Índices e espacialização da erosividade das chuvas para o Estado do Rio de Janeiro

Costa³

et al. 2008

Rev. Bras. Ciênc. Solo

RESUMOAs características físicas das chuvas determinam sua erosividade, que constitui importante fator nas relações de causa e efeito do processo erosivo dos solos, sendo sua caracterização fundamental para o planejamento conservacionista. Este trabalho foi realizado com o objetivo de avaliar a distribuição dos atributos das chuvas (altura precipitada, duração, energia cinética, intensidade máxima em 30 min) e índices de erosividade (EI 30 e KE > 25) em relação aos meses do ano e padrões de precipitação pluvial, para uma série de dados pluviográficos referentes à região de Ribeirão das Lajes (RJ). Os dados foram analisados em delineamento inteiramente casualisado em esquema fatorial do tipo 12 (meses) x 3 (padrões), e também, por meio da análise multivariada de componentes principais (ACP). Com os resultados obtidos, foi possível constatar que: o EI 30 anual de 6.772,04 MJ mm ha -1 h -1 está concentrado de novembro a março, representando 81,3 % do total. De acordo com a técnica de ACP, as características das chuvas e índices de erosividade que estiveram mais correlacionadas com os meses e padrões de precipitação pluvial, foram: energia cinética, EI 30 , KE > 25, altura precipitada e I 30 . Os padrões de precipitação pluvial avançado e atrasado predominam na época mais chuvosa e na mais seca, respectivamente; e a ACP permitiu separar de forma adequada as características das chuvas e erosividade ao longo do ano e padrões de precipitação pluvial para Ribeirão das Lajes.Termos de indexação: erosão hídrica, EI 30 , KE > 25.

Section: Methodsunclassified

Análise da erosividade das chuvas associada aos padrões de precipitação pluvial na região de Ribeirão das Lajes (RJ)

Machado

Costa³

et al. 2008

Rev. Bras. Ciênc. Solo

“…Outra situação comum nesse tipo de estudo é o fato de a estação meteorológica apresentar série pluviográfica com poucos anos de registro e série pluviométrica com muitos anos de medição, o que torna oportuno aproveitar esses dados para ampliar a série pluviográfica, após estudo de correlação entre ambas para a mesma estação meteorológica ou estação vizinha. Estudos dessa natureza foram desenvolvidos por Roque et al (2001), para Piraju, SP, Colodro et al (2002), para Teodoro Sampaio, SP, e Gonçalves et al (2006), para o Estado do Rio de Janeiro. Carvalho et al (1989) e Moreti et al (2003b), visando planejamento conservacionista em médio e longo prazo, relataram que o uso de índices de erosividade associado a períodos de retorno pode ser útil para solucionar problemas específicos relacionados a aspectos econômicos e ecológicos e dos possíveis danos admitidos, por ser mais consistente que simplesmente a erosividade média anual ou fator R da USLE.…”

Section: Introductionunclassified

Erosividade das chuvas associada a períodos de retorno e probabilidade de ocorrência no estado do Rio de Janeiro

Machado¹,

Rouws

et al. 2013

Rev. Bras. Ciênc. Solo

RESUMOO conhecimento da erosividade das chuvas associada à probabilidade de ocorrência e ao período de retorno pode contribuir para o planejamento conservacionista de uma região, em médio e longo prazo. A fim de gerar informações para melhor utilizar modelos e controle da erosão, dados de chuvas de 30 séries pluviográficas e pluviométricas, abrangendo 25 municípios, entre 1933 e 2006, foram estudados quanto à adequação das séries e do cálculo da probabilidade de ocorrência teórica (P) e período de retorno (T) da erosividade das chuvas (EI 30 e KE>25), para o Estado do Rio de Janeiro. Foi feita a espacialização do potencial erosivo associado aos períodos de retorno de 2, 5, 10, 20, 50 e 100 anos para todo o Estado. A erosividade anual média (EI 30 ) ou fator R da USLE para qualquer localidade no Estado do Rio de Janeiro pode ser igualada ou superada pelo menos uma vez, em média, em um período de 1,8 a 2,1 anos, com faixa de 48,5 a 54,9 % de probabilidade de ocorrência teórica. As localidades que apresentam maior erosividade associada aos períodos de retorno estão situadas nas mesorregiões Metropolitanas e em partes das mesorregiões Sul e Centro Fluminense. Foi possível identificar de oito a 12 regiões homogêneas, quanto à distribuição espacial da erosividade associada aos períodos de retorno de dois para 100 anos no Estado. De modo geral, a maior variação da distribuição espacial da erosividade apresenta-se na faixa de período de retorno de dois a cinco anos.Termos de indexação: conservação do solo, USLE, recorrência da erosividade.

“…Even in localities where rainfall records are available, SILVA (2004) and GONÇALVES et al (2006) used interpolation techniques to estimate EI 30 values, based on the inverse power of distance (IPD) method. However, this method does not take into account the altitude of the area but instead the value of the rainfall erosivity from other locations, using an inversely proportional relation of the distance between this site and each of the neighboring stations.…”

Section: Introductionmentioning

confidence: 99%

Rainfall erosivity for the State of Rio de Janeiro estimated by artificial neural network

Khoury²,

Varella

et al. 2012

Eng. Agríc.

Self Cite

ABSTRACT:The Artificial Neural Networks (ANNs) are mathematical models method capable of estimating non-linear response plans. The advantage of these models is to present different responses of the statistical models. Thus, the objective of this study was to develop and to test ANNs for estimating rainfall erosivity index (EI 30 ) as a function of the geographical location for the state of Rio de Janeiro, Brazil and generating a thematic visualization map. The characteristics of latitude, longitude e altitude using ANNs were acceptable to estimating EI 30 and allowing visualization of the space variability of EI 30 . Thus, ANN is a potential option for the estimate of climatic variables in substitution to the traditional methods of interpolation.KEYWORDS: geographic information system, interpolation methods, soil conservation. EROSIVIDADE DAS CHUVAS NO ESTADO DO RIO DE JANEIRO ESTIMADA POR REDES NEURAIS ARTIFICIAIS RESUMO:As Redes Neurais Artificiais (RNAs) são métodos de modelagem matemática capazes de estimar planos de respostas não lineares, tendo a vantagem sobre métodos estatísticos que apresentam respostas lineares ou quadráticas. Este trabalho teve como objetivo desenvolver e testar RNAs para estimaro índice de erosividade das chuvas (EI 30 ) no Estado do Rio de Janeiro, em função da localização geográfica, e gerar um mapa temático para visualização. As características de latitude, longitude e altitude podem ser utilizadas para estimar o índice EI 30 , permitindogerar um mapa da variabilidade espacial desseíndice.PALAVRAS-CHAVE: sistema de informação geográfica, métodos de interpolação, conservação de solo.