, com menor % e maior R_a. As mdias dos
resultados obtidos para cada modelo esto apresentadas na Tabela 9.
Tabela 9 Resumo da Mdia dos Erros (%) e R_ajustado (R2_a)
Modelos
Cbico
Logartmico
Potncia
Exponencial
Quadrtico
(%)
R2_a
(%)
R2_a
(%)
R2_a
(%)
R2_a
(%)
R2_a
Mdia
Grupo I
1,2993
0,9961
3,5957
0,9811
5,1279
0,9048
2,0950
0,9768
4,8036
0,9728
Mdia
Grupo II
1,1869
0,9956
3,5438
0,9777
6,2594
0,8719
2,0438
0,9705
4,5219
0,9716
Mdia
Grupo III
1,3473
0,9974
3,0753
0,9665
6,0467
0,8708
1,6620
0,9857
2,6027
0,9938
Assim, os modelos de regresso linear e no linear, representados pelas equaes 12 e

13 respectivamente, foram testados para definir o melhor modelo de regionalizao.
Conforme o mtodo de Jack-knife, foram realizadas 14 regionalizaes no grupo I, 14 no
grupo II e 15 no grupo III, sendo o nmero de regionalizaes igual ao nmero de estaes
disponveis em cada grupo.
7.1.1 Grupo I
Com o agrupamento das estaes por reas de drenagem, o grupo I abrangeu 14
estaes fluviomtricas das 43 consideradas no estudo (Tabela 10).
50
Tabela 10 Caractersticas morfoclimticas das estaes fluviomtricas do grupo I

Cdigo
Estao
A (km)
P (mm)
L (km)
H (m)
16700000 Tirios
465
2018,50
25,00
30
819
2081,00
41,00
65
6240
1780,00
133,00
270
18200000 Arapari
12400
1704,00
299,00
450
18250000 Uruar
2960
1769,73
83,00
320
18280000 Apalai
7230
1886,30
223,00
175
6860
1826,77
241,00
250
19985000 Pacajs
2682
1963,54
332,00
200
5000
1971,03
210
190
31520000 Bom Jardim
5220
2431,09
172,00
55
1130
2298,49
61,00
52
32400000 Sete Ilhas
1800
2139,65
99,00
97
2630
2139,65
134,00
128
32550000 Cafezal
4690
1914,80
121,00
140
Para evitar a multi-colinearidade entre as variveis independentes foram realizados os

clculos das correlaes entre as variveis (Tabela 11). Foi encontrado forte correlao apenas
entre rea (A) e desnvel do rio (H). Porm, de acordo com Naghettini e Pinto (2007), para se
evitar a multi-colinearidade elimina-se uma entre cada conjunto de duas variveis
independentes que apresentarem coeficiente de correlao superior a 0,85, o que no o caso,
desta forma todas as variveis foram utilizadas na regionalizao.
Tabela 11 Matriz de correlao entre as variveis independentes do grupo I
A (km)
P (mm)
L (km)
A (km)
P (mm)
-0,182
L (km)
0,669
-0,1314
H (m)
0,767
-0,405
0,587
H (m)
O processo de regresso dos parmetros em funo das caractersticas morfoclimticas

das bacias foi aplicado s 14 estaes. A partir da aplicao do processo de regresso foram
obtidos os modelos de regionalizao linear (equao (30-33)) e no linear (equao (34-37)).
51
R_a
R_a
Ftotal
4,53
(30)
8,24
(31)
10,37
(32)
8,94
(33)
Ftotal
16,98
(34)
14,56
(35)
4,67
(36)
4,52
(37)
Atravs do teste Ftotal as equaes dos parmetros do modelo regional linear (equaes
(30-31)) quanto do modelo regional no linear (equaes (34-37)) foram consideradas
significativas, pois a estatstica dos testes foram maiores que os valores de referncia para um
nvel de significncia de 5% (F(0,05; 4; 9) de Fisher-Snedecor = 3,63).
A validao dos modelos de regresso linear e no linear, foram realizadas conforme o
mtodo de Jack-knife. Na Tabela 12, podem-se observar os valores do erro mdio e
coeficiente de Nash das bacias-alvo. Com o resultado da simulao, o modelo linear (equao
(12)) apresentou-se como o mais adequado em relao ao modelo no linear (equao (13)),
visto que o erro relativo mdio percentual obtido foi igual a 11,43% e coeficiente de Nash
negativo em 6 bacia-alvo, enquanto que o modelo no linear apresentou um erro relativo
mdio percentual igual 44,07%; e coeficientes de Nash negativos em 8 bacias-alvo.
Tabela 12 Valores do erro mdio percentual e do coeficiente de Nash das bacias-alvo do grupo I
Linear
Cdigo
No linear
Bacia-Alvo
Erro (%)
Nash
Erro (%)
Nash
16700000 Tirios
25,34
-4,33
53,56
-1,02
21,88
-11,40
16,91
-1,84
12,41
-0,15
10,74
-0,11
18200000 Arapari
19,56
-1,24
115,81
-5,11
18250000 Uruar
15,58
-1,38
80,60
-1,28
18280000 Apalai
5,57
0,98
48,66
0,29
4,03
0,98
49,24
0,27
19985000 Pacajs
7,98
0,85
15,08
0,68
52
4,38
0,94
18,79
0,81
31520000 Bom Jardim
15,64
0,41
35,68
0,38
6,92
0,61
3,89
0,90
32400000 Sete Ilhas
5,75
0,94
63,62
-0,21
4,04
0,98
95,36
-0,49
32550000 Cafezal
10,88
-1,47
9,05
-0,65
11,43
-0,95
44,07
-0,53
Mdia
Na Figura 8 podem-se observar os ajustes da curva de permanncia das bacias-alvo do

modelo linear.
Figura 8 - Curvas de permanncia de vazes simuladas na validao do modelo
Estao Base do Cachimbo - Cd. ANA (17345000)
Q = 153,06 - 359,1.D + 317,5.D - 111,58.D
Q = 132,42 - 163,5.D - 57,49.D + 100,49.D
150

Cd. ANA (17610000)
Q = 275,57 - 874,96.D + 1138,37.D - 519,87.D
150
600
Q obs.
75
Q sim.
100
Q (m/s)
100
Q (m/s)
Q (m/s)
700
125
125
Q obs.
75
Q sim.
50
50
25
25
500
400
Q obs.
300
Q sim.
200
100
0,2
0,4
0,6
0,8
0,2
0,4
0,8
D (%)
D (%)
0,2
0,4
0,6
0,8
D (%)
Q = 1017,64 - 2815,95.D + 3037,09.D - 172,64.D
Q = 373,44 - 1215,01.D + 1377,04.D - 534,45.D
Q = 529,43 - 1542,21.D + 1807,68.D - 745,65.D
1000
500
350
300
Q obs.
Q sim.
400
400
250
200
Q obs.
150
Q sim.
Q (m/s)
600
Q (m/s)
800
Q (m/s)
0,6
Q obs.
300
Q sim.
200
100
200
100
50
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
D (%)

Cd. ANA (18480000)
Q obs.
200
Q sim.
100
Q (m/s)
400
300
0
0,4
0,6
D (%)
0,8
0,4
0,6
0,8

Cd. ANA (31020000)
600
500
500
400
400
Q obs.
300
Q sim.
Q = 453,48 - 1431,86.D + 1769,73.D - 770,28.D
Q obs.
300
Q sim.
200
200
100
0
0
0,2
0,2
D (%)
100
0
Q = 499,16 - 1960,32.D + 2629,74.D - 1140,04.D
Q = 555,06 - 1781,23.D + 2266,12.D - 1007,71.D

500
Q (m/s)
D (%)
Q (m/s)
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
53
500
Q = 301,15 - 1013,84.D + 1381,74.D - 702,27.D
Q = 198,67 - 682,73.D + 944,62.D - 449,4.D
Q = 242,21 - 732,99.D + 887,95.D - 393,75.D
200
Q obs.
Q sim.
200
200
Q (m/s)
300
Q (m/s)
400
Q (m/s)
250
160
Q obs.
120
Q sim.
80
150
Q obs.
100
40
100
0
0,2
0,4
0,6
0,8
Q sim.
50
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
350
Q = 303,16 - 974,98.D + 1243,06.D - 566,83.D
Q = 365,56 - 982,02.D + 1068,14.D - 426,47.D
0,8
350
300
300
200
Q obs.
150
Q sim.
Q (m/s)
250
Q (m/s)
0,6
D (%)
250
200
Q obs.
150
Q sim.
100
100
50
50
0
0
0
0,2
0,4
0,6
0,8
D (%)
0,2
0,4
0,6
0,8
D (%)
No grupo I, verificou-se, atravs dos valores dos erros relativos, coeficientes de Nash e
ajuste grfico entre as curvas de permanncia observadas e simuladas, que o modelo linear,
no apresentou resultados satisfatrios em todas as bacias-alvo consideradas. Desta forma,
sero inseridas estaes sintticas no modelo, ou seja, somente o mtodo de agrupamento em
relao s reas de drenagem no foi suficiente para um melhor desempenho do modelo de
regionalizao.
7.1.2 Grupo II
O grupo II Abrangeu 14 estaes fluviomtricas das 43 consideradas no estudo
(Tabela 13).
Tabela 13 Caractersticas morfoclimticas das estaes fluviomtricas do grupo II
Cdigo
Estao
A (km)
P (mm)
L (km)
H (m)
16430000
Garganta
39000
2768,00
506,00
335
16460000
Caramujo
51700
2630,70
295,00
140
16480000
Aldeia Wai-Wai
21600
2241,00
396,00
417,41
16500000
Estiro da Anglica
25800
2631,70
444,00
660
17090000
Boca do Inferno
19800
2050,00
309,00
439
17675000
Jardim do Ouro
37400
1745,44
282,00
320
17680000
Jamanxim
40200
2335,17
408
420
18121006
Barragem - Conj.4
16200
1711,56
221,00
390
54
18500000
Boa Esperana
42400
1881,58
535,00
275
18650000
Cajueiro
35600
1743,33
532,00
280
18880000
Fazenda Cipauba
24700
1964,28
346,00
130
29100000
Fazenda Alegria
37500
1879,00
473,00
470
31680000
Fazenda Maring
25900
1809,57
438,00
25
31700000
Badajs
32200
2403,27
257,00
50
Os clculos das correlaes entre as variveis independentes do grupo II esto

apresentadas na Tabela 14, onde no foi encontrada forte correlao entre as variveis
independentes, desta forma todas as variveis foram utilizadas na regionalizao.
Tabela 14 Matriz de correlao entre as variveis independentes do grupo II
A (km)
P (mm)
L (km)
A (km)
P (mm)
0,313
L (km)
0,310
0,041
H (m)
-0,213
0,145
0,200
H (m)

obtidos os modelos de regionalizao linear (equao (38-41)) e no linear (equao (42-45)).
R_a
R_a
Ftotal
11,17
(38)
8,06
(39)
4,01
(40)
2,81
(41)
Ftotal
15,25
(42)
10,68
(43)
3,22
(44)
0,53
(45)
55
Atravs do teste Ftotal, as equaes dos parmetros d do modelo regional linear

(equao (41)) e as equaes do parmetro c e d do modelo regional no linear (equaes (44)
e (45)) no foram consideradas significativas, pois a estatstica dos testes foram menores que
os valores de referncia para um nvel de significncia de 5% (F(0,05; 4; 9) de Fisher-Snedecor =
3,63). Essa falta de significncia dos parmetros analisados ajuda a explicar os resultados no
satisfatrios do modelo para o grupo II (Figura 9).
Uma vez determinados os modelos de regionalizao para o grupo II, foi realizada a
validao dos modelos de regresso conforme o mtodo de Jack-knife. Na Tabela 15, podem
ser observados os valores do erro mdio e coeficiente de Nash das bacias-alvo. Com o
resultado da simulao, o modelo no linear (equao (13)) apresentou-se como o mais
adequado em relao ao modelo linear (equao (12)), visto que o erro relativo mdio
percentual obtido foi igual a 12,70% e coeficiente de Nash negativo em 4 bacia-alvo,
enquanto que o modelo linear apresentou um erro relativo mdio percentual igual 13,21%; e
coeficientes de Nash negativos em 4 bacias-alvo.
Tabela 15 Valores do erro mdio percentual e do coeficiente de Nash para as bacias-alvo do grupo II
Linear
Cdigo
No linear
Estao
Erro (%)
Nash
Erro (%)
Nash
16430000
Garganta
5,51
0,87
6,08
0,94
16460000
Caramujo
10,37
0,73
6,05
0,80
16480000
Aldeia Wai-Wai
8,91
0,42
8,07
0,47
16500000
Estiro da Anglica
11,65
0,91
6,62
0,94
17090000
Boca do Inferno
12,26
0,15
17,89
-0,24
17675000
Jardim do Ouro
7,13
0,79
11,48
0,31
17680000
Jamanxim
12,15
0,88
7,57
0,92
18121006
Barragem - Conj.4
30,59
-7,85
17,77
0,45
18500000
Boa Esperana
6,40
0,87
5,37
0,79
18650000
Cajueiro
7,83
0,82
5,08
0,92
18880000
Fazenda Cipauba
22,79
0,76
17,28
0,84
29100000
Fazenda Alegria
13,39
-0,24
13,23
-0,21
31680000
Fazenda Maring
10,28
-0,01
41,94
-2,13
31700000
Badajs
25,63
-13,60
13,33
-2,72
13,21
-1,04
12,70
0,15
Mdia
Na Figura 9, podem-se observar as equaes obtidas para clculo das vazes dirias e
os ajustes da curva de permanncia das bacias-alvo do modelo no linear.
56
Figura 9 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo II

Q = 4771,55 - 13085,87.D + 12335,78.D - 3477,1.D
Q = 4789,18 - 11175,25.D + 9910,35.D - 529,48.D
Q = 1236,74 - 3872,69.D + 4932,46.D - 2144,38.D
5000
2500
8000
2000
Q obs.
Q sim.
2000
6000
Q (m/s)
3000
Q (m/s)
Q (m/s)
4000
Q obs.
4000
Q sim.
0,2
0,4
0,6
0,8
0,2
0,4

Q = 1155,92 - 3312,64.D + 4048,82.D - 1772,89.D
0,4
Q sim.
Q obs.
750
Q sim.
1000
500
500
250
0,4
0,6
0,8
Q obs.
3000
Q sim.
2000
1000
Q = 1927,2 - 5470,7.D + 5640,43.D - 1714,59.D
Q (m/s)
Q (m/s)
Q obs.
0,8
4000
1000
1500
0,6
1250
0,2
0,2
D (%)
Q = 2336,79 - 6896,98.D + 7191,42.D - 2346,21.D
2000
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
D (%)
D (%)
Estao Barragem - Conj. 4 - Cd. ANA (18121006)
Q = 4489,24 - 12696,7.D + 13702,34.D - 5268,59.D
Q = 698,04 - 2680,46.D + 3995,4.D - 2096,2.D
Q = 4244,59 - 11029,01.D + 9570,09.D - 2588,77.D
750
3750
600
Q (m/s)
4500
3000
Q obs.
2250
Q sim.
4000
450
Q (m/s)
Q (m/s)
0,8
Estao Estiro da Anglica - Cd. ANA (16500000)
2500
Q (m/s)
0,6
D (%)
D (%)
Q sim.
500
1000
Q obs.
1000
2000
1500
Q obs.
Q sim.
300
3000
Q obs.
2000
Q sim.
1500
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
D (%)
D (%)
Estao Fazenda Cipauba - Cd. ANA (18880000)
Estao Fazenda Alegria - Cd. ANA (29100000)
Q = 2632,02 - 7424,52.D + 7256,99.D - 2291,82.D
Q = 1281,83 - 3579,75.D + 4594,16.D - 2161,47.D

