Machine Translated by Google

ARTIGO NA IMPRENSA

Jornal de Gestão Ambiental 86 (2008) 158–170

www.elsevier.com/locate/jenvman

Uma abordagem estatística espacial para modelar o efeito da

poluição de fontes difusas sobre diferentes parâmetros de qualidade da
água na bacia hidrográfica do rio das Velhas – Brasil

Philippe Maillarda, Na´dia Antónia Pinheiro Santosb

a
Departamento de Cartografia, Universidade Federal de Minas Gerais, Av. Antonio Carlos, 6627, Belo Horizonte, Minas Gerais, 31270-901, Brasil Instituto Mineiro de Gestão das Águas
b
(IGAM), Rua Santa Catarina, 1354, Belo Horizonte, Minas Gerais, 30170-081, Brasil

Recebido em 27 de setembro de 2005; recebido em formato revisado em 27 de novembro de 2006; aceito em 1º de dezembro de 2006
Disponível on-line em 20 de fevereiro de 2007

Abstrato

Neste artigo, uma metodologia para avaliar o efeito do uso/cobertura da terra na qualidade da água de riachos próximos em um ambiente semiárido
é descrita e testada em uma grande bacia hidrográfica no sudeste do Brasil. A abordagem visa identificar a largura da zona ribeirinha que tem o efeito
mais forte nos diferentes parâmetros de qualidade da água. Os dados de uso/cobertura da terra foram gerados a partir de dados de sensoriamento
remoto, enquanto os dados pontuais de qualidade da água foram fornecidos por uma agência governamental. Os testes foram realizados nas estações
chuvosa e seca, num esforço para compreender o efeito direto do escoamento superficial. A abordagem combina modelagem cartográfica utilizando
um sistema de informação geográfica (GIS) e estatísticas para estabelecer a força da relação entre a qualidade da água, o uso da terra e a distância
do riacho. Os resultados sugerem uma forte relação entre uso/cobertura da terra e turbidez, nitrogênio e coliformes fecais.
Eles também sugerem que cada um desses parâmetros tem um comportamento único quando a distância do riacho é considerada. Por fim, embora se
esperasse que os modelos se aplicassem melhor durante a estação chuvosa, alguns parâmetros tiveram comportamento oposto e apresentaram melhor
ajuste durante a estação seca. r
2007 Elsevier Ltd. Todos os direitos reservados.

Palavras-chave: Qualidade da água; Poluição difusa; Modelagem estatística; Sensoriamento remoto

1. Introdução
Uma bacia hidrográfica é uma entidade espacial natural para o
planejamento do uso da terra e gestão ambiental. Dada uma longa escala
de tempo (geológica), quase tudo dentro da bacia hidrográfica será
depositado no riacho que a drena.
Mesmo numa escala de algumas horas (um evento de precipitação), o
escoamento superficial pode levar sedimentos não consolidados a jusante
e, com ele, nutrientes e produtos químicos que afectarão directamente a
qualidade das águas receptoras. Como tal, o escoamento superficial é uma
importante fonte de poluição difusa e é o principal responsável pela relação
entre uso/cobertura da terra (LULC) e qualidade da água (WQ).
Numa bacia hidrográfica natural com vegetação densa, a maior parte da
precipitação é absorvida pela superfície terrestre e pela vegetação e
libertada durante um longo período de tempo e há relativamente pouco
escoamento superficial directo com poucos nutrientes a serem “perdidos”
para o riacho (Karr e Schlosser, 1978; McCulloch e Robinson, 1993). A
remoção da vegetação natural e a sua substituição por terras agrícolas ou
pastoris promove o escoamento superficial e o transporte de sedimentos
(Bruijnzeel, 1990; McCulloch e Robinson, 1993). A conversão da vegetação
natural em agricultura e pastagem é intensa no Brasil. Isto é especialmente
verdadeiro para o cerrado (savana arborizada), o segundo maior bioma do
Brasil com uma taxa de “conversão” superior à da floresta amazônica (Ratter
et al., 1997).

O impacto desta conversão para agricultura, pastagem e outros usos,

Autor correspondente. Tel.: +55 31 3499 5427; fax: +55 31 3499 5410.
E-mails: philippe@cart.igc.ufmg.br (P. Maillard), psnadia@yahoo.com.br (NA
Pinheiro Santos).
como plantações de eucalipto, mineração a céu aberto e urbanização, pode
ser considerado severo na bacia hidrográfica do rio das Velhas (Euclydes e
Ferreira, 2002). Teve drástico

