Uso de SIG para mapear a susceptibilidade à erosão em Sinop-MT: ênfase em
estradas não pavimentadas
Use of GIS for mapping susceptibility to erosion in Sinop-MT: emphasis on unpaved
roads
Jonas Silva Ferreira1, Flavio Alessandro Crispim2
Resumo: A erosão é um fenômeno que, mesmo em condições naturais, afeta a economia de uma cidade, por exemplo, quando ela compromete as estradas vicinais. O objetivo desse trabalho é criar um mapa de erosão através de um métodos simples baseados em SIG. A EUPS é amplamente utilizada para determinar a erosão de uma região, logo, ela foi utilizada no desenvolvimento desse trabalho. Os fatores da EUPS foram obtidos através de imagens do Satélite Landsat 8, MDE’s do INPE e pesquisas bibliográficas, criando no final um mapa com resolução espacial de 30 m. Com o mapa de erosão gerado, foi possível estimar as áreas com maiores índices de erosão, os quais ocorreram em áreas acidentadas. Para verificar a erosão nas estradas vicinais foi necessária a adequação de alguns dados para melhorar a resolução de 30 m para 3 m. Através de visita aos trechos da estrada estudada, foi possível comprovar que o método se mostrou eficiente
Palavras-chave: Erosão; estradas vicinais; EUPS.
Abstract: Erosion is a phenomenon that even under natural conditions, affects the economy of a city, for example, when it commits itself as vicinal roads. The objective of this work is to create a map of erosion through simple GIS-based method. The USLE is widely used to determine the erosion of a region, so it was used in on development the work. The USLE factors were obtained through images of Landsat 8 Satellite, DEMs of INPE and bibliographical research, creating in the end a map with spatial resolution of 30 m. With the map of erosion generated, it was possible to conclude that the highest erosion rates are in the rugged areas. To verify an erosion on the vicinal roads was provided for the adequacy of some data to improve the resolution from 30 m to 3 m. Through a visit to the stretches of the studied road, it was possible to prove that the method is efficient.
Keywords: Erosion; vicinal roads; USLE. 1 Introdução
A erosão é um fenômeno natural que pode prejudicar as atividades locais, podendo tornar uma área inutilizável ou mesmo criando obstáculos que prejudicam o transporte de cargas e pessoas, quando ela atinge as estradas.
A magnitude da erosão dependerá de fatores como: tipo, relevo, rugosidade e estrutura do solo e da intensidade da chuva e do vento.
Em estradas vicinais, a erosão do solo pode ser intensificada devido à presença de condições geométricas propícias para o agravamento, como grandes declividades e extensos comprimentos de rampa, como citam Antonagelo e Fenner (2004). Uma maneira que se demostra capaz de gerar um mapa de susceptibilidade à erosão é a partir do uso da Equação Universal de Perda de Solo (EUPS), do inglês
Universal Soil Loss Equation (USLE). São incluídos
nessa equação os fatores que se associam com o fenômeno da erosão. A partir do levantamento de informações de cada variável e sua aplicação na fórmula, é possível estimar a perda de solo anual de uma região causada pela erosão laminar.
Através do sensoriamento remoto é possível gerar uma série de informações ligadas aos fatores que possuem relação com a erosão do solo, usando imagens de satélite, dados de entidades que disponibilizam
informações geográficas e softwares gratuitos como o QGis e comerciais como ArcGis.
Dentro deste contexto este trabalho buscou testar um método relativamente fácil e acessível que permita realizar um levantamento de informações e elaborar um anteprojeto capaz de apontar prováveis áreas com maior incidência de erosão voltado à influência em estradas vicinais.
2 Fundamentação Teórica
2.1 Erosão do solo
A erosão é um fenômeno que consiste no desprendimento, arraste e deposição do solo. No Brasil, o seu principal agente causador é a chuva conforme afirmam Sopchaki e Satos (2012). Dependendo da interação do homem com a natureza, esse fenômeno pode ser agravado e causar grandes problemas em relação à utilidade do solo e por consequência gerar prejuízos humanos, econômicos e ambientais.
Sopchaki e Santos (2012) afirmam que, com a ação dos impactos das gotas de chuva no solo, há uma desagregação das partículas do solo e uma porção é expelida a certa distância dando origem a um fenômeno chamado de erosão por salpicamento
(splash erosion), causando selamento do solo, pois os
agregados que foram fragmentados selam os poros do solo e/ou formam crostas, o que acarreta em uma dificuldade da infiltração da água. A água, após acumular-se em depressões começa a escoar sob a forma de um lençol (sheetflow), a chamada erosão laminar.
1Acadêmico de Engenharia Civil, UNEMAT, Sinop-MT, Brasil, [email protected]
2Doutor, Professor adjunto, UNEMAT, Sinop-MT, Brasil, [email protected]
A erosão laminar (ou erosão em lençol) caracteriza-se pelo desgaste e arraste uniforme e suave em toda a extensão sujeita ao agente (MAGALHÃES, 2001). A Figura 1 apresenta um modelo básico de como ocorre o processo de erosão laminar.
