Cap 14 - Hidrologia Estatística

Hidrologia Estatstica
s variveis hidrolgicas como chuva e vazo tm como caracterstica bsica

uma grande variabilidade no tempo. Para analisar a vazo de um rio ou a
precipitao em um local ou regio, incluindo a sua variabilidade temporal,
necessrio utilizar alguns valores estatsticos que resumem, em grande parte, o
comportamento hidrolgico do rio ou da bacia. Entre as estatsticas mais importantes
esto a mdia, a mdia mensal, a varincia, os mnimos e mximos.
A mdia
A vazo ou precipitao mdia a mdia de toda a srie de vazes ou precipitaes
registradas, e muito importante na avaliao da disponibilidade hdrica total de uma
bacia.
n
x
x
n
i
i
=
=
1

A vazo mdia especfica a vazo mdia dividida pela
rea de drenagem da bacia.
As vazes mdias mensais representam o valor mdio
da vazo para cada ms do ano, e so importantes para
analisar a sazonalidade de um rio. A figura ao lado
apresenta um grfico das vazes mdias mensais do rio
Cuiab na seo da cidade de Cuiab, com base nos
dados de 1967 a 1999.

Captulo
14
A
Figura 14. 1 : Vazes mdias por ms do ano no rio Cuiab, em Cuiab.
W . C O L L I S C H O N N I P H - U F R G S
172
Observa-se nesta figura que h uma sazonalidade marcada, com estiagem no inverno e
vazes altas no vero. As maiores vazes mensais mdias ocorrem em Fevereiro e as
menores em Agosto, o que conseqncia direta da sazonalidade das chuvas, que
ocorrem de forma concentrada no perodo de vero.

A mediana
A mediana o valor que superado em 50% dos pontos da amostra. A mdia e a
mediana podem ter valores relativamente prximos, porm no iguais.
A mediana pode ser obtida organizando os n valores x
i
da amostra em ordem
crescente.
Sendo
k
x com k = 1 a n, os valores de x organizados em ordem decrescente, a
mediana obtida por:
p
x Mediana = com 1
2
1
+
=
n
p se n for mpar;
e
2
1 +
+
=
p p
x x
Mediana se n for par.

O desvio padro
O desvio padro uma medida de disperso dos valores de uma amostra em torno da
mdia. O desvio padro dado por:
( )
1
1
2
=
n
x x
s
n
i
i

o quadrado do desvio padro s
2
chamada varincia da amostra.

O coeficiente de variao
O coeficiente de variao uma relao entre o desvio padro e a mdia. O coeficiente
de variao uma medida da variabilidade dos valores em torno da mdia,
relativamente prpria mdia.
I N T R O D U Z I N D O H I D R O L O G I A
173

x
s
cv =

EXEMP L O
1) O seguinte conjunto de valores apresenta a chuva anual ocorrida em uma
cidade ao longo de 30 anos. Calcule a mdia, o desvio padro e o coeficiente
de variao destes dados.
ano P (mm) ano P (mm) ano P (mm)
1954 1671 1964 2024 1974 1357
1955 1485 1965 1305 1975 2023
1956 1766 1966 1644 1976 1390
1957 1565 1967 1908 1977 1641
1958 2082 1968 1913 1978 1585
1959 1370 1969 1485 1979 1526
1960 1926 1970 1693 1980 1962
1961 2042 1971 1313 1981 1672
1962 1691 1972 1567 1982 1404
1963 1491 1973 1493 1983 1352

A mdia de 1645,1 mm por ano, o desvio padro de 241,9 mm por ano e o coeficiente de variao
de 0,15.

O coeficiente de assimetria
O coeficiente de assimetria um valor que caracteriza o quanto uma amostra de dados
assimtrica com relao mdia. Uma amostra simtrica com relao mdia se o
histograma dos dados revela o mesmo comportamento de ambos os lados da mdia.
( )
3
n
1 i
3
i
s n
x x
G
=

A assimetria chamada positiva quando o valor de G positivo e a assimetria
negativa quando o valor de G negativo. Algumas variveis importantes na hidrologia,
como as vazes mximas anuais em rios, apresentam uma assimetria positiva.

174
Assimetria Valor de G Exemplo de histograma
Nula 0 ou prximo
de zero

Positiva G > 0

Negativa G < 0

O clculo da assimetria de uma amostra um pouco mais complexo do que o da
mdia e do desvio padro. A maior parte das calculadoras simples no permite calcular
diretamente o coeficiente de assimetria. No programa Excel a funo chamada
Distoro permite calcular o coeficiente de assimetria.

Quartis e quantis
Quantis separam a amostra de forma semelhante mediana, porm em intervalos
diferentes. Enquanto a mediana separa a amostra em dois grupos, com 50% dos dados
com valores inferiores e 50% dos dados com valores superiores mediana, os quartis e
os quantis divdem a amostra em grupos de tamanhos diferentes. O primeiro Quartil
o valor que separa a amostra em dois grupos em que 25% dos pontos tem valor
inferior ao quartil e 75% tem valor superior ao quartil. O terceiro Quartil o valor que
separa a amostra em dois grupos em que 75% dos pontos tem valor inferior ao quartil
e 25% tem valor superior ao quartil. J o segundo quartil a prpria mediana.
Alm dos trs quartis, que separam a amostra em quatro, podem ser definidos quantis
arbitrrios, que dividem a amostra arbitrariamente em fraes diferentes. Por exemplo,
175
o quantil 90 % divide a amostra em dois grupos. O primeiro (90% dos dados) tem
valores inferiores ao quantil 90% e o segundo (10% dos dados) tem valores superiores
ao quantil 90%.
No programa Excel possvel obter os quantis desejados usando uma funo
denominada Percentil.

