CALIBRAÇÃO DO MODELO DE QUALIDADE DE ÁGUA QUAL-UFMG PARA O RIO TAQUARIZINHO EM PERÍODO DE ESTIAGEM

CALIBRAÇÃO DO MODELO DE QUALIDADE DE ÁGUA QUAL-UFMG PARA O RIO TAQUARIZINHO EM PERÍODO DE ESTIAGEM

Willian R. Ide1 & Maria Lúcia Ribeiro2 1

Aluno do Curso de Engenharia Ambiental da UFMS, bolsista de Iniciação Científica CNPq – PIBIC 2008/09

2

Professora do DHT/CCET/UFMS; e-mail: ribeirol@nin.ufms.br

Resumo: A proposta deste trabalho é a aplicação de um modelo simples de qualidade da água (QUAL-UFMG) para simular cenários e prever o comportamento do rio ao longo do tempo. Durante um ano, foram realizadas várias visitas à sub-bacia do Rio Taquarizinho, localizada na Bacia do Rio Taquari, a qual vem sofrendo constantes modificações em seu cenário devido à ocupação e ao manejo não adequado do solo. Os dados obtidos em campo serviram como dados de entrada e, a partir da calibração com a ferramenta SOLVER do Excel, foi possível determinar o coeficiente de desoxigenação (K1), coeficiente de decomposição (Kd) e o

coeficiente de reaeração (K2). A determinação desses coeficientes se faz necessária para que

haja maior aproximação dos cenários com as condições reais do corpo d’água. Foram simulados os parâmetros Oxigênio Dissolvido (OD) e Demanda Bioquímica de Oxigênio (DBO) para o lançamento pontual de efluentes dos seguintes empreendimentos: um curtume, dois matadouros e duas estações de tratamento de esgoto (ETE). Os valores determinados através da calibração foram: 0,14 no primeiro trecho e 0,18 no restante dos trechos para (K1) e

(Kd), e para (K2), 8,88; 20,55; 19,61 e 11,22 para os trechos 1,2,3 e 4, respectivamente. Os

valores obtidos foram satisfatórios garantindo uma boa calibração e uma aplicação satisfatória.

INTRODUÇÃO

A água vem sendo tratada já há algum tempo como recurso finito, que deve ser preservado, tornando fundamental o estudo da sua qualidade para uma eficiente gestão dos recursos hídricos.

A poluição de corpos hídricos superficiais é um dos maiores problemas ambientais em todo o mundo, causando efeitos negativos para a saúde ambiental e prejudicando a manutenção das condições básicas de qualidade d'água para seus diversos usos (Leite, 2004).

O acelerado crescimento populacional no mundo tem conduzido ao aumento da demanda de água o que vem causando, em algumas regiões, problemas com a escassez desse recurso. Não se pode esquecer também o exacerbado crescimento industrial, acompanhado da exploração da terra por atividades agropecuárias e de mineração. Tais explorações associadas ao crescimento populacional fazem com que a degradação dos recursos hídricos atinja um estágio crítico em todo o mundo, gerando impactos ambientais que demandam ações concretas de prevenção, controle, preservação e recuperação da qualidade e quantidade da água dos corpos hídricos. Esta degradação está relacionada à presença de cargas poluentes nos corpos hídricos. Acreditava-se, que a água era um bem de abundância ilimitada e dotada de inesgotável capacidade de renovação, mediante quaisquer descargas de poluentes (Rocha, 2007).

O lançamento de efluentes, a poluição difusa e a supressão da vegetação, que vem ocorrendo por todo o globo, têm causado um problema que está cada vez mais grave: a deterioração da qualidade das águas e o assoreamento de corpos d’água.

A capacidade de autodepuração varia de um corpo hídrico para outro, tornando-se necessário que estudos específicos sejam desenvolvidos, no intuito de conhecer a quantidade de efluentes que o rio é capaz de receber e diluir, sem que suas características naturais sejam prejudicadas (von Sperling, 2007).

Para auxiliar na gestão, controle e proteção dos recursos hídricos é importante a utilização de ferramentas que possibilitem a análise e o prognóstico dos corpos d’água. Os modelos matemáticos de qualidade da água são utilizados para esses fins, permitindo a simulação dos processos de autodepuração do rio e, consequentemente, auxiliando na tomada de decisões referentes ao gerenciamento desses recursos (Oppa, 2007).