0301-4797/$ - consulte o documento inicial de 2007 Elsevier Ltd. Todos os direitos reservados.
doi:10.1016/j.jenvman.2006.12.009
Machine Translated by Google
ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
consequências na qualidade da água e causou o desaparecimento da
maioria das espécies de peixes a jusante de Belo Horizonte (capital do
estado de Minas Gerais)
(Polignano et al., 2001). Muitas fontes pontuais de poluição são a causa do
problema e as autoridades locais estão a tomar medidas como a
implementação de estações de tratamento de águas residuais e um controlo
mais rigoroso das indústrias poluentes, mas comparativamente pouco é feito
no que diz respeito à poluição de fontes difusas. Uma iniciativa tomou a
forma de um projeto piloto para a restauração da vegetação ciliar dos
afluentes do rio São Francisco pela EMATER (2005), e o rio das Velhas é
um desses afluentes. A eficácia exacta da vegetação ribeirinha na redução
da poluição difusa e do transporte de sedimentos ainda precisa de ser mais
estudada. A combinação do nível de degradação do rio das Velhas e a
iniciativa de recuperação da mata ciliar despertou muito interesse e motivou
o presente estudo.
2. Objetivo da pesquisa
O objetivo deste estudo é desenvolver e testar uma metodologia
simplificada para determinar o efeito do LULC no WQ em uma bacia
hidrográfica de grande escala em um ambiente semiárido. O trabalho baseia-
se na análise da bacia hidrográfica do rio das Velhas, em Minas Gerais –
Brasil. Como se sabe que o efeito do LULC é maior próximo ao riacho na
chamada zona ribeirinha, a abordagem incorpora esta relação espacial
através de cartografia analítica (em ambiente GIS) criando zonas tampão
correspondentes às zonas ribeirinhas (RZ) para cada ponto de amostragem
do WQ. Espera-se que esta abordagem ajude a determinar o efeito da
distância em diferentes parâmetros de WQ. A metodologia também é
bisazonal: úmida e seca. Os dados da estação seca são utilizados como
meio de controlo, uma vez que se espera que a relação entre LULC e WQ
diminua quando não for registada precipitação durante algum tempo e não
houver escoamento superficial.
A abordagem adotada é consequência direta da dificuldade e do custo
de aquisição de dados em uma área tão extensa. Como na maior parte do
Brasil, os mapas topográficos da bacia hidrográfica do rio das Velhas só
estão disponíveis na escala 1:100.000 e não são atualizados há mais de
vinte e cinco anos. Numa escala tão grosseira, a análise de declives seria
fortemente tendenciosa, especialmente se apenas as zonas ribeirinhas
fossem consideradas. Espera-se que o desenvolvimento de uma abordagem
mais simples e que ainda forneça resultados confiáveis promova mais
estudos sobre o efeito de fontes difusas de poluição no QA dos córregos
brasileiros. A abordagem também se baseia na suposição de que cada
ponto de amostragem WQ pode ser tratado como independente dos outros
quando processado adequadamente. Isto é também um esforço para
desconsiderar fontes de poluição pontuais (por exemplo, esgotos, indústrias)
e lineares (por exemplo, estradas), com base no facto de que as áreas rurais
são muito mais extensas do que as urbanas. Portanto, apenas alguns pontos
de amostragem de água são diretamente afetados por fontes pontuais de
poluição e
159
não enviese fortemente a maioria dos pontos de amostragem localizados
em áreas rurais.
3. Antecedentes
3.1. Qualidade da água e uso do solo
O uso da terra desempenha um papel complexo e multifacetado no ciclo
hidrológico (Karr e Schlosser, 1978; Olsson e Pilesjo, 2002). A vegetação
intercepta e reevapora (evapotranspiração) parte da precipitação e tem
efeito sobre outros parâmetros hidrológicos, como percolação e escoamento
superficial (Tong e Chen, 2002). A terra desmatada e algumas práticas
agrícolas podem promover o escoamento superficial e a erosão (Nisbet,
2001). A construção de superfícies impermeáveis também causa erosão e
impede a reposição do lençol freático (Cornish, 2001). Todos estes efeitos
acabam por influenciar a qualidade da água dos riachos e rios próximos.
Tem sido bem relatado que o uso de fertilizantes agrícolas pode resultar
num aumento dos níveis de nitrato e fósforo (Karr e Schlosser, 1978; Foster
et al., 1989; Meybeck et al., 1989; Mattikalli e Richards, 1996; Basnyat e
outros, 1999). Da mesma forma, o pastoreio e os laticínios podem aumentar
a presença de bactérias fecais na água (Moore et al., 1989), provocar
problemas de erosão e aumentar a turbidez das águas dos cursos de água
(Stout et al., 2000; Evans, 2005).
3.2. SIG e sensoriamento remoto em estudos de qualidade da água
O uso da tecnologia GIS para integrar dados LULC, dados de QA e até
mesmo modelos hidrológicos é cada vez mais popular na comunidade
científica e numerosos artigos sobre questões de QA podem ser citados
nesse sentido. Em muitos destes projectos, a detecção remota é utilizada
para mapear e monitorizar o LULC. Mattikalli e Richards (1996) combinaram
dados de uso da terra de mapas e imagens de sensoriamento remoto com
um “modelo de coeficiente de exportação” e um GIS para avaliar a perda de
nitrogênio e compararam-nos com valores medidos na bacia hidrográfica do
Rio Glen (Reino Unido). Embora as suas estimativas geralmente estejam de
acordo com os valores reais medidos, foram relatadas diferenças
significativas. Fisher et al. (2000) utilizaram um SIG como meio de agrupar
espacialmente estações WQ e correlacionaram seus resultados com
atividades agrícolas (aves, laticínios e produção de carne bovina) e práticas
de conservação. Na sua discussão mostraram que os níveis de azoto,
fósforo, turvação e bactérias coliformes fecais poderiam estar directamente
associados à localização de certas actividades agrícolas.
Basnyat et al. (1999) foram mais longe e propuseram a integração de
SIG, modelação ecológica e detecção remota como uma ferramenta eficaz
de apoio à decisão para a gestão da terra. Eles calcularam dois modelos de
regressão múltipla baseados na proporção de diferentes classes de LULC
para explicar os níveis de nitrato (NO3) em uma bacia hidrográfica de
tamanho médio (138 km2 ) que foi dividida em oito bacias diferentes onde
os dados de QA foram coletados durante um período de dois anos.
Embora o primeiro modelo tivesse uma determinação relativamente baixa
Machine Translated by Google
ARTIGO NA IMPRENSA
160 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
2
coeficiente (r ) de 0,186 porque integrava bacias inteiras, o
segundo modelo considerou apenas uma zona ribeirinha baseada
2
em modelo e apresentou um forte r de 0:959. Muitos aspectos do
presente estudo foram inspirados por Basnyat et al. e, por razões
de consistência, alguns termos (por exemplo, LULC, zona de
contribuição) também foram emprestados do seu estudo.
Em outro estudo (Wang, 2001), vinte e duas bacias hidrográficas
próximas às cabeceiras foram utilizadas como processos
independentes aos quais foram associadas as proporções de uso
da terra e sua posição relativa às estações de tratamento de água.
Ele usou a correlação de Pearson e a regressão múltipla para
revelar a relação entre indicadores biológicos (peixes e
macroinvertebrados) e o uso da terra. Os resultados da regressão
múltipla foram conclusivos para o bioindicador de peixes, com áreas
urbanas e arborizadas como fortes preditores. Gardi (2001) utilizou
um GIS e um modelo de simulação de culturas (CropSyst) para
caracterizar a relação entre práticas de cultivo, uso da terra, solos e
perda de nitratos, bem como concentrações de herbicidas na água.
Embora não tenha conseguido estabelecer a relação entre a perda
de nitratos e as práticas agrícolas, demonstrou que a prática de
culturas em linha teve um efeito negativo nas concentrações de
herbicidas e pesticidas na bacia hidrográfica de Centonara (Itália).
Num estudo integrado, Tong e Chen (2002) encontraram uma
correlação significativa entre o uso da terra e uma série de variáveis
de QA numa escala regional (o Estado de Ohio). Eles então usaram
essas correlações para calibrar um modelo hidrológico (BASINS)
que foi usado em combinação com um GIS para simular o
escoamento e os níveis de vários parâmetros de QA em uma escala
de bacia hidrográfica local.
3.3. Vegetação ribeirinha
Todos os estudos citados acima (exceto o estudo de Basnyat et
al. (1999)) utilizaram toda a bacia hidrográfica como entrada. Embora
seja válido utilizar todos os processos da bacia hidrográfica para
explicar a condição hidrológica e ecológica do riacho, a zona
ribeirinha tem uma influência desproporcional (Petersen, 1992;
Schuft et al., 1999; Paula Lima (de) e Brito Zakia, 2001 ). Em
particular, as florestas ciliares têm o seguinte efeito nos riachos:
estabilizar as margens dos rios através do seu sistema radicular
entrelaçado, servir como zona tampão e filtrar entre a bacia
hidrográfica superior e o ecossistema aquático, absorvendo
nutrientes e outros produtos químicos do escoamento
superficial, diminuir e filtrar a carga de sedimentos do
escoamento superficial, ajudar a manter a temperatura térmica
estabilidade da água ao interceptar parte da
radiação solar e fornecer matéria orgânica para organismos aquáticos.O mapa LULC foi gerado a partir de um mosaico de cinco imagens
Como exemplo da importância das matas ciliares, Sparovek et
al. (2002) mostraram que, do ponto de vista econômico, para manter
a perda de solo em um nível “sustentável” (bloqueando 80% do
valor atual da produção de sedimentos), em uma bacia hidrográfica
do sudeste brasileiro, uma largura mínima de 52 metros de floresta
devem ser mantidos em cada lado do
rio (a legislação atual exige apenas 30 m). Na tentativa de levar em
conta a importância das zonas ribeirinhas, Schuft et al. (1999)
propuseram uma metodologia para extrair uma série de métricas de
paisagem para caracterizar redes de riachos ribeirinhos para
acomodar a dicotomia de dados pontuais de WQ e informações
espaciais de LULC. A sua abordagem baseia-se na definição de
áreas de amostragem em torno de cada local de observação.
Primeiro, são desenhados círculos concêntricos de área igual (1
km2 ), depois são definidas zonas tampão lineares em cada lado da
secção do rio dentro dos anéis. As áreas de amostragem são
definidas pela intersecção das zonas tampão e dos círculos
concêntricos. Uma abordagem de amostragem semelhante, mas
diferente, foi adotada no presente artigo e é descrita na Seção 4.3.
A ideia de isolar o uso da terra nas zonas ribeirinhas é um esforço
para ajudar a determinar a largura da mata ciliar que deve ser
preservada (no sentido legislativo) para reduzir fontes difusas de
poluição em áreas agrícolas.
4. Material e método
4.1. Bacia Hidrográfica do Rio das Velhas
Com 27.867 quilômetros quadrados, a bacia hidrográfica do rio
das Velhas é uma das mais importantes do estado de Minas Gerais
(Fig. 1). Situada na região central do estado, abriga também a
capital Belo Horizonte e a grande região metropolitana com mais de
três milhões de habitantes. Tendo sofrido repetidas degradações
nos últimos 400 anos, é objecto de vários projectos de restauro. As
fontes de poluição pontuais e difusas estão distribuídas de forma
desigual na bacia hidrográfica. A bacia hidrográfica superior
concentra áreas urbanas muito importantes e operações mineiras
igualmente importantes, mas também se encontram a agricultura e
a pastorícia. O uso da terra no médio e baixo rio das Velhas é
principalmente dedicado à agricultura e pastagem. Embora as
plantações de eucalipto sejam encontradas em todos os lugares, a
maioria das atividades concentra-se na região intermediária.
Enquanto a região da cabeceira é caracterizada por uma topografia
acidentada (altitude média: 1.500 m) e recebe cerca de 2.000 mm
de chuva por ano, a foz do rio é maioritariamente plana (a uma
altitude de 500 m) e recebe apenas cerca de 1.100 mm de chuva.
4.2. Dados e geração de dados
Neste estudo, os dados foram obtidos de quatro fontes diferentes:
(1) imagens Landsat, (2) mapas topográficos digitais, (3)
levantamentos de campo in situ e (4) dados de qualidade da água.
As três primeiras fontes foram utilizadas para produzir mapas digitais de LULC.
Landsat 7 ETM+. Mapas digitais e dados de campo in situ foram
utilizados tanto como informações básicas quanto para complementar
o mosaico classificado com elementos que não puderam ser
extraídos das imagens. As cinco imagens Landsat foram retificadas
geometricamente e registradas em projeção cartográfica UTM. A
Tabela 1 mostra a referência órbita/cena de cada imagem junto com
sua data de aquisição e raiz
Machine Translated by Google

ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170 161

Figura 1. Bacia hidrográfica do rio das Velhas.

erro de registro quadrático médio (RMS). As cenas foram tabela 1

primeiro corrigido radiometricamente usando a ''técnica aprimorada Listagem da referência de órbita/cena (WRS) para os cinco Landsat 7

de subtração de objetos escuros''1 para corrigir a atmosfera Cenas ETM+ com respectiva data de aquisição, registro RMS
erro e desvio padrão(s)
diferenças (Chávez Jr., 1988). Os resultados deste
correcção não foram completamente satisfatórias e Órbita/cena WRS Erro RMS da data de aquisição (m) s (m)
ajustes radiométricos ad hoc foram necessários para reduzir
218/72 22 de outubro de 2002 24,30 13.21
diferenças de resposta espectral entre as imagens. Esses
218/73 06 de outubro de 2002 49,59 24,96
218/74 06 de outubro de 2002 44,27 24h57
1 219/72 13 de outubro de 2002 66,29 26h15
A técnica de subtração de objetos escuros consiste em subtrair um
219/73 13 de outubro de 2002 16,56 12h00
valor constante de todos os pixels em uma banda de uma imagem. A constante
é determinado pela identificação de um objeto que deve absorver todos
energia eletromagnética (por exemplo, um lago de água clara) ou não receber qualquer energia direta
leve (por exemplo, uma encosta muito íngreme). Se tal objeto tiver um valor de 20, então 20 é
correções adicionais foram pequenos ajustes lineares do
subtraído de todos os pixels nessa banda. O processo é repetido para todos
histograma. O mosaico foi construído justapondo os cinco
as outras bandas. Na versão melhorada, as constantes para todas as bandas
não são independentes, mas calculados a partir de uma tabela de consulta e uma estimativa de imagens, deixando sempre a imagem com o mínimo
a qualidade da atmosfera. efeito atmosférico no topo para sobreposição. O mosaico resultante
Machine Translated by Google

ARTIGO NA IMPRENSA
162 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170

foi suficientemente uniforme para ser classificado como uma única fonte de dados
usando dados de treinamento adquiridos in situ e, em alguns
casos excepcionais, a partir de mapas. As faixas térmicas e
pancromáticas foram excluídas do processo de classificação.
As áreas urbanas foram extraídas pela primeira vez de mapas topográficos
e depois atualizado visualmente usando o mosaico Landsat. O
o mosaico estava mais de 99% livre de nuvem. As nuvens eram tratadas como
''sem dados'' e removido da análise. A bacia hidrográfica
limites foram usados como uma máscara para prender os classificados
mosaico.
A classificação foi realizada usando máxima verossimilhança
do pacote de software Purdue/NASA MultiSpec que
está disponível gratuitamente no site da MultiSpec (http://
dínamo.ecn.purdue.edu/biehl/MultiSpec/). O MultiSpec
esquema de classificação permite classificar qualquer
combinação das áreas de treinamento, áreas de teste e/ou
imagem inteira e relata os resultados com uma ampla gama de
Estatisticas. Biehl e Landgrebe (2002) fornecem uma visão completa
descrição do pacote MultiSpec. O mapa LULC
a precisão foi testada usando apenas dados in situ que foram
coletados usando um esquema de amostragem quase aleatório. Um total de
Foram definidos 250 pontos de amostragem aleatórios dentro do
bacia hidrográfica para orientar o trabalho de campo. Usando um posicionamento global
sistema (GPS), os locais de amostragem foram então visitados (pelo
autores) com base no ''site acessível mais próximo'' dentro
um raio de um quilômetro do gerado aleatoriamente
coordenadas. Cada site gerou um pacote de pixels (de
9 a 25 dependendo da homogeneidade do terreno) que
foram usadas como áreas de treinamento (cerca de 20%) ou como áreas de teste.
Embora abaixo do ideal, esta abordagem teve o benefício de
conveniência e evitando a autorização dos proprietários de terras
problemas. A rede hidrográfica foi extraída de
os mapas topográficos e ajustados manualmente quando necessário
(e possível). O sistema de classificação LULC utilizado foi
inspirado no sistema Anderson (Anderson et al., 1976)
e adaptado para o Brasil de acordo com o ''Sistema
de Classificação de Uso Atual da Terra'' (Sokolonski,
1999). O mosaico classificado foi mesclado com o ajustado
rede hidrográfica, as áreas urbanas atualizadas e a
zonas “sem dados” para produzir um único mapa LULC. Geral
a acurácia foi de 89,8% (kappa k = 0,883). A Tabela 2 mostra
o sistema de classes de dois níveis usado neste estudo e dá a
precisões do produtor e do usuário para cada classe LULC
juntamente com o tamanho da amostra. Para fins de modelagem estatística
o sistema de classificação foi simplificado para o seguinte
classes: mata ciliar, mata, cerrado, floresta plantada,
agropastoril e árida (a classe urbana foi extraída
a partir de mapas e/ou interpretado a partir de imagens e foi
não testado quanto à precisão).
Os dados do QE foram obtidos do Projeto Águas de
Minas do Instituto Mineiro de Gestão das Águas
(IGAM) com 29 estações coletoras de água para as quais 13
parâmetros físicos, químicos e biológicos foram
medido trimestralmente desde 1992. Com base no
relação conhecida entre os parâmetros e LULC,
cinco deles foram retidos para a análise estatística:
turbidez, nitrato, nitrito, fósforo e coliformes fecais.
O índice de qualidade da água DELPHI (Bollmann e Marques,
2000) também foi utilizado, embora incorpore alguns
parâmetros que estão mais relacionados à poluição pontual do que
não-ponto. O índice foi calculado pelo IGAM usando o
seguinte fórmula:
eu ,
IQA = Y9 eu¼1
qwi
onde q é o parâmetro e w é o peso do parâmetro como
definido na Tabela 3.
Das 29 estações, apenas 16 eram diretamente do
Rio das Velhas (e não de afluente). Somente dados de
Foi utilizado o ano de 2002 por ser este o ano correspondente ao

mesa 2
O sistema de classificação LULC adaptado de Anderson et al.(1976) e Sokolanski (1999) juntamente com o tamanho da amostra e a precisão do produtor e do usuário
valores da classificação da imagem

Nível I Nível II Amostras Precisão (%)

Produtor Usuários

1 Urbano +
*
2 Agropastoril 21 Agricultura
22 pastorais 382 81,7 76,5
3 Vegetação 31 Floresta primária
32 Floresta secundária 667 97,5 95,6
33 Savana arborizada 269 77,0 73,9
34 Savana de pastagem 67 61,2 100
35 Floresta decídua seca 272 74,6 90,2
36 Mata ciliar 237 76,8 71,1
Floresta plantada Plantação de eucalipto 441 74,4 81,2
Estéril Solo exposto 197 95,4 82,5
Solo aberto +
Afloramento rochoso 857 99,4 97,6
Água 124 99,2 100