Figura 1: Modelo conceitual de erosão a partir do impacto de uma gota de chuva. Fonte: Adaptado de Tomaz (2008 apud
Dane County, 2003) 2.2 Estradas não pavimentadas
Estradas vicinais, em geral não pavimentadas, exercem grande influência para a economia municipal, principalmente para as cidades que possuem economia baseada na agropecuária, como afirma Fernandes (2008). Além disso, representa cerca de 80% das estradas brasileiras, como afirma o Boletim Estatístico de fevereiro de 2017 disponibilizado pela Confederação Nacional de Transportes (CNT). Um dos principais problemas das estradas vicinais é a exposição excessiva aos agentes causadores de erosão, o que compromete sua estrutura, prejudicando o fluxo de veículos e consequentemente causando prejuízos a diversos setores da economia.
2.3 Equação Universal de Perda de Solo
De acordo com Vieira (2008), a EUPS permite estimar a erosão correspondente às condições do uso e manejo do solo, declividade, tipos de solo, chuva e práticas conservacionistas, elaborando um mapa temático com o uso de um Sistema de Informações Geográficas (SIG).
A EUPS é representada pela Equação 1.
P
C
S
L
K
R
A
(Equação 1) Em que:A = perda anual de solo em toneladas por hectare por ano (ton/ha.ano);
R = fator erosividade da precipitação que considera a energia do impacto das gotas de chuva junto com a taxa de arraste do solo, ou seja, é a capacidade que a chuva tem de desprender as partículas do solo e as transportar, sua unidade é em megajoules vezes milímetro por hectare por hora por ano (MJ.mm/ha.h.ano);
K = fator erodibilidade do solo é a susceptibilidade de diferentes solos sofrerem erosão conforme sejam suas características físicas, químicas e biológicas, sua unidade de medida é tonelada vezes hectare vezes hora por hectare por megajoule por milímetro (ton.ha.h/ha.MJ.mm);
L = fator comprimento da encosta é a relação entre um comprimento de encosta qualquer e um comprimento de encosta de 22,13 m para mesmo solo e grau de inclinação, não possui unidade de medida;
S = fator declividade da encosta é a relação entre uma
área com declividade qualquer e uma declividade de 9%, não possuindo unidade de medida;
C = fator de cobertura e manejo do solo que pode ser obtido a partir de dados tabelados com o fator C definido pelo tipo de cobertura do solo;
P = fator práticas conservacionistas é obtido através de levantamentos agropecuários e verificação em campo, identificando o uso das práticas conservacionistas, como plantio direto, curvas de nível, plantio morro abaixo e práticas tradicionais.
Devido à dificuldades de se obter os valores estritamente concisos com a realidade para cada fator da EUPS, o resultado final da perda de solo encontrado não será exatamente o real, porém espera-se que seja capaz de demostrar com precisão as áreas mais ou menos vulneráveis à erosão.
2.4 Sensoriamento Remoto
Segundo Meneses e Almeida (2012) o Sensoriamento Remoto é uma ciência que visa o desenvolvimento da obtenção de radiação da superfície terrestre por meio da detecção e medição quantitativa das respostas das interações da radiação eletromagnética com os materiais terrestres.
Nery et al. (2013) utilizaram técnicas de geoprocessamento para a determinação das perdas de solo por erosão laminar na Bacia Hidrográfica do Córrego Canabrava na cidade de Guaraciama – MG. No trabalho O modelo digital de terreno possibilitou uma adequada modelagem da erosão laminar, na microbacia, utilizando a EUPS.
Coutinho et. al. (2014) realizaram o cálculo do fator LS da EUPS para a bacia do Rio da Prata utilizando dados cartográficos em ambiente de SIG.
3 Metodologia
Nesse trabalho foram utilizadas bibliografias, imagens do Satélite Landsat 8 OLI/TIRS e dados em Modelo Digital de Elevação (MDE) do projeto Topodata para levantar dados dos fatores que têm relação com o processo de erosão em Sinop-MT.
3.1 Local de Estudo
O local definido para estudo é delimitado pelos limites geográficos do município de Sinop-MT, que fica a aproximadamente 500 quilômetros da capital, Cuiabá, e faz limites territoriais com os municípios de Santa Carmem, Cláudia, Sorriso, Tapurah, Vera e Itaúba.
3.2 Obtenção e tratamento de dados
3.2.1 Landsat 8
Por meio do catálogo online EarthExplorer, no site do
United States Geological Survey (USGS), foram
obtidas as cenas do satélite Landsat 8 que cobrem a área em estudo. Foi necessário obter duas cenas para se realizar a cobertura total da área, as propriedades das cenas são descritas na Tabela 1.
Tabela 1: Propriedades das cenas utilizadas no estudo Cena Data Órbita Ponto 1 03-AUG-17 227 68 2 27-JUL-17 226 68
O critério utilizado para a escolha das cenas foi levar em conta a baixa presença de nuvens (menor que 10%) e a data de sua captura, de forma que se obtivessem imagens de boa qualidade e que informassem os dados necessários para a pesquisa. Com as bandas 4, 5 e 6 de cada cena foram foi realizada uma composição colorida, em falsa cor, que realça a vegetação. Esse processo gerou duas imagens coloridas com resolução espacial de 30 m e foi realizado utilizando o software QGis. O programa possui algoritmos chamados Superimpose Sensor e
Pansharpening, que permitem melhorar a resolução
espacial de uma imagem a partir da banda pancromática correspondente a ela, através de uma fusão entre as duas. Essas ferramentas foram utilizadas para melhorar as imagens coloridas obtidas pelo processo de composição, originando imagens coloridas com resolução espacial de 15 m, mesma resolução da banda pancromática.
Com as duas imagens coloridas prontas, foi gerado um mosaico utilizando o software ArcMap Trial, e em seguida feito o corte da área em estudo utilizando o comando “Recorte” do QGIS.
3.2.2 Modelo Digital de Elevação
Os MDEs necessários para o estudo foram os disponibilizados pelo Instituto Nacional de Pesquisa Espaciais (INPE, 2011). As cartas selecionadas foram: 11S57, 11S555, 12S57 e 12S55. As informações desses MDEs são correspondentes à situação de relevo do ano de 2008.
Utilizando o comando “Mosaico” do QGIS foi realizada a união das quatro imagens, originando uma única imagem que cobre toda a área. Em seguida foi realizado o corte da imagem de maneira similar ao corte da composição colorida.
3.3 Fatores da EUPS
Os fatores da EUPS foram obtidos de maneiras independentes e seus valores podem mudar dependendo das características de cada local dentro da área de estudo. A seguir serão descritos os processos para obtenção de cada um, sendo importante alegar que, no final do processo, todos os fatores devem estar com suas informações apresentadas em formato de raster.
3.3.1 Fator R
O fator R pode ser obtido utilizando dados pluviométricos, sendo calculado a partir das precipitações médias mensais e anuais. Especificamente para o estado de Mato Grosso pode-se citar o documento publicado pela Embrapa desenvolvido por Salton et al. (2013). Este documento contém as informações pluviométricas de cada posto pluviométrico instalado no estado e, com essas informações, é apresentado um mapa do fator de erosividade da chuva, como ilustrado na Figura 2.
Figura 2: Indicação do postos pluviométricos instalados no estado de Mato Grosso e da erosividade anual da chuva.
Fonte: Salton et al (2013).
O documento apresenta os valores de erosividade mensal e anual da chuva em cada posto.
Utilizando o mapa da Figura 2, foi projetada um arquivo vetorial sobrepondo a área correspondente à localização de Sinop no mapa de erosividade anual da chuva e inserindo o valor correspondente ao seu grau. Em seguida, esse shapefile foi transformado em raster através do comando “Rasterizar” do QGIS.
3.3.2 Fator K
De acordo com Florenzano (2011) o tipo e a intensidade da erosão variam com as propriedades dos solos e cada tipo de solo possui um fator K próprio. Particularizando para Sinop-MT, tem-se os tipos de solo representados na Figura 3, que são: Latossolo Vermelho Eutrófico, Latossolo Vermelho Amarelo Distrófico e Plintossolo Concrecionário.
Figura 3: Mapa de determinação dos tipos dos solos presentes no município de Sinop-MT. Fonte: Adaptado de
IBGE (2016)
Para estes solos são indicados na Tabela 2 os respectivos valores de K.
Tabela 2: Indicação dos fatores de erodibilidade para os tipos de solos adotados a partir de fontes bibliográficas. Tipo de Solo Fator K Fonte Bibliográfica
Latossolo
Vermelho 0,013
Borges et al. (2013 apud Chaves 1994) Latossolo
Vermelho-Amarelo 0,02
Borges et al. (2013 apud Chaves 1994) Plintossolo 0,055
Farinasso et al. (2006 apud Wischmeier et al.
1971) Fonte: Os Autores (2017)
Utilizando o mapa da Figura 3 e os valores da Tabela 2 foi projetado um arquivo vetorial delimitando as áreas de cada tipo de solo e inserindo o valor do grau de erodibilidade do solo. Em seguida, esse vetor foi transformado em raster através do comando “Rasterizar” do QGIS.
3.3.3 Fatores L e S
Farinasso et al. (2006) utilizam o cálculo do fator L proposto por Desmet e Govers (1996), que por sua vez se basearam nas equações de Foster e Wischmeier (1974). Esse cálculo é o representado na Equação 2.
m 2 m 1 m 1 m 22,13 D ] A D²) [(A L Equação 2 Em que:
L: fator de comprimento de vertente de uma célula; A: área de contribuição da célula em coordenadas; D: tamanho da célula;
x: coeficiente função do aspecto para grade de célula; m: coeficiente função da declividade.
Segundo Wischmeier e Smith (1978, apud Alves, 2009) o fator S pode ser obtido pela Equação 3.
0,065 0,0456.s 0,00654.s
S 2 Equação 3 Em que:
S: fator declividade (adimensional) e s: declividade média da vertente (%)
O cálculo do fator L foi realizado a partir de uma série de etapas de formação de mapas com o software ArcMap, descritas a seguir:
a) Inserir o MDE da área de estudo;
b) Geração de um mapa de direção de fluxos com o comando Flow Direction, a partir do mapa do passo anterior;
c) Geração de um mapa de acumulação de fluxo com o comando Flow Accumulation, a partir do mapa do passo anterior;
d) Geração de um mapa de declividade da encosta em graus a partir do mapa MDE da Figura 7, utilizando a ferramenta Slope.
