摘要：RESUMO O objetivo deste estudo foi modelar sazonalmente a qualidade da água do Rio dos Sinos, no estado do Rio Grande do Sul, utilizando como suporte o modelo matemático QUAL-UFMG. Foram utilizadas nove seções de monitoramento, compreendidas entre os municípios de Caraá e Canoas, em um trecho de 211 km. As variáveis de qualidade da água foram analisadas entre o período de 2011 e 2012, de forma a abranger as diferentes variações sazonais. O modelo foi calibrado utilizando as seguintes variáveis de qualidade da água: demanda bioquímica de oxigênio (DBO); oxigênio dissolvido (OD); fósforo total (Ptotal); e nitrogênio total (Ntotal). As variações sazonais demonstraram uma influência nas diferentes curvas de calibração simuladas. De forma geral, a utilização do modelo matemático QUAL-UFMG para avaliação da qualidade da água do Rio dos Sinos se mostrou adequado, visto que ocorreu uma similaridade entre os dados observados e a curva simulada no processo de calibração. Para a variável OD, o modelo apresentou uma eficiência boa (Coeficiente de Nash e Sutcliffe - CNS>0,75) e para as variáveis DBO, Ptotal e Ntotal (outono/inverno) o modelo foi considerado aceitável (0,36
其他摘要：ABSTRACT The main goal of this study was to seasonally model the water quality of Sinos River, in Rio Grande do Sul state, Brazil, using as support the QUAL-UFMG mathematical model. Nine monitoring sections were performed, between the counties of Caraá and Canoas, in a 211-km-long stretch. The water quality variables were analyzed between 2011 and 2012, in order to comprehend the different seasonal variations. The model was calibrated using the water quality variables: biochemical oxygen demand (BOD); dissolved oxygen (DO); total phosphorus (Ptotal); and total nitrogen (Ntotal). The seasonal variations demonstrated to influence the different simulated calibration curves. Thus, the utilization of QUAL-UFMG mathematical model in Sinos River water quality evaluation was appropriate, since there was a similarity between the observed data and the simulated curve in the calibration process. For DO, the model presented good efficiency (Nash and Sutcliffe Coefficients - CNS>0.75), and for BOD, Ptotal and Ntotal variables (autumn/winter), the model was considered acceptable (0.36
