Menu:

 

 

 

 

 

 

 

 

 

 

Volume 43, Nº 1 - março 2022

 

Download 719KB, PDF)

 

 

  • Abstract / Resumo
  • References / Bibliografia
  • Citations / Citações

Revista Recursos Hídricos

DOI:10.5894/rh43n1-cti2
Este artigo é parte integrante da Revista Recursos Hídricos, Vol. 43, Nº 1, 23-36, março de 2022.

Análise de sensibilidade de parâmetros em modelagem de qualidade da água para estimativa de emissões de metano em aproveitamentos hidrelétricos aplicada à fase pré-enchimento

Sensitivity analysis of parameters in water quality modeling to estimate methane emissions from hydropower plants applied in the pre-impoundment phase

Juliano Lucas Souza de Abreu1, Jorge Machado Damázio1, José Paulo Soares de Azevedo2

1 CEPEL – Centro de Pesquisas de Energia Elétrica, Rio de Janeiro, Brasil
2 PEC/COPPE/UFRJ – Programa de Engenharia Civil, Universidade Federal do Rio de Janeiro, Brasil

RESUMO

Modelos de qualidade da água têm sido uma ferramenta bastante utilizada para a avaliação e previsão de resposta de interferências antropogênicas em recursos hídricos. Entretanto, em alagamentos artificiais, os prognósticos de emissões e remoções de gases de efeito estufa (GEE) para a atmosfera ainda incorporam grandes incertezas. O alto custo associado à necessidade de muitas medições e as estratégias para a calibração de modelos biogeoquímicos complexos representam um desafio. Neste contexto, a análise de sensibilidade dos parâmetros consiste em uma etapa importante para garantir o melhor usos de recursos computacionais e otimizar os esforços para a aquisição de dados de campo. Neste trabalho foi aplicado um modelo de qualidade da água 0D associado ao ciclo do carbono para a fase de pré-enchimento do aproveitamento hidrelétrico de SINOP, no estado do Mato Grosso, Brasil. Foi realizado um procedimento de análise de sensibilidade, em conjunto com o estabelecimento de critérios, para identificar parâmetros pouco significativos e auxiliar a seleção de parâmetros para calibração do modelo. Considerando a sazonalidade da região através de quatro campanhas realizadas na área de estudo, foram fixados 45% dos parâmetros por valores da literatura. Com o procedimento também foi possível verificar que alguns parâmetros se repetem entre os mais sensíveis para cada variável-estado. Assim, selecionando apenas 6 parâmetros para a calibração, foram escolhidos os 4 parâmetros mais sensíveis para a concentração de metano (CH4 ) na água, o mais sensível para a concentração do dióxido de carbono (CO2 ), e os 2 mais sensíveis para outras 4 variáveis estado do modelo.

Palavras-chave: modelagem de qualidade da água; gases de efeito estufa; hidroeletricidade.

ABSTRACT

Water quality models have been widely used for assessment and response prediction in water resources from anthropogenic interferences. However, in the case of man-made impoundments, predictions of greenhouse gases (GHG) removals and emissions from and to the atmosphere still incorporate great uncertainties. The high costs due to the need of more field data and the strategies to calibrate complex biogeochemical models also represent a challenge. In this context, parameter sensitivity analysis become an important step to ensure the best use of computational resources and optimize the efforts to acquire field data. In this work, a 0D carbon cycle water quality model was applied in the pre-impoundment phase of SINOP hydropower plant, in Mato Grosso state, in Brazil. A sensitivity analysis procedure was accomplished, followed by establishment of criteria, to identify unimportant parameters and to support parameter selection to model calibration. Regarding the seasonality of the region by four field campaigns executed in the study area, 45% of the total model parameters were fixed by literature values in the procedure. It was also emphasized that some parameters were recursively among the most sensitive for several state variables. Therefore, six parameters were chosen to the calibration, enabling the selection of the four most sensitives parameters to methane concentration (CH4 ) in water, the most sensitive to carbon dioxide (CO2 ), and the two most sensitives to other four state variables in the model.