Os modelos matemáticos possuem a capacidade de englobar os processos hidrológicos, físicos, químicos e biológicos de forma simplificada e prática, ainda que esses processos sejam complexos. A utilização desses modelos proporciona além da simulação de

eventos, a simulação das condições futuras e alternativas propostas para o corpo d’água (Gastaldini & Giorgetti, 1983 apud Oppa, 2007).

De acordo com Fan et al. (2009), ao longo dos anos, vários modelos de qualidade da água têm sido desenvolvidos para diferentes tipos de corpos d'água (rios, lagos e reservatórios). Alguns desses modelos têm incluído parâmetros básicos (OD e DBO), enquanto outros têm incluído critérios mais sofisticados de qualidade da água (tais como níveis de eutrofização e impactos por toxidade).

No entanto, Lindenschmidt (2006) sugeriu que os modelos complexos não são, necessariamente, os mais úteis. Isto porque, são necessárias grandes quantidades de dados para a estimativa, calibração e verificação do modelo, e alguns modelos complexos de simulação podem envolver vários parâmetros que nunca tenham sido previamente medidos ou comunicados. Em alguns casos, estes parâmetros foram estimados por outros algoritmos. Por estas razões, a utilização de modelos complexos de simulação da qualidade da água acaba não sendo viável, e os resultados simulados podem não ser tão confiáveis como se pretendia que fossem.

Uma ferramenta simples para a modelagem da qualidade da água e de crescente utilização é a plataforma QUAL-UFMG, criada por von Sperling (2007). O programa em Excel QUAL-UFMG, desenvolvido em planilhas, tem como objetivo possibilitar a modelagem de rios através da utilização de um modelo baseado no QUAL2-E, desenvolvido pela US Envionmental Protection Agency (USEPA).

O QUAL-UFMG permite a modelagem dos seguintes constituintes ao longo do rio: Demanda Bioquímica de Oxigênio, Oxigênio Dissolvido, Nitrogênio Total e suas frações (orgânico, amoniacal, nitrito e nitrato), Fósforo Total e suas frações (orgânico e inorgânico), Coliformes Termotolerantes ou E. coli.

O Oxigênio Dissolvido é um dos parâmetros mais importantes na dinâmica e na caracterização dos sistemas aquáticos, sendo que suas principais fontes para as águas superficiais são a atmosfera e a fotossíntese. Este parâmetro é necessário para a vida dos peixes e outros animais aquáticos. Além disso, águas bem oxigenadas se apresentam muito agradáveis ao paladar. A solubilidade do oxigênio na água varia com a temperatura, pressão atmosférica, presença de sais minerais e turbulência da água.

A DBO é a quantidade de oxigênio molecular requerida pelas bactérias, para estabilizar a matéria orgânica decomponível em condições aeróbias. Representa de maneira indireta a quantidade de matéria orgânica presente no corpo d’água. O decréscimo dos teores de oxigênio dissolvido está associado à DBO devido à poluição orgânica em um curso d’água.

A DBO não é matéria orgânica, e sim, o oxigênio consumido na sua decomposição. (Ribeiro, 2002).

A calibração do modelo é realizada pelo ajuste de coeficientes, que podem variar dentro de faixas determinadas, permitindo adequar as equações matemáticas às realidades físicas da área de estudo. Os métodos de calibração assumem que haja dados observados das variáveis de estados (ex: OD, DBO, N, P, coliformes, etc), os quais permitem a comparação com os dados estimados pelo modelo.

De acordo com Drolc & Zagorc (1996) a confiabilidade do modelo de previsões também depende da exatidão dos dados de entrada. Os valores dos parâmetros, utilizados no modelo de qualidade da água, podem ser encontrados na literatura. Variam amplamente conforme as condições do corpo da água e são muitas vezes determinados como valores médios de grandes intervalos. Essa é a razão pela qual os valores da literatura podem servir apenas como um guia. Portanto, é necessário determinar os parâmetros mais sensíveis do modelo para obter uma predição confiável.

