modelagem da profundidade secchi e da concentração de clorofila

CAMINHOS DE GEOGRAFIA - revista on line
www.ig.ufu.br/caminhos_de_geografia.html
ISSN 1678-6343
Instituto de Geografia
ufu
Programa de Pós-graduação em Geografia
MODELAGEM DA PROFUNDIDADE SECCHI E DA CONCENTRAÇÃO
DE CLOROFILA A NO ESTUÁRIO DO RIO ANIL, SÃO LUÍS-MA1
Enner Herenio Alcântara
Depto. Oceanografia e Limnologia – UFMA
Email: [email protected]
Flavia Rebelo Mochel
Depto. Oceanografia e Limnologia - UFMA
Alexsandro de Jesus Ericeira Amorim
LASERGEO - UFMA
Email: [email protected]
Adeline Thevand
Université Paul Sabatier - Toulouse 3 - França.
RESUMO
A geoestatística é um tópico especial da estatística aplicada que trata de problemas
referentes às variáveis regionalizadas, aquelas que tem comportamento espacial
mostrando características intermediárias entre as variáveis verdadeiramente aleatórias
e as totalmente determinísticas. O presente trabalho teve com objetivo modelar através
da geoestatística, dados de profundidade secchi e concentração de clorofila a,
utilizando a krigagem de bayes (modelo esférico) e o pacote SPRING 4.0.
Palavras-chave: geoestatística, modelagem, secchi, clorofila a.
MODELING OF SECCHI DEPTH AND CHLOROPHYLL A CONCENTRATION
IN ANIL RIVER ESTUARY, SÃO LUÍS - MA
ABSTRACT
The geostatistical is a special topic of the applied statistics that deals with referring
problems to the regionalizing variable, those that space behavior has showing
characteristic intermediate between the truly random variable and the total
deterministically. The present work had with shape objective through geostatistical, data
of depth secchi and concentration of chlorophyll a, using the bayes kriging (spherical
model) and package SPRING 4.0.
Key-word: geostatistical, modeling, secchi, chlorophyll a.
1
Recebido em 29 de julho de 2004
Aceito para publicação em 07/09/2004
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
19
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
INTRODUÇÃO
Estas variáveis têm em comum uma dupla
A geoestatística é um tópico especial da
característica: são aleatórias já que os
estatística aplicada que trata de problemas
valores numéricos observados podem
referentes às variáveis regionalizadas,
variar consideravelmente de um ponto a
aquelas que tem comportamento espacial
outro no espaço; são espaciais e apesar de
mostrando características intermediárias
muito variáveis dentro do espaço, os
entre
valores numéricos observados não são
as
variáveis
verdadeiramente
aleatórias e as totalmente determinísticas
inteiramente
independentes
(Guerra,
1988).
(Landim, 1998).
Variáveis
A teoria fundamental da geoestatística é a
Regionalizadas proposto por Matheron,
esperança de que, na média, as amostras
em 1971 e o conseqüente emprego da
próximas no tempo e espaço sejam mais
interpolação
similares entre si do que as que estiverem
Com
a
Teoria
das
em
geoestatística
(Krigagem) além da evolução da ciência
distantes (Isaaks & Srivastava, 1989).
da computação
Alguns
e dos sistemas de
métodos
estimadores
informação geográfica, não há mais
geoestatísticos da autocorrelação espacial
necessidade de agrupamento dos dados
são
primários em classes, sendo os mapas-
continuidade
base elaborados automaticamente como
variograma
mapas de isolinhas (McBratney & De
covariograma e o correlograma. Essas
Gruijter, 1992, Burrough et al., 1997 e
ferramentas são usadas para investigar a
McBratney & Odeh, 1997 e Zimback,
magnitude
2001). Openshaw
amostras e sua similaridade ou não, com a
(1988) ressalta
a
usados
como
ferramentas
espacial,
ou
da
como:
semivariograma,
correlação
entre
de
o
o
as
importância de análises mais acuradas na
distância.
confecção de mapas, assegurando maior
A função semivariograma deve o seu
confiabilidade
nome a Matheron (entre 1957 e 1962),
nas
informações-base
usadas em Sistemas de Informação
bem
Geográfica, bem como da avaliação da
interpretação teórica e prática, embora
margem de erro contida em cada entrada
seja uma função conhecida anteriormente,
como
o
seu
tratamento
e
de dados no sistema.
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
20
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
já tendo sido citada por Langsaetter em
Como
1926 (Valente, 1989).
representação de variáveis contínuas de
Segundo Guerra (1988), ocorrem três
atributos
tipos de semivariogramas: observado ou
primeiramente
experimental (obtido a partir das amostras
utilizada para estudar uma única variável,
colhidas no campo), verdadeiro (real, mas
posteriormente métodos geoestatísticos
desconhecido) e teórico (de referência,
foram
auxiliar
na
dos
descrição
solos
a
e
paisagens,
geoestatística
desenvolvidos
e
para
foi
múltiplas
variáveis e para quantificar variáveis
utilizado para o ajuste do modelo).
correlacionadas, não conhecidas ou de
Os
semivariogramas
comportamento
expressam
espacial
da
o
variável
regionalizada ou de seus resíduos e
mostram o tamanho da zona de influência
em torno de uma amostra, a variação nas
diferentes
direções
do
terreno
e
mostrando
também
continuidade
da
característica
estudada
no
difícil determinação (Stein et al., 1988 e
McBratney et al., 1991). No Brasil, o
emprego de amostragem regionalizada e
de métodos geoestatísticos para solos
ainda
é
incipiente
e
muito
pouco
disseminado em comparação aos métodos
convencionais de análises estatísticas.
terreno
(Landim, 1998).
