VARIABILIDADE ESPACIAL E TEMPORAL DA QUALIDADE DA ÁGUA POR MEIO DO pH E DA CONDUTIVIDADE ELÉTRICA

Texto

(1)KARLLAS STIVAL FREITAS. VARIABILIDADE ESPACIAL E TEMPORAL DA QUALIDADE DA ÁGUA POR MEIO DO pH E DA CONDUTIVIDADE ELÉTRICA. CURITIBA 2013.

(2) VARIABILIDADE ESPACIAL E TEMPORAL DA QUALIDADE DA ÁGUA POR MEIO DO PH E DA CONDUTIVIDADE ELÉTRICA. Karllas Stival Freitas1, Hemile Lima2. Trabalho apresentado à disciplina de Introdução à Pesquisa em Solos/Departamento de Solos e Engenharia Agrícola/Setor de Ciências Agrárias, da Universidade Federal do Paraná, como requisito parcial para sua conclusão, tendo a orientação do Professor D.Sc. Robson André Armindo.. 1. Graduanda em Agronomia, Universidade Federal do Paraná, Setor de Ciências Agrárias, Departamento de Solos e Engenharia Agrícola. E-mail: kakinhosf@hotmail.com 3 Graduanda em Agronomia, Universidade Federal do Paraná, Setor de Ciências Agrárias, Departamento de Solos e Engenharia Agrícola. E-mail: hemii_14@hotmail.com.

(3) AVALIADORES. Prof. Antônio Carlos Vargas Motta – Depto de Solos e Engenharia Agrícola - UFPR Profa. Aliandra Graña de Medeiros – Depto de Química e Biologia - UTFPR Prof. Robson André Armindo – Depto de Solos e Engenharia Agrícola - UFPR.

(4) SUMÁRIO. RESUMO ...................................................................................................................................... 1 1 INTRODUÇÃO ......................................................................................................................... 2 2 MATERIAL E MÉTODOS ........................................................................................................ 9 2.1 Tratamentos e amostragens..................................................................................................... 10 2.2 Análise estatística .................................................................................................................... 12 3 RESULTADOS E DISCUSSÃO .............................................................................................. 13 4 CONCLUSÃO .......................................................................................................................... 23 5 AGRADECIMENTOS ............................................................................................................. 24 6 REFERÊNCIAS ....................................................................................................................... 25 7 ANEXOS.................................................................................................................................. 27 7.1 Análise estatística dos dados ................................................................................................... 27 7.2 Gráficos obtidos pelo GeoR ................................................................................................... 28.

(5) RESUMO A qualidade da água é um aspecto muito importante pra saúde humana e também para a irrigação. Do ponto de vista do consumo humano, é essencial que a água atenda os valores de potabilidade estabelecidos, pois variações podem causar problemas à saúde. A potabilidade expressa os riscos que a água oferece à saúde ao ser consumida. Já no meio agrícola, a água de qualidade é relevante para a irrigação de forma que água com altos valores de sais e matéria orgânica pode ser prejudicial para os equipamentos, entupindo emissores, e corroendo tubulações. Existem vários parâmetros que medem a qualidade da água, sendo eles químicos, físicos e biológicos. No presente trabalho foram analisados parâmetros químicos e físicos da água, como por exemplo, pH e condutividade elétrica (CE), respectivamente. O pH é um parâmetro químico que mede a concentração de hidrogênio presente na água e é influenciado pela temperatura. A CE indica capacidade da água em conduzir corrente elétrica, e isto está intimamente relacionado com a quantidade de substâncias ionizadas dissolvidas na solução. No campus Agrárias da Universidade Federal do Paraná, foram realizadas três coletas com 30 amostras de água e três repetições em cada ponto. As três coletas foram feitas para se analisar a variação temporal dos dados. Após realizada a coleta, os valores de condutividade elétrica, temperatura na leitura da Condutividade Elétrica, pH e temperatura na leitura do pH foram medidos. Os dados obtidos foram analisados estatisticamente pelo Software R. Posteriormente, por meio do pacote geoR, do software R, foram realizadas análises geoestatísticas para determinação dos semivariogramas. Os resultados obtidos foram comparados com valores de potabilidade previamente estabelecidos, tanto em relação ao consumo humano quanto para irrigação. Neste trabalho, teve-se por objetivo identificar a variabilidade espacial da qualidade da água, por meio de análises de pH e CE.. 1.

(6) 1 INTRODUÇÃO A qualidade da água é um fator importante em muitos aspectos, ela geralmente é mensurável e envolve vários parâmetros. Os principais parâmetros de qualidade da água são os físicos químicos e biológicos. Para que a água seja considerada de qualidade, níveis máximos e mínimos préestabelecidos desses parâmetros devem ser atendidos. A qualidade da água é uma preocupação mundial. Com a constante urbanização das cidades ocorre a consequente poluição da água, resultado do despejo desordenado de efluentes nos mananciais e rios. ANA (2005) apud Casali (2008) apresenta que as bacias próximas a grandes centros urbanos são as mais poluídas e isso ocasiona no aumento dos custos de tratamento de água restringindo assim seu uso. No meio rural a contaminação da água se dá pelo uso indevido de agroquímicos. Segundo Casali (2008) outro fator importante que prejudica a qualidade da água no meio rural é o tratamento incorreto de dejetos animais e humanos. Esse autor também cita que a qualidade da água para consumo humano no meio rural é de pior qualidade, quando comparada a dos centros urbanos, uma vez que essa não recebe nenhum tipo de tratamento. Portanto, a utilização de água de qualidade é de extrema importância para a agricultura, uma vez que as culturas alimentícias exigem água de boa qualidade, pois qualquer agente fora do padrão pode ser transmitido à cultura, podendo gerar problemas futuros. A qualidade da água está intimamente relacionada com os problemas dos equipamentos de irrigação. Água de qualidade ruim pode causar entupimento de gotejadores e microaspersores, bem como corroer aspersores e/ou depositar substâncias em tubos de captação, elevação, condução e abastecimento de água.. 2.