O objetivo deste trabalho é a aplicação da plataforma QUAL-UFMG para o Rio Taquarizinho, procurando um ajuste ótimo de seus coeficientes (K1, Kd e K2) para a

modelagem da qualidade da água.

Modelo de Streeter & Phelps

Os modelos de qualidade das águas de rios vêm sendo utilizados desde o desenvolvimento do modelo clássico de OD e DBO, de Streeter e Phelps, em 1925 (von Sperling, 2007). Segundo Tucci (1998) apud Oppa (2007), esse modelo considera o escoamento permanente uniforme e simula os parâmetros DBO e OD. O modelo Streeter- Phelps foi o pioneiro para os modelos atuais, estando estes, em crescente aperfeiçoamento.

A hipótese básica no modelo Streeter & Phelps é que o processo de decomposição da matéria orgânica no meio aquático segue uma reação de primeira ordem. Assim, nesse tipo de reação, a taxa de redução da matéria orgânica é proporcional à concentração de matéria orgânica presente em um dado instante de tempo (Braga, et al., 2003). A equação é descrita da seguinte forma: t K t L e DBO = _. − 1⋅ 0 (1) onde:

DBOt – é a quantidade de oxigênio dissolvido consumido desde o instante inicial até o

instante t;

Lo – é a DBO imediata após o ponto de lançamento, ou seja, a quantidade total de oxigênio

necessária para completa estabilização da matéria orgânica;

K1 – é a constante de desoxigenação que depende do tipo de efluente;

t – tempo em dias.

Para analisar o comportamento do déficit de oxigênio dissolvido a jusante do despejo dos esgotos utiliza-se o modelo de Streeter-Phelps. O equacionamento de Streeer & Phelps para o cálculo da concentração de OD, combina os processo de reaeração e desoxigenação pelo decaimento da matéria orgânica, conforme a Equação 3:

Sabendo-se que:

t S

t C D

C = − (2)

Tem-se a concentração de OD em um instante de tempo t:

(

)

(

)

Ct – déficit de oxigênio dissolvido (mg.L-1);

Co – concentração inicial de oxigênio, logo após a mistura (mg.L-1);

Cs – concentração de saturação de oxigênio (mg.L-1);

K1 – Coeficiente da taxa de desoxigenação (dia-1);

K2 – Coeficiente da taxa de reaeração (dia-1);

Lo – Concentração de determinado poluente, no corpo receptor, após a mistura com o despejo;

Dt – Déficit inicial de oxigênio dissolvido no ponto de mistura (mg.L-1).

A planilha em Excel QUAL-UFMG foi baseada no software QUAL-2E que, por sua vez, utiliza as equações de Streeter-Phelps.

MATERIAL E MÉTODOS

Área de estudo

A área de estudo é a Bacia do Taquarizinho, sub-bacia da Bacia do Taquari, que é uma das áreas mais impactadas da região do Pantanal gerando crescente discussão a respeito dos impactos ambientais existentes, suas consequências e remotas soluções futuras. A Bacia do Taquari, por sua vez, é sub-bacia da Bacia do Alto Paraguai (BAP), onde se encontra o Pantanal Sul-Matogrossense.

A Bacia do Rio Taquarizinho está localizada entre as latitudes 18° e 20° S e as longitudes 54° e 55°30’ W. A área da bacia está posicionada entre as cidades de Coxim e São Gabriel do Oeste, região dos planaltos (cotas acima de 200m). A Figura 1 mostra a localização da bacia do Rio Taquarizinho.

Figura 1. Mapa de localização da área de estudo na Bacia do Alto Paraguai.

Localizada ao norte do Estado de Mato Grosso do Sul, a bacia possui, predominantemente, atividades agropecuárias: em geral, as culturas intensivas de soja e milho com entre-safras de milheto e sorgo para cobertura, e pecuária extensiva de corte, porém, esta

última, é a atividade principal atual (IBGE – Instituto Brasileiro de Geografia e Estatística, 2005).

Conforme Silva (2003), recentemente, as áreas ocupadas pela agropecuária correspondiam a 61.9% da superfície da bacia do alto Taquari (BAT), ou seja, em apenas 26 anos as áreas utilizadas pela agropecuária aumentaram em 1.820%.