Segundo Carter (1995), a habilidade dos
variogramas em separar a variância de
Segundo Rossi et al. (1994), o variograma
e outros parâmetros geoestatísticos de um
modelo de função aleatória estacionária
são constantes em um determinado
espaço amostral e estimados das medidas
verdadeiras. Sabendo-se que, o padrão
amostras entre componentes espaciais e
casuais permite avaliações aperfeiçoadas
de
espaçamento
e
quantidade
de
amostragem de solo, além do melhor
visão
da
continuidade
destas
características.
espacial ocorre em uma pequena ou
grande escala e tendo alguma idéia do
A sensibilidade dos semivariogramas,
tamanho desses padrões, garantir-se-á o
para detectar a variabilidade espacial das
sucesso dos instrumentos geoestatísticos
amostras, está diretamente ligada ao
que serão utilizados para fornecerem
melhor ajuste dos dados experimentais ao
estimativas de locais não amostrados
modelo teórico do variograma. Cressie &
(interpolação).
Hawkins (1980), Armstrong & Jabin
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
21
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
(1981), Armstrong (1982), Dunn (1983),
propriedades físicas dos solos (Borgelt et
Horowitz & Hillel (1983), Mc Bratney &
al., 1994; Horn et al., 1994 e Ribeiro Jr.,
Webster (1983 e 1986), Baker (1984),
1995), porosidade do solo (Puentes et al.,
Cressie (1985), Issaks & Srivastava
1992), resistência à penetração (Moolman
(1988), Barnes (1991), Shapiro & Botha
& Van Huysstem, 1989 e Ley & Laryea,
(1991), Goyway & Hartford (1996),
1994),
Tsegaye & Hill (1998) e Ahn et al. (1999)
(Aboufirassi & Marino, 1983), drenagem
descrevem as inferências sobre a escolha
em solos salinos (Agrawal et al., 1995),
do modelo teórico e ajuste desse modelo
salinidade do lençol freático (Hooda et
ao semivariograma experimental.
al.,
Alguns
autores
geoestatística
utilizaram
para
variabilidade,
o
estudo
dependência
a
da
e
continuidade espacial de atributos da
nível
1986
e
do
Samra
lençol
et
freático
al.,
1989),
contaminação do lençol (Reynolds et al.,
1994), acidez do solo (Boyer et al., 1996),
resistência e plasticidade (Alli et al.,
1990) e processos erosivos (Cremers et
natureza, como: Tragmar et al. (1985),
al., 1996), etc.
Kirda et al. (1988), Vieira et al. (1992),
Especificamente, para as propriedades
Reichardt et al. (1993), Van Es & Van
químicas dos solos, outros autores, como
Es (1993) e Shouse et al. (1995).
Marx
Outros autores estudaram o mapeamento
Gonzales & Zak (1994), Davis et al.
de características especificas, bem com a
(1995), Cora (1997) e Kravchenko &
variabilidade
Bullock (1999), Oliveira et al. (1999) e
e
dependência
espacial
(1988),
al
(2000)
et
al.
(1994),
destas nos solos, como: medidas de
Cassel
umidade e temperatura superficiais do
variabilidade
solo (Davidoff & Selim, 1988), densidade
atributos e propriedade dos solos.
e condutividade hidráulica dos solos
MATERIAIS E MÉTODOS
(Bresler et al., 1984; Ciollaro & Romano,
et
Cahn
espacial
verificaram
dos
a
principais
Caracterização da área de estudo
1995; Rogowski & Wolf, 1994 e Gupta et
al., 1995), retenção de água (Burden &
Selim, 1989; Voltz & Goulard, 1994;
Folegati, 1996 e Mallants et al., 1996),
Caminhos de Geografia 5(13) 19-40, Out/2004
A Bacia Hidrográfica do Rio Anil,
localizada no quadrante NW da ilha de
São Luis – MA, com o Rio Anil
Página
22
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
possuindo cerca de 13, 8 Km de
Coleta de dados
extensão.
Para a aquisição de dados utilizou-se a
Tem
suas
nascentes
localizadas no Bairro Aurora, descendo
embarcação
ao nível do mar aproximadamente 9,5
foram coletados dados e amostras de água
Km
eixo
na superfície, para análises posteriores, ao
direcional orientado de SE para NW a
longo do estuário do rio Anil no sentido
partir
jusante-montante (Figura 1).
em
linha
da
reta,
nascente,
com
a
o
sua
calha
do
LABOHIDRO,
onde
caracteriza-se por apresentar um perfil
meândrico, cortando a porção NE do
centro urbano da cidade de São Luis,
no trajeto em direção à desembocadura
(LABOHIDRO, 1980; Siqueira, 1987),
Foram estabelecidos 9 pontos de coleta,
sendo coletadas amostras de salinidade
(ups),
pH,
temperatura
(T°C),
concentração de clorofila a (µg/l), total
de sedimentos em suspensão (g/l) e
como pode ser visto na figura 1.
produndidade Secchi (cm). Sendo que
A bacia do rio Anil está atualmente com
todas as amostras foram coletadas
uma densidade demográfica em torno de
apenas
8.575,35 hab/Km2, caracterizando-se então
enchente. Assim como que para cada
como uma bacia extremamente urbana,
ponto
densamente
localização geográfica utilizando GPS,
povoada,
com
problemas
na
superfície
também
se
e
na
coletou
maré
a
sua
sócio- ambientais, tais como: assoreamento
sendo
do rio principal e seus afluentes; poluição
imagem
por efluentes industriais, domésticos e
Software SPRING 4.0. Trabalhos de
hospitalares; falta de saneamento básico;
Campo e Laboratório
construção
de
moradias
inseridos
de
posteriormente
satélite
utilizando
na
o
irregulares
(palafitas) e problemas de drenagem. A
Clorofila a
bacia do Rio Anil vem sofrendo com o
Assim como a concentração de sólidos
grande adensamento populacional, com a
em
conseqüente ocupação das áreas mais
fotossintéticos possuem comportamento
baixas,
os
óptico ativo e, portanto, são também
manguezais e a várzea, (Alcântara & Silva,
responsáveis pelos padrões observados
2003).
nos
onde
estão
localizados
Caminhos de Geografia 5(13) 19-40, Out/2004
suspensão,
dados
os
pigmentos
multiespectrais.
