ÁREA: Ambiental
TÍTULO: CARACTERIZAÇÃO DA ESTRUTURA E VARIABILIDADE ESPACIAL DO pH DA ÁGUA DA CHUVA EM CUIABÁ, MT, POR MEIO DE ANÁLISE GEOESTATÍSTICA
AUTORES: DIAS, V.R.M. (UFMT) ; ALVES, M.C. (UFMT) ; SANCHES, L. (UFMT) ; SILVA, A.S. (UFMT) ; NOGUEIRA, J.S. (UFMT)
RESUMO: Alíquotas de água de chuva foram coletadas em 26 pontos de Cuiabá-MT, objetivando-se avaliar o padrão espacial do pH da chuva por meio de método de estimação de Máxima Verossimilhança, modelo esférico e interpolador por krigagem, determinando a dependência espacial e a variabilidade do pH. Em outubro, dezembro e fevereiro o alcance foi 11.049m, 9.668m e 3.866m, respectivamente, indicando a distância de correlação espacial entre as amostras. Estes valores decrescentes representam a diminuição dos constituintes químicos atmosféricos responsáveis pela alteração do pH no decorrer da estação chuvosa. Conclui-se, pela análise de erros, que o modelo teórico ajustado aos dados apresentou qualidade satisfatória para caracterizar a variabilidade espacial do pH em diferentes épocas.
PALAVRAS CHAVES: ph, semivariograma, krigagem.
INTRODUÇÃO: O estudo do pH da água da chuva fornece importantes informações sobre sua composição química. Alterações no pH refletem mudanças na composição química da chuva, influenciando nos processos biogeoquímicos e, de forma indireta, na saúde humana. Por exemplo, baixos valores de pH podem resultar tanto de emissões de fontes naturais, como ácidos orgânicos, ou da ação antrópica, por emissões veiculares ou industrialização, entre outros. É de grande interesse conhecer a magnitude de variáveis ambientais, inclusive da precipitação e sua composição química, em qualquer local no espaço o que é normalmente impossível, tanto financeira quanto operacionalmente, tornando-se importante o uso de modelos geoestatísticos que estimem valores em locais não amostrados, a partir de dados vizinhos coletados (LOPHAVEN et al., 2004). A variabilidade espacial pode ser analisada por modelos geoestatísticos, para quantificar padrões espaciais tanto em ambientes terrestres quanto aquáticos ou atmosféricos, fornecendo informações sobre os processos dos ecossistemas e as relações espaciais que ocorrem em diversas escalas. Geoestatística envolve análises e predições de fenômenos regionalizados (CRESSIE, 1993), tais como nutrientes do solo, precipitação pluviométrica, concentração de poluentes em ambientes aquáticos, entre outros. Análises temporais do pH e composição química da chuva têm sido amplamente estudadas (HAN et al., 2010; ANDRÉ et al., 2007; ROCHA et al., 2003), porém sua variabilidade espacial praticamente não tem sido explorada. Assim, neste trabalho objetivou-se caracterizar a variabilidade espacial do pH da água da chuva, utilizando semivariograma e krigagem.
MATERIAL E MÉTODOS: Amostras de água de chuva em 26 pontos distintos na cidade de Cuiabá e entorno (abrangendo aproximadamente 730 Km2) foram coletadas em três campanhas diárias entre outubro de 2009 e fevereiro de 2010. Os amostradores foram devidamente lavados com água deionizada e distribuídos no dia anterior ao evento chuvoso e coletados no dia posterior. O pH foi mensurado assim que as amostras chegaram ao laboratório, usando equipamento marca Tecnopon, modelo Mpa-210, calibrado com soluções tampão pH 4,00 (±0,02) e 7,00 (±0,02). A dependência espacial foi analisada ajustando-se semivariograma pelo método de estimação de Máxima Verossimilhança Restrita e modelo esférico. Ao ajustar um modelo teórico ao semivariograma, os seguintes parâmetros foram obtidos: Co – efeito pepita (valor no eixo y onde inicia a curva teórica), Co+C – patamar (valor máximo no eixo y), a – alcance (valor no eixo x onde y é máximo). Posteriormente, foi realizada a interpolação dos dados por krigagem para possibilitar a visualização de padrões de distribuição espacial da variável em estudo. A seleção do método de estimação e modelo de ajuste foi avaliada pelo erro médio reduzido (ER) e desvio padrão dos erros reduzidos (SER) entre os valores medidos e os estimados por validação cruzada, em que o erro médio reduzido mais próximo de zero e o desvio padrão dos erros reduzidos próximo de um são critérios para escolha do melhor modelo (CRESSIE, 1993). Foi utilizado o programa R e o pacote de análises geoestatísticas geoR (RIBEIRO JUNIOR e DIGGLE, 2001) para ajustar os semivariogramas e gerar as superfícies de interpolação por krigagem.
