UNIVERSIDADE DO ESTADO DE MATO GROSSO – UNEMAT
JONAS SILVA FERREIRA
USO DE SIG PARA MAPEAMENTO DE SUSCEPTIBILIDADE À
EROSÃO EM SINOP-MT
Ênfase em estradas não pavimentadas
Sinop
UNIVERSIDADE DO ESTADO DE MATO GROSSO – UNEMAT
JONAS SILVA FERREIRA
USO DE SIG PARA MAPEAMENTO DE SUSCEPTIBILIDADE À
EROSÃO EM SINOP-MT
Ênfase em estradas não pavimentadas
Projeto de Pesquisa apresentado à Banca Examinadora do Curso de Engenharia Civil – UNEMAT, Campus Universitário de Sinop-MT, como pré-requisito para obtenção do título de Bacharel em Engenharia Civil.
Prof. Orientador: Dr. Flavio Alessandro Crispim.
Sinop
LISTA DE TABELAS
Tabela 1: Classificação das bandas do satélite Landsat 8 em relação aos seus comprimentos de onda e resolução espacial. ... 18 Tabela 2: Valores mensais e anual médio do fator de erosividade (MJ mm ha-1 h-1 ano-1). ... 25 Tabela 3: Indicação dos fatores de erodibilidade para os tipos de solos adotados a partir de fontes bibliográficas. ... 25 Tabela 4: Fator C para os tipos de cobertura do solo e suas fontes bibliográficas. .. 27 Tabela 5: Estimativa do fator P para três tipos de práticas conservacionistas: Plantio em contorno (Contouring), Pantio em desnível (Strip Cropping) e Terraceamento (Terracing). ... 28
LISTA DE FIGURAS
Figura 1: Modelo conceitual de erosão a partir do impacto de uma gota de chuva ... 13 Figura 2: Mapa de determinação dos tipos dos solos presentes no município de Sinop-MT. ... 15 Figura 3: Mapa de determinação das regiões pluviométricas do estado de Mato Grosso definidas pela Embrapa. ... 22 Figura 4: Equações selecionadas para calcular os fatores de erosividade para cada região pluviométrica. ... 23 Figura 5: Mapa de determinação dos fatores de erosividade da chuva para o estado de Mato Grosso. ... 24 Figura 6: Classificação da erosividade da chuva considerando o fator R. ... 24 Figura 7: Localização da área de estudo no mapa do estado de Mato Grosso... 29 Figura 8: Indicação dos quadrantes das cenas em MDE da missão SRTM para o estado de Mato Grosso, em destaque as quatro cenas usadas no projeto. ... 30 Figura 9: Comparação entre as composições das bandas 4, 5 e 6 (A) e as bandas 2, 3 e 4 (B)... 31 Figura 10: Comparação entre a resolução da composição colorida das bandas 4, 5 e 6 (A) e a mesma composição com a fusão da banda pancromática 8 com resolução de 15m (B), na região do aeroporto de Sinop-MT. ... 32 Figura 11: Processos para análise de perda de solo utilizando SIG. ... 35
LISTA DE ABREVIATURAS
AGEITEC – Agência Embrapa de Informação Tecnológica ANA – Agência Nacional de Águas
CNT – Confederação Nacional de Transporte
DNER – Departamento Nacional de Estradas de Rodagem EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária EUPS – Equação Universal de Perda de Solo
IBAMA – Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis
IBGE – Instituto Brasileiro de Geografia e Estatística
ICMBIO – Instituto Chico Mendes de Conservação da Biodiversidade INPE – Instituto Nacional de Pesquisas Espaciais
Landsat – Land Remote Sensing Satellite MDE – Modelo Digital de Elevação
NASA – National Aeronautics and Space Administration SEPLAN – Secretaria de Estado de Planejamento SIG – Sistema de Informações Geográficas
SRTM – Shuttle Radar Topography Mission USGS – United States Geological Survey UTM – Universal Transversal de Mercator
DADOS DE IDENTIFICAÇÃO
1. Título: USO DE SIG PARA MAPEAMENTO DE SUSCEPTIBILIDADE À EROSÃO EM SINOP-MT: ênfase em estradas não pavimentadas
2. Tema: ENGENHARIA CIVIL (30100003)
3. Delimitação do Tema: SENSORIAMENTO REMOTO (10702067) 4. Proponente (s): Jonas Silva Ferreira
5. Orientador (a): Dr. Flavio Alessandro Crispim
6. Estabelecimento de Ensino: UNEMAT – Universidade do Estado de Mato Grosso – Campus Sinop
7. Público Alvo: Comunidade acadêmica
8. Localização: Avenida dos Ingás, 3001 Jardim Imperial, Sinop/MT – CEP: 78555-000.
SUMÁRIO
LISTA DE TABELAS ... I LISTA DE FIGURAS ... II LISTA DE ABREVIATURAS ... III DADOS DE IDENTIFICAÇÃO ... IV 1 INTRODUÇÃO ... 7 2 PROBLEMATIZAÇÃO ... 10 3 JUSTIFICATIVA... 11 4 OBJETIVOS ... 12 4.1 OBJETIVO GERAL ... 12 4.2 OBJETIVOS ESPECÍFICOS ... 12 5 FUNDAMENTAÇÃO TEÓRICA ... 13 5.1 EROSÃO DO SOLO ... 13
5.2 TIPO DE SOLO E SEU GRAU DE ERODIBILIDADE ... 14
5.3 ESTRADAS NÃO PAVIMENTADAS E SEU GRAU DE ERODIBILIDADE . 16 5.4 VEGETAÇÃO COMO AGENTE CONTROLADOR DE EROSÃO ... 16
5.5 IMAGENS DIGITAIS ... 17
5.5.1 Landsat 8 ... 17
5.5.2 Missão SRTM ... 19
5.6 CLASSIFICAÇÃO SUPERVISIONADA ... 19
5.7 EQUAÇÃO UNIVERSAL DE PERDA DE SOLO ... 20
5.7.1 Erosividade da precipitação (R) ... 21
5.7.2 Erodibilidade do solo (K) ... 25
5.7.3 Comprimento da encosta (L) Declividade da encosta (S) ... 25
5.7.4 Cobertura e manejo da cultura (C) e Práticas conservacionistas (P) 27 5.8 ALTERNATIVA PARA EVITAR DE EROSÃO EM ESTRADAS VICINAIS . 28 6 METODOLOGIA ... 29
6.1 LOCAL DE ESTUDO ... 29
6.2 OBTENÇÃO E TRATAMENOS DOS DADOS ... 29
6.2.1 Landsat 8 ... 29
6.2.2 Missão SRTM ... 30
6.3 PRÉ-PROCESSAMENTO ... 30
6.4 COMPOSIÇÃO COLORIDA E REALCE ... 31
6.5 LEVANTAMENTO DOS FATORES DA EQUAÇÃO UNIVERSAL DE PERDA DE SOLO ... 32
6.5.2 Fator K ... 32
6.5.3 Fatores L e S ... 33
6.5.4 Fatores C e P ... 33
6.6 APLICAÇÃO DA EUPS NO SOFTWARE ... 34
6.7 ANÁLISE DOS RESULTADOS E SOLUÇÕES ... 35
7 CRONOGRAMA ... 36
1 INTRODUÇÃO
A erosão, mesmo em condições naturais, prejudica as atividades locais, em muitos casos inutilizando as terras para a agricultura, transpondo obstáculos em estradas e arruamentos e contribuindo para o assoreamento dos rios (VALIM, 2003).
