Stochastic modeling to forecast hydrological variables under changing climatic conditions is essential for water resource management and adaptation planning. This study explores the applicability of stochastic models, specifically SARIMA and SARIMAX, to forecast monthly average river discharge in a sub-basin of the Paranaíba River near Patos de Minas, MG, Brazil. The Paranaíba River is a vital water source for the Alto Paranaíba region, serving industrial supply, drinking water effluent dilution for urban communities, agriculture, fishing, and tourism. The study evaluates the performance of SARIMA and SARIMAX models in long-term discharge modeling and forecasting, demonstrating the SARIMAX model’s superior performance in various metrics, including the Nash–Sutcliffe coefficient (NSE), the root mean square error (RMSE), and the mean absolute percentage error (MAPE). The inclusion of precipitation as a regressor variable considerably improves the forecasting accuracy, and can be attributed to the multivariate structure of the SARIMAX model. While stochastic models like SARIMAX offer valuable decision-making tools for water resource management, the study underscores the significance of employing long-term time series encompassing flood and drought periods and including model uncertainty analysis to enhance the robustness of forecasts. In this study, the SARIMAX model provides a better fit for extreme values, overestimating peaks by around 11.6% and troughs by about 5.0%, compared with the SARIMA model, which tends to underestimate peaks by an average of 6.5% and overestimate troughs by approximately 76.0%. The findings contribute to the literature on water management strategies and mitigating risks associated with extreme hydrological events.

Understanding climate change and land use impacts is crucial for mitigating environmental degradation. This study assesses the environmental vulnerability of the Doce River Basin for 2050, considering future climate change and land use and land cover (LULC) scenarios. Factors including slope, elevation, relief dissection, precipitation, temperature, pedology, geology, urban distance, road distance, and LULC were evaluated using multicriteria analysis. Regional climate models Eta-HadGEM2-ES and Eta-MIROC5 under RCP 4.5 and RCP 8.5 emission scenarios were employed. The Land Change Modeler tool simulated 2050 LULC changes and hypothetical reforestation of legal reserve (RL) areas. Combining two climate and two LULC scenarios resulted in four future vulnerability scenarios. Projections indicate an over 300 mm reduction in average annual precipitation and an up to 2 °C temperature increase from 2020 to 2050. Scenario 4 (RCP 8.5 and LULC for 2050 with reforested RLs) showed the greatest basin area in the lowest vulnerability classes, while scenario 3 (RCP 4.5 and LULC for 2050) exhibited more high-vulnerability areas. Despite the projected relative improvement in environmental vulnerability by 2050 due to reduced rainfall, the complexity of associated relationships must be considered. These results contribute to mitigating environmental damage and adapting to future climatic conditions in the Doce River Basin.

Devido ao crescimento desordenado das cidades, a expansão da industrialização e do agronegócio, o Brasil já enfrenta problemas de escassez hídrica. A gestão dos recursos hídricos é de suma importância para minimizar os transtornos causados por esse tipo de problema. Neste sentido, a previsão de vazões tem importância significativa para o gerenciamento dos recursos hídricos, com destaque para os modelos estocásticos de séries temporais, que vêm sendo utilizados para tal. No presente trabalho utilizaram-se modelos da classe SARIMA, para a previsão de uma série temporal de vazões médias mensais de uma sub-bacia do Rio Paranaíba na região do Alto Paranaíba, MG. A metodologia adotada foi a de Box e Jenkins e a identificação da ordem dos modelos foi feita através da análise gráfica das funções de autocorrelação (FAC) e autocorrelação parcial (FACP). Para a seleção do modelo foram utilizados critérios de seleção AIC e BIC de tal modo que, dentre os modelos selecionados, o modelo SARIMA (2,1,2)(1,0,0)12 foi o que melhor se ajustou aos dados em estudo. O referido modelo obteve um NS satisfatório de 0,85 para a calibração realizada de 2003 a junho de 2014. Já a previsão para 6 meses de 2014, o NS fora de -3,34, demonstrando uma não adequação do modelo aos dados observados de vazão. Tal fato se justifica pela crise hídrica observada na região no ano de 2014. O estudo demonstra que há situações que os modelos estatísticos não conseguem prever períodos de estiagem dado ao fato destes não fazerem parte do domínio de dados previamente estabelecido.