Keywords: water quality modeling; greenhouse gases; hydroelectricity.

 

Abreu, J. L. S. (2021). Estimativas de Emissão de Metano em Aproveitamentos Hidrelétricos: Desenvolvimento e Calibração de Modelo 0D Aplicado à Situação de Pré-Enchimento. Rio de Janeiro: UFRJ/ COPPE."

BRASIL/MME. (2014). Emissões de Gases de Efeito Estufa em Reservatórios de Centrais Hidrelétricas. Brasil, Ministerio de Minas e Energia.

Chapra, S. C. (1997). Surface Water-Quality Modeling. In McGraw-Hill Series in Water Resources and Environmental Engineering.

Chaudhary, S., Dhanya, C. T., & Kumar, A. (2018). Sequential calibration of a water quality model using reach-specific parameter estimates. Hydrology Research, 49(4), 1042–1055. https://doi.org/10.2166/nh.2017.246

Cole, T. M., & Wells, S. A. (2016). CE-QUAL-W2: A Two-Dimensional, Laterally Averaged, Hydrodynamic and Water Quality Model, Version 4.0 User Manual (Issue June). Portland State Univeristy.

Di Toro, D. M., Paquin, P. R., Subburamu, K., & Gruber, D. A. (1990). Sediment Oxygen Demand Model: Methane and Ammonia Oxidation. Journal of Environmental Engineering, 116(5), 945–986. https://doi.org/10.1061/(ASCE)0733-9372(1990)116:5(945)

Dias, N. L., Gobbi, M. F., Augusto, F., Armani, S., & Hoeltgebaum, L. E. (2013). Projeto ELGEE / BALCAR — Relatório de Atividades até Maio de 2013 1 Medições micrometeorológicas de Itaipu.

Dos Santos, Marco Aurelio, Rosa, L. P., Sikar, B., Sikar, E., & dos Santos, E. O. (2006). Gross greenhouse gas fluxes from hydro-power reservoir compared to thermo-power plants. Energy Policy, 34(4), 481–488. https://doi.org/10.1016/j.enpol.2004.06.015

Duchemin, E., Lucotte, M., Canuel, R., & Chamberland, A. (1995). Production of the greenhouse gases CH4 and CO2 by hydroelectric reservoirs of the boreal region. Global Biogeochemical Cycles, 9(4), 529–540. https://doi.org/10.1029/95GB02202 EPRI. (2010). The Role of Hydropower Reservoirs in Greenhouse Gas Emissions.

Fearnside, P. M. (2008). Hidrelétricas Como “Fábricas De Metano”: O Papel Dos Reservatórios Em Áreas De Floresta Tropical Na Emissão De Gases De Efeito Estufa. Oecologia Australis, 12(01), 100–105. https://doi.org/10.4257/oeco.2008.1201.10

Huo, J., & Liu, L. (2019). Application research of multi-objective Artificial Bee Colony optimization algorithm for parameters calibration of hydrological model. Neural Computing and Applications, 31(9), 4715–4732. https://doi.org/10.1007/s00521-018-3483-4

IEA/HYDRO. (2012). Guidelines for Quantitative Analysis of Net GHG Emissions from Reservoirs - Volume 1 – Measurement Programs and Data Analysis.

Kelly, C. A., Rudd, J. W. M., St. Louis, V. L., & Moore, T. (1994). Turning attention to reservoir surfaces, a neglected area in greenhouse studies. Eos, Transactions American Geophysical Union, 75(29), 332–333. https://doi.org/10.1029/94EO00987

Mannich, M., Resende, J. F., Fernandes, C. V. S., Bernardo, J. W. Y., Zahn, E., & Bleninger, T. B. (2015). CICLAR : Modelo 0D para Dinâmica de Carbono em Lagos e Reservatórios. Revista Brasileira de Recursos Hídricos, 20(1), 237–248. https://doi.org/10.21168/rbrh.v20n1.p237-248

