Mapeamento da interceptação de chuva na bacia hidrográfica do Alto Juruá, Acre
DOI:
https://doi.org/10.33448/rsd-v11i1.24343Palavras-chave:
Área Foliar; Amazônia; Modelo de Gash.Resumo
As perdas por interceptação das águas pluviais são frequentemente negligenciadas devido às dificuldades de medição e grande variabilidade espacial e temporal. As perdas podem ser significativas e, portanto, ter um impacto severo no balanço hídrico de uma bacia hidrográfica. O presente trabalho teve como objetivo obter a interceptação pluvial na bacia hidrográfica do Alto Juruá (BHAJ), por meio do modelo de Gash, com base em dados de sensoriamento remoto. A plataforma para o processamento dos dados foi o Google Earth Engine, no qual permitiu avaliar e comparar as variáveis de precipitação pluvial, índice de vegetação com diferença normalizada e índice de área foliar (IAF), em escala mensal e anual, no período de 2003 a 2016. Dessa forma, foi possível observar que a interceptação possui uma forte relação com IAF e a cobertura vegetal, registrando uma média anual de 11,2% de interceptação de chuva pela floresta dentro da BHAJ, apresentando suas maiores porcentagens nos períodos mais chuvosos.
Referências
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
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2022 Cassia Fernanda de Souza Farias; Jefferson Vieira José; Kelly Nascimento Leite; Moisés Damasceno Souza; Marcos Antonio Correa Matos Amaral; Sonaira Souza da Silva
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