(7) No Brasil, o órgão responsável por fiscalizar e estabelecer parâmetros de qualidade da água para consumo humano é o Ministério da Saúde. Esses parâmetros estão contidos na portaria no 518 de 2004 (Fundação Nacional de Saúde), que delimita os procedimentos a serem seguidos de forma a manter os padrões adequados de potabilidade para consumo humano. Para a saúde humana a qualidade da água é um fator essencial, sendo que muito aspectos químicos, fiscos e biológicos fora do padrão podem ser prejudiciais para seres humanos. Assim, o pH e a condutividade elétrica (CE) são importantes indicadores químico e físico que podem auxiliar no monitoramento da qualidade da água. Segundo Paterniani & Pinto (2001), o pH é uma medida que está relacionada com a atividade do hidrogênio presente na água sendo influenciado pela temperatura. Ele também é influenciado por vários fatores podendo ser ácido, básico ou neutro. Segundo Casali (2008), o pH é um parâmetro muito importante a ser quantificado, pois seus valores podem influenciar a reação e solubilização de muitas substâncias. Para o consumo humano o recomendado é que os valores de pH estejam contidos entre 6,0 e 9,5. Já na irrigação, o pH muito baixo torna a água corrosiva levando ao deterioração de tubulações e emissores, ao passo que em pH alto a água pode se tornar incrustante e obstruir microaspersores e gotejadores1. Tabela 1. Problemas de obstrução de emissores Problemas Físicos. Químicos. Biológicos. Tipos Sólidos em suspensão pH Sólidos Solúveis Manganês Ferro Ácido Sulfúrico Populações Microbianas. Unidades mg/L mg/L mg/L mg/L mg/L Número máximo de unidades formadoras de colônia. Baixa. Grau de Restrição Moderada. Severa. < 50. 50 – 100. > 100. <7,0 <500 <0,1 <0,1 <0,5. 7,0 – 8,0 500 - 2000 0,1 – 1,5 0,1 – 1,5 0,5 – 2,0. > 8,0 >2000 >1,5 >1,5 >2,0. <10.000. 10.000 a 50.000. >50.000. Fonte : Nakayama (1982) 1. Comunicação recebida pessoalmente do prof. Robson André Armindo, em 19 de julho de 2013.. 3.

(8) Já a CE é uma propriedade da água que se refere à condução de corrente elétrica por unidade de comprimento, e isso ocorre, entre outros fatores, devido à presença de substâncias ionizadas dissolvidas na solução. Seu valor é diretamente proporcional à concentração de sais ionizados variando também com a temperatura da água. Segundo Casali (2008), a partir dos valores de CE é possível calcular os valores de Sólidos Dissolvidos Totais (SDT), sendo uma medida que determina a quantidade de substâncias orgânicas e inorgânicas presentes na água. Valores de SDT em excesso podem corroer tubulações e seu consumo pode acarretar em aumento dos sais na corrente sanguínea. Tabela 2. Limites permissíveis para classes de água para irrigação Sólidos Totais Solúveis CE ppm (µΩ/cm) <250 <175 250-750 175 - 525 750-2000 525-1400 2000-3000 1400-2100 >3000 >2100 Fonte: (Scofield, 1936). Sódio. Cloretos. Sulfatos. (%). (meq/L). (meq/L). Classes de água. <20 20-40 40-60 60-80 >80. <4 4 -7 7-12 12-20 >20. <4 4-7 7-12 12-20 >20. Excelente Boa Permissível Duvidosa Imprópria. A localização de pontos no globo pode ser determinada pelo sistema de coordenadas. O sistema de localização pode ser dividido em sistema de coordenadas geográficas e Sistema Universal Transversal Mercator (UTM) (Carvalho e Araújo, 2008). A partir do sistema de coordenadas geográficas é possível saber a posição no plano horizontal de um determinado ponto na superfície terrestre, sendo que essa posição é determinada por valores de latitude e longitude. Carvalho & Araújo (2008) conceituam latitude como a distância, medida em graus, de um determinado ponto do planeta até a linha do Equador, sendo 0o a linha do Equador e 90o para o norte ou para o sul. Já a longitude pode ser dita como a distância de um ponto localizado na superfície 4.