Página
A
23
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
concentração
determinada
de
por
clorofila-a
foi
espectrofotometria
(Strickaland & Parsons, 1972), após a
Enner Herenio Alcântara e outros
acetona.
Este
método,
segundo
os
mesmos autores, fornece uma precisão de
3%.
extração do pigmento nos filtros com
Figura 1 - Imagem satélite LANDSAT TM 5, bandas 3, 4, 5 composição RGB, mostrando
os pontos amostrais, de jusante para montante.
Profundidade Secchi
Um método para se medir a trasparência
da água no mar e estimar o coeficiente de
extinção é o método que utiliza o disco de
Secchi. Este disco é dividido em seções
brancas e pretas, com um anel no centro
ao qual está atado uma linha com marcas
a cada metro. A profundidade na qual o
disco desaparece de vista é utilizada para
Caminhos de Geografia 5(13) 19-40, Out/2004
estimar o coeficiente de extinção. Com
um pouco de prática é possível obter-se
leituras consistentes dentro de mais ou
menos 10% (Littlepage, 1998). Esta
medida oferece uma avaliação indireta da
turbidez
de
inversamente
corpos
d’água,
correlacionada
sendo
com
a
concentração de partículas dissolvidas e
em suspensão na água. Corresponde à
Página
24
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
máxima profundidade de visibilidade de
patamar (C) assintoticamente. Para tais
um disco circular branco com 25 cm de
modelos, o alcance (a) é arbitrariamente
diâmetro, e deve ser realizada sempre
definido como a distância correspondente
pela mesma pessoa durante as coletas de
a 95% do patamar. Modelos do segundo
dados, evitando-se a influência das
tipo não atingem o patamar, e continuam
características individuais de visão. A
aumentanto
corda de sustentação do disco foi
aumenta. Tais modelos são utilizados
graduada em intervalos de 10 cm,
para modelar fenômenos que possuem
permitindo uma precisão me torno desta
capacidade infinita de dispersão.
mesma medida.
enquanto
a
distância
Os modelos transitivos mais utilizados
O Modelo utilizado
são: modelo esférico (Sph), modelo
O modelo aqui apresentado é o Esferico
exponencial (Exp) e modelo gaussiano
considerado
(Gau).
um
modelo
básico,
denominado de modelo isotrópicos por
O modelo esférico é um dos modelos
Isaaks e Srivastava (1989). O modelo
mais utilizados e está representado em
utilizado
vermelho na Figura acima.
neste
é
referenciado
na
geoestatística como modelo transitivo.
Alguns dos modelos transitivos atingem o
O semivariograma do modelo esférico
pode ser calculado pela equação:
[1]
A equação normalizada deste modelo é:
[2]
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
25
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
O modelo utilizando neste estudo foi
características
da
Krigagem
a
rodado no modulo geoestatística do
distinguem dos outros métodos de
Software SPRING 4.0.
interpolação. Primeiro, a Krigagem
pode fornecer uma estimativa que é
Krigagem de bayes
maior ou menor do que os valores da
Os valores obtidos através da krigagem
amostra,
não são viciados e têm variância mínima
tradicionais estão restritas a faixa de
(Vieira et al., 1983) e ideais para a
variação
construção de mapas de isolinhas ou
enquanto os métodos tradicionais usam
tridimensionais
e
distâncias Euclidianas para avaliar as
interpretação da variabilidade espacial
amostras, a Krigagem tem vantagem de
(Carvalho et al, 2002).
usar a distância e a geometria (relação
Como
os
para
métodos
verificação
tradicionais
sendo
das
que
as
técnicas
amostras.
Segundo,
de
de anisotropia) entre as amostras.
pontos
(como
a
Terceiro, diferentemente dos métodos
distância
inversa,
a
tradicionais, a Krigagem leva em conta
triangulação e a média das amostras
a minimização da variância do erro
locais), a Krigagem pode fornecer a
esperado, por meio de um modelo
estimativa para um local específico.
empírico
Freqüentemente, os métodos tradicionais
existente ou do grau de dependência
podem ser tão acurados mas consomem
espacial com a distância ou direção,
muito mais tempo do que a Krigagem
isto
(Isaaks & Srivastava, 1989).
covariograma ou correlograma.
Landim (1998) descreve a Krigagem
RESULTADOS E DISCUSSÃO
como uma série de técnicas de análise de
Análise dos dados coletados em campo
interpolação
ponderação
regressão
de
da
que
procura
minimizar
a
variância estimada, a partir de um modelo
prévio, que leva em conta a dependência
estocástica entre os dados distribuídos no
espaço.
