Escolar Documentos
Profissional Documentos
Cultura Documentos
degradadas.
INTRODUÇÃO
Áreas degradadas podem ser definidas como àquelas que sofreram
processos de perturbação em sua integridade física, química ou biológica
(EMBRAPA, 2012). Desta forma, áreas desmatadas, rios assoreados, áreas
contaminadas, voçorocas, pastagens degradadas e áreas agrícolas
compactadas podem ser classificadas como áreas degradadas. Por sua vez a
recuperação de tais locais pode ser definida como o processo de retorno da
área a uma condição próxima a anterior. No entanto, antes do processo de
intervenção deve-se identificar precisamente a fonte de degradação e o local a
ser recuperado.
Processos de erosão ou desmatamentos são facilmente identificados
visualmente, enquanto a constatação de áreas contaminadas e compactadas
são realizadas, predominantemente, por meio de análises laboratoriais. Estas
análises são realizadas em amostras retiradas, aleatoriamente ou em forma de
malha amostral, ao longo da área a ser investigada. No entanto, o resultado
destas análises é representado, frequentemente, por meio da média de todas
as análises realizadas. Este procedimento mascara o resultado induzindo os
tomadores de decisão ao erro.
A Tabela 1 apresenta dois conjuntos hipotéticos de dados A e B
retirados ao longo de uma malha amostral. Observando os valores de média,
desvio padrão, coeficiente de variação, mínimos e máximos o leitor é induzido
a identificar os conjuntos como semelhantes, não apresentando diferenças
significativas entre si. No entanto o estabelecimento da semelhança entre os
conjuntos não pode ser realizado baseado apenas em medidas de posição
(média) e dispersão (desvio-padrão e coeficiente de variação). Para estas
ocasiões um tratamento estatístico mais rigoroso é necessário, sendo suas
medidas analisadas ao longo do espaço (Figura 1).
A B
ANÁLISES ESPACIAIS
Métodos de análises estatísticas que utilizam as informações espaciais
sempre estiveram presentes na literatura estatística. No entanto sua utilização
em diversas áreas pode ser considerada recente e em crescente expansão.
Este crescimento deve-se principalmente ao desenvolvimento de metodologias
e recursos para o tratamento de dados, auxiliado pelo avanço e popularização
de tecnologias como Sistemas de Informação Geográficas (SIG), Sistemas de
Posicionamento Global (GPS) e, principalmente, pela evolução computacional.
Pode-se afirmar que as análises espaciais englobam quaisquer
metodologias que incorporem a informação espacial, não sendo necessária a
realização de interpolação para a produção de padrões espaciais. No entanto,
as produções destes mapas destacam-se como o principal ramo das análises
espaciais, sendo estes produzidos em duas frentes: métodos não
geoestatísticos e métodos geoestatísticos.
A B
Figura 2. Padrão espacial de uma variável produzida por meio da (A)
Interpolação linear e (B) Inverso da Distância Ponderada.
N 1
(1)
p
i 1 d
MÉTODOS GEOESTATÍSTICOS
A geoestatística surgiu, em 1951, na África do Sul quando o engenheiro
de minas Daniel Krige, trabalhando com dados de concentração de ouro,
desenvolveu uma técnica para a estimativa de locais não amostrados, levando
em consideração a localização geográfica dos dados, bem como a
dependência espacial obtida. Tal observação foi realizada pela observação dos
valores de variância das amostras coletadas. Posteriormente, MATHERON
(1953) equacionou as observações realizadas por Krige, desenvolvendo assim
a Teoria das Variáveis Regionalizadas. O termo geoestatística se refere à parte
da estatística que auxilia na interpretação destas variáveis, ou seja, aquelas
que apresentam uma componente estrutural, uma componente aleatória e um
erro residual (BURROUGH, 1987).