(9) terrestre até o meridiano de Greenwich. O meridiano divide verticalmente o mundo, em leste e oeste, em uma escala que varia de 0o a 180º. O Sistema UTM é um tipo de projeção cartográfica que possui como característica a projeção de pontos da superfície terrestre sobre um cilindro sobreposto transversalmente na elipse (Carvalho e Araújo, 2008). Nesse sistema os paralelos e meridianos formam ângulos de 90º entre si. O sistema de posicionamento global (GPS) é um sistema utilizado para o posicionamento geodésico e seu desenvolvimento começou em 1973 nos Estados Unidos. Letham (1996), apud Bernardi & Landim (2002), explica que o GPS oferece a posição instantânea e a velocidade de deslocamento um determinado objeto na superfície terrestre. Entretanto, sabe-se que para a determinação da velocidade de deslocamento de um determinado objeto, via GPS, deve-se valer de equipamentos com altos graus de precisão e exatidão. Da mesma forma, para determinações da posição instantânea de um determinado objeto no globo terrestre com alta exatidão deve-se optar por equipamentos GPS com correção diferencial. Na análise da variabilidade espacial de dados, existem dois tipos principais de análise sendo a primeira a estatística descritiva e a segunda a geoestatística. A estatística descritiva se preocupa em resumir e organizar os dados obtidos em amostragens. Normalmente esses dados podem ser resumidos em tabelas e gráficos ou por meio de análises de média, mediana, coeficiente de variação, desvio padrão, entre outras medidas de dispersão. A geoestatística organiza um número grande de amostras e dados correlacionando-os com as coordenadas do espaço em que foram coletados. Em análises em que os dados estão esparsos, faz-se necessário à utilização da técnica de interpolação para produzir mapas e estimar valores possíveis. Molin (2001) cita que os métodos de interpolação mais utilizados são: vizinho próximo, média local, inverso da distância a uma potência e krigagem. 5.

(10) Na interpolação por vizinho mais próximo estimam-se valores de posições desconhecidas em um determinado raio de atuação. Na média local, faz-se a média de uma grande quantidade de dados estimando-se os valores desconhecidos. O inverso da distância é uma técnica de interpolação semelhante ao da média local. Nessa, os pontos mais próximos possuem influência maior quando comparados aos pontos mais distantes. O método de krigagem é um método de interpolação que gera mapas topográficos de elevação. Ele possui como característica ligar pontos com valores iguais por meio de contornos (Molin, 2001). A krigagem é o método mais complexo e flexível de interpolação (Molin, 2001). Este método é utilizado após o tratamento dos dados através da geração de um modelo de variabilidade espacial. Esse modelo de variabilidade espacial é chamado de semivariograma e expressa quanto uma amostra varia espacialmente com a distância. Do semivariograma é possível extrair parâmetros que são necessários para entender a variabilidade espacial do conjunto de valores. Segundo Chandrasekharan et. al (2007) existem duas técnicas principais de interpolação para se obter uma superfície contínua a partir de pontos amostrados. A primeira técnica é a determinística em que se utiliza fórmulas e parâmetros matemáticos. A segunda é a geoestatística que envolve propriedades matemáticas e estatísticas para mensurar os valores das variáveis nos pontos. Ainda segundo Chandrasekharan et. al (2007), a geoestatística tem como função mostrar a heterogeneidade da superfície em questão, uma vez que as propriedades da superfície são aleatórias, apresentando alguma dependência da distância entre pontos. Isso implica que os parâmetros mensurados em um local podem estimar parâmetros em locais próximos. O conceito de geoestatística é usado para modelar a variabilidade espacial de inúmeras variáveis por meio dos semivariogramas.. 6.

(11) Os semivariogramas apresentam duas características: a isotropia e anisotropia. A isotropia ocorre quando os dados dependem unicamente da distância entre amostras, não sendo função de sua direção (Yi et. al, 2000). Já a anisotropia pode ser dita como uma característica de distribuição no espaço. Quando um determinado valor é anisotrópico ele apresenta uma variabilidade espacial que ocorre com maior intensidade em uma direção quando comparada à outra (Camargo et. al, 2002). O semivariograma é um gráfico que varia em função de γ(h) e de h, podendo-se, a partir do mesmo, analisar o grau de dependência espacial das variáveis. (Souza, 1999 apud Genú, 2004). Sendo γ*(h) calculado com base na eq.(1). (1) em que: γ*(h): semivâriancia; N(h): número experimental de pares; z(si) e z(si + h): observações; h: distância.. Figura 1. Modelo e parâmetros do semivariograma.. 7.

(12) Segundo Camargo et. al (2002) existem vários parâmetros relacionados ao semivariograma. O primeiro deles é o alcance, que nada mais é do que a distância em que as amostras apresentam algum tipo de correlação espacial. Outro a ser citado é o patamar, este está relacionado ao valor do semivariograma a um determinado alcance. Pode-se dizer que acima do patamar as amostras não apresentam mais nenhuma dependência espacial. Por último há o efeito pepita (C0), que pode ser considerado o valor de γ(h) quando a distância entre dois pontos tende a zero, mostrando a descontinuidade do semivariograma. Existem vários modelos de ajustes dos semivariogramas. O ajuste a ser utilizado é definido por aquele que se adéqua mais ao modelo teórico usado. Segundo Camargo et. al (2002), os modelos mais comuns são o esférico, o exponencial e o gaussiano. Contudo, além desses, modelos como linear, matérn e outros também são muito utilizados. Neste trabalho, teve-se por objetivo identificar a variabilidade espacial e temporal da qualidade da água do Campus Agrárias da Universidade Federal do Paraná, por meio de análises de pH e CE da água.. 8.