A intensidade da erosão dependerá de fatores como: tipo de solo, topografia, rugosidade e estrutura de solo, além da incidência de chuva e vento em sua região.
Nas estradas vicinais a erosão pode ser potencializada devido as suas propriedades geométricas. Segundo Antonagelo e Fenner (2004) a erosão causada pela existência de estradas é maior em função do aumento da declividade e do comprimento de rampa, pois estes fatores aceleram a velocidade da enxurrada.
Estradas não pavimentadas são essenciais para os municípios, principalmente para aqueles que têm sua economia baseada na agropecuária (FERNANDES, 2008) e segundo a pesquisa feita em 2016 pela Confederação Nacional de Transportes (CNT), 1.351.979 km da malha rodoviária brasileira não é pavimentada, contrapondo-se aos 211.468 km pavimentados, ou seja, cerca de 84% das rodovias são de estradas vicinais e rurais de terra, reforçando em dados quantitativos a importância das estradas vicinais.
Um dos problemas das estradas não pavimentadas é a sua degradação devido aos processos erosivos, afetando também áreas marginais impactando o meio ambiente, causando prejuízos aos mais variados setores da economia e da sociedade (CASARIN e OLIVEIRA, 2008).
Diante dessas condições, se faz necessária a busca por técnicas de levantamento de dados que exerçam influência no anteprojeto de estradas e para apontar, de uma forma mais fácil e eficiente, possíveis anomalias relacionadas à erosão presentes na área de interesse.
O uso do sensoriamento remoto permite a execução de uma série de projetos que englobam assuntos diferentes, mas que em determinado momento admite fazer o cruzamento dos resultados obtidos, dando origem a um projeto bem elaborado e que satisfaça um tema que depende de várias variáveis, como um estudo de susceptibilidade a erosão.
É possível realizar estudos sobre erosão do solo a partir de dados de satélite e de entidades que disponibilizam informações geográficas em conjunto com
técnicas de classificação da ocupação do solo na região estudada, usando atributos de fácil acesso como softwares de SIG em código aberto Open Source, como o Quantum Gis e softwares comerciais em versão Trial como o ArcGis 10.4 Trial.
Com a evolução das técnicas de sensoriamento remoto e o investimento e parcerias entre o INPE e órgãos de pesquisas de outros países, se tornou mais aberto o acesso a informações e dados geográficos por imagens de satélite e assim proporcionando um grande enriquecimento das pesquisas geográficas em várias áreas do conhecimento cartográfico, incluindo o levantamento de dados e informações que auxiliam em diversos tipos de projetos.
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.
Uma Equação muito utilizada para se gerar um mapa de erosão é a Equação Universal de Perda de Solo (EUPS). A Equação Universal de Perda de Solo (EUPS) do inglês Universal Soil Loss Equation (USLE) é um modelo conhecido para se estimar taxas de perdas anuais de solo por erosão, desenvolvida em 1954 no National Runoff and Soil Loss Data Center (Purdue University, USA) e posteriormente revisado por Wischmeier e Smith (1978).
Um método que pode ser capaz de controlar a erosão em estradas não pavimentadas foi desenvolvido por Griebeler et al (2005), que tem por objetivo determinar o espaçamento máximo entre desaguadouros em estradas vicinais. Esse método consiste em realizar uma modelagem do escoamento nas áreas de contribuição e do canal para calcular a vazão resultante, o que permite determinar a tensão de cisalhamento provocada por esse escoamento. Com a tensão cisalhante calculada, pode-se realizar uma comparação entre a perda de solo provocada pelo escoamento e a perda de solo tolerável para o local de estudo e assim determinar o espaçamento entre os desaguadouros que controlam a erosão, considerando a ocorrência com que a perda de solo causada pelo escoamento da água ultrapasse a perda tolerável.
O presente trabalho implicará em realizar um levantamento de dados que interferem na erosão e, com esses dados, gerar um mapa que informará as áreas susceptíveis a esse fenômeno. A partir do mapa gerado, o objetivo será comparar suas informações com levantamento de dados em campo, buscando características típicas de erosão nas áreas susceptíveis, priorizando as estradas vicinais. Também
será analisada a possibilidade de aplicação de técnicas que minimizem os impactos do escoamento da água de chuva na via com a consequente erosão do solo.
2 PROBLEMATIZAÇÃO
A erosão é um fenômeno natural que pode ser agravado por técnicas antrópicas mal elaboradas ou sem um planejamento prévio. Em casos mais graves, esse fenômeno pode resultar em um grande desprendimento massivo de solo tornando-o inutilizável.
Nas estradas vicinais, a erosão provocada pela água no leito e nas margens das estradas é um dos principais fatores para sua desagregação (GRIEBELER et al, 2005 apud ANJOS FILHO, 1998).
Além de prejudicar as próprias estradas, o processo de erosão forma sedimentos que irão se desagregar e se depositar em locais que poderão alastrar o fenômeno da erosão para toda a região.
3 JUSTIFICATIVA
Devido ao fato dos custos da construção e manutenção das estradas serem muito elevados e que sua construção deve seguir um roteiro que considere todos os fatores que possam prejudicar sua estrutura, como afirmam Griebeler et al (2005), é essencial ter disponível uma base de dados que contenha informações sobre os fatores que potencializem e controlem o processo de erosão.
Uma boa alternativa para a elaboração do projeto de uma estrada é a consulta de um mapa de susceptibilidade à erosão que irá informar as áreas mais propicias a esse fenômeno e assim podendo ser evitadas no traçado.
4 OBJETIVOS
4.1 OBJETIVO GERAL
Gerar um mapa de susceptibilidade a erosão na região do município de Sinop, enfatizando áreas por onde passam estradas vicinais, através da determinação dos fatores da EUPS, utilizando imagens de satélite e softwares de SIG para a geração do mapa de susceptibilidade e, por fim, aplicar a metodologia de Griebeler et al (2005) como medida de controle da erosão.
4.2 OBJETIVOS ESPECÍFICOS
Obter imagens do Satélite Landsat 8 e fazer suas devidas classificações com auxílio de softwares para conseguir uma boa qualidade de coleta de dados.
Obter imagens SRTM para analisar e desenvolver mapas de relevo que indicarão potenciais de susceptibilidade a erosão na área estudada.
Levantamento de informações sobre o tipo de solo na região do munícipio de Sinop – MT.
Detectar as características do processo erosivo e áreas erodidas na região em estudo.
Detectar os valores que potencializem e que controlam a erosão na região em estudo.
Gerar um mapa de susceptibilidade à erosão na região do município de Sinop.
