Indicadores para redução das incertezas

Vivemos em um mundo moldado por riscos e incertezas. Não existe risco zero, o risco de um evento é obtido com base na probabilidade de sua ocorrência. A incerteza é o erro em estimar corretamente o risco e pode ocorrer quando não temos dados suficiente, dados errados, metodologia inadequada, entre outros. Por exemplo, o risco de 100 anos representa a chance de 1% de ocorrência desta enchente ocorrer em um ano qualquer. A sua incerteza aumenta quando a série dos dados usados é pequena e pouca representativa ou a curva-chave do rio não é confiável, entre outras causas.  

Em nossos projetos e na vida, buscamos controle, previsibilidade, segurança. Mas, e se a incerteza não fosse um obstáculo, e sim uma oportunidade? Afinal, é no desconhecido que a criatividade floresce e as soluções inovadoras emergem. Grandes descobertas e avanços nascem do risco calculado e da coragem de navegar por águas não mapeadas.

Assim como engenheiros aprendem a modelar cenários para prever enchentes e planejar sistemas resilientes, somos convidados a abraçar a incerteza como parte da jornada. A chave não está em eliminar o imprevisível, mas em desenvolver ferramentas internas e externas para estimar a incerteza associada um determinado risco.

Porque no fim, a incerteza é a essência da vida. E onde há incerteza, há espaço para transformação, reinvenção e um futuro que ainda não foi escrito, mas que carrega o potencial de ser extraordinário.

Devido à grande quantidade de informações, pode-se facilmente introduzir erros de grande magnitude e comprometer todos os resultados de um projeto, plano ou programa em recursos hídricos. Para minimizar esses erros, é necessário verificar se existem incertezas nos dados, identificar a fonte e definir meios de correção. Para identificar os maiores erros, pode-se utilizar indicadores regionais dos dados, principalmente aqueles que relacionam informações de diferentes fontes. Com esses indicadores, é possível fazer uma triagem inicial nas informações. Por exemplo, a vazão específica média de uma bacia possui muitas informações e caracteriza o quanto da precipitação gera escoamento. A sua unidade é L/(s­·km²) ou mm. A primeira, está em unidades de vazão por área, a segunda, representa o valor em unidades de precipitação.

Em grande parte do Brasil (Sul, Sudeste e Centro-Oeste), a vazão específica varia entre 14 e 22 L/(s·km²), o que representa 441 a 694 mm de escoamento. O limite superior ocorre quando a chuva média anual sobe acima de 1500 mm e o inferior quando cai abaixo deste valor, com coeficiente de escoamento variando de 0,25 a 0,40. Fora destes intervalos, é necessária uma investigação maior nas regiões. Algumas vezes, em documentos, encontra-se valores muito acima a estes mostrados, como 40 ou 60 L/(s·km²) por exemplo. Isto representa um erro grosseiro, pois estes valores não existem nem na Amazônia. Em outros documentos, encontra-se coeficientes de escoamento muito baixos ou muito altos. Nesses casos, em sua maioria, pode haver um erro importante na área de drenagem.

Outros indicadores interessantes são as relações entre vazão média e vazão mínima. O Q₉₅/Q_m, por exemplo, varia com a geologia da região. Já o Q_mc/Q_m relaciona a vazão média de cheia e a vazão média, dependente dos leitos de inundação. O exame de tendenciosidade das séries passa por metodologias mais sofisticadas, envolvendo testes estatísticos de variabilidade espacial e temporal e métodos para tratar os resíduos de modelos.

Nenhum método é universal e elimina totalmente os erros, cabe ao hidrólogo uma parte da análise das tendências. Na extensão de séries hidrológicas, estes erros podem se propagar com uso de modelos matemáticos, já que, seja qual for o modelo, ele reduz a variância dos valores gerados. Veja um exemplo simples, como o da Figura 1.

Figura 1. Ajuste de uma reta a um conjunto de dados.

A Figura 1 exemplifica a perda de variância de qualquer modelo teórico que não considera a variância dos resíduos. Depois de ajustar a reta aos dados, o modelo usado passa a ser a própria reta. Como pode-se observar, ao fazer esse procedimento, perde-se a variância do resíduo [S= S(Y-Yi)] que existiam nos dados. Este processo foi usado para estender séries usadas em diferentes projetos, como as séries hidrológicas usadas no setor elétrico brasileiro, por exemplo. Existem vários métodos utilizados para reduzir estas incertezas, mas ainda é um espaço interessante para pesquisa.

--

Quer aprofundar o conteúdo ou implementar soluções para o seu negócio? Fale com nossa equipe pelo e-mail comercial@rhama-analysis.com