estudo da variabilidade da potenciometria em aquíferos

Revista Brasileira de Geociências Lisie Francine Formaggio et al. 39(1): 101-111, março de 2009

Arquivo digital disponível on-line no site www.sbgeo.org.br 101

Estudo da variabilidade da potenciometria em aquíferos freáticos com auxílio de regressão múltipla espacial

Lisie Francine Formaggio1, José Eloi Guimarães Campos1 & Benedito Domingues do Amaral2

Resumo Este trabalho objetivou ampliar o conhecimento sobre a variabilidade da potenciometria em siste-mas aquíferos intergranulares rasos. A área de estudo foi a bacia do alto rio Jardim, situada na porção sudeste do Distrito Federal e caracterizada pelo intenso uso agrícola. Para o desenvolvimento da pesquisa foram utili-zadas informações de poços de monitoramento e de estações pluviométricas reunidas numa série histórica de dados, no período de outubro de 2003 a março de 2007. A análise de regressão múltipla espacial foi o método escolhido para verificar a contribuição de variáveis independentes no comportamento da variável dependente potenciometria dos sistemas aquíferos porosos. A regressão múltipla espacial apontou a textura dos solos como a variável que mais contribuiu para explicar a variabilidade da potenciometria na área, seguida, em ordem de-crescente, pela declividade, geologia, hidrogeologia e pluviometria.

Palavras-chave: aquífero livre, variabilidade potenciométrica e geoestatística.

Abstract Study of the variability of the potenciometric in shallow aquifers by the space multiple regression. The objective of the present paper is to increase the knowledge about the variability of the po-tenciometric surface in intergranular shallow aquifer systems. The study area was the Jardim River watershed, located at the southeast portion of the Federal District (Brazil) and characterized by intense agriculture use. The development of the research was based on water table monitoring wells measures and pluviometer stations referred to a historical data series, from october 2003 to march 2007. The analysis of space multiple regression was the chosen method to verify the contribution of independent variable in the behavior of the dependent vari-able the potentiometer of intergranular shallow aquifer systems. The space multiple regressions pointed out the soil texture as the most important variable to explain the water table variability in the area, followed, by the declivity, geology, hydrogeology and rain.

Keywords: unconfined aquifer, potenciometric variability and geostatistic.

1 - Universidade de Brasília, Instituto de Geociências, Brasília (DF), Brasil. E-mail: [email protected]; [email protected] - Consultor do Ministério do Meio Ambiente, Brasília (DF), Brasil. E-mail: [email protected]

entre outros, por Sturaro & Landim (1988), Tanco & Kruse (2001), Healy & Cook (2002), Monteiro (2003), Nóbrega Fonteles et al (2006), Lyon et al. (2006) e Ro-cha et al (2007).

Neste trabalho, a técnica geoestatística esco-lhida foi a regressão múltipla espacial para quantifi-car a influência de diversas variáveis independentes no comportamento da variabilidade da potenciometria em sistemas aqüíferos freáticos numa área do cerrado brasileiro. Neste caso, a variável dependente é a varia-bilidade da potenciometria e as variáveis consideradas independentes são a pluviometria, a textura dos solos, a geologia, a declividade e os diferentes tipos de siste-mas aquíferos.

No trabalho de Leite & Landim (2003) é possí-vel verificar o uso da regressão múltipla espacial para estimar o peso das variáveis independentes no compor-tamento da superfície potenciométrica de um aquífero livre localizado no estado de São Paulo. A variável con-siderada dependente foi a superfície potenciométrica e as variáveis consideradas independentes foram a cota do terreno, a base da formação aqüífera, espessura da formação aqüífera e coordenada UTM.

INTRODUÇÃO A preocupação demandada por par-te das instituições de gestão de recursos hídricos, vem crescendo de maneira considerável, ainda que prioriza-das as águas superficiais. Em função do aumento da de-manda dos recursos subterrâneos para atendimento ao abastecimento da população, da indústria e da agrope-cuária, a utilização dos aqüíferos vem aumentando de forma considerável e, conseqüentemente, a necessidade de estudos sobre esse tema.

O uso sustentável dos recursos hídricos, em es-pecial os subterrâneos, não requer, apenas, estudos sobre a vulnerabilidade e contaminação de aqüíferos, como vem ocorrendo de forma sistemática nos últimos anos, mas também o conhecimento dos componentes que atu-am em seu comportamento hidráulico é de sua importân-cia para o estabelecimento de medidas preventivas e/ou corretivas na sustentabilidade destes recursos.

Nesse sentido, é cada vez maior o uso da geo-estatística para estudar as variáveis que compõem pro-cessos fenomenológicos. As técnicas geoestatísticas são excelentes ferramentas, por exemplo, para modelar sis-temas aqüíferos e estimar a configuração de superfícies potenciométricas como abordam os trabalhos descritos,


102 Revista Brasileira de Geociências, volume 39 (1), 2009

Segundo Landim (2001), uma das mais impor-tantes aplicações da análise de regressão múltipla é a escolha, entre diversas variáveis independentes, daque-las mais úteis na previsão da variável dependente.

