Modelagem de incertezas na análise espaço-temporal dos níveis freáticos em uma bacia hidrográfica

Abstract

Resumo -O objetivo deste trabalho foi avaliar a oscilação dos níveis freáticos em uma bacia hidrográfica, no período seco, e modelar a variabilidade espaço-temporal desses níveis por meio de técnicas geoestatísticas multivariadas. A área de estudo foi o alto da Bacia do Rio Jardim, Distrito Federal. O regime hídrico dessa região é marcado pela sazonalidade, com períodos chuvosos (outubro a abril) e secos (maio a setembro) distintos, que determinam o comportamento dos níveis freáticos. Quanto aos fenômenos com indexação espaço-temporal, a geoestatística propõe soluções pelo modelo linear de co-regionalização, permitindo a quantificação e mapeamento das reservas hídricas subterrâneas. Quantificaram-se o volume perdido de água e o risco associado às estimativas pelas medidas de incerteza, criando-se cenários críticos do volume do aqüífero explorado na seca. Na seca, observou-se decréscimo de água nesse aqüífero. O mapa do quantil 10% indicou áreas favoráveis ao uso da água, em que os níveis freáticos oscilaram menos. O mapa do quantil 90% indicou áreas com grandes oscilações dos níveis freáticos que contribuem mais para drenagem e recarga do aqüífero.Termos para indexação: geoestatística, análise espacial, água subterrânea, medidas de incerteza. Uncertain modeling on spatio-temporal analysis of water table depths in a watershedAbstract -The aim of this work was to evaluate water table depths in a watershed during the dry season as well as modeling space-time variability of water table depths through multivariate geostatistics techniques. The study area was the high portion of Jardim's river watershed, Distrito Federal, Brazil. Water regime of that region is ruled by seasonality, resulting in wet (October until April) and dry (May until September) periods well-defined that control the behavior of the water table. On space-time index phenomena, geostatistics provide solutions through linear co-regionalization model, allowing quantifying and mapping groundwater reserves. The lost water volume was quantified, as well as the associated estimation risk, through uncertain measures, creating critical scenarios of the explored aquifer volume during the dry season. During the dry season, there was a decrease of water in that aquifer. The quantile map 10% indicated favorable areas for water use, where the phreatic levels oscillated less. The quantile map 90% indicated areas with great oscillations of the phreatic levels that contribute more to the drainage and recharge of the aquifer.

Integração de modelos espaciais e temporais para predições de níveis freáticos extremos

“…Essas informações podem ser de fundamental importância para o planejamento de irrigação, fertirrigação, calendários de plantio e colheita, escolha de variedades, entre outras aplicações, em sistemas dependentes de água subterrânea, ao fornecer subsídios para a avaliação de reservas (Manzione et al, 2007) ou mesmo de riscos de contaminação das águas subterrâneas (Gomes et al, 2006).…”

“…O cenário a 5% de probabilidade apresenta valores que tem 95% de chance de serem superiores aos apresentados no mapa e apenas 5% de chance de serem inferiores, uma vez que se tratou de medida de posição na distribuição de probabilidade obtida (Manzione et al, 2007). Esse cenário pode ser considerado crítico para níveis muito baixos ou mesmo poços secos, e mostrou limite inferior de água disponível na bacia (Figura 3 A).…”

Soil variables as auxiliary information in spatial prediction of shallow water table levels for estimating recovered water volume

“…In the present study, one of the applications for the mapping of water table levels was the calculation of the recovered volume, performed by map algebra based on the surfaces given by the interpolation of the water table depth and structured from both time points of water table depth recovery (P1 and P2). For this purpose, Equation 5, which was adapted from Manzione et al (2007), was used:…”

“…These are able to assemble information on aquifers and the spatiotemporal variation of water table depths, allowing decisions to be made within the context of the strategic management of water resources (KNOTTERS; BIERKENS, 2001). Groundwater dynamics, which are governed by the systemic combination of natural and anthropic factors, require the use of data models to explain their complexity (KRESIC;MIKSZEWSKI, 2013).…”

Estimation of alluvial recharge in the semiarid

“…The recharge of an aquifer displays variability in space, due to differences that occur in the soil as the water absorption and retention, and in time, due to climatic effects and the exploitation itself (MANZIONE et al, 2007). FORMAGGIO et al (2009) studied the variability of the unconfined aquifer potentiometric of the Alto Rio Jardim watershed, and concluded through a spatial multiple regression that the variable that most contributed to variability in potentiometry in the area was soil texture.…”