Modelo para estimativa de potencial poluidor de matéria orgânica em rios a partir da cobertura do solo da bacia hidrográfica
Resumo
Resumo: O modelo de Contribuição de Poluentes pela Cobertura do Solo (CPCS) objetiva estimar a poluição hídrica a partir da cobertura do solo da bacia hidrográfica obtida pela classificação de imagens de satélite. O modelo CPCS define que cada cobertura produz uma carga específica de poluente por unidade de área, denominada índice de Contribuição de Poluentes (ICP), que sofre degradação e/ou retenção até chegar ao rio. Tal decaimento pode ser representado por um peso obtido a partir de uma função núcleo, como, por exemplo, uma Gaussiana, que determina que tal peso é menor quanto maior for a distância entre o centroide da feição geradora, ou do ponto de lançamento, e o rio. Além do tipo de função utilizada, outro parâmetro que determina a sua forma é a largura de banda b. Quanto maior o valor de b, menor o decaimento, e vice-versa. Assim, o somatório das cargas difusas e pontuais multiplicadas pelo peso é equivalente à carga de poluente no rio. A matéria orgânica (MO) foi o poluente escolhido para definição do modelo CPCS. Todavia, devido à complexidade de sua composição, incialmente foi necessário separar a MO em fiação lábil (MOL) e refratária (MOR), visto que cada uma possui características de geração (ICP) e decaimento (b) diferentes. A partir da absorbância específica da MO em 254 nm, ou SUVA254, pode ser obtido o seu percentual de aromaticidade, que é relacionado à sua refratariedade. Desta forma, a partir do SUVA254 foram obtidos os percentuais de MOR e, consequentemente, MOL de cada amostra. O modelo foi aplicado à bacia do Rio Barigüi, sendo realizadas cinco coletas em 12 pontos ao longo do rio. A cobertura do solo em datas próximas às coletas foi obtida a partir da classificação supervisionada seguida de reclassificação manual de imagens Sentinel-2. Foram analisados parâmetros de qualidade da água, sendo o carbono orgânico dissolvido (COD) e a absorbância em UV-visível, além das demandas química e biológica de oxigênio (DQO e DBO), oxigênio dissolvido (OD) e frações de nitrogênio e fósforo. Os dados de COD foram utilizados na quantificação da MO, enquanto os demais parâmetros foram correlacionados à MOL, indicando que o método de separação foi adequado ao seu propósito. O modelo CPCS foi rodado em linguagem Python para as cargas de MOL e a cobertura de solo nas primeiras quatro coletas, resultando em diferentes conjuntos de ICP e b conforme os processamentos realizados (devido às diferenças de ocupação, a bacia foi dividida em três partes de quatro pontos cada). Os valores foram avaliados e aplicados na quinta coleta para validação do modelo, verificando-se que a sazonalidade possui grande influência nos valores de ICP e a forma da bacia nos valores de b, atingindo como melhor resultado um erro médio de 52% na estimativa de carga de MOL, sendo verificados problemas principalmente, nos locais de lançamentos pontuais, demonstrando a adequabilidade do modelo CPCS para a gestão integrada de recursos hídricos e planejamento de uso do solo e sua utilização como indicador do potencial de poluição de rios por matéria orgânica. Abstract: The Land Use Pollutant Contribution (LUPC) model aims to estimate water pollution from the watershed land use obtained by satellite images classification. The LUPC model defines that each land use produces a specific pollutant load per unit area, called Pollutant Standard Index (PSI), which undergoes degradation and/or retention until it reaches the river. This decay can be represented by a weight obtained from a Kernel function, such as a Gaussian, which determines that when this weight is lower the greater the distance between the centroid of the generating feature, or the release point, and the river. Besides the type of function used, another parameter that determines its shape is the bandwidth b. The larger the value of b, the smaller the decay, and vice-versa. Thus, the sum of the diffuse and point loads multiplied by the weight is equivalent to the pollutant load in the river. Organic matter (OM) was the pollutant chosen for the definition of the CPCS model. However, due to the complexity of its composition, it was initially necessary to separate the OM into labile (LOM) and refractory (ROM) fractions since each has different generation (PSI) and decay (b) characteristics. From the specific ultraviolet absorbances of OM at 254 nm, or SUVA254, the aromaticity percentage can be obtained, which is related to its refractivity. Thus, from SUVA254 the ROM percentages and, consequently, LOM percentages of each sample were obtained. The model was applied to the Barigüi River basin, and five samples were collected at 12 points along the river. The land use on dates close to the monitoring campaigns was obtained from supervised classification followed by manual reclassification of Sentinel-2 satellite images. Water quality parameters were analyzed, being dissolved organic carbon (DOC) and UV-visible absorbance, in addition to chemical and biological oxygen demand (COD and BOD), dissolved oxygen (DO), and nitrogen and phosphorus fractions. The DOC data were used in the quantification of OM, while the other parameters were correlated to LOM, indicating that the separation method was fit for purpose. The LUPC model was developed in Python language for LOM loads and land use data in the first four campaigns, resulting in different sets of PSI and b according to the processing performed (due to differences in land cover, the basin was divided into three parts of four points each). The values were evaluated and applied in the fifth campaign for model validation, verifying that seasonality has a great influence on PSI values and the basin shape on b values, reaching as best result an average error of 52% in the estimation of LOM load, being verified problems mainly in the places of point releases, demonstrating the suitability of the LUPC model for the integrated management of water resources and land use planning and its use as an indicator of the potential pollution of rivers by OM.
Collections
- Teses [70]