5 FUNDAMENTAÇÃO TEÓRICA
5.1 EROSÃO DO SOLO
Pode-se classificar a erosão quanto ao seu agente causador como eólica ou hídrica, no qual correspondem ao vento e a água, respectivamente. Segundo Amorim (2000), no Brasil a erosão hídrica é mais importante, tendo em vista sua maior colaboração sobre a degradação do solo no país. Levando em conta sua maior importância, a erosão hídrica será o foco deste trabalho.
A água da chuva exerce sua ação erosiva sobre o solo mediante o impacto da gota de chuva, que cai com energia e velocidade variáveis de acordo com seu diâmetro e a ação de escoamento (CUNHA, 2009).
Figura 1: Modelo conceitual de erosão a partir do impacto de uma gota de chuva Fonte: Adaptado de Tomaz (2008 apud Dane County, 2003)
Segundo Cunha (2009 apud TORRI & BORSELLI 2000), o processo erosivo pode ser dividido em classes baseados nos seguintes critérios:
1. Erosão superficial (Splash e erosão laminar); 2. Erosão linear (em sulcos e ravinas);
3. Erosão subsuperficial; 4. Movimentos de massa.
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 do solo é expelida a certa distância dando origem a um fenômeno chamado de splash erosion ou erosão por salpicamento, que causa selamento do solo, pois os agregados que ora foram fragmentados acabam atingindo os poros do solo, selando-o e/ou formando 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.
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 erosão em lençol muitas vezes acaba evoluindo para uma erosão linear, quando a concentração de água aumenta o escoamento superficial, favorecendo o aparecimento de filetes e sulcos no solo. E também, de acordo com a declividade e o nível do lençol freático pode evoluir ainda diretamente para uma voçoroca (SOPCHAKI e SANTOS, 2012).
Voçoroca é o estágio mais avançado de erosão acelerada correspondendo à passagem gradual do processo de ravinamento, até atingir o lençol freático, com o aparecimento de surgências de água (MAGALHÃES, 2001).
Um solo descoberto está mais exposto aos efeitos da erosão, já que entra em contato direto com o impacto da chuva, que é o principal agente causador de erosão.
Se uma superfície está protegida contra as gotas de chuva, pouco solo será desagregado e transportado, apenas as partículas que se soltam pelas concentrações de enxurrada serão transportadas (CUNHA, 2009).
Segundo Florenzano (2011), a erosão do solo depende da erosividade da chuva, densidade de cobertura vegetal, uso do solo, propriedades do solo e características do relevo.
5.2 TIPO DE SOLO E SEU GRAU DE ERODIBILIDADE
De acordo com Florenzano (2011) o tipo e a intensidade da erosão variam com as propriedades dos solos.
As informações pedológicas de Mato Grosso estão disponíveis na página de mapas temáticos no site do IBGE. Após o download do mapa, foram eliminadas as áreas que não terão utilidade para o trabalho, deixando apenas as informações pedológicas dentro da área de estudo.
Segundo o mapa temático representado na Figura 2, os tipos de solo no município de Sinop – MT são: Latossolo Vermelho Eutrófico, Latossolo Vermelho Amarelo Distrófico e Plintossolo Concrecionário.
Figura 2: Mapa de determinação dos tipos dos solos presentes no município de Sinop-MT. Fonte: Acervo Particular (2016)
O Latossolo Vermelho Eutrófico apresenta cor vermelha devido ao alto teor de óxido de ferro, característica de ambientes bem drenados. Ocorrem normalmente em áreas de relevo plano e suave ondulado, podendo ocorrer em pequenas áreas de relevo ondulado. É um tipo de solo muito comum nas regiões Centro-Oeste, Sul e Sudeste do Brasil (SANTOS, ZARONI e CLEMENTE, 2013). De acordo com Cunha (2009), essa classe de solo possui fraco grau de erodibilidade.
Os Latossolos Vermelho-Amarelo Distróficos são solos profundos e com boa drenagem (CUNHA, 2009). Assemelham-se ao latossolo vermelho em relação às regiões de ocorrência. De acordo com Cunha (2009), essa classe de solo possui moderado grau de erodibilidade.
Os Plintossolos Pétricos Concrecionários são comuns nas Regiões Central e Norte do Brasil, sendo usualmente pobres quanto à fertilidade natural e, devido ao impedimento, à mecanização e à penetração de raízes, representada pelas concreções, são normalmente utilizados com pastagens (MOREIRA e OLIVEIRA, 2008). O termo “concrecionário” indica presença de camada de concreções de óxido de ferro constituindo sério obstáculo à penetração de raízes e aos trabalhos de preparo do solo (CLEMENTE, SANTOS e ZARONI, 2013). De acordo com Cunha (2009), essa classe de solo possui forte grau de erodibilidade.
5.3 ESTRADAS
NÃO
PAVIMENTADAS
E
SEU
GRAU
DE
ERODIBILIDADE
CUNHA et. al. (2012 apud ODA et. al., 2007) afirmam que as estradas vicinais são o principal meio de escoamento da produção agropecuária. Apesar de sua extensão e da grande importância econômica e social, as estradas não pavimentadas são um tema pouco estudado, e muitas vezes relegado a segundo plano.
Estas estradas, com grande frequência e em especial nas áreas rurais, resultam da evolução de trilhas e caminhos precários, remanescentes de épocas pioneiras e primitivamente construídas dentro de características técnicas bastante modestas. Foram construídas dentro do enfoque de minimizar os custos de construção, levando a traçados que buscam evitar implantação de obras de arte e grandes movimentos de terra (DNIT, 2005).
No leito de estradas rurais de terra verifica-se concentração de volume de água nas sarjetas onde provocam desagregação de solo e carreamento deste para pontos mais baixos a jusante com aberturas de leiras, formando sangrias por onde os desagregados de solo e água escoam e se depositam nas áreas a jusante causando impacto ambiental nos recursos hídricos (CASARIN e OLIVEIRA, 2008).
5.4 VEGETAÇÃO COMO AGENTE CONTROLADOR DE EROSÃO
O desmatamento para fins de produção agrícola e a adoção de práticas de preparo do solo inadequadas para áreas susceptíveis à erosão tem aumentado os processos erosivos e, como consequência, o assoreamento dos cursos d’água, reservatórios e açudes ocasionando inclusive a perda das matas galeria (FILIZOLA, FILHO, et al., 2011).
A partir da retirada da cobertura vegetal, o solo fica exposto à erosão hídrica que é caracterizada por processos que se dão em três fases: desagregação, transporte e deposição. A desagregação ocorre com o impacto das gotas de chuva sobre o solo até o momento em que a intensidade da precipitação exceda a capacidade de infiltração do solo, começando o processo de transporte e deposição em pontos mais baixos conforme a declividade do terreno (FILIZOLA, FILHO, et al., 2011).
Há uma considerável diferença entre as quantidades de perdas por erosão para cada tipo de cultura, como por exemplo, a mata é mais eficiente para evitar a
perda de solo e de água do que uma plantação de algodão (CUNHA, 2009 apud BERTONI & LOMBARDI NETO 1999).
À medida que a cobertura é retirada e substituída por pastagens, culturas e outros usos, aumenta a intensidade por processos de erosão, que podem ser estudados e monitorados com a ajuda de imagens de sensores remotos (FLORENZANO, 2011).