O mapa do fator L é gerado incluindo os mapas gerados nas etapas descritas anteriormente na Equação 2.
Para incluir a Equação 2 no ArcMap e gerar um mapa representando o fator L, foi utilizado o comando Raster
Calculator, mas para isso gerou-se o mapa
correspondente ao coeficiente “m”, calculado conforme a Equação 4.
1
=
m
Equação 4Em que β é obtido pela Equação 5.
56
,
0
))
01745
,
0
(
sen
(
3
0896
,
0
/
)
01745
,
0
(
sen
=
0,8
Equação 5 Sendo:θ: declividade da encosta, em graus, correspondente ao mapa gerado da “etapa e”.
Para o cálculo do fator S é utilizada a Equação 3. Para isso foi gerado um mapa de declividade de encosta em porcentagem e em seguida adicionado na equação com a ferramenta Raster Calculator.
Com os mapas do fator L e fator S gerados, foi realizada a multiplicação dos dois também com a ferramenta Raster Calculator.
3.3.4 Fator C
O fator C é tanto maior quanto mais exposto estiver o solo. Na Tabela 3 são apresentados valores utilizados por Alves et al. (2009) indicando o fator C para alguns tipos de cobertura.
Tabela 3: Fator C para os tipos de cobertura do solo e suas fontes bibliográficas
Cultura Fator C Fonte Agricultura
irrigada 0,0180 Farinasso et al. (2006) Cultura anual 0,2000 Stein et al. (apud
BRITO et al., 1998) Solo exposto 1,0000 Farinasso et al. (2006)
Floresta 0,001 Santos et al. (2013) Fonte:Adaptado Alves et al (2009).
Superfícies consideradas impermeáveis, como revestimento asfáltico e construções são determinadas com fator C igual a zero, assim como superfícies cobertas por água.
A partir da imagem da Figura 6 foi realizado o processo de classificação supervisionada utilizando o plugin
“Semi-Automatc Classification” do QGIS escolhendo o
método de classificação por máxima verossimilhança. Com a classificação realizada, foram gerados polígonos a partir de cada grupo de cobertura, em seguida adicionaram-se os valores do fator C para cada tipo de cobertura conforme Tabela 3. Com os valores definidos foi realizada a transformação dos vetores para o formato raster.
3.3.5 Fator P
O fator P pode ser estimado a partir da Tabela 4 adotada por Pruski (2009).
Tabela 4: Estimativa do fator P para dois tipos de práticas conservacionistas
Práticas conservacionistas Fator P Plantio morro abaixo 1,0
Plantio em contorno 0,5 Fonte: Adaptada de Pruski (2009)
Essas práticas podem ajudam a combater a erosão e consequentemente a perda excessiva de solo. Para a classificação dos dois tipos de atividades conservacionistas citados na Tabela 4, foram utilizadas a imagem da cobertura de Sinop da Figura 6 em conjunto com as curvas de nível gerada a partir do MDE da Figura 7.
As curvas de nível foram geradas utilizando o comando “Contorno” da aba “Raster” do QGIS, no qual utilizou-se o intervalo altímetro de 5 m e, em utilizou-seguida, utilizando o comando “Suavizar geometria” para arredondar os vértices das curvas geradas de forma com que a visualização ficasse mais agradável e representasse melhor o ambiente.
Com o mapa de cobertura e as curvas de nível foi feita uma classificação a partir de uma análise visual comparando as áreas de plantação com as curvas de nível sobrepostas, demarcando as áreas desejadas com polígonos. Para os casos nos quais a plantação formasse traçados geométricos acompanhando a geometria das curvas de nível, classificava-se a área como plantio em contorno como é demonstrado na Figura 4, e para os casos em que a plantação formasse traçados perpendiculares às curvas de nível, classificava-se a área como plantio morro abaixo como ilustra a Figura 5.
Figura 4: Traçados geométricos de uma área de plantação (A) e as curvas de nível sobrepostas paralelamente aos
traçados sobre a mesma área (B). Fonte: Os Autores (2017)
Figura 5: Traçados geométricos de uma área de plantação (A) e as curvas de nível sobrepostas perpendicularmente aos
traçados sobre a mesma área (B). Fonte: Os Autores (2017)
Para inserir o fator P conforme os valores da Tabela 4, foi considerado que para a área sem práticas conservacionistas o valor adotado seria igual a um, o que sugere que nessas áreas não há influência para o controle de erosão. Para a prática de plantio morro abaixo o valor também é igual a um, conforme o Pruski (2009).
3.4 Mapa de Erosão
Com os cinco mapas formados correspondentes ao fatores da EUPS, utilizou-se a ferramenta “Calculadora raster” do QGIS para realizar a multiplicação conforme a Equação 1, gerando o mapa de susceptibilidade à erosão.
3.5 Mapa para estradas vicinais
Sabendo que uma imagem com resolução espacial de 30 m não faz uma boa identificação das estradas, já que dificilmente uma estrada vicinal tem uma largura que ultrapasse essa medida, se faz necessário realizar adaptações nos dados utilizados para a pesquisa, logo, 3 m foi a resolução espacial considerada razoável para a identificação das estradas.
