Modelo híbrido de oscilação de níveis freáticos a partir de diferentes variáveis ambientais

Rodrigo Lilla Manzione, Aira Nava, Maria Marcia Pereira Sartori

Resumo


Os sistemas de águas subterrâneas são complexos e heterogêneos. Seus níveis são afetados por uma combinação fatores naturais e antropogênicos. Esses fatores somados as características naturais inerentes (como permeabilidade, porosidade e granulometria) representam desafios para a modelagem hidrológica. O presente trabalho teve como objetivo verificar a influência de variáveis físico-hídricas e de manejo do solo, topografia e vegetação nas oscilações dos níveis das águas subterrâneas do Sistema Aquífero Bauru (SAB). Dados relacionados a esses aspectos totalizaram 21 possíveis variáveis preditivas dos níveis freáticos. As informações foram coletadas nas bacias hidrográficas da Estação Ecológica de Santa Barbara/SP. A seleção das variáveis de maior relevância para o ajuste do modelo de regressão linear foi realizada por meio da análise de componentes principais, que determinou aquelas com maior variabilidade. Os resultados mostraram um ajuste robusto aos dados pelo modelo multivariado e uma boa capacidade preditiva para novas observações. Essas informações podem auxiliar a tomada de decisão quanto ao uso da água e dar suporte aos instrumentos de gestão de recursos hídricos como ferramentas para o planejamento dos recursos hídricos.

 

 

Phreatic levels hybrid model from different environmental variables

 

A B S T R A C T

Groundwater systems are complex and heterogeneous. The levels are affected by a combination of natural and anthropogenic factors. These factors, added to the inherent natural characteristics (such as permeability, porosity and grain size) represent challenges for hydrological modeling. This study aimed to verify the influence of soil physical-hydric and management, topography and vegetation variables on the Bauru Aquifer System (SAB) groundwater levels oscillations. These aspects summed up to 21 possible predictive variables of groundwater levels. Information were collected at the watersheds of the Santa Barbara Ecological Station/SP-Brazil. The most relevant variables for the multiple regression model were chosen using principal components analysis, which determined those variables with greater variability. The results indicated a robust fit to the data by the model and good predictive capacity for new observations. This information can help decision-making on water use and support water resource management instruments, as tools for water resource planning.

Keywords: groundwater; modelling; multiple linear regression; principal component analysis


Palavras-chave


águas subterrâneas; modelagem; regressão linear múltipla, análise de componentes principais.

Texto completo:

PDF

Referências


Ahmed, S., Sarah, S., Nabi, A., Owais, S., 2010. Performing unbiased groundwater modelling: application of the theory of regionalised variables, in: Weather, H.S., Mathias, S.A., Li, X. (Org.), Groundwater modelling in arid and semi-arid areas. Cambridge University Press, Cambridge, pp. 63-74.

Alaghmand, S., Beecham, S., Hassanli, A., 2014. Impacts of Vegetation Cover on Surface-Groundwater Flows and Solute Interactions in a Semi-Arid Saline Floodplain: A Case Study of the Lower Murray River, Australia. Environmental Processes [online] 1. Disponível: http://doi.org/10.1007/s40710-014-0003-0. Acesso: 14 mai. 2020.

ANA. Agência Nacional de Águas, 2018. Conjuntura de recursos hídricos Brasil 2018. Brasília. Disponível: http://conjuntura.ana.gov.br/static/media/Conjuntura2018_Quantidade_Qualidade_Agua.3dbb18b1.pdf. Acesso: 22 set. 2019.

Antunes, C., Díaz Barradas, M.C., Vieira, S., Zunzunegui, M., Pereira, Â., Anjos, A., Correia, O., Pereira, M.J., Máguas, C., 2018. Contrasting plant water-use responses to groundwater depth in coastal dune ecosystems. Functional Ecology [online] 32. Disponível: http://doi.org/10.1111/1365-2435.13110. Acesso: 14 mai. 2020.

Beven, K.J., Kirkby, M.J., 1979. A physically based, variable contributing area model of basin hydrology. Hydrological Sciences Bulletin [online] 24. Disponível: http://doi.org/10.1080/02626667909491834. Acesso: 20 abr. 2018.

Brasil, 1997. Lei n° 9433, 8 de janeiro.

Bussab, W.O., Morettin, P.A., 2017. Estatística básica, 9 ed. Saraiva, São Paulo.

CEPAGRI. Centro de Pesquisas Meteorológicas e Climáticas Aplicadas a Agricultura, 2016. Clima dos Municípios Paulistas. Campinas. Disponível: http://www.cpa.unicamp.br/outras-informacoes/clima-dos-municipios-paulistas. Acesso: 16 mar. 2019.

Cerar, S., Mali, N., 2016. Assessment of presence, origin and seasonal variations of persistent organic pollutants in groundwater by means of passive sampling and multivariate statistical analysis. Journal of Geochemical Exploration [online] 170. Disponível: http://doi.org/10.1016/j.gexplo.2016.08.016. Acesso: 14 mar. 2018.

Coleridge, S.T., 2006. O ciclo da água e a água subterrânea, in: Press, F., Siever, R., Grotzinger, J., Jordan, T.H. (Org.), Para entender a Terra. Bookman, Porto Alegre, pp. 313–340.

Condon, L.E., Maxwell, R.M., 2015. Evaluating the relationship between topography and groundwater using outputs from a continental-scale integrated hydrology model. Water Resources Research [online] 51. Disponível: http://doi.org/10.1002/2014WR016774. Acesso: 14 mai. 2020.

Crosbie, R.S., Peeters, L.J.M., Herron, N., McVicar, T.R., Herr, A., 2018. Estimating groundwater recharge and its associated uncertainty: Use of regression kriging and the chloride mass balance method. Journal of Hydrology [online] 561. Disponível: http://doi.org/10.1016/j.jhydrol.2017.08.003.

Acesso: 17 mai. 2020.

DAEE. Departamento de Águas e Energia Elétrica, IG. Instituto Geológico, IPT Instituto de Pesquisas Tecnológicas do Estado de São Paulo, CPRM. Serviço Geológico do Brasil, 2005. Mapa de águas subterrâneas do Estado de São Paulo escala: 1:1.000.000: nota explicativa. São Paulo. Disponível: http://www.daee.sp.gov.br/images/ documentos/MAPA_AS.pdf. Acesso: 23 out. 2018.

Dalcin, A.P., Marques, G.F., 2020. Integrating water management instruments to reconcile a hydro‐economic water allocation strategy with other water preferences. Water Resources Research [online] 56. Disponível: https://doi.org/10.1029/2019WR025558. Acesso: 21 mai. 2020.

Durigan, G., Ratter, J.A., 2006. Successional changes in cerradão and cerrado/forest ecotonal vegetation in western São Paulo State, Brazil, 1962-2000. Edinburgh Journal of Botany [online] 63. Disponível: http://doi.org/10.1017/S0960428606000357. Acesso: 27 out. 2018.

EMBRAPA. Empresa Brasileira de Pesquisas Agropecuária, 1997 Manual de métodos de análises de solo. Rio de Janeiro.

EMBRAPA. Empresa Brasileira de Pesquisas Agropecuária, 2006. Sistema brasileiro de classificação de solos. Rio de Janeiro.

Fetter, C.W., 2001. Applied hydrogeology, 4 ed. Prentice Hall, Upper Saddle River.

FIESP. Federação das Indústrias do Estado de São Paulo, 2005. Orientações para a utilização de Águas subterrâneas no Estado de São Paulo. São Paulo.

Gao, B.C., 1996. NDWI – A Normalized Difference Water Index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment [online] 58. Disponível: http://doi.org/10.1016/S0034-4257(96)00067-3. Acesso: 25 jul. 2018.

Gharbia, S.S., Smullen, T., Gill, L., Johnston, P., Pilla, F., 2018. Spatially distributed potential evapotranspiration modeling and climate projections. Science of The Total Environment [online] 633. Disponível: http://doi.org/10.1016/j.scitotenv.2018.03.208. Acesso: 14 mai. 2020.

Hair Jr., J.F., Black, W.C., Babin, B.J., Anderson, R.E., Tatham, R.L., 2009. Análise multivariada de dados, 6 ed. Bookman, Porto Alegre.

Han, W.S., Graham, J.P., Choung, S., Park, E., Choi, W., Kim, Y.S., 2018. Local-scale variability in groundwater resources: Cedar Creek Watershed, Wisconsin, U.S.A.. Journal of Hydro-environment Research [online] 20. Disponível: http://doi.org/10.1016/j.jher.2018.04.007. Acesso: 12 mai. 2020.