A variação anual da potenciometria em aqüífe-ros livres é um fator importante para a gestão dos re-cursos hídricos subterrâneos, uma vez que, em última análise será o principal dado para a determinação das reservas hídricas renováveis e para as estimativas de disponibilidades hídricas. Como em aqüíferos livres a superfície potenciométrica coincide com a elevação do nível freático, a análise da potenciometria, na prática, significa o estudo da evolução da superfície freática no tempo e no espaço.

CARACTERIZAÇÃO DA ÁREA DE ESTU-DO A bacia do alto rio Jardim localiza-se na porção leste do Distrito Federal, entre as latitudes 15°40’S e 16°02’ S e longitudes 47°20’W e 47°40’ W e ocupa uma área de aproximadamente 10.000 ha ou 100.000.000 m2 (Fig. 1).

Seu canal principal é o maior tributário do rio Preto (Spera et al. 2002) e essa bacia representa cerca da metade da área de contribuição da bacia do rio Preto, nos limites do Distrito Federal (Signoretti 1998). O clima é caracterizado por uma estação seca bem definida que se estende desde maio até setembro (Assad & Sano 1998).

A bacia do alto rio Jardim é caracterizada pela intensa agricultura onde a disponibilidade dos recursos hídricos é um fator de extrema importância. A econo-mia na bacia do rio Jardim é bastante diversificada, sendo que os grãos e as hortaliças representam a mais importante atividade econômica, estando a maior parte

apoiada na irrigação. As culturas de milho e soja são as mais plantadas (no período de chuva representam 90%) e o feijão e o trigo são plantados sob irrigação nas áreas de pivô-central (Dolabella 1995). Em 1998 a demanda hídrica necessária para atender toda a bacia do alto rio Jardim era de 414,5 l/s, sendo a vazão crítica do alto rio Jardim de 720 l/s (Soares-Júnior 2002).

Segundo Dolabella (1995) na bacia do rio Jar-dim a agricultura irrigada por pivô-central é desenvol-vida principalmente sobre latossolos argilosos (95,3% da área irrigada). São solos profundos a muito profun-dos que formam grandes reservatórios de águas subter-râneas, onde o abastecimento em épocas de chuva é de suma importância para a regularização do escoamento de base que determinará as vazões disponíveis nos ma-nanciais em períodos de seca. A irrigação é realizada através de recursos hídricos superficiais, que na maioria das vezes retiram água da área de nascentes onde a fra-gilidade ambiental é elevada.

A geologia da área inclui litotipos correlacio-náveis aos grupos Canastra, Paranoá (de idade Meso/Neoproterozóico) e ao Grupo Bambuí (de idade Neo-proterozóica) (Fig. 2).

O Grupo Canastra é caracterizado por fengi-ta filitos, clorita filitos, quartzo-fengita-clorita-filitos, metarritmitos e filitos carbonosos. Quartzitos finos e micáceos ocorrem em níveis, centimétricos a decamé-tricos, de maneira restrita e descontínua. Ainda ocor-rem lentes de rochas carbonáticas representadas por mármores calcíticos, finos, cinza claro a escuros e ma-ciços (Freitas-Silva & Campos 1998, Lousada 2005). Na bacia do alto rio Jardim esse grupo ocorre na por-ção oeste da área.

Figura 1 - Mapa de localização da área de estudo, com a situação da bacia do rio Jardim no polígono do Distrito Federal. Destaque para as principais estradas pavi-mentadas (em vermelho) e para as estradas secundárias na bacia em estudo.

Revista Brasileira de Geociências, volume 39 (1), 2009 103

Lisie Francine Formaggio et al.

Na área de estudo, o Grupo Paranoá é repre-sentado, da base para o topo, pelas unidades R3, Q3 e R4 (Freitas-Silva & Campos 1998, Lousada 2005). A Unidade R3 é caracterizada por metarritmitos are-nosos com intercalações de bancos decimétricos a métricos de quartzitos e materiais pelíticos (metas-siltitos e ardósias). A Unidade Q3 é representada por quartzitos brancos, finos, bastante silicificados, ricos em estratificações cruzadas tabulares, acanaladas e do tipo espinha de peixe e marcas de ondas ondu-ladas. A Unidade R4 apresenta as litologias metar-ritmito argiloso, caracterizado por intercalações de materiais sílticos a argilosos e estratos de quartzitos finos rosados a avermelhados.

O Grupo Bambuí é caracterizado por siltitos, siltitos argilosos e bancos e camadas de arcóseos e ocorre na porção sudeste da área de estudo.