Observe que as amostras foram baseadas em pacotes de 9 (3 3) a 25 (5 5) pixels

+, interpretado; *, interpretado e/ou mesclado com pastoral; , nenhum observado.
Machine Translated by Google

ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170 163

Dados LULC. Como referência, a Tabela 4 mostra a precipitação total para produzir resultados fortemente tendenciosos. Para resolver este problema, o
o mês de janeiro e julho para o ano de 2002. dados de qualidade da água do ponto de amostragem a montante foram
deve-se notar, no entanto, que não temos conhecimento do subtraído de cada ponto. Para que a abordagem seja
dia exato do mês em que as amostras de água foram consistente, o primeiro ponto de amostragem próximo à fonte da bacia hidrográfica
coletados. A Tabela 5 mostra os cinco parâmetros WQ e o teve que ser eliminado (nenhum ponto de amostragem a montante) e apenas
Índice WQ para cada uma das 16 estações fluviais das Velhas e para os pontos de amostragem diretamente no rio das Velhas poderiam ser
tanto a estação chuvosa como a seca. usado. É claro que isso resultou na produção de alguns resultados negativos
valores para os parâmetros de qualidade da água. Para cada restante
4.3. Determinando áreas contribuintes ponto (15 ao todo), uma série de zonas ribeirinhas (ZR) de vários
larguras foram definidas. Para isso, foi definida uma sub-bacia hidrográfica
Como todos os dados do QA são da mesma bacia hidrográfica e que contribui exclusivamente para cada ponto de amostragem de água.
a maioria está localizada no mesmo córrego (rio das Velhas), Em seguida, cada sub-bacia hidrográfica é sucessivamente sobreposta às margens ribeirinhas.

são estatisticamente altamente correlacionados e, até certo ponto, todos os zonas tampão de largura variável para produzir o exclusivo
pontos a montante contribuem para as medições de qualquer zonas de contribuição (ZEC). Buffers foram criados para um
ponto de observação. Isto é estatisticamente indesejável e largura máxima de 510 m e todos eram múltiplos de 30 m para
corresponder à resolução da imagem LANDSAT. Esta abordagem
Tabela 3 produziu 17 zonas tampão que foram então reduzidas a cinco
Parâmetros e pesos dos parâmetros utilizados no cálculo do DELPH1 usando um processo de eliminação. Os dois primeiros buffers foram
índice de qualidade da água
eliminado (30 e 60 m) por estar muito próximo do riacho
Parâmetro Peso do parâmetro
e possivelmente afetado por erros de posicionamento. Dez dos
os 15 buffers restantes foram eliminados por serem pouco informativos
Oxigênio dissolvido (%) 0,17
(distribuídos linearmente) com base na análise dos gráficos de
Coliformes fecais (NMP/100 ml) 0,15
coeficientes de determinação (ver Seção 5). A Figura 2 ilustra
PH 0,12
0,10 o processo de criação das RZs. Desde a topografia de
Demanda bioquímica de oxigênio (mg/L)
Nitrato (mg/LNO3) 0,10 zonas ribeirinhas não varia tanto como no conjunto
Fósforo (mg/LPO4) 0,10 bacia hidrográfica, esse procedimento também teve o efeito de reduzir o
Variação de temperatura (1C) 0,10
impacto das variações do relevo; uma importante variável hidrológica
Turbidez (UNT) 0,08
para modelagem de bacias hidrográficas que não é considerada no presente
Sólido total (mg/L) 0,08
estudar. Embora a incorporação do alívio provavelmente
melhorar os modelos, a única escala média disponível
Tabela 4 mapas topográficos (1:100.000 e alguns 1:50.000) não puderam
Precipitação total (mm) para os meses de janeiro e julho do ano produzir precisão suficiente dentro das zonas ribeirinhas restritas.
2002 para a bacia do rio das Velhas

Mês Alto Meio Baixo 4.4. Modelagem estatística

Janeiro 306,8 398,4 226,9

8,0 6.3 0,0
Com apenas 15 pontos de amostragem, uma análise estatística completa
Julho
análise é difícil. Ainda assim, considerando o alto custo
Os dados são apresentados para as bacias hidrográficas alta, média e baixa. coletando amostras de água sistematicamente e realizando

Tabela 5
Parâmetros de qualidade da água medidos nas 16 estações fluviais das Velhas para a estação chuvosa (topo) e seca (fundo) de 2002

QE Estação fluvial das Velhas: Temporada chuvosa: janeiro de 2002

Parâmetro 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Turbidez (NTU) 94,8 603,0 531,0 505,0 436,0 415,0 1088,0 915,0 738,0 627,0 644,0 923,0 726,0 690,0 366,0 434,0
Nitrato (mg/L NO3) 0,09 0,04 0,04 0,22 0,24 0,25 0,28 0,46 0,66 0,34 0,57 0,67 0,43 0,52 0,48 0,38
Nitrato (mg/L NO2) 0,005 0,004 0,005 0,011 0,007 0,010 0,105 0,121 0,000 0,051 0,014 0,000 0,008 0,007 0,005 0,006
P (mg/L PO4) 0,02 0,22 0,01 0,01 0,03 0,14 0,05 0,04 0,31 0,01 0,05 0,03 0,08 0,05 0,09 0,21
Col. fecal. (NMP/100 L) — — — 50,0 IQA 77,3 50,0 90,0 160,0 160,0 50,0 7,0 30,0 17,0 2.2 2.8 0,7 1.7
57,4 61,7 41,3 41,9 38,1 30,1 28,9 30,0 38,6 37,5 39,8 46,5 44,3 49,9 44,7