(13) 2 MATERIAL E MÉTODOS. O experimento foi realizado em uma área da Universidade Federal do Paraná-UFPR, no município de Curitiba-PR. Nessa área, coletaram-se trinta amostras de água em garrafas de politereftalato de etileno com capacidade de aproximadamente 500 mL. Essas garrafas foram devidamente higienizadas conforme o Manual Técnico para Coleta de Amostras de Água (2009). As garrafas foram lavadas com detergente neutro e posteriormente enxaguaramse as mesmas por três vezes com a água da torneira e com água destilada. Em cada ponto amostrado foram realizadas três repetições, e a análise estatística foi baseada na média das três repetições. Para se analisar a variação temporal dos dados, fez-se três coletas nas datas de 1 de março, 10 de maio e 5 de julho de 2013. Os aparelhos (Figura 2) foram calibrados segundo os manuais de instruções de cada equipamento. Na calibração do medidor pH foram utilizadas duas soluções tampão, sendo uma de pH 7,0 e outra de pH 4,0. Já na calibração do condutivímetro, usou-se uma solução padrão de 146,9 µS/cm. a. b. Figura 2. Imagens dos medidores utilizados na determinação das variáveis analisadas neste trabalho. a) medidor de pH; b) medidor de CE. 9.

(14) 2.1 Tratamentos e amostragens Por meio de um aparelho GPS foram identificadas as coordenadas LAT e LONG de cada ponto amostrado na área de estudo. Posteriormente, esses valores foram convertidos para coordenadas do sistema UTM. As amostras foram coletadas em torneiras e bebedouros (Figura 3) e encaminhadas para o Laboratório de Hidráulica para Irrigação (LHI) do Departamento de Solos e Engenharia Agrícola (DSEA-UFPR) para a determinação imediata do pH e da CE da água. As análises foram realizadas por meio de medidores de pH e CE, que também apresentavam valores de temperatura da água referentes as duas variáveis mensuradas.. Figura 3. Imagem das amostras de água coletadas em garrafas de politereftalato de etileno. Dessa forma, para cada coordenada xy (UTM), onde foi coletada a amostra, havia variáveis correspondentes de pH, CE e temperaturas da água correspondentes as leituras de pH e CE. Ressalta-se que os valores de CE, obtidos pelo condutivímetro, se referem à temperatura de 25˚C.. 10.

(15) Figura 4. Pontos de coleta de água. As coordenadas X x Y (latitude, longitude e UTM) de cada ponto de coleta (Figura 4) estão demonstradas na tabela abaixo (Tabela 3). Tabela 3. Coordenadas X x Y (latitude, longitude e UTM) amostrado Amostra Latitude Longitude X (UTM) 1 -25,4109 -49,2490 615.648,11 2 -25,4107 -49,2492 615.662,20 3 -25,4109 -49,2492 615.647,64 4 -25,4126 -49,2491 615.524,16 5 -25,4123 -49,2490 615.546,23 6 -25,4120 -49,2489 615.568,29 7 -25,4117 -49,2489 615.590,12 8 -25,4117 -49,2488 615.590,36 9 -25,4126 -49,2483 615.526,03 10 -25,4126 -49,2483 615.526,03 11 -25,4124 -49,2485 615.540,12 12 -25,4119 -49,2486 615.576,27 13 -25,4128 -49,2491 615.509,61 14 -25,4132 -49,2491 615.480,50 15 -25,4133 -49,2491 615.473,22 16 -25,4116 -49,2488 615.597,63 17 -25,4117 -49,2489 615.590,12 18 -25,4117 -49,2490 615.589,89 19 -25,4117 -49,2490 615.589,89 20 -25,4136 -49,2486 615.452,55 21 -25,4141 -49,2489 615.415,47 22 -25,4137 -49,2484 615.445,74. de cada ponto Y (UTM) 4.543.648,40 4.543.625,86 4.543.626,16 4.543.639,88 4.543.650,54 4.543.661,20 4.543.660,74 4.543.671,85 4.543.728,81 4.543.728,81 4.543.706,27 4.543.694,39 4.543.640,19 4.543.640,80 4.543.640,95 4.543.671,70 4.543.660,74 4.543.649,62 4.543.649,62 4.543.696,99 4.543.664,40 4.543.719,37 11.

(16) Amostra 23 24 25 26 27 28 29 30. Latitude -25,4144 -25,4144 -25,4142 -25,4140 -25,4138 -25,4135 -25,4130 -25,4130. Longitude -49,2492 -49,2492 -49,2475 -49,2477 -49,2502 -49,2493 -49,2472 -49,2473. X (UTM) 615.392,94 615.392,94 615.411,45 615.425,54 615.434,27 615.458,20 615.499,48 615.499,25. Y (UTM) 4.543.631,51 4.543.631,51 4.543.820,19 4.543.797,65 4.543.519,43 4.543.619,02 4.543.851,70 4.543.840,59. 2.2 Análise estatística Todos os dados obtidos referentes às análises de pH e CE foram analisados estatisticamente por meio do software R (R Development Core Team, 2011). Análises exploratórias dos dados foram realizadas a fim de se obter uma estatística descritiva para calcular os valores de média, mediana, curtose, assimetria, variância, desvio padrão, coeficiente de variação, quartil inferior, quartil superior, bem como avaliar a normalidade dos dados. Posteriormente, por meio do pacote geoR, do software R, realizaram-se análises. geoestatísticas. para. determinação. dos. semivariogramas. e. posteriormente, pela técnica de krigagem, geração dos mapas de pH e CE da área de estudo. Os mapas foram ajustados pelos modelos esférico, exponencial e matérn.. 12.