Diante de tanta importância com relação ao controle de erosão, é essencial gerar um mapa de classificação do tipo de vegetação que cobre o solo e conhecer seus níveis de controle sobre a erosão, para futuramente incluir os dados na geração do mapa de susceptibilidade a erosão.
5.5 IMAGENS DIGITAIS
A imagem é uma representação de uma cena por meio da reflexão da luz na área enquadrada e adquirida por meio de dispositivos sensíveis a luz (BALAN, 2009). Segundo Cunha (2009), o termo imagem se refere à função bidimensional de intensidade da luz f(x,y), onde x e y denotam as coordenadas espaciais e o valor de f em qualquer ponto(x,y) é proporcional ao brilho (ou níveis de cinza) naquele ponto.
Um aparelho eletrônico que seja capaz de capturar uma cena gera uma imagem através da combinação de iluminação e absorção ou reflexão dos objetos contidos na área capturada.
Balan (2009) afirma que a conversão de uma imagem para o formato digital significa transferir os elementos que a compõem para elementos representativos de cada pequeno fragmento original e que menor elemento da imagem, o pixel, é identificado segundo sua intensidade de nível de cinza e as cores correspondentes.
Através das imagens digitais obtidas por sensores de satélite, é possível obter diferentes dados sobre a ocupação do solo e suas características.
5.5.1 Landsat 8
O Programa Landsat foi iniciado pela NASA em 1972. Com resolução de 15m no PAN e 30 m no MS, o Landsat 8 é um grande clássico no setor de observação da Terra e permite gerar imagens de 15 m coloridas por fusão digital. O seu grande nível de informações para cada cena capturada de uma área em conjunto com o excelente intervalo de período de revisita para a mesma região (16 dias) e a
disponibilização gratuita para qualquer pessoa com acesso à internet faz das imagens desse satélite uma ótima alternativa para desenvolver trabalhos.
O satélite Landsat 8 captura cenas com áreas reais de 170 km x 185 km para norte-sul e leste-oeste respectivamente, traçando a Órbita Sun-synchronous a uma altura de 705 quilômetros.
Ao todo, o Landsat 8 captura onze bandas em uma cena, sendo nove bandas espectrais, incluindo uma banda pancromática capturadas pelo sensor Operational Land Imager (OLI) e duas bandas espectrais pelo Thermal Infrared Sensor (TIRS).
A Tabela 1 classifica as 11 bandas com os seus respectivos comprimentos de onda e sua resolução espacial.
Tabela 1: Classificação das bandas do satélite Landsat 8 em relação aos seus comprimentos de onda e resolução espacial. Landsat-8 Bands Comprimento de onda Resolução espacial (μm) ( m)
Banda 1 – Coastal aerosol 0,43 – 0,45 30
Banda 2 – Blue 0,45 – 0,51 30
Banda 3 – Green 0,53 – 0,59 30
Banda 4 – Red 0,64 – 0,67 30
Banda 5 – Near Infrared (NIR) 0,85 – 0,88 30
Banda 6 – SWIR 1 1,57 – 1,65 30
Banda 7 – SWIR 2 2,11 – 2,29 30
Banda 8 – Panchromatic 0,50 – 0,68 15
Banda 9 – Cirrus 1,36 – 1,38 30
Banda 10 – Thermal Infrared (TIRS) 1 10,60 – 11,19 100
Banda 11 – Thermal Infrared (TIRS) 2 11,50 – 12,51 100
Cada banda tem características que permitem diversificar o campo de estudo de uma região conforme as necessidades e resultados que se deseja encontrar, por exemplo, a banda 1 é útil para estudos costeiros e aerossol, a banda 9 é útil para detecção de nuvens e as bandas 10 e 11 são faixas térmicas que são utilizadas em estudos de temperatura de superfície.
Utilizando softwares de SIG, é possível realizar uma composição de mais de uma banda e formar uma imagem que mescle as características individuais das faixas utilizadas para a composição e, assim, permitindo realizar estudos mais aprimorados sobre determinado assunto.
5.5.2 Missão SRTM
A missão SRTM teve por obtivo gerar um modelo digital de elevação por cobrindo quase todo o Globo terrestre (estre as latitudes 54°S e 60°N). A missão foi lançada em 2000 liderada pela NASA (National Areonautics and Space Administration). Os dados referentes à América do Sul foram disponibilizados na resolução espacial de 3 arcos de segundo (~90 m), no sistema de coordenadas Lat/Long e Datum WGS85 (LANDAU e GUIMARÃES, 2011).
O projeto TOPODATA liderado pelo INPE gerou através de processamentos digitais do MDE do SRTM, dados corrigidos que passaram por refinamento no tamanho da célula (pixel) originando novos dados MDE com resolução espacial de 30 m. Para esse refinamento, foi utilizado o método de kribagem, processo embasado na análise geoestatística da variabilidade dos dados, onde se definem coeficiente que respondem melhor ao modelo de superfície real (LANDAU e GUIMARÃES, 2011).
A Embrapa possui uma base de dados numéricos de relevo e da topografia do Brasil, obtidos pela nave espacial americana durante a missão conhecida como SRTM (Shuttle Radar Topography Mission) e disponibiliza esses dados na página Brasil em Relevo, em seu website, para toda a comunidade que tenha interesse em obter informações sobre o relevo de qualquer região do país.
O projeto Brasil em Relevo utilizou como fonte primária os modelos digitais de elevação, com aproximadamente 90 metros de resolução espacial, desenvolvido pela NASA (National Aeronautics and Space Administration) e NGA (National Geospatial-Intelligence Agency) dos Estados Unidos no ano 2000. Os dados obtidos pelo mapeamento foram disponibilizados pelo USGS Eros Data Center (United States Geological Survey) (MIRANDA, 2005).
Os MDE disponíveis na base de dados da Embrapa permitem levantar estudos sobre a topografia de uma região, dando possibilidade para criação de um projeto bem elaborado e próximo da realidade.
5.6 CLASSIFICAÇÃO SUPERVISIONADA
Classificação é o processo de extração de informações em imagens para reconhecer padrões e objetos homogêneos e são utilizados em Sensoriamento
Remoto para mapear áreas da superfície terrestre que correspondem aos temas de interesse (INPE, 2006).
A classificação supervisionada é um método usado para rotular cada pixel de uma imagem. Para isso, é necessário coletar amostras nessa imagem criando uma classe de pixels semelhantes, podendo criar quantos grupos forem necessários.
Uma boa base de dados que permite a realização da classificação supervisionada é uma imagem em composição colorida que simule o aspecto natural do terreno, permitindo ao operador diferenciar a cobertura do solo, identificando os elementos que compõem essa cobertura, por exemplo: vegetação, solo exposto e rio. Para uma boa coleta de dados, é necessário ter ao menos um conhecimento básico sobre a cobertura de solo da região em estudo.
Para realizar uma classificação supervisionada da cobertura do solo de um terreno, softwares de SIG são muito utilizados e apresentam resultados satisfatórios a depender do tipo de pesquisa.
