anÁlise espacial de propriedades geotÉcnicas de … al.pdf · anÁlise espacial de propriedades...

1
ANÁLISE ESPACIAL DE PROPRIEDADES GEOTÉCNICAS DE SOLOS DO MUNICÍPIO DE UBATUBA A PARTIR DE MODELAGEM DETERMINÍSTICA LOCAL E GEOESTATÍSTICA Paulo César Fernandes da Silva 1 , Rodolfo Moreda Mendes 1 , Túlius Dias Nery 1 , Ivete Costa da Silva 2 Instituto Geológico – Secretaria de Estado do Meio Ambiente 1 Seção de Geologia Aplicada e Ambiental; 2 Laboratório de Análises Sedimentológicas e Mineralógicas Resumo Unidades de terreno ou unidades geotécnicas representam padrões da paisagem que reúnem um determinado grupo de características e propriedades geoambientais com relativa homogeneidade, que se replicam numa região, o que permite a inferência do comportamento geotécnico dos materiais envolvidos. Dentre os métodos existentes, a técnica de compartimentação fisiográfica utiliza a análise de propriedades espaciais e espectrais de imagens de satélite e fotografias aéreas para a delimitação de tais unidades (unidades básicas de compartimentação). Esta delimitação está intimamente associada às características geológicas e geomorfológicas do terreno, e também ao perfil de solo. O presente trabalho apresenta resultados preliminares de um estudo voltado à interpolação, inferência e regionalização de parâmetros geotécnicos dos solos da região de Ubatuba (litoral norte do Estado de São Paulo), explorando a análise espacial de dados em ambiente SIG e o conceito de replicabilidade das unidades de compartimentação. A regionalização dos parâmetros pode auxiliar na compreensão do comportamento dos solos ocorrentes na região durante eventos chuvosos, e por conseguinte, na prevenção de desastres associados a fenômenos de escorregamentos. Palavras-chave: regionalização de parâmetros geotécnicos, unidades básicas de compartimentação, análise espacial de dados. Abstract Terrain units or geotechnical units represent landscape patterns that express a determined set of geo-environmental characteristics and properties, liable to replicate within a region, which allows for inference of the geotechnical behaviour of materials involved. Amongst the existing methods, the physiographic compartmentalization technique utilizes spatial and spectral properties of satellite images and air-photos to delimit such units (Basic Compartmentalization Units). Unit delimitation is strictly associated with geological and geomorphological terrain characteristics, and also with soil covering and profiles. This paper presents preliminary results of a study conducted for interpolation, inference and regionalisation of geotechnical parameters of soils from the region of Ubatuba (north shore of São Paulo State). It has explored spatial analysis of data in digital geo-referenced (GIS-based) media and the concept of replicability of the compartmentalization units. The regionalisation of such parameters may assist with understanding the behaviour of the soils under rainy conditions thus aiding the prevention of landsliding hazards. Keywords: regionalisation of geotechnical parameters, basic physiographic units, data spatial analysis. Resultados As Figuras 3 e 4 apresentam uma comparação visual entre os resultados obtidos pelos diferentes interpoladores para os dados referentes às frações granulométricas (argila, silte e areia), segregados e analisados em dois conjuntos distintos por tipo de horizonte de solo, saprolito – SP e residual – SR, respectivamente. Os mapas indicam que o processo estimativo através do método Vizinho Mais Próximo (Figuras 3d, 3e, 3f e 4d, 4e, 4f) tende a produzir superfícies com variações abruptas, formando limites muito acentuados e retilíneos entre as zonas (de isovalores). Outro inconveniente é que este interpolador indica a distribuição espacial apenas em escalas (distâncias) pequenas. No caso, como as amostras distribuem-se de forma um tanto esparsa ao longo da área estudada, os resultados obtidos foram insatisfatórios ou inadequados