Resumo A falta de dados é uma das principais dificuldades no trabalho com registros fluviométricos. As lacunas no banco de dados podem resultar de problemas nos componentes das estações fluviométricas, interrupções no monitoramento e falha dos observadores. A análise de séries incompletas gera resultados incertos, impactando negativamente a gestão dos recursos hídricos. Assim, a consideração adequada dos dados faltantes é muito importante para garantir a qualidade de informação. Este trabalho teve como objetivo analisar, comparativamente, metodologias de imputação de dados faltantes em séries temporais de vazões fluviais mensais, considerando, em um estudo de caso, o Rio Doce, localizado no Sudeste do Brasil. Os dados faltantes foram simulados nas proporções de 5%, 10%, 15%, 25% e 40% seguindo um padrão de distribuição aleatória e ignorando os mecanismos de geração de falhas. Foram utilizadas dez metodologias de imputação de dados faltantes: média aritmética, mediana, regressão linear simples e múltipla, ponderação regional, interpolação spline e Stineman, suavização de Kalman, imputação múltipla e máxima verossimilhança. Seus desempenhos foram comparados por meio dos indicadores viés, raiz do erro quadrático médio, erro absoluto médio percentual, coeficiente de determinação e índice de concordância. Os resultados indicam que para 5% de dados faltantes, qualquer metodologia de imputação pode ser considerada, recomendando cautela na aplicação da média aritmética. No entanto, à medida que a proporção de dados faltantes aumenta, recomenda-se o uso das metodologias imputação múltipla e máxima verossimilhança quando houver estações de suporte para imputação, e os métodos de interpolação Stineman e suavização de Kalman quando apenas as séries estudadas estiverem disponíveis.

Abstract Missing data is one of the main difficulties in working with fluviometric records. Database gaps may result from fluviometric stations components problems, monitoring interruptions and lack of observers. Incomplete series analysis generates uncertain results, negatively impacting water resources management. Thus, proper missing data consideration is very important to ensure better information quality. This work aims to analyze, comparatively, missing data imputation methodologies in monthly river-flow time series, considering, as a case study, the Doce River, located in Southeast Brazil. Missing data were simulated in 5%, 10%, 15%, 25% and 40% proportions following a random distribution pattern, ignoring the missing data generation mechanisms. Ten missing data imputation methodologies were used: arithmetic mean, median, simple and multiple linear regression, regional weighting, spline and Stineman interpolation, Kalman smoothing, multiple imputation and maximum likelihood. Their performances were compared through bias, root mean square error, absolute mean percentage error, determination coefficient and concordance index. Results indicate that for 5% missing data, any methodology for imputing can be considered, recommending caution for arithmetic mean method application. However, as the missing data proportion increases, it is recommended to use multiple imputation and maximum likelihood methodologies when there are support stations for imputation, and the Stineman interpolation and Kalman Smoothing methods when only the studied series is available.

Resumo O tempo de concentração representa um importante parâmetro para projetos de drenagem e está intimamente relacionado às características fisiográficas de uma determinada bacia hidrográfica. Para a apropriação de tempos de concentração, muitas vezes são utilizadas informações provenientes de bases cartográficas ou imagens obtidas por sensoriamento remoto, que apresentam determinadas escalas/resoluções. O presente estudo buscou investigar a influência que a combinação de diferentes registros fisiográficos, em diferentes escalas, e diferentes métodos de cálculo podem produzir nos valores dos tempos de concentração. A metodologia empregada consistiu no levantamento de métodos de apropriação de tempos de concentração, identificação dos métodos adequados às características da área de estudo, apropriação das variáveis fisiográficas a partir dos planos de informação em diferentes escalas e determinação dos tempos de concentração para as diferentes regiões hidrográficas da área de estudo. Os resultados obtidos mostram que existe equivalência entre os métodos Tulsa District e US Corps of Engineers, e que esses métodos produzem tempos de concentração superiores aos produzidos pelo método de George Ribeiro, produzindo erro relativo com valor máximo de aproximadamente 52%.

Abstract Concentration time is an important parameter for drainage systems design and is closely related to the physiographic characteristics of a given hydrographic basin. Information from cartographic bases or images obtained by remote sensing, which present certain scales/resolutions, are often employed for the appropriation of concentration times. The present study sought to investigate the influence that the combination of different physiographic information, in different scales, and different calculation methods can produce in concentration times’ values. The applied methodology included a concentration times appropriation methods survey, identification of methods compatible with the study area characteristics, physiographic variables appropriation from information plans at different scales and concentration times determination for different regions. The results show that there is an equivalence between Tulsa District and US Corps of Engineers methods, and that these methods produce higher concentration times estimates than those produced by the George Ribeiro method. For the study area, the maximum calculated relative error was 52%.