A hidrogeologia da área é composta, basica-mente, por dois domínios aquíferos distintos, sendo um representado por sistemas aquíferos intergranulares vinculados aos perfis de regolitos e por sistemas aquífe-ros fraturados desenvolvidos em rochas não alteradas. Os sistemas aquíferos intergranulares são representados pelos sistemas P1, P2 e P4 e são denominados de aquí-feros do domínio hidroporoso (Fig. 3). O Sistema P1 é composto por latossolos derivados de rochas com con-tribuição arenosa (principalmente do Grupo Paranoá), o Sistema P2 é caracterizado pelos latossolos origina-dos das rochas mais argilosas (Unidade R4 do Grupo Paranoá e pelitos do Grupo Bambuí) e o Sistema P4 é representado por cambissolos. Os sistemas aquíferos fraturados são caracterizados por rochas dos grupos Ca-

nastra, Paranoá e Bambuí. Em relação ao fraturamento, o Grupo Paranoá apresenta maior densidade, seguido pelos grupos Canastra e Bambuí (Freitas-Silva & Cam-pos 1998, Lousada 2005).

Os solos presentes na área são caracterizados, predominantemente, por Latossolos vermelhos e ver-melho-amarelos, seguido por Cambissolos háplicos, Gleissolos háplicos, Neossolos quartzarênicos, além de restritas manchas de plintossolos petroplínticos (Reatto et al. 2000) (Fig. 4).

A geomorfologia da área é composta por dife-rentes compartimentos denominados de Chapada Ele-vada, Rebordo e de Dissecação Intermediária (Martins & Baptista 1998), com amplitude de altitude entre 950 e 1150 metros. A declividade é inferior a 8% na maior parte da bacia, sendo que apenas nas cabeceiras do rio Jardim e na sua margem esquerda, além da calha prin-cipal do córrego Estanislau, ocorrem faixas com decli-vidades maiores que 20% (Fig. 5).

O clima da região é classificado como tropi-cal úmido, com forte sazonalidade em dois períodos, compondo um inverno seco e um verão chuvoso. O período entre novembro e fevereiro concentra 47% das chuvas enquanto a precipitação média de longo período para o mês de agosto é inferior a 25 mm. A recarga efetiva dos aqüíferos da região se inicia em dezembro, apenas depois da regularização das chuvas que se iniciam em outubro.

MATERIAIS E MÉTODOS Além das informações do meio físico da bacia (geologia, solos, relevo e hidro-geologia), foram utilizados níveis potenciométricos de 46

Figura 2 - Mapa geológico da bacia do rio Jardim.



Figura 3 - Mapa de distribuição dos sistemas aquíferos inter-granulares (hidroporoso) da bacia do rio Jardim.

Figura 4 - Mapa de solos da bacia do rio Jardim (modificado de Reatto et al. 2000).



poços de monitoramento, os quais foram medidos, men-salmente, entre outubro de 2003 e março de 2007, totali-zando quarenta e três meses de medição. Também foram utilizados dados de pluviometria, provenientes de três pontos da bacia (Chácara 71, Chácara Genésio Muller e COOPEBRAS). Esses dados contemplaram o período de outubro de 1999 a setembro de 2003. A figura 6 apresenta a localização dos pontos de amostragens, poços de moni-toramento e pontos de medição da pluviometria.

Os valores da potenciometria e os dados da pluviometria foram interpolados a partir do interpola-dor média ponderada. De acordo com Camargo et al. (2004), na interpolação por média ponderada o valor de cota de cada elemento da grade é definido pela média ponderada dos valores de cota das amostras vizinhas. A ponderação mais usada na prática é o inverso da distân-cia euclidiana do ponto da grade à amostra considerada, ou seja, (Eq. 1):

Wij = 1/dijk (1)

onde:W = Cota de cada elemento da grade;k = expoente da distância, geralmente igual a 1

ou 2 e; dij = valor de distância da amostra j ao ponto i da grade.

Após a interpolação, os dados piezométricos e pluviométricos foram submetidos à Análise de Sé-rie Temporal (AST). Essa análise pode ser usada para transformar um conjunto de dados em componentes não correlacionados entre si e ordenados em termos de pro-porção da variância dos dados originais (Manly 1986).

Figura 5 - Mapa de declividade da bacia do rio Jardim. Car-tograma gerado a partir de base planialtimétrica com equidis-tância das curvas de nível de 5 metros.

Figura 6 - Localização dos pontos de amostra-gem na bacia do rio Jardim. Destaque para a localização dos poços de monitoramento, para a rede de drenagem e para as vias de acesso.



A AST foi realizada para sintetizar os ciclos sazonais da potenciometria e pluviometria por meio da série tempo-ral padronizada, segundo proposta de Landim (1998).