1500
2500
1250
Q (m/s)
3000
2000
Q obs.
1500
Q = 3690,21 - 9496,39.D + 7802,69.D - 1960,53.D

3500
3000
Q (m/s)
1000
Q obs.
750
Q sim.
Q sim.
1000
500
500
250
2500
2000
Q obs.
1500
Q sim.
1000
0,2
0,4
0,6
0,8
500
0
0,2
0,4
0,6
0,8
0,2
0,4
Estao Fazenda Maring - Cd. ANA (31680000)
Q = 972,23 - 3545,98.D + 6284,6.D - 4602,78.D
Q = 2838,59 - 8042,45.D + 10840,55.D - 5432,03.D
1250
3000
2500
1000
Q obs.
750
Q sim.
2000
Q obs.
1500
Q sim.
500
1000
250
500
0,2
0,4
0,6
D (%)
0,8
0,6
D (%)
D (%)
D (%)
Q (m/s)
Q (m/s)
Q (m/s)
1000
150
750
0,2
0,4
0,6
D (%)
0,8
0,8
57
No grupo II, verificou-se, atravs dos valores dos erros relativos, coeficientes de Nash
e ajuste grfico entre as curvas de permanncia observadas e simuladas, que o modelo no
linear, no apresentou resultados satisfatrios em todas as bacias-alvo consideradas. Desta
forma, tambm sero inseridas estaes sintticas no modelo, ou seja, somente o mtodo de
agrupamento em relao s reas de drenagem no foi suficiente para um bom desempenho
do modelo de regionalizao.
7.1.3 Grupo III

O grupo III abrangeu 15 estaes fluviomtricas das 43 consideradas no estudo
(Tabela 16).
Tabela 16 Caractersticas morfoclimticas das estaes fluviomtricas do grupo III
Cdigo
Estao
A (km)
P (mm)
L (km)
H (m)
17500000
Fortaleza
363000
2129,66
539,00
25
17650002
Acar do Tapajs
390000
2076,74
366,00
15
18460000
Boa Sorte
210000
1919,65
508,00
195
18510000
So Flix do Xingu
255000
1999,24
562,00
205
18514000
UHE Pombal
266000
1999,24
696,00
245
18520000
Belo Horizonte
281000
1748,04
748,00
260
18590000
56900
1861,27
616,00
230
18600000
Laranjeiras
58700
1333,73
679,00
250
18700000
Pedra do
122000
1677,62
870,00
270
18849100
UHE Altamira
447000
2015,13
1079,00
300
18850000
Altamira
448000
2015,13
1000,00
300
27500000
Conceio do Araguaia
332000
1285,82
501,00
710
29050000
Marab
703000
1879,00
443,00
185
29200000
Itupiranga
746000
1678,22
412,00
180
29700000
Tucuru
764000
2400,01
198,00
270
No foi encontrada forte correlao entre as variveis independentes do grupo III,

desta forma todas as variveis foram utilizadas na regionalizao (Tabela 17).
58
Tabela 17 Matriz de correlao entre as variveis independentes do grupo III

A (km)
P (mm)
L (km)
A (km)
P (mm)
0,405
L (km)
-0,409
-0,171
H (m)
-0,078
-0,557
0,187
H (m)

das bacias (Tabela 16) foi aplicado s 15 estaes. A partir da aplicao do processo de
regresso foram obtidos os modelos de regionalizao linear (equao (46-49)) e no linear
(equao (50-53)).
Ftotal
91,29
(46)
58,69
(47)
21,21
(48)
12,11
(49)
Ftotal
103,45
(50)
25,83
(51)
9,28
(52)
3,49
(53)
Atravs do teste Ftotal, as equaes dos parmetros tanto do modelo regional linear
(equaes (46-49)) quanto do no linear (equaes (50-53)) foram consideradas significativas,
pois a estatstica dos testes Ftotal foram maiores que os valores de referncia para um nvel de
significncia de 5% (F(0,05; 4; 10) de Fisher-Snedecor = 3,48).
Uma vez determinados os modelos de regionalizao para o grupo III, foi realizada a
validao dos modelos de regresso conforme o mtodo de Jack-knife. Na Tabela 18, podem
ser observados os valores do erro mdio e coeficiente de Nash das bacias-alvo. Com o
resultado da simulao, o modelo No linear (equao (13)) apresentou-se como o mais
59
adequado em relao ao modelo linear (equao (12)), visto que o erro relativo mdio
percentual obtido foi igual a 6,32% e coeficiente de Nash positivo em todas as bacia-alvo,
enquanto que o modelo linear apresentou um erro relativo mdio percentual igual 9,08%; e
coeficientes de Nash negativos em 3 bacias-alvo. Na Figura 10, pode se observar os ajustes da
curva de permanncia das bacias-alvo do modelo no linear.
Tabela 18 Valores do erro mdio percentual e do coeficiente de Nash para as bacia-alvo do grupo III
Linear
Cdigo
Bacia-alvo
No linear
Erro (%)
Nash
Erro (%)
Nash
17500000
Fortaleza
6,29
0,69
3,47
0,89
17650002
Acar do Tapajs
3,33
0,89
5,14
0,93
18460000
Boa Sorte
6,58
0,84
8,83
0,86
18510000
So Flix do Xingu
3,45
0,98
4,95
0,97
18514000
UHE Pombal
2,49
0,95
5,01
0,96
18520000
Belo Horizonte
1,52
0,99
3,69
0,99
18590000
32,78
-0,66
13,36
0,90
18600000
Laranjeiras
28,85
-0,03
9,37
0,97
18700000
Pedra do
4,33
0,98
5,82
0,93
18849100
UHE Altamira
1,89
1,00
3,84
0,99
18850000
Altamira
2,51
0,99
4,71
0,98
27500000
Conceio do Araguaia
31,87
-2,32
5,69
0,97
29050000
Marab
4,36
0,97
8,94
0,95
29200000
Itupiranga
1,57
0,97
3,89
0,97
29700000
Tucuru
4,33
0,93
8,03
0,54
9,08
0,54
6,32
0,92
Mdia
Figura 10 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo III

Erro (%) = 3,47

Nash = 0,89
Erro (%) = 5,14

Nash = 0,93
25000
25000
10000
Q sim.
Q obs.
15000
10000
10000
5000
5000
Q (m/s)
15000
Erro (%) = 8,83

Nash = 0,86
12000
20000
Q obs.
Q (m/s)
Q (m/s)
20000
Q sim.
Q obs.
8000
Q sim.
6000
4000
2000
0
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
60
Erro (%) = 4,95

Nash = 0,97
15000
Q sim.
12000
Q obs.
9000
6000
6000
3000
3000
Q (m/s)
9000
Q sim.
0,2
0,4
0,6
0,8
Q sim.
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)

Cd. ANA (18590000)
4500
Q obs.
8000
4000
Erro (%) = 3,69

Nash = 0,99
16000
12000
Q obs.
Q (m/s)
Q obs.
2250
Q sim.
Erro (%) = 5,82

Nash = 0,93
10000
3750
3000
Q (m/s)
3750
0,8
Erro (%) = 9,37

Nash = 0,97
4500
Erro (%) = 10,67

Nash = 0,91
0,6
D (%)
8000
3000
Q obs.
Q sim.
2250
Q (m/s)
Q (m/s)
Erro (%) = 5,01

Nash = 0,96
15000
12000
Q (m/s)
Estao So Flix do Xingu - Cd. ANA (18510000)
Q obs.
6000
Q sim.
4000
1500
1500
750
750
0
0
0,2
0,4
0,6
0,8
2000
0
0
0,2
0,4
D (%)
Erro (%) = 3,84

Nash = 0,99
0,2
0,4
17500
Q sim.
Q obs.
15000
Q sim.
10000
10000
5000
5000
Erro (%) = 5,69

Nash = 0,97
15000
Q (m/s)
Q (m/s)
15000
0,8

Cd. ANA (27500000)
20000
Q obs.
0,6
D (%)
Erro (%) = 4,71

Nash = 0,98
25000
20000
Q (m/s)
0,8

25000
0,6
D (%)
12500
Q obs.
10000
Q sim.
7500
5000
0,2
0,4
0,6
0,8
0
0
0,2
0,4
D (%)
0,8
Erro (%) = 8,94

Nash = 0,95
Erro (%) = 3,89

Nash = 0,97
35000
30000
25000
25000
Q obs.
20000
Q sim.
Q (m/s)
30000
Q obs.
20000
Q sim.
Q sim.
10000
10000
5000
5000
0
0,8
Q obs.
20000
5000
0,6
25000
10000
D (%)
0,8
30000
15000
0,4
0,6
Erro (%) = 8,03

Nash = 0,54
35000
15000
0,2
0,4
15000
0,2
D (%)

35000
Q (m/s)
0,6
D (%)
Q (m/s)
2500
0
0
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
0,8
D (%)
No grupo III, verificou-se que o modelo cbico no linear, apresentou resultados

satisfatrios em todas as bacias-alvo consideradas, pois apresentou valor mdio abaixo de
10% e coeficiente de Nash prximos de 1, e bom ajuste grfico entre as curvas de
permanncia observadas e simuladas, exceto para a estao Tucuru. Desta forma, no foram
inseridas estaes sintticas no modelo, ou seja, somente o mtodo de agrupamento em
relao s reas de drenagem foi suficiente para um bom desempenho do modelo de
regionalizao.
61
Uma vez determinado o modelo regional (equaes (50-53)), este foi aplicado s
bacias consideradas neste grupo, para verificao do ajuste das curvas observadas e simuladas
(Figura 11). Desta forma, concluiu-se que o modelo cbico e o modelo regional supracitado
podem ser aplicados em bacias da regio paraense que possuam reas de drenagem a partir de
55000 at 764000, para servir como ferramenta de estimativa de curvas de permanncia de
vazo.
Figura 11 - Curvas de permanncia de vazes simuladas pelo modelo regional das bacias do grupo III
Q = 21778,68 - 39226,84.D + 23790,87.D - 2734,9.D
Q = 22480,62 - 39737,01.D + 25160,85.D - 3119,48.D
Q = 12692,65 - 30314,38.D + 24990,84.D - 4912,63.D
25000
Erro(%) = 2,15
Nash = 0,96
20000
15000
Q (m/s)
20000
Q (m/s)
12000
Erro(%) = 2,56
Nash = 0,98
Q obs.
Q sim.
Erro(%) = 7,42
Nash = 0,90
10000
Q (m/s)
25000
Q obs.
15000
Q sim.
8000
Q obs.
6000
Q sim.
10000
10000
4000
5000
5000
0
0
0,2
0,4
0,6
0,8
2000
0
0,2
0,4
D (%)
0,4
0,6
0,8
D (%)
Q = 15910,17 - 37182,16.D + 28939,32.D - 5336,88.D
Q = 16600,44 - 37629,81.D + 28841,27.D - 5431,29.D
15000
Erro(%) = 6,17
Nash = 0,97
16000
Erro(%) = 4,36
Nash = 0,97
9000
Q obs.
Q sim.
Erro(%) = 3,41
Nash = 0,99
12000
Q obs.
9000
Q sim.
Q (m/s)
Q (m/s)
12000
6000
Q obs.
8000
Q sim.
6000
4000
3000
3000
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)

Cd. ANA(18590000)
0,8
0,2
0,4
Q = 4373,44 - 11122,09.D + 8684,76.D - 1274,08.D
Q (m/s)
Q obs.
2250
10000
Erro(%) = 8,95
Nash = 0,98
Erro(%) = 5,46
Nash = 0,95
8000
3000
Q obs.
2250
6000
Q obs.
Q sim.
4000
Q sim.
Q sim.
1500
1500
2000
750
750
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
0,6
0,8
0,2
0,4
Q = 25345,39 - 56113,28.D + 40632,82.D - 7238,6.D

25000
20000
Q sim.
Erro(%) = 2,96
Nash = 0,99
15000
15000
Q obs.
Q sim.
10000
Q (m/s)
Q (m/s)
Q obs.
10000
Q = 17199,6 - 43904,57.D + 43780,82.D - 14986,59.D

17500
Erro(%) = 5,01
Nash = 0,99
20000
15000
0,8

Cd. ANA (27500000)
Erro(%) = 2,81
Nash = 0,99
0,6
D (%)
D (%)
Q = 25519,43 - 55899,03.D + 39556,29.D - 6770,32.D

25000
Q = 8438,88 - 19585,95.D + 14230,03.D - 2159,5.D
3750
3000
0,8
4500
Erro(%) = 10,38
Nash = 0,97
0,6
D (%)
Q = 4424,41 - 10530,06.D + 8024,32.D - 1245,39.D

4500
3750
0,6
D (%)
Q (m/s)
Q (m/s)
0,2
Estao So Flix do Xingu - Cd. ANA (18510000)
12000
Q (m/s)
0,8
Q = 15089,53 - 35622,13.D + 28800,51.D - 5598,57.D

15000
Q (m/s)
0,6
D (%)
12500
10000
Q obs.
7500
Q sim.
5000
5000
5000
2500
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
0,2
0,4
0,6
D (%)
0,8
62
Q = 33943,32 - 76314,43.D + 66212,7.D - 17382,63.D
Q = 35124,66 - 77610,54.D + 68440,86.D - 19221,18.D
Q = 33256,04 - 91571,99.D + 107831,33.D - 46022,74.D
35000
Erro(%) = 8,45
Nash = 0,96
25000
Q obs.
20000
Q sim.
15000
35000
Erro(%) = 4,62
Nash = 0,97
30000
Q (m/s)
Q (m/s)
30000
25000
20000
Q obs.
15000
Q sim.
25000
20000
10000
10000
5000
5000
5000
0,2
0,4
0,6
0,8
Q sim.
0
0
0,2
D (%)
7.2
Q obs.
15000
10000
Erro(%) = 1,88
Nash = 0,97
30000
Q (m/s)
35000
0,4
0,6
0,8
D (%)
0,2
0,4
0,6
0,8
D (%)
INSERO DE ESTAES SINTTICAS

A insero de estaes fluviomtricas sintticas foi forma concebida para aumentar a
densidade de dados disponveis para a regionalizao dos grupos I e II, buscando-se com isso,
a minimizao dos erros relativos percentuais entre as curvas de permanncia observadas e
simuladas de todas as bacias hidrogrficas analisadas no Par.
O procedimento utilizado para a gerao das sries sintticas de vazes dirias foi
baseado no mtodo da correlao direta de reas de drenagem (Eletrobrs, 2000). Assim,
dever ser estabelecida para o local selecionado uma srie de vazes dirias derivada de uma
srie histrica de uma estao fluviomtrica localizada no mesmo curso dgua ou na mesma
bacia, por correlao direta entre reas de drenagem, limitada diferena entre reas de 3 a 4
vezes. A equao de correlao definida na equao (54):
(54)
Em que:
= rea de drenagem do local selecionado, em km;
= rea de drenagem do posto existente, em km;
= vazo do local selecionado, em m/s;
= vazo do posto existente, em m/s.
A otimizao do modelo, atravs da insero de estaes sintticas, seguiu a

metodologia descrita por Shu e Ouarda (2012). O desempenho da metodologia baseia-se em
dois critrios, o Nash (equao (8)) e o erro mdio quadrtico (RMSE) (equao (55)). Essa
metodologia foi aplicada provncia do Quebec, Canad. No presente trabalho, alm de Nash
e RMSE, tambm foi considerado o erro quadrado relativo mdio percentual, % (equao
(6)).
63
(55)
Em que:
n o nmero total de valores de vazo diria a ser estimada;
e so, respectivamente, a vazo diria medida e estimada.
Os critrios so calculados aumentando-se o nmero de estaes fontes inseridas no

modelo. Assim, traando o nmero de estaes contra os ndices de Nash e RMSE (Figura
12), os autores concluram que para a provncia do Quebec, o nmero timo de estaes
quatro, pois no houve uma melhoria que justificasse o uso de 5 estaes para a simulao das
curvas de permanncia via mtodo de regionalizao (Regional FDC method). Esse mtodo,
como o presente trabalho, tambm usou a tcnica da regresso mltipla. Nesse caso, o modelo
de regionalizao foi baseado no RBLI (Regression Based Logarithmic Interpolation). No
caso do presente trabalho, foi adicionada a Figura 12, a curva do % em funo do nmero de
estaes fluviomtricas fontes.
Figura 12 - Desempenho de mtodos de estimativa em funo do nmero de locais de origem
Fonte: Shu e Ouarda (2012)
7.2.1 Grupo I
Devido aos erros apresentados na Tabela 12 e Figura 8, foram inseridas estaes
fluviomtricas sintticas para aumentar a densidade de dados do modelo, buscando-se com
isso, a minimizao dos erros mdios relativos percentuais entre as curvas de permanncia
observadas e simuladas.
64
Buscando-se evitar um nmero arbitrrio de estaes sintticas inseridas no modelo,

foram calculados os ndices de Nash, RMSE e o erro mdio percentual. Assim, traando o
nmero de estaes sintticas contra os ndices (Figura 13), pode-se concluir que o nmero
timo de estaes para o grupo I seis, pois no houve uma melhoria que justificasse o uso de
7 estaes para a simulao das curva de permanncia.
A) Nmero de Estaes Sintticas x RMSE