Outro método para se classificar a cobertura de solo é a classificação não-supervisionada, processo no qual o próprio algoritmo do programa define os padrões de amostras de acordo com critérios estatísticos, utilizando informações espectrais de cada pixel e encontrando regiões com pixels iguais ou parecidos. Essa técnica é indicada para o operador que não tem noção dos tipos de cobertura constituída pelo solo.
5.7 EQUAÇÃO UNIVERSAL DE PERDA DE SOLO
De acordo com Vieira (2008), essa Equação permite estimar a erosão correspondente a várias condições de uso e manejo do solo, declividade, comprimento de rampa, tipos de solos, chuva e práticas conservacionistas para elaborar um mapa temático com o uso de SIG.
A EUPS segue a seguinte Equação:
P R.K.L.S.C.
A Equação 1
em que:
A = perda anual de solo em Toneladas por hectare por ano (ton/ha.ano); R = fator erosividade da precipitação 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 da cultura 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, cultivo mínimo e práticas tradicionais. Brito et. al. (1998) e Vieira (2008) utilizaram P=0,5. Esse índice também é adimensional.
Thompson e Figaldo (2013) afirmam que a EUPS é mais indicada para áreas em condições de cultivo agrícola e simula apenas a erosão laminar.
Embora a EUPS tenha sua utilização para pequenos talhões, compatível com o uso agrícola, ela pode ser empregada em grandes áreas ou em escalas regionais, permitindo avaliar qualitativamente e geograficamente as áreas de diferentes graus de susceptibilidade à erosão (FARINASSO, JÚNIOR, et al., 2006).
A seguir, será descrita a obtenção dos valores para fatores da EUPS focando nos solos de Sinop-MT.
5.7.1 Erosividade da precipitação (R)
O fator R pode ser obtido através do documento “ISSN 1679-043x” de fevereiro 2013 da Embrapa, desenvolvido por Salton et al (2013), no qual fornece dados tabelados e mapas com estimativas da erosividade da chuva mensais e anuais do estado de Mato Grosso, a partir de históricos de dados pluviométricos no banco de dados da ANA, coletados em 177 postos pluviométricos do estado, além
da coleta dos dados de postos dos estados limítrofes: Goiás, Tocantins, Amazonas, Mato Grosso do Sul, Pará e Rondônia.
Para cada ponto, foram obtidos os dados pluviométricos e calculado o coeficiente de chuva (Cc), utilizando a Equação de Lombardi Neto (1977).
Equação 2
Em que:
Cc: coeficiente de chuva; Pm: precipitação média mensal;
Pa: precipitação média anual.
Baseando-se nas precipitações anuais totais e na duração da estação chuvosa, o estado foi dividido em regiões pluviométricas homogêneas: Norte, Centro, Sul e Extremo Sul, como mostra a Figura 3.
Figura 3: Mapa de determinação das regiões pluviométricas do estado de Mato Grosso definidas pela Embrapa. Fonte: Embrapa (2013) a m C P P C 2
Salton et al (2013) calcularam os fatores de erosividade de cada estação utilizando expressões a partir de bibliografias singulares para cada região pluviométrica, seguindo a tabela apresentada na Figura 4.
Figura 4: Equações selecionadas para calcular os fatores de erosividade para cada região pluviométrica.
Fonte: Embrapa, 2013.
Com os dados obtidos para cada mês e a média anual, foi usado o software Surfer para espacializar os resultados usando o método da função de base radial, resultando no mapa da Figura 5.
Figura 5: Mapa de determinação dos fatores de erosividade da chuva para o estado de Mato Grosso. Fonte: Embrapa (2013)
Por fim é dada a classe de erosividade da chuva conforme a Figura 6, que identifica os limites dos valores para cada classe.
Figura 6: Classificação da erosividade da chuva considerando o fator R. Fonte: Embrapa (2013)
Também se tem o acesso da estimativa de erosividade da chuva dos 12 meses para o estado. Através de dados tabelados, é possível obter os fatores de
erosividade mensais por estação pluviométrica. As estações de interesse para a área de estudo são:
SINOP (FAZENDA SEMPRE VERDE), código da estação pluviométrica: 01156001;
CACHOEIRÃO, código da estação pluviométrica: 01156001.
A Tabela 2 mostra os fatores mensais e anual médios da erosividade da chuva para as estações pluviométricas citadas acima conforme os valores apresentados por Salton et. al. (2013).
Tabela 2: Valores mensais e anual médio do fator de erosividade (MJ mm ha-1 h-1 ano-1). Local Município Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Ano
Cachoeirão Sinop 657 720 607 334 103 14 60 21 169 341 537 602 4.163 Fazenda Sempre Verde Sinop 835 696 644 387 98 14 14 45 160 440 654 732 4.718 5.7.2 Erodibilidade do solo (K)
Conhecendo os tipos de solo que compõem a área de estudo, é possível buscar o fator de erodibilidade K para cada tipo. A obtenção dos dados implica na busca de fontes bibliográficas de trabalhos renomados. A Tabela 3 mostra o fator K para cada tipo de solo e indicando a fonte.
Tabela 3: 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 0,020 Borges et al. (2013 apud Chaves 1994)
Plintossolo 0,055 Farinasso et al. (2006 apud Wischmeier et al. 1971)
5.7.3 Comprimento da encosta (L) Declividade da encosta (S)
Os fatores L e S formam juntos o fator topográfico (LS), que expressa a expectativa de perda de solo por unidade de área em função dos valores de comprimento da rampa e de declividade do terreno. No geral, esses fatores irão
Fonte: Embrapa (2013)
influenciar na quantidade e na velocidade do fluxo d’água pelo escoamento superficial (SOUZA, 2010).
O cálculo do fator L será feito a partir de uma série de etapas de formação de mapas com o software ArcGis, descritas a seguir:
a) Inserir o MDE da área de estudo, obtido conforme a descrição do capítulo 6.2.2;
b) Preencher pequenas imperfeições do MDE inserido com o comando Fill; c) A partir do mapa gerado pelo comando Fill, criar um mapa de direção de
fluxos com o comando Flow direction;
d) Usando o mapa do passo anterior, criar um mapa de acumulação de fluxo com o comando Flow accumulation;
e) Utilizando a ferramenta Slope, gerar um mapa de declividade da encosta em graus.
Farinasso et al. utilizam o cálculo do fator L proposto por Desmet & Govers (1996), no qual se basearam nas equações de Foster & Wischmeier (1974). Esse cálculo é o representado na Equação 3.
Equação 3
Em que:
Lij: fator de comprimento de vertente de uma célula com coordenadas (i,j);
Aij-in: área de contribuição da célula em coordenadas (i,j);
D: tamanho da célula;
x: coeficiente função do aspecto para grade de célula em coordenadas (i,j) e m: coeficiente função da declividade para grade de célula com coordenada (i,j).