Segundo Rossi et al. (1994), três
Caminhos de Geografia 5(13) 19-40, Out/2004
é,
da
continuidade
através
do
espacial
variograma,
Pode-se observar através da tabela 1 os
resultados obtidos em campo. Profundidade
Secchi. De acordo com o resultado obtido
em campo referente à medida na coluna
d’água da profundidade secchi ao longo
do estuário do rio Anil, tem-se que o
Página
26
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
valor máximo obtido foi 32 (cm), o
LABOHIDRO (1994), a transparência
mínimo de 16 (cm) e a média 25,88 (cm),
variou de 0,37 a 2,40 (m) ao longo do
como se pode observar na figura 2.
estuário do Anil. No período chuvoso,
Observando a figura 2, é possível notar
meses de fevereiro e abril, quando o aporte
dois
secchi
terrígeno é maior, a transparência diminue e
referente as estações 4 e 6. E as menores
ocorrendo o contrário no período seco
profundidades secchi foram observadas a
outubro
picos
na
profundidade
montante do estuário. Provavelmente isso
a
dezembro,
aumentando
a
tranparência.
acontece porque há uma maior influencia
Clorofila a
dos manguezais que exportam grandes
O fitoplâncton é o maior responsável pela
quantidades
o
fotossíntese e conseqüentemente pela
estuário. Mais nota-se que não há nenhum
fixação do carbono, componente principal
padrão, e que esta variável depende muito
da matéria, chegando a contribuir com
da quantidade de material em suspensão.
95% da produção primária através desses
No
processos, (Tundisi, 1970).
de
sedimentos
trabalho
para
desenvolvido
por
Tabela 1
Estações de coleta e dados de campo e laboratório dos parâmetros físico-químicos rio Anil
Estação Latitude
1
2
3
4
5
6
7
8
9
2°31"14'
2°31"13'
2°31"24'
2°31"30'
2°31"33'
2°31"37'
2°31"59'
2°31"76'
2°31"88'
Longitude Horário Secchi (cm) Cl-a (µg/L)
44°18"35'
44°18"03'
44°17"76'
44°17"41'
44°17"08'
44°16"76'
44°16"66'
44°16"49'
44°16"28'
Caminhos de Geografia 5(13) 19-40, Out/2004
12:33
12:41
14:09
14:21
14:45
15:00
15:11
15:25
15:40
24,5
25
26
32
26
32
26
25,5
16
5,48
9,30
13,95
15,59
14,24
11,77
25,84
26,67
27,25
Página
27
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
Figura 2 - Variação da profundidade secchi (cm) nas estações de amostragem no estuário
do rio anil, sentido jusante montante, maré enchente.
A
determinação
biomassa
que o valor máximo obtido foi 27,25
fitoplanctônica através da clorofila a é um
(µg/L), o mínimo de 5,48 (µg/L) e a média
dos métodos mais precisos que possibilita
16,68 (µg/L), como se pode observar na
a avaliação da cominidade dos produtores
figura 3.
primários aquáticos (Santos-Fernandes et
De acordo com Ewerton (2001) a
al.,
dos
concentração de clorofila a na preamar na
organismos clorofilados que chegam é
estação de amostragem que se localiza
limitada principalmente pelas condições
atrás do hospital Sarah Kubishek obteve o
1998).
A
da
sobrevivência
de luz, temperatura, salinidade e toxinas
maior valor em torno de 59,7 mg/m3,
(Lackey, 1967).
durante os meses de menor precipitação
De acordo com o resultado obtido após
em agosto de 2000. Também segundo
análise
as
esse mesmo autor, as maiores médias de
amostras de concentração de clorofila a
concentração da clorofila a foram obtidas
ao longo do estuário do rio Anil, tem-se
em maré baixa.
em
laboratório
referente
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
28
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
Figura 3 - Variação da clorofila a (µg/L) nas estações de amostragem no estuário do rio anil,
sentido jusante montante, maré enchente.
De acordo com Moreira (2003), a densidade
geoestatística (Krigagem Bayesiana), é
fitoplanctônica é mais expressiva no períoro
possível notar na figura 4 que a
de estiagem e o menos expressivo no
profundidade secchi teve uma variação de
período chovoso, sendo que o fitoplâncton
20,2 a 29,2. É possível perceber que não há
do estuário do rio Anil sofre influência do
um padrão quanto a essa variável, e sim que
lançamento de esgoto “in natura” e a grande
é condicionada através do material em
deposição de lixo nas margens do estuário, o
suspensão
que também influencia na sua distribuição
amostragem. Mas também é possível notar
ao longo do estuário.
que quanto mais próximo da montante do
Modelagem da Profundidade Secchi e
presente
na
região
de
estuário menor a profundidade secchi.
da Concentração de Clorofila a com
Clorofila a (µg/L)
auxilio da geoestatística
De
Profundidade Secchi (m)
geoestatística (Krigagem Bayesiana), é
De
acordo
com
a
aplicação
Caminhos de Geografia 5(13) 19-40, Out/2004
da
acordo
com
a
aplicação
da
possível notar na figura 5 que a clorofila
Página
29
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
Figura 4 - Carta de Modelagem de Profundidade Secchi (cm) para a maré cheia
no estuário do Rio Anil
Figura 5 - Carta de Modelagem de Clorofila a (µg/L) para a maré cheia no
estuário do Rio Anil
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
30
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
a (µg/L) uma variação de 77,3 a 252,9
ASAE, v. 38, p. 1427-1433, 1995.
(µg/L),
desembocadura
ALCÂNTARA, E. H. & SILVA, G. C.
apresentando os menores valores, e
Conseqüências Ambientais da Intensa
aumentando em direção à montante.
Urbanização da Bacia Hidrográfica do
Este resultado está de acordo com o
Rio Anil, São Luís – MA. In: VI
trabalho de Ewerton (2001) que obteve
Congresso
como resultado sobre a concentração de
Fortaleza – CE. 2003.
clorofila a na preamar os mariores valores
AHN, C. W., BAUMGARDNER, M. F.,
à jusante do estuário do rio Anil.
BIEHL,
CONCLUSÃO
variability using geostatistics and fuzzy
com
a
É possível a aplicação da geoestatística
no monitoramento da qualidade da água,
com o auxilio do sensoriamento remoto e
L.
de
L.
Ecologia
do
Delineation
Brasil.
of
soil
clustering analyses of hyperspectral data.