à regionalização dos parâmetros, conforme pretendido. No caso do método Média Ponderada (Figuras 3a, 3b, 3c e 4a, 4b, 4c), que utiliza o inverso do quadrado da distância, os máximos e mínimos locais tendem a ser muito acentuados, formando “picos” aparentemente artificiais. Este picos são observados na espacialização dos teores de argila em saprolitos (Figura 3a) e de argila e silte em solos residuais (Figuras 4a e 4b). Não obstante este inconveniente, em termos gerais, os resultados obtidos através de Média Ponderada, com geração de valores intermediários de grade e distribuição espacial formando zonas mais atenuadas com limites gradativos entre si, parecem relativamente adequados à regionalização dos parâmetros geotécnicos estudados. Nos mapas referentes ao método de Krigagem (Figuras 3g, 3h, 3i e 4g, 4h, 4i), os problemas relativos à superfície de valores abruptos e formação de picos artificiais, mencionados anteriormente, não são observados. A distribuição espacial tende a ser mais homogênea, uma vez que são considerados os efeitos de variabilidade espacial dos dados em escala local e global. Isso se reflete em zonas (de isovalores) com limites graduais e num número menor de classes de valores a serem representados. Os resultados obtidos pela krigagem sugerem uma melhor adequação do método à regionalização dos parâmetros. Conclusões Os resultados demonstraram que as superfícies bi-dimensionais de valores estimados por média ponderada e krigagem apresentam maior potencial de aplicação para os objetivos de regionalização dos referidos parâmetros geotécnicos e inferência de perfis típicos de alteração de solos em unidades de terreno. O processo de interpolação por vizinho mais próximo demonstrou ser menos apropriado aos objetivos do trabalho devido às próprias características do método que leva à geração de superfícies bi-dimensionais abruptas. Tanto o estimador por média ponderada quanto por krigagem apresentaram resultados promissores e também alguns inconvenientes, dependendo da variabilidade e distribuição espacial do conjunto de dados analisados. Se por um lado as superfícies geradas por média ponderada apresentam “picos artificiais” de valores máximos e mínimos, que enfatizam de forma exagera a variabilidade em escala local, o método de krigagem tende à “homogeneização” dos valores estimados ao considerar que não há variação significativa do parâmetro estudado em larga escala. Referências Bibliográficas ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Análise granulométrica - NBR-7181. Rio de Janeiro, 13p. ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Determinação do limite de plasticidade, NBR 7180. Rio de Janeiro, 3p. ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Determinação do limite de liquidez, NBR 6459. Rio de Janeiro, 6p. DRUCK, S., CARVALHO, M.S., CÂMARA, G., MONTEIRO, A.V.M. (2004) Análise Espacial de Dados Geográficos, Brasília, EMBRAPA, (ISBN: 85-7383-260-6). Agradecimentos Os autores gostariam de agradecer aos colegas Cláudio José Ferreira, Lídia Keiko Tominaga, Maria José Brollo, Brian Garvey e Técia Bérgamo pelo auxílio nos trabalhos de campo e coleta das amostras de solo. Introdução O presente trabalho enfoca o uso da análise espacial de dados em ambiente SIG, combinada ao princípio da replicabilidade das UBCs, para buscar a interpolação, inferência geoestatística e regionalização de alguns parâmetros dos solos da região de Ubatuba (Litoral Norte do Estado de São Paulo). O estudo baseou-se na análise de um conjunto de 100 (cem) amostras deformadas, coletadas em 22 unidades. As amostras foram coletadas ao longo de cortes verticais existentes nas encostas naturais, em profundidades de 0,20 a 1,0 metro, para o horizonte de solo superficial, e até aproximadamente 8,5 metros, para o horizonte de saprolito. Metodologia Coleta e Tratamento de dados A área estudada corresponde a porções de sopé da Serra do Mar e relevos residuais (morros e morrotes isolados ou não), distribuídas