60
RMSE
RMSE
55
50
45
40
1
Nmero de Estaes Sintticas
B) Nmero de Estaes Sintticas x Critrio de Nash

1.0
0.8
0.6
Nash
0.4
0.2
0.0
-0.2 1
-0.4
-0.6
Nash
-0.8
-1.0
Numero de Estaes Sintticas
65
C) Nmero de Estaes Sintticas x Erro (%)

12
Erro mdio
11
Erro (%)
10
9
8
7
6
1
Com a otimizao do modelo, foi possvel prever o menor nmero de estaes, de

forma que o modelo venha ter uma boa aplicabilidade na regio paraense. As coordenadas
geogrficas das estaes sintticas esto descritas na Tabela 19.
Tabela 19 Coordenadas geogrfica das estaes sintticas
Coordenada geogrfica
Grupo
Rio
Latitude
Longitude
Arapiuns
-0236'58"S
-5530'49" W
Imabu
-0007'56"S
-5719'56"W
Curu
-0312'14"S
-5359'17"W
Cristalino
-0911'13"S
-5508'02"W
Ribeiro dos Lagos
-0901'55"S
-5548'05"W
Jacund
-0236'18"S
-5530'35"W
Grupo I
Considerando as 6 estaes sintticas inseridas no modelo, repetiu-se a metodologia

proposta neste trabalho.
Os clculos das correlaes entre as variveis independentes esto apresentadas na
Tabela 20, onde no foi encontrada forte correlao entre elas, desta forma todas as variveis
foram utilizadas na regionalizao.
66
Tabela 20 Matriz de correlao entre as variveis independentes do grupo I

A (km)
P (mm)
L (km)
A (km)
P (mm)
-0,174
L (km)
0,518
0,118
H (m)
0,551
-0,486
0,424
H (m)

obtidos os modelos de regionalizao (equao (56-59)).
Modelo de Regionalizao
R_a
Ftotal
11,00
(56)
16,10
(57)
10,64
(58)
5,47
(59)
Atravs do teste Ftotal, as equaes dos parmetros do modelo regional (equaes (5659)) foram consideradas significativas, pois a estatstica dos testes Ftotal foram maiores que os
valores de referncia para um nvel de significncia de 5% (F(0,05; 4; 14) de Fisher-Snedecor =
3,11).
A validao do modelo de regresso linear foi realizada conforme o mtodo de Jackknife. Na Tabela 21, podem-se observar os valores do erro mdio e coeficiente de Nash das
bacias-alvo.
Tabela 21 Valores do erro mdio percentual e do coeficiente de Nash para as bacia-alvo do grupo I
Cdigo
Bacia-Alvo
Erro (%)
Nash
16700000
Tirios
14,08
-0,42
17345000
Base do Cachimbo
6,41
0,52
17610000
Creporizo (Ex - Mundico Coelho)
13,00
-0,15
18200000
Arapari
11,31
0,17
18250000
Uruar
15,52
0,12
18280000
Apalai
4,00
0,98
18480000
Fazenda Rio Dourado
3,38
0,99
19985000
Pacajs
10,06
0,93
67
31020000
4,34
0,93
31520000
Bom Jardim
6,88
0,76
32350000
Nova Mocajuba
4,38
0,90
32400000
Sete Ilhas
2,65
0,98
32450002
Tararua - Ponte
1,50
0,97
32550000
Cafezal
5,67
0,30
7,05
0,57
Mdia
Com o resultado da simulao do modelo de regresso via mtodo de Jack-knife, os

valores dos erros relativos foram satisfatrios em todas as bacias, pois apresentaram valor
mdio igual a 7,05%. No entanto, as bacias-alvo Tirios, Creporizo (Ex - Mundico Coelho),
Arapari, Uruar e Cafezal no foram consideradas aceitveis para o coeficiente de Nash, pois
os valores obtidos foram menores que 0,36. Segundo Collischonn 2001, o coeficiente de Nash
aceitvel se o valor ficar entre 0,36 e 0,75. No entanto, essas bacias obtiveram bons ajustes
entre as curvas de permanncias observadas e simuladas, exceto Creporizo (Ex Mundico
Coelho). Na Figura 14, pode-se observar o ajuste grfico entre as curvas de permanncia
observadas e simuladas de todas as bacias-alvo.
Aps a validao do modelo de regionalizao otimizado atravs da insero de seis
estaes sintticas, o modelo regional (equaes (56-59)) foi aplicado s bacias consideradas
neste grupo, para verificao do ajuste das curvas observadas e simuladas (Figura 15). Desta
forma, concluiu-se que o modelo cbico e o modelo regional supramencionado podem ser
aplicados em bacias da regio paraense que possuam reas de drenagem no intervalo de 465 a
15000 km; para servir como ferramenta de estimativa de curvas de permanncia de vazo.
Nesse caso, as coordenadas das estaes sintticas apresentadas na Tabela 19 poderiam ser
usadas pelos rgos competentes como referncia para a implantao de novas estaes
fluviomtricas no estado do Par, ajudando, inclusive, a melhorar a representatividade do
modelo analisado e racionalizando recursos, j que o modelo poder ser utilizado por esses
mesmos rgos.
68
Figura 14 - Curvas de permanncia de vazes simuladas na validao do modelo do grupo I

considerando seis estaes sintticas
150
Erro (%) = 14,08

NASH = -0,42
125
Q = 69,02 - 133,74.D + 150,46.D - 83,91.D
Q obs.
75
Q obs.
75
Q sim.
400
Q obs.
Q sim.
50
200
25
25
0,2
0,4
0,6
0,8
100
0
0
0,2
0,4
0,6
0,8
0,4
Q = 309,79 - 1136,41.D + 1578,71.D - 770,14.D
Erro (%) = 11,31

NASH = 0,17
Q = 484,04 - 1454,91.D + 1764,88.D - 752,46.D
Q (m/s)
Q sim.
400
Erro (%) = 4,00

NASH = 0,98
400
250
Q obs.
500
Erro (%) = 15,52

NASH = 0,12
300
600
0,8
350
1000
0,6
D (%)
Q = 863,49 - 2649,49.D + 3215,6.D - 1388,07.D
800
0,2
D (%)
D (%)
Q (m/s)
500
300
Q sim.
50
Erro (%) = 13,00

NASH = -0,15
600
100
Q (m/s)
100
Q = 289,55 - 1031,75.D + 1513,32.D - 767,49.D
700
Erro (%) = 6,41

NASH = 0,52
200
Q (m/s)
Q (m/s)
Q (m/s)
150
125

Cd. ANA (17610000)

Q = 112,79 - 294,34.D + 336,31.D - 152,14.D
Q obs.
150
Q sim.
300
Q obs.
Q sim.
200
100
100
200
50
0
0
0,2
0,4
0,6
0,8
D (%)

Cd. ANA (18480000)
Q (m/s)
0,8
300
Q obs.
0,2
0,4
0,6
0,8
400
Q obs.
300
Q obs.
Q sim.
200
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
0,6
0,8
D (%)
Estao Bom jardim - Cd. ANA (31520000)
Q = 337,64 - 924,62.D + 943,54.D - 324,08.D
Q = 147,81 - 427,77.D + 467,33.D - 172,28.D
Q = 219,67 - 635,21.D + 704,01.D - 276,19.D
250
200
500
Erro (%) = 6,88

NASH = 0,76
Erro (%) = 4,38

NASH = 0,90
160
300
Q (m/s)
400
Q obs.
Q sim.
Q obs.
200
100
40
Q sim.
D (%)
0,6
0,8
Q sim.
0
0
Q obs.
50
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
350
Q = 289,91 - 872,37.D + 990,96.D - 391,36.D
Q = 298,57 - 889,68.D + 1125,35.D - 517,21.D
250
Erro (%) = 5,67

NASH = 0,30
350
Erro (%) = 1,50

NASH = 0,97
300
300
200
Q obs.
150
Q sim.
100
250
200
Q obs.
150
Q sim.
100
50
50
0
0
0,2
0,4
0,6
D (%)
0,8
0,6
D (%)
Q (m/s)
0,4
Q (m/s)
0,2
150
100
Erro (%) = 2,65

NASH = 0,98
200
120
80
300
100
Erro (%) = 4,34

NASH = 0,93
400
0
0
0,8
Q = 444,43 - 1358,15.D + 1586,23.D - 641,79.D
100
0,6
500
Erro (%) = 10,06

NASH = 0,93
200
100
0,4

Cd. ANA (31020000)
Q sim.
Q sim.
0,2
D (%)
Q (m/s)
Q (m/s)
0,6
Q = 645,22 - 1838,41.D + 1698,01.D - 427,78.D

500
200
Q (m/s)
D (%)
600
Erro (%) = 3,40

NASH = 0,99
400
0,4
Q = 540,32 - 1726,36.D + 2165,67.D - 945,13.D

500
0,2
Q (m/s)
0
0
0,2
0,4
0,6
D (%)
0,8
0,8
69
Figura 15 - Curvas de permanncia de vazes simuladas pelo modelo regional para bacias do grupo I
Q = 107,87 - 289,74.D + 339,95.D - 155,52.D
Q = 67,13 - 134,39.D + 154,94.D - 84,39.D
150
150
Erro (%) = 12,18

NASH = -0,06
Q obs.
75
Q obs.
75
Q sim.
400
Q obs.
Q sim.
50
200
25
25
0,2
0,4
0,6
0,8
100
0
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
0,6
0,8
D (%)
Q = 735,75 - 2403,44.D + 3104,32.D - 1404,56.D
Q = 266,94 - 974,11.D + 1345,98.D - 648,28.D
Q = 486,68 - 1456,72.D + 1765,85.D - 758,15.D
350
1000
Erro (%) = 6,08

NASH = 0,76
800
500
Erro (%) = 10,53

NASH = 0,63
300
Q obs.
Q sim.
400
200
Q (m/s)
600
Erro (%) = 3,25

NASH = 0,98
400
250
Q (m/s)
Q (m/s)
500
300
Q sim.
50
Erro (%) = 11,16

NASH = 0,16
600
100
Q (m/s)
100
Q = 361 - 1173,60.D + 1572,19.D - 750,28.D
700
Erro (%) = 5,40

NASH = 0,67
125
Q (m/s)
Q (m/s)
125

Cd. ANA (17610000)
Q obs.
150
Q sim.
300
Q obs.
Q sim.
200
100
100
200
50
0
0
0,2
0,4
0,6
0,8
D (%)

Cd. ANA (18480000)
500
300
Q obs.
Q sim.
0,6
0,8
Erro (%) = 4,10

NASH = 0,94
400
400
Q obs.
300
300
Q obs.
Q sim.
200
100
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
0,6
0,8
D (%)
Estao Bom jardim - Cd. ANA (31520000)
Q = 360,37 - 1009,37.D + 1091,87.D - 411,86.D
Q = 142,76 - 389,48.D + 402,65.D - 150,16.D
Q = 220,47 - 652,06.D + 739,21.D - 296,07.D
250
200
500
Erro (%) = 5,76

NASH = 0,83
Erro (%) = 5,23

NASH = 0,91
160
300
Q (m/s)
400
Q obs.
Q sim.
Q obs.
80
100
40
D (%)
0,6
0,8
Q sim.
0
0
Q obs.
50
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
Q = 293,47 - 892,72.D + 1023,53.D - 407,87.D
Q = 290,45 - 860,74.D + 1086,03.D - 498,51.D
350
Erro (%) = 5,25

NASH = 0,41
350
Erro (%) = 1,26

NASH = 0,98
300
300
250
200
Q obs.
150
Q sim.
100
250
200
Q obs.
150
Q sim.
100
50
50
0
0
0,2
0,4
0,6
D (%)
0,8
0,6
D (%)
Q (m/s)
0,4
Q (m/s)
0,2
150
100
Q sim.
Erro (%) = 2,46

NASH = 0,98
200
120
200
0,8
Q = 452,23 - 1396,49.D + 1654,54.D - 680,14.D
0
0,4
0,6
500
Erro (%) = 5,42

NASH = 0,98
200
0
0,2
0,4

Cd. ANA (31020000)
100
0,2
D (%)
Q sim.
100
Q (m/s)
0,8
Q (m/s)
Q (m/s)
Q (m/s)
600
200
0,6
D (%)
Erro (%) = 2,69

NASH = 0,99
400
0,4
Q = 629,95 - 1969,89.D + 2163,5.D - 771,63.D
Q = 534,22 - 1673,28.D + 2047,2.D - 874,23.D

500
0,2
Q (m/s)
0
0
0,2
0,4
0,6
D (%)
0,8
0,8
70
7.2.2 Grupo II
Devido aos erros apresentados na Tabela 15 e Figura 9, foram inseridas estaes
fluviomtricas sintticas para aumentar a densidade de dados ao modelo, buscando-se com
isso, a minimizao dos erros mdios relativos percentuais entre as curvas de permanncia
observadas e simuladas.
Buscando-se evitar um nmero arbitrrio de estaes sintticas inseridas no modelo,
foram calculados os ndices de Nash, RMSE e o Erro mdio percentual. Assim, traando o
nmero de estaes sintticas contra os ndices (Figura 16), pde-se concluir que o nmero
timo de estaes para o grupo II so 3, pois no houve uma melhoria que justificasse o uso
de 4 estaes para a simulao das curvas de permanncia.
A) Nmero de Estaes Sintticas x RMSE

