As cheias são a principal causa das inundações, por esse motivo, seu comportamento vem sendo estudado durante as últimas décadas. Nesse sentido, destacam-se o estudo e a modela-gem de eventos de cheia ou picos de vazão num contexto de mudanças climáticas globais e variabilidade natural do sistema que tem levado a violações nas hipóteses básicas de métodos clássicos de análise de frequência de cheias. Metodologias tradicionais de análise de frequên-cia de cheias vêm sendo complementadas por propostas mais adequadas nos casos em que as suposições de homogeneidade, independência e estacionariedade são violadas. No presente trabalho, é estudada e modelada a dependência existente entre máximos sazonais de vazão provenientes de populações distintas. Particularmente, o estudo foca no máximo advindo de uma população do período de chuvas de inverno e outro máximo decorrente de chuvas de verão, na bacia do rio Paranapanema. Fazendo uso dos avanços já apresentados na área de análise de frequência de cheias e com o intuito de agregar conhecimento na área de previsão de cheias, este trabalho desenvolve um modelo que leva em consideração a não-homogeneidade e a não-estacionariedade das séries com a identificação de picos sazonais e da dependência entre os picos de cheias inserindo essas particularidades na estatística que irá representar a amostra de interesse. É então proposta uma metodologia inovadora para a área de estimação de cheias, por meio da aplicação das chamadas cópulas na modelagem da rela-ção existente entre os picos sazonais. Os resultados obtidos mostram que, para períodos de retorno superiores a 50 anos, o método tradicional leva a superestimação de quantis de cheias quando comparados com as estimativas produzidas pelo método das cópulas, que é uma re-presentação mais adequada num contexto de analise sazonal. A aplicação da metodologia proposta para prever a distribuição do máximo sazonal de inverno, condicional ao máximo observado no período anterior, mostrou-se como uma ferramenta promissora para gerencia-mento do risco de cheia nesse período, particularmente por propiciar a implementação de sis-temas de aviso de cheias.
Peak river flows are the main cause of floods; therefore, their behavior has been the focus of various studies in the past decades. A global climate change context and natural variability of the system has led to violations of the basic assumptions of classical methods of flood fre-quency analysis, with this perspective, studies and modeling of peak flows has to be reavalu-ated in order to incorporate those changes. Traditional methodologies of flood frequency analysis have been complemented by more appropriate proposals where the assumptions of homogeneity, independence and stationarity are no longer valid. In this study, the focus was studying and modeling the dependency between seasonal maximum flow from distinct popu-lations. In particular, we focus on maximum arising from a population of winter rains and another maximum period due to summer rains in the Paranapanema River basin (South of Brazil). Making use of advances already made in the flood frequency analysis, and in order to increase knowledge in the area of flood forecasting, this paper develops a model that takes into account the non-homogeneity and non-stationarity of the series with identifying peaks and seasonal dependency between the flooding of these peaks considering the statistical char-acteristics that will represent the sample of interest. We propose an innovative methodology for the flood frequency analysis, with the application of copula methodology between season-al peaks. The results show that, for return periods longer than 50 years, the traditional method leads to overestimation of quantile floods when compared with the estimates produced by the copula, which is also a better representation in the context of seasonal analysis. The applica-tion of the proposed methodology to forecast seasonal winter maximum distribution, condi-tional to the maximum observed in the previous period (summer maximum distribution), proved to be a promising tool for managing flood risk in this period, particularly for providing the implementation of flood warning systems.