A AST foi realizada no programa IDRISI 3.2., o qual adota a ACP (Análise de Componentes Principais) Padronizada no seu módulo TSA (Time Series Analy-sis), que é utilizado para o estudo de séries temporais de imagens de uma mesma região.

Lins (1985) descreve como vantagens dessa análise a redução das variáveis a um número fisicamen-te significante sem a perda expressiva da informação contida na variabilidade dos dados. Essa técnica tam-bém amplia a eficiência na compressão dos dados, uma vez que os primeiros componentes explicam uma gran-de porcentagem da variância dos dados. Ainda facilita a possibilidade de regionalização espacial dos padrões espaço-temporal dos dados.

Os mapas da potenciometria e pluviometria foram padronizados em função da diferença de escala entre os valores dessas variáveis, com auxílio do software IDRI-SI. Este procedimento tende a unificar os mapas com uma escala numérica mais consistente no modo de compara-ção. O módulo utilizado no IDRISI foi Image processing/STRETCH - contrast stretch utility, onde os valores são re-escalonados entre 0 a 255. Os mapas temáticos de geo-logia, hidrogeologia e pedologia foram importados para o IDRISI 3.2 visando à análise espacial proposta.

Análise de Regressão Múltipla Espacial Uma das mais importantes aplicações da análise de regressão múltipla espacial é a possibilidade de escolha, entre di-versas variáveis independentes, aquelas mais úteis na previsão do comportamento de uma variável dependen-te (Landim 1998). Nesse estudo, a análise de regressão buscou estabelecer uma relação entre a variável y (va-riação da potenciometria no tempo e no espaço) com relação a outras variáveis x1, x2,...xp (solos, hidrogeolo-gia, pluviometria, etc.) que controlam a variação de y.

A análise testou a variável resposta (dependen-te) descrita como a variabilidade da potenciometria em relação às diversas variáveis explanatórias condicio-nantes (independentes), como pluviometria, textura dos solos, geologia, hidrogeologia e declividade. Para a re-alização dos cálculos do modelo de análise de regressão entre a potenciometria e as variáveis condicionantes, foi utilizada a Eq. 2, Landim (1998):

Yijkmn = µ + αi + γj + δk + φm + κn + εijkmnor, (2)

onde:Yijkmn = variável resposta, descrita pela variabi-

lidade da potenciometria;µ = constante; αi = fator pluviometria;γj = fator textura dos solos;δk = fator geologia;φm = fator declividade;κn = fator hidrogeologia;εijkmnor = erro aleatório.

Para a variável textura dos solos, foram adota-dos os valores descritos por Reatto et al (2000) os quais se referem à porcentagem de argila. Para os latossolos, cambissolos, gleissolos e neossolos foram atribuídos o peso médio de 60, 54, 50 e 15, respectivamente.

Para a variável geologia foram atribuídos os maiores pesos ao Grupo Paranoá, sendo 40 para as Uni-dades R3 e Q3 e 30 para a Unidade R4, uma vez que esta unidade litoestratigráfica pode apresentar maior influência no comportamento da potenciometria devi-do aos litotipos, densidade, abertura e interconexão das fraturas (Freitas-Silva & Campos 1998). Para os gru-pos Canastra e Bambuí, foram atribuídos os pesos de 20 e 10, respectivamente, uma vez que o Grupo Ca-nastra apresenta maior densidade e abertura de fraturas quando comparado ao Grupo Bambuí (Freitas-Silva & Campos 1998).

Para a variável hidrogeologia, os pesos ado-tados foram baseados nos valores das condutivida-des hidráulicas dos sistemas aquíferos intergranualres atribuídas por Campos & Freitas-Silva (1998). Dessa maneira, da mesma forma que para as outras variáveis foram atribuídos para os sistemas aquíferos P1, P2 e P4, respectivamente, pesos 40, 30 e 20.

Para a variável declividade foram adotados pe-sos que variam de zero a cinqüenta. Para essa classifi-cação foi utilizado o mapa de hipsometria da área, sen-do o mesmo reclassificado no módulo RECLASS do IDRISI. A tabela 1 apresenta uma síntese das variáveis envolvidas na regressão múltipla espacial.

Para efetuar a regressão múltipla espacial foi utilizado o módulo GIS Analysis/ Statistics/MULTI-REG do IDRISI. Os mapas utilizados nesse trabalho foram importados para o programa ArcGis 9.1.

RESULTADOS A figura 7a apresenta o mapa do nível piezométrico resultante da análise de série temporal com enfoque espacial. Esse mapa explica 79% da variabilida-de da potenciometria na área. As figuras 7b, 7c e 7d apre-sentam os mapas da pluviometria, os quais respondem por 80% da variabilidade da chuva na área de estudo.

