Detalhes bibliográficos
Ano de defesa: |
2018 |
Autor(a) principal: |
Nava, Aira [UNESP] |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
http://hdl.handle.net/11449/166386
|
Resumo: |
A geoestatística permite inferir valores desconhecidos que apresentam estrutura espacial, auxiliando, assim, na descrição dos fenômenos naturais. A utilização de seus interpoladores permite um melhor entendimento do objeto de estudo, pois seu embasamento matemático garante a confiabilidade do método e sua utilização associada ao entendimento físico do problema proporciona resultados significativos. As ferramentas geoestatísticas vem sendo amplamente utilizadas no monitoramento e nos estudos dos recursos hídricos. Partindo-se da hipótese de que os níveis de água subterrânea podem ser explicados por um modelo determinístico e espacializados por ferramentas da geoestatística, o trabalho teve como objetivo o mapeamento do lençol freático através de um modelo híbrido de regressão-krigagem. Dados relacionados ao relevo, ao solo, às series de monitoramento da água e à vegetação, obtidos por sensoriamento remoto, totalizaram 21 variáveis preditivas dos níveis do lençol freático. As informações sobre as águas subterrâneas foram coletadas por meio de 56 piezômetros e as informações sobre os solos foram coletadas em 113 pontos amostrais distribuídos irregularmente nas bacias hidrográficas dos rios Guarantã, Bugre, Boi, Santana e Passarinho. A seleção das variáveis de maior relevância para o ajuste do modelo de regressão linear foi realizada por meio da análise de componentes principais, que determinou aquelas com maior variabilidade. Os resultados mostraram robusto ajuste aos dados pelo modelo e robusta capacidade preditiva para novas observações. O ajuste dos variogramas permitiu a krigagem ordinária dos níveis freáticos médios e dos resíduos do modelo determinístico, possibilitando um mapa final de predição das águas subterrâneas. |