Para incluir a Equação 3 no Arcgis e gerar um mapa representando o fator L, será utilizado o comando Raster Calculator, mas para isso é preciso ser gerado o mapa correspondente ao coeficiente “m”, através da Equação 4
Equação 4
Onde β é obtido pela Equação 5. ] ) 13 , 22 ( [D ] ) (A -) D + [(A = Lij m 2 1 m in -ij 1 m 2 in -ij m m ij x
1
m
Equação 5
Em que:
θ: declividade da encosta, em graus, correspondente ao mapa gerado da “etapa e”.
Segundo Alves (2009, apud Wischmeier e Smith, 1978) o fator S pode ser obtido pela Equação 6.
065
,
0
.
0456
,
0
.
00654
,
0
2
s
s
S
Equação 6 Onde:S: fator declividade (adimensional) e s: declividade média da vertente (%)
5.7.4 Cobertura e manejo da cultura (C) e Práticas conservacionistas (P) Da mesma forma como se obtêm os valores para o fator K, os valores do fator C podem ser obtidos por meio de pesquisas bibliográficas. A Tabela 4 mostra os valores utilizados por Alves et al (2009) indicando o fator C para vários tipos de cobertura e suas referências.
Tabela 4: 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) Área queimada 0,0100 Paranhos Filho et al. (2003)
Aveia de 0,0372 a 0,0671 Bertol et al. (apud CECÍLIO, 2008)
Cana-de-açúcar 0,3066 Ribeiro e Alves (2007)
Cerrado 0,0420 Farinasso et al. (2006)
Cultura anual 0,2000 Stein et al. (apud BRITO et al., 1998)
Cultura
permanente 0,0200
Stein et al. (apud BRITO et al., 1998)
Eucalipto 0,0080 Fernandes (2008)
Fruticultura 0,0100 Tomazoni et al. (2005)
Mata ciliar 0,0120 Farinasso et al. (2006)
Milho de 0,0610 a 0,1097 Bertol et al. (apud CECÍLIO, 2008)
Pastagem 0,0100 Tomazoni et al. (2005)
Pinus 0,0080 Fernandes (2008)
Soja de 0,0455 a 0,1437 Bertol et al. (apud CECÍLIO, 2008)
Solo exposto 1,0000 Farinasso et al. (2006)
Trigo de 0,0588 a 0,2158 Bertol et al. (apud CECÍLIO, 2008)
Fonte:Adaptado Alves et al (2009)
56
,
0
)
.(
3
0896
,
0
8 , 0
sen
sen
m
O fator P será estimado a partir da tabela adotada por Kim (2006) que usou como referência o trabalho de Shin (1999), mostrado na Tabela 5.
Tabela 5: Estimativa do fator P para três tipos de práticas conservacionistas: Plantio em contorno (Contouring), Pantio em desnível (Strip Cropping) e Terraceamento (Terracing).
Slope (%) Contouring Strip Cropping Terracing
0,0 – 7,0 0,55 0,27 0,10
7,0 – 11,3 0,60 0,30 0,12
11,3 – 17,6 0,80 0,40 0,16
17,6 – 26,8 0,90 0,45 0,18
26,8 > 1,00 0,50 0,20
Fonte: Adaptada de kim (2006 apud SHIN 1999)
5.8 ALTERNATIVA PARA EVITAR DE EROSÃO EM ESTRADAS
VICINAIS
Griebeler et al (2005) apresentam uma metodologia para determinação do espaçamento entre desaguadouros para estradas vicinais. O modelo consiste em aplicar uma metodologia para determinar a variação da vazão ao logo do tempo (hidrograma) no canal da estrada e realizar uma modelagem do escoamento superficial advindo das áreas de contribuição e do próprio canal para determinar a tensão cisalhante provocada pelo escoamento. Conhecendo a tensão hídrica do escoamento e a tensão crítica de cisalhamento do solo, é possível saber se ocorrerá erosão no local, visto que se a tensão de escoamento for maior que àquela que o solo é capaz de resistir, haverá desprendimento das partículas do solo, sendo possível quantificá-lo.
A partir da análise da perda de solo causada pela tensão de escoamento realizada a cada metro de canal, a metodologia de Griebeler et al (2005) sugere um espaçamento entre desaguadouros levando em conta a perda de solo provocada pelo escoamento e a perda tolerável, determinando o espaçamento máximo quando a perda provocada pela água supera a perda de solo tomada como tolerável, indicando a necessidade de um desaguadouro. Para aplicação do modelo são consideradas as variáveis: intensidade de chuva, tipo de solo, geometria e inclinação da via.
6 METODOLOGIA
Nesse trabalho serão utilizadas bibliografias, imagens do Satélite Landsat 8 OLI/TIRS e dados em MDE da missão SRTM para levantar dados dos fatores que têm relação com o processo de erosão na região do munícipio de Sinop-MT.
6.1 LOCAL DE ESTUDO
O local escolhido para o estudo, como mostra a Figura 7, é definido pelos limites municipais da cidade de Sinop, pertencente ao estado de Mato Grosso, Brasil.
Figura 7: Localização da área de estudo no mapa do estado de Mato Grosso. Fonte: Acervo Particular (2016)
6.2 OBTENÇÃO E TRATAMENOS DOS DADOS
6.2.1 Landsat 8
Por meio do EarthExplorer, no site da USGS, serão obtidas as imagens do satélite Landsat 8 com os equipamentos OLI (Operacional Land Imager) e TIRS (Thermal Infrared Sensor) a bordo.
O critério para a escolha das cenas é levar em conta a baixa presença de nuvens e a data de sua captura, de forma que se obtenham imagens de boa qualidade e que informe os dados necessários para a pesquisa.
As bandas utilizadas para o projeto serão:
Banda 4 – Vermelho, resolução: 30m;
Banda 5 – Infravermelho próximo, resolução: 30m;
Banda 6 – SWIR 1, resolução: 30m;
6.2.2 Missão SRTM
Os MDEs necessários para o estudo serão obtidos através do acesso ao site da EMBRAPA em “Dados para download”, sendo selecionado o estado de Mato Grosso. As imagens selecionadas para download foram: SD-21-X-A, SD-21-X-B, SD-21-X-C e SD-21-X-D, como ilustra a Figura 8.
Figura 8: Indicação dos quadrantes das cenas em MDE da missão SRTM para o estado de Mato Grosso, em destaque as quatro cenas usadas no projeto.
Fonte: EMBRAPA (2005)
Após o download dessas imagens, será necessário criar um mosaico para uni-los e fazer um recorte da área de interesse. Esse processo será realizado pelo software QGIS.
Com esses dados serão gerasos os mapas de declividade, permitindo hierarquizar o percentual de declividade representando em cores diferentes além de quantificar a declividade da região em estudo em formato de graus ou porcentagem.
6.3 PRÉ-PROCESSAMENTO
A correção inicial das imagens obtidas através do site da USGS correspondentes a área de estudo será utilizado o processo de reprojeção do sistema de coordenadas das imagens obtidas, pois nota-se que elas estão no sistema WGS_1984_UTM_ZONA21N, sendo que o “N” dessa informação corresponde ao hemisfério norte, porém, o estado de Mato Grosso, assim como a maioria das regiões brasileiras, está abaixo da linha do equador, concluindo que o certo então será reprojetar as imagens para o hemisfério sul, resultando no sistema WGS_1984_UTM_ZONA21S.