Apesar da produção de sedimentos na BAT e a consequente deposição de sedimentos pelo Rio Taquari na sua planície de inundação ser um fenômeno natural, esse processo foi intensificado com a expansão desordenada da atividade agropecuária na alta bacia (Galdino, 2005).

Seções de Monitoramento

Foram realizadas medições ao longo do Rio Taquarizinho e dos seus principais tributários: Córrego Matadeira, Córrego Boa Sentença e Córrego Palha. Para cada tributário foi escolhida uma seção à montante da confluência com o curso principal e, no curso principal, foram escolhidas mais cinco seções, sendo uma na nascente do Rio Taquarizinho, uma à montante da confluência de cada um dos tributários citados acima e uma correspondente à seção de monitoramento da ANA. Na Figura 2, é possível identificar a localização de cada uma dessas seções.

Seção S1 – A primeira seção de monitoramento está localizada na nascente do Rio Taquarizinho. Possui uma área de 0,22 m², 1,2 m de diâmetro, 0,3 m de profundidade, velocidade igual a 0,0856 m/s e vazão de 0,010 m³/s. A vazão foi medida na tubulação que cruza a estrada vicinal.

Seção S2 – A segunda seção de coleta de dados está situada no Rio Taquarizinho à montante da confluência com o Córrego Matadeira. Possui área de 2,67 m², 6,05 m de largura, 0,44 m de profundidade média, velocidade média igual a 0,16 m/s e vazão de 0,446 m³/s.

Seção S3 – O terceiro ponto de monitoramento está situado no Córrego Matadeira à montante da confluência com o Rio Taquarizinho. Apresenta área de 4,05 m², largura igual a 7,4 m, profundidade média de 0,55 m, velocidade média igual a 0,15 m/s e 0,544 m³ de vazão. Seção S4 – A quarta seção de monitoramento situa-se no Rio Taquarizinho, à montante do Córrego Boa Sentença. Possui área de 2,19 m², largura igual a 9,75 m, profundidade média de 0,22 m, velocidade média de 0,68 m/s e vazão igual a 1,465 m³/s.

Seção S5 – A quinta seção é referente ao Córrego Boa Sentença, imediatamente antes de desaguar no Rio Taquarizinho. Tem uma área de 4,91 m², sendo 11 m de largura e 0,45 m de profundidade média, além de uma velocidade média igual a 0,16 m/s e vazão de 0,712 m³/s.

Seção S6 – O sexto ponto de monitoramento está localizado no Rio Taquarizinho, à montante da união com o Córrego Palha. Possui as seguintes características: 7,57 m² - área; 15 m – largura; 0,5 m – profundidade média; 0,31 m/s – velocidade média; 2,656 m³/s – vazão.

Seção S7 – O sétimo ponto de coleta está situado no Córrego Palha, à montante do encontro com o Rio Taquarizinho. Tem área igual a 2,75 m², largura de 7,15 m, profundidade média de 0,38 m, velocidade média igual a 0,13 m/s e vazão de 0,363 m³/s.

Seção S8 – A última seção de monitoramento corresponde à seção de monitoramento da ANA, denominada Próximo Rio Verde. Apresenta as seguintes características: área – 8,09 m²; largura – 22,5 m; profundidade média – 0,36 m; velocidade média – 0,46 m/s; vazão – 3,776 m³/s.

Além das seções de monitoramento, a figura 2 ilustra os pontos de coleta de amostra entre as seções para calibração dos coeficientes de decomposição e reaeração. A Figura 3 mostra a variação de vazão ao longo do curso d’água.

0 10000 20000 30000 40000 50000 0 1 2 3 4 5 V a z ã o ( m 3 /s ) Distância (m)

Figura 3. Gráfico Vazão x Distância.

Calibração da plataforma QUAL-UFMG

Os parâmetros mais utilizados e que melhor se ajustam à modelagem de qualidade de água são: o Oxigênio Dissolvido e a Demanda Bioquímica de Oxigênio de extrema importância no estudo da capacidade de autodepuração.

