Avaliação e modelação do risco de ocorrência de cheias em bacias hidrográficas

Abstract

As cheias são uma das catástrofes naturais mais prejudiciais e frequentes na Europa e um problema especialmente grave em Portugal. Cheia é um fenómeno hidrológico extremo, de frequência variável, natural ou induzido pela ação humana, que consiste no transbordo de um curso de água relativamente ao seu leito ordinário, originando a inundação dos terrenos ribeirinhos (Chow, 1956). A presente dissertação intitulada de Avaliação e Modelação do Risco de Ocorrência de Cheias em Bacias Hidrográficas tem como principal objetivo estudar fatores desencadeadores de eventos de cheia. Para tal, recolheram-se e armazenaram-se dados de ocorrência de cheias, assim como de variáveis hidro-meteorológicas, relativos à bacia hidrográfica do rio Douro. O rio Douro e os seus afluentes apresentam perfis longitudinais bastante íngremes em algumas secções, observando-se, consequentemente, elevações súbitas dos níveis de água após precipitações intensas. Trata-se de uma preocupação constante, especialmente para as populações ribeirinhas, que são frequentemente afetadas por eventos de cheia ao longo dos anos, com impactos económicos e sociais devastadores. O tratamento e análise dos dados recolhidos, inicia-se com um estudo univariado das diferentes variáveis consideradas. Utilizam-se diversos procedimentos estatísticos, de forma a compreender a eventual relação de cada uma das variáveis observadas com a ocorrência de cheia, quer individualmente quer de forma global. Para tal, utilizam-se testes exatos de Fisher, testes do qui-quadrado, modelos de regressão logística e florestas aleatórias, explicativos do fenómeno de cheia, ajustados com base nos dados disponíveis. No modelo de regressão logística, há necessidade de se usarem os preditores categorizados porque as suas distribuições empíricas apresentam assimetria positiva muito acentuada, com muitos outliers. Neste modelo, os preditores importantes são a precipitação acumulada mensal, em mm, e a descarga de superfície mensal dam3 . O modelo apresenta uma especificidade superior a 90% mas sensibilidade de apenas 33,3%, o que não é de estranhar devido à complexidade do fenómeno em análise. A capacidade discriminatória do modelo de regressão logística, medida pela área abaixo da curva ROC (Receiver Operating Characteristic Curve), AUC (Area Under the Curve), é 76,8% sendo, portanto, aceitável. O algoritmo de florestas aleatórias é utilizado com as variáveis não categorizadas, pois este não depende das suas distribuições. Com os mesmos preditores, obtém-se com este procedimento uma especificidade superior a 99% e uma sensibilidade de 60%, traduzindo um ótimo desempenho tendo em conta a complexidade do fenómeno e o facto de se estarem a usar apenas dois preditores.

Floods are one of the most harmful and frequent natural disasters in Europe and a particularly severe problem in Portugal. Flooding is an extreme hydrological phenomenon of variable frequency, either natural or induced by human action, that consists of the overflow of a watercourse relative to its ordinary bed, resulting in the flooding of riverside lands (Chow, 1956). The present dissertation entitled Assessment and Modeling the Risk of Flood Occurences in Hydrographic Basins aims to study the triggering factors of flood events. To this end, data on flood occurrences, as well as hydro meteorological variables, were collected and stored for the Douro River basin. The Douro river and its tributaries have steep longitudinal profiles in some sections, resulting in sudden water level increases after heavy precipitation. This is a constant concern, especially for riverside populations, who are frequently affected by flood events over the years, with devastating economic and social impacts. The data treatment and analysis begins with a univariate study of the different variables. Various statistical procedures are used to understand the possible relationship of each of the observed factors with flood occurrence, both individually and globally. For this, Fisher’s exact tests, chi-square tests, logistic regression models, and explanatory random forests are used to adjust the flood phenomenon based on the available data. In the logistic regression model, the predictors need to be categorized because their empirical distributions have very pronounced positive asymmetry, with many outliers. In this model, the important predictors are monthly accumulated precipitation, in mm, and monthly surface discharge dam3 . The model has a specificity higher than 90% but sensitivity of only 33.3%, which is not surprising given the complexity of the phenomenon under analysis. The discriminatory capacity of the logistic regression model, measured by the area under the ROC curve, Receiver Operating Characteristic Curve, AUC Area Under the Curve, is 76.8%, being therefore acceptable. The random forest algorithm is used with the uncategorized variables because it does not depend on their distributions. With the same predictors, this procedure obtains a specificity higher than 99% and a sensitivity of 60%, translating into an excellent performance given the complexity of the phenomenon and the fact that only two predictors are being used.