Biodiversity & Ecology

English

Abstract: Already semi-arid, due to the eff ects of climate change, Botswana has been experiencing unreliable water supplies over the past several years. However, the limited climate information over diff erent catchments makes engaging in an informed decision-making process diffi cult. The Notwane catchment at Gaborone dam, located in the headstreams of the Notwane River in eastern Botswana, is a major water supply for the country. However, due to the sparse network of hydrometeorological measurement stations, no reliable predictions can be made and, thus, creating a reliable runoff estimation for the reservoir has been diffi cult. Through SASSCAL, an experimental set of automated weather stations has been set up in the Notwane catchment. Preliminary analysis using artifi cial neural networks (ANNs) to examine the predictive capacity of the monitored variables (from July 15, 2016, through June 25, 2017: 346 days) on precipitation at four individual stations reveals that the gathered hydro-meteorological data may be useful given an increase in record length coupled with consideration of diff erent modeling approaches to validate inherent relationships with precipitation. Study also revealed that simulated precipitation for the area exhibits similar mean and variability to the observations despite poor simulations for extreme precipitation events. These results give insight into prospects for improved hydrologic and water resource modeling over the catchment.

Portuguese

Resumo: O Botswana semi-árido tem sofrido com um fornecimento incerto de água ao longo dos anos, devido aos impactos das alterações climáticas. Mesmo as informações climáticas escassas/limitadas das diferentes bacias hidrográfi cas difi cultam o processo de tomada de uma decisão informada. A bacia hidrográfi ca de Notwane na barragem de Gaborone, localizada na nascente do Rio Notwane no Este do Botswana, é uma importante fonte de abastecimento de água no país. Porém, devido à esparsa rede de estações de medição hidrometeorológica, não foi possível fazer previsões fi áveis e, por isso, foi difícil estimar de forma segura a escorrência para o reservatório. Através do SASSCAL, foi criado um conjunto experimental de Estações Meteorológicas Automáticas na bacia de Notwane. Uma análise preliminar usando Redes Neuronais Artifi ciais (ANNs) na capacidade preditiva de variáveis monitorizadas (de 15/07/2016 a 25/06/2017: 346 dias) na precipitação em quatro estações individuais revela que os dados hidrometeorológicos poderão ser possivelmente úteis com o aumento do número de registos, juntamente com a consideração de diferentes abordagens de modelação para validações de relações inerentes com a precipitação. É também evidenciado que a precipitação simulada exibe uma média e variabilidade semelhantes às observadas, apesar das escassas simulações para eventos de precipitação extremos. Estes resultados dão-nos uma expectativa para uma melhor modelação dos recursos hídricos e hidrológicos na bacia hidrográfi ca.