380.0
RMSE
370.0
RMSE
360.0
350.0
340.0
330.0
320.0
1
3
B) Nmero de Estaes Sintticas x Critrio de NASH

0.45
0.40
0.35
Nash
0.30
0.25
0.20
0.15
0.10
Nash
0.05
0.00
1
3
71
C) Nmero de Estaes Sintticas x Erro (%)
13.0
12.0
Erro mdio
Erro (%)
11.0
10.0
9.0
8.0
7.0
6.0
1
3
Com a otimizao do modelo foi possvel prever o menor nmero de estao de forma
que o modelo venha ter uma boa aplicabilidade na regio paraense. As coordenadas
geogrficas das estaes sintticas esto descritas na Tabela 22. Considerando as 3 estaes
sintticas inseridas no modelo, repetiu-se a metodologia proposta neste trabalho.
Tabela 22 Coordenadas geogrfica das estaes sintticas do grupo II
Coordenada geogrfica
Rio
Latitude
Longitude
Bacaj
-0429'10" S
-5121'41" W
Moju
-0142'51" S
-4828'04" W
Curuapanema
-034'30" N
-5509'21" W
Grupo II
No foi encontrada forte correlao entre as variveis independentes, desta forma

todas as variveis foram utilizadas na regionalizao (Tabela 23).
Tabela 23 Matriz de correlao entre as variveis independentes do grupo II
A (km)
P (mm)
L (km)
A (km)
P (mm)
0,236
L (km)
0,254
0,160
H (m)
0,021
0,076
0,086
H (m)
72

obtidos os modelos de regionalizao no linear (equao (60-63)).
Modelo de Regionalizao
R_a
Ftotal
19,78
(60)
12,35
(61)
4,54
(62)
0,76
(63)
Atravs do teste Ftotal, a equao do parmetro d (equao (63)) no foi considerada

significativa, pois o Ftotal foi menor que o F crtico de Fisher-Snedecor, no entanto, as
equaes dos parmetros a, b e c (equaes (60-62)) foram consideradas significativas, pois a
estatstica dos testes Ftotal foram maiores que os valores de referncia para um nvel de
significncia de 5% (F(0,05; 4; 11) de Fisher-Snedecor = 3,36). Desta forma o modelo regional foi
considerado aceitvel. A anlise do teste Ftotal, demonstrou uma melhora nos resultados de
significncia dos parmetros a, b, c e d, pois, em relao aos resultados sem a insero de
estaes sintticas, apenas o parmetro d no passou no teste. Apesar disso, o modelo
melhorou os resultados para o grupo II (Figura 17).
A validao do modelo de regresso linear foi realizada conforme o mtodo de Jackknife. Na Tabela 24, podem-se observar os valores do erro mdio e coeficiente de Nash das
bacias-alvo.
Tabela 24 Valores do Erro mdio percentual e do coeficiente de Nash das bacias-alvo do grupo II
No linear
Cdigo
Estao
Erro (%)
Nash
16430000
Garganta
6,08
0,96
16460000
Caramujo
6,17
0,85
16480000
Aldeia Wai-Wai
8,65
0,50
16500000
Estiro da Anglica
6,82
0,92
17090000
Boca do Inferno
12,05
0,20
17675000
Jardim do Ouro
10,66
0,44
17680000
Jamanxim
8,48
0,95
18121006
Barragem - Conj.4
12,73
0,28
18500000
Boa Esperana
10,34
0,82
73
18650000
Cajueiro
4,25
0,92
18880000
Fazenda Cipauba
16,60
0,87
29100000
Fazenda Alegria
9,44
0,19
31680000
Fazenda Maring
3,17
0,94
31700000
Badajs
14,74
-3,45
9,30
0,38
Mdia
Com o resultado da simulao do modelo de regresso via mtodo de Jack-knife, os

valores dos erros relativos foram satisfatrios em todas as bacias, pois apresentaram valor
mdio igual a 9,30%. No entanto, as bacias-alvo Boca do inferno, Barragem Conj. 4,
Fazenda Alegria e Badajs no foram consideradas aceitveis para o coeficiente de Nash, pois
os valores obtidos foram menores que 0,36. Segundo Collischonn 2001, o coeficiente de Nash
aceitvel se o valor ficar entre 0,36 e 0,75. No entanto, as bacias Boca do inferno e Fazenda
Alegria tiveram bons ajustes entre as curvas de permanncias observadas e simuladas. Na
Figura 17, pode-se observar o ajuste grfico entre as curvas de permanncia observadas e
simuladas de todas as bacias-alvo. Todas as bacias tiveram bons ajustes, exceto a Barragem
Conj. 4, Badajs e Jardim do Ouro.
Figura 17 - Curvas de permanncia de vazes simuladas pela validao do modelo do grupo II

considerando trs estaes sintticas
Q = 4517,17 - 11653,04.D + 10791,09.D - 3040,01.D
Q = 5295,84 - 13434,53.D + 12625,34.D - 3474,49.D
Q = 1285,26 - 4014,89.D + 4893,79.D - 1991,31.D
8000
Q obs.
Q sim.
2000
ERRO (%) = 8,65

NASH = 0,50
2000
Q obs.
Q sim.
4000
1500
Q obs.
Q sim.
1000
2000
1000
500
0
0,2
0,4
0,6
0,8
0
0
0,2
0,4
D (%)

Cd. ANA (16500000)
0,8
Q sim.
1000
Q (m/s)
Q obs.
0,6
D (%)
0,8
ERRO (%) = 10,66

NASH = 0,44
750
Q obs.
Q sim.
500
3000
Q obs.
2000
Q sim.
1000
0,8
Q = 2291,52 - 7118,89.D + 7933,5.D - 2760,58.D
250
500
0,6
4000
ERRO (%) = 12,05

NASH = 0,20
1000
1500
0,4
0,4
1250
ERRO (%) = 6,82

NASH = 0,92
0,2
0,2
D (%)
Q = 1150,6 - 3596,94.D + 4450,71.D - 1894,73.D
Q = 2193,51 - 6377,05.D + 6614,69.D - 2140,77.D
2500
2000
0,6
D (%)
Q (m/s)
Q (m/s)
2500
ERRO (%) = 6,17

NASH = 0,85
6000
3000
Q (m/s)
Q (m/s)
4000
Q (m/s)
ERRO (%) = 6,08

NASH = 0,96
5000
0,2
0,4
0,6
D (%)
0,8
0
0
0,2
0,4
D (%)
0,6
0,8
74

Cd. Ana (18121006)

Q = 3994,79 - 10011,69.D + 8860,88.D - 2510,92.D
Q = 4278,07 - 12183,08.D + 13443,92.D - 5291,4.D
Q = 707,05 - 2983,76.D + 4473,35.D - 2245,31.D
ERRO (%) = 15,65

NASH = 0,25
Q (m/s)
3000
Q obs.
2250
Q obs.
Q sim.
Q sim.
Q sim.
1000
150
750
0
0
0,2
0,4
0,6
0,8
Q obs.
2000
300
1500
ERRO (%) = 10,34

NASH = 0,82
3000
450
0,2
0,4
D (%)
D (%)
0,6
0,8
0,2
0,4
0,6
0,8
D (%)
Q = 2517,06 - 6851,18.D + 6724,49.D - 2167,19.D
Q = 1395,12 - 4049,73.D + 4982,63.D - 2157,2.D
Q = 3403,03 - 8833,34.D + 7693,38.D - 2104,42.D
3000
1500
ERRO (%) = 4,25

NASH = 0,92
2000
Q obs.
1500
3500
ERRO (%) = 16,60

NASH = 0,87
1250
Q (m/s)
2500
1000
Q obs.
750
Q sim.
Q sim.
1000
500
500
250
ERRO (%) = 9,44

NASH = 0,19
3000
Q (m/s)
Q (m/s)
600
Q (m/s)
4000
750
ERRO (%) = 8,48

NASH = 0,95
3750
Q (m/s)
4500
2500
Q obs.
2000
Q sim.
1500
1000
0,2
0,4
0,6
0,8
500
0
0
0,2
0,4
0,6
0,2
0,6
0,8
D (%)
Q = 1370,18 - 3859,26.D + 4741,65.D - 2122,7.D
Q = 3135,51 - 9363,4.D + 11704,12.D - 5081,35.D
1250
0,4
D (%)
D (%)
3000
ERRO (%) = 3,17

NASH = 0,94
ERRO (%) = 14,74

NASH = -3,45
2500
750
Q (m/s)
1000
Q (m/s)
0,8
Q obs.
Q sim.
500
2000
Q obs.
1500
Q sim.
1000
250
500
0
0
0,2
0,4
0,6
D (%)
0,8
0
0
0,2
0,4
0,6
0,8
D (%)
Aps a validao do modelo de regionalizao otimizado atravs da insero de trs

estaes sintticas, o modelo regional (equaes (60-63)) foi aplicado s bacias consideradas
neste grupo, para verificao do ajuste das curvas observadas e simuladas (Figura 18). Desta
forma, concluiu-se que o modelo cbico e o modelo regional supramencionado podem ser
aplicado a bacias da regio paraense, que possuam reas de drenagem no intervalo de 15000 a
55000 km, para servir como ferramenta de estimativa de curvas de permanncia de vazo.
Nesse caso, as coordenadas das estaes sintticas apresentadas na Tabela 22 poderiam ser
usadas pelos rgos competentes como referncia para a implantao de novas estaes
fluviomtricas no estado do Par, ajudando, inclusive, a melhorar a representatividade do
modelo analisado e racionalizando recursos, j que o modelo poder ser utilizado por esses
mesmos rgos.
75
Figura 18 - Curvas de permanncia de vazes simuladas pelo modelo regional para bacias do grupo II
Q = 4656,39 - 12101,32.D + 11803,75.D - 3696,95.D
Q = 6211,11 - 16491,54.D + 17370,06.D - 5913,42.D
Q = 1404,37 - 4275,92.D + 5105,08.D - 2047,25.D
8000
ERRO (%) = 6,83

NASH = 0,97
5000
Q sim.
2000
Q obs.
Q sim.
4000
1500
Q obs.
Q sim.
1000
2000
1000
500
0
0,2
0,4
0,6
0,8
0
0
0,2
0,4
D (%)

Cd. ANA (16500000)
0,8
Q = 2289,42 - 6665,39.D + 7280,09.D - 2586,03.D
1250
ERRO (%) = 7,19

NASH = 0,95
1000
Q (m/s)
1500
Q obs.
Q sim.
0,4
0,6
0,8
4000
ERRO (%) = 11,10

NASH = 0,47
ERRO (%) = 8,78

NASH = 0,65
750
Q obs.
Q sim.
3000
Q obs.
2000
Q sim.
1000
0,2
0,4
0,6
0,8
D (%)

Cd. Ana (18121006)
Q = 624,58 - 2227,47.D + 3225,93.D - 1612,91.D
450
Q obs.
Q sim.
0
1
0,2
0,4
D (%)
D (%)
0,6
0,8

Q = 1414,94 - 4198,99.D + 5220,22.D - 2246,3.D
1500
ERRO (%) = 4,07

NASH = 0,96
Q (m/s)
Q obs.
1500
Q obs.
Q sim.
Q sim.
500
250
0,6
0,8
ERRO (%) = 7,85

NASH = 0,53
3000
750
500
0,4
Q = 3148,67 - 8555,79.D + 8054,39.D - 2403,9.D

3500
1000
1000
0,2
ERRO (%) = 17,49

NASH = 0,88
1250
2000
D (%)
3000
Q = 2649,98 - 7048,17.D + 6710,47.D - 2073,34.D
2500
Q obs.
Q sim.
Q (m/s)
0,8
ERRO (%) = 8,88

NASH = 0,90
2000
0
0,6
0,8
1000
150
750
0,4
0,6
300
1500
0,2
D (%)
3000
Q (m/s)
Q (m/s)
Q (m/s)
Q obs.
Q sim.
2500
Q obs.
2000
Q sim.
1500
1000
0,2
0,4
0,6
0,8
500
0
0
0,2
0,4
0,6
0,8
0,2
Q = 1313,78 - 3568,77.D + 4517,46.D - 2093,55.D
Q = 2358,66 - 6792,12.D + 8975,67.D - 4160,9.D

3000
ERRO (%) = 1,45

NASH = 0,99
ERRO (%) = 10,57

NASH = -0,50
2500
1000
750
Q obs.
Q sim.
500
2000
Q obs.
1500
Q sim.
1000
250
500
0
0
0,2
0,4
0,6
D (%)
0,8
0,6
D (%)
1250
0,4
D (%)
D (%)
Q (m/s)
Q (m/s)
Q (m/s)
4000
ERRO (%) = 6,26

NASH = 0,84
600
3000
0,4
750
ERRO (%) = 14,87

NASH = 0,95
2250
0,2
Q = 3799,13 - 9757,84.D + 8872,18.D - 2579,26.D
Q = 4155,98 - 11295,49.D + 11090,13.D - 3452,26.D
3750
D (%)
4500
0,8
Q = 2650,11 - 7806,36.D + 8367,36.D - 2885,16.D
0,6
250
500
0,2
0,4
D (%)
500
1000
0,2
Q = 1085,86 - 3418,18.D + 4502,52.D - 1946,47.D
2500
2000
0,6
D (%)
Q (m/s)
Q (m/s)
Q (m/s)
Q obs.
ERRO (%) = 8,08

NASH = 0,63
2000
6000
3000
Q (m/s)
Q (m/s)
4000
2500
ERRO (%) = 6,27

NASH = 0,95
0
0
0,2
0,4
0,6
D (%)
0,8
0,8
76
Apos a otimizao do modelo atravs do agrupamento e da insero de estaes

sintticas, foram obtidos modelos para estimar vazes em bacias no Estado do Par, no
Quadro 3 pode-se observar a sntese dos resultados.
Quadro 3 - Modelos regionais obtidos aps a otimizao

Grupo
I
465km A < 15000km
Modelo Regional
Tipo de
Modelo
Linear
II
No
15000km A < 55000km
linear
III
No
55000km A 764000km
linear
77
CONCLUSO
Na etapa de validao do modelo, foi aplicado o procedimento de Jack-knife para as

43 estaes fluviomtricas. Nesse caso, considerando o estado do Par como uma nica
regio, e agrupando as 43 estaes, o modelo no obteve um bom desempenho para algumas
bacias-alvo. Assim, props-se a otimizao do modelo, atravs do mtodo de tentativa e erro,
considerando o agrupamento das bacias em funo da dimenso de suas reas de drenagem; e
pela insero de estaes sintticas para aumentar a densidade de dados do modelo.
Buscando-se evitar um nmero arbitrrio de estaes sintticas inseridas no modelo, esse
nmero foi minimizado pela anlise do comportamento matemtico das curvas dos critrios
de desempenho Nash, RMSE e do Erro mdio percentual; em funo do nmero de estaes
sintticas inseridas. Desde que, as curvas comeassem a ter um comportamento assinttico em
relao ao nmero de estaes inseridas, a insero de estaes era finalizada. Os critrios de
desempenho foram calculados entre as vazes de permanncia observadas e simuladas.
A otimizao atravs do agrupamento das bacias, resultou em trs grupos: I, II e III.
Aps esse agrupamento, a metodologia de regionalizao foi reaplicada. Para os grupos I e II,
o desempenho da regionalizao foi menos satisfatrio que para o grupo III, para o qual,
apenas a otimizao via agrupamento foi suficiente para melhorar o desempenho do modelo
em relao simulao das curvas de permanncia, resultando em um modelo cbico no
linear.
Para os grupos I e II, alm do agrupamento, houve a necessidade de insero de
estaes sintticas para melhoria do desempenho do modelo. Nesse caso, para o grupo I,
foram inseridas 6 estaes sintticas, determinando-se um modelo cbico linear; e para o
grupo II, foram inseridas 3 estaes sintticas, determinando-se um modelo cbico no linear.
No estado do Par a rede hidrolgica de informao ainda escassa, com lacunas
temporais e espaciais que necessitam ser preenchidas. Na falta de sries histricas, estudos
hidrolgicos podem ser realizados para conduzir as estimativas de disponibilidade hdrica.
Nesse caso, o presente trabalho apresenta-se como uma boa opo para modelagem de curvas
de permanncia de vazo, pois a maioria das curvas das 43 estaes analisadas foi
satisfatoriamente simulada com base nos resultados do coeficiente de Nash e do erro relativo
mdio percentual. Ressalta-se tambm, a importncia da pesquisa em relao definio de
possveis localizaes de novas estaes fluviomtricas no estado do Par, com base na
proposta de otimizao do modelo de regionalizao.
78
SUGESTES PARA TRABALHOS FUTUROS
Estudos adicionais devero contribuir para melhor avaliao do procedimento

proposto neste trabalho. Sugere-se ento:
Definir regies homogneas no Estado do Par, por meio da Lgica Fuzzy;
Definir regies homogneas no Estado do Par por meio do mtodo de anlise de
agrupamento, por exemplo, Ward.
79
REFERNCIA BIBLIOGRFICA
ANA. Agncia Nacional de guas. Disponvel em: http://www.ana.gov.br. Acesso em:

janeiro/ 2013.
BLANCO, C.J.C., SANTOS, S.S.M., QUINTAS, M.C., VINAGRE, M.V.A., and
MESQUITA, A.L.A., 2013. Contribution to hydrological modelling of small Amazonian
catchments: application of rainfallrunoff models to simulate flow duration curves.
Hydrological
Sciences
Journal,
58
(7),
111,
DOI:
http://dx.doi.org/10.1080/02626667.2013.830727.
CASTELLARIN, A.; CAMORANI, G.; BRATH, A. Predicting annual and long-term
flowduration curves in ungauged basins. Advances in Water Resources. v. 30, p. 937-953,
2007.
COLLISCHONN, W. 2001. Simulao hidrolgica de grandes bacias. 194 p. Tese de
Doutorado em Recursos Hdricos e Engenharia Ambiental, Universidade Federal do Rio
Grande do Sul, Porto Alegre - RS.
COSTA, A.S.; CARIELLO, B.L.; BLANCO, C.J.C.; PESSOA, F.C.L. Regionalizao de
Curvas de Permanncia de Vazo de Regies Hidrogrficas do Estado do Par. Revista
Brasileira de Meteorologia, v.27, n.4, 413-422, 2012.
DANTAS, R. A. Engenharia de avaliaes: uma introduo metodologia cientifica. 1.
ed. 2. tiragem. So Paulo: Pini, 1998.
ELETROBRS. Centrais Eltricas Brasileiras S. A. Diretrizes para estudos e projetos de
Pequenas Centrais Hidreltricas, 2000.
GONTIJO JR. W.C.; KOIDE, S. Avaliao de Redes de Monitoramento Fluviomtrico
Utilizando o Conceito de Entropia. Revista Brasileira de Recursos Hdricos V. 17, n.1, 97109, 2012.
GOVERNO DO ESTADO DO PAR. O Estado do Par. Disponvel em: <
http://pa.gov.br/O_Para/opara.asp>. Acesso em: junho/2013.
HIDROWEB Sistema de Informaes Hidrolgicas ANA (Agncia nacional de guas).
Disponvel em: http://hidroweb.ana.gov.br. Acesso em: janeiro/2013.
HUGHES, D.A., SMAKHTIN, V. Y. Daily flow time series patching or extension: A
spatial interpolation approach based on flow duration curves. Hydrological Sciences Journal- des Sciences Hydrologiques,41(6), 851871, 1996.
IBAMA. Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renovveis.
Disponvel em: < https://www.ibama.gov.br >. Acesso em: janeiro/2013.
LI, M.; SHAO, Q.; ZHANG, L.; CHIEW, F.H.S. A new regionalization approach and its
application to predict flow duration curve in ungauged basins. Journal of Hydrology, v.
389, n. 1-2, pp. 137-145, 2010.
80
MAZVIMAVI, D. Estimation of flow characteristics of ungauged catchments: Case study

in Zimbabwe. pp. 188. Tese de Doutorado em Hidrologia, Wageningen Universtity,
Netherlands, 2003.
MIMIKOU, M.; KAEMAKI, S. Regionalization of flow duration characteristics. Journal
of Hydrology, 82, 77-91, 1985.
NAGHETTINI, M.; PINTO, E.J.A. Correlao e regresso. Hidrologia e Estatstica. Belo
Horizonte: Servio Geolgico do Brasil - CPRM, 2007. Captulos 09 e 10, p. 381 468.
NASH, J. E.; SUTCLIFFE, J. V. River flow forecasting though conceptual models
part I A discussion of principles. Journal of Hydrology., Vol. 10, Issue 3, p. 282-290,
1970.
OBREGON, E; TUCCI, C.E.M,; GOLDEFUN, J. A. Regionalizao de vazes com base

em sries estendidas: Bacias Afluentes Lagoas Mirim, RS. 1999
PERALTA, A.S. Anlise de Regionalizao de Vazo Mxima para Pequenas Bacias
Hidrogrficas. Dissertao de Mestrado em Engenharia Civil, Universidade Federal de
Campinas, Campinas, 2003.
PESSOA, F.C.L; BLANCO, C.J.C; MARTINS, J.R. 2011. Regionalizao de curvas de
permanncia de vazo da regio da Calha Norte no Estado do Par. Revista Brasileira de
recursos Hdricos, 16 (2): 65-74.
PINTO, J.A.O. Avaliao de mtodos para a Regionalizao de curvas de Permanncia
de vazes para a bacia do Rio das velhas. Dissertao de Mestrado, Programa de PsGraduao em Saneamento, Meio Ambiente e Recursos Hdricos, Universidade Federal de
Minas Gerais, Belo Horizonte, 2006.
SEMA. Secretaria Estadual de Meio Ambiente. Resumo tcnico: Regies Hidrogrficas do
Par. 2001.
SHU, C., OUARDA, T.B.M.J. Improved methods for daily streamflow estimates at
ungauged sites. Water Resources Research, v. 48, W02523, doi:10.1029/2011WR011501,
2012.
SILVEIRA, G.L.; TUCCI, C.E.M.; SILVEIRA, A.L.L. Quantificao de vazo em
pequenas bacias sem dados. Revista Brasileira de Recursos Hdricos, v.3, n. 3. p. 111 131,
1998.
SINGH, K.P. Model flow duration and stream flow variability. Water Resources Research,
v. 7, n. 4, pp. 1031-1036, 1971.
SMAKHTIN, V.Y. Generation of natural daily flow time-series in regulated rivers using
a non-linear spatial interpolation technique. Regulated Rivers: Research & Management,
15, 311323, 1999.
SNIRH. Sistema Nacional de Informaes sobre Recursos Hdricos ANA (Agncia nacional
de guas). Disponvel em: http://portalsnirh.ana.gov.br. Acesso em: janeiro/2013.
81
TUCCI, C.E.M. Regionalizao de vazes. Editora da Universidade. UFRGS. 1 edio.

Porto Alegre, 2002.
VOGEL, R.M.; FENNESSEY, N. M Regional flow duration curve for ungauged sites in
Massachusetts. J. Water Resources Planning Management, 116(4), p.530-549, 1990.
WMO. Guide to hydrological practices data acquisition and processing, analysis,
forecasting e others applications. 15 ed. World Meteorological Organization n 168. p. 259287, 1994.
YU, P.S.; YANG, T.C.; WANG, Y.C. Uncertainty analysis of regional flow duration
curves. Journal of Water Resources Planning Management, v. 128, n. 6, pp. 424-430, 2002.
82
APNDICE A Curvas de permanncia calibradas para os modelos cbico,

logartmico, quadrtico, exponencial e potncia.
Modelo Cbico
Modelo Logartmico
y = -5949,1x 3 + 14436x 2 - 13220x + 4993

R = 0,9995
5000
1000
4000
3000
3000
2000
2000
1000
1000
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
Q obs.
0,8
Q sim.
Q obs.
5000
y = 4966,4e-2,717x
R = 0,9985
0
0,6
0,8
5000
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
2000
2000
0,2
0,4
0,6
0,8
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
4000
800
400
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
0,8
Q obs.
Q sim.
Q sim.
2000
y = 2364,8x 2 - 4162,1x + 1988,6

R = 0,9913
1200
800
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
Q sim.
1200
800
400
y = 199,49x -0,959
R = 0,849
1600
400
400
0,8
Modelo Potencia
2000
y = 2180e-2,942x
R = 0,9957
Q (m/s)
Q (m/s)
800
0,6
1600
1200
0,4
Q obs.
Modelo Exponencial
0,2
0,2
D (%)
D (%)
Modelo Quadrtico
1600
800
2000
1200
400
Q sim.
1600
1200
2000
Modelo Logartmico
Q (m/s)
Q (m/s)
6000
0,8
y = -636,5ln(x) + 88,377
R = 0,9865
2000
1600
8000
0,4
0,6
D (%)
y = -2470,6x 3 + 6218,8x 2 - 5797x + 2144

R = 0,9991
2000
0,2
Q obs.
Modelo Cbico
10000
2000
Q sim.
12000
3000
Modelo Potncia
y = 922,3x -0,80
R = 0,888
4000
0,2
14000
Q sim.
1000
0
D (%)
Q obs.
5000
3000
1000
0,8
y = 5881,4e-2,257x
R = 0,9921
6000
4000
1000
0,6
Modelo Exponencial
Q (m/s)
Q (m/s)
3000
0,4
7000
5000
4000
0,2
y = 6545,2x 2 - 11613x + 5970,2

R = 0,9609
6000
5000
Q obs.
Modelo Quadrtico
7000
Q sim.
6000
2000
D (%)
Modelo Logartmico
y = -1832ln(x) + 598,75
R = 0,9989
3000
0,2
7000
4000
1000
0
D (%)
Q obs.
6000
2000
1000
Q sim.
Modelo Cbico
3000
1000
y = -12956x 3 + 26756x 2 - 20187x + 6785,1

R = 0,987
7000
Q (m/s)
Q (m/s)
Q (m/s)
2000
0,8
y = 544,57x -0,887
R = 0,8554
4000
3000
0,6
Q obs.
Modelo Potencia
0,4
0,4
Q sim.
0,2
0,2
D (%)
Modelo Exponencial
D (%)
4000
Q (m/s)
0,6
5000
y = 5155x 2 - 9282,6x + 4618,8

R = 0,9909
Q (m/s)
Q (m/s)
Q (m/s)
2000
Q (m/s)
5000
4000
3000
Q (m/s)
Modelo Quadrtico
y = -1460ln(x) + 302,91
R = 0,9893
5000
4000
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
83
Modelo Logartmico
y = -716,4ln(x) + 117,9
R = 0,9975
2500
y = -3906,3x 3 + 8822,9x 2 - 7309x + 2498,9

R = 0,9956
Estao Estiro da Angelica

Cd. ANA (16500000)
Modelo Quadrtico
2500
2000
Q (m/s)
2000
Q (m/s)

Cd. ANA (16500000)
Modelo Cbico
1500
1000
1500
1000
500
500
0,2
0,4
0,6
0,8
1000
0,2
0,4
D (%)
Q obs.
1500
500
y = 2729x 2 - 4724x + 2253,2

R = 0,9801
2000
Q (m/s)
2500

Cd. ANA (16500000)
0,6
0,8
0,2
D (%)
Q sim.
Q obs.

Cd. ANA (16500000)
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
Q sim.

Cd. ANA (16500000)
Modelo Cbico
Modelo Exponencial
Modelo Potncia
2500
2500
y = 2335,5e-2,725x
R = 0,9978
1000
1000
500
0,4
0,6
D (%)
Q obs.
0,8
0,2
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
0,8
Q sim.
y = 57,519e-2,274x
R = 0,9792
40
20
0
0,2
D (%)
Q obs.
60
Q (m/s)
Q (m/s)
20
0,8
Modelo Exponencial
80
y = 86,968x 2 - 140,66x + 64,569

R = 0,9462
40
20
0,6
60
40
0,4
Q obs.
Modelo Quadrtico
60
0,2
Q sim.
80
D (%)
Modelo Logartmico
y = -19,86ln(x) + 4,3262
R = 0,9919
40
20
80
Q (m/s)
60
1500
500
0,2
R = 0,874
Q (m/s)
1500
2000
Q (m/s)
Q (m/s)
2000
y = -177,74x 3 + 364,25x 2 - 258,28x + 75,749

R = 0,9877
80
= 252,0x -0,9
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
0,2
Q sim.
0,4
0,6
D (%)
Q obs.
Estao Boca do Inferno

Cd. ANA (17090000)
0,8
Q sim.

Cd. ANA (17090000)
Modelo Potncia
Q (m/s)
Q (m/s)
40
400
200
0
0,2
0,4
0,6
D (%)
Q obs.
0,8
0
0,2
0,8
0,2
0,4
0,6
Q obs.
Q sim.
0,8
0,6
0,8
Q sim.
Modelo Quadrtico
y = 42,22x 2 - 79,912x + 52,844
R = 0,972
50
40
30
20
40
30
20
10
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
Q sim.
0,6

Cd. ANA (17345000)
60
D (%)
Q obs.
0,4
Q obs.
Q sim.
0,4
0,2
D (%)
10
0,2
400
Q (m/s)
Q (m/s)
10
y = 83,81x -0,78
R = 0,978
600
y = -13,43ln(x) + 14,151
R = 0,9951
50
20
0,8
Q sim.
Modelo Potncia
800
Modelo Logartmico
30
1000
60
40
0,8

Cd. ANA (17090000)

Cd. ANA (17345000)
Modelo Cbico
Q (m/s)
Q obs.
D (%)
y = -86,582x 3 + 177,29x 2 - 137,21x + 58,29

R = 0,9936
0,6
0
0

Cd. ANA (17345000)
0,4
200
D (%)
50
Q sim.
400
200
60
0,2
D (%)
600
200
Q obs.
Q (m/s)
Q (m/s)
Q (m/s)
400
0,6
y = 525,45e-2,171x
R = 0,9282
800
600
0,4
0,8
Modelo Exponencial
1000
0,2
0,6

Cd. ANA (17090000)
y = 1095,1x 2 - 1642,3x + 682,56

R = 0,9235
0,4
Q obs.
Q sim.
Modelo Quadrtico
800
400
D (%)

Cd. ANA (17090000)
1000
600
200
0
y = -208ln(x) + 28,864
R = 0,964
800
600
20
Modelo Logartmico
1000
y = -2333,8x 3 + 4735,9x 2 - 3186,7x + 829,36

R = 0,9869
800
60
Modelo Cbico
1000
y = 8,707x -0,78
R = 0,937
Q (m/s)
80
Q obs.
0,6
D (%)
Q sim.
Q obs.
Q sim.
0,8
84

Cd. ANA (17345000)

Cd. ANA (17345000)
50
30
20
30
20
10
0,2
0,4
0,6
0,8
0,2
0,4
Q sim.
Q obs.
0,8
10000
5000
Q obs.
0,6
0,8
Q sim.
y = 23398e-1,926x
R = 0,986
20000
15000
5000
0,8
Modelo Exponencial
25000
Q (m/s)
10000
0,6
20000
15000
0,4
D (%)
0,4
Q obs.
y = 22319x 2 - 42081x + 24048

R = 0,9981
25000
y = -6831ln(x) + 3918,2
R = 0,9614
0,2
0,2
Q sim.
Modelo Quadrtico
D (%)
Q (m/s)
Q (m/s)
0,6
D (%)
Modelo Logartmico
20000
10000
25000
15000
5000
D (%)
Q obs.
20000
40
10
y = -2265,3x 3 + 25853x 2 - 43580x + 24190

R = 0,9982
25000
y = 15,89x -0,46
R = 0,925
50
40
Q (m/s)
Q (m/s)
Modelo Potncia
60
y = 49,048e-1,36x
R = 0,9769
Q (m/s)
60

Modelo Cbico
Modelo Exponencial
15000
10000
5000
0
0,2
0,4
D (%)
Q obs.
Q sim.
0,6
0,8
0,2
Q sim.
0,4
D (%)
Q obs.
0,6
0,8
Q sim.