3.6 Visita in loco
Com o objetivo de analisar a consistência das informações do mapa sobre erosão da estrada vicinal escolhida, no dia 16 de setembro de 2017 foi realizada uma visita ao local e com auxílio de um smartphone foram tiradas fotos nos pontos nos quais o mapa apontou maior grau de erosão. A localização em campo foi realizada através de um aplicativo do próprio aparelho.
4 Resultados e Discussão
Os mapas resultantes do tratamento das imagens utilizadas neste trabalho são apresentados a seguir. O resultado do processo de composição da imagem de cobertura do solo é demonstrado na Figura 6.
Figura 6: Composição colorida da cobertura de Sinop-MT do mês de julho de 2017 com resolução espacial de 15 m.
Fonte: Os Autores (2017).
O modelo digital de elevação obtido a partir critério descrito no item 3.2.2 é mostrado na Figura 7.
Figura 7: Mapa do Modelo Digital de Elevação em Sinop-MT. Fonte: Os Autores (2017)
O mapa de fator R obtido pelo processo do item 3.3.1 é mostrado na Figura 8, notando que a maioria da área tem fator entre 4.000 a 8.000.
Figura 8: Mapa de determinação dos valores de erosividade da chuva no mês de julho para Sinop-MT. Fonte: Os Autores
(2017)
O mapa de fator K obtido pelo processo do item 3.3.2 é mostrado na Figura 9, o qual indica que a maior área com fator K igual a 0,02, seguido de área com fator 0,013 e uma pequena área com fator 0,055.
Figura 9: Mapa de determinação dos valores de grau de erodibilidade do solo em Sinop-MT. Fonte: Os Autores
(2017)
O resultado encontrado para fator LS obtido a partir do item 3.3.3 é mostrado na Figura 10. Fazendo uma análise visual conclui-se que a área com maiores fatores está na região noroeste do mapa.
Figura 10: Mapa do Fator LS em Sinop-MT. Fonte: Os Autores (2017)
O mapa do fator C obtido pelo processo do item 3.3.4 é mostrado na Figura 11, concluindo que a maior área corresponde a valores entre 0,018 a 0,2.
Figura 11: Mapa do Fator C em Sinop-MT. Fonte: Os Autores (2017)
A classificação visual descrita no item 3.3.5 gerou o resultado mostrado na Figura 12.
Figura 12: Utilização de práticas conservacionistas no município de Sinop-MT. Fonte: Os Autores (2017)
O mapa do fator P obtido pelo processo do item 3.3.5 é demonstrado na Figura 13, sendo possível afirmar que grande parte da área não é contemplada com práticas conservacionistas apresentando então fator P igual a 1,0.
Figura 13: Mapa do Fator P em Sinop-MT. Fonte: Os Autores (2017)
O mapa final de erosão para Sinop é apresentado na Figura 14 e, em versão maior, no Anexo 1.
Figura 14: Mapa final de erosão para Sinop-MT. Fonte (2017)
É possível identificar distintamente que as áreas que contêm floresta nativa são as menos susceptíveis à erosão, tendendo ao valor 0.
Áreas cobertas por elementos urbanos também possuem um nível de susceptibilidade à erosão muito baixo ou nulo.
As áreas mais susceptíveis são aquelas com maior nível de inclinação.
Não foi possível identificar o grau de susceptibilidade à erosão nas estradas vicinais no Anexo 1, isso se deve a dois fatores: a) o mapa gerado tem resolução espacial de 30 m (pixels com equivalência de 30x30 metros). Essa foi a resolução mais alta que se pôde chegar utilizando os dados originais apresentados nesse artigo, principalmente em relação ao MDE disponibilizado pelo INPE, que possui essa resolução. b) Foi notado que a faixa de transição entre floresta e solo exposto é apresentada no mapa com alto nível de erosão. A justificativa desse comportamento é a alta inclinação indicada pelo MDE, sendo que este considera a altura da copa das árvores na indicação altimétrica, como a floresta termina de maneira abrupta e não gradativa até o solo exposto, os dados apontam um nível elevado de inclinação. Isso faz com que essa faixa possua indicadores fora do padrão da realidade, influenciando diretamente em vários trechos de estradas vicinais que ficam dentro dessa faixa de transição de mata para solo exposto.
Foram gerados vetores sobrepondo as principais estradas não pavimentadas dentro da área estudada, com isso realizou-se a coleta das informações de susceptibilidade à erosão do mapa da Figura 14 a partir dos pixels sobrepostos por esses vetores, ou seja, as informações contidas nos pixels por onde se passava uma estrada não pavimentada foram extraídas. Com as informações referentes apenas às estradas, pode-se fazer análises mais claras sobre a erosão nesses locais. O Anexo 2 apresenta a cobertura de Sinop com as informações sobre a erosão somente nas estradas. Durante o trabalho, também foi realizado um ensaio com os arquivos utilizados em busca de obter um mapa final com uma imagem de melhor resolução.
Foi determinada uma área onde há estradas vicinais sem presença de floresta em seus entornos, evitando a faixa de transição entre mata e solo exposto. Além disso, todos os fatores da EUPS precisam estar em formato de raster com a mesma resolução espacial. Foi escolhida uma área que possui trechos de estradas vicinais que não tenham floresta em seus entornos. A área escolhida está representada na Figura 15.