Soil Sci. Soc. Am. J.., v. 63, p. 142-150,
1999.
do geoprocessamento. Estas se mostraram
ALMEIDA, A. S.; Bettini, C. Curso de
muito eficientes na modelagem espacial
Geoestatística Aplicada. Rio de Janeiro,
das variáveis estudadas, facilitando o
UFRJ, Apostila. 1994.
monitoramento dos recursos naturais,
ARMSTRONG,
sendo assim uma importante ferramenta
Variogram models must be positive-
para auxiliar nas tomadas de decisões.
definite. Mathematical Geology, v. 13, p.
REFERÊNCIAS BIBLIOGRÁFICAS
455-459, 1981.
ABOUFIRASSI, M., MARINO, M. A.
ARMSTRONG, M. Common problems
Kriging of water levels in the Souss
seen
Aquifer,
Geology, v. 16, p. 305-313, 1982.
Morocco.
Mathematical
in
M.,
variograms.
JABIN,
R.
Mathematical
Geology, v. 15, p. 537-550, 1983.
BAKER, R. Modeling soil variability as a
AGRAWAL, O. P., RAO, K. V. G. K.,
random field. Mathematical Geology, v.
CHAUHAN,
16, p. 435-448, 1984.
H.S.,
KHANDELWAL,
M.K. Geostatistical analysis of soil
BARNES, R.J. The variogram sill and the
salinity improvement with subsurface
sample variance. Mathematical geology,
drainage system. Transactions of the
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
31
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
v. 23, p. 673-697, 1991.
BOWERS, D. G., HARKER, G. E. L. &
BIDIGARE, R. R. & ONDRUSEK, M. In
STEPHAN, B. Absorption of inorganic
vivo
particles in the Irish Sea and their
absorption
properties
of
algal
relevance
pigments.
chlorophyll.
SPIE V. 1302, Ocean Optics X, p. 290302, 1990.
to
remote
Internationa
sensing
Journal
of
of
Remote Sensing, v. 17, n. 12, p. 24492460, 1996.
BERNARDI, J. V. E.; FOWLER, H. G.;
LANDIM, P. M. B. Um estudo de
impacto ambiental utilizando análises
estatísticas
espacial
e
multivariada.
HOLOS Environment, V.1 n.2, 2001 –
BURROUGH, P. A., VAN GAANS, P. F.
M.,
HOOTSMANS,
R.
Continuous
classification in soil survey: spatial
correlation, confusion and boundaries.
Geoderma, v. 77, p. 115-135, 1997.
p.162-172. 2001.
CAHN, M. D., HUMMEL, J. W.,
BOYER,
D.
G.,
WRIGHT,
R.J.,
FELDHAKE, C.M., BLIGH, D. P. Soil
spatila variability relationships in a
steeply sloping acid soil environment.
BROUER, B. H. Spatial analysis of soil
fertility
for
site-specific
crop
management. Soil Sci. Soc. Am. J., v. 58,
p. 1240-1248, 1994.
Soil Sci., v. 161, p. 278-287, 1996.
CÂMARA,
BORGELT,
S.C.,
SEARCY,
S.W.,
STOUT, B.A., MULLA, D.J. Spatially
variable liming rates: a method for
determination. Translations of the ASAE,
v. 37, p. 1499-1507, 1994.
BRESLER,
E.,
WAGENET,
R.J.,
DAGAN,
G.,
FREITAS,
U.
M.,
SOUZA, R. C. M. & GARRIDO, J.
SPRING: Integrating Remote Sensing
and GIS by Object – Oriented Data
Modelling. Computers and Graphics, v.
20, n.3, p. 395-403, 1996.
G.,
LAUFER,
A.
Statistical analysis of salinity and texture
effects on spatial variability of soil
CARTER, M. R. Spatial variability of
porosity under reduced tillage in a homoferric podzol. Can. J. Soil Sci., v. 75, p.
149-152, 1995.
hydraulic conductivity. Soil Sci. Soc. Am.
J., v.48, p. 16-25, 1984.
CARVALHO, J. R. P.; SILVEIRA, P. M.
& VIEIRA, S. R. Geoestatística na
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
32
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
determinação da variabilidade espacial de
1980.
características químicas do solo sob
CRESSIE, N. Fitting variogram models
diferentes
by weighted least squares. Mathematical
preparos.
Pesq.
agropec.
bras. vol.37 no.8 Brasília. 2002.
geology, v. 17, p. 563-586, 1985.
CASSEL, D. K., WENDROTH, O.,
DAVIS, J. C. Statistics and data analysis
NIELSEN, D. R. Assenssing spatial
variability in an agricultural experiment
in geology. 2.ed. New York: John Wiley
& Sons. 1986.
station field: opportunities arising from
spatial dependence. Agron. J., n. 92, p.
DAVIS, J. G., HOSSNER, L. R.,
WILDING, L. P., MANU, A. Variability
706-714, 2000.
of soil chemical properties in two sandy
CIOLLARO, G., ROMANO, N. Spatial
variability of the hydraulic properties of a
dunal soils of niger. Soil Sci., v. 159, p.
321-330, 1995.
volcanic soil. Geoderma, v. 65, p. 263DEUTSCH, C. V., JOURNEL, A. G.
282, 1995.
GSLIB. geostatistical software library.
CORA, J. E. The potential for site-
Oxford Unv. Press, New York, 1998.
specific management of soil and corn
yield variability induced by tillage.
Dissertation, Michigan State University,
DILLON, W. R. & GOLDSTEIN, M.
Multivariate Analysis – Methods and
applications. New York: John Wiley &
1997. 104p.
Sons, 1984. 587 p.
CREMERS, N.H.D.T., VAN DIJK, P.M.,
ROO, A.P.J., VERZANDVOORT, M.A.
Spatial and temporal varaibility of soil
surface roughness and the application in
hydrological and soil erosion modelling.
