Mapeamento digital de solos e modelagem da recarga hídrica na Bacia do Rio Doce, Minas Gerais

Abstract

A avaliação quantitativa de recursos pedológico e hídrico é uma medida importante para a adoção de práticas sustentáveis e eficientes de uso e manejo dos recursos. Dados climatológicos e pedológicos são, geralmente, coletados de forma pontual e, para muitas áreas o número de locais para os quais se tem informações é, quase sempre insuficiente para alimentar modelos de predição. Para suprir a escassez e a descontinuidade espacial de informações de solo e de água tem-se utilizado modelos para estimar certas propriedades e atributo, a partir de outras de mais fácil obtenção. Os modelos preditivos empregam uma variedade de técnicas e métodos para geração de informações no formato discreto e contínuo. Este trabalho teve como objetivo geral a geração de funções de pedotrasnferencia para estimar a densidade do solo e o conteúdo de água no solo e, a avaliação da predição espacial de atributos do solo e do balanço e hídrico na Bacia do Rio Doce, localizada no Estado de Minas Gerais. No Capítulo 1, avaliou-se a predição espacial dos atributos dos solos: carbono orgânico, argila e capacidade de troca catiônica (CTC). O estudo teve o objetivo de avaliar o desempenho de modelos de predição, a partir de mapas de solos gerados por método convencional e, mapa de solos gerado por Regressão Logística Multinomial. Foi utilizado um conjunto de covariáveis composto por mapas derivados de modelo de elevação do terreno, de imagens de satélite e mapas de classes dos solos do mapeamento convencional e avaliado o desempenho do método geoestatístico de Regressão-krigagem para a predição espacial. No Capítulo 2, realizou-se a modelagem da recarga hídrica na Bacia, para um período de dois anos hidrológicos (09/2007 - 09/2009). O balanço hídrico foi calculado pelo modelo de balanço hídrico sequencial diário, BALSEQ. As variáveis do balanço hídrico; evapotranspiração, escoamento superficial, infiltração profunda e precipitação, foram espacialmente preditas. No Capítulo 3, foram ajustadas funções de pedotransferência (FPTs) por Regressão Linear Múltipla para densidade do solo, conteúdo de água em quatro potenciais e, capacidade de água disponível para as plantas. As FPTs foram geradas para dados agrupados por horizonte, por classe de solo e por grupamentos texturais. Comparações entre os resultados obtidos e aqueles apresentados por FPTs compiladas na literatura foram realizadas. Os resultados do Capitulo 1 mostraram a importância do mapa de solos do mapeamento convencional para as abordagens de mapeamento digital de solos. Verificou-se a necessidade de aumentar a amostragem da argila e da CTC, e a obtenção de covariáveis com maior correlação com esses atributos para melhorar o desempenho do modelo de predição espacial. Os modelos de predição do carbono orgânico apresentaram bom desempenho com melhores resultados quando se utilizou o mapa de solos do método convencional juntamente com outras covariáveis. A estimativa e espacialização do balanço hídrico realizadas no Capítulo 2 possibilitam melhor entendimento da recarga do aquífero livre na bacia e geraram cenários que podem ser utilizados no zoneamento da bacia para uso e manejo dos solos e água. No Capítulo 3, verificou-se bom poder preditivo das FPTs desenvolvidas com os dados levantados na Bacia, e melhor desempenho dessas funções em relação àquelas compiladas da literatura. As informações geradas com as funções propostas são de disponibilidade escassa e têm grande importância como variáveis de modelos de estudos ambientais, podendo ser usadas para alimentar modelos de predição espacial. De forma geral, o trabalho contribui com a geração de informações sobre os solos e a dinâmica hídrica na Bacia que possibilitam estudos relacionados às mudanças climáticas a partir de medidas do estoque de carbono no solo, da oferta hídrica e da distribuição espacial de atributos e classes dos solos.

The quantitative evaluation of pedological and hydric resources is important for adoption of sustainable and efficient practices and use management of resources. Climatologic and pedological data are usually collected in a discret manner and in most of the cases, the number of sites where the information is collected is usually not enough to fuel the predictive models. To overcome the shortage and spatial discontinuity of soil and water information models have been used to estimate certain properties and attributes, from other more readily available. Predictive models employ a variety of techniques and methods for generating information in discrete and continuous format. This study aimed to generate pedotranfer fuction for estimating soil bulk density and soil water content and evaluate the spatial prediction of soil attributes and hydric balance in the Rio Doce Basin, located in the State of Minas Gerais. In Chapter 1, we evaluated the spatial prediction of soil attributes: organic carbon, clay and cation exchange capacity (CEC), with the purpose of evaluating the performance of the prediction models from soil maps generated by both the conventional and with the Multinomial Logistic Regression methods, from a set of covariates consisting of maps derived from elevation model of the terrain, satellite images and maps obtained from conventional soil mapping The geostatistical model called Regression-Kriging (RK) was evaluated for prediction of the spatial attributes. In Chapter 2, we modeled the basin water recharge process for a period of two hydrological years (09/2007 - 09/2009). Hydric balance was calculated by means of the model BALSEQ (Portuguese acronym for Daily Sequential Hydric Balance). The estimated variables from the water balance; evapotranspiration, runoff, deep infiltration and precipitation were spatially predicted with the RK model. In Chapter 3, pedotransfer functions (PTFs) were used by means of Multiple Linear Regression model to predict soil bulk density, water content in four gravimetric potentials and available water capacity. The PTFs were generated for data grouped by horizon, soil class and textural groups. Comparisons between PTFs results obtained in this study with those compiled in the literature were performed. The results of Chapter 1 evidenced the importance of the conventional soil map when developing digital soil mapping. There is a need to increase the sampling size for clay and CEC, and to evaluate the covariates of higher correlation with these two attributes, in order to improve the performance of the spatial prediction models. Organic carbon was predicted with good performance by all evaluated models, presenting the best results when using the dataset that included the soil map obtained from the conventional method of survey combined with other covariates. The estimate and spatial prediction of hydric balance performed in Chapter 2 enabled better understanding of the recharge of the unconfined aquifer in the basin and the generated scenarios can be utilized in zoning the basin for use and management of its soils and water resources. In Chapter 3, we found good predictive power of the PTFs developed with the data collected in the basin; we also observed improved performance in relation to the functions compiled from the literature. The information generated with the developed PTFs are rarely found in current literature body and are of great importance as input variables for environment modelling studies, and can be used to fuel models of spatial prediction. In general, the contribution of this study is generating soil and hidric information for the Basin that enable to carry on climate change related studies from measurements of soil carbon stock, water availability and spatial distribution of its attributes and soil classes.