A maioria das propriedades do solo apresenta dependência espacial,
desta forma os valores assumidos por uma determinada propriedade (variável)
numa posição definida na área de estudo variam de acordo com a direção e a
distância de separação entre as amostras vizinhas. Esta continuidade
geográfica característica das variáveis é identificada ao observar que os
valores das variáveis tornam-se mais similares à medida que a distância de
separação entre eles diminui, e que valores mais heterogêneos são
observados à medida que estes pontos se distanciam. Neste contexto, as
observações não podem ser consideradas independentes e as análises
baseadas apenas nas estatísticas clássicas tornam-se inadequadas. Desta
forma, um tratamento estatístico mais avançado é requerido (WEBSTER &
OLIVER, 2009). A Figura 3 apresenta um esquema resumido sobre as
principais etapas das interpolações espaciais.
Variograma
A variabilidade espacial das variáveis é determinada utilizando a
modelagem do variograma experimental, com base na teoria das variáveis
regionalizadas e hipótese intrínseca (VIEIRA, 2000). O variograma descreve a
continuidade espacial das variáveis como função das distâncias entre duas
localizações (WEBSTER & OLIVER, 2009) (eq. 2).
1 N ( h)
ˆ (h)
2 N (h) i 1
[ z ( xi ) z ( xi h)] 2 (2)
Krigagem
Os estimadores de krigagem são os mais utilizados em ciências do solo,
devido principalmente a sua rapidez e praticidade. Tais estimadores fornecem
a melhor estimativa local da variável pela minimização da estimativa da
variância (WEBSTER & OLIVER, 2009). Assim pode-se afirmar que os valores
fornecidos pelo método da krigagem possuem variância mínima e são ideais
para a confecção de mapas de isolinhas para a visualização e interpretação
dos padrões espaciais da propriedade em análise.
As técnicas de krigagem consistem em uma média móvel ponderada das
amostras vizinhas (eq. 3), sendo os pesos (i) de cada vizinho determinados
utilizando o modelo de correlação de dados estruturais, representado pelo
variograma teórico.
N
zˆ( x0 ) i z ( xi ) (3)
i 1
APLICAÇÕES
Abaixo são apresentados alguns exemplos da aplicação de técnicas de
visualização espacial em diferentes áreas do conhecimento.
Avaliações ambientais
Nas ciências ambientais os alvos das pesquisas espaciais concentram-
se na contaminação do solo (HANI & PAZIRA, 2011) e da água (MURPHY et
al., 2011) por agentes químicos (metais pesados e elementos tóxicos) e
biológicos (micro e macro organismos invasores), degradação do solo
(DIODATO & CECCARELLI, 2004; MARCHETTI et al., 2012) e identificação de
áreas de risco a erosão (BASKAN et al., 2010).
DIODATO & CECCARELLI (2004) propuseram uma metodologia para a
classificação de áreas degradadas do Mediterrâneo por meio da integração de
informações espaciais de parâmetros geomorfológicos, bioclimáticos e
pedológicos. A classificação utilizada por meio da krigagem indicatriz propiciou
a identificação de modelos de uso da terra visando o desenvolvimento
sustentável das práticas agrícolas.
MURPHY et al. (2011) utilizou e comparou os métodos de interpolação
do inverso da distância e KO na estimativa da avaliação da qualidade da água.
Neste estudo o método da KO apresentou maior acurácia para todas as
propriedades avaliadas (salinidade, temperatura da água e oxigênio dissolvido).
Outros trabalhos também relatam esta maior precisão nas estimativas dos
métodos geoestatísticos (ROBINSON & METTERNICHT, 2006; LI & HEAP,
2011).
A identificação e delimitação de áreas de contaminação por metais
pesados frequentemente é possibilitada apenas pela utilização das técnicas
espaciais (WANG & LU, 2011; SIMASUWANNARONG et al., 2012). LU et al.
(2012) por meio de análises geoestatísticas identificaram as práticas agrícolas
e cultivos que contribuíram com a contaminação do solo por Cd, Cu e Zn.
Agricultura de Precisão
Diversos são os exemplos e formas de utilização destas técnicas no
âmbito da agricultura de precisão (SIQUEIRA et al., 2010; MONTANARI et al.,
2012). Abaixo serão apresentados alguns trabalhos que utilizam as análises
geoestatísticas na determinação de zonas homogêneas de manejo e adubação
em taxas variadas.