No presente trabalho, calibrou-se o modelo de Streeter-Phelps com base em dados medidos no rio em estudo, utilizando valores de OD e DBO5,20 medidos em diferentes

posições ao longo do percurso do rio, os quais serão confrontados com os dados estimados. Os dois parâmetros acima citados foram simulados pela plataforma de qualidade de água QUAL-UFMG. As figuras (3, 4, 5), mostram detalhadamente o procedimento de como foi realizada essa etapa:

Os dados de entrada são inseridos nas colunas E e H da figura 3. Observa-se que, foram calculados o Coeficiente de Determinação de Oxigênio Dissolvido CD (OD), o Coeficiente de Determinação de Demanda Bioquímica do Oxigênio CD (DBO), e também a média dos dois Coeficientes de Determinação (CD).

Posteriormente, a Ferramenta SOLVER foi utilizada para maximizar o valor médio dos dois CDs, no pressuposto de que ambas as variáveis (OD e DBO) são igualmente importantes. Desta forma, tem-se uma otimização global.

O coeficiente de desoxigenação (Kd) e o coeficiente de reaeração (K2) foram

estimados simultaneamente após a otimização. Um exemplo de simulação pode ser representado pela figura 4.

S8

S6

S4

S2 S1

Figura 3. Ajuste dos dados estimados com os observados. Fonte: von Sperling (2007)

Figura 4. Exemplo de aplicação do modelo de oxigênio dissolvido STREETER-PHELPS Fonte: von Sperling (2007)

Os perfis de OD e DBO resultantes (incluindo os dados observados) são representados pela figura 5.

Figura 5. Comportamento de oxigênio dissolvido e DBO ao longo do rio. Fonte: von Sperling (2007)

Deve-se ter sempre o cuidado de não se estimar vários coeficientes, quando se têm poucos dados medidos, sob pena de introduzir distorções na estimativa.

Quanto maior o nível de conhecimento sobre a bacia a ser modelada, mais precisa será a calibração, a ser concluída na definição de uma boa correlação entre os dados calculados e observados.

Simulações de cenários

Foram simulados 3 (três) cenários distintos, todos relacionados à implantação de um curtume, 2 (dois) matadouros e 2 (duas) ETE’s, com lançamento de seus efluentes em diversos pontos do Rio Taquarizinho. A modelagem de OD e DBO foi realizada da nascente do Rio Taquarizinho até a seção da ANA, denominada Próximo Rio Verde, com uma extensão de aproximadamente 50 km.

A Figura 6 ilustra o diagrama unifilar de simulação no Rio Taquarizinho.

Para simulação dos 3 (três) cenários foram modelados apenas o Oxigênio Dissolvido e Demanda Bioquímica de Oxigênio. O coeficiente de desoxigenação (K1) e decomposição (Kd)

foram determinados através de calibração com a ferramenta solver do Excel. Os valores encontrados coincidiram com os valores médios tabelados constantes na literatura, para curso d’água com águas limpas no primeiro trecho e curso d’água recebendo lançamento de efluente secundário nos demais trechos (0,14 e 0,18 respectivamente). Para o coeficiente de reaeração (K2), os valores utilizados foram determinados com auxílio de equações em função da

Figura 6. Diagrama unifilar para simulação.

Figura 7. Valores típicos de K1 e K2 para as diferentes características dos corpos d’água.

O fato de o Rio Taquarizinho apresentar diversas quedas d’água, a quantidade de oxigênio dissolvido em suas águas é bastante elevada, chegando bem próxima da saturação. Quando se utilizou a ferramenta solver para calibração, os valores ótimos de K2 apresentados

foram iguais a zero em 3 de 4 trechos. Diante disso, foram simulados cenários com valores de K2 determinados através de parâmetros hidráulicos e valor mínimo de 0,05 de acordo (Chapra,

1997).

RESULTADOS E DISCUSSÃO

O Quadro 1 mostra os valores dos coeficientes de desoxigenação, decomposição e reaeração obtidos através da calibração do modelo durante os quatro trechos do rio:

Quadro 1. Valores dos coeficientes obtidos pela calibração

K1 Kd K2

Trecho 1 0,14 0,14 8,88

Trecho 2 0,18 0,18 20,55 Trecho 3 0,18 0,18 19,61 Trecho 4 0,18 0,18 11,22

Foram simulados cenários para lançamento de efluentes sem tratamento (esgoto bruto), com eficiências de 70% e 90%. As figuras 8, 9 e 10 abaixo mostram a simulação de OD e DBO ao longo dos trechos.