Cd. ANA (17610000)

Cd. ANA (17610000)
Modelo Potncia
Modelo Logartmico
Modelo Cbico
y = 4821,x -0,64
R = 0,882
Q (m/s)
15000
10000
5000
0
0
0,2
0,4
D (%)
Q obs.
0,8
y = -648,86x 3 + 1913,1x 2 - 1992,8x + 776,13

R = 0,9993
0,2
0,4
0,8
Q obs.
Q sim.
Q (m/s)
y = 900,83x 2 - 1563,4x + 735,31

R = 0,9954
0,6
0,8
800
700
600
500
400
300
200
100
0
0,2
0,4
Q sim.
Q obs.
Modelo Cbico
0,2
0,4
0,6
D (%)
0,8
0,6
0,8
Q sim.
Modelo Quadrtico
25000
y = 19103x 2 - 36834x + 21650

R = 0,9984
20000
15000
10000
5000
0
0,2
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
0,8
D (%)
Q obs.
Q sim.
Estao Acar do Tapajs

Cd. ANA (17650002)

Cd. ANA (17650002)
0,4
D (%)

Cd. ANA (17650002)
10000
5000
Q sim.
Q obs.
Q sim.
15000
5000
Q obs.
Q (m/s)
Q (m/s)
10000
0,2
0,8
y = -6128ln(x) + 3743,8
R = 0,9649
20000
15000
0,6
Modelo Logartmico
25000
0,8
y = 72,85x -0,95
R = 0,865

Cd. ANA (17650002)
y = -4046,6x 3 + 25416x 2 - 39512x + 21904

R = 0,9986
20000
0,6
Modelo Potncia
800
700
600
500
400
300
200
100
0
D (%)

Cd. ANA (17650002)
25000
0,4

Cd. ANA (17610000)
y = 780,29e-2,908x
R = 0,9966
D (%)
Q obs.
0,2
Q obs.
Modelo Exponencial
0,4
Q sim.

Cd. ANA (17610000)
0,2
y = -233,6ln(x) + 30,921
R = 0,9777
D (%)
Modelo Quadrtico
Q (m/s)
0,6
800
700
600
500
400
300
200
100
0
D (%)

Cd. ANA (17610000)
800
700
600
500
400
300
200
100
0
Q (m/s)
0,6
800
700
600
500
400
300
200
100
0
Q (m/s)
Q (m/s)
20000
Q (m/s)
25000
Q sim.

Modelo Cbico
Modelo Potncia
Modelo Exponencial
25000
25000
y = 21280e-1,89x
R = 0,9909
y = 4524,x -0,62
R = 0,880
20000
Q (m/s)
Q (m/s)
15000
15000
10000
10000
5000
5000
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
y = -3365,5x 3 + 9624,7x 2 - 10020x + 3913,6

R = 0,9993
3000
Q (m/s)
20000
4000
2000
1000
0
0,2
0,4
D (%)
Q obs.
0,6
0,8
0,2
0,4
0,6
D (%)
Q sim.
Q obs.
Q sim.
0,8
85
Modelo Logartmico
Modelo Quadrtico
4000
4000
y = -1205ln(x) + 113,59
R = 0,9841
2000
2000
1000
1000
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
Modelo Cbico
1500
1000
1500
1000
0,4
D (%)
Q obs.
0,8
0,2
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
Modelo Exponencial
3500
1500
1000
2000
1500
0,2
0,4
0,6
D (%)
Q obs.
0,2
0,4
0,6
D (%)
Q obs.
Q sim.

Cd. ANA (18121006)
Modelo Cbico
Modelo Logartmico
500
0,4
0,6
0,8
0,4
D (%)
0,6
0,8
Q sim.
Modelo Quadrtico
500
y = 389,49x 2 - 754,51x + 451,43

R = 0,9681
400
300
200
100
0
0,2
0,4
D (%)
Q obs.
0,2

Cd. ANA (18121006)
200
100
Q obs.
300
100
0,2
y = -129,6ln(x) + 80,324
R = 0,9883
400
Q (m/s)
200
0,8
Q sim.

Cd. ANA (18121006)
300
1500
500
y = -976,21x 3 + 1912,4x 2 - 1400,5x + 512,84

R = 0,9974
400
2000
Q (m/s)
500
0,8
Q sim.
2500
1000
1000
0,8
y = 259,8x -1,10
R = 0,832
3000
2500
500
500
0,4
0,6
D (%)
Modelo Potncia
3500
Q (m/s)
Q (m/s)
2000
0,2
y = 4182,5e-3,427x
R = 0,9903
3000
2500
Q obs.
y = 4389,9x 2 - 7732,5x + 3574

R = 0,9925
Q sim.
Modelo Quadrtico
3000
Q (m/s)
0,6
3500
Q (m/s)
500
0,2
Q sim.
2000
500
0
2500
2000
0,8
y = -1156ln(x) + 66,044
R = 0,9428
3000
Q (m/s)
Q (m/s)
1000
0,4
0,6
D (%)
Modelo Logartmico
3500
2500
2000
0,2
y = 352,93x 3 + 3839,3x 2 - 7499x + 3551,8

R = 0,9925
3000
3000
Q obs.
3500
Q sim.
Modelo Potncia
y = 318,5x -1,03
R = 0,833
2000
1000
4000
y = 4322,7e-3,22x
R = 0,9986
3000
Q (m/s)
Q (m/s)
Q (m/s)
Modelo Exponencial
4000
y = 4374,4x 2 - 7793x + 3701,9

R = 0,9953
3000
3000
Q (m/s)
0,6
0,8
0,2
0,4
D (%)
Q sim.
Q obs.
0,6
0,8
D (%)
Q sim.

Cd. ANA (18121006)

Cd. ANA (18121006)
Modelo Exponencial
Modelo Potncia
Q obs.
Q sim.

Modelo Cbico
300
200
100
200
0,2
0,4
0,6
0,8
0,2
0,4
0,6
0,8
Q sim.
Q obs.
600
200
100
400
300
200
D (%)
Q obs.
0,8
400
300
200
0,2
0,4
0,6
Q obs.
0,8
0,2
0,4
0,6
D (%)
D (%)
Q sim.
Q sim.
100
0,6
y = 431,32e-2,504x
R = 0,9713
500
100
0,8
Modelo Exponencial
600
Q (m/s)
Q (m/s)
300
0,6
y = 759,52x 2 - 1181,9x + 502,12

R = 0,945
500
400
0,4
0,4
Q obs.
Modelo Quadrtico
0,2
0,2
Q sim.
y = -157,7ln(x) + 14,347
R = 0,9837
D (%)
Modelo Logartmico
500
200
D (%)
600
300
D (%)
Q obs.
400
100
y = -1422,2x 3 + 2978,1x 2 - 2123,1x + 591,58

R = 0,9868
500
300
100
Q (m/s)
600
y = 96,342x -0,628
R = 0,8125
400
Q (m/s)
400
Q (m/s)
500
y = 455,47e-1,902x
R = 0,9292
Q (m/s)
500
Q sim.
Q obs.
Q sim.
0,8
86
Modelo Potncia
Modelo Cbico
400
Q (m/s)
300
200
100
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
Q obs.
y = 255,98x2 - 393,07x + 161,19

R = 0,9611
180
Q obs.
80
Q (m/s)
Q (m/s)
100
100
Q obs.
80
Q sim.
60
40
40
20
20
0
0,6
0,8
0,2
0,4
0,6

Modelo Logartmico
0,4
0,6
0,8
0,4
0,6
Q obs.
Q sim.
0,8
500
200
0,6
0,8
6000
4000
0,2
0,4
0,6
0,8
Q obs.
Q sim.
Q sim.
Q obs.
Modelo Logartmico
Modelo Quadrtico
10000
4000
2000
0
0,6
0,8
6000
4000
0,2
0,4
0,6
0,8
0,2
0,4
Q obs.
Q sim.
0,6
0,8
D (%)
D (%)
Q sim.
2000
D (%)
Q obs.
y = 10369e-2,345x
R = 0,9929
8000
6000
2000
0,8
Modelo Exponencial
10000
y = 10293x 2 - 19130x + 10147

R = 0,9987
Q (m/s)
Q (m/s)
4000
0,6
8000
0,4
0,4
D (%)
0,2
0,2
D (%)
6000
Q sim.
8000
2000
D (%)
y = -3064ln(x) + 1084,7
R = 0,9656
0,8
8000
200
100
0,6
Modelo Cbico
300
100
0,4
y = -2209,8x 3 + 13741x 2 - 20592x + 10286

R = 0,9989
10000
Q (m/s)
Q (m/s)
300
10000
0,2
y = 51,23x -0,90
R = 0,862
400
400
Q obs.
Q obs.
Modelo Potncia
0,4
Q sim.
0,2
200
D (%)
Modelo Exponencial
y = 482,52e-2,751x
R = 0,9968
300
D (%)
500
0,2
D (%)
Q obs.
0,8
100
0,6
y = 536x 2 - 941,1x + 455,33

R = 0,9806
400
200
100
0,2
0,4
Modelo Quadrtico
300
100
0,2
500
Q (m/s)
Q (m/s)
200
Q sim.
400
300
Q obs.
y = -145,1ln(x) + 25,074
R = 0,9975
500
Q sim.
D (%)
Modelo Cbico
400
Q (m/s)
0,8
y = -792,23x 3 + 1771,9x 2 - 1465,4x + 505,16

R = 0,9961
500
y = 14,608x-0,939
R = 0,9462
180
160
140
120
100
80
60
40
20
0
D (%)
D (%)
0,8
Modelo Potncia
120
Q sim.
60
0,6
y = 137,33e -2,687x
R = 0,9651
160
120
0,4
0,4
Q obs.
140
0,2
0,2
Q sim.
Modelo Exponencial
140
Q (m/s)
D (%)
y = -50,92ln(x) + 1,5444
R = 0,9797
Modelo Quadrtico
160
Q (m/s)
0,8
180
180
160
140
120
100
80
60
40
20
0
D (%)
Q (m/s)
Q (m/s)
500
Modelo Logartmico
y = -421,5x 3 + 913,53x 2 - 672x + 187,7

R = 0,9961
180
160
140
120
100
80
60
40
20
0
y = 53,52x -0,87
R = 0,949
Q (m/s)
600
Q obs.
Q sim.

Cd. ANA (18480000)
Q sim.

Cd. ANA (18480000)
Modelo Potncia
Modelo Cbico
10000
500
y = 1528,7x -0,773
R = 0,8676
4000
300
200
2000
100
0
0
0,2
0,4
0,6
0,8
300
200
100
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
Q obs.
y = -148,5ln(x) + 13,923
R = 0,9731
400
Q (m/s)
Q (m/s)
Q (m/s)
6000
Modelo Logartmico
500
y = -430,49x 3 + 1309x 2 - 1339,9x + 497,69

R = 0,9974
400
8000
Q sim.
Q obs.
0,6
D (%)
Q sim.
Q obs.
Q sim.
0,8
87

Cd. ANA (18480000)

Cd. ANA (18480000)
Modelo Exponencial
Modelo Quadrtico
500
500
y = 637,4x 2 - 1055,1x + 470,62
R = 0,9931
200
300
200
100
100
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
Q sim.
Q obs.
y = -2855,1x 3 + 8831,3x 2 - 9090,7x + 3305,6

R = 0,9994
3500
1400
0,6
0,8
0,2
0,4
Q sim.
Q obs.
0,8
3500
Q (m/s)
2100
1400
0,6
0,8
0,2
0,4
0,6
0,8
Q obs.
Q sim.
Estao So Felix do Xingu

Cd. ANA (18510000)
0,4
0,6
D (%)
Q obs.
0,2
0,8
0,2
0,4
0,6
0,8
14000
12000
10000
8000
6000
4000
2000
0
Q obs.
0,2
Q sim.
Modelo Potncia
0,2
0,4
0,6
0,8
0,2
D (%)
Q obs.
Q sim.
0,4
0,6
D (%)
Q obs.
0,8

Modelo Exponencial
14000
12000
10000
8000
6000
4000
2000
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
D (%)
Q sim.
Q (m/s)
y = 1879,x -0,81
R = 0,865
0,2
0,4
0,6
0,8
0,2
0,4
Q obs.
0,6
D (%)
D (%)
Q sim.
0,8
Modelo Potncia
14000
12000
10000
8000
6000
4000
2000
0
y = 14156e-2,473x
R = 0,9895
D (%)
Q obs.
y = -4220ln(x) + 1238,9
R = 0,9611
Q (m/s)
Q (m/s)
Q sim.
Q obs.
Modelo Quadrtico
y = 14816x 2 - 26974x + 13819
R = 0,9968
14000
12000
10000
8000
6000
4000
2000
0
Q sim.
14000
12000
10000
8000
6000
4000
2000
0
0,8
Modelo Logartmico
y = -2991,9x 3 + 19483x 2 - 28954x + 14007

R = 0,9971
14000
12000
10000
8000
6000
4000
2000
0
0,6
Q (m/s)
Q (m/s)
Q (m/s)
y = 1951,x -0,79
R = 0,849
0,4
Q obs.
Modelo Cbico
14000
12000
10000
8000
6000
4000
2000
0
Q sim.
D (%)
Estao So Felix de Xingu

Cd. ANA (18510000)
y = 14087e-2,431x
R = 0,9938
D (%)
Q sim.
0,8
Modelo Exponencial
Q (m/s)
0
0,4
0,6
D (%)

Cd. ANA (18510000)
y = 12954x 2 - 24735x + 13331

R = 0,9973
Q sim.
Q obs.
Q sim.
Q (m/s)
0,2
Modelo Quadrtico
14000
12000
10000
8000
6000
4000
2000
0
y = -4053ln(x) + 1406,7
R = 0,9538
y = -725,61x 3 + 14086x 2 - 25215x + 13377

R = 0,9973

Cd. ANA (18510000)
Modelo Logartmico
14000
12000
10000
8000
6000
4000
2000
0
D (%)
D (%)
0,8
Modelo Cbico
0,6

Cd. ANA (18510000)
700
700
14000
12000
10000
8000
6000
4000
2000
0
0,4
Q obs.
y = 236,1x -1,06
R = 0,880
2800
1400
Q obs.
0,2
Q sim.
Modelo Potncia
0,4
1400
D (%)
Q (m/s)
Q (m/s)
0,6
Modelo Exponencial
0,2
2100
D (%)
y = 4377,3x 2 - 7201,3x + 3126

R = 0,9953
2800
2100
700
D (%)
y = 3209,4e-3,183x
R = 0,9847
0,8
Q sim.
Modelo Quadrtico
1400
700
2800
0,6
3500
2100
700
3500
0,4
Q (m/s)
Q (m/s)
Q (m/s)
2100
Q obs.
0,2
D (%)
y = -1005ln(x) + 25,603
R = 0,975
2800
0,4
Q obs.
Modelo Logartmico
0,2
Q sim.
2800
Q (m/s)
0,8
D (%)
Modelo Cbico
200
3500
300
100
D (%)
Q obs.
y = 43,96x -0,96
R = 0,891
400
Q (m/s)
300
Modelo Potncia
500
y = 462,2e-2,862x
R = 0,9826
400
Q (m/s)
Q (m/s)
400

Cd. ANA (18480000)
Q sim.
Q obs.
Q sim.
0,8
88
Modelo Cbico
Modelo Logartmico
y = -4163,9x 3 + 23681x 2 - 33499x + 15720

R = 0,9961
15000
15000
6000
9000
6000
3000
3000
0,2
0,4
0,6
0,8
0,4
Q obs.
Q sim.
Q sim.
y = 15592e-2,476x
R = 0,9889
15000
6000
3000
0
0,6
0,8
0,2
Q sim.
0,4
0,2
Modelo Exponencial
y = 3862,5e-3,044x
R = 0,9808
3600
2700
1800
0
0,2
0,4
D (%)
0,6
0,8
0,2
Q sim.
Q obs.
Q sim.
Q obs.
Modelo Potncia
y = 313,0x -1,03
R = 0,909
2700
1800
2400
1800
2400
1800
1200
600
0
0
0,6
0,8
0,2
0,4
D (%)
Q obs.
0,8
Q sim.
Q obs.
Estao Laranjeira - Cd. ANA (18600000)

Modelo Exponencial
4200
Q (m/s)
2400
1800
1200
600
0,6
0,8
3000
2400
1800
3000
2400
1800
1200
1200
600
0,2
0,4
D (%)
Q obs.
0,8
Q sim.
Q obs.