Figura 15: Área escolhida que contém trechos de estradas vicinais sem florestas nos entornos. Fonte: Google Earth
(2017)
Os trechos da estrada dentro dessa área é demostrado na Figura 16, medindo cerca de 9,7 km.
Figura 16: Trecho da estrada que não possui floresta em seus entornos. Fonte: Google Earth (2017)
Com a região já definida, foram feitos os preparos dos fatores da EUPS para a geração do mapa de susceptibilidade à erosão com enfoque para estrada vicinal.
A ação a se tomar com o MDE é transformá-lo em curva de nível, utilizando o comando “Extração de Contorno” do QGIS e a partir dessas curvas, gerar um novo MDE, utilizando o comando “r.surf.contour” com resolução de 3 m. A partir do MDE gerado, foram realizados os procedimentos do item 3.3.3 para gerar o mapa do fator LS da região. O problema que pode ocorrer nessa adaptação do MDE original de 30 m para um de 3 m é afetar de forma considerável a genuinidade das informações do MDE original. Porém, fazendo uma análise visual e geral entre o mapa de fator LS gerados a partir do MDE original de 30 m com o mapa gerado a partir do MDE de 3 m, é possível afirmar que os dados não foram prejudicados, como destaca a comparação de uma pequena área na Figura 17.
Figura 17: Demonstração do fator LS com resolução espacial de 30 m (A) e resolução espacial de 3 m (B) para uma
mesma área. Fonte: Os Autores (2017)
Em relação ao fator C, dependendo do tamanho da área estudada, a classificação do tipo de cobertura do solo pode ser feita de forma manual, criando vetores sobrepondo os elementos de cobertura do solo com auxílio de uma imagem de satélite, que poderá ser a própria imagem do Landsat 8 utilizada nesse trabalho, sem a necessidade do uso de ferramentas de classificação supervisionada Isso faz com que se obtenha uma classificação com maior resolução
espacial, por exemplo, a resolução necessária de 3 m para o estudo, pois com a classificação supervisionada a resolução se limita ao tamanho do pixel da imagem de satélite utilizada, no caso, 15 m. A Figura 18 mostra o mapa do fator C gerado a partir de uma classificação manual de cobertura do solo, no qual os polígonos gerados para cada tipo de cobertura seguiram os valores da Tabela 3, da mesma forma como se foi descrita no item 3.3.4.
Figura 18: Fator C para a área com os trechos de estradas vicinais escolhidos.
Fonte: Os Autores (2017)
Para os fatores R, K e P, foram realizados os mesmos procedimentos já descritos nos itens 3.3.1, 3.3.2 e 3.3.5, respectivamente, com a diferença apenas na limitação da área, que ao invés de gerar um mapa para todo o limite de Sinop, gerou-se os mapas apenas da área que delimita os trechos das estradas escolhidas. Para o fator P, dentro da área em questão não foi identificada nenhuma prática conservacionista, logo, não foi incluída na geração do mapa de erosão. Na Figura 19 é mostrado o mapa resultante.
Figura 19: Locais identificados com alto grau de susceptibilidade à erosão. Fonte: Os Autores (2017)
As fotografias tiradas nos locais referentes aos pontos demarcados na Figura 19, são mostradas nas Figura 20, Figura 21, Figura 22 e Figura 23.
Figura 20: Fotografia referente ao ponto 1 da Figura 19. Fonte: Os Autores (2017)
Figura 21: Fotografia referente ao ponto 2 da Figura 19. Fonte: Os Autores (2017)
Figura 22: Fotografia referente ao ponto 3 da Figura 19. Fonte: Os Autores (2017)
Figura 23: Fotografia referente ao ponto 4 da Figura 19. Fonte: Os Autores (2017)
Analisando as fotografias, é possível identificar erosão laminar acentuada, caracterizada pelo excesso de partículas de solo soltas, principalmente nas fotografias dos pontos 2 e 4, onde no Ponto 1 está localizada uma curva de raio relativamente pequeno e uma declividade considerável e o Ponto 4 é referente a um local com alta declividade, concluindo que o mapa apresentou informações concisas com a realidade do local. Porém houve pelo menos um local com um grau de erosão considerável no qual o mapa indicou com um grau não tão alto, como fez para os pontos mencionados anteriormente. Esse ponto se refere à curva antes do Ponto 1 da Figura 19 e a fotografia do local pode ser visualizada na Figura 24.
Figura 24: Curva com grau considerável de erosão. Fonte: Os Autores (2017)
Uma hipótese para a situação é em relação a erosão causada pelo tráfego dos veículos, que não é considerado na formulação da EUPS.
5 Conclusão
O uso de SIG para determinação da susceptibilidade à erosão em estradas não pavimentadas através dos fatores da EUPS se mostrou eficiente, pois o mapa final de erosão do Anexo 2 indicou níveis altos em alguns pontos cujo a erosão foi comprovada por visita a campo. Porém, o mesmo mapa deixou de indicar erosão em pelo menos um local cujo identificou-se degradação do solo durante a visita.