(17) 3 RESULTADOS E DISCUSSÃO Nas três análises foi possível observar que os valores de CE encontrados apresentaram em sua maioria, a mesma conformação, ou seja, apesar das diferenças de amplitude entre uma análise e outra, os valores tiveram seus picos nas mesmas amostras, bem como os menores valores (Figura 5-a). As diferenças de amplitude da CE (Tabelas 4, 5 e 6) entre uma coleta e outra se deve, possivelmente, ao tratamento da água fornecida ao Campus Agrárias, sendo que essas estão relacionadas aos tratamentos realizados em cada dia pelo órgão de abastecimento. Já as diferenças de CE entre amostras podem ser devido ao encanamento ou ao acúmulo de substâncias nas caixas d’água locais responsáveis pela condução e abastecimento de água de cada prédio (ponto) amostrado.. a 130 125 120 115. CE (µS/cm). 110 105 100 95 90 85 80 0. 5. 10. 15 Amostras. 20. 25. 30. 13.

(18) b 7,6 7,4 7,2. pH. 7 6,8 6,6 6,4 6,2 6 0. 5. 10. 15 Amostras. 20. 25. 30. Figura 5. Valores médios coletados de pH e CE em cada amostra nos três datas de avaliação. a) CE e b) pH.. O pH não obedeceu a mesma tendência que a CE apresentando valores que variaram bastante entre coletas e entre amostras (Figura 5-b), isso pode ser devido a problemas de calibração do equipamento. A maior média de pH foi encontrada na primeira análise, e mesmo assim seus valores não estão fora do padrão, que estabelece que os mesmos estejam no intervalo de 6,0 a 9,5 (Casali, 2008). Acredita-se que as diferenças de valores encontrados entre amostras também se deve ao mesmo motivo da variabilidade encontrada nos resultados de CE (Tabelas 4, 5 e 6). Tabela 4 - Estatística descritiva para as variáveis: Temperatura referente à CE (TCE), CE, Temperatura referente ao pH (TpH) e pH na primeira análise. TCE CE TpH pH Estatística (˚C) (µS/cm) (˚C) Amostras 30 30 30 30 Média 22,96 101,89 22,99 6,74 Mediana 24,40 100,05 24,05 6,63 Mínimo 15,80 90,66 17,00 6,45 Máximo 26,40 127,90 26,20 7,48 Variância 10,03 66,49 7,30 0,09 CV(%) 13,79 8,00 11,75 4,38 14.

(19) Quartil Inferior Quartil Superior Assimetria Curtose. 20,45 25,20 -0,93 2,54. 97,87 102,33 1,91 6,36. 21,07 24,95 -0,90 2,57. 6,50 6,91 1,09 3,16. Os valores de assimetria de pH e CE (Tabela 4) da primeira coleta foram respectivamente, 1,09 e 1,91. Por serem positivas elas possuem assimetria para a direita, bem como a distribuição é assimétrica forte uma vez que seus valores são maiores do que um (Alessio). A curtose do pH foi avaliada em 3,16 enquanto a CE apresentou um coeficiente de curtose de 6,36. Esses valores de curtose, por serem maiores do que 0,263 determinam que a curva é platicúrtica (Alessio). Os coeficientes de variação da primeira análise de CE e pH foram respectivamente de 8,00 e 4,38. Segundo Armindo (2012), valores de CV menores que 12% são considerados baixos, portanto os valores obtidos estão enquadrados nessa categoria.. Tabela 5 - Estatística descritiva para as variáveis: Temperatura referente à CE (TCE), CE, Temperatura referente ao pH (TpH) e pH na segunda análise. TCE CE TpH pH Estatística (˚C) (µS/cm) (˚C) Amostras 30 30 30 30 Média 17,29 89,60 17,42 6,57 Mediana 16,95 88,10 17,02 6,48 Mínimo 11,43 82,93 11,77 6,30 Máximo 21,73 98,45 22,07 6,97 Variância 5,24 20,05 6,83 0,04 CV(%) 13,24 4,99 15,00 3,15 Quartil Inferior 16,27 86,79 15,52 6,42 Quartil Superior 17,93 91,20 19,47 6,80 Assimetria 0,13 0,83 0,09 0,60 Curtose 3,70 2,51 2,17 1,80 Na coleta dois (Tabela 5) a CE apresentou assimetria de 0,83, enquanto pH apresentou assimetria de 0,60. Segundo Alessio esses valores 15.

(20) correspondem a assimetrias positivas ou à direita. E por apresentarem valores menores que 1, são moderadamente assimétricos. Os valores de curtose foram de 2,51 para CE e de 1,8 para pH, representando curvas platicúrticas. Na segunda análise os coeficientes de variação de pH e CE também foram inferiores a 12%, sendo então considerados valores de variação baixos. Tabela 6 – Estatística descritiva para as variáveis: Temperatura referente à CE (TCE), CE, Temperatura referente ao pH (TpH) e pH na terceira análise. TCE CE TpH pH Estatística (˚C) (µS/cm) (˚C) Amostras 30 30 30 30 Média 15,86 100,14 16,70 6,53 Mediana 14,91 98,79 16,84 6,53 Mínimo 13,77 87,49 14,93 6,22 Máximo 18,13 119,70 18,13 6,98 Variância 3,17 82,71 1,56 0,03 CV(%) 11,23 9,08 7,49 2,85 Quartil Inferior 14,09 94,02 15,42 6,39 Quartil Superior 17,67 105,25 17,87 6,62 Assimetria 0,13 0,59 -0,06 0,49 Curtose 1,16 2,55 1,14 2,73 Na última coleta (Tabela 6) encontraram-se os seguintes valores de assimetria: 0,59 de CE e 0,49 de pH. Esses foram os menores valores de assimetria encontrados, mas mesmo assim possuem assimetria moderada e positiva. Os valores de curtose foram de 2,55 para CE e 2,73 para pH, apresentando também curvas platicúrticas. Na coleta 3 os valores de coeficiente de variação foram de 9,08 para CE e 2,85 para pH. Esses valores, segundo Armindo (2012), são considerados baixos. A partir dos gráficos apresentados (Figura 6), verificou-se que o pH, nas duas últimas análises, variou em função da temperatura da água. Ele variou de forma diretamente proporcional, sendo que com o aumento da. 16.

