Estimativa de recarga de águas subterrâneas por sensoriamento remoto e computação em nuvem

• Autor(a) principal: Magnoni, Pedro Henrique Jandreice
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/194259
• topic: FLDAS; GLDAS; TERRACLIMATE; Águas subterrâneas; Balanço hídrico; Sensoriamento remoto; Groundwater Recharge; Remote sensing; Waterbudget; Google Earth Engine

A popularização do sensoriamento remoto via computação em nuvem em plataformas como o Google Earth Engine (GEE) trouxe novas perspectivas aos modeladores, facilitando acesso e processamento de dados espacializados em diferentes localidades. No entanto, estas ferramentas ainda são pouco exploradas no processo de planejamento e tomada de decisões sobre recursos hídricos, especialmente tratando-se das águas subterrâneas. O Sistema Aquífero Guaraní (SAG) é o maior reservatório transfronteiriço de água subterrânea da América do Sul, mas a recarga em suas zonas de afloramento é uma das variáveis hidrológicas menos conhecidas. Portanto, o objetivo deste trabalho foi contribuir para a compreensão do processo de recarga das águas subterrâneas em uma área de afloramento do SAG. Avaliou-se a adequação do uso de dados de sensoriamento remoto na equação do balanço hídrico para estimar a recarga (GWR) e o impacto nos níveis freáticos (WTD), por meio da utilização do GEE. Um modelo de estimativa da WTD foi adaptado a partir do método de flutuação do nível freático (WTF). Séries temporais estimadas de precipitação, evapotranspiração e escoamento superficial de três bases de dados hidroclimáticos baseados em sensoriamento remoto (FLDAS, GLDAS e TERRACLIMATE) foram obtidas ao longo de 2014 a 2017, no GEE na localização da Estação Ecológica de Angatuba (EEcA), no Estado de São Paulo. As estimativas da GWR e da WTD foram calculadas na localização de oito poços de monitoramento do nível freático nas imediações da EEcA. Uma análise do viés das estimativas de precipitação foi realizada usando dados meteorológicos observados. Dois cenários de estimativa da GWR foram avaliados, bem como o efeito de diferentes faixas de rendimento específico (Sy) adotados no modelo. A GWR no cenário 1 (C1) variou de 10,8% a 19,69% da precipitação observada para o FLDAS, de 18,65% a 38,09% no GLDAS e de 0,36% a 6,11% no TERRACLIMATE, enquanto que no cenário 2 (C2) as variações foram de 0,9 a 13%, de 3,76% a 27,36% e de 0,13% 3,25%, respectivamente. Quanto as estimativas da WTD, o FLDAS (base com melhor resultado nas métricas de validação do modelo) obteve a Raíz do Erro Médio Quadrático (RMSE) com variação de 0,36 a 1,12 m, e melhores resultados em poços de profundidade média até 15 m.