MONTOMIYA et al. (2006) utilizou a krigagem indicatriz na avaliação de
indicadores de fertilidade do solo apresentando mapas de probabilidade das
variáveis P, K disponíveis e V% apresentarem diferentes níveis de fertilidade
recomendados para a cultura de cana-de-açúcar. Estudos como este
destacam-se por propor novas metodologias para a definição de forma e
tamanhos dos talhões de cultivo, objetivando alcançar uma maior uniformidade
dentro de cada talhão delimitado.
CAMPOS et al. (2008) utilizaram técnicas geoestatísticas como
ferramenta auxiliar na aplicação de fertilizantes em taxas variadas. SANCHEZ
et al. (2012) estimaram uma redução em 40,19%, em relação ao método
convencional, nos custos de aplicação de calcário e fertilizantes quando as
técnicas geoestatísticas aliada a forma de paisagem são consideradas para a
representação da área agrícola.
Políticas públicas
Recentemente alguns trabalhos envolvendo análises espaciais e
contaminação do solo e da água vem apresentando destaque no cenário
científico devido a sua interface com a criação de programas de políticas
públicas. MILILLO et al. (2012) apresenta as vantagens na utilização dos
limites de contaminação obtidos por meio da geoestatística em comparação
aos limites jurídicos utilizados comumente na aplicação das políticas públicas
de remediação.
CONSIDERAÇÕES GERAIS
O conhecimento especializado é extremamente importante na
identificação de áreas degradadas, principalmente para áreas que apresentam
restrições químicas (metais pesados, toxidez de elementos, entre outros),
físicas (compactação do solo, alto potencial de erosão, entre outros) e
biológicas (contaminação de água e lençóis freáticos). Tais restrições são
invisíveis a olho nu e necessitam de análises que considerem sua localização
no espaço.
A identificação precisa dos limites da área degradada está intimamente
relacionada a qualidade do interpolador utilizado para a produção dos padrões
espaciais da propriedade em estudo. Embora técnicas mais simples, como os
interpoladores não geoestatísticos, produzam mapas interpolados da variável
em estudo, estes apresentam sérias restrições quanto a acurácia e precisão
das estimativas. As técnicas geoestatísticas utilizam a estrutura de
dependência espacial para captar e reproduzir com alta acurácia os padrões
espaciais e delimitações da área em estudo.
Apesar de a geoestatística ser aplicada em diferentes áreas do
conhecimento desde a década de 80, no Brasil ainda é considerada recente.
Apesar dos inúmeros trabalhos nessa área e do desenvolvimento de novas
linhas de pesquisa existe um contraste entre a demanda por pessoas
qualificadas nesse tipo de abordagem e carência de cursos capazes de formar
profissionais com uma visão mais holística e multidisciplinar utilizando as
ferramentas de interpolação.
Considerando as inovações em processo que a inclusão deste tipo de
abordagem pode proporcionar para os setores agroindustrial e, ambiental
brasileiro, é de suma importância, que sejam adotadas novas estratégias
baseadas em informações espaciais fornecidas por uma massa crítica
especializada e multidisciplinar capaz de integrar diferentes áreas do
conhecimento, características estas requeridas no processo de planejamento,
manejo, identificação e recuperação de uma área considerada degradada.
REFERÊNCIAS
BASKAN, O.; CEBEL, H.; AKGUL, S.; ERPUL, G. Conditional simulation
of USLE/RUSLE soil erodibility factor by geostatistics in a Mediterranean
Catchment, Turkey. Environ Earth Sci 60:1179–1187, 2010.
BURROUGH, P. A. Principles of geographical information systems for
land resources assessment. Oxford: Clarendon, p. 193. 1987.
CAMPOS, M.C.C.; MARQUES Jr., J.; PEREIRA, G.T.; SOUZA, Z.M.;
BARBIERI, D.M. Aplicação de adubo e corretivo após o corte da cana-planta
utilizando técnicas geoestatísticas. Cienc. Rural 38, n.4, pp. 974-980, 2008.
DIODATO, N.; CECCARELLI, M. Multivariate indicator Kriging approach
using a GIS to classify soil degradation for Mediterranean agricultural lands.
Ecological Indicators 4:177–187, 2004.