na porção central e oeste do Município de Ubatuba, com cotas altimétricas médias dos pontos de coleta variando entre 18 e 89 metros, onde se torna mais provável o desenvolvimento de perfis de solo e a identificação de horizontes. A abrangência em mapa limitou-se às unidades (UBCs) situadas abaixo da cota altimétrica de 200 metros (Figura 1), totalizando 107 unidades, das quais 22 foram amostradas. Espacialização em Ambiente SIG Os dados foram espacializados em ambiente geo- referenciado utilizando o aplicativo SIG-SPRING, desenvolvido pelo INPE, em base cartográfica na escala 1:10.000, digitalizada a partir das folhas topográficas do Instituto Cartográfico e Geográfico do Estado de São Paulo, projeção UTM, datum Córrego Alegre. Análise Espacial de Dados A análise espacial compreendeu uma série de estimativas efetuadas a partir da observação e exame da variação espacial dos parâmetros de solos (frações granulométricas – NBR-7181 e índices de plasticidade – NBR 7180 e NBR 6459), enfocando no presente trabalho dois horizontes principais de solo: a) saprolito (SP) – 26 amostras; b) solo residual (SR) – 47 amostras. Os métodos/estimadores utilizados (vide DRUCK et al. 2004) incluíram: a) Média Ponderada; b) Vizinho Mais Próximo; c) Krigagem. Os procedimentos de análise geoestatística incluíram: a) análise exploratória e de continuidade espacial dos dados; b) modelagem de semivariogramas experimentais; c) validação de modelo; d) interpolação através de krigagem ordinária. As Figuras 2a e 2b apresentam exemplos de semivariogramas e respectivos parâmetros de ajuste utilizados nos experimentos. Figura 1. Mapa de localização da área estudada e distribuição dos pontos de coleta de amostras. Inclui ainda as unidades básicas de compartimentação abrangidas no presente estudo, limitadas pela cota altimétrica 200 metros (linha contínua vermelha). Figura 2. (a). Ajuste do variograma com modelo esférico – amostra SR-Argila. Parâmetros de Ajuste: Efeito pepita: 33,2. Contribuição: 142,5. Alcance: 1.205,2 metros. (b) Ajuste do variograma com modelo exponencial – amostra SR-Areia. Parâmetros de Ajuste: Efeito pepita: 54. Contribuição: 74. Alcance: 6.528,3metros. 0 4000 8000 12000 16000 20000 40 98 156 214 272 330 (a) VARIOGRAMA MODELO DE AJUSTE Distância (metros) γ (h) 0 4000 8000 12000 16000 20000 40 98 156 214 272 330 (a) VARIOGRAMA MODELO DE AJUSTE 0 4000 8000 12000 16000 20000 40 98 156 214 272 330 0 4000 8000 12000 16000 20000 40 98 156 214 272 330 (a) VARIOGRAMA MODELO DE AJUSTE Distância (metros) γ (h) 0 600 1200 1800 2400 3000 20 58 96 134 172 210 VARIOGRAMA MODELO DE AJUSTE (b) Distância (metros) γ (h) 0 600 1200 1800 2400 3000 20 58 96 134 172 210 VARIOGRAMA MODELO DE AJUSTE (b) 0 600 1200 1800 2400 3000 20 58 96 134 172 210 VARIOGRAMA MODELO DE AJUSTE 0 600 1200 1800 2400 3000 20 58 96 134 172 210 VARIOGRAMA MODELO DE AJUSTE (b) Distância (metros) γ (h) Figura 3. Mapas resultantes da análise espacial de dados de frações granulométricas (argila, silte, areia) referentes ao horizonte SAPROLITO utilizando os estimadores: (a) (b) (c) – Média Ponderada. (d) (e) (f) – Vizinho Mais Próximo. (g) (h) (i) – Krigagem. (a) Argila – Média ponderada (SP) (d) Argila – Vizinho Mais Próximo (g) Argila - Krigagem (b) Silte – Média ponderada (e) Silte – Vizinho Mais Próximo (h) Argila - Krigagem (c) Areia – Média ponderada (f) Areia – Vizinho Mais Próximo (i) Areia - Krigagem (h) Silte - Krigagem Figura 4. Mapas resultantes da análise espacial de dados de frações granulométricas (argila, silte, areia) referentes ao horizonte SOLO RESIDUAL utilizando os estimadores: (a) (b) (c) – Média Ponderada. (d) (e) (f) – Vizinho Mais Próximo. (g) (h) (i) – Krigagem. (a) Argila – Média ponderada (SR) (d) Argila – Vizinho Mais Próximo (g) Argila - Krigagem (b) Silte – Média ponderada (e) Silte – Vizinho Mais Próximo (h) Argila - Krigagem (c) Areia – Média ponderada (f) Areia – Vizinho Mais Próximo (i) Areia - Krigagem (h) Silte - Krigagem