Na análise da variável independente textura dos solos, é possível observar que a área de estudo é caracterizada, predominantemente, por solos com te-ores médios de argila próximos a 60% (latossolos) e, secundariamente, por solos com teores médios de 54%, representados pelos cambissolos. A ampla predominân-cia destas classes de solos tende a mascarar e homo-geneizar a importância desta variável na explicação da variabilidade da potenciometria na região em estudo.

A equação definida para a análise de regressão múltipla espacial foi (Eq. 3):

variabilidade da potenciometria = 0,3620 – 0,0586*pluviometria (1o eixo) + 0,0237*pluviometria (2o eixo) – 0,0460* pluviometria (1o eixo) + 0,2436*geologia + 0,2172*hidroporoso + 0,4595*declividade + 1,3576*textura solos (3)

O coeficiente de determinação R2 igual a 0,796790, significando que as variáveis independentes



explicam 79,67% do comportamento da variável de-pendente Y e com o valor de F igual 1144624,6250 com graus de liberdade (7,2043432). O modelo de regressão pode ser aceito, uma vez que o valor de F calculado, 1144624,6250, é maior do que o F crítico igual a 2,01, para graus de liberdade 7 e 2043432 e nível de signi-ficância de 0,05. Os resultados da análise de variância dos dados aplicados na regressão múltipla espacial são apresentados na tabela 2.

Com relação aos coeficientes individuais de regressão, confrontados com o teste “t”, os seguintes resultados foram obtidos (Tab. 3). Os coeficientes ex-pressam a contribuição individual de cada variável in-dependente para a variável dependente. A significância do coeficiente é expressa na forma de um t estatístico, onde o mesmo verifica a significância das variáveis par-tindo do zero, isto é, nenhum efeito (Eastman 1998).

O significado do coeficiente individual de re-gressão é expresso segundo a estatística do teste t. O teste t verifica a significância das variáveis a partir de 0, isto é, sem efeito (Lourenço & Landim, inédito). Nesse caso, para um nível de confiança de 95%, com 2043432 graus de liberdade, o t crítico tabelado é igual a 1, 645, portanto, todas as variáveis mostraram-se significati-vas, sendo que a variável independente textura dos so-los apresentou maior contribuição individual, seguida pelas variáveis declividade, hidrogeologia, geologia, precipitação segundo eixo, precipitação terceiro eixo e precipitação primeiro eixo.

As figuras 8 e 9 apresentam os mapas preditivo e de resíduos, respectivamente, resultantes da regressão múltipla espacial.

O mapa preditivo é o resultado da variabilida-de do nível potenciométrico pelo modelo da regressão, o qual apresenta valores que variam entre 0,362000 a 132,775497. Os valores mais elevados ocorrem ao nor-

te da área, onde se localizam os níveis potenciométri-cos mais profundos, bem como as cotas topográficas mais elevadas.

No mapa de resíduos, resultante da regressão múltipla espacial, os valores variaram entre -106,831062 a 174,502594.

DISCUSSÕES E CONCLUSÕES A regressão múl-tipla espacial se mostrou uma eficiente ferramenta para predizer o comportamento da variável dependente, no caso, a variabilidade da potenciometria em função das variáveis independentes. Os resultados obtidos apon-tam a textura dos solos como a variável independente que mais explica o comportamento da variável depen-dente, seguida das variáveis declividade, geologia, hi-droporoso e pluviometria.

Esse resultado corrobora com as conclusões de Lousada (2005) que enfatiza que o comportamento hi-drogeológico dos aquíferos porosos é diretamente con-dicionado pelos solos, sendo que a alta porcentagem de argila na zona vadosa retarda a infiltração vertical da água (Moon et al. 2004).

A declividade representa a segunda variável mais importante no controle da variação da potencio-metria. Este fato é considerado coerente com a própria geomorfologia da área de estudo que apresenta amplo predomínio de relevo plano a suave-ondulado que faci-lita a infiltração e recarga dos aquíferos livres. Os so-los com perfis homogêneos (latossolos) em associação com as declividades reduzidas favorecem a recarga. No caso do Subsistema R3/Q3, está característica é ainda acentuada, pois esta unidade hidroestratigráfica ocupa áreas topograficamente elevadas e com solos com tex-tura mais arenosa.