(21) temperatura, o pH também aumentou, isso pode ser devido ao maior teor de sais presentes na água coletada.. a 28 26. Temperatura pH (˚C). 24 22 20 y = 2,8448x + 3,8136 R² = 0,0968. 18 16 6,3. 6,5. 6,7. 6,9. 7,1. 7,3. 7,5. pH. b 23 21. Temperatura pH (˚C). 19 17 15. y = 9,7793x - 46,795 R² = 0,5984. 13 11 6,2. 6,3. 6,4. 6,5. 6,6. 6,7. 6,8. 6,9. 7,0. 6,9. 7,0. pH. c 20 19. Temperatura pH (˚C). 18 17 16. y = 5,6512x - 20,183 R² = 0,7069. 15 14 6,2. 6,3. 6,4. 6,5. 6,6. 6,7. 6,8. pH. Figura 6. Gráficos das temperaturas em relação ao pH. a) temperatura pH x pH da primeira análise; b) temperatura pH x pH da segunda análise; c) temperatura pH x pH da terceira análise.. 17.

(22) Na Figura 7 é possível observar que o CE e o pH apresentaram suas maiores médias no mês de março. Isso pode ser devido às altas temperaturas nesse mês, que promovem a solubilização de algumas substâncias e consequentemente elevam o pH e a CE.. b 105. 6,8. 100. 6,7. 95. pH. CE (µS/cm). a. 90. 6,6 6,5. 85 80. 6,4 Março. Maio Meses. Julho. c. Março. Maio Meses. Julho. Março. Maio Meses. Julho. d 25. Temperatura pH (˚C). Temperatura CE (˚C). 25 20 15 10 5 0. 20 15 10 5 0. Março. Maio Meses. Julho. Figura 7. Gráficos das médias de a) CE; b) pH; c) temperatura CE; e d) temperatura pH.. Os valores de CE encontrados (Figura 7-a) podem estar de acordo com a quantidade de íons dissolvidos nas amostras de água. Ressalta-se que a CE está intimamente relacionada com a temperatura, e todos os valores obtidos de CE correspondem a uma mesma temperatura de 25ºC. O condutivímetro realiza as leituras e converte automaticamente seus valores de CE referentes a uma mesma temperatura padrão. Casali (2008) observou que quando as amostras apresentavam valores de pH menores que 6,0 suas respectivas CE apresentavam valores inferiores à 80 µS.cm-1. Ele encontrou também que valores mais alcalinos de pH 18.

(23) apresentavam valores de CE elevados corroborando com os resultados encontrados neste trabalho. Nas análises realizadas não foram encontrados valores de pH inferiores a 6,0 e consequentemente não foram encontrados valores de CE inferiores à 80 µS.cm-1. Entretanto, na primeira análise (Figura 8-a) foi possível observar uma relação estreita entre os valores de pH e CE. Quanto maiores foram os valores encontrados de pH, maiores foram seus respectivos valores de CE.. a 119 114. CE (μS/cm). 109 104 99. y = 21,154x - 40,679 R² = 0,588. 94 89 6,3. 6,5. 6,7. 6,9. 7,1. 7,3. 7,5. pH. b 98. CE (μS/cm). 93. 88. y = -4,129x + 116,72 R² = 0,0363. 83. 78 6,2. 6,3. 6,4. 6,5. 6,6. 6,7. 6,8. 6,9. 7,0. pH. c 119 114 y = -21,784x + 242,3 R² = 0,1984. CE (μS/cm). 109 104 99 94 89 84 6,1. 6,3. 6,5. 6,7. 6,9. pH. Figura 8. Gráficos de CE em função do pH. a) Primeira análise; b) Segunda análise; e c) Terceira análise. 19.

(24) Na Figura 9 está representado um gráfico da média geral do pH em ralação a média geral de CE. Neste gráfico é possível observar que com o aumento da CE o pH aumenta. Mas apesar da relação entre os dois, a curva de tendência apresentou um R2 muito baixo.. 120 115 y = 26,99x - 81,211 R² = 0,1923. CE (μS/cm). 110 105 100 95 90 85 6,4. 6,5. 6,6. 6,7. 6,8. 6,9. 7,0. pH. Figura 9. Gráfico de média geral CE em função da média geral do pH.. A partir dos mapas de CE (Figura 10) gerados pelo GeoR, observou-se que praticamente não houve variação temporal dos dados. Os maiores e menores valores de CE se concentraram na mesma região. Essa tendência dos valores de CE pode ser devida à algum tipo de contaminação da água em pontos específicos do campus, ou por algum tipo de vazamento que pode ser responsável por aumentar ou diminuir os valores de CE. Os dados da primeira (Figura 10-a) e da segunda coleta (Figura 10-b) foram transformados para a geração dos mapas. O mapa de CE da primeira coleta foi ajustado pelo modelo exponencial e o alcance obtido foi de 143 metros. Já a segunda coleta foi ajustada pelo modelo esférico, sendo seu alcance de 107 metros. A terceira resultou em um alcance de 197 metros sendo seu ajuste pela função matérn com kappa 2. Os valores de alcance encontrados sugerem que a uma determinada distância é possível encontrar valores semelhantes ao do ponto amostrado. 20.