Modelo Logartmico
3000
1000
500
0,8
1500
1000
2000
1500
1000
0
0,2
0,4
0,6
0,8
0,2
0,4
Q obs.
0,6
D (%)
D (%)
Q sim.
Q sim.
500
0
D (%)
Q obs.
y = 3652x 2 - 6281,2x + 2874,5

R = 0,9964
2500
2000
0
0,6
0,8
Modelo Quadrtico
3000
500
0,6
y = -925,5ln(x) + 67,826
R = 0,9724
2500
Q (m/s)
1500
0,4
0,4
Q obs.
Q sim.
Modelo Cbico
0,2
0,2
D (%)
2000
Q (m/s)
2500
0,6
D (%)
y = -1929,7x 3 + 6662,3x 2 - 7558,2x + 2995,9

R = 0,9986
3000
Q sim.
y = 384,1x -1,01
R = 0,860
3600
0
0,4
Modelo Potncia
4200
600
0,8
y = 4707,5e-3,069x
R = 0,9838
3600
0,6
Q obs.
Q sim.
Modelo Quadrtico
0,2
0,4
D (%)
3000
0,2
D (%)
y = 5606,9x 2 - 9650x + 4434,5

R = 0,9953
3600
0,6
Q (m/s)
4200
Q (m/s)
3000
600
Q sim.
y = -1412ln(x) + 130,42
R = 0,9557
3600
3000
1200
900
Q (m/s)
4200
Q (m/s)
Q (m/s)
Q (m/s)
3600
Modelo Logartmico
y = -615,87x 3 + 6567,6x 2 - 10058x + 4473,2

R = 0,9954
4200
0,8
Modelo Cbico
0,4
0,6
D (%)

Cd. ANA (18590000)
0,2
0,4
D (%)
4500
Q sim.
900
0
4500
Q (m/s)
Q (m/s)
0,8
0,8

Cd. ANA (18590000)
1800
0,6
Q obs.
2700
0
0,6
Q sim.
Modelo Quadrtico
900
3600
0,4
D (%)
y = 6127,5x 2 - 9711,8x + 4060,7

R = 0,9792
3600
900
Q obs.
4500
1800
0,4
0,8

Cd. ANA (18590000)
2700
0,2
0,6
Q obs.
y = -1308ln(x) + 1,4222
R = 0,987
1800
D (%)
Modelo Logartmico
3600
2700
0
0

Cd. ANA (18590000)
4500
Q sim.
900
D (%)
Q obs.
y = -7561,3x 3 + 17923x 2 - 14716x + 4536,3

R = 0,9964
3600
9000
3000
0,8
Modelo Cbico
4500
y = 2058x -0,82
R = 0,872
Q (m/s)
Q (m/s)
6000
0,4
0,6

Cd. ANA (18590000)
12000
0,2
0,4
Q obs.
Modelo Potncia
0,2
D (%)
9000
Q (m/s)
0,8
Modelo Exponencial
12000
Q (m/s)
0,6
D (%)
15000
6000
0
0,2
D (%)
Q obs.
9000
3000
0
y = 17185x 2 - 30743x + 15459

R = 0,9957
12000
Q (m/s)
Q (m/s)
Q (m/s)
9000
Modelo Quadrtico
15000
y = -4710ln(x) + 1316,3
R = 0,9576
12000
12000
Q sim.
Q obs.
Q sim.
0,8
89
Modelo Exponencial
Modelo Potncia
2500
Q (m/s)
2500
Q (m/s)
2000
1500
1000
1500
1000
500
0,2
0,4
0,6
0,8
8000
2000
500
0
0,2
0,4
Q obs.
Q sim.
10000
y = -3188ln(x) + 90,727
R = 0,9612
0,6
0,8
0,2
0,4
Q obs.
Q sim.
0
0,6
0,8
Modelo Logartmico
0,4
0,6
D (%)
Q obs.
0,8
Modelo Exponencial
25000
0,2
0,4
0,6
D (%)
Q obs.
5000
0
0,2
0,4
0,6
D (%)
Q obs.
0,8

Modelo Logartmico
0
0,4
0,6
D (%)
Q obs.
0,8
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
Modelo Potncia
Q (m/s)
Q (m/s)
5000
Q obs.
Q sim.
0,8
Q sim.
1000
750
500
250
0,8
y = -3932,1x 3 + 8632,2x 2 - 6301,4x + 1656,8

R = 0,9954
1250
10000
5000
0,4
0,6
D (%)
Modelo Cbico
1500
20000
10000
0,2
15000
0,4
0,6
D (%)
y = 2333,x -1,00
R = 0,860
25000
15000
0,2
10000
Q obs.
20000
15000
Q sim.
Modelo Exponencial
y = 28297e-3,061x
R = 0,9941
y = 32974x 2 - 56900x + 26289

R = 0,996
0,2
25000
5000
0,8
Q sim.
20000
10000
5000
0,4
0,6
D (%)
Modelo Quadrtico
25000
y = -8399ln(x) + 812,82
R = 0,9676
15000
5000
0,2
20000
10000
0,2
Q obs.
Modelo Cbico
25000
Q sim.
15000
10000
Q sim.
Q (m/s)
20000
y = 2449,x -0,97
R = 0,860
15000
y = -14957x 3 + 56307x 2 - 66797x + 27230

R = 0,9976
Q sim.
Q (m/s)
25000
0,8
Q (m/s)
Q (m/s)
0
0,8
20000
10000
0,4
0,6
D (%)
Modelo Potncia
15000
0,2
25000
y = 27323e-2,957x
R = 0,9893
20000
5000
Q obs.
5000
10000
Q sim.
Modelo Quadrtico
10000
15000
15000
y = -8141ln(x) + 1034,1
R = 0,9653
25000
0
0,2
Q sim.
20000
Q sim.
5000
D (%)
y = 31144x 2 - 54431x + 25642

R = 0,9976
20000
0,8
10000
5000
0,6
Q obs.
15000
2000
25000
0,4
Q sim.
Q (m/s)
4000
Q obs.
0,2
D (%)
20000
6000
0,4
4000
y = -6945,4x 3 + 41978x 2 - 59027x + 26079

R = 0,998
25000
Q (m/s)
Q (m/s)
0,8
Modelo Cbico
8000
Q (m/s)
0,6
0,2
6000
D (%)
Modelo Potncia
y = 10744e-3,337x
R = 0,9857
0
0
y = 705,4x -1,09
R = 0,858
Q sim.
2000
10000
8000
D (%)
Q obs.
0,8
Modelo Exponencial
10000
y = 13178x 2 - 22253x + 9867,4

R = 0,9957
Q (m/s)
Q (m/s)
0,6
4000
2000
0,4
0,4
Q obs.
6000
2000
0,2
0,2
Q sim.
8000
4000
Q (m/s)
D (%)
Modelo Quadrtico
6000
Q (m/s)
0,8
8000
Q (m/s)
0,6
D (%)
Modelo Logartmico
4000
10000
6000
2000
D (%)
Q obs.
Modelo Cbico
y = -3342,6x 3 + 18393x 2 - 24465x + 10078
R = 0,9963
10000
y = 238,6x -1,03
R = 0,858
3000
y = 3151,6e-3,169x
R = 0,9964
Q (m/s)
3000
0
0
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
90
Modelo Logartmico
Modelo Quadrtico
1250
1000
Q (m/s)
Q (m/s)
1250
750
500
250
0,2
0,4
0,6
0,8
1000
750
500
0,2
0,4
0,8
Q sim.
Q obs.
y = 94,33x -1,04
R = 0,947
600
500
200
0
0,6
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8

Modelo Exponencial
600
Q (m/s)
500
300
200
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
Modelo Cbico
0,8
12000
9000
6000
6000
0,2
0,4
0,6
0,8
0,2
D (%)
D (%)
Q obs.
9000
3000
Q sim.
y = 20832x 2 - 35529x + 16851

R = 0,9942
15000
Q (m/s)
Q (m/s)
0,8
Modelo Quadrtico
18000
0,8

Cd. ANA (27500000)
3000
3000
0,4
0,6
D (%)
Q obs.
Modelo Logartmico
6000
0,6
0,2
Q sim.
12000
0,4
200
y = -5201ln(x) + 1067,9
R = 0,9777
15000
9000
0,2
300
18000
12000
400

Cd. ANA (27500000)
y = -15704x 3 + 45331x 2 - 45921x + 17839

R = 0,9989
15000
Q sim.
0
0

Cd. ANA (27500000)
18000
100
0,8
Modelo Potncia
400
0,4
0,6
D (%)
y = 37,237x -1,059
R = 0,9283
600
100
100
0,2
y = 477,26e-3,075x
R = 0,974
500
200
Q obs.
Modelo Quadrtico
300
200
Q sim.
400
300
Q (m/s)
500
400
y = 862,64x 2 - 1326,1x + 530,96

R = 0,9717
Q sim.
100
0
D (%)
600
y = -171ln(x) - 7,2833
R = 0,9781
500
300
100
0,8
Modelo Logartmico
600
400
250
0,6
Estao Pacajs- Cd. ANA (19985000)
Q (m/s)
750
Q obs.
0,4
Q obs.
y = -1244,6x 3 + 2804,1x 2 - 2149,7x + 609,24

R = 0,9988
500
1000
0,4
0,2
Q sim.
Modelo Cbico
0,2
D (%)
Estao Pacajs- Cd. ANA (19985000)
500
D (%)
Q (m/s)
Q (m/s)
0,6
Modelo Potncia
1250
750
1500
1000
250
D (%)
Q obs.
y = 1115,8e-2,943x
R = 0,9336
1250
Q (m/s)
1500
250
Q (m/s)
Modelo Exponencial
y = 2498,2x 2 - 3699,3x + 1409,5

R = 0,9572
1500
y = -447,8ln(x) - 33,193
R = 0,9478
Q (m/s)
1500
Q obs.
Q sim.

Cd. ANA (27500000)
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
Q sim.

Cd. ANA (27500000)
Modelo Cbico
Modelo Exponencial
y
12000
9000
6000
Q obs.
0,4
0,6
D (%)
Q obs.
0,8

Modelo Quadrtico
Q (m/s)
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
Q sim.
y = 31065e-2,357x
R = 0,9813
28000
14000
7000
0,8
Modelo Exponencial
35000
21000
7000
0,4
0,6
D (%)
y = 35761x 2 - 62856x + 31539

R = 0,9927
28000
0,2
Q obs.
Modelo Logartmico
35000
Q sim.
14000
0
0,2
Q sim.
21000
14000
7000
0
y = -9551ln(x) + 2915,3
R = 0,9783
28000
Q (m/s)
21000
Q (m/s)
35000
0,8
y = -31120x 3 + 84307x 2 - 83450x + 33497

R = 0,9982
28000
6000
0
0,4
0,6
D (%)
R = 0,8929
9000
3000
0,2
35000
= 2023,6x -0,856
12000
3000
0
15000
R = 0,9879
Q (m/s)
Q (m/s)
15000
Modelo Potncia
18000
= 16459e-2,551x
Q (m/s)
18000
21000
14000
7000
0
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
91
Estao Fazenda alegria - Cd. ANA (29100000)
Modelo Potncia
Modelo Cbico
35000
2100
= 4496,x -0,78
7000
1200
900
600
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,2
Q sim.
0,4
0,6
D (%)
Q obs.
0,8
Modelo Exponencial
2100
900
600
1500
1200
900
600
300
300
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8

Modelo Logartmico
0,2
0,4
0,6
D (%)
Q obs.
0,8
0,4
0,6
D (%)
Q obs.
0,8
0,4
0,6
D (%)
Q obs.
0,8
Q (m/s)
0,4
0,6
D (%)
0,8
30000
Modelo Exponencial
35000
0
0,4
0,6
0,8
10000
Q sim.
Q obs.
0,6
0,8
Q sim.
y = -146,4ln(x) + 19,794
R = 0,9784
400
300
200
300
200
100
0
0,2
0,4
0,6
0,8
0,2
0,4
D (%)
D (%)
Q sim.
0,8
Modelo Logartmico
500
y = -1128,7x 3 + 2458,1x 2 - 1844x + 546,33

R = 0,9997
0,6

Cd. ANA (31020000)
100
5000
Q obs.
0,4
D (%)
Q (m/s)
Q (m/s)
15000
0,4
0,2
Modelo Cbico
400
0,2

Cd. ANA (31020000)
20000
y = 29903e-2,092x
R = 0,9511
30000
5000
0,2
Q obs.
25000
Q sim.
10000
Modelo Potncia
30000
15000
Q sim.
500
0,8
D (%)
y = 5223,1x -0,731
R = 0,9319
0,6
20000
35000
0,4
25000
D (%)
Q obs.
0,2
Q (m/s)
Q (m/s)
0
0,8
10000
Q obs.
15000
5000
0,6
15000
Q sim.
20000
5000
0,4
20000
D (%)
25000
10000
0,2
Q sim.
y = -50139x 3 + 124311x 2 - 107587x + 37897

R = 0,9973
y = 46095x 2 - 74407x + 34743

R = 0,985
35000
10000
30000
Modelo Quadrtico
0,8
Modelo Cbico
15000
0,4
0,6
D (%)
0,2
Q obs.
20000
0,2
5000
Q sim.
25000
35000
Modelo Logartmico
30000
25000
y = -10175ln(x) + 3206,1
R = 0,9734
0,8
y = 28449x 2 - 54860x + 31303

R = 0,9905
35000
30000
25000
20000
15000
10000
5000
0
y = 5789,3x -0,689
R = 0,8723
35000
0,6
Q sim.
Q obs.
Modelo Potncia
0,2
0,4
D (%)
Q sim.
35000
30000
25000
20000
15000
10000
5000
0
0,2
Modelo Quadrtico
Modelo Exponencial
Q (m/s)
0
0,2
Q sim.
y = 31850e-2,088x
R = 0,9983
y = -9272ln(x) + 4501,4
R = 0,9877
35000
30000
25000
20000
15000
10000
5000
0
Q (m/s)
Q (m/s)
0
35000
30000
25000
20000
15000
10000
5000
0
Q sim.
Q obs.
Modelo Cbico
y = -36598x 3 + 85542x 2 - 79079x + 33605
R = 0,9985
y = 199,2x -0,93
R = 0,922
Q sim.
35000
30000
25000
20000
15000
10000
5000
0
0,8
Modelo Potncia
4800
4200
3600
3000
2400
1800
1200
600
0
Q (m/s)
Q (m/s)
1200
0,4
0,6
D (%)
y = 1910,2e-2,731x
R = 0,9828
1800
1500
0,2
Q obs.
y = 2980,6x 2 - 4771x + 2064,4

R = 0,9808
Q sim.
Modelo Quadrtico
1800
Q (m/s)
600
300
2100
Q (m/s)
900
0
0
Q (m/s)
1200
300
Q (m/s)
1500
Q (m/s)
Q (m/s)
Q (m/s)
14000
y = -650,4ln(x) + 52,921
R = 0,9854
1800
1500
21000
Q (m/s)
Modelo Logartmico
2100
y = -3932,2x 3 + 9114,8x 2 - 7373,2x + 2311,8

R = 0,9996
1800
R = 0,877
28000
Estao Fazenda alegria - Cd. ANA (29100000)
Q obs.
0,6
D (%)
Q sim.
Q obs.
Q sim.
0,8
92
Modelo Exponencial
500
y = 697,21x 2 - 1097,1x + 475,33

R = 0,9693
300
200
0,4
0,6
0,8
500
0,4
0,6
Q obs.
Q sim.
Modelo Logartmico
500
y = -827,13x 3 + 1795,7x 2 - 1409,8x + 469,39

R = 0,9988
Q (m/s)
200
0
0,8
200
0,4
0,6
0,8
Q sim.
Q obs.
Q sim.
Modelo Potncia
y = 404,79e-2,404x
R = 0,9875
1200
200
300
200
100
100
0
0,6
0,8
Q sim.
0,4
0,6
Q obs.
0,8
Q sim.
400
200
0,6
0,8
800
600
400
0,2
Q sim.
0,4
0,6
Q obs.
0,8
Q sim.
200
0
0,6
0,8
Modelo Logartmico
0,2
0,4
0,6
0,8
Q obs.
600
0,2
0,4
Modelo Exponencial
1400
1200
1000
800
600
400
200
0
Q sim.
0,8
0,8
Q sim.

