Embora seja aceito que os programas de monitoramento coletem dados e informações relevantes para o processo de gestão, existe uma grande lacuna entre a informação necessária na gestão e a informação obtida nos atuais programas de monitoramento. Apesar de todo o esforço e investimento feito, a atual situação dos programas de monitoramento demonstra que a relação custo-benefício de tais programas ainda e muito pequena. A síndrome da riqueza de dados e pobreza de informação que afeta quase todos os programas de monitoramento em escala mundial levou pesquisadores dos cinco continentes a reavaliar as metodologias utilizadas no monitoramento. Neste sentido, o objetivo deste estudo foi aplicar o método de Analise de Espectro Singular (Singular Spectrum Analysis – SSA) para analisar series temporais completas visando extrair informação sobre tendência e componentes sazonais, preencher falhas de dados de series incompletas e prever de valores futuros. As series de dados utilizadas são provenientes dos sistemas de monitoramento existentes no Estado de Mato Grosso e foram obtidos do sistema de informações hidrometeorologicas (hidroweb) da Agencia Nacional de Aguas (ANA). As variáveis analisadas foram: vazão media mensal, precipitação acumulada mensal e turbidez. As series de vazão e precipitação foram analisadas com o software CaterpillarR. As series das variáveis vazão, precipitação e turbidez, foram preenchidas com o software CatMVR. Os resultados mostram que o método e robusto e, na analise, foi capaz de extrair tanto componentes de tendência linear quanto não linear, bem como os harmônicos de todas as series. As series reconstruidas durante a analise apresentaram Erro Médio Relativo (EMR) entre 0,4% e 0,9%. As series reconstruidas durante preenchimento de falhas de dados apresentaram EMR entre 0,7% e 3,5%. O método foi capaz de prever valores futuros para um período de 24 meses mantendo a estrutura e o comportamento de uma serie original de vazão (EMR igual a 0,45%) e de uma serie de precipitação (EMR igual a 3,5%). Na analise comparativa entre os métodos de preenchimento de falhas de dados SSA e Regressão Linear Simples (RLS), os EMRs foram bastante semelhantes. A principal vantagem do método SSA para o preenchimento de falhas de dados em relação aos métodos de regressão linear simples, regressão linear múltipla, método da ponderação regional e krigagem, deve-se a sua natureza auto-adaptativa que dispensa a dependência de series temporais de estações vizinhas. O preenchimento e realizado durante o processo de reconstrução usando exclusivamente os próprios dados da serie. Este estudo mostrou que o método SSA, pode ser uma ferramenta útil na recuperação de informações perdidas e pode ser aplicado como ferramenta de auxilio na gestão de programas de monitoramento minimizando o custo do monitoramento e maximizando a qualidade da informação produzida a partir dos dados coletados, especialmente no monitoramento da qualidade da agua onde os dados das variáveis são provenientes de campanhas de campo e posterior analise em laboratório e cujo custo e bastante elevado.
Dissertações