(25) a. b. c. Figura 10. Geração de mapas de variação espacial de CE a) primeira coleta; b) segunda coleta c) terceira coleta. Os mapas de pH (Figura 11) obtidos nas três coletas mostraram que ocorreu variação temporal dos dados. Os maiores valores de pH não ficaram concentrados em uma mesma área, bem como os menores valores. Os dados da primeira (Figura 11-a) e segunda coleta (Figura 11-b) foram transformados para a geração de mapas. Os mapas da primeira e terceira análise foram ajustados pelo modelo matérn com kappa 2, sendo o alcance do primeiro igual a 433 metros e o terceiro igual a 156 metros. O mapa da segunda coleta foi ajustado pelo modelo esférico, obtendo-se um alcance de 88 metros. Os valores de alcance encontrados mostram que é possível encontrar valores semelhantes de pH até uma determinada distância. a. b. c. Figura 11. Geração de mapas de variação espacial de pH a) primeira coleta; b) segunda coleta c) terceira coleta.. 21.

(26) A variação dos valores de pH e CE pode influenciar experimentos conduzidos no Setor de Ciências Agrárias da UFPR. Se no processo de utilização da água do campus para esses experimentos não considerar-se a qualidade da água e os diferentes valores de pH e CE, prováveis erros (efeitos) experimentais podem ser ocasionados por essa razão.. 22.

(27) 4 CONCLUSÃO Nas três coletas a água apresentou valores de pH dentro dos intervalos estabelecidos para consumo e também para a irrigação. Os valores de pH apresentaram variação temporal dos dados nas três coletas. Os valores de CE encontrados não apresentaram variação temporal, concentrando os menores e maiores valores nas mesmas coordenadas.. 23.

(28) 5 AGRADECIMENTOS Ao Núcleo de Atividade de Engenharia e Biossistemas (NAEB) por disponibilizar o laboratório para as análises. Ao meu professor orientador Robson André Armindo pela sua dedicação. Aos meus amigos Hemile Lima, Luiz Ricardo Sobenko e Daniela Maria Martin pela colaboração.. 24.

(29) 6 REFERÊNCIAS ALESSIO, P.; Notas de Aula 07, Disciplina: Estatística e Probabilidade. UTFPR. ARMINDO, R. A.; COELHO, R. D.; TEIXEIRA, M. B., et al. Variabilidade espacial dos teores foliares de nutrientes em um pomar de citros sob irrigação localizada. Eng. Agrícola, Jaboticabal, v.32, n.3, p.479-489, maio/jun. 2012. BERNARDI, J.V.E. & LANDIM, P.M.B. Aplicação do Sistema de Posicionamento Global (GPS) na coleta de dados. DGA,IGCE,UNESP/Rio Claro, Lab. Geomatemática,Texto Didático 10, 31 pp. 2002. Disponível em <http://www.rc.unesp.br/igce/aplicada/textodi.html>. Acesso em: 11/07/2013. BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Manual de procedimentos de vigilância em saúde ambiental relacionada à qualidade da água para consumo humano / Ministério da Saúde, Secretaria de Vigilância em Saúde. – Brasília : Ministério da Saúde, 2006. 284 p. – (Série A. Normas e Manuais Técnicos). ISBN 85-334-1245-2 BRASIL. Ministério da Saúde. Secretaria de Vigilânica em Saúde. Coordenação-Geral de Vigilância em Saúde Ambiental. Portaria MS n.º 518/2004 / Ministério da Saúde, Secretaria de Vigilância em Saúde, Coordenação - Geral de Vigilância em Saúde Ambiental – Brasília: Editora do Ministério da Saúde, 2005. 28 p. – (Série E. Legislação em Saúde). ISBN 85334-0935-4. BU, H.; TAN, X.; LI, S.; et al. Temporal and spatial variations of water quality in the Jinshui River of the South Qinling Mts., China. Ecotoxicology and Environmental Safety 73 p 907–913, 2010. CAMARGO, E. C. G.; FUCKS, S. D.; CÂMARA, G.; A análise espacial de superfícies. INPE, São José dos Campos, SP, 2002. INPE-11443-PRE/6865. CARVALHO, E. A.; ARAÚJO, P. C. Localização: coordenadas geográficas. In. . Leituras Cartográficas e Interpretações Estatísticas I. EDUFRN, Natal, RN, 2008, 248 p. CARVALHO, E. A.; ARAÚJO, P. C. Localização: coordenadas geográficas. In. Localização: coordenadas planas – UTM. EDUFRN, Natal, RN, 2008, 248 p.. .. CASALI, C. A. Qualidade da água para consumo humano ofertada em escolas e comunidades rurais da região central do rio grande do sul. 173 f. Dissertação (Mestre em Ciência do Solo) - Universidade Federal de Santa Maria Centro de Ciências Rurais, Santa Maria, 2008. CHANDRASEKHARAN, H.; SARANGI, A.; NAGARAJAN, M.; et al. Variability of soil–water quality due to Tsunami-2004 in the coastal belt of Nagapattinam district, Tamilnadu. Journal of Environmental Management 89, p 63–72, 2008. CORWIN, D. L.; LESCH, S. M.; OSTER, J. D.; et al. Monitoring management-induced spatio–temporal changes in soil quality through soil sampling directed by apparent electrical conductivity. Geoderma 131, p 369–387, 2006. GENÚ, A. M.; Geoestatística Multivariada. Esalq-USP, Piracicaba, SP. 2004. GOMES, Natalino Martins et al. Métodos de ajuste e modelos de semivariograma aplicados ao estudo da variabilidade espacial de atributos físico-hídricos do solo. Rev. Bras. Ciênc. Solo [online]. 2007, vol.31, n.3, pp. 435-443. ISSN 0100-0683. http://dx.doi.org/10.1590/S0100-06832007000300003. 25.