DYER & TAYLOR, P. A. A Simple,
Segmented Prism Model of TidalMixing
in Well-mixed Estuaries. Estuar. Coast.
Mar. Sci., 1:411-418. 1973.
Hydrol. Processes, v.10, p.1035-1047,
DUNN, M. R. A simple sufficient
1996.
condition for a variogram model to yield
CRESSIE, N., HAWKINS, D. M. Robust
estimation
of
the
variogram:
I.
Mathematical geology, v. 12, p. 115-125,
Caminhos de Geografia 5(13) 19-40, Out/2004
positive
variances
under
restrictions.
Mathematical geology, v. 15, p. 553-564,
1983.
Página
33
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
DURUM, W. H. Chemical, physical and
Geostatistical analysis of soil properties
biological characteristics of water. In:
in a secondary tropical dry forest, St.
CIACCIO, L.L., Ed., Water and Water
Lucia, West Indies. Plant and Soil, v. 45-
pollution handbook. New York, NY,
54, 1994.
1971. V1, part. 1, p. 1-50. 1971.
GOTWAY, C. A., HARTFORD, A. H.
EWERTON,
C.
A.
Biomassa
Geostatistical methods for incorporating
fitoplanctônica do rio Anil, na Ilha de São
auxiliary information in the prediction of
Luís, Maranhão, Brasil. São Luís. 42p.
spatial variables. J. Agri., Biol. Environ.
2001.
Statistics, v. 1, p. 17-39, 1996.
ENGLUND, E. J., SPARKS, A. Geo-
GUERRA,
EAS. Users’s guide. USEMS, Las Vegas,
operacional.
1988. sp.
1988. 145p.
FOLEGATI, M. V. Estabilidade temporal
GUPTA,
e variabilidade espacial da umidade e do
CHAUHAN,
armazenamento de água em solo siltoso.
analysis of bulk density as a guide for
Livre-Docência, ESALQ/USP, 1996. 84p.
tillage. J. Indian Soc. Soil Sci, v. 43, p.
GALLIE, E. A. & MURTHA, P. A.
549-557, 1995.
Specific absorption and backscattering
HAARDT, H. & MASKE, H. Specific in
spectra for suspended minerals and
vivo
chlorophyll-a in Chilko Lake, British
chlorophyll-a at
Columbia.
675 nm. Limnology and Oceanography,
Remote
Sensing
of
Environment, v. 39, p. 103-118, 1992.
P.
A.
G.
Brasília,
R.P.,
Geoestatística
MME/DNPM,
AGGARWAL,
A.S.
Spatial
absorption
P.,
variability
coefficient
of
v. 32, p. 608-619, 1987.
GITELSON, A. The peak near 700nm on
HERZ, R. Circulação das águas da
radiance spectra of algae and water:
superfície
relationships
of
its
magnitude
and
position with chlorophyll concentration.
International Journal of Remote Sensing,
v. 13, n. 17, p. 3367-3373, 1992.
GONZALES,
O.J.,
ZAK,
da
Lagoa
dos
Patos.
Contribuição metodológica ao estudo de
processos lagunares e costeiros do Rio
Grande do Sul através da aplicação de
técnicas de sensoriamento remoto. Tese
D.R.
Caminhos de Geografia 5(13) 19-40, Out/2004
de Doutorado em Geografia. São Paulo,
Página
34
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
USP. 1977.
KLEMAS, V. 7 POLIS, D. Remote
HOODA, P.S., DAHIYA, I.S., MALIK,
sensing of estuaries fronts and their
R.S. Spatial variability of ground water
effects on pollutants. Photogrammetric
salinity in a watershed. J. Indian Soc. Soil
Engeneering and Remote Sensing. 43(5):
Sci., v. 34, p. 372-378, 1986.
599-612. 1977.
HORN, R., TAUBNER, H., WUTTKE,
KRAVCHENKO, A. N., BULLOCK, D.
M., BAUMGARTL, T. Soil physical
G. A comparative study of interpertation
properties releted to soil structure. Soil
methods for mapping properties. Agron.
Till. Reser., v. 30, p. 187-216, 1994.
J., v. 91, p. 393-400, 1999.
HOROWITZ, J., HILLEL, D. A critical
LABOHIDRO. Estudos Bioecológicos
of some recents attempts to characterize
nos Estuários dos Rios Anil e Bacanga –
spatial variability. Soil Sci. Soc. Am. J.,
Ilha de São Luis-MA. (Relatório parcial).
1980.
Madison, v. 47, p. 614-615, 1983.
HUIJBREGTS,
C.
J.
Regionalized
LABOHIDRO.
Estudo
da
poluição
variables and quantitative analysis of
química e biológica na Ilha de São Luís –
spatial data. In: Davis, J. C.; McCullagh,
MA: Rios Anil e Bacanga. Relatório
M. J. ed. Display and analysis of spatial
final. 1983.
data. New York, John Wiley, p. 38-53.
LABOHIDRO. Estudo do plâncton e de
1975.
fatores físico e químicos na região
ISAAKS, E.H., SRIVASTAVA, M. An
introduction
to
applied
geostatistics.
estuarina dos Rios Anil e Bacanga, São
Luís/MA. 1994.
Oxford Univ. Press., New York, 1989.
LACKEY, J. B. The microbiota of estuaries
600p.
and their roles. In: LAUFF, G.H. Estuaries.
KIRDA,
C.,
HARDARSON,
G.,
ZAPATA, F., REICHARDT, K. Spatial
Whashington, Dc, AAAS, Cap. 6, p.329335, (publication n° 83). 1967.
variability of root zone soil watwer status
LANDIM, P. M. B. Análise estatística de
and of fertilizer N uptake by forage crops.
dados geológicos. São Paulo: Editora da
Soil Tech., v. 1, p. 223-234, 1988.