Upload: ngominh

Post on 16-Oct-2018

216 views

Category:

Documents


0 download

TRANSCRIPT

ANÁLISE ESPACIAL DE PROPRIEDADES GEOTÉCNICAS DE SOLOS DO MUNICÍPIO DE UBATUBA

A PARTIR DE MODELAGEM DETERMINÍSTICA LOCAL E GEOESTATÍSTICA

Paulo César Fernandes da Silva1, Rodolfo Moreda Mendes1, Túlius Dias Nery1, Ivete Costa da Silva2

Instituto Geológico – Secretaria de Estado do Meio Ambiente1Seção de Geologia Aplicada e Ambiental; 2 Laboratório de Análises Sedimentológicas e Mineralógicas

Resumo

Unidades de terreno ou unidades geotécnicas representam padrões da paisagem que reúnem um determinado grupo de características e propriedades geoambientais com relativa homogeneidade, que se replicam numa região, o que permite a inferência do comportamento geotécnico dos materiais envolvidos. Dentre os métodos existentes, a técnica de compartimentação fisiográfica utiliza a análise de propriedades espaciais e espectrais de imagens de satélite e fotografias aéreas para a delimitação de tais unidades (unidades básicas de compartimentação). Esta delimitação está intimamente associada às características geológicas e geomorfológicas do terreno, e também ao perfil de solo. O presente trabalho apresenta resultados preliminares de um estudo voltado à interpolação, inferência e regionalização de parâmetros geotécnicos dos solos da região de Ubatuba (litoral norte do Estado de São Paulo), explorando a análise espacial de dados em ambiente SIG e o conceito de replicabilidade das unidades de compartimentação. A regionalização dos parâmetros pode auxiliar na compreensão do comportamento dos solos ocorrentes na região durante eventos chuvosos, e por conseguinte, na prevenção de desastres associados a fenômenos de escorregamentos.

Palavras-chave: regionalização de parâmetros geotécnicos, unidades básicas de compartimentação, análise espacial de dados.

Abstract

Terrain units or geotechnical units represent landscape patterns that express a determined set of geo-environmental characteristics and properties, liable to replicate within a region, which allows for inference of the geotechnical behaviour of materials involved. Amongst the existing methods, the physiographic compartmentalization technique utilizes spatial and spectral properties of satellite images and air-photos to delimit such units (Basic Compartmentalization Units). Unit delimitation is strictly associated with geological and geomorphological terrain characteristics, and also with soil covering and profiles. This paper presents preliminary results of a study conducted for interpolation, inference and regionalisation of geotechnical parameters of soils from the region of Ubatuba (north shore of São Paulo State). It has explored spatial analysis of data in digital geo-referenced (GIS-based) media and the concept of replicability of the compartmentalization units. The regionalisation of such parameters may assist with understanding the behaviour of the soils under rainy conditions thus aiding the prevention of landsliding hazards.

Keywords: regionalisation of geotechnical parameters, basic physiographic units, data spatial analysis.

ResultadosAs Figuras 3 e 4 apresentam uma comparação visual entre os resultados obtidos pelos diferentes interpoladores para os dados referentes às frações granulométricas (argila, silte e areia), segregados e analisados em dois conjuntos distintos por tipo de horizonte de solo, saprolito – SP e residual – SR, respectivamente.

Os mapas indicam que o processo estimativo através do método Vizinho Mais Próximo (Figuras 3d, 3e, 3f e 4d, 4e, 4f) tende a produzir superfícies com variações abruptas, formando limites muito acentuados e retilíneos entre as zonas (de isovalores). Outro inconveniente é que este interpolador indica a distribuição espacial apenas em escalas (distâncias) pequenas. No caso, como as amostras distribuem-se de forma um tanto esparsa ao longo da área estudada, os resultados obtidos foram insatisfatórios ou inadequados à regionalização dos parâmetros, conforme pretendido.

No caso do método Média Ponderada (Figuras 3a, 3b, 3c e 4a, 4b, 4c), que utiliza o inverso do quadrado da distância, os máximos e mínimos locais tendem a ser muito acentuados, formando “picos” aparentemente artificiais. Este picos são observados na espacialização dos teores de argila em saprolitos (Figura 3a) e de argila e silte em solos residuais (Figuras 4a e 4b). Não obstante este inconveniente, em termos gerais, os resultados obtidos através de Média Ponderada, com geração de valores intermediários de grade e distribuição espacial formando zonas mais atenuadas com limites gradativos entre si, parecem relativamente adequados à regionalização dos parâmetros geotécnicos estudados.

