Flood forecasting techniques have been widely studied as a tool to mitigate damage from extreme events. However, their nature in urban areas developed without properly drainage planning, coupled with the scarcity of hydrological monitoring data, becomes a significant challenge for real-time flood forecasting. This doctoral thesis proposes deterministic methods of data assimilation for real-time hydrological forecasting. The methodology is developed using the semi-distributed hydrodynamic Storm Water Management Model (SWMM). It also aims to evaluate the impact of using traditional monitoring data together with citizen science data for model updating. The first and the second chapter present the general introduction and methodology of the thesis. The third chapter presents an automatic calibration tool - SWMM calibrator - developed to allow the adjustment of SWMM model parameters with data from multiple sources and to use observed level data as a priori knowledge. The fourth chapter deals with the use of citizen science data for urban model updating through a real-time estimator. The fifth chapter presents a data assimilation method by updating hydrological model inputs based on water level observations and evaluates the effectiveness of the technique in a distributed manner in the catchment. The proposed methodologies are validated in a case study at the Monjolinho urban catchment. The sixth chapter discusses general conclusions and recommendations. In conclusion, SWMM calibrator tool provides flexibility in calibration, allowing shaping the process according to the real-world limitations, and achieved satisfactory calibration results at Monjolinho catchment. The deterministic data assimilation methods proposed in the fourth and fifth chapters have shown effective results in a significant improvement in simulations accuracy.

A previsão de enchentes para a mitigação dos danos causados por eventos extremos vem sendo amplamente estudada. No entanto, sua natureza em áreas urbanas desenvolvidas sem planejamento adequado de drenagem, associada a escassez de dados de monitoramento hidrológico apresentam um grande desafio para previsão de enchentes em tempo real. Esta tese de doutorado propõe novos métodos determinísticos de assimilação de dados em tempo real na previsão hidrológica, através do modelo hidrodinâmico semi-distribuído Storm Water Management Model (SWMM). Estes métodos visam contornar as limitações na previsão de enchentes em tempo real, em curto prazo e em bacias urbanas com dados escassos. Foi também avaliado o impacto do uso de dados de monitoramento tradicionais aliados a dados de ciência cidadã na atualização das simulações do modelo. O primeiro capítulo e o segundo capítulo trazem a introdução e metodologia gerais da tese. O terceiro capítulo apresenta uma ferramenta de calibração automática – SWMM calibrator – desenvolvida para permitir o ajuste de parâmetros do modelo SWMM com dados provenientes de múltiplos locais de monitoramento e utilizando dados observados de nível como conhecimento a priori. O quarto capítulo aborda a utilização de dados de ciência cidadã na atualização do modelo através de um estimador em tempo real. O quinto capítulo apresenta um método de assimilação de dados através da correção das entradas do modelo hidrológico baseado em observações de nível, e avalia a eficácia do método de forma distribuída na bacia. As metodologias propostas foram aplicadas para um estudo de caso na bacia urbana do Monjolinho. O sexto capítulo apresenta as conclusões e recomendações gerais. Em conclusão, a ferramenta SWMM calibrator disponibiliza flexibilidade na calibração, permitindo moldar o processo de acordo com as limitações de problemas reais, e alcançou resultados satisfatórios na calibração da bacia do Monjolinho. Os métodos determinísticos de assimilação de dados propostos no quarto e quinto capítulo mostraram resultados eficazes na redução do erro das simulações de nível do modelo, bem como mostraram resultados satisfatórios ao assimilar dados com uma distribuição temporal maior que o passo de tempo do modelo.