EMBRAPA, 2012. Avaliação e Recuperação de Áreas Degradadas.
Disponível em: <http://www.cnpma.embrapa.br/> Acesso em: 29 de outubro de
2012.
HANI, A.; PAZIRA, E. Heavy metals assessment and identification of
their sources in agricultural soils of Southern Tehran, Iran. Environ Monit
Assess, 176:677-691, 2011.
LI, J.; HEAP, A.D. A review of comparative studies of spatial interpolation
methods in environmental sciences: Performance and impact factors.
Ecological Informatics 6:228–241, 2011.
LU, A.; WANG, J.; QIN, X.; WANG, K.; HAN, P.; ZHANG, S. Multivariate
and geostatistical analyses of the spatial distribution and origin of heavy metals
in the agricultural soils in Shunyi, Beijing, China. Sci Total Environ 425:66-74,
2012.
MARCHETTI, A.; PICCINI, C.; FRANCAVIGLIA, R.; MABIT, L. Spatial
Distribution of Soil Organic Matter Using Geostatistics: A Key Indicator to
Assess Soil Degradation Status in Central Italy. Pedosphere 22(2):230–242,
2012.
MATHERON, G. Principles of geostatistics. Economic Geology, Littleton,
v.58, p.1246-1266, 1963.
MILILLO, T.M.; SINHA, G.; GARDELLA JR., J.A. Use of geostatistics for
remediation planning to transcend urban political boundaries. Environmental
Pollution 170:52-62, 2012.
MONTANARI, R.; SOUZA, G.S.A.; PEREIRA, G. T.; MARQUES JR., J.;
SIQUEIRA, D. S.; SIQUEIRA, G.M. The use of scaled semivariograms to plan
soil sampling in sugarcane fields. Precision Agriculture 13:1-11, 2012.
MONTOMIYA, A. V. A.; CORÁ, J. E.; PEREIRA, G. T. Uso da krigagem
indicatriz na avaliação de indicadores de fertilidade do solo. Rev. Bras. Cienc.
Solo, v. 30, pp. 485-496, 2006.
MURPHY, R.R.; CURRIERO, F.C.; BALL, W.P. Comparison of Spatial
Interpolation Methods for Water Quality Evaluation in the Chesapeake Bay.
Journal of Environmental Engineering 160-171, 2010.
ROBINSON, T.P.; METTERNICHT, G. Testing the performance of spatial
interpolation techniques for mapping soil properties. Computers and Electronics
in Agriculture 50:97–108, 2006.
SANCHEZ, R. B.; MARQUES JR., J.; PEREIRA, G. T.; NETO, J. B.;
SIQUEIRA, D.S.; SOUZA, Z. M. Mapeamento das formas do relevo para
estimativa de custos de fertilização em cana-de-açúcar. Engenharia Agrícola
(CD-ROM), v. 32, p. 280-292, 2012.
SIMASUWANNARONG, B.; SATAPANAJARU, T.; KHUNTONG, S.;
PENGTHAMKEERATI, P. Spatial Distribution and Risk Assessment of As, Cd,
Cu, Pb, and Zn in Topsoil at Rayong Province, Thailand. Water Air Soil Pollut
223:1931–1943, 2012.
SIQUEIRA, D. S.; MARQUES JR.; PEREIRA, G. T. The use of landforms
to predict the variability of soil and orange attributes.Geoderma, v. 155, p.55-66,
2010.
VIEIRA, S. R. Geoestatística em estudos de variabilidade espacial do
solo. In: NOVAIS, R. F.; ALVAREZ V., V. H.; SCHAEFER, C. E. (Ed.) Tópicos
em ciência do solo. Viçosa, MG: Sociedade Brasileira de Ciência do Solo,
2000. p. 1-54.
WANG, H.; LU, S. Spatial distribution, source identification and affecting
factors of heavy metals contamination in urban–suburban soils of Lishui city,
China. Environ Earth Sci 64:1921-1929, 2011.
WEBSTER, R.; OLIVER, M. A. Geostatistics for Environmental
Scientists. Second Edition. Oxford University Press, Oxford, 2009, 315 p.