Figura 8. Simulação para esgoto bruto com K2 mínimo.

Figura 10. Simulação para esgoto tratado (90% eficiência) com K2 mínimo.

Para lançamento de esgoto bruto no rio, o oxigênio dissolvido chega ao valor nulo depois do quilômetro 41, refletindo condições de anaerobiose a partir desse segmento. Na ausência de tratamento, somente 30% da extensão do trecho simulado estão dentro dos padrões de enquadramento de rio classe 2. Para a DBO, apenas 28% da extensão atende ao enquadramento (Figura 11).

Figura 11. Porcentagem de atendimento ao enquadramento (esgoto bruto).

Para eficiência de 70% de tratamento, as porcentagens de atendimento sobem para 46% (OD) e 32% (DBO). Já com 90% de tratamento, a DBO fica com 100% de atendimento à legislação e OD 58% (Figuras 12 e 13).

Figura 13. Porcentagem de atendimento ao enquadramento (90% tratamento).

Os resultados apresentados a seguir (Figuras 14, 15 e 16) foram obtidos através da simulação utilizando coeficiente de reaeração K2 em função de parâmetros hidráulicos, com

valores de 8,88; 20,55; 19,61 e 11,22 para os trechos 1,2,3 e 4 respectivamente. O coeficiente de decomposição Kd e o de desoxigenação K1 utilizados foram de 0,14 para o 1º trecho e 0,18

para o restante do percurso. Esses coeficientes foram obtidos através da calibração utilizando a ferramenta solver, ao contrário de K2.

Figura 14. Simulação para esgoto bruto com K2 em função de parâmetros hidráulicos.

Figura 15. Simulação para esgoto tratado (70% eficiência) com K2 em função de parâmetros

Figura 16. Simulação para esgoto tratado (90% eficiência) com K2 em função de parâmetros

hidráulicos.

Do exposto acima, é possível verificar que em todas as simulações o oxigênio dissolvido permaneceu em níveis elevados, com variações quase que imperceptíveis. Isso é explicado pela grande quantidade de OD na água e utilização de K2 com valores bem

superiores (8,88; 20,55; 19,61 e 11,22) aos da simulação anterior (0,05).

Em consequência disso, toda a extensão do trecho para OD está dentro dos padrões para rios da classe 2. A DBO para lançamento de esgoto bruto com eficiência de tramento (70%) não satisfaz em todo percurso, somente atendendo completamente à legislação a eficiência de 90% (Figuras 17, 18 e 19).

Figura 17. Porcentagem de atendimento ao enquadramento (esgoto bruto).

Figura 19. Porcentagem de atendimento ao enquadramento (90% tratamento).

A Figura 20 mostra o incremento de vazão ao longo do trecho simulado. As vazões de lançamento pouco alteram a curva, com destaque para a vazão dos tributários que exercem variação significante no perfil de descarga.

Figura 20. Aumento de vazão ao longo do percurso.

CONCLUSÕES

Apesar da intensa atividade agropecuária na bacia do Rio Taquarizinho, o mesmo ainda apresenta uma boa qualidade da água. Mesmo sendo feitas as simulações em período de pequena vazão (época de forte estiagem), sua qualidade é favorecida pela grande quantidade de quedas d’água que auxiliam na reaeração do rio. Os bons resultados podem ser verificados através das amostras coletadas em campo, quanto pelo comportamento do rio nos cenários simulados.

Para a calibração precisa dos coeficientes de decomposição e reaeração seria interessante a realização de um maior número de campanhas para validação dos resultados e, também, a utilização de um maior número de seções, incluindo outros tributários do rio

principal, para poder entender melhor o comportamento do curso d’água, e assim simular cenários mais próximos das condições reais do rio.