(30) HASEGAWA, J. K.; GALO, M.; MONICO, J. F. G.; IMAI, N. N. Sistema de localização e navegação apoiado por GPS; In: XX Congresso Brasileiro de Cartografia. Recife – PE, 1999. CD-ROM. JANG, C. S.; CHEN, S. K.; KUO, Y. M. Establishing an irrigation management plan of sustainable groundwater based on spatial variability of water quality and quantity. Journal of Hydrology 414–415, p 201–210, 2012. Manual Técnico para Coleta de Amostras de Água. Estado de Santa Catarina, Ministério Público. Florianópolis – SC, 2009. <http://portal.mp.sc.gov.br/portal/conteudo/cao/cme/atividades/agua_limpa/manual_c oleta_%C3%A1gua.pdf>. Acesso em: 24/11/2012. MIRANDA, J.H.; PIRES, R.C.M. Irrigação. Piracicaba: FUNEP, 2003. 410p. (Série Engenharia Agrícola, 1). MOLIN, J. P.; Agricultura de precisão. Piracicaba, SP, 2001. 83p. PINTO, M. C. F.; et al. Manual Medição in loco: Temperatura, pH, Condutividade Elétrica e Oxigênio Dissolvido. CPRM – Serviço Geológico do Brasil. 2007. PETRUF, L. A.; SACCO, V. A.; LUCIO, L. C.; Oxigênio dissolvido (od), potencial hidrogeniônico (pH), temperatura e condutividade elétrica como parâmetros físicoquímicos da água do ribeirão morangueira, Maringá/PR. VIIII EPCC – Encontro Internacional de Produção Científica Cesumar. Maringá, PR. ISBN 978-85-8084-055-1. R Development Core Team (2011). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org/. YI, J. L. R.; FELGUEIRAS, C.; MONTEIRO, A. M.; et al. Análise espacial da distribuição e dinâmica da violência na cidade de São Paulo entre os anos 1996 e 1999. INPE. São José dos Campos, SP, 2000.. 26.

(31) 7 ANEXOS 7.1 Análise estatística dos dados #Programa para analisar a qualidade da água rm(list=ls()) ##limpa a memória require(stats) # carrega um pacote para análise estatística # Análise de CE CE <- read.table("E:\\CE.csv", dec=".", sep=";") # importa os dados da Tabela para o R CE plot(CE) # plota o comportamento (dispersão) dos dados points(CE) plot(CE, main="CE", xlab="Temperatura, ºC", ylab="Condutividade Elétrica, microS/cm") # plota o comportamento (dispersão) dos dados summary(CE) #mostra resumo estatístico dos dados mean=colMeans(CE) mean var(CE) desvio=sqrt(var(CE)) desvio CV=100*desvio/mean CV require(moments) kurtosis(CE) skewness (CE) # Análise da temperatura de CE tempCE <- read.table("E:\\tempCE.csv", dec=".", sep=";") # importa os dados da Tabela para o R tempCE plot(tempCE) # plota o comportamento (dispersão) dos dados plot(tempCE, xlim=c(0,30), main="temperatura para CE", ylab="Condutividade Elétrica, microS/cm") # plota o comportamento (dispersão) dos dados boxplot(tempCE) summary(tempCE) #mostra resumo estatístico dos dados var(tempCE) mean(tempCE) desviot=sqrt(var(tempCE)) CVt=100*desviot/mean(tempCE) CVt require(moments) kurtosis(tempCE) skewness(tempCE) # Análise do pH 27.

(32) pH <- read.table("E:\\pH.csv", dec=".", sep=";") # importa os dados da Tabela para o R pH plot(pH) # plota o comportamento (dispersão) dos dados plot(pH, xlim=c(6,8), main="pH", ylab="pH") # plota o comportamento (dispersão) dos dados boxplot(pH) ?plot # chama ajuda sobre qualquer comando summary(pH) #mostra resumo estatístico dos dados var(pH) mean(pH) desviopH=sqrt(var(pH)) desviopH CVpH=100*desviopH/mean(pH) CVpH require(moments) kurtosis(pH) skewness(pH). 7.2 Gráficos obtidos pelo GeoR. a. c. b. d. Figura 12. Gráficos de CE da primeira coleta a) bloxpot; b) reta de normalidade; c) exploratória; d) pontos.. 28.

(33) a. c. b. Figura 13. Gráficos de CE da segunda coleta a) bloxpot; b) reta de normalidade; c) exploratória. a. c. b. d. Figura 14. Gráficos de CE da terceira coleta a) bloxpot; b) reta de normalidade; c) exploratória; d) pontos.. 29.

(34) a. c. b. Figura 15. Gráficos de pH da primeira coleta a) bloxpot; b) reta de normalidade; c) exploratória.. Figura 16. Reta de normalidade do pH da segunda coleta.. 30.

(35) a. c. b. d. Figura 17. Gráficos de pH da terceira coleta a) bloxpot; b) reta de normalidade; c) exploratória; d) pontos.. 31.

(36)