A curva de permanncia
A curva de permanncia equivalente a um histograma de freqncias acumuladas
relativas das vazes de um rio em um determinado local. A elaborao da curva de
permanncia uma das anlises estatsticas mais simples e mais importantes na
hidrologia. A curva de permanncia auxilia na anlise dos dados de vazo com relao
a perguntas como as destacadas a seguir.
O rio tem uma vazo aproximadamente constante ou extremamente varivel
entre os extremos mximo e mnimo?
Qual a porcentagem do tempo em que o rio apresenta vazes em
determinada faixa?
Qual a porcentagem do tempo em que um rio tem vazo suficiente para
atender determinada demanda?
A curva de permanncia expressa a relao entre a vazo e a freqncia com que esta
vazo superada ou igualada. A curva de permanncia pode ser elaborada a partir de
dados dirios ou dados mensais de vazo.
Na prtica, a curva de permanncia relativamente fcil de obter, desde que existam
dados de vazo. Usando a planilha de clculo Excel, por exemplo, a curva de
permanncia pode ser gerada calculando os valores dos quantis de 1% a 99%, usando a
funo Percentil. O percentil 1% corresponde vazo que superada 99% do tempo,
o percentil 10% corresponde vazo que superada em 90% do tempo.
A Figura 14. 2 apresenta o hidrograma de vazes dirias do rio Taquari, em Muum
(RS), e a curva de permanncia que corresponde aos mesmos dados apresentados no
hidrograma. Observa-se que a vazo de 1000 m
3
.s
-1
igualada ou superada em menos
de 10% do tempo. Apesar de apresentar picos de cheias com 7000 m
3
.s
-1
ou mais, na
maior parte do tempo as vazes do rio Taquari neste local so bastante inferiores a 500
m
3
.s
-1
.
Para destacar mais a faixa de vazes mais baixas a curva de permanncia apresentada
com eixo vertical logartmico, como mostra a Figura 14. 3.

Figura 14. 2: Hidrograma de vazes dirias do rio Taquari em Muum (RS) e a curva de permanncia correspondente.

Figura 14. 3: Curva de permanncia do rio Taquari em Muum com eixo das vazes logartmico para dar destaque faixa de vazes
mais baixas.

Alguns pontos da curva de permanncia recebem ateno especial:
A vazo que superada em 50% do tempo (mediana das vazes) a chamada
Q
50
.
177
A vazo que superada em 90% do tempo chamada de Q
90
e utilizada
como referncia para legislao na rea de Meio Ambiente e de Recursos
Hdricos em muitos Estados do Brasil.
A vazo que superada em 95% do tempo chamada de Q
95
e utilizada para
definir a Energia Assegurada de uma usina hidreltrica.

EXEMP L O
2) Os dados de vazo do rio Descoberto em Santo Antnio do Descoberto
(GO) foram organizados na forma de uma curva de permanncia, como
mostra a figura abaixo. Um empreendedor solicita outorga de 2,5 m
3
.s
-1
num
ponto prximo no mesmo rio. Considerando que a legislao permite outorgar
apenas 20% da Q
90
a cada solicitante, responda: possvel atender a
solicitao?

Observa-se na curva de permanncia que a vazo Q
90
de 7 m
3
.s
-
,
1
aproximadamente. Portanto a
mxima vazo que pode ser outorgada para um usurio individual neste ponto corresponde a:
1 3
max
s m 4 , 1 7 2 , 0 Q

= =
Como o empreendedor solicitou 2,5 m
3
.s
-
,
1
no possvel atender sua solicitao.

A curva de permanncia tambm til para diferenciar o comportamento de rios e
para avaliar o efeito de modificaes como desmatamento, reflorestamento,
construo de reservatrios e extrao de gua para uso consuntivo.
178
A Figura 14. 4 apresenta as curvas de permanncia dos rios Cuiab, em Cuiab (MT), e
Taquari, em Coxim (MS), baseadas nos dados de vazo diria de 1980 a 1984. As duas
bacias tem reas de drenagem de tamanho semelhante. A bacia do rio Cuiab tem,
aproximadamente, 22.000 km
2
, e a do rio Taquari cerca de 27.000 km
2
. O relevo e a
precipitao mdia anual so semelhantes. A vazo mdia do rio Cuiab de 438 m
3
.s
-1

neste perodo, enquanto a vazo mdia do rio Taquari de 436 m
3
.s
-1
, ou seja, so
praticamente idnticas. Entretanto, observa-se que as vazes mnimas so mais altas no
rio Taquari do que no rio Cuiab e as vazes mximas so maiores no rio Cuiab.
O rio Cuiab apresenta maior variabilidade das vazes, que se alternam rapidamente
entre situaes de baixa e de alta vazo, enquanto o rio Taquari permanece mais tempo
com vazes prximas da mdia. Esta diferena ocorre basicamente porque a geologia
da bacia do rio Taquari favorece mais a infiltrao da gua no solo, e esta gua chega ao
rio apenas aps um longo perodo em que fica armazenada no subsolo. A vazo do rio
Taquari naturalmente regularizada pelos aqferos existentes na bacia, enquanto que
na bacia do rio Cuiab este efeito no to importante.

Figura 14. 4: Comparao entre as curvas de permanncia dos rios Taquari (MS) e Cuiab (MT).

A Figura 14. 5 apresenta as curvas de permanncia de vazo afluente (entrada) e
efluente (sada) do reservatrio de Trs Marias, no rio So Francisco (MG). Este
reservatrio tem um grande volume e uma grande capacidade de regularizao,
permitindo reter grande parte das vazes altas que ocorrem durante o perodo do
vero, aumentando a disponibilidade de gua no perodo de estiagem. Como resultado
observa-se que a vazo Q
90
alterada de 148 m
3
.s
-1
para 379 m
3
.s
-1
pelo efeito de
regularizao do reservatrio, enquanto a vazo Q
95
alterada de 120 m
3
.s
-1
para 335
m
3
.s
-1
.
179

Figura 14. 5: Curvas de permanncia de vazo afluente e efluente do reservatrio de Trs Marias, no rio So Francisco (MG).

Portanto o efeito da regularizao da vazo sobre a curva de permanncia torn-la
mais horizontal, com valores mais prximos da mediana durante a maior parte do
tempo.
Sries temporais
A vazo de um rio uma varivel que se modifica de forma contnua no tempo, e pode
ser representada em um hidrograma, que o grfico que relaciona os valores de vazo
com o tempo, como na Figura 14. 6.
Diversas anlises estatsticas de dados hidrolgicos so realizadas de forma mais
conveniente sobre valores discretos no tempo, ao contrrio das seqncias contnuas.
A partir de uma seqncia contnua de vazes possvel identificar sries temporais de
valores discretos, como, por exemplo, as vazes mdias anuais, as vazes mximas
anuais e as vazes mnimas anuais, conforme representado na Figura 14. 7 e na Tabela
14. 1.
As sries discretas que so obtidas a partir da observao de alguns anos de dados de
vazo so tratadas como amostras do comportamento de um rio ou de uma bacia. A
populao, neste caso, seriam todos os anos de existncia de um rio. A vazo
considerada uma varivel aleatria porque depende de fenmenos climticos
complexos e de difcil previsibilidade a partir de um certo horizonte.
180

Figura 14. 6: As vazes variam continuamente no tempo (linha) mas a partir dos dados de vazo possvel gerar sries temporais
discretas, como as mdias, mximas (tringulos) e mnimas (crculos) anuais (adaptado de Dingman, 2002).