Nos mapas referentes ao método de Krigagem (Figuras 3g, 3h, 3i e 4g, 4h, 4i), os problemas relativos à superfície de valores abruptos e formação de picos artificiais, mencionados anteriormente, não são observados. A distribuição espacial tende a ser mais homogênea, uma vez que são considerados os efeitos de variabilidade espacial dos dados em escala local e global. Isso se reflete em zonas (de isovalores) com limites graduais e num número menor de classes de valores a serem representados. Os resultados obtidos pela krigagem sugerem uma melhor adequação do método à regionalização dos parâmetros.

ConclusõesOs resultados demonstraram que as superfícies bi-dimensionais de valores estimados por média ponderada e krigagem apresentam maior potencial de aplicação para os objetivos de regionalização dos referidos parâmetros geotécnicos e inferência de perfis típicos de alteração de solos em unidades de terreno. O processo de interpolação por vizinho mais próximo demonstrou ser menos apropriado aos objetivos do trabalho devido às próprias características do método que leva à geração de superfícies bi-dimensionais abruptas. Tanto o estimador por média ponderada quanto por krigagem apresentaram resultados promissores e também alguns inconvenientes, dependendo da variabilidade e distribuição espacial do conjunto de dados analisados. Se por um lado as superfícies geradas por média ponderada apresentam “picos artificiais” de valores máximos e mínimos, que enfatizam de forma exagera a variabilidade em escala local, o método de krigagem tende à “homogeneização” dos valores estimados ao considerar que não há variação significativa do parâmetro estudado em larga escala.

Referências Bibliográficas

ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Análise granulométrica - NBR-7181. Rio de Janeiro, 13p.

ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Determinação do limite de plasticidade, NBR 7180. Rio de Janeiro, 3p.

ABNT - Associação Brasileira de Normas Técnicas (1984). Solo – Determinação do limite de liquidez, NBR 6459. Rio de Janeiro, 6p.

DRUCK, S., CARVALHO, M.S., CÂMARA, G., MONTEIRO, A.V.M. (2004) Análise Espacial de Dados Geográficos, Brasília, EMBRAPA, (ISBN: 85-7383-260-6).

AgradecimentosOs autores gostariam de agradecer aos colegas Cláudio José Ferreira, Lídia Keiko Tominaga, Maria José Brollo, Brian Garvey e Técia Bérgamo pelo auxílio nos trabalhos de campo e coleta das amostras de solo.

IntroduçãoO presente trabalho enfoca o uso da análise espacial de dados em ambiente SIG, combinada ao princípio da replicabilidade das UBCs, para buscar a interpolação, inferência geoestatística e regionalização de alguns parâmetros dos solos da região de Ubatuba (Litoral Norte do Estado de São Paulo). O estudo baseou-se na análise de um conjunto de 100 (cem) amostras deformadas, coletadas em 22 unidades. As amostras foram coletadas ao longo de cortes verticais existentes nas encostas naturais, em profundidades de 0,20 a 1,0 metro, para o horizonte de solo superficial, e até aproximadamente 8,5 metros, para o horizonte de saprolito.

Metodologia

Coleta e Tratamento de dadosA área estudada corresponde a porções de sopé da Serra do Mar e relevos residuais (morros e morrotes isolados ou não), distribuídas na porção central e oeste do Município de Ubatuba, com cotas altimétricas médias dos pontos de coleta variando entre 18 e 89 metros, onde se torna mais provável o desenvolvimento de perfis de solo e a identificação de horizontes. A abrangência em mapa limitou-se às unidades (UBCs) situadas abaixo da cota altimétrica de 200 metros (Figura 1), totalizando 107 unidades, das quais 22 foram amostradas.

Espacialização em Ambiente SIGOs dados foram espacializados em ambiente geo-referenciado utilizando o aplicativo SIG-SPRING, desenvolvido pelo INPE, em base cartográfica na escala 1:10.000, digitalizada a partir das folhas topográficas do Instituto Cartográfico e Geográfico do Estado de São Paulo, projeção UTM, datum Córrego Alegre.