A contribuição da variável geologia é atribuí-da a dois conjuntos de fatores diretamente relaciona-

Variável Classe Peso JUSTIFICATIVA

Textura dos solos

Latossolo 60 Solo muito Argiloso a ArgilosoCambissolos 54 Solo ArgilosoGleissolos 50 Solo Argiloso

Neossolos Quartzarênicos 15 Solo Arenoso

HidroporosoP1 40 Condutividade hidráulica elevadaP2 30 Condutividade hidráulica médiaP4 20 Condutividade hidráulica baixa

Geologia

Grupo Paranoá (Subsistema R3/Q3) 40Alta densidade de fraturamento Comportamento rúptil favorecendo a abertura das fraturas e predomínio de

litologias psamíticasGrupo Paranoá (Subsistema R4) 30 Predomínio de litologias pelíticas

Grupo Canastra (Subsistema F) 20 Fraturamento e foliação com alto grau Predomínio de litologias pelíticas

Grupo Bambuí 10 Litologias pelíticas

Declividade

0 – 10% Área plana a suave-ondulada, ótimo para infiltração e recarga

10 – 25% Área suave-ondulada, bom para infiltração e recarga25 – 35% Área com declividade acentuada, restrita para infiltração

e recarga35 – 50%Pluviometria Totais mensais 0 a 255 Os mapas finais resultantes da AST foram padronizados

Tabela 1 - Síntese das variáveis independentes utilizadas na análise de regressão.



dos aos litotipos de cada conjunto litoestratigráfico. O comportamento reológico das rochas e à densidade/interconexão das fraturas. Assim, o maior grau e in-terligação das fraturas são desenvolvidos em rochas com comportamento mais rúptil, o que aumenta a condutividade hidráulica e facilita a transferência das águas contidas nos solos para os aqüíferos fraturados em profundidade.

Este mecanismo é particularmente evidente no Poço de Monitoramento 60, onde a rocha (quartzito do

(c) (d)

(a)

Figura 7 - Resultados da análise geoestatísica. (a) Mapa da potenciometria do primeiro eixo resultante da análise de série temporal; (b) Mapa da pluviometria do primeiro eixo resultante da análise de série temporal; (c) Mapa da pluvio-metria do segundo eixo resultante da análise de série temporal e (d) Mapa da pluviometria do terceiro eixo resultante da análise de série temporal.

(b)

Tabela 2 - Resultados da análise de variância obtida a partir dos dados aplicados na regressão.

Grau de liberdade

Soma dos quadrados

Média dos quadrados

Regressão 7 3937819376.23 562545600

Residual 2043432 1004280041.16 491.47

Total 2043439 4942099417.39



Grupo Paranoá) subjacente ao sistema aquífero inter-granular é intensamente fraturada de forma que o fluxo é do tipo turbulento, proporcionando ampla variação do nível freático que oscila entre o solo e a rocha ao longo do ciclo anual de flutuação.

A variável hidrogeologia apresenta a quarta maior contribuição na explicação da variável dependen-te. Este fato é interpretado como função da diluição do peso sobre outras variáveis, uma vez que a hidrogeologia do domínio intergranular (hidroporoso) é na prática, uma resposta da interação entre os solos e a geologia.

Quanto à variável pluviometria, o fato da mes-ma ter contribuído menos no comportamento da varia-bilidade da potenciometria precisa ser visto com cau-tela, uma vez que o número de pontos interpolados foi bem menor (apenas três) quando comparado ao número de pontos interpolados para a potenciometria (46 poços de monitoramento).

Todavia, todas as variáveis independentes consideradas apresentaram influência em maior ou menor grau no comportamento da variabilidade da potenciometria, ou seja, através da análise de regres-são foi possível identificar quais das variáveis mantêm maior relação de causa e efeito entre si. Assim, na ex-plicação da variabilidade da potenciometria, no caso de priorizar apenas uma variável no modelo, a melhor escolha como estimador seria a textura dos solos. No caso se utilizar duas variáveis a declividade deve ser acrescida e assim por diante. Essas sete variáveis em conjunto contribuíram com, aproximadamente, 80%

da explicação da variabilidade da potenciometria na área de estudo. Este percentual é alcançado pela soma das contribuições individuais obtidas na análise da re-gressão espacial.

O mapa preditivo mostrou que a variabilidade da potenciometria é alta nas porções coincidentes com o compartimento geomorfológico Chapada Elevada, principalmente, na porção norte da bacia onde ocorrem os quartzitos e metarritmitos arenosos do Grupo Para-noá. As áreas com menor variabilidade ocorrem ao lon-go dos vales da rede de drenagem, principalmente do rio Jardim e do córrego Estanislau, uma vez que estas

Figura 8 - Mapa preditivo resultante da variabilidade da potenciometria.

Tabela 3 - Coeficientes individuais de regressão, aplicados para cada variável independente.

Coeficiente Teste t (2043432)

Intercepto 0.362000 13.786313

prec_pca1b -0.058577 -214.435745

prec_pca2b 0.023683 52.113552

Prec_pca3b -0.045977 -87.647240

geologia_classe 0.243557 64.558647

hidroporoso_classe 0.217170 90.775223

Declive_percent 0.459464 165.646912

Pedolo_textura 1.357572 437.137299



áreas representam as zonas de descarga dos aquíferos.Em relação ao mapa de resíduos, os valores po-

sitivos podem estar subestimando o valor real da vari-ável dependente em questão, uma vez que o valor real é maior que o valor estimado pelo modelo (Eastman 1990). O contrário ocorre com os resíduos negativos, ou seja, o valor real é menor que o valor estimado pelo modelo. Ao analisar o mapa de resíduos, os pontos com baixos valores coincidem com os gleissolos háplicos, bem como com poços de monitoramento rasos.

