Você está aqui: Página Inicial > Defesas > Mestrado - Kilvia de Freitas Alves
conteúdo

Mestrado - Kilvia de Freitas Alves

por dirppg-ct publicado 23/01/2019 09h46, última modificação 23/01/2019 11h29
Avaliação de incerteza dos fatores de caracterização regionalizados para escassez hídrica no Semiárido brasileiro
Quando
19/02/2019
de 14h00 até 14h00
(America/Sao_Paulo / UTC-300)
Onde
Sede Ecovile: Sala EK 104
Pessoa de contato
Profa. Cássia Maria Lie Ugaya
Participantes
Profa. Cássia Maria Lie Ugaya, Dr. Orientadora - UTFPR
Banca examinadora:
Profa. Cássia Maria Lie Ugaya, Dra. Presidente - UTFPR
Prof. Hilbeth Parente Azikri de Deus, Dr. - UTFPR
Profa. Maria Cléa Brito de Figueirêdo, Dra. - EMBRAPA
Adicionar evento ao calendário
iCal

Avaliação de incerteza dos fatores de caracterização regionalizados para escassez hídrica no Semiárido brasileiro

Resumo: Apesar das recomendações da UNEP e SETAC (2016), sensibilidade e incertezas ainda são pouco incorporadas em estudos de ACV, especialmente na obtenção de fatores de caracterização (FC). Andrade (2018) realizou a regionalização dos FC de escassez hídrica pelo modelo AWARE para o Semiárido brasileiro. O objetivo deste estudo é avaliar incertezas e sensibilidade na regionalização dos FC para escassez hídrica no Semiárido brasileiro. A metodologia utilizada para avaliação qualitativa de incertezas foi a pontuação de indicadores de qualidade segundo uma matriz Pedigree (Weidema e Wesnaes, 1996) adaptada. Para a avaliação quantitativa de incertezas, foi utilizada a análise estatística clássica e simulações de Monte Carlo com 10000 iterações para avaliação e propagação de incertezas, respectivamente. Quando houve necessidade de estimativa de parâmetros de incerteza, foram estimados coeficientes de variação segundo Meier (1997) e Sonnemann et al. (2003). Para análise de sensibilidade, foi utilizada a análise de cenários por meio da proposição de 8 cenários com variação de mais e menos 10% de cada uma das quatro variáveis de entrada do modelo AWARE e a análise de sensibilidade unidirecional para compreensão da sua variação. Os resultados da análise quantitativa demonstraram que os dados de disponibilidade das Estações Fluviométricas foram os principais responsáveis pelas incertezas nos dados de entrada e, consequentemente, nos dados de saída. Isso por conta da grande variabilidade temporal típica do Semiárido, que foi considerada nestes dados e desconsiderada nas demais variáveis. Notou-se ainda que a adoção de séries de dados menores levou à redução da média e desvio padrão. Também se observou que FC moderados são mais incertos, enquanto FC mais extremos apresentam menor variação, corroborando com análises anteriores. A variável mais sensível foi a disponibilidade. As agregações levaram a FC mais incertos e sensíveis, porém não houve diferença significativa entre agregações agrícola, não agrícola e genérica. Concluiu-se que a disponibilidade é um elemento-chave na regionalização dos FC para escassez hídrica pelo método AWARE para o Semiárido brasileiro. Concluiu-se também que, a depender do escopo de cada trabalho, podem ser adotadas séries maiores para abranger o comportamento da região ao longo dos anos, ou séries menores, a fim de aproximar-se da situação de escassez atual. Outra opção seria a adoção sempre do pior caso, a fim de evitar escassez em todos os cenários possíveis.

Palavras-chave: AWARE; Propagação de incertezas; Monte Carlo; Análise de Cenários; Sensibilidade; Elemento chave.

 

Uncertainty assessment of regionalised characterization factors for water scarcity in the Brazilian semi-arid region

Abstract: Despite the recommendations, sensitivity and uncertainties are still little incorporated in LCA studies, especially in obtaining characterization factors (CF). Andrade (2018) performed the regionalization of water scarcity CF by the AWARE model for the Brazilian semi-arid region. The mais goal of this study is to evaluate uncertainties and sensitivity in the regionalization of water scarcity CF for the Brazilian semi-arid region.The methodology used for the qualitative evaluation of uncertainties was the score of quality indicators according to an adapted Pedigree matrix (Weidema and Wesnaes, 1996). For the quantitative evaluation of uncertainties, classical statistical analysis and Monte Carlo simulations with 10,000 iterations were used to evaluate and propagate uncertainties, respectively. When estimating uncertainty parameters, coefficients of variation were estimated according to Meier (1997) and Sonnemann et al. (2003). For sensitivity analysis, scenario analysis was used by proposing 8 scenarios with variation of plus and minus 10% of each of the four input variables of the AWARE model and the unidirectional sensitivity analysis to understand its variation. The results showed that the availability data of the Fluviometric Stations were mainly responsible for the uncertainties in the input data and, consequently, the output data. This is due to the great temporal variability typical of the Brazilian semi-arid region, which was considered in these data and disregarded in the other variables. It was also noted that the adoption of smaller data series led to the reduction of mean and standard deviation. It was also observed that moderate CF are more uncertain, while more extreme CFs show lower variation, corroborating with previous analyzes. The most sensitive variable was the availability. Aggregations led to more uncertain and sensitive CF, but there was no significant difference between agricultural, non-agricultural and generic aggregates. It was concluded that availability is a key issue in the regionalization of water scarcity by the AWARE model for the Brazilian semi-arid region. It was also concluded that, depending on the scope of each work, larger series can be adopted to cover the region's behavior over the years, or smaller series, in order to approach the current scarcity situation. Another option would be to adopt always the worst case, in order to avoid scarcity in all possible scenarios.

Keywords:AWARE; Uncertainties propagation; Monte Carlo; Scenario analysis; Sensitivity; Key issue.

 

Lista de publicações:

ALVES, K.F.; UGAYA, C. M. L. Incertezas em AICV: estado da arte. In: VI Congresso Brasileiro sobre Gestão de Ciclo de Vida. UNB, Brasília, 2018.