Mapeo de interceptación de lluvia en la cuenca hidrográfica del Alto Juruá, Acre
DOI:
https://doi.org/10.33448/rsd-v11i1.24343Palabras clave:
Área Foliar; Amazonia; Modelo de Gash.Resumen
Las pérdidas por interceptación de agua de lluvia a menudo se pasan por alto, debido a las dificultades de medición y la gran variabilidad espacial y temporal. Las pérdidas pueden ser significativas y, por lo tanto, tener un impacto severo en el balance hídrico de una cuenca. El presente trabajo tuvo como objetivo obtener la interceptación pluvial en la cuenca hidrográfica del Alto Juruá (BHAJ), a través del modelo Gash, con base en datos de teledetección. La plataforma para el procesamiento de datos fue Google Earth Engine, que permitió la evaluación y comparación de las variables de precipitación, índice de vegetación de diferencia normalizada e índice de área foliar (LAI), en una escala mensual y anual, en el período de 2003 a 2016. Así, se pudo observar que la interceptación tiene una fuerte relación con la LAI y la cobertura vegetal, registrando un promedio anual de 11,2% de interceptación de lluvia por el bosque dentro del BHAJ, con sus mayores porcentajes en los períodos más lluviosos.
Citas
Alvares, C. A., Stape, J. L., SentelhaS, P. C., Gonçalves, J. L. de M., & Sparovek, G. Koppen’s Climate Classification Map For Brazil. Meteorologische Zeitschrift, 22(6), 711–728, 2014.
Alves, P. L., Formiga, K. T. M., & Traldi, M. A. B. (2018). Interferência de Espécies Arbóreas na Interceptação das Águas Pluviais Urbanas. RBCIAMB, (47), 89- 100.
Araujo, E. S. de, Almeida, M. P. de, Leite, K, N., Silva, J. R. dos S., Araújo, E. A. de, & Sousa, G. G. de. (2020). Climatic Characterization and Temporal Analysis of Rainfall in the Municipality of Cruzeiro do Sul - AC, Brazil. Revista Brasileira de Meteorologia, 35(4), 577- 584.
Arcova, F. C. S., Cicco, V. de, Rocha, P. A. B. (2003). Precipitação Efetiva E Interceptação Das Chuvas Por Floresta De Mata Atlântica Em Uma Microbacia Experimental Em Cunha - São Paulo. R. Árvore, Viçosa-MG, 27(2),.257-262.
Auguie, B. gridExtra: Miscellaneous Functions for ``Grid'' Graphics, 2017. https://cran.r-project.org/web/packages/gridExtra/gridExtra.pdf.
Balbinot, R., Oliveira, N. K. de., Vanzetto, S. C., Pedroso, K., & Valerio, A. F. (2008). O papel da floresta no ciclo hidrológico em bacias hidrográficas. Ambiência. 4(1), 131-149
Brasil, J. B., Palácio, H. A. de Q., Araújo Neto, J. R. de, Ribeiro Filho, J. C., Andrade, E. M. de. (2017). Características das Chuvas e Interceptação Vegetal no Bioma Caatinga. Irriga. 22(3), 560-574.
Cuartas, L. A., Tomasella, J., Nobre, A. D., & Hodnett, M. G. (2007). Interception Water-Partitioning Dynamics for a Pristine Rainforest in Central Amazonia: Marked Differences Between Normal and Dry Years. Agricultural and Forest Meteorology. 145, 69-83.
Cui, Y., & Jia, L. (2014). A Modified Gash Model for Estimating Rainfall Interception Loss of Forest Using Remote Sensing Observations at Regional Scale. Water. 6, p. 993-1012.
Dijk, A.I.J.M., Bruijnzeel, L.A. (2001). Modelling rainfall interception by vegetation of variable density using an adapted analytical model. Part 2 - Model validation for a tropical upland mixed cropping system. Journal of Hydrology, Amsterdam, 247, 239-62
Freitas, J. P. O., Dias, H. C. T., Silva, E., &Tonello, K. C. (2018). Precipitação Líquida em Fragmento Florestal Semidecíduo na Cidade de Viçosa, MG. Revista Árvore. 40(5), 793-801.
