Купить СНПЧ А7 Архангельск, оперативня доставка

Incorporação de Variáveis Auxiliares em Estimativas de Alturas de Níveis Freáticos em Uma Bacia Hidrográfica em Área de Recarga do Sistema Aquifero Guarani

DOI: http://dx.doi.org/10.12702/II-SGEA-a33

 

downloadpdf

Rodrigo L. Manzione1 & Edson C. Wendland2

 

Resumo: Informações auxiliares disponíveis em área total ou em com uma resolução espacial maior que a variável de interesse podem ser utilizadas para melhorar as estimativas de dados pontuais. Quando existir uma relação entre duas ou mais variáveis, isso pode ser incorporado no modelo de predição espacial. Assim é possível reduzir a variância das estimativas, incorporar sentido físico às análises, e diminuir as incertezas relativas do modelo. Em casos de dados de poços de monitoramento de níveis freáticos, as informações são escassas e muitas vezes essenciais para o sucesso de sistemas agrícolas instalados sobre reservas de água subterrânea. O objetivo desse trabalho foi utilizar informação auxiliar de um modelo digital de terreno para predição de alturas de lençol freático em uma bacia hidrográfica em área de recarga do Sistema Aquifero Guarani em Brotas/SP. Para isso utilizou-se dados de poços de monitoramento e de técnicas geoestatísticas como a krigagem universal. Os resultados foram avaliados através de validação cruzada. A incorporação da variável elevação reduziu a variância no modelo de predição espacial de alturas de níveis freáticos na bacia.

Palavras-chave: variografia; krigagem universal; validação cruzada.

 

Abstract: Ancillary information available in total area or in a higher resolution than the target variable can be used to improve punctual data estimation. When a relationship between two or more variables exists, it can be incorporated in the spatial prediction model. Then, it is possible to reduce the variance, incorporate physical knowledge to the analysis and decrease model uncertainty. In cases of groundwater monitoring wells, information is rare and scarce, and many times crucial to achieve success in agricultural systems installed under aquifer systems. The aim of this work was use ancillary information from a digital elevation model to predict water table depths in a watershed located in a Guarani Aquifer System (GAS) recharge zone in Brotas/SP – Brazil. For this purpose we use monitoring data from water table depths and geostatistical techniques such as universal kriging. The results were evaluated by cross-validation. The incorporation of the variable elevation reduced the variance of the spatial prediction model of water table depths in the watershed.

Key words: variography; universal kriging; cross-validation

 

1 Eng. Agrônomo, UNESP/Ourinhos, Av. Vitalina Marcusso, 1500 CEP: 19910-206 – Ourinhos/SP, manzione@ourinhos.unesp.br
2 Eng. Civil, EESC/USP, Caixa Postal 359, CEP: 13560-970 São Carlos/SP, ew@sc.usp.br

 

Literatura Citada

BIVAND, R. S.; PEBESMA, E. J.; GÓMEZ-RUBIO, V. Applied Spatial Data Analysis with R. Nova York: Springer, 2008. 374 p.

CHRISTENSEN, R. Linear models for multivariate, time series, and spatial data. New York: Springer, 1991. 336 p.

CRESSIE, N. A. C. Statistics for spatial data (revised edition). New York: Wiley-Interscience, 1993. 928 p.

DEUTSCH, C.; JOURNEL, A. G. Geostatistical Software Library and User’s Guide. New York: Oxford University Press, 1992. 369 p.

GOOVAERTS, P. Geostatistical approachs for incorporating elevation into the spatial interpolationof rainfall. Journal of Hydrology, v. 228, p. 113-129, 2000.

GOOVAERTS, P.; KERRY, R. Using ancillary information data to improve precision of soil and crop attributes in precision agriculture. In: OLIVER, M. A. (Ed) Geostatistical applications for precision agriculture. Nova York: Springer, 2010. p. 167-194.

HENGL, T.; HEUVELINK, G. B. M.; STEIN, A. A generic framework for spatial prediction of soil properties based on regression-kriging. Geoderma, v. 120, p. 75-93, 2004.

KITANIDIS, P. K. Introduction to geostatistics: applications in hydrogeology. Cambridge: University Press, 1997. 249 p.

MANZIONE, R. L. KNOTTERS, M.; HEUVELINK, G. B. M. Incorporation of ancillary information derived from satellite images applied on environmental variables evaluation. In: Simpósio Brasileiro de Sensoriamento Remoto, 13, 2007, Florianópolis. Anais… São José dos Campos: INPE, 2007. p. 3437-3444. Disponível em: <http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr%4080/2006/11.14.22.15/doc/3437-3444.pdf>. Acesso em: 15 nov. 2010.

MATHERON, G. Le krigeage universel. Cachiers du Centre de Morphologie Mathematique, v. 1. Fontainebleau: Ecole des Mines de Paris, 1969. 83 p.

ODEH, I.; MCBRATNEY, A.; CHITTLEBOROUGH, D. Spatial prediction of soil properties from landform attributes derived from a digital elevation model. Geoderma, v. 63, p. 197– 214, 1994.

OLIVER, M. A. Geostatistical applications for precision agriculture. Nova York: Springer, 2010. 331 p.

PEBESMA, E. J. Multivariable geostatistics in S: the gstat package. Computers & Geosciences, v. 30, p. 683-691, 2004.

PAES C. O.; MANZIONE, R. L. Comparação de modelos digitais de terreno em diferentes escalas para fins geomorfológicos em área de recarga do Aqüífero Guarani. In: Congresso de Iniciação Científica da Unesp. Anais... Presidente Prudente. 2010.

PETERNELLI, L. A.; MELLO, M. P. Conhecendo o R: uma visão estatística. Viçosa: Editora UFV, 2007. 118 p.

R DEVELOPMENT CORE TEAM. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, 2008. Disponivel em: <http://www.r-project.org>. Acesso em: 29 Novembro 2010.

VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do solo. In: NOVAIS, R. F.; ALVAREZ V, V. H.; SCHAEFER, C. E. G. R. Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência de Solo, 2000. p.1-54.

WACKERNAGEL, H. Multivariate geostatistics: an introduction with applications. Berlin: Springer, 2003. 387 p.

WENDLAND, E, BARRETO, C. E. A. G., GOMES, L. H. Water balance in the Guarani Aquifer outcrop zone based on hydrogeologic monitoring. Journal of Hydrology, v. 342, p. 261-269, 2007.