UNESP. 1998.
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
35
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
LANDIM, P. M. B. Introdução aos
Choosing functions for semi-variograms
métodos de estimação espacial para
of soil properties and fitting them to
confecção
sampling estimates. J. Soil Sci., v. 37, p.
de
mapas.
DGA,
IGCE,
UNESP/Rio Claro, Lab. Geomatemática,
617-639, 1986.
Texto Didático 02, 20 pp. 2000.
McBRATNEY, A. B., DE GRUIJTER, J.
LEY, G. J., LARYEA, K. B. Spatial
J.
variability in penetration resistance of a
classification by modified fuzzy k-means
hardsetting
with extragades. J. Soil Sci., v. 43, p. 159-
tropical
Alfisol.
Soil
&
A
continuum
approach
to
soil
Tillage Res., v. 29, p. 367-381, 1994.
176, 1992.
LITTLEPAGE, J. Oceanografia: manual
McBRATNEY, A. B., ODEH, I. O. A.
de técnicas oceanográficas para trabalhos
Application of fuzzy sets in soil science:
em laboratório e a bordo. Fortaleza-CE.
fuzzy logic, fuzzy measurements and
Ed. da UFC. 99 p. 1998.
fuzzy decisions. Geoderma, v.77, p. 85-
MARX, D. B., GILMOUR, J. T.,
113, 1997.
SCOTT, H. D., FERGUSON, J. A.
MALLANTS, D., MOHANTY, B.P.,
Effects of long-term water management
JACQUES,
in a humid region on spatial variability of
variability of hydraulic properties in a
soil chemical status. Soil Sci., v. 145, p.
multi-layered soil profile. Soil Sci., v.
188-193, 1988.
161, p. 167-181, 1996.
McBRATNEY,
A.B.,
HART,
D.,
FEYEN,
J.
Spatial
G.A.,
MANN, K. Ecology of coastal waters: a
McGARRY, D. The use of region
system approach. University of California
partitioning to improve the representation
Press. Verkeley, C.A., 322 p. 1982.
of geostatistically mapped soil attributes.
MATHERON,
J. Soil Sci., v. 42, p. 513-532, 1991.
G.
Principles
geostatistics. Economic Geology, 58 (8):
McBRATNEY, A.B., WEBSTER, R.
1246-1266. 1963.
How many observations are needed for
MATHERON,
G.
regionalized
variables
regional estimation of soil properties. Soil
of
The
theory
of
and
its
Sci., v. 135, p. 177-183, 1983.
applications. Paris, Les Cahiers du Centre
McBRATNEY, A.B., WEBSTER, R.
de
Caminhos de Geografia 5(13) 19-40, Out/2004
Morphologie
Mathematique
de
Página
36
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
Fontainebleu, 211p. 1971.
OLIVEIRA, J. J., CHAVES, L. H. G.,
MITSCH, W.J. & GOSSELINK, J.G.
QUEIROZ,
Van
Wetlands.
Nostrand
Reinhold
J.
E.
LUNA,
J.
G.
Variabilidade espacial de propriedades
químicas em um solo salino-sódico. Ver.
Company, New York, 539 p. 1986.
Bras. Cien. Solo, v. 23, p. 783-789, 1999.
MOOLMAN, J.H., HUYSSTEEN, L.V.
A
geostatistical
analysis
of
the
OPENSHAWS,
S.
Developments
in
penetrometer soil strength of a deep
geographical information systems. Econ.
ploughed soil. Soil Til. Res., v. 15, p. 11-
Social Res. Council, v. 63, p. 11-14, 1988.
24, 1989.
PAREY,
MOREIRA,
E.
G.
Cominidade
fitoplanctônica do estuário do rio Anil,
Ilha
de
São
Luís-MA.
Monografia
(graduação em ciências biológicas -
P.
Aussagekraft
Von
Gewasserguteparametern
in
Fliessgewassern. Deutscher Verband fur
wasserwirtschaft
und
Kulturbau
(EVWK). 1993.
UFMA). 2003.
PARANHOS, R. 1996. Alguns métodos
NASSER, V. L., FILHO, O. C. R.,
para análise da água. Rio de Janeiro:
AMARAL, V., JUNIOR, S. L. C.,
UFRJ, 200 p. (Cadernos didáticos UFRJ;
SILVA, E. V. A. 2003. Sensoriamento e
19).
geoestatística aplicados à qualidade de
PETERS, D. G.; HAYES, J. M &
água da Baía de Guanabara. Anais XI
HIEFTZE, M. Chemical separations and
SBSR, Belo Horizonte, Brasil, INPE.
measurements. W. B. Saunders Co.
NETGIS
–
Geoprocessamento
e
Londres, 813 p.
Informática Ltda. SPRING – Sistema de
POLCYN, F. C. & LYZENGA, D. R.
processamento
Remote bathymetric and shoal detection
de
informações
georreferenciadas. Versão 2.0.4, 1997. 4 v.
OLEA, R. A. 1977. Measuring spatial
dependence
with
with
ERTS.
Ann
Arbor,
1975.
55
p.(NASA - CR - ERIM - 193300-51-F).
semivariograms,
PRIEUR, L. & SATHYENDRANATH,
Kansas, Kansas Geological Survey, 29p.
S. An optical classification of coastal and
(Series on Spatial Analysis 3).
oceanic water based on the specific
spectral
Caminhos de Geografia 5(13) 19-40, Out/2004
absorption
curves
Página
of
37
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
phytoplancton
pigments,
dissolved
Enner Herenio Alcântara e outros
sensing. Remote Sens. Environ., v.49, p.
organic matter, and other particulate
32-40, 1994.
materials. Limnology and Oceanography,
ROGOWSKI, A. S. & WOLF, J. K.
v. 26, n. 4, p. 671-689, 1981.