Nesse caso, ao se pensar-se na otimização de custo para a instalação de novas captações de águas subterrâneas para o abastecimento e, principalmente, para a irrigação, os locais mais propícios para a cons-trução de poços tubulares seriam aqueles situados nas porções em que os resíduos são próximos a zero. Isto significa que as áreas mais indicadas são aquelas em que os valores dos resíduos não resultam em valores superestimados ou subestimados.

No caso de estimar o custo de captação das águas subterrâneas para o abastecimento e, principal-mente, irrigação, no mapa preditivo os locais não re-comendáveis seriam aqueles situados nas Chapadas Elevadas, principalmente ao norte, onde a variabilidade da potenciometria é alta, demandando maior custo para a construção dos poços, pois há que se pensar na pro-fundidade dos mesmos, uma vez que os níveis d’água podem variar, ao longo dos períodos sazonais, até 24 metros (Formaggio 2007).

Por outro lado, a totalidade da área apresenta

níveis piezométricos com alta/ moderada variabilidade, sendo que todos os sistemas aquíferos, exceto os sis-temas inseridos nos gleissolos, somam elevada quan-tidade de água, com reserva explotável em torno de 44.300.000 m3/ano (Formaggio 2007). No entanto, isso não coíbe ações futuras voltadas ao uso controlado des-ses mananciais, uma vez que o uso dos recursos hídri-cos superficiais é intenso.

Como o presente trabalho indicou a grande im-portância dos latossolos no controle da recarga dos siste-mas aquíferos freáticos e por conseqüência da recarga dos sistemas aquíferos fraturados sotopostos é importante que frações das propriedades rurais e demais áreas de prote-ção (áreas de proteção permanentes e unidades de con-servação) sejam posicionadas sobre estes tipos de solos. Os latossolos representam sistemas aquíferos com impor-tante função de recarga regional e com especial função na regularização das vazões das drenagens superficiais (principalmente nos meses de recessão de chuvas).

Além da questão voltada ao abastecimento e irrigação, o conhecimento da variabilidade dos níveis piezométricos, é interessante sob o ponto de vista de gestão de plantio, pois com isso é possível prever quais tipos de culturas que são sensíveis à variabilidade dos níveis freáticos em maior ou menor grau.

A partir do resultado que demonstra que a tex-tura do solo é um fator importante para determinar as oscilações dos níveis freáticos, sugere-se que futuros estudos sejam desenvolvidos com relação à estrutura-ção dos solos no controle e predição da elevação/re-

Figura 9 - Mapa de resíduos resultante da variabilidade da poten-ciometria.



baixamento da superfície potenciométrica. Solos com estruturas do tipo grumosa, granular, prismática e colu-nar podem ter sua porosidade eficaz ampliada de forma a modificar o comportamento da oscilação dos níveis freáticos ao longo do tempo.

Agradecimentos Os autores deste trabalho agradecem ao Sr. Guido Kirst, ao Sr. Genésio Miller, a EMBRAPA e a CAESB pelo fornecimento de dados de pluviome-tria, bem como ao CNPq pela concessão da bolsa de estudo para o desenvolvimento deste trabalho.

Referências

Assad E.D., Sano E.E., Masutomo R. 1998. Sistemas de In-formações Geográficas. Aplicações na Agricultura. 2 ed. Embrapa - SPI/Embrapa – CPAC, p. 251-272.

Camargo C.G.B., Fucks S.D., Câmara G. 2004. Análise Es-pacial de Superfícies. In: Druck S., Carvalho M.S., Câ-mara G., Monteiro A.V.M. (eds.) Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, p.1-26.

Campos J.E.G & Freitas-Silva F.H. 1998. Hidrogeologia do Distrito Federal. In: Freitas-Silva F.H. & Campos J.E.G (eds.) Inventário hidrogeológico e dos recursos hídricos superficiais do Distrito Federal. Brasília, IEMA/SEMA-TEC/UnB, Parte IV, p.1-85.

Dolabella R.H.C. 1995. Caracterização agroambiental e avaliação da demanda e da disponibilidade dos recursos hídricos para a agricultura irrigada na bacia hidrográ-fica do Rio Jardim (DF). Brasília, Dissertação de Mes-trado, Universidade de Brasília, 106p.

Eastman J.R. 1998. IDRISI for Windows: Introdução e Exer-cícios Tutoriais. Editores da Versão em português, Hein-rich Hasenack e Eliseu Weber. Porto Alegre, UFRGS.

