Estimativa do escoamento superficial em uma bacia hidrográfica com base em modelagem dinâmica e distribuída

A estimativa do escoamento superficial em bacias hidrográficas é de suma importância para conservação dos recursos naturais; entretanto, esse é um processo complexo e dinâmico, principalmente no contexto de sua variabilidade espacial. Dessa forma, torna-se adequada a aplicação dos Sistemas de Informações Geográficas (SIG) usando pequenas células de informação, pois assim é possível considerar o comportamento espacial das variáveis associadas à origem do escoamento superficial. Este trabalho teve como objetivo implementar os modelos hidrológicos Curva Número (CN-SCS) e Curva-Número Modificado (CN-MMS), com base na linguagem de programação do SIG PCRaster e em uma base de dados reduzida, de forma distribuída e dinâmica, com o intuito de estimar as lâminas de escoamento superficial geradas numa bacia hidrográfica de Latossolos, localizada no município de Nazareno, região dos Campos das Vertentes, Minas Gerais. Para aplicação do modelo CN-SCS foi preciso desenvolver um mapa com valores de CN no formato do PCRaster, enquanto para o modelo CN-MMS foram necessários os seguintes mapas: umidade volumétrica de saturação do solo, umidade volumétrica inicial do solo e profundidade de solo. Para simulação e avaliação de ambos os modelos, foram aplicados 18 eventos de chuva natural que provocaram escoamento superficial, durante o ano hidrológico 2004-2005, e suas respectivas lâminas de escoamento observadas. A análise do desempenho dos modelos foi feita aplicando-se análise de sensibilidade baseada no erro médio e na Raiz do Erro Quadrático (REQ). Tendo-se como referência essas estatísticas de precisão, pôde-se constatar que o modelo CN-MMS apresentou melhor calibração quando comparado ao modelo CN-SCS, devido à consideração direta da umidade inicial do solo. Contudo, a estruturação dos modelos no SIG PCRaster possibilitou o desenvolvimento de uma ferramenta computacional eficaz e útil para simulação do escoamento superficial, visto que propicia estruturação de rotinas computacionais considerando os problemas associados à variabilidade espacial dos dados de entrada dos modelos