Incorporating variability into soil map
PUENTES,
R.,
WILDING,
L.
P.,
unit delineations. Soil Sci. Soc Am. J.,
DREES, L. R. Microspatial variability
Madison, v. 58, p. 163-174, 1994..
and sampling concepts in soil porosity
SAMRA, J.S., GILL, H.S., ANLAUF, R.,
studies of Vertisols. Geoderma, v. 53, p.
RICHTER, J. Geostatistical evaluation of
373-385, 1992.
soil sodicity and growth of Melia
QUIBELL, G. The effect of suspended
azedarach
sediment on reflectance spectra from
stochastic processes. Soil Sci., v. 148, p.
freshwater
361-369, 1989.
algae. International Journal of Remote
SANTOS-FERNANDES,
Sensing, v. 12, n. 1, p. 177-182, 1991.
PASSAVANTE, J. Z. O.; KOENING, M.
REICHARDT,
O.S.,
L. & MACÊDO, S. J. 1998. Fitoplâncton
VILLAGRA, M.M., TURATTI, A.L.,
do estuário do rio Jaguaribe, (Itamaracá,
PEDROSA, Z.O. Hydarulic variability in
Pernambuco,
space and time in a dark red latosol of the
Universidade Federal de Pernambuco, In:
tropics. Geoderma, v. 60, p. 159-168,
Trab. Oceanográficos. Recife, 26(2): 1-
1993.
18.
REYNOLDS, W.D., JONG, R., VIEIRA,
SHAPIRO, A., BOTHA, J. D. Variogram
K.,
BACCHI,
S.R., CLEMENTE, R.S. Methodology for
predicting agrochemical contamination of
ground water resources. Soil Quality
fitting
Linn.
as
simultaneous
T.
Brasil):
with
a
conditionally
general
Biomassa,
classes
nonnegative
functions. Comp. Statistical & Data
Analysis, v. 11, p. 87-96, 1991.
Canada, 1994. 51p.
SHOUSE,
L.
R.
Kriging
in
the
shadows:
geostatistical interpolation for remote
Caminhos de Geografia 5(13) 19-40, Out/2004
of
definite
evaluation program technical Report 4,
ROSSI, R. E., DUNGAN, J. L., BECK,
L.;
P.J.,
RUSSELL,
W.B.,
BURDEN, D.S., SELIM, H.M., SISSON,
J.B., VAN GENUCHTEN, M.T. Spatial
variability
of
soil
water
retention
Página
38
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
functions in a silt loam soil. Soil Sci., v.
measurements. Soil Sci., v. 163, p. 155-
159, p. 1-12, 1995.
165, 1998.
SIEGEL, S. Estatística não – paramétrica
TUNDISI, J. G. 1970. O plâncton
para as ciências do comportamento. São
estuarino.
Paulo, Mc Graw-Hill, 350 p., 1981.
Instituto Oceanográfico da Universidade
SIQUEIRA, A.M.F., 1987. Efeitos da
Poluição por efluentes domésticos e
de
São
Contribuições
Paulo.
Série
avulsas
do
Oceanografia
Biológica, São Paulo, 19: 1-12.
Anil.
VALENTE, J. M. G. P. Geomatemática –
(Monografia). Universidade Federal do
Lições de geoestatística. Ouro Preto, Ed.
Maranhão, São Luís.
da Fundação Gorceix, 1989. 8v.
industriais
STEIN,
sobre
A.,
o
rio
M.,
VAN ES, H.M., VAN ES, C.L. Spatial
BOUMA, J. Use of soil map delineations
nature of randomization and its effect on
to improve (co)kriging of point data on
the
moisture deficits. Geoderma, v. 43, p.
Agronomy Journal, v. 85, p. 421-428, 1993.
163-177, 1988.
VIEIRA,
TEIXEIRA,
HOOGERWERF,
C.,
ARANHA,
F.
J.,
outcome
NIELSEN,
of
field
S. R.;
D. R.&
experiments.
HATFIELD,
J. L.;
BIGGAR,
J. W.
BARBIERI, R., MELO, O. T. Redução
Geoestatistical theory and application to
primária e clorofila a do fitoplâncton e
variability
parâmetros físico e químicos do Estreito
properties. Hilgardia, Berkeley, v. 51,
dos
n. 3, p. 1-75. 1983.
Coqueiros,
MA-Brasil.
Revista
of
some
agronomical
Brasileira de Biologia. 48; 1:29-39. 1988.
VIEIRA, S.R., CASTRO, O.M., TOPP,
TRAGMAR, B. B., YOST, R. S.,
G.C. Spatial variability of soil physical
UEHARA, G. Application of geostatistics
properties in three soils of São Paulo,
to spatial studies of soil properties.
Brazil. Pesq. agrop. bras., v. 27, p. 333-
Advances in Agronomy, v. 38, p. 45-94,
341, 1992.
1985.
VOLTZ, M., GOULARD, M. Spatial
TSEGAYE, T., HILL, R. L. Intensive
interpolation of soil moisture retention
tillage effects on spatial variability of soil
curves. Geoderma, v. 62, p. 109-123, 1994.
test, plant growth and nutrient uptake
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
39
Modelagem da profundidade secchi e da concentração
de clorofila a no estuário do Rio Anil, São Luís-MA
Enner Herenio Alcântara e outros
ZIMBACK, C.R.L. Análise espacial de
atributos químicos de solos para fins de
mapeamento da fertilidade. Tese de
Livre-Docência
(Livre-Docência
em
Levantamento do solo e fotopedologia),
FCA/UNESP, 2001. 114p.
Caminhos de Geografia 5(13) 19-40, Out/2004
Página
40