Modelo Potncia
y = 327,49x -0,538
R = 0,8465
1400
1200
1000
800
600
400
200
0
Q (m/s)
y = 1228,1e-1,612x
R = 0,9467
Q (m/s)
0,6
D (%)
0,6
Q obs.
Q sim.
Q obs.
800
D (%)
Modelo Quadrtico
0,4
1000
0,2
1200
200
Q sim.
Q (m/s)
y = -340,9ln(x) + 286,45
R = 0,9871
1400
D (%)
y = 931,87x 2 - 1886,3x + 1244,2

R = 0,9505
Q sim.
400
D (%)
1400
1200
1000
800
600
400
200
0
0,6
Q (m/s)
400
Q obs.
0,4
Q obs.
Q (m/s)
600
0,4
0,2
D (%)
y = -3011,9x 3 + 5630,4x 2 - 3879,5x + 1433,7

R = 0,9907
1400
1200
1000
800
600
400
200
0
800
0,2
Modelo Cbico
Modelo Potncia
400
Estao Fazenda Maringa

Cd. ANA (31680000)
1000
600
D (%)
y = 257,96x -0,584
R = 0,8666
800
D (%)
1200
0,8
Q sim.
200
y = 1085,1e-1,753x
R = 0,971
1000
200
0,8
Modelo Exponencial
1200
Q (m/s)
Q (m/s)
600
0,6

Cd. ANA (31680000)
y = 927,01x 2 - 1801,3x + 1104,8

R = 0,9758
1000
800
Q obs.
0,4
Q obs.
Modelo Quadrtico
1200
y = -308,9ln(x) + 218,34
R = 0,9868
0,4
0,2
D (%)

Cd. ANA (31680000)
Modelo Logartmico
0,2
400
D (%)

Cd. ANA (31680000)
600
0
0,2
D (%)
1000
800
200
0
1200
Q sim.
y = -2101,6x 3 + 4205,5x 2 - 3192x + 1237

R = 0,9997
1000
Q (m/s)
Q (m/s)
300
Modelo Cbico
y = 56,165x -0,807
R = 0,8939
500
0,8

Cd. ANA (31680000)
400
Q obs.
0,6
Q obs.
0,4
0,4
D (%)
Modelo Exponencial
0,2
0,2
D (%)
400
y = 505,43x 2 - 862,46x + 417,36

R = 0,9773
0
0,2
500
Q sim.
100
0
D (%)
Q obs.
300
0
0,6
0,8
400
100
0,4
0,6
Modelo Quadrtico
500
y = -128,6ln(x) + 32,059
R = 0,9949
300
100
0,2
0,4
400
0,2
Q obs.
Q (m/s)
Q (m/s)
Q sim.
Modelo Cbico
200
Q (m/s)
D (%)
300
Q (m/s)
0,8
D (%)
400
Q (m/s)
200
0
0,2
D (%)
Q obs.
300
100
0
y = 53,104x -0,857
R = 0,9211
400
200
100
0,2
Modelo Potncia
500
300
100
0

Cd. ANA (31020000)
y = 414,76e-2,472x
R = 0,9545
400
Q (m/s)
400
Q (m/s)

Cd. ANA (31020000)
Modelo Quadrtico
Q (m/s)
500

Cd. ANA (31020000)
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
0,2
0,4
0,6
D (%)
Q obs.
Q sim.
0,8
93
140
Estao Nova Mocajuba

Cd. ANA (32350000)
Estao Nova Mocajuba

Cd. ANA (32350000)
Modelo Cbico
Modelo Logartmico
80
60
40
60
40
20
0,2
0,4
0,6
0,8
80
60
40
20
0
0,2
0,4
0,6
D (%)
Q obs.
100
80
20
y = 87,889x 2 - 195,23x + 117,32

R = 0,9976
120
Q (m/s)
100
Q (m/s)
Q (m/s)
y = -36,57ln(x) + 14,015
R = 0,9487
120
100
Modelo Quadrtico
140
140
y = 27,512x 3 + 44,971x 2 - 177,02x + 115,59

R = 0,9979
120
Estao Nova Mocajuba

Cd. ANA (32350000)
0,8
0,2
0,4
0,6
D (%)
Q sim.
Q obs.
0,8
D (%)
Q sim.
Q obs.
Estao Nova Mocajuba

Cd. ANA (32350000)
Estao Nova Mocajuba - Cd. ANA

(32350000)
Modelo Exponencial
Modelo Potncia
Q sim.

Mo d elo Cbico
140
140
y = 137,86e-2,554x
R = 0,9912
120
120
60
40
Q (m/s)
Q (m/s)
Q (m/s)
80
80
60
40
0
0
0
0,2
0,4
0,6
0,8
0,2
0,4
0,6
Q obs.
Q sim.
Modelo Quadrtico
y = -63,78ln(x) + 2,2015
R = 0,9771
250
100
0,4
0,6
0,8
150
100
0,2
0,4
0,6
0,8
Q sim.
Q obs.
0,6
0,8
0,2
0,4
0,6
0,8
Q obs.
Q sim.
Estao Tararua - Ponte - Cd. ANA (32250002)

Mo d elo Exponencial
320
y = 482,79x 2 - 749,92x + 304,38

R = 0,9781
0,4
0,6
0,8
0,2
0,4
0,6
Q obs.
Estao Cafezal- Cd. ANA (32550000)
Mo d elo Lo gartmico
200
160
120
80
0,4
0,6
0,8
0,2
0,4
0,6
0,8
Q obs.
Q sim.
0,4
y = 37,213x -0,605
R = 0,9318
200
y = 160e-1,758x
R = 0,9787
Q (m/s)
160
120
80
120
80
40
40
0,6
0,8
0,2
0,4
0,6
D (%)
D (%)
Q sim.
Q obs.
0,6
D (%)
Mo d elo Po tncia
Mo d elo Exponencial
Q obs.
0,2
Q obs.
Q sim.
0,4
D (%)
D (%)
Q obs.
80
120
40
0,2
Mo d elo Quadrtico
40
40
0,8
Q sim.
y = 188,2x 2 - 326,45x + 176,72

R = 0,9841
200
Q (m/s)
Q (m/s)
80
160
0,6
y = -49,37ln(x) + 29,136
R = 0,9913
160
120
200
0,4
D (%)
Mo d elo Cbico
0,2
0,2
Q obs.
Estao Cafezal- Cd. ANA (32550000)
160
Q sim.
Q sim.
y = -267,29x 3 + 605,17x 2 - 503,33x + 193,53

R = 0,9993
200
0,8
D (%)
D (%)
Q obs.
160
80
Q sim.
y = 21,762x -1,057
R = 0,9208
240
160
80
80
Modelo Potncia
320
y = 279,68e-3,084x
R = 0,9764
Q (m/s)
Q (m/s)
160
0,8
240
240
0,6
Q obs.
Q sim.
Modelo Quadrtico
0,2
0,4
D (%)
0,2
D (%)
D (%)
320
160
80
Q sim.
240
160
Modelo Logartmico
80
50
0,8
y = -97,88ln(x) - 2,8327
R = 0,9792
320
Q (m/s)
Q (m/s)
100
0,6
240
150
Q obs.
0,4
Q obs.
y = -631,48x 3 + 1467,9x 2 - 1167,8x + 344,1

R = 0,9994
320
y = 18,564x -0,931
R = 0,9476
0,4
0,2
Q sim.
Modelo Cbico
0,2
100
D (%)
150
Modelo Potncia
200
y = 170,43e-2,654x
R = 0,9585
D (%)
250
Q sim.
0
0
D (%)
Q obs.
50
0,8
200
50
0,6
Modelo Exponencial
250
Q (m/s)
Q (m/s)
Q (m/s)
150
0,2
0,4
y = 324,19x 2 - 496,11x + 202,86

R = 0,9641
200
0,2
Q obs.
50
Q (m/s)
Q sim.
Mo d elo Lo gartmico
200
Q (m/s)
D (%)
250
Q (m/s)
0,8
D (%)
D (%)
Q obs.
100
0
0
150
50
20
20
Q (m/s)
200
100
100
y = -515,19x 3 + 1127,9x 2 - 837,04x + 235,27

R = 0,9974
250
y = 17,633x -0,81
R = 0,8014
Q sim.
0,8
Q sim.
0,8
94
ANEXO A TABELA DE DISTRIBUIO F DE SNEDECOR.
Distribuio F de
Snedecor
= 0,05
5%
g / numerador
g/
denominador
161,45
199,50
215,71
224,58
230,16
233,99
236,77
238,88
240,54
241,88
18,51
19,00
19,16
19,25
19,30
19,33
19,35
19,37
19,38
19,40
10,13
9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
8,79
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
5,96
6,61
5,79
5,41
5,19
5,05
4,95
4,88
4,82
4,77
4,74
5,99
5,14
4,76
4,53
4,39
4,28
4,21
4,15
4,10
4,06
5,59
4,74
4,35
4,12
3,97
3,87
3,79
3,73
3,68
3,64
5,32
4,46
4,07
3,84
3,69
3,58
3,50
3,44
3,39
3,35
10
5,12
4,26
3,86
3,63
3,48
3,37
3,29
3,23
3,18
3,14
10
4,96
4,10
3,71
3,48
3,33
3,22
3,14
3,07
3,02
2,98
11
4,84
3,98
3,59
3,36
3,20
3,09
3,01
2,95
2,90
2,85
12
4,75
3,89
3,49
3,26
3,11
3,00
2,91
2,85
2,80
2,75
13
4,67
3,81
3,41
3,18
3,03
2,92
2,83
2,77
2,71
2,67
14
4,6
3,74
3,34
3,11
2,96
2,85
2,76
2,70
2,65
2,60
15
4,54
3,68
3,29
3,06
2,90
2,79
2,71
2,64
2,59
2,54
16
4,49
3,63
3,24
3,01
2,85
2,74
2,66
2,59
2,54
2,49
17
4,45
3,59
3,20
2,96
2,81
2,70
2,61
2,55
2,49
2,45
18
4,41
3,55
3,16
2,93
2,77
2,66
2,58
2,51
2,46
2,41
19
4,38
3,52
3,13
2,90
2,74
2,63
2,54
2,48
2,42
2,38
20
4,35
3,49
3,10
2,87
2,71
2,60
2,51
2,45
2,39
2,35
21
4,32
3,47
3,07
2,84
2,68
2,57
2,49
2,42
2,37
2,32
22
4,30
3,44
3,05
2,82
2,66
2,55
2,46
2,40
2,34
2,30
23
4,28
3,42
3,03
2,80
2,64
2,53
2,44
2,37
2,32
2,27
24
4,26
3,40
3,01
2,78
2,62
2,51
2,42
2,36
2,30
2,25
25
4,24
3,39
2,99
2,76
2,60
2,49
2,40
2,34
2,28
2,24
26
4,23
3,37
2,98
2,74
2,59
2,47
2,39
2,32
2,27
2,22
27
4,21
3,35
2,96
2,73
2,57
2,46
2,37
2,31
2,25
2,20
28
4,2
3,34
2,95
2,71
2,56
2,45
2,36
2,29
2,24
2,19
29
4,18
3,33
2,93
2,70
2,55
2,43
2,35
2,28
2,22
2,18
30
4,17
3,32
2,92
2,69
2,53
2,42
2,33
2,27
2,21
2,16
35
4,12
3,27
2,87
2,64
2,49
2,37
2,29
2,22
2,16
2,11
40
4,08
3,23
2,84
2,61
2,45
2,34
2,25
2,18
2,12
2,08
45
4,06
3,20
2,81
2,58
2,42
2,31
2,22
2,15
2,10
2,05
50
4,03
3,18
2,79
2,56
2,40
2,29
2,20
2,13
2,07
2,03
100
3,94
3,09
2,70
2,46
2,31
2,19
2,10
2,03
1,97
1,93

Proposta de Otimização de Modelo de Regionalização de Curvas de Permanência de Vazões

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Proposta de Otimização de Modelo de Regionalização de Curvas de Permanência de Vazões

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal do Par

Raimunda da Silva e Silva

PROPOSTA DE OTIMIZAO DE MODELO DE

Orientador: Claudio Jos Cavalcante Blanco, Ph.D.

Raimunda da Silva e Silva

PROPOSTA DE OTIMIZAO DE MODELO DE

Dissertao apresentada ao Programa de PsGraduao em Engenharia Civil da

Raimunda da Silva e Silva

PROPOSTA DE OTIMIZAO DE MODELO DE

A minha me Neusa por ter me apoiado em todas as

Palavras-Chave: Estaes Fluviomtricas, Regionalizao, Modelo Cbico, Regresso

Agncia Nacional de gua

Organizao Meteorolgica Mundial

Secretaria de Estado de Meio Ambiente

Sistema de Informao Geogrfica

Sistema Nacional de Informaes sobre Recursos Hdricos

rea de drenagem (km)

Desnvel do rio principal (m)

Comprimento do rio principal (km)

Precipitao mdia (mm)

Percentual de tempo igualado ou excedido (%)

Parmetro dos modelos matemticos

Parmetro dos modelos matemticos

Parmetro dos modelos matemticos

Parmetro dos modelos matemticos

Teste Ftotal de Fisher-Snedecor

Coeficiente de correlao simples

Coeficiente de determinao ajustado

Raiz quadrada do erro quadrtico mdio

Quadrado mdio da regresso

Quadrado mdio dos resduos

Somatrio dos quadrados da regresso

Somatrio dos quadrados dos resduos

Somatrio dos quadrados total

Vazo estimada pelo modelo de regionalizao

Nmero total de vazo observada

Nmero de variveis independentes

Variveis independentes ou explicativas

REVISO DA LITERATURA .................................................................................... 19

REGIONALIZAO HIDROLGICA ...................................................................... 19

CURVA DE PERMANNCIA .................................................................................... 19

REGIONALIZAO DE CURVA DE PERMANNCIA DE VAZO .................... 20

CARACTERSTICAS FSICAS NA REGIONALIZAO DE VAZO ................. 21

OTIMIZAO DE MODELOS DE REGIONALIZAO ....................................... 22

REA DE ESTUDO .................................................................................................... 24

MATERIAS E MTODOS .......................................................................................... 26

DADOS UTILIZADOS ................................................................................................ 26

CALIBRAO DAS CURVAS DE PERMANNCIAS DE VAZO ...................... 31

CRITRIOS DE DESEMPENHO DOS MODELOS .................................................. 32

ANLISE DE MULTICOLINEARIDADE ................................................................. 33

APLICAO DA REGRESSO MLTIPLA ........................................................... 34

5.5.1 Modelos de Regionalizao .......................................................................................... 35

TESTE DE SIGNIFICNCIA DA EQUAO DE REGRESSO MLTIPLA ...... 38

VALIDAO DO MODELO ...................................................................................... 39

RESULTADOS E DISCUSSES ................................................................................ 40

ANLISE DE MULTICOLINEARIDADE ................................................................. 40

MODELO DE REGRESSO UTILIZADO NA REGIONALIZAO ..................... 40

PROPOSTA DE OTIMIZAO DO MODELO ........................................................ 48

AGRUPAMENTO DAS ESTAES EM RELAO S REAS DE DRENAGEM48

7.1.1 Grupo I .......................................................................................................................... 49

INSERO DE ESTAES SINTTICAS ............................................................... 62

7.2.1 Grupo I .......................................................................................................................... 63

SUGESTES PARA TRABALHOS FUTUROS ........................................................ 78

REFERNCIA BIBLIOGRFICA .......................................................................................... 79