Figura 14. 7: Grfico das sries discretas de mdias, mnimas e mximas anuais.

181
Tabela 14. 1: Valores das sries temporais discretas de vazes mdias, mnimas e mximas anuais relativos figura anterior.
Ano Vazo mdia anual Vazo mnima anual Vazo mxima anual
1990 95 57 132
1991 93 69 126
1992 72 48 100
1993 86 60 113
1994 56 29 80
1995 73 53 88
1996 96 68 132

Risco, probabilidade e tempo de retorno
Sries temporais discretas so convenientes para avaliar riscos em hidrologia. Risco
muitas vezes entendido como um sinnimo de probabilidade, mas em hidrologia
mais adequado considerar o risco como a probabilidade de ocorrncia de um evento
multiplicada pelos prejuzos que se espera da ocorrncia deste evento.
Projetos de estruturas hidrulicas sempre so elaborados admitindo probabilidades de
falha. Por exemplo, as pontes de uma estrada so projetadas com uma altura tal que a
probabilidade de ocorrncia de uma cheia que atinja a ponte seja de apenas 1% num
ano qualquer. Isto ocorre porque muito caro dimensionar as pontes para a maior
vazo possvel, por isso admite-se uma probabilidade, ou risco, de que a estrutura falhe.
Isto significa que podem ocorrer vazes maiores do que a vazo adotada no
dimensionamento.
A probabilidade admitida pode ser maior ou menor, dependendo do tipo de estrutura.
A probabilidade admitida para a falha de uma estrutura hidrulica menor se a falha
desta estrutura provocar grandes prejuzos econmicos ou mortes de pessoas. Assim, a
probabilidade de falha admitida para um dique de proteo de uma cidade a
probabilidade de que ocorra uma cheia em que o nvel da gua supere o nvel de
proteo do dique. Diques que protegem grandes cidades deveriam ser construdos
admitindo uma probabilidade menor de falha do que diques de proteo de pequenas
reas agrcolas. A Tabela 14. 2 apresenta o tempo de retorno em anos adotado,
normalmente, para diferentes tipos de estrutura.
182
Tabela 14. 2: Tempo de retorno adotado para diferentes estruturas, de acordo com o risco associado.
Estrutura TR (anos)
Bueiros de estradas pouco movimentadas 5 a 10
Bueiros de estradas muito movimentadas 50 a 100
Pontes 50 a 100
Diques de proteo de cidades 50 a 200
Drenagem pluvial 2 a 10
Grandes barragens (vertedor) 10.000
Pequenas barragens 100

O risco tambm pode estar relacionado a situaes de vazes mnimas. Por exemplo,
considere uma cidade que utilize a gua de um rio para abastecimento da populao.
Dependendo do tamanho da populao e das caractersticas do rio, existe um srio
risco de que, num ano qualquer, ocorram alguns dias em que a vazo do rio inferior
vazo necessria para abastecer a populao.
No caso da anlise de vazes mximas, so teis os conceitos de probabilidade de
excedncia e de tempo de retorno de uma dada vazo. A probabilidade anual de excedncia
de uma determinada vazo a probabilidade que esta vazo venha a ser igualada ou
superada num ano qualquer. O tempo de retorno desta vazo o intervalo mdio de
tempo, em anos, que decorre entre duas ocorrncias subseqentes de uma vazo maior
ou igual. O tempo de retorno o inverso da probabilidade de excedncia como
expresso na seguinte equao:
P
TR
1
= (14.1)
onde TR o tempo de retorno em anos e P a probabilidade de ocorrer um evento
igual ou superior em um ano qualquer. No caso de vazes mnimas, P refere-se
probabilidade de ocorrer um evento com vazo igual ou inferior.
A equao acima indica que a probabilidade de ocorrncia de uma cheia de 10 anos de
tempo de retorno, ou mais, num ano qualquer de 0,1 (ou 10%).
A vazo mxima de 10 anos de tempo de retorno (TR = 10 anos) excedida em mdia
1 vez a cada dez anos. Isto no significa que 2 cheias de TR = 10 anos no possam
ocorrem em 2 anos seguidos. Tambm no significa que no possam ocorrer 20 anos
seguidos sem vazes iguais ou maiores do que a cheia de TR=10 anos.
Existem duas formas de atribuir probabilidades e tempos de retorno s vazes
mximas e mnimas: mtodos empricos e mtodos analticos.
183
Probabilidades empricas podem ser estimadas a partir da observao das variveis
aleatrias. Por exemplo, a probabilidade de que uma moeda caia com a face cara
virada para cima de 50%. Esta probabilidade pode ser estimada empiricamente
lanando a moeda 100 vezes e contando quantas vezes cada uma das faces fica voltada
para cima.
O problema das probabilidades empricas que quando o tamanho da amostra
pequeno, a estimativa tende a ser muito incerta. Suponha, por exemplo, que apenas 6
lanamentos sejam feitos para estimar a probabilidade de que uma moeda caia com a
face cara voltada para cima. possvel que seja estimada uma probabilidade muito
diferente de 50%.
Para contornar este problema comum supor que os dados hidrolgicos sejam
aleatrios e que sigam uma determinada distribuio de probabilidade analtica, como a
distribuio normal, por exemplo. Esta metodologia analtica permite explorar melhor
as amostras relativamente pequenas de dados hidrolgicos, como se descreve na
seqncia deste captulo.
Chuvas anuais e a distribuio normal
O total de chuva que cai ao longo de um ano pode ser considerado uma varivel
aleatria com distribuio aproximadamente normal. Esta suposio permite explorar
melhor amostras relativamente pequenas, com apenas 20 anos, por exemplo.
A distribuio normal descrita em qualquer livro introdutrio de estatstica e se aplica
a muitos tipos de informaes da natureza. Um grfico da funo densidade de
probabilidade da distribuio normal tem uma forma de sino e simtrica com relao
mdia, que o valor central. A forma em sino indica que existe uma probabilidade
maior de ocorrerem valores prximos mdia do que nos extremos mnimo e
mximo.
A funo densidade de probabilidade (PDF) da distribuio normal uma expresso
que depende de dois parmetros: a mdia e o desvio padro da populao, conforme a
equao seguinte:
( )
(
(
|
|
\
|

