SIG Aplicado aos Recursos Hídricos

Os SIGs como instrumentos computacionais em técnicas de geoprocessamento permitem a realização de análises complexas ao integrar dados de diversas fontes e ao criar bancos de dados georreferenciados (Assad & Sano 1998), já que um SIG é um sistema auxiliado por computador para aquisição, armazenamento, análise e visualização de dados geográficos (Eastman 1998).

A razão de ser de um SIG é prover um instrumento para a análise geográfica (Eastman 1998).

Segundo Câmara & Medeiros (1998) o nome SIG refere-se àqueles sistemas que efetuam tratamento computacional de dados geográficos, sendo que os dados tratados em técnicas de geoprocessamento se caracterizam pela diversidade de fontes geradoras e de formatos

Burrough (1986) descreve um SIG como um conjunto poderoso de ferramentas para coletar, armazenar e manipular dados georreferenciados.

O geoprocessamento visa ao fornecimento de ferramentas computacionais para que os diferentes analistas determinem as evoluções espacial e temporal de um fenômeno e as inter- relações entre diferentes fenômenos (Câmara & Medeiros 1998).

Nesse sentido, o cerne deste trabalho foi utilizar técnicas de geoprocessamento para análises geoestatísticas utilizando o software IDRISI 3.2 for Windows.

O IDRISI é um sistema de informação geográfica e um software para processamento de imagens desenvolvido pela Graduate School of Geography da Clark University. Para análises estatísticas, o IDRISI oferece procedimentos estatísticos tradicionais como também rotinas específicas para a descrição de dados espaciais.

O IDRISI é líder na funcionalidade raster, cobrindo todo o espectro de necessidades de SIG e de sensoriamento remoto, desde consulta a banco de dados e modelagem espacial até realce e classificação de imagens. Facilidades especiais estão incluídas para o monitoramento ambiental e gerenciamento de recursos naturais, incluindo análise de série temporais/mudanças, apoio à decisão por critérios e objetivos múltiplos, análise de incertezas e modelagem de simulação. Apesar de sua natureza altamente sofisticada o sistema é muito fácil de manipular (Eastman 1998).

Em ciências naturais o mais comum é a observação de dados discretos, em função disso torna-se necessária uma malha de amostragem, a qual passará por um processo de interpolação, ou por vezes por extrapolação para a geração de uma imagem contínua da variável.

Inúmeros são os trabalhos e em diversas áreas que utilizam SIG para diversos propósitos, dentre os quais, vale destacar alguns aplicados aos recursos hídricos (Landim 1998, Monteiro 2003, Neves 2005, Ketchum Jr. Jr. et al 2000, Vepraskas et al. 2006, Reis et al. 2005, Archer & Fowler 2004, Tanco & Kruse 2001, Lyon et al. 2006, Alberto & Kiang 2003, Hoffman & Sander 2007, Güntner et al. 2007, Manzione et al. 2007).

Em hidrogeologia, cada vez mais a análise espacial desenvolvida em SIG vem sendo utilizada como ferramenta para o conhecimento mais preciso das variáveis que atuam num sistema aqüífero.

Winter et al. (2000) usaram a técnica de análise de série temporal para definir padrões dos níveis d’água em quatro pequenas bacias hidrográficas numa região dos Estados Unidos. O estudo indicou que a análise de série temporal é muito útil para otimizar grandes séries de dados, além de otimizar programas de monitoramento de poços em longo prazo, reduzindo extremamente seu custo.

Tanco & Kruse (2001) ao estudarem a predição do comportamento da variação do nível d’água em função da sazonalidade climática, em uma planície situada em Buenos Aires, utilizaram

a regressão espacial e concluíram que esta apresentou bons resultados para os períodos de verão e outono, todavia, no inverno as estimativas da variação do nível da água não foram tão satisfatórias.

Maia et al. (2001) utilizaram a regressão múltipla linear para verificar o peso das variáveis independentes (concentrações de cátions e anions) em relação à variável dependente (condutividade elétrica) em águas de irrigação. Pelos modelos de regressão linear propostos foi possível identificar diferentes tipos de água quanto à sua composição iônica para lugares distintos, assim a metodologia não levou em consideração os teores dos íons da análise química da água de irrigação, mas a interação provável entre eles.

Monteiro (2003) estudando o comportamento hidrogeológico na cidade de Ribeirão Preto (SP) utilizou a geoestatística para estimar o rebaixamento da superfície potenciométrica, ao longo dos anos, no Sistema Aqüífero Guarani. Para correlacionar as cotas topográficas com as cotas potenciométricas, o autor recorreu à análise de superfícies de tendência, krigagem e cokrigagem, sendo que para a caracterização do rebaixamento ao longo dos anos da superfície potenciométrica, o autor utilizou a técnica máxima entropia baysiana.

Leite & Landim (2003) aplicaram a análise de regressão múltipla em dados provenientes da represa de Três Irmãos, no Rio Tietê, no município de Pereira Barreto/SP, para quantificar a influência de diversas variáveis no comportamento da superfície potenciométrica de um aqüífero livre, escolhida como variável dependente. As variáveis consideradas independentes foram cota do terreno, base da formação aqüífera ou cota do topo do basalto espessura da formação aqüífera, e as coordenadas X e Y. Nesse caso, a variável cota topográfica foi responsável por, aproximadamente, 81% pelo comportamento da superfície potenciométrica.

Moon et al. (2004) usaram da técnica de análise de componentes principais (PCA) para espacializar os dados dos níveis d’água provenientes de bacias hidrográficas distintas na Coréia do Sul. No entanto, o objetivo do trabalho foi classificar os sistemas aqüíferos em tipos diferentes, cada qual proveniente de bacias hidrográficas distintas, visando o entendimento da variabilidade espacial da recarga em função dos tipos de aqüíferos classificados. Nesse caso, a recarga de cada sistema aqüífero foi avaliada através do método WTF (Water-table Fluctuations).

Neves (2005) estudando a caracterização estrutural do maciço rochoso da bacia do rio Jundiaí, bem como o papel das estruturas geológicas no controle da produtividade dos poços tubulares profundos, utilizou a técnica geoestatística análise de superfícies de tendência para mostrar a variação dos níveis d’água através do tempo e para a construção dos mapas de resíduos da capacidade específica dos sistemas aqüíferos.

Barreto (2006) ao estudar a recarga do Sistema Aqüífero Guarani numa área representativa de uma bacia, utilizou técnicas geoestatísticas para estimar a recarga e a variação no

em um poço de monitoramento é dependente de alguns fatores, dentre os principais, a espessura da camada não-saturada e a cultura no entorno do poço. No entanto, os resultados mostraram uma boa correlação entre os níveis d’água e as culturas no entorno dos poços.