Estação seca: julho de 2002

Turbidez (NTU) 6,5 8.17 9,29 12,2 9,83 54,9 71,0 55,3 82,4 35,3 6,88 20,7 20,5 11.6 7,72 3,83
Nitrato (mg/L NO3) 0,16 0,24 0,29 0,38 0,41 0,27 0,02 0,02 0,03 0,18 1,76 2,90 1,83 1,82 1,87 1.02
Nitrito (mg/L NO2) 0,003 0,022 0,023 0,048 0,046 0,027 0,006 0,006 0,005 0,022 0,223 0,245 0,015 0,019 0,032 0,008
P (mg/L PO4) 0,02 0,04 0,05 0,08 0,06 1,50 0,95 1,05 0,96 0,34 0,19 0,14 0,12 0,11 0,04 0,04
Col. fecal. (NMP/100 L) 0,00 7,0 3,0 7,0 8,0 160,0 160,0 160,0 160,0 13,0 0,13 16,3 0,001 0,05 0,03 0,01 0,02
IQA 76,1 62,6 65,2 60,3 61,3 19,6 15,7 14,6 36,2 59,7 66,0 59,5 55,9 79,5 77,4
Machine Translated by Google
ARTIGO NA IMPRENSA
164 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
Figura 2. Ilustração de como são definidas as zonas ribeirinhas; (a) os pontos de amostragem da qualidade da água, (b) definição da zona de contribuição exclusiva para
cada sub-bacia hidrográfica, (c) sobreposição das zonas tampão ripícolas de diferentes larguras, e (d) ilustração das zonas ripícolas para o ponto 1.
análises químicas, a prática de modelagem estatística com poucas
amostras tem sido considerada aceitável e muitos outros estudos
adotaram abordagem semelhante. Por exemplo, Mattikalli e Richards
(1996) e Fisher et al. (2000) utilizaram 17 e 10 locais de amostragem
de água, respectivamente, enquanto Basnyat et al. (1999) e Wang
(2001) utilizaram 8 e 22 pequenas bacias hidrográficas,
respectivamente, para suas análises.
Para compensar esta fragilidade e fortalecer os resultados, a análise
foi realizada para dois meses diferentes: Janeiro (época chuvosa) e
Julho (época seca). O argumento para apoiar esta abordagem foi o
seguinte: durante a estação chuvosa, o escoamento superficial é mais
frequentemente activo e o LULC deveria ter uma influência mais forte
sobre o QA do que durante a estação seca. Existem, no entanto,
alguns problemas com esta afirmação que serão considerados
oportunamente. Um desses problemas é que os agricultores raramente
utilizam fertilizantes e nutrientes durante a estação chuvosa porque
muitos deles serão levados pela chuva. Outro problema é que o solo
fica mais exposto durante a estação seca e, portanto, mais suscetível
à erosão.
A regressão múltipla utilizando a regra dos mínimos quadrados foi
escolhida para o presente estudo. A regressão múltipla produz
modelos lineares na forma Y ¼ b0+b1X1+b2X2+ybnXn onde Y é a
variável explicada, X1,2yn são as variáveis independentes ou
preditoras, b1,2yn são os coeficientes en é o número de variáveis.
Preferiu-se a correlação porque o LULC é composto por um mosaico
de diferentes classes em todas as zonas de contribuição exclusiva
dos locais de amostragem do WQ. Consideradas uma de cada vez,
as classes LULC não teriam um impacto significativo no QE.
Isto também é consistente com o facto de que em conjunto estas
classes constituem 100% das zonas de contribuição (excepto algumas
nuvens classificadas como “sem dados”). Todos os modelos foram
calculados usando proporções de cada LULC e não áreas reais em
unidades de medida. Apenas modelos com coeficientes de
2
determinação (r ) superiores a 0,6 foram mantidos. Para continuar
testam a validade dos modelos, foi considerado um nível de
significância pX 0,9. Por fim, foi realizada uma análise de variância
nos betas (b1,2,yn) para testar se eles são iguais a zero (H0: b1,2y,n
= 0; H1: b1,2,yn6=0). Um nível de 90% (0,1) também foi utilizado para
este teste de inferência. Esses cuidados também garantiram que os
resultados fossem válidos apesar do pequeno
amostra usada. Gráficos de dispersão dos resíduos também foram
produzidos para garantir que fossem distribuídos aleatoriamente.
5. Resultados e discussão
As Tabelas 6 e 7 apresentam os coeficientes de determinação dos
diversos modelos. As tabelas foram formatadas para incluir
informações sobre os modelos que foram rejeitados por apresentarem
baixos coeficientes de determinação (itálico) ou por não conseguirem
rejeitar a hipótese nula (H0) da análise de variância afirmando que os
betas são iguais a zero a 90% (valores com asterisco). Esse foi o
caso dos seguintes parâmetros do QA: fósforo (P) e índice de
qualidade da água (IQA). Os modelos válidos estão em negrito. Estes
incluem nitrito para a estação chuvosa e turbidez e coliformes fecais
para a estação seca.
Modelos com sinal de mais (+) significam que a H0 da análise de
variância poderia ser rejeitada em 85%. Nitrito e nitrato durante a
estação seca são tais modelos e serão discutidos. Embora o IQA
possua alguns modelos válidos (H0 rejeitado em 85%), ele não foi
retido para discussão, por ser um índice e não um valor medido, e
sua interpretação seria, portanto, muito subjetiva. A Figura 3 mostra
uma série de gráficos dos coeficientes de determinação e como eles
variam com a largura do buffer (RZ) para os parâmetros WQ retidos
para discussão. Os resultados para esses parâmetros são discutidos
separadamente nas subseções seguintes.
5.1. Turbidez
A alta turbidez está normalmente associada à estação chuvosa,
quando o escoamento superficial transporta sedimentos do solo e os
leva para o riacho. Durante a estação chuvosa as águas altas também
são muito mais turbulentas e não permitem que os sedimentos se
depositem no leito do rio. Os sedimentos suspensos podem, portanto,
percorrer longas distâncias e todos os afluentes também contribuem
para a turbidez. Este também é o caso aqui e a turbidez é muito maior
durante a estação chuvosa (ver Tabela 5).
Para fins de modelagem, os valores de turbidez foram transformados
em log para obedecer a um comportamento mais linear. O janeiro
Machine Translated by Google

ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170 165

Tabela 6
2
Coeficientes de determinação (r ) dos modelos de regressão múltipla da estação chuvosa para os cinco parâmetros de qualidade da água e para as diferentes zonas ribeirinhas
(RZ) incluindo toda a zona de contribuição exclusiva (ECZ, última coluna)

Qualidade da água Temporada chuvosa: janeiro de 2002

Parâmetros ZRs ZEC

90 metros 150 metros 210 metros 300 metros 510 metros

Turbidez 0,194 0,198 0,194 0,198 0,214 0,222

Nitrato 0,513 0,504 0,482 0,457 0,431 0,507
Nitrito 0,823 0,823 0,820 0,815 0,803 0,822
P 0,690+ 0,647* 0,647* 0,580 0,543 0,543

Col. fecal. (1000) 0,755* 0,735* 0,725* 0,709* 0,691* 0,789*

IQA 0,453 0,461 0,459 0,464 0,487 0,502

2 2
Negrito: r X0,6 betas6¼0 (90%); +: r X0,6 betas6=0 (85%)
2 2
*: r X0,6 beta = 0; itálico: r o0,6.

Tabela 7
2
Coeficientes de determinação (r ) dos modelos de regressão múltipla da estação seca para os cinco parâmetros de qualidade da água e para as diferentes zonas ribeirinhas
(RZ) incluindo toda a zona de contribuição exclusiva (ECA, última coluna)

Qualidade da água Estação seca: janeiro de 2002

Parâmetros ZRs ZEC

90 metros 150 metros 210 metros 300 metros 510 metros

Turbidez 0,874 0,906 0,918 0,925 0,895 0,831

Nitrato 0,726+ 0,752 0,779 0,809 0,836 0,708
Nitrito P 0,713+ 0,729+ 0,744 0,700 0,772 0,621
0,507 0,515 0,515 0,493 0,441 0,343

Col. focal. (1000) 0,850 0,849 0,834 0,801 0,726 0,621*

IQA 0,677* 0,673* 0,664* 0,649* 0,616* 0,474

2 2
Negrito: r X0,6 betas6¼0 (90%); R X0,6 betas6=0 (85%).
2 2
*: r X0,6 beta = 0; itálico: r o0,6.

o modelo (úmido) não foi conclusivo com r 2 valores abaixo de 0,3 para
os buffers RZ e abaixo de 0,4 para o ECZ. Isso é
compreensível para a estação chuvosa, uma vez que a suspensão da
ingestão de sedimentos antes da ZEC é geralmente alta e pode
vem de muito longe rio acima. A contribuição do
a vizinhança imediata dos pontos de amostragem de água é
portanto, relativamente pequeno demais para afetar o modelo. Isso é
2 5.2. Nitrato e nitrito
algo confirmado pelo fato de que r
ECZ do que os RZs.
Durante a estação seca, o modelo de regressão é bastante
conclusivo com altos coeficientes de determinação. O
análise de variância dos betas também permitiu
rejeitar H0: betas = 0. Nesse período, relativamente pouco
o sedimento é captado e, quando isso ocorre, não é
transportado para muito longe. Esta é também a época em que
agricultores irrigam os seus campos e quando os solos estão mais
vulnerável à erosão. O modelo RZ mostra o mais forte
relação (0,925) a uma distância tampão de 300 m decrescente
para 0,895 a 510 me 0,831 para a ZEC (Fig. 3a). O
modelo real (Tabela 8) mostra que a classe que contribui
a maior parte do aumento da turbidez são terras estéreis seguidas por
florestas agropastoris e plantadas. Aqui está a floresta de classes
anormalmente contado como contribuidor, mas com muito
menor peso do que o solo estéril. O inibidor mais forte é
previsivelmente mata ciliar. Savanna também é um inibidor, mas
com um fator de ponderação bastante baixo. Embora imperfeito, o
modelo ainda mantém um comportamento previsível para a maioria
classes (exceto floresta) e parece ser um preditor válido
Tabelas 9,10,11.
é maior para o
No ambiente aquático, o nitrogênio pode ser encontrado em
várias formas: nitrogênio molecular, nitrogênio orgânico,
nitrogênio amoniacal, nitrito e nitrato. Doméstico e
esgotos industriais junto com excrementos de animais e
os fertilizantes são as principais fontes de nitrogênio. Nitrito é
geralmente associados a processos biológicos ativos influenciados
pela poluição orgânica (IGAM, 2002). O nitrato é mais
associado ao uso de fertilizantes orgânicos e inorgânicos
(Meybeck et al., 1989; Mattikalli e Richards, 1996;
Basnyat et al., 1999). Embora essas duas fontes de nitrogênio
são frequentemente tratados em conjunto, uma vez que foram medidos
separadamente, dois conjuntos diferentes de modelos foram criados.
Exceto por quatro locais de amostragem no meio do
bacia hidrográfica, nitrito e nitrato são maiores na estação seca
Machine Translated by Google