=
2
2
1
exp
2
1
x
x
x
x
x
x f

(14.2)
onde
x
a mdia da populao e
x
o desvio padro da populao. Para o caso mais
simples, em que a mdia da populao zero e o desvio padro igual a 1, a expresso
acima fica simplifcada:
184
( )
(
=
2
exp
2
1
2
z
z f
z
(14.3)
onde z uma varivel aleatria com mdia zero e desvio padro igual a 1.
O grfico desta ltima apresentado na Figura 14. 8. A rea total sob a curva igual a
1. A rea hachurada representa a probabilidade de ocorrncia de um valor maior do
que z (figura de cima) ou menor do que z (figura de baixo).
A rea sob a curva pode ser calculada por integrao analtica, mas resulta numa srie
infinita. Por este motivo, as aplicaes prticas so mais comuns na forma de tabelas
que relacionam o valor de z com a probabilidade de ocorrer um valor maior do que z
ou menor do que z. Existem, tambm, tabelas que fornecem valores da rea entre 0 e
z, ou de z a z.
No final do captulo apresentada uma tabela de probabilidades da distribuio
normal. No programa Excel possvel obter os valores das probabilidades utilizando a
funo DIST.NORMP(z), que d a probabilidade de ocorrer um valor inferior a z.
Lembrando a relao entre probabilidades e tempos de retorno, interessante saber os
valores de z que correspondem a alguns valores especficos de probabilidade, como 0,1
0,01 e 0,001. Estes valores correspondem aos tempos de retorno de 10, 100 e 1000
anos. No final do captulo apresentada uma tabela de probabilidades da distribuio
normal, indicando os valores de z correspondentes aos tempos de retorno de 2 a 10000
anos.

Figura 14. 8: Grfico da distribuio normal (na figura superior indicada a rea hachurada que representa a probabilidade de ocorrer
um valor maior do que z; e na figura inferior indicada a rea hachurada que representa a probabilidade de ocorrer um valor menor do
que z).
185

Uma varivel aleatria x com mdia
x
e desvio padro
x
pode ser transformada em
uma varivel aleatria z, com mdia zero e desvio padro igual a 1 pela transformao
abaixo:
x
x
x
z

= (14.4)
Esta transformao pode ser utilizada para estimar a probabilidade associada a um
determinado evento hidrolgico em que a varivel segue uma distribuio normal.
Considere, por exemplo, a chuva anual em um determinado local. Anos com chuva
prxima da mdia so relativamente freqentes, enquanto anos muito chuvosos ou
muito secos so menos freqentes. Em muitos locais as chuvas anuais seguem,
aproximadamente uma distribuio normal, como mostra a Figura 14. 9.

Figura 14. 9: Histograma de freqncias de chuvas anuais no posto pluviomtrico localizado em Lamounier, MG.

A probabilidade de ocorrncia de chuvas anuais superiores a 2000 mm, por exemplo,
pode ser estimada a partir da anlise dos dados de n anos, e da suposio de que os
dados seguem uma distribuio normal.

EXEMP L OS
3) As chuvas anuais no posto pluviomtrico localizado em Lamounier, em Minas
Gerais (Cdigo 02045005) seguem, aproximadamente, uma distribuio
186
normal, com mdia igual a 1433 mm e desvio padro igual a 299 mm. Qual a
probabilidade de ocorrer um ano com chuva total superior a 2000 mm?
Considerando que a mdia e o desvio padro da amostra disponvel sejam boas aproximaes da mdia
e do desvio padro da populao, pode se estimar o valor da varivel reduzida z para o valor de 2000
mm:
896 , 1
299
1433 2000
=
=
s
x x x
z
x
x

de acordo com a Tabela A, no final do captulo, a probabilidade de ocorrncia de um valor maior do
que z=1,896 de aproximadamente 0,0287 (valor correspondente a z=1,9). Portanto, a
probabilidade de ocorrer um ano com chuva total superior a 2000 mm de, aproximadamente,
2,87%. O tempo de retorno correspondente de pouco menos de 35 anos. Isto significa que, em mdia,
um ano a cada 35 apresenta chuva total superior a 2000 mm neste local.

4) As chuvas anuais no posto pluviomtrico localizado em Lamounier, em Minas
Gerais (Cdigo 02045005) seguem, aproximadamente, uma distribuio
normal, com mdia igual a 1433 mm e desvio padro igual a 299 mm. Qual a
probabilidade de ocorrer um ano com chuva total inferior a 550 mm?
A distribuio normal simtrica. A probabilidade de ocorrer um valor superior a z igual
probabilidade de ocorrer um valor inferior a z. Assim,
95 , 2
299
1433 550
=
=
s
x x x
z
x
x

de acordo com a Tabela A, no final do captulo, a probabilidade de ocorrncia de um valor maior do
que z=2,95est entre 0,0012 e 0,0019. Portanto, a probabilidade de ocorrer um ano com chuva total
superior a 2000 mm de, aproximadamente, 0,15%. O tempo de retorno correspondente de pouco
menos de 666 anos. Isto significa que, em mdia, um ano a cada 666 apresenta chuva total inferior a
550 mm neste local.

Vazes mximas
Selecionando apenas as vazes mximas de cada ano em um determinado local,
obtida a srie de vazes mximas deste local e possvel realizar anlises estatsticas
relacionando vazo com probabilidade. As sries de vazes disponveis na maior parte
dos locais (postos fluviomtricos) so relativamente curtas, no superando algumas
dezenas de anos.
187
Distribuio emprica
Analisando as vazes do rio Cuiab no perodo de 1984 a 1992, por exemplo,
podemos selecionar de cada ano apenas o valor da maior vazo, e analisar apenas as
vazes mximas (Tabela 14. 3). Reorganizando as vazes mximas para uma ordem
decrescente, podemos atribuir uma probabilidade de excedncia emprica a cada uma
das vazes mximas da srie, utilizando a frmula de Weibull:
1 +
=
N
m
P (14.5)
onde N o tamanho da amostra (nmero de anos); e m a ordem da vazo (para a
maior vazo m=1 e para a menor vazo m=N). O resultado apresentado na Tabela
14. 4.

Figura 14. 10: Srie de vazes do rio Cuiab em Cuiab, de 1984 ao final de 1991, evidenciando a vazo mxima de cada ano.