Análise Espacial de DadosA análise espacial compreendeu uma série de estimativas efetuadas a partir da observação e exame da variação espacial dos parâmetros de solos (frações granulométricas – NBR-7181 e índices de plasticidade – NBR 7180 e NBR 6459), enfocando no presente trabalho dois horizontes principais de solo: a) saprolito (SP) – 26 amostras; b) solo residual (SR) – 47 amostras. Os métodos/estimadores utilizados (vide DRUCK et al. 2004) incluíram: a) Média Ponderada; b) Vizinho Mais Próximo; c) Krigagem. Os procedimentos de análise geoestatística incluíram: a) análise exploratória e de continuidade espacial dos dados; b) modelagem de semivariogramas experimentais; c) validação de modelo; d) interpolação através de krigagem ordinária.As Figuras 2a e 2b apresentam exemplos de semivariogramas e respectivos parâmetros de ajuste utilizados nos experimentos.

Figura 1. Mapa de localização da área estudada e distribuição dos pontos de coleta de amostras. Inclui ainda as unidades básicas de compartimentação abrangidas no presente estudo, limitadas pela cota altimétrica 200 metros (linha contínua vermelha).

Figura 2. (a). Ajuste do variograma com modelo esférico – amostra SR-Argila. Parâmetros de Ajuste: Efeito pepita: 33,2. Contribuição: 142,5. Alcance: 1.205,2 metros. (b) Ajuste do variograma com modelo exponencial – amostra SR-Areia. Parâmetros de Ajuste: Efeito pepita: 54. Contribuição: 74. Alcance: 6.528,3metros.

0 4000 8000 12000 16000 2000040

98

156

214

272

330

(a)

VARIOGRAMA

MODELO DE AJUSTE

Distância (metros)

γ (h)

0 4000 8000 12000 16000 2000040

98

156

214

272

330

(a)

VARIOGRAMA

MODELO DE AJUSTE

0 4000 8000 12000 16000 2000040

98

156

214

272

330

0 4000 8000 12000 16000 2000040

98

156

214

272

330

(a)

VARIOGRAMA

MODELO DE AJUSTE

Distância (metros)

γ (h)

0 600 1200 1800 2400 300020

58

96

134

172

210

VARIOGRAMA

MODELO DE AJUSTE (b)

Distância (metros)

γ (h)

0 600 1200 1800 2400 300020

58

96

134

172

210

VARIOGRAMA

MODELO DE AJUSTE (b)

0 600 1200 1800 2400 300020

58

96

134

172

210

VARIOGRAMA

MODELO DE AJUSTE

0 600 1200 1800 2400 300020

58

96

134

172

210

VARIOGRAMA

MODELO DE AJUSTE (b)

Distância (metros)

γ (h)

Figura 3. Mapas resultantes da análise espacial de dados de frações granulométricas (argila, silte, areia) referentes ao horizonte SAPROLITO utilizando os estimadores: (a) (b) (c) – Média Ponderada. (d) (e) (f) – Vizinho Mais Próximo. (g) (h) (i) – Krigagem.

(a) Argila – Média ponderada (SP) (d) Argila – Vizinho Mais Próximo (g) Argila - Krigagem

(b) Silte – Média ponderada (e) Silte – Vizinho Mais Próximo (h) Argila - Krigagem

(c) Areia – Média ponderada (f) Areia – Vizinho Mais Próximo (i) Areia - Krigagem

(h) Silte - Krigagem

Figura 4. Mapas resultantes da análise espacial de dados de frações granulométricas (argila, silte, areia) referentes ao horizonte SOLO RESIDUAL utilizando os estimadores: (a) (b) (c) – Média Ponderada. (d) (e) (f) – Vizinho Mais Próximo. (g) (h) (i) – Krigagem.

(a) Argila – Média ponderada (SR) (d) Argila – Vizinho Mais Próximo (g) Argila - Krigagem

(b) Silte – Média ponderada (e) Silte – Vizinho Mais Próximo (h) Argila - Krigagem

(c) Areia – Média ponderada (f) Areia – Vizinho Mais Próximo (i) Areia - Krigagem

(h) Silte - Krigagem