ARTIGO NA IMPRENSA
166 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170

2
Figura 3. Gráficos de r de acordo com a largura da zona tampão ribeirinha.
Machine Translated by Google

ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170 167

Tabela 8
Modelo de regressão múltipla para turbidez (estação seca/300 m, n = 15)

Variável C RF B S F PA PF você

5.985 3,98E-03 0,180 4,75E-04 7,740E-02 8,868E-02 8.433E-02 5.728E-02

Padrão B. errar. 2.220 0,029 0,038 0,024 0,029 0,037 0,024 0,022

C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta Plantada; U ¼ Urbano.

Tabela 9
Modelo de regressão múltipla para nitrato (estação seca/510 m, n = 15)

Variável C RF B S F PA PF você

3.294 2,53E-02 2.486E-02 1,032E-02 5.234E-02 8.074E-02 6.804E-02 2.976E-02

Padrão B. errar. 1.918 0,022 0,030 0,018 0,022 0,027 0,017 0,016

C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta plantada; U ¼ Urbano.

Tabela 10
Modelo de regressão múltipla para nitrato (estação chuvosa/90 m, n = 15)

Variável C RF B S F PA PF você

1.186E-02 1.18E-04 1.756E-04 6.32E-04 3.42E-04 4.045E-04 7.82E-04 9.974E-04

Padrão B. errar. 0,090 0,001 0,001 0,001 0,001 0,001 0,001 0,001

C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta plantada; U ¼ Urbano.

Tabela 11
Modelo de regressão múltipla para nitrito (estação seca/510 m, n = 15)

Variável C RF B S F PA PF você

0,313 4.28E-04 3,49E-03 4.368E-04 6.766E-03 8.894E-03 7.811E-03 3.259E-03

Padrão B. errar. 0,248 0,003 0,005 0,003 0,003 0,004 0,003 0,002

C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta plantada; U ¼ Urbano.