188
Tabela 14. 3: Vazes mximas anuais entre 1984 e 1991.
Ano Q mx
1984 1796.8
1985 1492.0
1986 1565.0
1987 1812.0
1988 2218.0
1989 2190.0
1990 1445.0
1991 1747.0

Tabela 14. 4: Vazes mximas reorganizadas em ordem decrescente, com ordem e probabilidade emprica associada.
Ano Vazo (m3/s) Ordem Probabilidade TR (anos)
1988 2218.0 1 0.11 9.0
1989 2190.0 2 0.22 4.5
1987 1812.0 3 0.33 3.0
1984 1796.8 4 0.44 2.3
1991 1747.0 5 0.56 1.8
1986 1565.0 6 0.67 1.5
1985 1492.0 7 0.78 1.3
1990 1445.0 8 0.89 1.1

O problema da estimativa emprica de probabilidades que no possvel extrapolar a
estimativa para tempos de retorno maiores. Por exemplo, se necessrio estimar a
vazo mxima de 100 anos de tempo de retorno, mas existem apenas 18 anos de dados
observados, as probabilidades empricas permitem estimar vazes mximas de TR
prximo de 18 anos.
Distribuio normal
Para extrapolar as estimativas de vazo mxima necessrio supor que as vazes
mximas anuais seguem uma distribuio de probabilidades conhecida, como no caso
das chuvas anuais.
Vazes mximas segundo uma distribuio normal podem ser estimadas por:
s K x x + = (14.6)
onde x a vazo mxima para uma dada probabilidade; x a mdia das vazes
mximas anuais; e s o desvio padro das vazes mximas anuais. O valor de K
obtido de tabelas de distribuio normal (equivalente ao z nas tabelas A e B ao final do
captulo).
189
Infelizmente, porm, as vazes mximas no seguem a distribuio normal.
Histogramas de vazes mximas anuais tendem a apresentar uma forte assimetria
positiva (longa cauda na direo dos maiores valores), o que invalida o uso da
distribuio normal (Figura 14. 11).

Figura 14. 11: Comparao entre um histograma de vazes mximas observadas do rio Cuiab em Cuiab entre 1967 e 1999 e a
distribuio normal.
Para superar este problema existem outras distribuies de probabilidade que so,
normalmente, utilizadas para a anlise de vazes mximas. A mais simples destas
distribuies a denominada log-normal. Nesta distribuio a suposio que os
logaritmos das vazes seguem uma distribuio normal.
Distribuio log-normal
A distribuio normal parte da equao:
( ) ( )
x
s K x x
log
log log + = (14.7)
onde log(x) o logaritmo da vazo mxima; ( ) x log a mdia dos logaritmos das
vazes mximas anuais observadas; s
logx
o desvio padro dos logaritmos das vazes
mximas anuais observadas. O valor de K obtido das tabelas A e B do final do
captulo (K equivalente a z dado nas tabelas).
Se o objetivo da anlise determinar a vazo de 100 anos de tempo de retorno em um
determinado local, por exemplo, a seqncia de etapas para a estimativa supondo que
os dados correspondem a uma distribuio log-normal a seguinte:
Obter vazes mximas de N anos
190
Calcular os logaritmos das vazes mximas
Calcular a mdia e o desvio padro dos logaritmos das vazes mximas
Obter o valor de z para a probabilidade correspondente ao tempo de retorno
de 100 anos
Obter o valor do logaritmo da vazo de tempo de retorno de 100 anos a partir
da equao 14.7.
Obter o valor da vazo atravs da funo inversa do logaritmo.
Esta seqncia de etapas fica mais clara na aplicao em um exemplo.

EXEMP L O
5) As vazes mximas anuais do rio Guapor no posto fluviomtrico Linha
Colombo so apresentadas na tabela abaixo. Utilize a distribuio log-normal
para estimar a vazo mxima com 100 anos de tempo de retorno.
ANO MAXIMA ANO MAXIMA ANO MAXIMA ANO MAXIMA ANO MAXIMA ANO MAXIMA
1940 953 1950 1192 1960 falha 1970 365 1980 653 1990 falha
1941 1171 1951 356 1961 718 1971 671 1981 537 1991 falha
1942 723 1952 246 1962 503 1972 1785 1982 945 1992 falha
1943 267 1953 1093 1963 falha 1973 726 1983 1650 1993 1115
1944 646 1954 840 1964 457 1974 397 1984 1165 1995 639
1945 365 1955 622 1965 915 1975 480 1985 888
1946 1359 1956 falha 1966 742 1976 falha 1986 728
1947 411 1957 598 1967 840 1977 673 1987 809
1948 480 1958 646 1968 331 1978 760 1988 945
1949 365 1959 953 1969 320 1979 780 1989 1380

Este exemplo apresenta uma situao muito comum na anlise de dados hidrolgicos: as falhas. As
falhas so perodos em que no houve observao. As falhas so desconsideradas na anlise, assim o
tamanho da amostra N=48. Utilizando logaritmos de base decimal, a mdia dos logaritmos das
vazoes mximas 2,831 e o desvio padro 0,206. Para o tempo de retorno de 100 anos a
probabilidade de excedncia igual a 0,01. Na tabela B, ao final do captulo, pode-se obter o valor de
z correspondente (z=2,326). A vazo mxima de TR=100 anos obtida por:
s
x x
z

206 , 0
831 , 2
326 , 2

x

31 , 3 831 , 2 206 , 0 326 , 2 = + = x
191
2041 10
31 , 3
= = Q
Portanto, a vazo mxima de 100 anos de tempo de retorno 2041 m3/s.
Este procedimento pode ser repetido para outros valores de TR, e o resultado pode ser apresentado na
forma de um grfico, relacionando vazo com tempo de retorno, como na figura a seguir. Nesta figura
fica claro, tambm, que a suposio de uma distribuio log-normal muito mais adequada do que a
suposio de uma distribuio normal.

As vazes mximas estimadas com as probabilidades empricas so mostradas pelos pontos, a
distribuioo normal apresentada como a linha pontilhada e a linha contnua mostra vazes mximas
estimadas com a distribuio log-normal.

Distribuio Log-Pearson Tipo III
A distribuio Log-Pearson Tipo III pode ser descrita por trs parmetros: a mdia, o
desvio padro e o coeficiente de assimetria.
A equao utilizada para estimar a vazo mxima igual utilizada na distribuio Log-
Normal, entretanto o valor de K obtido de outra tabela.
( ) ( )
x
s K x x
log
log log + =
192
onde K depende do coeficiente de assimetria dos dados e pode ser obtido na tabela C,
no final do captulo.