6.4 COMPOSIÇÃO COLORIDA E REALCE
Será realizada uma geração de composições coloridas a partir da união de bandas captadas pelo satélite, unindo as características espectrométricas de cada uma dessas bandas, formando uma composição associada às cores primárias vermelho, verde e azul, que dá origem a uma imagem em sistema RGB (Red-Green-Blue), permitindo uma melhor identificação dos elementos da área de estudo, além de resultar em uma classificação de cobertura de solo muito mais aprimorada. Essa composição será feita com o software QGIS, e serão usadas as bandas 4, 5 e 6 do Landsat 8.
Em relação a composição entre as bandas 2, 3 e 4 que forma uma imagem em cor natural, a composição entre as bandas 4, 5 e 6 gera uma imagem em falsa-cor que permite um melhor destaque dos elementos que cobrem a região. A Figura 9 mostra a comparação entre o mesmo processo de composição utilizando bandas diferentes.
Figura 9: Comparação entre as composições das bandas 4, 5 e 6 (A) e as bandas 2, 3 e 4 (B). Fonte: Acervo Particular (2016)
A composição irá gerar uma imagem colorida em RGB com resolução espacial de 30x30m. Utilizando os algoritmos Superimpose Sensor e Pansharpening (rcs) da Caixa de Ferramentas Orfeo, do programa QGIS, é possível melhorar a resolução da imagem para 15x15m unindo a composição colorida gerada com a banda pancromática 8 do satélite. Ao melhorar a resolução, é possível identificar
melhor os elementos da imagem e, consequentemente, realizar uma classificação de cobertura de solo mais aprimorada. A Figura 10 ilustra o exemplo da melhora de qualidade com a fusão da banda pancromática à composição colorida na região do aeroporto de Sinop-MT.
Figura 10: Comparação entre a resolução da composição colorida das bandas 4, 5 e 6 (A) e a mesma composição com a fusão da banda pancromática 8 com resolução de 15m (B), na região do aeroporto
de Sinop-MT. Fonte: Acervo Particular
6.5 LEVANTAMENTO DOS FATORES DA EQUAÇÃO UNIVERSAL DE
PERDA DE SOLO
A EUPS fornece a perda de solo média anual por hectare em função dos fatores: Erosividade da precipitação (R), erodibilidade do solo (K), comprimento da encosta (L), declividade da encosta (S), cobertura e manejo da cultura (C) e práticas conservacionistas (P). A seguir serão descritos os processos de levantamento de dados para cada fator.
6.5.1 Fator R
O mapa da Figura 5 será usado como referência para a criação de um polígono com os valores do fator de erosividade da chuva para a região de Sinop-MT e em seguida transformando o mapa em raster, para ser utilizado no cálculo da EUPS.
6.5.2 Fator K
A partir do mapa da Figura 2, será feito um tratamento da imagem para criar polígonos separando cada tipo de solo. Esse processo permitirá quantificar os solos presentes na área de estudo. Em seguida serão feitas as ponderações para cada tipo de solo usando o fator K correspondente, conforme a Tabela 3.
6.5.3 Fatores L e S
Com o coeficiente “m” calculado pela Equação 5, é possível gerar o mapa do fator L utilizando a Equação 3. O coeficiente Aij-in, que aqui será chamado de
“FlowAcc” é correspondente ao mapa gerado da “etapa d” do capítulo 5.7.3. Com os parâmetros definidos, chega-se a Equação 7, que será calculada pelo software ArcGis. ] ) 13 , 22 ( [D ] (FlowAcc) -) D + [(FlowAcc = Lij m 2 1 m 1 m 2 m m ij x Equação 7 Sendo:
FlowAcc: coeficiente correspondente ao mapa de acumulação de fluxo, gerado na “etapa d”;
D: o tamanho das células (pixels) será o mesmo da imagem MDE utilizada; x: coeficiente função do aspecto para grade de célula em coordenadas (i,j); m: coeficiente função da declividade para grade de célula com coordenada (i,j).
Para a geração do Fator S, será criado um novo mapa de declividade em porcentagem com a ferramenta slope do Arcgis.
Depois de gerar o mapa de declividade em porcentagem, será gerado um mapa incluindo o fator S pela Equação 6, utilizando o comando Raster Calculator, para o cálculo.
6.5.4 Fatores C e P
Será utilizada a classificação supervisionada para definir o tipo de cobertura e uso do solo, assim gerando um mapa que identifica e quantifica toda a área de estudo em relação à sua cobertura.
A classificação supervisionada será feita pelo QGIS, utilizando um plugin chamado Semi-Automatc Classification PI. Serão utilizadas composições coloridas das bandas 4, 5 e 6, criadas conforme o capítulo 6.3 e a partir dessas imagens coloridas começará o processo de coleta de amostras de pixels com diferentes características espectrais, pois entende-se que cada tipo de cobertura do solo real é apresentado de uma forma espectral diferente pelos pixels na composição da imagem.
Com o mapa de classificação de cobertura criado em forma de imagem (raster), é necessário convertê-lo para um mapa em forma de polígono. Isso permitirá quantificar as áreas de cada cobertura.
Com os dados de cobertura identificados e quantificados, é possível inserir o fator C conforme a Tabela 4, correspondente a cobertura de cada área.
Após a determinação do fator C para cada cobertura e suas respectivas áreas, é necessário transformar o mapa em forma de polígono para o formato raster, para que seja possível utilizar as suas informações no momento de calcular todos os fatores da EUPS juntos.
Para gerar um mapa que possa atribuir os fatores P para cada prática conservacionista em combinação com sua declividade em porcentagem (slope), será necessário criar uma classificação supervisionada que defina os três tipos de práticas citados na Tabela 5, modificar o mapa da classificação para polígono, atribuir os valores para as áreas com suas respectivas práticas conservacionistas e transformar o mapa em raster novamente. Após esse processo, é possível combinar o mapa já classificado com o mapa de declividade, assim, dando origem ao mapa do fator P.
6.6 APLICAÇÃO DA EUPS NO SOFTWARE
Após o levantamento de todos os fatores da Equação Universal de Perda de Solo, será calculada a perda anual de solo da área de estudo e analisadas qualitativamente as regiões mais susceptíveis à erosão, dando prioridade de atenção para regiões onde se encontram as estradas não pavimentadas. Para isso, será utilizado a ferramenta Raster Calculator do software ArcGis, multiplicando todos os fatores, conforme a Equação 1.
O fluxograma feito por Silva (2008) ilustrado na Figura 11 representa de forma resumida os processos para geração do mapa de perda de solo nesse contexto.
Figura 11: Processos para análise de perda de solo utilizando SIG. Fonte: Silva (2008)
6.7 ANÁLISE DOS RESULTADOS E SOLUÇÕES
Após a geração do mapa de susceptibilidade à erosão na área de estudo, serão definidos locais para realizar o cruzamento das informações contidas no mapa com a realidade, escolhendo um local com maior potencial, dois locais com potencial intermediário e um local com menor potencial.