Hirata, R.C.A., Zobbi, J., Oliveira, F., 2010. Águas subterrâneas: reserva estratégica ou emergencial, in: Bicudo, C., Tundisi, J.G., Scheuenstuhl, M. (Org.), Águas do Brasil: análises estratégicas. Instituto de Botânica, São Paulo, pp. 149–161.

Honda, E.A., Nizoli, E.C., 2005. Caracterização das águas da Estação Ecológica de Águas De Santa Bárbara. Relatório Técnico. Instituto Florestal, São Paulo.

Hongyu, K., Sandanielo, V.L.M., Oliveira Junior, G.J., 2015. Análise de Componentes Principais: resumo teórico, aplicação e interpretação. Engineering and Science [online] 5. Disponível: http://dx.doi.org/10.18607/ES201653398. Acesso: 25 jul. 2018.

Huete, A.R., 1988. A soil adjusted vegetation index (SAVI). Remote Sensing of Environment [online] 25. Disponível: http://doi.org/10.1016/0034-4257(88)90106-X. Acesso: 2 ago. 2018.

IBGE. Instituto Brasileiro de Geografia e Estatística, 2013. Pesquisa de Informações Básicas Estaduais (ESTADIC). Brasília. Disponível: http://biblioteca.ibge.gov.br/visualizacao/instrumentos_de_coleta/doc2886.pdf. Acesso: 12 mai. 2019.

Iritani, M.A., Ezaki, S., 2008. As águas subterrâneas do Estado de São Paulo. Secretaria do Estado do Meio Ambiente, São Paulo.

IPT. Instituto de Pesquisas Tecnológicas do Estado de São Paulo, 1981. Mapa geológico do Estado de São Paulo. Escala 1:500,000. São Paulo.

Jakeman, A.J., Barreteau, O., Hunt, R.J., Rinaudo, J.D., Ross, A., Arshad, M., Hamilton, S., 2016. Integrated Groundwater Management: An Overview of Concepts and Challenges. In: Jakeman, A.J., Barreteau, O., Hunt, R.J., Rinaudo, J.D., Ross, A. (Org.), Integrated Groundwater Management: Concepts, Approaches and Challenges. Springer, Berlin. Disponível: http://doi.org/10.1007/978-3-319-23576-9_1. Acesso: 12 fev. 2019.

Jiang, Z, Huete, A.R., Didan, K., Miura, T., 2008. Development of a two-band enhanced vegetation index without a blue band. Remote Sensing of Envi¬ronment [online] 112. Disponível: http://doi.org/10.1016/j.rse.2008.06.006. Acesso: 17 out. 2018.

Johnson, R.A., Wichern, D.W., 2013. Applied multivariate statistical analysis, 6 ed. Pearson, Londres.

Kendall, M.G., 1980. A course in multivariate analysis, 2 ed. Charles Griffin, Londres.

Kløve, B., Ala-Aho, P., Bertrand, G., Gurdak, J.J., Kupfersberger, H., Kværner, J., Muotka, T., Mykrä, H., Preda, E., Rossi, P., Uvo, C.B., Velasco, E., Pulido-Velazquez, M., 2014. Climate change impacts on groundwater and dependent ecosystems. Journal of Hydrology [online] 518. Disponível: http://doi.org/10.1016/j.jhydrol.2013.06.037. Acesso: 14 mai. 2020.

Koch, J., Berger, H., Henriksen, H.J., Sonnenborg, T.O., 2019. Modelling of the shallow water table at high spatial resolution using random forests. Hydrology and Earth System Sciences [online] 23. Disponível: https://doi.org/10.5194/hess-23-4603-2019. Acesso: 15 mai. 2020.

Kong, J., Xin, P., Hua, G., Luo, Z., Shen, C., Chen, D., Li, L., 2015. Effects of vadose zone on groundwater table fluctuations in unconfined aquifers. Journal of Hydrology [online] 528. Disponível: http://doi.org/10.1016/j.jhydrol.2015.06.045. Acesso: 14 mai. 2020.

Kresic, N., Mikszewski, A., 2012. Hydrogeological conceptual site models: data analysis and visualization. CRC Press, Boca Raton.

Kim, J.H., Kim, R.H., Lee, J., Cheong, T.J., Yum, B.W., Chang, H.W., 2005. Multivariate statistical analysis to identify the major factors governing groundwater quality in the coastal area of Kimje, South Korea. Hydrological Processes [online] 19. Disponível: http://doi.org/10.1002/hyp.5565. Acesso: 10 dez. 2018.