Distribuio de Gumbel
A probabilidade de que uma determinada vazo venha a ser igualada ou excedida em
um ano qualquer pode ser estimada usando a distribuio de Gumbel, de acordo com a
equao:
b
e
e 1 P
= (14.8)
onde P a probabilidade; e a base dos logaritmos naturais e b dado por:
( ) s 45 0 x x
s 7797 0
1
b +
= ,
,
(14.9)
onde x a vazo mxima; x a mdia das vazes mximas anuais; e s o desvio
padro das vazes mximas anuais.
A distribuio de Gumbel tambm chamada de Distribuio de Valores Extremos do
tipo 1, e amplamente utilizada em anlise estatstica de eventos extremos. Uma
vantagem desta distribuio que no necessrio utilizar tabelas de probabilidades.
A vazo para um dado tempo de retorno TR (em anos) pode ser obtida por uma
forma inversa da equao 14.8:
)
`
\
|
+ =
1 TR
TR
7797 0 45 0 s x x ln ln , ,

Vazes mnimas
A anlise de vazes mnimas semelhante anlise de vazes mximas, exceto pelo
fato que no caso das vazes mnimas o interesse pela probabilidade de ocorrncia de
vazes iguais ou menores do que um determinado limite.
No caso da anlise utilizando probabilidades empricas, esta diferena implica em que
os valores de vazo devem ser organizados em ordem crescente, ao contrrio da
ordem decrescente utilizada no caso das vazes mximas.
Normalmente, as anlises estatsticas de vazes mnimas so realizadas sobre as vazes
mnimas de 7 dias, 15 dias ou 30 dias de durao. Neste caso, para cada ano do registro
193
histrico encontra-se a vazo mnima mdia de D dias (mdias mveis de D dias). O
restante do procedimento de anlise semelhante ao apresentado aqui.
Uma vazo mnima obtida por anlise estatstica muito utilizada como vazo de
referncia mnima a Q
7,10
, ou 7Q10, que vem a ser a vazo mdia de 7 dias de durao
com tempo de retorno de 10 anos.
Distribuio normal
A aplicao da anlise estatstica usando a distribuio normal para vazes mnimas
analisada atravs de um exemplo.
EXEMP L O
6) A tabela abaixo apresenta as vazes mnimas anuais observadas no rio Piquiri,
no municpio de Ipor (PR). Considerando que os dados seguem uma
distribuio normal, determine a vazo mnima de 5 anos de tempo de retorno.
A distribuio normal se ajusta bem aos dados observados?
ano
Vazo
mnima
1980 202
1981 128.6
1982 111.4
1983 269
1984 158.2
1985 77.5
1986 77.5
1987 166
1988 70
1989 219.6
1990 221.8
1991 111.4
1992 204.2
1993 196
1994 172
1995 130.4
1996 121.6
1997 198
1998 320.6
1999 101.2
2000 118.2
2001 213

Os valores de vazo mnima so reorganizados em ordem crescente e a probabilidade emprica
para cada valor calculada. A seguir calculada a mdia e o desvio padro do conjunto de
dados.

194
ano ordem probabilidade
TR
emprico
Vazo
mnima
1988 1 0.04 23.0 70
1985 2 0.09 11.5 77.5
1986 3 0.13 7.7 77.5
1999 4 0.17 5.8 101.2
1982 5 0.22 4.6 111.4
1991 6 0.26 3.8 111.4
2000 7 0.30 3.3 118.2
1996 8 0.35 2.9 121.6
1981 9 0.39 2.6 128.6
1995 10 0.43 2.3 130.4
1984 11 0.48 2.1 158.2
1987 12 0.52 1.9 166
1994 13 0.57 1.8 172
1993 14 0.61 1.6 196
1997 15 0.65 1.5 198
1980 16 0.70 1.4 202
1992 17 0.74 1.4 204.2
2001 18 0.78 1.3 213
1989 19 0.83 1.2 219.6
1990 20 0.87 1.2 221.8
1983 21 0.91 1.1 269
1998 22 0.96 1.0 320.6

Mdia = 163
Desvio padro = 65.2

Os valores da vazo para diferentes tempos de retorno so calculados por:

Onde K o valor da tabela da distribuio normal para as probabilidades (veja tabela B ao final
do captulo).
Tempo
de
retorno K Q
2 0 163.1
5 0.842 108.2
10 1.282 79.5
50 2.054 29.2
100 2.326 11.5

Na figura abaixo v-se que o ajuste da distribuio normal no muito bom para estes dados. A
vazo mnima com tempo de retorno de 5 anos estimada em 108 m3/s.
K S Q Q
Q
=
195

0
50
100
150
200
250
300
350
1.0 10.0 100.0
Tempo de retorno (anos)
V
a
z
o

m
n
i
m
a

(
m
3
/
s
)

.

Distribuio Weibull
Uma distribuio de freqncias terica mais adequada para a estimativa de vazes
mnimas de alto tempo de retorno a distribuio de Weibull (veja em Naghettini e
Pinto, 2007).
Na anlise de vazes mnimas usando a distribuio de Weibull usada a mesma
equao:
S K x x + = (14.10)
e o valor de K obtido por:
( ) ( )
\
|
+ = 1
T
1
1 B A K
1
ln (14.11)
onde
T o tempo de retorno em anos e
( ) ( )
B
1
1 1 A
(
\
|
+ = (14.12)
196
e
( )
2
1
2
1
1
2
1 B
\
|
+ |
\
|
+ =

(14.13)
onde
4
4
3
3
2
2 1 0
G H G H G H G H H
1
+ + + +
= para 2 G 0 1 , (14.14)
onde
H
0
= 0,2777757913
H
1
= 0,3132617714
H
2
= 0,0575670910
H
3
= -0,0013038566
H
4
= -0,0081523408
e onde G o coeficiente de assimetria; e onde ( ) . a funo Gama, que uma
generalizao da funo fatorial para nmeros reais no inteiros.
Uma dificuldade da aplicao da distribuio de Weibul a necessidade de calcular o
valor da funo Gama. O valor da funo Gama dada por:
( )

=
0
x 1 w
dx e x w
O programa Excel permite calcular o valor do logaritmo da funo gama atravs da
funo LnGama(x).