RESULTADOS E DISCUSSÃO: A dependência espacial foi determinada por meio dos parâmetros obtidos pelo ajuste do modelo esférico (Tabela 1). Houve diminuição dos alcances e dos patamares dos semivariogramas no decorrer das três campanhas de outubro até fevereiro, correspondendo, provavelmente, à diminuição dos constituintes químicos atmosféricos que alteram o pH das chuvas, pelo processo conhecido como “remoção abaixo da nuvem” (ANDRÉ et al., 2007). Isso ocorreu pois, no início da estação chuvosa, em outubro, houve uma maior quantidade de constituintes químicos dispersos no ar sendo removidos a cada evento chuvoso. Os valores de alcance para o pH da chuva foram 11.049m em outubro, 9.668m em dezembro e 3.866m em fevereiro, indicando a distância de correlação espacial entre as amostras. Verificou-se pelos valores de ER e SER que o modelo ajustado (esférico) pelo método de Máxima Verossimilhança apresentou bom desempenho. Outros autores também observaram superioridade do método de Máxima Verossimilhança em relação aos outros métodos (ALVES et al., 2009; MELLO et al., 2005).
Em outubro e dezembro, houve um padrão espacial semelhante, com os valores de pH mais baixos (pH≤5,0) na região central da cidade de Cuiabá, apresentando maiores valores de pH à medida que se distanciam do centro, principalmente no sentido noroeste e sudeste (Figura 1). Em dezembro ocorreram valores menos ácidos que em outubro. Em fevereiro, o pH ficou em torno de 5,6 o que é considerado normal para água da chuva (ROCHA et al., 2003), apresentando um padrão espacial diferenciado, possivelmente porque não houve valores baixos concentrados numa mesma região como nas amostragens dos meses anteriores.
CONCLUSÕES: No início da estação chuvosa, em outubro, os valores de pH foram mais baixos e concentrados na região central da cidade. No final da amostragem, em fevereiro, os valores de pH ficaram em torno de 5,6 considerado normal para água de chuva. A metodologia de análise Geoestatística utilizada possibilitou mapear a variabilidade espacial do pH da chuva e caracterizar a estrutura do fenômeno, facilitando a interpretação da sua distribuição no espaço ao decorrer do tempo. Concluiu-se, pela análise de erros, que o modelo teórico ajustado foi satisfatório.
AGRADECIMENTOS: Ao Laboratório de Físico-Química do Departamento de Engenharia Sanitária e Ambiental da UFMT e ao CNPq pela bolsa de mestrado concedida.
REFERÊNCIAS BIBLIOGRÁFICA: ALVES, M. C.; SILVA, F. M.; MORAES, J. C.; POZZA, E.; OLIVEIRA, M. S.; SOUZA, J. C. S.; ALVES, L. S. Geostatistical analysis of the spatial variation of the Berry borer and leaf miner in a coffee agroecosystem. Precision Agriculture, dez. 2009.
ANDRÉ, F.; JONARD, M.; PONETTE, Q.; Influence of meteorological factors and polluting environment on rain chemistry and wet deposition in a rural área near Chimay, Belgium. Atmospheric Environment, 41, 1426-1439, 2007.
CRESSIE, N. Statistics for spatial data. New York: Wiley. 1993.
HAN, G.; TANG, Y.; WU, Q.; TAN, Q. Chemical and strontium isotope characterization of rainwater in karst virgin forest, Southwest China. Atmospheric Environment, 44, 174-181, 2010.
LOPHAVEN, S.; CARSTENSEN, J.; ROOTZÉN, H. Methods for estimating the semivariogram. In: LOPHAVEN, S. Design and analysis of environmental monitoring programs. Denmark: Kongens Lynby, 2004.
MELLO, J. M.; BATISTA, J. L. F.; RIBEIRO JUNIOR, P. J.; OLIVEIRA, M. S. Ajuste e seleção de modelos espaciais de semivariograma visando à estimativa volumétrica de Eucalyptus grandis. Scientia Forestalis, n. 69, 25-37, dez. 2005.
RIBEIRO JUNIOR, P. J.; DIGGLE, P. J. (2001) GeoR: a package for geostatistical analysis. R-NEWS, Vol 1, No 2, 15-18.
ROCHA, F. R.; SILVA, J. A. F.; LAGO, C. L.; FORNARO, A.; GUTZ, I. G. R. Wet deposition and related atmospheric chemistry in the São Paulo metropolis, Brazil: Part 1. Major inorganic ions in rainwater as evaluated by capillary electrophoreses with contactless conductivity detection. Atmospheric Environment, 37, 105-115, 2003.