Landim, P.M.B., 2011. Análise estatística de dados geológicos multivariados. Oficina de Textos, São Paulo.

Manly, B.F.J., Alberto, J.A.N., 2019. Métodos estatísticos multivariados: uma introdução, 4 ed. Bookman, Porto Alegre.

Manzione, R.L., 2014. Incorporação de incertezas associadas à predições de modelos hidrológicos aos instrumentos de gestão em recursos hídricos. Caderno Prudentino de Geografia 36, 215–227.

Manzione, R.L., 2015. Águas Subterrâneas: Conceitos e aplicações sob uma visão multidisciplinar. Paco Editorial, Jundiaí.

Manzione, R.L., Tanikawa, D.H., Soldera, B.C., 2014. Relação entre a resposta espectral da vegetação em diferentes cultivos agrícolas e níveis freáticos em área de recarga do Sistema Aquífero Guarani. Revista Águas Subterrâneas [online] 28. Disponivel: http://doi.org/10.14295/ras.v28i1.27381. Acesso: 19 mai. 2020.

Manzione, R.L., Soldera, B.C., Paes, C.O., Wendland, E.C., 2015. Analyses of water table depths variations in an outcrop area of the Guarani Aquifer System in Brotas/SP-Brazil. Irriga [online] 1. Disponível: http://dx.doi.org/10.15809/irriga.2015v1n1p186. Acesso: 12 jan. 2019.

Mathias, S.A., Weather, H.S., 2010. Groundwater modelling in arid and semi-arid areas: an introduction, in: Weather, H.S., Mathias, S.A., Li, X. (Org.), Groundwater modelling in arid and semi-arid areas. Cambridge University Press, Cambridge, pp. 1–4.

Melo, A.C.G., Durigan, G., 2011. Plano de manejo da Estação Ecológica de Santa Bárbara. Instituto Florestal, São Paulo. Disponível: http://iflorestal.sp.gov.br/files/2013/03/ Plano_de_Manejo_EEc_Santa_Barbara.pdf. Acesso: 15 mai. 2018.

Millar, D.J., Cooper, D.J., Ronayne, M.J., 2018. Groundwater dynamics in mountain peatlands with contrasting climate, vegetation, and hydrogeological setting. Journal of Hydrology [online] 561. Disponível: http://doi.org/10.1016/j.jhydrol.2018.04.050. Acesso: 14 mai. 2020.

MINITAB INC., 2018. Minitab 16. Minitab Inc., State College.

Neter, J., Kutner, M.H., Nachtsheim, C.J., Wasserman, W., 1996. Applied linear statistical models, 4 ed. Irwin, Chicago.

Oliveira, J.B., Camargo, M.N., Rossi, M., Calderano Filho, B., 1999. Mapa Pedológico do Estado de São Paulo.1:500,000. IAC/FAPESP, São Paulo.

Prasanna, M.V., Chidambaram, S., Srinivasamoorthy, K., 2010. Statistical analysis of the hydrogeochemical evolution of groundwater in hard and sedimentary aquifers system of Gadilam river basin, South India. Journal of King Saud University [online] 22. Disponível: http://doi.org/10.1016/j.jksus.2010.04.001. Acesso: 14 mai. 2018.

Pöschke, F., Nützmann, G., Engesgaard, P., Lewandowski, J., 2018. How does the groundwater influence the water balance of a lowland lake? A field study from Lake Stechlin, north-eastern Germany. Limnologica [online] 68. Disponível: http://doi.org/10.1016/j.limno.2017.11.005. Acesso: 14 mai. 2020.

Raghavendra, S.N., Deka, P.C., 2015. Forecasting monthly groundwater level fluctuations in coastal aquifers using hybrid Wavelet packet–Support vector regression. Cogent Engineering [online] 2. Disponível: http://doi.org/10.1080/23311916.2014.999414. Acesso: 21 mai. 2020.

Riley, D.T., 2018. Using regression analysis to determine land cover impacts on groundwater levels in the High Plains. Dissertação (Mestrado). Lincoln, UNL.

Rosa, D.R.M., 2006. Evolução das instituições florestais estaduais do estado de São Paulo. Monografia (Graduação). Rio de Janeiro, UFRJ.