Formaggio L.F. 2007. Estudo da Variabilidade da Piezome-tria dos Aquíferos Freáticos na Bacia do Alto Rio Jardim - Distrito Federal. Dissertação de Mestrado, Instituto de Geociências, Universidade de Brasília, 112p.

Freitas-Silva F.H. & Campos J.E.G. 1998. Geologia do Dis-trito Federal. In: ____ (eds.) Inventário hidrogeológico e dos recursos hídricos superficiais do Distrito Federal. Brasília, IEMA/SEMATEC /UnB. Volume I, Parte I, p.1-86.

Healy R.W. & Cook P.G. 2002. Using groundwater levels to estimate recharge.Hydrogeology Journal, 10(2):91-109.

Landim P.M.B. 1998. Análise Estatística de Dados Geológi-cos. São Paulo, Fundação Editora da UNESP, 226p.

Leite C.B.B. & Landim P.M.B. 2003. Relação entre mapas temáticos por meio a análise de regressão múltipla. Solos e Rochas, 26(3):195-203.

Lins H.F. 1985. Interannual streamflow variability in the United States based on principal components. Water Re-sources Research, 21(5):691-701.

Lousada E.O. 2005. Estudos Hidrogeológicos e Isotópicos no Distrito Federal: Modelos Conceituais de Fluxo. Tese de Doutoramento, Instituto de Geociências, Uni-versidade de Brasília, 127p.

Lyon S.W., Seibert J., Lembo A.J., Walter M.T., Teenhuis T.S.S. 2006. Geostatistical investigation into the tempo-ral evolution of spatial structure in a shallow water table. Hydrology and Earth System Sciences, 10(2):113-125.

Manly B.J. 1986. Multivariate Statistical Methods: A Primer. London, Chapman & Hall, 159p.

Martins E.S. & Baptista G.M.M. 1998. Compartimentação geomorfológica e sistemas morfodinâmicos do Distrito

Federal. In: Martins E.S. & Baptista G.M.M. (eds.) Inventário hidrogeológico e dos recursos hídricos super-ficiais do Distrito Federal. Brasília, IEMA/SEMATEC/UnB. Parte II, p. 89-137p.

Monteiro R.C. 2003. Estimativa espaço-temporal da su-perfície potenciométrica do Sistema Aquífero Guarani na cidade de Ribeirão Preto (SP). Tese Doutoramento, Rio Claro, Instituto de Geociências e Ciências Exatas, UNESP, 212p.

Moon S., Woo N.C., Lee S.K. 2004. Statistical analysis of hydrographs and water-table fluctuation to estimate groundwater recharge. Journal of Hydrology, 29(2):198-209.

Nóbrega-Fonteles H.R., Yamamoto J.K., Rocha M.M., Gan-dolfi N. 2006. Geoestatística aplicada à modelagem do lençol freático a partir de dados do nível estático: o caso da porção nordeste de Fortaleza (CE). Solos e Rochas, 29(3):331-339.

Reatto A., Correia J.R., Spera S.T., Chagas C.S., Martins E.S., Andahur J.P., Godoy M.J.S., Assad M. L. C. L. 2000. Levantamento semidetalhado dos solos da Bacia do Rio Jardim-DF, escala 1:50.000. Boletim de pesqui-sa-EMBRAPA Cerrados, 66p.

Rocha M.M., Lourenço D.A., Leite C.B.B. 2007. Aplicação de Krigagem com Correção do Efeito da Suavização em Dados de Potenciometria da Cidade de Pereira Barreto – SP. Revista do Instituto de Geociências – USP Série Científica, 7(1):37-48.

Signoretti M.J.G. 1998. Aptidão Agrícola das Terras para a Cultura do Milho Utilizando Levantamento de Solos e Sistema de Informações Geográficas. Brasília. Disser-tação de mestrado, Faculdade de Agronomia e Medicina Veterinária, Universidade de Brasília, 150p.

Soares Júnior P.R. 2002. Mercado de água para irrigação na bacia do rio Preto no Distrito Federal. Brasília, Disser-tação de Mestrado, Faculdade Tecnologia, UnB, 132p.

Spera T., Reatto A., Martins E.S., Correia J.R. 2002. Aptidão Agrícola das Terras da Bacia do Rio Jardim, DF. Planal-tina, DF, EMBRAPA, Boletim de Pesquisa e Desenvol-vimento, no 27, 38p.

Sturaro J.R. & Landim P.M.B. 1988. Estudo do Nível Piezo-métrico por Análise Estatística. Geociências, São Paulo, 7(3):201-210.

Tanco R & Kruse E. 2001. Prediction of seasonal water-table fluctuations in La Pampa and Buenos Aires, Argentina. Hydrogeology Journal, 9(3):339-347.

Manuscrito ID 10792Submetido em 26 de fevereiro de 2008

Aceito em 15 de fevereiro de 2009

estudo da variabilidade da potenciometria em aquíferos

Documents