ResumoO objetivo deste trabalho foi apresentar um método para se estimarem os valores das externalidades na área de saúde associadas à operação de reservatórios hidrelétricos. O método foi aplicado nos municípios de Uberaba e Uberlândia, Minas Gerais, parcialmente alagados pelo reservatório de Miranda. AbstractThe objective of this work was to present an estimation method of the values of the health externalities associated to the operation of hydro power plants reservoirs. The method was applied in the cities of Uberaba and Uberlândia, Minas Gerais, Brazil, partially flooded by Miranda reservoir. The number of hospital admittances in the Public Health System and the population growth in the flooded municipal districts were analyzed. If there is a cause-effect relation between the lake and the diseases, the costs of externalities in 2001 were estimated in R$ 25,000 when US$ 1 corresponded to R$ 2,36; the population number linked to this value was 773.409. The economical value of the health impacts showed that they do not have much significance.
application and comparison of the methods in two medium sized watersheds are presented and analysed. In this study case, the DPFT methodology showed a slightly better fitting than the ANN model, despite more irregular results.
As modificações na cobertura vegetal de uma bacia têm impactos significativos nos processos hidrológicos e na qualidade de água dessa bacia. Para tentar avaliar esse impacto, no trabalho aqui apresentado adotou-se como objeto de estudo um trecho, com área de drenagem de 109 km 2 , da sub-bacia do ribeirão Serra Azul -Minas Gerais. O período estudado compreende os anos de 1984 a 2002. As variações no comportamento hidrológico foram representadas pela evapotranspiração: componente do ciclo hidrológico considerada mais afetada pela alteração do tipo de cobertura da superfície. Neste estudo, a evapotranspiração foi estimada a partir do método do balanço hídrico e do método FAO Penman -Monteith. O estudo da dinâmica da cobertura vegetal foi feito a partir do mapeamento de imagens de satélite Landsat / TM espaçadas, em média, de 2 em 2 anos. Utilizou-se de técnicas de geoprocessamento para o tratamento dessas imagens com a finalidade de gerar, com o software SPRING, Mapas Temáticos de Cobertura Vegetal e Uso do Solo. Por fim, procuraram-se estabelecer correlações entre as variações no comportamento hidrológico e na dinâmica da cobertura vegetal da bacia, com base no parâmetro Floresta Densa. Com as informações disponíveis não foi possível estabelecer-se uma correlação, com nível de confiança razoável, entre essas duas variáveis. Entretanto, verificou-se com este estudo a importância das atividades de preservação ambiental que vem sendo desenvolvidas nessa bacia.
Uma nova abordagem em modelagem global precipitação-vazão, denominada método DPFT (Diferenças Primeiras da Função de Transferência), é apresentada. Usando-se um conjunto multi-eventos precipitação-vazão e um algoritmo iterativo, são identificados simultaneamente o Hidrograma Unitário ( Função de Transferência ) médio da bacia hidrográfica, e uma série de precipitações efetivas associadas a cada evento. Esta última particularidade, principal vantagem do método, permite a calibração, a posteriori, de diferentes modelos de Função de Produção, relacionando as precipitações observadas, medidas em pluviógrafos, às precipitações efetivas calculadas pelo método DPFT. Um estudo de caso é apresentado, tratandose da aplicação do método à bacia do ribeirão Serra Azul (109 km 2 ), considerada representativa do Estado de Minas Gerais. A Função de Transferência obtida pelo método é comparada com resultados obtidos por outros métodos e mostrou-se robusta e estável. As precipitações efetivas obtidas mostraram-se consistentes. Para cada evento precipitação-vazão, utilizando-se os pares precipitação efetiva -precipitação observada, são calibrados e comparados dois modelos simples de Função de Produção, o modelo do Soil Conservation Service e o modelo do índice-f.
A predição e modelagem da série de vazões de um rio é extremamente importante, não somente sob a ótica econômicoenergética, como também do ponto de vista da segurança das populações próximas a rios. O progresso no campo de identificação de sistemas vem contribuindo significativamente para a consistência e confiabilidade da modelagem de séries de vazões, e, desde a década passada, vem-se pesquisando muito a utilização de modelos baseados em redes neurais artificiais (RNA). Outro impulso nesta área foi a integração de lógica nebulosa às RNA, constituindo os modelos neuro-nebulosos. Dentre estes, as redes Neo-Fuzzy-Neuron vêm demonstrando sucesso no mapeamento de sistemas não-lineares. Neste trabalho as redes NFN são aplicadas à predição de vazões diárias, analisando-se a viabilidade da utilização de uma estrutura NFN única para modelagem dos perfis de vazões afluentes de todas as estações pertencentes a uma sub-bacia. Para a aplicação da metodologia foram utilizados, como estudo de caso, os dados diários de vazão de 15 estações da subbacia 46, sendo escolhida uma entre elas como referência para modelagem dos dados das demais. A série de referência escolhida apresenta período mais abrangente e completo. As redes NFN apresentaram excelentes resultados na predição de vazões para as estações estudadas. Além disso, a agregação de entradas Média Móvel (MA) melhorou significativamente os resultados apresentados pelos modelos puramente autoregressivos, principalmente no que diz respeito à validação. Pode-se constatar a viabilidade da obtenção de uma estrutura NFNARMA(p,q,np) única para modelagem de toda a sub-bacia 46.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2025 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.