Para os casos de erosão em estradas vicinais, será estudada a aplicação da metodologia de Griebeler et al (2005), onde se trata do dimensionamento de desaguadouros nas estradas não pavimentadas. Será verificada em campo a viabilidade de aplicação da técnica para as áreas onde se demonstram mais susceptíveis à erosão.
7 CRONOGRAMA
ATIVIDADES
ANO 2017
MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
Pesquisa bibliográfica Coleta de dados complementares Redação da monografia Coleta de dados em campo Revisão e entrega oficial do
trabalho
Apresentação do trabalho em banca
8 REFERENCIAL BIBLIOGRÁFICO
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. Desprendimento e arraste de partículas de solo decorrentes de chuvas simuladas. Universidade Federal de Viçosa. Viçosa, MG. 2000.
ANTOGELO, A.; FENNER, P. T. Avaliação do sistema de informações
geográficas Grass para predição dos risoco 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%20Digital%20-%20Willians%20Cerozzi%20Balan.pdf>. Acesso em: 03 janeiro 2017.
BORGES, K. M. R. et al. 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. Disponivel em:
<http://www.uff.br/geographia/ojs/index.php/geographia/article/view/522/340>. Acesso em: 2017 janeiro 13.
BRITO, L. S. et al. Uso do geoprocessamento na estimatica da perda de solos por erosão lamiar em Iraí de Minas - MG. Anais IX Simpósio Brasileiro de
Sensoriamento Remoto, INPE. Santos. 1998.
CASARIN, R. D.; OLIVEIRA, E. L. D. Controle de erosão em estradas rurais não pavimentadas utilizando sistema de terraceamento com gradiente associado a bacias de captação. Universidade Estadual Paulista. Botucatu, SP. 2008.
CLEMENTE, E. D. P.; SANTOS, H. G. D.; ZARONI, M. J. Solos Tropicais - Plintossolos Pétricos, 2013. Disponivel em:
<http://www.agencia.cnptia.embrapa.br/gestor/solos_tropicais/arvore/CONT000gn36 2ja202wx5ok0liq1mqrdmmd4k.html>. Acesso em: 03 janeiro 2017.
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.
CUNHA, M. D. C.; THOMAZ, E. L.; VESTENA, R. L. Medidade de controle de erosão em estradas rurais na bacia do Rio das Pedras, Guarapuava-PR. Soc. & Nat. Guarapuava. 2012.
DNER - Departamento Nacional de Estradas de Rodagem. Diretrizes básicas para elaboração de estudos e projetos rodoviários (Escopos básicos / Instruções de serviço). Rio de Janeiro, RJ, p. 71 e 137. 1999.
DNIT - Departamento Nacional de Infraestrutura de Transportes. Coordenação Geral de Estudos e Pesquisa. Instituto de Pesquisas Rodoviárias. Manual de Drenagem de Rodovias. 2. ed., Rio de Janeiro, 2005.
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: <http://ugb.org.br/home/artigos/SEPARATAS_RBG_Ano_7_n_2_2006/RBG_Ano_7_ n_2_2006_73_85.pdf>. Acesso em: 2017 janeiro 13.
FERNANDES, A. F. Detecção de estradas não pavimentadas com o uso de imagens orbitais de média resolução espacial. Universidade Federal de Goiás. Goiânia. 2008.
FILIZOLA, H. F. et al. CNPMA - Conselho Nacional de Procriação Medicamente Assistida. Controle dos Processos Erosivos Lineares (ravinas e voçorocas) em Área de Solos Arenosos, Jaguariúna (SP), Dezembro 2011.
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 desaguadoros em estradas não pavimentadas. R. Bras. Ci. Solo. 29:297-405. 2005.
IBGE - Instituto Brasileiro de Geografia e Estatística. Mapas Temáticos, 2009. Disponivel em:
<ftp://geoftp.ibge.gov.br/informacoes_ambientais/pedologia/mapas/unidades_da_fed eracao/mt_pedologia.pdf>. Acesso em: 30 Dez. 2016.
ICMBIO - Instituto Chico Mendes de Conservação da Biodiversidade. Plano de Manejo do Parque Nacional da Chapada dos Guimarães, 2009. Disponivel em: <http://www.icmbio.gov.br/parnaguimaraes/images/stories/downloads/encarte_3_p46 _a_139.pdf>. Acesso em: 04 janeiro 2017.
INPE - Instituto Nacional de Pesquisas Espaciais. Manuais - Tutorial de Geoprocessamento, 2006. Disponivel em:
<http://www.dpi.inpe.br/spring/portugues/tutorial/classific.html>. Acesso em: 03 janeiro 2016.
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.
MIRANDA, E. E. D.; (COORD). Brasil em Relevo, Campinas: Embrapa Monitoramento por Satélite, 2005. Disponivel em:
<http://www.relevobr.cnpm.embrapa.br>. Acesso em: 29 Dez. 2016.
MOREIRA, H. L.; OLIVEIRA, V. Á. D. Evolução e gênese de um Plintossolo Pétrico concrecionário êutrico argissólico no município de Ouro Verde de
Goiás, Rev. Bras. Ciênc. Solo [online], 2008. Disponivel em:
<http://dx.doi.org/10.1590/S0100-06832008000400033>. Acesso em: 04 janeiro 2017.
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.
SANTOS, H. G. D.; ZARONI, M. J.; CLEMENTE, E. D. P. Solos Tropicais - Latossolo Vermelho, AGEITEC - Agência Embrapa de Informação Tecnológica 2013. Disponivel em:
<http://www.agencia.cnptia.embrapa.br/gestor/solos_tropicais/arvore/CONT000fzyjay wi02wx5ok0q43a0r9rz3uhk.html>. Acesso em: 04 janeiro 2017.
SILVA, V. D. Análise de perda de solo, utilizando o modelo (RUSLE) Revised Universal Soil Loss Equation, aplicado com auxílio das técnicas de
geoprocessamento da bacia do Ribeirção Reis, Maringá-PR. Universidade Federal de Santa Catarina. Florianópolos (SC). 2008.
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.
SOUZA, V. D. Estimativa de perdas de solo por erosão laminar na bacia do córrego Pinhalzinho II com suporte de georpocessamento. Universidade Estadual de Marigá. Maringá (PR). 2010.
THOMPSON, D.; FIDALGO, E. C. C. Estimatica da perda de solos por meio da equação universal de perdas de solos (USLE) com uso do Invest para a bacia hidrográfica do rop Guapi-Macacu - RJ. Simpósio Brasileiro de Recursos Hídricos. Bendo Gonçalves (RS). 2013.
TOMAZ, P. RUSLE - Equação revisada universal de perda de solo. Curso de Manejo de águas pluviais, p. 23, 2008.
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: 29 Dezembro 2016.
VALIM, R. T. A formação de processos erosivos na Bacia do Rio do Meio município de Pinhais - Região metropolitada de Curitiba - PR. X Simósio Brasileiro de Geografia Física Aplicada. Rio de Janeiro - RJ. 2003.
VIEIRA, V. F. Estimatica de perdas de solo por erosão hídrica em uma sub-bacia hidrológica. Universidade Estadual de Londrina. Londrina. 2008.