(Tabela 5). A razão para estas concentrações geralmente mais elevadas2
pode ser parcialmente explicada pelo facto de as águas altas
da estação chuvosa diluem mais esses produtos químicos. Outro por
não há razão negligenciável para este comportamento sazonal
que os agricultores não usam muito fertilizante durante o período chuvoso
temporada, pois a maior parte seria levada pela água.
Os modelos para nitrito mostram um comportamento consistente para
ambas as temporadas, mas com uma relação mais forte em janeiro
(molhado) que culmina a 300 m. Os modelos de estação seca são
mais fraco e menos significativo em termos de análise de variância
resultados. A curva mostra um aumento constante de 90 para 510 m
sugerindo que poderia ter continuado a aumentar se um
buffer maior foi considerado. Esses resultados sugerem
que o escoamento durante a estação chuvosa pode ser responsável
para trazer uma maior quantidade de matéria orgânica de
da zona ribeirinha para o riacho.
Nos três modelos a mata ciliar atua como inibidora
confirmando seu papel essencial de filtragem. Para o nitrato, todos os
2
As concentrações na Tabela 5 são consideradas aceitáveis para humanos
consumo (<5 mg ¼ L), mas são significativamente maiores do que seriam
encontrado em um ambiente natural.
outras classes têm uma contribuição positiva. O fato de que
floresta e savana têm pesos positivos não é esperado
resultado e provavelmente vem de várias fontes de
erro e a abordagem do modelo simplificado. A estação chuvosa
modelo de nitrito tem, em ordem decrescente de importância,
floresta plantada, cerrado, mata e mata ciliar como
inibidores. Aqui a distância do riacho parece
ser menos importante, uma vez que os coeficientes de determinação não
não diminui muito com o aumento da distância. Isso é
talvez por que a mata ciliar seja o inibidor mais fraco.
O solo urbano é o contribuinte mais forte, seguido pelo solo agro-pastoril
e estéril. Durante a estação seca, o modelo
se comporta de uma maneira menos compreensível, mas o mais forte
contribuintes (agropastoril, floresta plantada e urbano) são
consistente com o comportamento esperado. Como este modelo tem
um coeficiente de determinação mais fraco (máximo de 0,772
a 510 m), é portanto menos confiável.
5.3. Fósforo
O consumo de fósforo não parece afetar
saúde humana, mas níveis elevados de fósforo na água podem
Machine Translated by Google
ARTIGO NA IMPRENSA
168 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
têm efeitos dramáticos na vida aquática. Concentrações de
acima de 0,03 mg/L pode provocar crescimento excessivo das plantas,
aumentar a demanda de oxigênio e reduzir o estoque de peixes (MOE,
1984). A maioria das concentrações apresentadas na Tabela 5 está acima
0,03 mg/L e pode ser considerado excessivo. Fósforo em
a água superficial pode vir de uma variedade de fontes, tanto
ponto e não ponto. Está associado a esgotos, animais
excrementos, fertilizantes e alguns detergentes.
Ao contrário do nitrogênio, a diferença nos níveis entre o nitrogênio úmido
e as estações secas são pequenas. No entanto, o modelo para a seca
temporada não poderia ser considerada confiável com coeficientes de
determinação bem abaixo da marca de 0,6 e um nível de
significância abaixo de 90%. O modelo da estação chuvosa, por outro
por outro lado, pode ser considerado aceitável para os três primeiros buffers
larguras (90, 150 e 210 m). O modelo para o buffer de 90 m
está na Tabela 12 e na Fig. 3e e mostra que todos os usos da terra
exceto um (agro-pastoril) contribuem positivamente para o nível
de fósforo, sendo o mais forte o solo descoberto e plantado
floresta (eucalipto). Como os coeficientes do modelo só podem ser
considerado diferente de zero em 85% (betas6=0 (85%)),
decidimos restringir nossa interpretação ao simples fato de que
a distância do riacho parece ser um fator determinante
para níveis de fósforo.
5.4. Coliformes fecais
Com exceção de três estações de amostragem de água (e a primeira
três locais de amostragem sem dados em janeiro), o
as contagens de coliformes são maiores durante a estação chuvosa. Estações
6–8 têm as contagens mais altas relacionadas ao ambiente urbano
região de Belo Horizonte e seu entorno. O
valores mais baixos durante a estação seca estão provavelmente relacionados com
a quase completa ausência de chuva e escoamento superficial.
Os modelos para janeiro não são confiáveis porque o valor nulo
hipótese de que os betas são iguais a zero não poderia ser
rejeitado. Os modelos de julho, porém, foram muito conclusivos
2
com pico em r = 0: 9 e rejeitou H0 em 99, 5% (Fig. 3f).
Este pico é alcançado a 150 m do riacho e depois o
Tabela 12
Modelo de regressão múltipla para fósforo (estação chuvosa/90 m, n = 15)
Variável C RF B S
0,661 1.50E-02 1.958E-02 11.133E-03
Padrão B. errar. 0,554 0,009 0,008 0,006
C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta plantada; U ¼ Urbano.
Tabela 13
Modelo de regressão múltipla para coliformes fecais (estação seca/90 m, n = 15)
Variável C RF B S
179283 2386,6 7513,6
Padrão B. errar. 152749,7 2409,9 2232,4 1675,8
C = constante; RF ¼ Mata Ciliar; B ¼ Estéril; S ¼ Savana; F ¼ Floresta; AP ¼ Agropastrola; PF ¼ Floresta plantada; U ¼ Urbano.
2
relacionamento diminui constantemente para r ¼ 0,76 a 510 m. O
ainda mais baixo r2 ¼ 0,54 para a ZEC sugere que esta tendência
continua com o aumento da distância do riacho.
O pastoreio de gado perto do riacho é provavelmente a principal
explicação para esse comportamento. Foi observado por
exemplo que, na ausência de mata ciliar, o estoque tende
para entrar no stream com mais frequência. Isto mostra ainda
importância da manutenção ou restauração de matas ciliares.
Como pode ser visto na Tabela 13, o LULC mais forte
contribuição para a contagem de coliformes fecais vem de áreas estéreis
terra seguida de floresta plantada, terra agro-pastoril e
áreas urbanas. Esses contribuidores podem ser mesclados em
áreas de “impacto humano”. Os inibidores são mata ciliar
e savana mostrando mais uma vez a importância de manter
vegetação natural perto de riachos.
5.5. Discussão
A abordagem simplificada aqui utilizada foi capaz de mostrar uma
ligação consistente entre LULC e WQ e que o
o primeiro pode ser usado para modelar o último até certo ponto.
Isolar o LULC em zonas ribeirinhas de diferentes larguras fez
foi possível identificar alguns padrões no comportamento espacial
dos vários parâmetros de qualidade da água no que diz respeito
distância do fluxo. Contudo, não trouxe um impacto significativo
aumento em todos os coeficientes de determinação do
modelos de regressão.
Os modelos também ajudaram a identificar as classes LULC
que têm maior impacto no WQ. Nesse sentido, os ribeirinhos
floresta é a única classe de uso da terra que mostra mais
comportamento consistente. É um bom inibidor de turbidez,
nitrato, nitrito e coliformes fecais. Esse comportamento é
consistente com o observado em muitos outros estudos
embora o peso exato varie muito, o que provavelmente pode
ser explicada por diferenças regionais, como clima,
topografia, solos, litologia, etc. Outro muito consistente
A conclusão é que a terra estéril contribui sistematicamente para a
cinco parâmetros WQ selecionados. Seu papel relativo na turbidez
F PA PF você
5.976E-03 3.57E-03 1.720E-02 3.856E-03
0,007 0,010 0,006 0,005
F PA PF você
1899,4 1563,0 2078,3 5116,4 1717,7
1840,6 2686,0 1772,1 15001,4
Machine Translated by Google
ARTIGO NA IMPRENSA
P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
excede todas as outras classes LULC. A abordagem aqui
adoptada não nos permitiu, contudo, mostrar esta relação para a
estação chuvosa. Durante a estação seca, as classes agropastoril
e floresta plantada contribuem consistentemente para a piora do
QA, mostrando que quando estão perto de córregos, as práticas
de conservação da terra devem ser aplicadas com cuidado. A
savana e a floresta secundária têm um comportamento mais
complexo e são ora inibidoras, ora contribuintes. Deve-se
considerar aqui que ambas as classes de vegetação
predominantemente aberta são frequentemente encontradas em
vários graus de degradação e não fomos capazes de fazer com
que o mapeamento LULC transportasse esta informação. A classe
urbana (tomada aqui como uma fonte difusa, uma vez que apenas
a sua área é considerada) é um contribuinte consistente, mas
com peso relativamente pequeno nos modelos retidos (exceto
fósforo). Isto pode ser um comportamento inesperado, mas é
explicado pelo facto de apenas dois pontos de amostragem serem
directamente afectados pelos grandes centros urbanos e pelo
facto de, sendo principalmente uma fonte pontual de poluição, a sua área
O modelo de zona ribeirinha utilizado neste estudo foi inspirado
no estudo de Basnyat et al. (1999) , mas foi simplificado e
adaptado através de modelagem cartográfica dentro de um
ambiente SIG. No entanto, ao contrário dos resultados de Basnyat
et al., as diferenças entre todas as ZEC e as ZR são geralmente
pequenas. Ao subtrair os dados de qualidade da água do ponto
anterior a montante e definir uma zona de contribuição exclusiva,
conseguimos analisar cada ponto de amostragem como um
processo independente. As ZRs foram definidas utilizando o curso
principal do rio e seus principais afluentes, mas outros afluentes
menores foram deixados de fora.
O comportamento espacial específico de cada parâmetro em
relação à distância ao riacho é talvez o achado mais interessante
do presente estudo. Embora por si só essas informações não
ajudem na definição de legislação para preservação de zonas
ciliares, podem ser úteis para órgãos agrícolas e ambientais
aconselharem sobre a largura ideal dependendo das atividades
principais. Por exemplo, uma zona ribeirinha mais ampla deve ser
preservada onde são utilizadas grandes quantidades de fertilizantes