EXEMP L O
7) Refaa o exemplo anterior usando a distribuio de Weibull.

Os valores da mdia e desvio padro so os mesmos calculados antes:
Mdia = 163
197
Desvio padro = 65.2
Alm disso calculado o coeficiente de assimetria. Usando a funo do Excel (Distoro(x)) o
valor encontrado
G=0,5662
A partir destes dados calculado o valor de 116 2, =
Usando a funo do Excel LnGama(x) so calculados os valores de B() e A().
B()=2,2726
A()=0,2599
E com estes valores so calculados os termos K para cada tempo de retorno T em anos, conforme
a tabela abaixo:

TR Kt Vazo Weibull
2 -0.10153 156.5
5 -0.89405 104.8
10 -1.22803 83.0
25 -1.51140 64.6
50 -1.65317 55.3
100 -1.75422 48.7

A figura a seguir mostra os resultados comparados distribuio emprica e distribuio normal.
Observa-se que a distribuio de Weibull se adequa mais para a estimativa de vazes mnimas do que
a distribuio normal, especialmente para tempos de retorno altos, quando a distribuio normal tende a
valores negativos, o que fisicamente impossvel, j que as vazes mnimas so limitadas a valores
maiores do que zero.

198

A distribuio binomial
A distribuio de probabilidades binomial adequada para avaliar o nmero (x) de
ocorrncias de um dado evento em N tentativas.
As seguintes condies devem existir para que seja vlida a distribuio binomial: 1)
so realizadas N tentativas; 2) em cada tentativa o evento pode ocorrer ou no, sendo
que a probabilidade de que o evento ocorra dada por P enquanto a probabilidade de
que o evento no ocorra dada por 1-P ; 3) a probabilidade de ocorrncia do evento
numa tentativa qualquer constante e as tentativas so independentes, isto , a
ocorrncia ou no do evento na tentativa anterior no altera a probabilidade de
ocorrncia atual.
Estas propriedades ficam mais claras considerando o exemplo de um dado de seis
faces. A probabilidade de obter um seis num lanamento qualquer de 1/6. A
probabilidade de no obter um seis num lanamento qualquer de 5/6. Se um dado
lanado uma vez, resultando em um seis, isto no altera a probabilidade de obter
um seis no lanamento seguinte.
De acordo com a probabilidade binomial, a probabilidade de que um evento ocorra x
vezes em N tentativas, dada pela equao 14.15.
( )
( )
x N x
x
P P
x N x
N
x X P

= = 1
! !
!
) ( (14.15)
Nesta equao P
x
(X=x) a probabilidade de que o evento ocorra x vezes em N
tentativas. P a probabilidade que o evento ocorra numa tentativa qualquer e (1-P) a
probabilidade que o evento no ocorra numa tentativa qualquer.

EXEMP L OS
8) Calcule a probabilidade de obter exatamente 5 coroas em 10 lanamentos de
uma moeda.
Neste caso x =5 e N=10. A probabilidade de obter coroa num lanamento qualquer de 50%, ou
1/2. A probabilidade de obter exatamente 5 coroas pode ser calculada pela equao 14.15.
( )
246 , 0
2
1
1
2
1
! 5 10 ! 5
! 10
) 5 (
5 10 5
=
|
\
|

|
\
|

= =
X P
x

199
Portanto, a probabilidade de obter exatamente 5 coroas em 10 lanamentos de 24,6%.

9) A probabilidade da vazo de 10 anos de tempo de retorno seja igualada ou
excedida num ano qualquer de 10%. Qual a probabilidade que ocorram
duas cheias iguais ou superiores cheia de TR = 10 anos em dois anos
seguidos?
Neste caso x =2 e N=2. A probabilidade de ocorrer a cheia num ano qualquer de 10%, ou 1/10.
A probabilidade de ocorrer exatamente 2 cheias em 2 anos pode ser calculada pela equao 14.15.
( )
01 , 0
10
1
10
1
1
10
1
! 2 2 ! 2
! 2
) 2 (
2 2 2 2
=
|
\
|
=
|
\
|

|
\
|

= =
X P
x

Portanto, a probabilidade de ocorrerem exatamente 2 cheias em 2 anos 1%.

10) A probabilidade da vazo de 10 anos de tempo de retorno seja igualada ou
excedida num ano qualquer de 10%. Qual a probabilidade que ocorra pelo
menos uma cheia desta magnitude (ou superior) ao longo de um perodo de 5
anos?
Este problema poderia ser resolvido somando a probabilidade de ocorrncia de 1 nica vazo com estas
caractersticas ao longo dos 5 anos com a probabilidade de ocorrncia de 2 vazes, e assim por diante
para 3, 4 e 5 casos. Porm, neste caso, a melhor forma de resolver o problema pensar qual a
probabilidade de que no ocorra nenhuma vazo igual ou superior ao longo dos 5 anos, que poder ser
chamada de P(x=0). A probabilidade de que ocorra pelo menos uma cheia ser dada por 1-P(x=0).
Sendo assim, calculamos primeiramente a probabilidade com x =0 e N=5.
( )
0 5 0
10
1
1
10
1
! 0 5 ! 0
! 5
) 0 (
\
|

|
\
|

= = X P
x

59 , 0
10
9
1 ) 0 (
5
=
|
\
|
= = X P
x

Portanto, a probabilidade de no ocorrer nenhuma vazo igual ou superior a vazo com TR=10 anos
ao longo de 5 anos de 59%. Isto significa que a probabilidade de ocorrer pelo menos uma vazo assim
de 41%.