Rouse, J.W., Haas, R.H., Schell, J.A., Deering, D.W., 1973. Monitoring vegetation systems in the Great Plains with ERTS, in: ERTS Symposium 3. Washington, pp. 309–317. Disponível: http://ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/19740022614.pdf. Acesso: 14 out. 2018.

Salles, L.M.S., Lima, J.E.F.W., Roig, H.L., Malaquias, J.V., 2018. Environmental factors and groundwater behavior in an agricultural experimental basin of the Brazilian central plateau. Applied Geography [online] 94. Disponível: http://doi.org/10.1016/j.apgeog.2018.02.007. Acesso: 21 nov. 2018.

Santarosa, L.V., Manzione, R.L., 2018. Soil variables as auxiliary information in spatial prediction of shallow water table levels for estimating recovered water volume. RBRH [online] 23. Disponível: http://doi.org/10.1590/2318-0331.231820170115. Acesso: 14 jun. 2019

Santos, R.D., Santos, H.G., Ker, J.C., dos Anjos, L.H.C., Shimizu, S.H., 2015. Manual de descrição e coleta de solo no campo. Sociedade Brasileira de Ciência do Solo, Viçosa.

Seeboonruang, U., 2015. An application of time-lag regression technique for assessment of groundwater fluctuations in a regulated river basin: a case study in Northeastern Thailand. Environmental Earth Sciences [online] 73. Disponível: https://doi.org/10.1007/s12665-014-3872-7. Acesso: 14 mai. 2020.

SIGRH. Sistema Integrado de Gerenciamento de Recursos Hídricos do Estado de São Paulo, 2018. Geomorfologia: mapa geomorfológico do Estado de São Paulo. São Paulo. Disponível: http://www.sigrh.sp.gov.br/public/uploads/documents/6382/i_2_2geomorfologia.pdf. Acesso: 25 jun. 2018.

Silva, F.P.E., 2003. Geologia de subsuperfície e hidroestratigrafia do grupo Bauru no Estado de São Paulo. Tese (Doutorado). Rio Claro, UNESP.

Silva, F.P.E, Chang, K.H., Caetano-Chang, M.R., 2005. Hidroestratigrafia do Grupo Bauru (K) no Estado de São Paulo. Águas Subterrâneas [online] 19. Disponível: http://doi.org/10.14295/ras.v19i2.8225. Acesso: 18 nov. 2018.

Tucci, C.E.M., 2005. Modelos hidrológicos. Ed. Universidade UFRGS, Porto Alegre.

Von Asmuth, J.R., Knotters, M., 2004. Characterising groundwater dynamics based on a system identification approach. Journal of Hydrology [online] 296. Disponível: http://doi.org/10.1016/j.jhydrol.2004.03.015. Acesso: 31 jan. 2018.

Wang, F.K., Du, T.C.T., 2000. Using principal component analysis in process performance for multivariate data. Omega [online] 28. Disponível: http://doi.org/10.1016/S0305-0483(99)00036-5. Acesso: 14 ago. 2018.

Wang, X., Liu, T., Zheng, X., Peng, H., Xin, J., Zhang, B., 2018. Short-term prediction of groundwater level using improved random forest regression with a combination of random features. Applied Water Science [online] 8. Disponível: http://doi.org/10.1007/s13201-018-0742-6. Acesso: 14 mai. 2020.

Witte, R.S., Witte, J.S., 2005. Estatística, 7 ed. LTC, Rio de Janeiro.

Yan, S., Yu, S., Wu, Y., Pan, D., Dong, J., 2018. Understanding groundwater table using a statistical model. Water Science and Engineering [online] 11. Disponível: http://doi.org/10.1016/j.wse.2018.03.003. Acesso: 4 jun. 2018.

Yu, X., Ghasemizadeh, R., Padilla, I.Y., Kaeli, D., Alshawabkeh, A., 2016. Patterns of temporal scaling of groundwater level fluctuation. Journal of Hydrology [online] 536. Disponível: http://doi.org/10.1016/j.jhydrol.2016.03.018. Acesso: 10 mai. 2020.

Zipper, S.C., Soylu, M.E., Booth, E.G., Loheide II, S.P., 2015. Untangling the effects of shallow groundwater and soil texture as drivers of subfield‐scale yield variability. Water Resources Research [online] 51. Disponível: https://doi.org/10.1002/2015WR017522. Acesso: 19 mai. 2020.




DOI: https://doi.org/10.26848/rbgf.v13.3.p1231-1247

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License