McGinnis, D. F., Greinert, J., Artemov, Y., Beaubien, S. E., & Wüest, A. (2006). Fate of rising methane bubbles in stratified waters: How much methane reaches the atmosphere? Journal of Geophysical Research: Oceans, 111(9), 1–15. https://doi.org/10.1029/2005JC003183

Nakamura, C. H., Salla, M. R., Oliveira de Jesus, J. A., & Ribeiro da Silva, G. H. (2019). Calibration of mathematical water quality modeling in a river basin under critical conditions. Water Environment Research, 91(12), 1678–1691. https://doi.org/10.1002/wer.1175

Raymond, P. A., Zappa, C. J., Butman, D., Bott, T. L., Potter, J., Mulholland, P., Laursen, A. E., McDowell, W. H., & Newbold, D. (2012). Scaling the gas transfer velocity and hydraulic geometry in streams and small rivers. Limnology and Oceanography: Fluids and Environments, 2(1), 41–53. https://doi.org/10.1215/21573689-1597669

Rosa, L. P., Santos, M. A., Matvienko, B., Santos, E. O., & Sikar, E. (2004). Greenhouse Gas Emissions from Hydroelectric Reservoirs in Tropical Regions. Climatic Change, 66, 9–21. https://doi.org/10.1023/B:CLIM.0000043158.52222.ee

Rosa, L. P., Sikar, B. M., Santos, M. A. Dos, & Sikar, E. M. (2006). Emissões de Dióxido de Carbono e de Metano pelos Reservatórios Hidrelétricos Brasileiros. Ministério Da Ciência e Tecnologia, 118. http://livroaberto.ibict.br/bitstream/1/730/2/emissoes de dioxido de carbono e de metano pelos reservatorios hidreletrcos brasileiros.pdf

Rosman, P. C. C. (2018). Referência Técnica do Sisbahia® (pp. 1–397). PENO - COPPE/ UFRJ.

Santos, Marco Aurélio. (2000). Inventário de Emissões de Gases de Efeito Estufa Derivadas de Hidrelétricas. Universidade Federal do Rio de Janeiro.

Shoarinezhad, V., Wieprecht, S., & Haun, S. (2020). Comparison of Local and Global Optimization Methods for Calibration of a 3D Morphodynamic Model of a Curved Channel. Water (Switzerland), 12(1333), 1–17. https://doi.org/10.3390/W12051333

St. Louis, V. L., Kelly, C. A., Duchemin, É., Rudd, J. W. M., & Rosenberg, D. M. (2000). Reservoir Surfaces as Sources of Greenhouse Gases to the Atmosphere: A Global Estimate. BioScience, 50(9), 766–775. https://doi.org/10.1641/0006-3568(2000)050[0766:RSASOG]2.0.CO;2

Svensson, B. (2005). Greenhouse gas emissions from hydroelectric reservoirs: A global perspective. Dos Santos and Rosa (Eds.), August, 25–37. http://www.rheoconsult.com/Exp/Rio2005.pdf

UNESCO/IHA. (2010). GHG measurement guidelines for freshwater reservoirs : derived from: The UNESCO/IHA Greenhouse Gas Emissions from Freshwater Reservoirs Research Project / general ed.: Joel A. Goldenfum.

Weiss, R. F. (1974). Carbon Dioxide in Water and Seawater: The Solubility of a Non-Ideal Gas. Marine Chemistry, 2, 203–2015.

Wiesenburg, D. A., & Guinasso, N. L. (1979). Equilibrium Solubilities of Methane, Carbon Monoxide, and Hydrogen in Water and Sea Water. Journal of Chemical and Engineering Data, 24(4), 356–360. https://doi.org/10.1021/je60083a006

Yuan, Y., Khare, Y., Wang, X., Parajuli, P. B., Kisekka, I., & Finsterle, S. (2015). Hydrologic and water quality models: Sensitivity. American Society of Agricultural and Biological Engineers, 58(6), 1721–1744. https://doi.org/10.13031/trans.58.10611.