200
Tabelas de distribuies de probabilidades
Tabela A: Probabilidade de ocorrer um valor maior do que Z, considerando uma distribuio
normal com mdia zero e desvio padro igual a 1.
Z Probabilidade
0.0 0.5000
0.1 0.4602
0.2 0.4207
0.3 0.3821
0.4 0.3446
0.5 0.3085
0.6 0.2743
0.7 0.2420
0.8 0.2119
0.9 0.1841
1.0 0.1587
1.1 0.1357
1.2 0.1151
1.3 0.0968
1.4 0.0808
1.5 0.0668
1.6 0.0548
1.7 0.0446
1.8 0.0359
1.9 0.0287
2.0 0.0228
2.1 0.0179
2.2 0.0139
2.3 0.0107
2.4 0.0082
2.5 0.0062
2.6 0.0047
2.7 0.0035
2.8 0.0026
2.9 0.0019
3.0 0.0013

201
Tabela B: Probabilidade de ocorrer um valor maior do que z, considerando uma distribuio
normal com mdia zero e desvio padro igual a 1.
z Probabilidade TR
0.000 0.5 2
0.842 0.2 5
1.282 0.1 10
1.751 0.04 25
2.054 0.02 50
2.326 0.01 100
2.878 0.002 500
3.090 0.001 1000
3.719 0.0001 10000

Tabela C: Valores de K para estimativa de vazes mximas usando a distribuio Log-Pearson
Tipo III (os valores do coeficiente de assimetria esto na primeira coluna e os valores de K esto
na regio cinza escuro da tabela).
Tempo de retorno / Probabilidade
2 5 10 25 50 100
Coeficiente de assimetria 0,5 0,2 0,1 0,04 0,02 0,01
1,4 -0,225 0,705 1,337 2,128 2,706 3,271
1,0 -0,164 0,758 1,340 2,043 2,542 3,022
0,6 -0,099 0,800 1,328 1,939 2,359 2,755
0,2 -0,033 0,830 1,301 1,818 2,159 2,472
0,0 0,000 0,842 1,282 1,751 2,054 2,326
-0,2 0,033 0,850 1,258 1,680 1,945 2,178
-0,6 0,099 0,857 1,200 1,528 1,720 1,880
-1,0 0,164 0,852 1,128 1,366 1,492 1,588
-1,4 0,225 0,832 1,041 1,198 1,270 1,318

Leituras adicionais
Os mtodos de estimativa de vazes mximas apresentados neste texto so
relativamente simples e a forma de apresentao resumida. Para realizar anlises de
vazes mximas mais rigorosas normalmente necessrio testar trs ou mais
distribuies de probabilidade tericas, e avaliar qual a distribuio que melhor se
adequa aos dados. Livros sobre hidrologia estatstica existem em grande nmero,
principalmente em lngua inglesa. Um livro dedicado exclusivamente a este tema em
lngua portuguesa, denominado Hidrologia Estatstica, foi lanado recentemente no
202
Brasil, e pode ser obtido gratuitamente atravs da Companhia de Pesquisas de
Recursos Minerais (CPRM), impresso ou em formato pdf (http://www.cprm.gov.br).
A leitura deste livro permitir ao leitor aprofundar o conhecimento introduzido neste
captulo.

Exerccios
1) Uma anlise de 40 anos de dados revelou que a chuva mdia anual em um
local na bacia do rio Uruguai de 1800 mm e o desvio padro de 350 mm.
Considerando que a chuva anual neste local tem uma distribuio normal, qual
a chuva anual de um ano muito seco, com tempo de retorno de 10 anos?
2) O que a curva de permanncia?
3) Qual a porcentagem do tempo em que superada ou igualada a vazo Q
90
?
4) Se um rio intermitente passa mais da metade do tempo completamente seco,
qual a sua Q
80
?
5) correto afirmar que a vazo Q
90
sempre inferior a Q
95
em qualquer ponto
de qualquer rio? E o inverso?
6) correto dizer que a vazo Q
95
igual soma das vazes Q
40
e Q
55
? Explique.
7) Qual o efeito de um reservatrio sobre a curva de permanncia de vazes de
um rio?
8) Considerando a idia de risco como a probabilidade de ocorrncia de um
evento associada aos prejuzos potenciais decorrentes deste evento, avalie qual
a pior situao:
a. Uma cidade protegida por um dique dimensionado para a cheia de 100
anos de tempo retorno. Caso a cheia supere o dique, sero inundados
2 bairros, com prejuzo total estimado em 800 milhes de reais.
b. Uma ponte dimensionada para a cheia de 25 anos de tempo de
retorno. Caso a cheia atinja a ponte esta ser destruda. A construo
de uma nova ponte e a interrupo temporria do trfego totalizam
um prejuzo de 75 milhes de reais.
9) A tabela abaixo apresenta as vazes mximas do rio Xingu, em Altamira (PA),
de 1971 a 1990. Estime a vazo mxima de 50 anos de tempo de retorno
considerando vlida a distribuio log-normal. Compare as estimativas usando
a distribuio de Gumbel e a distribuio Log-Pearson tipo III.
203
Ano Vazo mxima (m3/s)
1971 15633
1972 19116
1973 22121
1974 30160
1975 22969
1976 16773
1977 21520
1978 28655
1979 24994
1980 32330
1981 17794
1982 31210
1983 19056
1984 22422
1985 26338
1986 23718
1987 20198
1988 21881
1989 23970
1990 24354

10) Calcule a vazo Q
7,10
do rio Xingu em Altamira (PA) usando os dados da tabela
abaixo. Use a distribuio de Weibull e compare com a estimativa usando a
distribuio emprica.
Ano Mnimas 7 dias (m3/s)
1971 554
1972 608
1973 1048
1974 1106
1975 663
1976 646
1977 1017
1978 1317
1979 1229
1980 1008
1981 904
1982 1244
1983 1001
1984 1249
1985 1181
1986 1348
1987 964
1988 994
204

11) Na cidade de Porto Amnsia um apresentador de televiso defende a remoo
do dique que protege a cidade das cheias do rio Goiaba. Ele argumenta
afirmando que o dique foi dimensionado para a cheia de 50 anos, e que h 65
anos no ocorre na cidade nenhuma cheia que justificaria a construo de
qualquer dique. Analise as idias do apresentador. Calcule qual a
probabilidade de que no ocorra nenhuma cheia de tempo de retorno igual ou
superior a 50 anos ao longo de um perodo de 65 anos.
12) Na mesma cidade um arquiteto prope a substituio de 2000 metros do dique
por uma estrutura composta por peas mveis removveis de 10 m de
comprimento. Quando estas peas so expostas presso da gua equivalente
a que ocorreria durante uma cheia, a probabilidade de falha (para cada uma)
de 0,01 %. Qual a probabilidade de que, durante uma cheia, pelo menos uma
das peas venha a falhar?
13) Por que as vazes mnimas so calculadas com mdias de 7 dias ou de 30 dias
e as vazes mximas so calculadas com valores instantneos ou de mdia
diria?

Cap 14 - Hidrologia Estatística

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cap 14 - Hidrologia Estatística

Transféré par

Droits d'auteur :

Formats disponibles

Hidrologia Estatstica

s variveis hidrolgicas como chuva e vazo tm como caracterstica bsica

Vous aimerez peut-être aussi