à base de azoto. Por outro lado, a legislação actual (30 m de cada
lado dos pequenos riachos) pode ser suficiente para pastagens.
Durante a estação seca, enquanto a relação entre LULC e turbidez
atinge o seu pico a 300 m, o coeficiente de determinação de
coliformes fecais culmina a 90 m (ou menos, mas isto não pôde
ser determinado) para diminuir continuamente a partir de então.
Pelo contrário, a força da relação entre LULC e azoto (nitrato e
nitrito) aumenta com a distância e atinge o seu pico no tamanho
máximo do tampão RZ. Esta última relação pode ser devida ao
fato de que as principais atividades responsáveis por este
parâmetro não são tão significativas perto do riacho. Sentimos
que este aspecto da pesquisa, ou seja, o comportamento espacial
da relação entre LULC e os diferentes parâmetros de QA, merece
mais atenção e deveria orientar restrições específicas no uso da
terra em distâncias variadas do riacho, em vez da adoção de um
único critério ( por exemplo, preservação de 30 m de vegetação
ribeirinha) para todas as actividades.
169
6. conclusões
A força da abordagem estatística aqui apresentada reside na
sua simplicidade e no facto de tirar partido da análise WQ
existente e de um mapa LULC de resolução “grossa”. Baseia-se
no pressuposto de que a relação entre WQ e LULC pode ser
modelada sem levar em conta fontes pontuais de poluição e sem
considerar variáveis hidrológicas importantes, como declive e
precipitação. A inclinação não pôde, neste caso, ser modelada
adequadamente devido à falta de dados confiáveis. A precipitação
não pôde ser incorporada adequadamente na abordagem porque
as amostras de água foram coletadas ao longo do mês (janeiro
ou julho) e não durante um único dia.
Os resultados indicam que as classes LULC podem ser
utilizadas para modelar turbidez, coliformes fecais, nitrogênio e,
em menor proporção, fósforo. A estação seca parece ser a melhor
escolha para modelar estes parâmetros de QA, mas é necessária
uma
investigação
poder mais
ser pouco extensa para determinar o efeito da
relevante.
precipitação na abordagem simplificada aqui apresentada.
Indicam também que cada parâmetro do QA pode ter um padrão
distinto em relação à distância do riacho e que esses padrões
podem ajudar a definir diretrizes para o manejo da bacia
hidrográfica.
A abordagem simplificada que aproveita os dados existentes
de QA e LULC de resolução média-grossa representa uma
ferramenta importante no contexto brasileiro. Sendo um país em
desenvolvimento, muitas vezes faltam dados adequados para
monitorizar as alterações de LULC e o seu efeito na qualidade da água.
Os futuros esforços de investigação centrar-se-ão na incorporação
da precipitação e da inclinação nos modelos numa bacia
hidrográfica mais pequena e com características menos díspares,
a fim de isolar melhor o efeito do LULC.
Reconhecimentos
A pesquisa aqui apresentada faz parte da dissertação de
mestrado de Na´dia Antônia Pinheiro Santos sob orientação do
Dr. Philippe Maillard. Os autores são extremamente gratos ao
Instituto Mineiro de Gestão das Águas (IGAM) por disponibilizar
seus dados de qualidade da água e por fornecer apoio logístico e
a Luciano V.
Dutra do Instituto Nacional de Pesquisa Espacial (INPE) pela
disponibilização dos dados LANDSAT. Finalmente, gostaríamos
de agradecer aos três pareceristas anônimos que ajudaram a
melhorar o presente artigo com suas sugestões mais adequadas.
Referências
Anderson, JR, Hardy, EE, Roach, JT, Witmer, RE, 1976. Um sistema de
classificação de uso e cobertura da terra para uso com dados de sensoriamento remoto.
Geological Survey Professional Paper 964, Imprensa do Governo dos EUA
para o Departamento do Interior dos EUA, Geological Survey, Washington, DC
Basnyat, P., Teeter, L., Lockaby, B., Flynn, K., 1999. O uso de sensoriamento
remoto e GIS em análises de níveis de bacias hidrográficas de problemas de
poluição de fontes difusas. Ecologia e Manejo Florestal 128, 65–73.
Machine Translated by Google
ARTIGO NA IMPRENSA
170 P. Maillard, NA Pinheiro Santos / Journal of Environmental Management 86 (2008) 158–170
Biehl, L., Landgrebe, D., 2002. Multispec — uma ferramenta para análise de dados de
imagens multiespectrais - hiperespectrais. Computadores e Geociências 28 (10),
1153–1159.
Bollmann, HA, Marques, DM, 2000. Bases para a estruturação de indicadores de
qualidade de águas. Revista Brasileira de Recursos Hídricos 5 (1), 37–60.
Bruijnzeel, LA, 1990. Hidrologia de florestas tropicais úmidas e efeitos da conversão:
uma revisão do estado do conhecimento. Universidade Livre, Amsterdã.
Chavez Jr., PS, 1988. Uma técnica aprimorada de subtração de objetos escuros para
correção de espalhamento atmosférico de dados multiespectrais. Sensoriamento
Remoto do Meio Ambiente 24, 459–479.
Cornish, PM, 2001. O efeito de estradas, colheita e regeneração florestal nos níveis de
turbidez de águas fluviais em uma floresta úmida de eucalipto.
Ecologia e Manejo Florestal 152, 293–312.
EMATER, 2005. Programas de Desenvolvimento. Empresa de Assistência Técnica e
Extensão Rural do Estado de Minas Gerais—Secretaria de Estado da Agricultura—
MG, /http://www.emater.mg.gov.br/siteemater/ServProd/Progdesenv.aspS (último
acesso em 29 de agosto de 2005).
Euclydes, HP, Ferreira, PA, 2002. Recursos Hídricos e Suporte Ecológico a Projetos
Hidroagrícolas: Sub-Bacia do Alto e Médio São Francisco. Universidade Federal de
Viçosa (Boletim Técnico, 6), Viçosa, MG, Brasil.
Evans, R., 2005. Redução da erosão induzida pelo pastoreio numa pequena bacia
hidrográfica e nos seus arredores, Peak District, região central de Inglaterra.
Geografia Aplicada 25, 81–95.
Fisher, D., Steiner, J., Endale, D., Stuedemann, J., Schomberg, H., Franzluebbers, A.,
Wilkinson, S., 2000. A relação das práticas de uso da terra com a qualidade da água
superficial no Alto Bacia Hidrográfica Oconee da Geórgia. Ecologia e Manejo Florestal
128, 39–48.
Foster, IDL, Ilbery, BW, Hinton, MA, 1989. Agricultura e qualidade da água: um exame
preliminar do problema do nitrato de Jersey.
Geografia Aplicada 9, 95–113.
Gardi, C., 2001. Uso da terra, gestão agronómica e qualidade da água numa pequena
bacia hidrográfica do norte de Itália. Agricultura, Ecossistemas e Meio Ambiente 87,
1–12.
IGAM, 2002. Qualidade das Águas Superficiais no Estado de Minas em 2001. Instituto
Mineiro de Gestão das Águas. Karr, JR, Schlosser, J, Recursos hídricos e a interface
terra-água. Ciência 201 (4352), 229-234.
Karr, JR, Schlosser, IJ, 1978. Recursos hídricos e a interface terra-água. Ciência 201,
229–234.
Mattikalli, NM, Richards, KS, 1996. Estimativa de mudanças na qualidade das águas
superficiais em resposta às mudanças no uso da terra: Aplicação do modelo de
coeficiente de exportação usando sensoriamento remoto e sistema de informação
geográfica. Jornal de Gestão Ambiental 48, 263–282.
McCulloch, JSG, Robinson, M., 1993. História da hidrologia florestal.
Jornal de Hidrologia 150, 189–216.
Meybeck, M., Chapman, D., Helmen, P., 1989. Qualidade global da água doce: uma
primeira avaliação. Sistema de Monitoramento Ambiental Global/PNUMA/OMS,
Genebra.
MOE, 1984. Gestão da Água: Metas, Políticas, Objetivos e Procedimentos de
Implementação do Ministério do Meio Ambiente.
Ministério do Meio Ambiente, Governo do Canadá.
Moore, JA, Smyth, J., Baker, E., Miner, J., Moffitt, D., 1989. Modelagem do movimento
de bactérias em sistemas de esterco pecuário. Transações da Sociedade Americana
de Engenheiros Agrícolas 32 (3), 1049–1053.
Nisbet, TR, 2001. O papel do manejo florestal no controle da poluição difusa na
silvicultura do Reino Unido. Ecologia e Manejo Florestal 143, 215–226.
Olsson, L., Pilesjo, P., 2002. Modelagem Ambiental com GIS e Sensoriamento Remoto,
1ª Edição. Abordagens para modelagem hidrológica espacialmente distribuída em
um ambiente GIS, Taylor e Francis, Londres, GB, Ch. pp. 167–199.
Paula Lima (de), W., Brito Zakia, MJ, 2001. Mata Ciliares: Conservação e Recuperação,
2ª Edição. Universidade de São Paulo: Fapesp, São Paulo, SP, Ch. Hidrologia de
matas ciliares, pp.
Petersen, RC, 1992. O RCE: o inventário ribeirinho, canal e ambiental para pequenos
riachos na paisagem agrícola. Biologia de Água Doce 27, 295–306.
Polignano, VM, Alves, AL, Machado, ATM, Lisboa, AH, 2001.
Uma viagem ao Projeto Manuelza˜oea` Bacia do Rio das Velhas.
Universidade Federal de Minas Gerais – Projeto Manuelzão, Belo Horizonte, Brasil.
Ratter, JA, Ribeiro, JF, Bridgewater, S., 1997. A vegetação do cerrado brasileiro e
ameaças à sua biodiversidade. Anais de Botânica 80, 223–230.
Schuft, MJ, Moser, TJ, Wigington Jr., PJ, Stevens Jr., DL, McAllister, LS, Chapman, SS,
Ernst, TL, 1999. Desenvolvimento de métricas de paisagem para caracterizar redes
de riachos ribeirinhos. Engenharia Fotogramétrica e Sensoriamento Remoto 65
(10), 1157–1168.
Sokolonski, HH, 1999. Manual Técnico de Uso da Terra. IBGE: Departamento de
Recursos Naturais e Estudos Ambientais, Rio de Janeiro – RJ.
Sparovek, G., Ranieri, SBL, Gassner, A., De Maria, IC, Schnug, E., Santos (dos), RF,
Joubert, A., 2002. Uma estrutura conceitual para a definição da largura ideal das
zonas ribeirinhas florestas. Agricultura, Ecossistemas e Meio Ambiente 90, 169–175.
Stout, W., Fales, S., Muller, L., Schnabel, R., Weaver, S., 2000. Implicações na qualidade
da água da lixiviação de nitrato de pastagens intensamente pastoreadas no nordeste
dos EUA. Agricultura, Ecossistemas e Meio Ambiente 77, 203–210.
Tong, STY, Chen, W., 2002. Modelagem da relação entre uso da terra e qualidade da
água superficial. Revista de Gestão Ambiental 66,
377–393.
Wang, X., 2001. Integração da gestão da qualidade da água e do planeamento do uso
da terra num contexto de bacia hidrográfica. Journal of Environmental Management
61, 25–36.