O estudo para determinar um coeficiente que defina a influência do tráfego de veículos sobre a estrada, em relação à erosão, aponta ser viável que, por ventura, poderá complementar a EUPS para ser devidamente aplicada em estudos de erosão nas estradas não pavimentadas.
Sugestões
Realizar um teste mais aprofundado da EUPS para uma área menor.
Fazer o mapa de susceptibilidade à erosão utilizando o fator K correspondente a cada mês do ano e analisar a diferença em relação ao mapa que utilizou o fator K anual, contido nesse artigo.
Estudar um coeficiente de impacto de erosão causado pelo tráfego de veículos em estradas vicinais, e adaptar esse fator junto à EUPS.
Agradecimentos
É com grande alegria e uma honra imensurável que eu cito neste momento o nome dos meus pais Antonia Cunha e Francisco Ferreira, pessoas que se dedicaram ao máximo para formar o homem que eu tenho orgulho de ser hoje.
Agradeço a minha irmã Janaina e minha noiva Daiane por toda companhia, apoio e demonstração de amor que elas sempre me oferecem.
E é claro, não posso deixar de agradecer aos meus grandes amigos que tive a honra de conhecer durante a graduação: Eduardo S., Heytor A., Leonardo P., Marcos V., Paulo César e Rodrigo F. Em especial, agradeço ao Luis Pablo, ou simplesmente Pablo, que foi a primeira pessoa que tive contato ao ingressar da faculdade, e desde então vivenciamos momentos épicos durante as atividades acadêmicas e também nas descontrações.
Referências
ALVES, J. S. et al. Levantamento dos fatores da
Equação Universal de Perdas de Solo (Eups) para o delineamento de áreas com potencial erosivo da Bacia do Rio Paranaíba (PN1 - IGAM). EPAMIG. Belo
Horizonte. 2009.
AMORIM, R. S. S.; SILVA, D. D.; PRUSKI, F. F.
Principais modelos para estimar as perdas de solo em áreas agrícolas. In: Pruski, F. F. (ed.), Conservação de solo e água: Práticas mecânicas para o controle da erosão hídrica, 2 ed., Cap. 4, Viçosa: Ed. Viçosa, 2009.
ANTOGELO, A.; FENNER, P. T. Avaliação do sistema
de informações geográficas Grass para predição dos riscos de erosão em estradas de uso florestal.
Faculdade de Ciências Agronômicas da Unesp. Botucatu - SP. 2004.
BALAN, W. C. A Imagem Digital, 2009. Disponivel em: <http://www.willians.pro.br/textos/A%20Imagem%20Di gital%20- %20Willians%20Cerozzi%20Balan.pdf>. Acesso em: 03 janeiro 2017.
BRASIL, Decreto 89.817 de 20 de junho de 1984.
Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. Diário Oficial da
República Federativa do Brasil, Brasília, n120, 22 de junho de 1984.
BORGES, K., CARVALHO JÚNIOR, O., MARTINS, E., GOMES, R., GUIMARÃES, R. Vulnerabilidade natural:
a perda de solo da bacia do rio Carinhanha (MG/BA) usando uma abordagem qualitativa da equação universal de perda de solos. GEOgraphia, Brasilia,
2013. Disponível em: <
http://www.geographia.uff.br/index.php/geographia/arti cle/view/522/340 >. Acesso em: 27 de abril de 2017. CELESTINO, V. S.; SALDANHA, D. L.; ROCHA, R. S.
Avaliação da qualidade de produtos gerados a partir de imagem Quickbird at PEC – Brasileiro. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Santa Catarina, Florianópolis, 2007.
CONFEDERAÇÃO NACIONAL DE TRANSPORTE.
Boletim Estatístico, 2017. Disponível em:
<http://www.cnt.org.br/Boletim/boletim-estatistico-cnt>.
Acesso em: 19 de abril de 2017.
COUTINHO, L. M.; CECÍLIO, R. A.; GARCIA, G. O.; XAVIER, A. C.; ZANETTI, S. S.; MOREIRA, M. C.
Cálculo de fator LS da Equação Universal de Perdas de Solos (EUPS) para a bacia do Rio da Prata, Castelo-ES. Universidade Federal de Roraima. Boa Vista, RO.
2014.
CUNHA, K. L. Uso de imagens Landsat e CBERS no
mapeamento da susceptibilidade à erosão na região de Primavera do Leste - MT. Universidade Federal de
Mato Grosso. Cuiabá. 2009.
ENVIRONMENTAL SYSTEMS RESEARCH
INSTITUTE (ESRI). ArcGIS Professional GIS for the desktop, versão 10.4, 2016.
FARINASSO, M. et al. Avaliação qualitativa do
potencial de erosão laminar em grandes áreas por meio da EUPS-Equação Universal de Perdas de Solos utilizando novas metodologias em SIG para cálculos dos seus fatores na região do Alto Parnaíba-PI-MA.
Revista Brasileira de Geomorfologia, 2006. Disponivel
em: <
GO_AvaliacaoQualitativaPotencial.pdf >. Acesso em: 2017 agosto 17.
FERNANDES, A. F. Detecção de estradas não
pavimentadas com o uso de imagens orbitais de média resolução espacial. Universidade Federal de Goiás.
