Mostrar registro simples

dc.contributor.authorFagundes, Hugo de Oliveirapt_BR
dc.contributor.authorPaiva, Rodrigo Cauduro Dias dept_BR
dc.contributor.authorFan, Fernando Mainardipt_BR
dc.date.accessioned2019-07-19T02:38:48Zpt_BR
dc.date.issued2019pt_BR
dc.identifier.issn1414-381Xpt_BR
dc.identifier.urihttp://hdl.handle.net/10183/197166pt_BR
dc.description.abstractCalibration and validation are two important steps in the application of sediment models requiring observed data. This study aims to investigate the potential use of suspended sediment concentration (SSC), water quality and remote sensing data to calibrate and validate a large-scale sediment model. Observed data from across 108 stations located in the Doce River basin was used for the period between 1997-2010. Ten calibration and validation experiments using the MOCOM-UA optimization algorithm coupled with the MGB-SED model were carried out, which, over the same period of time, resulted in 37 calibration and 111 validation tests. The experiments were performed by modifying metrics, spatial discretization, observed data and parameters of the MOCOM-UA algorithm. Results generally demonstrated that the values of correlation presented slight variations and were superior in the calibration step. Additionally, increasing spatial discretization or establishing a background concentration for the model allowed for improved results. In a station with high quantity of SSC data, calibration improved the ENS coefficient from -0.44 to 0.44. The experiments showed that the spectral surface reflectance, total suspended solids and turbidity data have the potential to enhance the performance of sediment models.en
dc.description.abstractA calibração e a validação são duas etapas importantes na aplicação de modelos de sedimentos que requerem dados observados. Nesse contexto, este estudo investigou o potencial de uso dos dados de concentração de sedimentos em suspensão (CSS), qualidade da água e sensoriamento remoto na calibração e validação de um modelo hidrossedimentológico de grande escala. Foram usados dados observados de 108 estações, localizadas na bacia do rio Doce, para o período entre 1997 e 2010. Foram realizados dez experimentos de calibração e validação usando o algoritmo de otimização MOCOM-UA, acoplado ao modelo MGB-SED, resultando em 37 calibrações automáticas e 111 testes de validação, todos no mesmo período. Os experimentos foram construídos modificando as métricas, discretização espacial, dados de CSS e parâmetros do algoritmo MOCOM-UA. Os resultados mostraram que, no geral, os valores das correlações variaram pouco e foram melhores na etapa de calibração. Observou-se que, o aumento da discretização espacial da bacia ou o estabelecimento de uma concentração mínima para o modelo, possibilitou obter resultados melhores. Em uma estação com muitos dados de CSS, a calibração melhorou o coeficiente de ENS de -0,44 para 0,44. Os experimentos mostraram que os dados de reflectância espectral de superfície, sólidos suspensos totais e turbidez apresentam potencial para melhorar a performance dos modelos de sedimentos.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoengpt_BR
dc.relation.ispartofRbrh : Revista Brasileira de Recursos Hídricos. Porto Alegre, RS. Vol. 24 (Jan./Dec. 2019), e26, 18 f.pt_BR
dc.rightsOpen Accessen
dc.subjectConcentração de sedimentospt_BR
dc.subjectModelo MGB-SEDpt
dc.subjectHidrossedimentologiapt_BR
dc.subjectMOCOM-UAen
dc.subjectSensoriamento remotopt_BR
dc.subjectErosionen
dc.subjectDoce Riveren
dc.subjectQualidade da águapt_BR
dc.subjectModelos hidrológicospt_BR
dc.subjectMUSLEen
dc.subjectCalibração automáticapt_BR
dc.subjectSediment modellingen
dc.subjectValidaçãopt_BR
dc.subjectDoce, Rio, Bacia (MG e ES)pt_BR
dc.titleAutomatic calibration of a large-scale sediment model using suspended sediment concentration, water quality, and remote sensing datapt_BR
dc.title.alternativeCalibração automática de um modelo hidrossedimentológico de grande escala usando dados de concentração de sedimentos em suspensão, qualidade da água e sensoriamento remoto pt
dc.typeArtigo de periódicopt_BR
dc.identifier.nrb001096417pt_BR
dc.type.originNacionalpt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples