Engenharia Agrícola (Aug 2007)
Variabilidade espacial do potencial erosivo das chuvas no Estado do Rio de Janeiro Spatial variability of the rainfall erosive potential in the State of Rio de Janeiro, Brazil
Abstract
Desenvolveu-se este trabalho com o objetivo de analisar a variabilidade espacial da erosividade no Estado do Rio de Janeiro, por meio de análise geoestatística. Os índices de erosividade médios anuais EI30, definidos pelo produto da energia cinética da chuva e sua intensidade máxima em 30 min e KE>25 (definidos como a energia cinética das chuvas com intensidades superiores a 25 mm h-1) foram calculados a partir de dados pluviográficos de 36 estações, enquanto, para outras 57 estações, os mesmos índices foram estimados por meio de equações de regressão, totalizando 93 pontos de amostragem. O modelo matemático ajustado ao semivariograma experimental, para ambos os índices, foi o exponencial. A partir dos parâmetros dos modelos ajustados, foi possível gerar mapas de erosividade pelo método da krigagem, que apresenta vantagens em relação aos métodos convencionais. Além disso, também foram gerados mapas de variância de krigagem. Os maiores valores de erosividade foram observados nas regiões Serrana e da Baía da Ilha Grande, enquanto os menores valores foram observados nas regiões norte e noroeste do Estado. As maiores variâncias de krigagem foram observadas nas regiões Litorânea e Norte, que são as que apresentam menores densidades de amostragem.The objective of this study was to analyze the spatial variability of the rainfall erosivity indices for the State of Rio de Janeiro, Brazil, using geostatistical analysis. Rainfall erosivity indices EI30 (defined by the product of kinetic energy of the rainfall and its maximum intensity on 30 minutes), and KE>25 (defined as the kinetic energy of the rain just to rainfall intensity higher than 25 mm h-1) were calculated using rain charts for 36 stations, while for the remaining 57 locations, this indices where estimated using standard regression procedures with rain gauges data. Therefore, the total number of points for the entire state was 93. The experimental semivariograms calculated for both indices were exponential. Using the model fitted to the experimental semivariograms it was possible to interpolate values for the locations where they were not known using kriging, which has advantages among other methods. Moreover, kriging variance maps were also generated. The largest values found for the rainfall erosivity indices were located at the Sierra regions and at Ilha Grande Bay, while the smallest values occurred at the Northern and Northwestern Regions of the state. The largest kriging variance values occurred at the Coastal and Northern Regions, where the data density is the smallest.
Keywords