Goiânia. 2008.
FLORENZANO, T. G. Iniciação em Sensoriamento
Remoto. 3°. ed. revisada e atualizada. São Paulo (SP):
Oficina de Textos, 2011.
GRIEBELER, N. P. et al. Modelo para a determinação
do espaçamento entre desaguadouros em estradas não pavimentadas. R. Bras. Ci. Solo. 29:297-405.
2005.
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS.
TOPODATA: Banco de Dados Geomorfométricos do Brasil. São José dos Campos-SP, 2011. Disponível em:
<http://www.webmapit.com.br/inpe/topodata/>. Acesso em: 16 de setembro de 2017.
KIM, H. S. Soil erosion modeling using RUSLE and GIS
on the IMHA watershed, South Korea. Colorado State
Univesity. Fort Colins, Colorado. 2006.
LANDAU, E. C.; GUIMARÃES, D. P. Análise
comparativa entre os modelos
digitais de elevação ASTER, SRTM E TOPODARA.
INPE. Sete Lagoas. 2011.
MAGALHÃES, R. A. Erosão: Definições, tipos e formas
de controle. VII Simpósio Nacional de Controle de
Erosão. Goiânia (GO). 2001.
MENESES, P.R., ALMEIDA, T. Introdução ao
processamento de imagens de sensoriamento remoto.
Universidade de Brasília. Brasília, 2012.
NERY, C. V. M.; LIMA, F. L. Uso do Geoprocessamento
na determinação das perdas de solo por erosão laminar na Bacia Hidrográfica do Córrego Canabrava.
Faculdades Santo Agostinho. Foz do Iguaçu, PR. 2013. SALTON, J. C.; COMUNELLO, É.; FIETZ, C. R.
Estimativa de índices de erosividade da chuva para o estado de Mato Grosso. Embrapa Agropecuária Oeste.
Dourados (MS). 2013.
SHERMAN GE, SUTTON T, BLAZEK R, HOLL S, DASSAU O, MORELY B, MITCHELL T AND LUTHMAN L. 2011. Quantum GIS User Guide - Version 2.18.13 . Acesso em: 20/05/2017. Disponível em: https://qgis.org/pt_BR/site/forusers/download.html SOPCHAKI, C. H.; SANTOS, L. J. C. Metodologia de
cadastro de erosões na bacia do Rio do Meio, Pinhais-PR. Geografia Ensino & Pesquisa, vol. 16, n. 2.
Cascavel - PR, p. 147-162. 2012.
U.S. Department of the Interior; U.S. Geological Survey. Landsat 8 History, Última modificação em
2016. Disponivel em:
<https://landsat.usgs.gov/landsat-8-history>. Acesso em: 03 janeiro 2017.
U.S. GEOLOGICAL SURVEY. EarthExplorer.USGS,
2016. Disponivel em:
<https://earthexplorer.usgs.gov/>. Acesso em: 05 Agosto de 2017.
VIEIRA, V. F. Estimativa de perdas de solo por erosão
hídrica em uma subbacia hidrológica. Universidade
55°20'0"W
55°20'0"W
55°40'0"W
55°40'0"W
1
1°2
0'
0"
S
1
1°2
0'
0"
S
1
1°4
0'
0"
S
1
1°4
0'
0"
S
12
°0'0
"S
12
°0'0
"S
Susceptibilidade à erosão laminar em Sinop-MT (ton/ha.ano) máx : 132.368,0 mín : 0 0 375 750 1.500 Km MT PA GO RO TO AM MS MGANEXO 1: Susceptibilidade à erosão em Sinop-MT
Datum WGS 1984 Fonte: FERREIRA e CRISPIM (2017)
UNIVERSIDADE DO ESTADO DE MATO GROSSO Campus de Sinop
-55°20'0"W
55°20'0"W
55°40'0"W
55°40'0"W
1
1°2
0'
0"
S
1
1°2
0'
0"
S
1
1°4
0'
0"
S
1
1°4
0'
0"
S
12
°0'0
"S
12
°0'0
"S
0 375 750 1.500 Km MT PA GO RO TO AM MS MGANEXO 2: Susceptibilidade à erosão nas estradas não pavimentadas de Sinop-MT
Datum WGS 1984 Fonte: FERREIRA e CRISPIM (2017)
UNIVERSIDADE DO ESTADO DE MATO GROSSO Campus de Sinop
-Susceptibilidade à erosão laminar em Sinop-MT (ton/ha.ano) máx : 89.380,9 mín : 0 Rodovias Estaduais BR 16355°38'0"W
55°38'0"W
55°39'0"W
55°39'0"W
55°40'0"W
55°40'0"W
1
1°4
9'
0"
S
1
1°4
9'
0"
S
1
1°5
0'
0"
S
1
1°5
0'
0"
S
ANEXO 3: Susceptibilidade à erosão em uma microrregião de Sinop-MT
Datum WGS 1984
Fonte: FERREIRA e CRISPIM (2017)
UNIVERSIDADE DO ESTADO DE MATO GROSSO Campus de Sinop
-0 0,2 0,4 0,8 Km Sinop - MT Susceptibilidade à erosão laminar em Sinop-MT (ton/ha.ano)