Havendo uma boa calibração, o QUAL-UFMG se apresenta como ferramenta muito útil na tomada de decisões acerca da implantação de empreendimentos na bacia. No caso de 2 (dois) matadouros, 2 (duas) ETE’s e um curtume, que tem como principal problema ambiental a geração de efluentes com alta carga de DBO, verificou-se por meio das simulações que a capacidade de autodepuração do rio comporta os efluentes gerados por essas unidades, de acordo com as eficiências de tratamento adequadas para cada empreendimento.

Enfim, a modelação da qualidade hídrica constitui-se em uma valiosa ferramenta da Engenharia Ambiental, destinada à simulação dos processos de transporte e autodepuração de um corpo d'água, propiciando assim, antever e avaliar para diferentes cenários, as alterações na qualidade das águas de um efetivo e/ou passível corpo receptor de descargas poluentes e contaminantes.

REFERÊNCIAS

Drolc, A.; Zagorc, K. J. Water quality modelling of the river Sava, Slovenia. Water Research, v. 30, Issue 11, p. 2587-2592, 1996.

Braga, B. et al. Introdução à engenharia ambiental. São Paulo: Prentice Hall, 2002.

Brown, L. C.; Barnwell, T. The enhanced stream water quality models QUAL2E and QUAL2E-UNCAS: documentation and user manual. Env. Res. Laboratory. US EPA, EPA /600/3-87/007, Athens, GA. p. 189, 1987.

Chapra, S. C. Surface Water Quality Modeling. WCB/McGraw-Hill, p. 844, 1997.

Fan, C.; Ko, C.; Wang, W. An innovative modeling approach using Qual2K and HEC-RAS

integration to assess the impact of tidal effect on River Water quality simulation. Journal

of Environmental Management, v. 90, Issue 5, p. 1824-1832, 2009.

Galdino, S. Impactos Ambientais e Socioeconômicos na Bacia do Rio Taquari – Pantanal. 1ª. ed. Corumbá: Embrapa Pantanal, p. 36, 2005.

IBGE – Instituto Brasileiro de Geografia e Estatística. Disponível em: <http://www.ibge.gov.br/>. Acesso em: 19 maio 2007.

Leite, A. E. de B. Simulação do lançamento de esgotos domésticos em rios usando um modelo de qualidade d'água, SisBAHIA®, p. 82, 2004. Dissertação de Mestrado - DSSA/ENSP/FIOCRUZ/RJ.

Lindenschmidt, K. E. The effect of complexity on parameter sensitivity and model uncertain in river water quality modeling. Ecological Modeling, v. 190, p. 72–86, 2006.

Oppa, L. F. Utilização de modelo matemático de qualidade da água para análise de alternativas de enquadramento do rio Vacacaí Mirim. Santa Maria, p. 19, 2007. Dissertação de Mestrado Pós-Graduação em Engenharia Civil, Universidade Federal de Santa Maria. Ribeiro, M. L. Qualidade da água, 2002. Curso de graduação da Universidade Federal de Mato Grosso do Sul.

Rocha, D. Proposta metodológica para integração dos instrumentos de gerenciamento de recursos hídricos. Rio de Janeiro, p.51-53, 2007. Tese submetida ao Corpo Docente da Coordenação dos programas de Pós-Graduação de Engenharia da Universidade Federal do Rio de Janeiro como Parte dos requisitos necessários para a obtenção do grau de Doutor em Ciências em Engenharia Civil.

Rodrigues, R.B. Sistema de suporte a decisão proposta para a gestão quali-quantitativados processos de outorga e cobrança pelo uso da água, p. 152,2005.Tese de Doutorado –USP. Silva, J. dos S. V. da. Analise multivariada em zoneamento para planejamento ambiental, estudo de caso: bacia hidrográfica do alto Taquari Ms/Mt, p. 307, 2003. Tese (Doutorado em Engenharia Agrícola) – Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas: GRI/UNICAMP, Campinas.

Streeter, W. H.; Phelps E. B. A study of the pollution and natural purification of the Ohio River. Public Health Bull. 146, U.S. Public Health Service, Washington D.C. 1925.

von Sperling, M. Estudos e modelagem da qualidade da água de rios. 1ª. ed. Belo Horizonte: Departamento de Engenharia Sanitária e Ambiental; Universidade Federal de Minas Gerais, p. 317-576, 2007.