Giglio, J. N., & Kobiyama, M. (2013). Interceptação da Chuva: Uma Revisão com Ênfase no Monitoramento em Florestas Brasileiras. Revista Brasileira de Recursos Hídricos. 18(2), 297- 317.
Horton, R. E. (2019). Rainfall Interception. Monthly Weather Review, 26(653), 25–27.
Jong, S. M., & Jetten, V. G. (2007). Estimating spatial patterns of rainfall interception from remotely sensed vegetation indices and spectral mixture analysis. International Journal of Geographical Information Science. 21(5), 529–545.
José, J. V., Pereira, L. B., Leite, H. M. F., Santos, L. da C., Barros, T. H. da S., leite, K. N. (2020). Métodos empíricos de estimativa da evapotranspiração em clima tropical equatorial. Research Society and Development, 9, e4099108563.
Kumar, L., & Mutanga, O. (2018). Google Earth Engine Applications Since Inception: Usage, Trends, and Potential. Remote Sens. 10, 2-15.
Lima, W. de P. (2008). Hidrologia Florestal Aplicada ao Manejo de Bacias Hidrográficas. Universidade de São Paulo- USP
López, J. F. (2016). Interceptação de Águas Pluviais em um Fragmento de Mata Atlântica da Reserva Biológica de Duas Bocas, Cariacica (ES) Brasil. Tese (Mestrado em Geografia) Universidade Federal Do Espírito Santo Centro De Ciências Humanas e Naturais Programa De Pós-Graduação Em Geografia Da UFES, Vitoria, p. 143.
Marengo, J. A., & Souza jr, C. (2018). Mudanças Climáticas: impactos e cenários para a Amazônia. O que o ISP pode fazer por...? São Paulo. p. 1-33.
O'connor, J. et al. The influence of water table depth on evapotranspiration in the Amazon arc of deforestation. Hydrology and Earth System Sciences Discussions, p. 1-22, 2019.
Oerlemans, R.R.R., & Vink, R. P. (2010). Rainfall Interception Experiments and Interception mapping using Remote Sensing. (Tese de Mestrado) Faculty of Geosciences Department of Physical Geography Utrecht University, p. 108.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, 2021. https://www.R-project.org>.
Sá, J. H., Chaffe, P. L., & Oliveira, D. Y. (2015). Análise comparativa dos modelos de Gash e de Rutter para a estimativa da interceptação por Floresta Ombrófila Mista. Revista Brasileira de Recursos Hídricos, 20(4), 1008- 1018.
Silva D. et al. (2005). Interações entre nuvens, chuvas e a biosfera na Amazônia. Acta Amazônica, 2(35), 215–222.
Sousa, J. W., & Costa, D. B. Ajuste de distribuições de probabilidades à série 1970-2010 de precipitação máxima anual de Rio Branco, Acre. Revista Scientia Naturalis, 2(1), 177-187.
Tobón, C., Bouten, W., Sevink, J. (2000). Gross rainfall and its partitioning into throughfall, stemflow and evaporation of intercepted water in four Forest ecosystems in western Amazonia. J. Hydrol. 37, 40–57
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.
Xião, Q., & Mcpherson, E. G. (2016). Surface water storage capacity of twenty tree species in Davis, California. Journal of Environmental Quality, 45(1), 188-198.
Zambrano-Bigiarini, M. hydroGOF: Goodness-of-Fit Functions for Comparison of Simulated and Observed Hydrological Time Series, 2020. https://cran.r-project.org/web/packages/hydroGOF/hydroGOF.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Cassia Fernanda de Souza Farias; Jefferson Vieira José; Kelly Nascimento Leite; Moisés Damasceno Souza; Marcos Antonio Correa Matos Amaral; Sonaira Souza da Silva
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
