Mapeamento dos aspectos hidrogeoquímicos de águas subterrâneas a partir de estatística multivariada e redes neurais artificiais / Mapping of groundwater hydrogeochemistry aspects through multivariate statistics and artificial neural networks
Eng. sanit. ambient
; 24(3): 501-514, maio-jun. 2019. tab, graf
Artigo
em Português
|
LILACS-Express
| LILACS
| ID: biblio-1012054
Biblioteca responsável:
BR1.1
RESUMO
RESUMO O objetivo central deste trabalho foi realizar o mapeamento dos aspectos hidrogeoquímicos de águas subterrâneas usando a estatística multivariada e redes neurais artificiais como subsídio para identificação de padrões espaciais. Para tal, foi executado um estudo de caso em aquíferos no município de Lençóis, Bahia, na região da Chapada Diamantina, nordeste do Brasil. Foram realizadas campanhas de campo para coleta de coordenadas geodésicas e amostras de águas subterrâneas. Após análise laboratorial e determinação de dados analíticos, foi feita a interpretação dos processos ambientais com o uso da análise de agrupamentos e mapas auto-organizáveis, além de classificação das águas pela Resolução do Conselho Nacional do Meio Ambiente nº 396/2008. Para fins de mapeamento dos dados analisados, foram usadas técnicas de geoprocessamento no Sistema de Informação Geográfica. Os principais constituintes físicos e químicos analisados em dois períodos climáticos foram mapeados e divididos em sete agrupamentos. Foram identificadas quatro zonas no município, que apresentam diferentes contextos hidrogeoquímicos. As zonas dos setores leste/sudeste, sul (área urbana) e extremo sul apresentam as mais significativas alterações na hidrogeoquímica e qualidade das águas. O mapeamento, subsidiado pela estatística multivariada e redes neurais artificiais, se apresentou potencialmente útil em contribuir com as ações de gestão dos recursos hídricos subterrâneos, como delimitação de áreas prioritárias, monitoramento de zonas de riscos de contaminação, além de intervenções de engenharia que eventualmente busquem o saneamento ambiental das águas subterrâneas.
ABSTRACT
ABSTRACT The main objective this paper was to map the hydrogeochemistry aspects of groundwater using multivariate statistics and artificial neural networks as a subsidy to identify spatial patterns. For this, a case study was carried out in aquifers in the municipality of Lençóis (BA), in the region of Chapada Diamantina, Northeastern Brazil. Field campaigns were carried out to collect geodetic coordinates and groundwater samples. After laboratorial analysis and determination of analytical data, the environmental processes were interpreted by cluster analysis and self-organizing maps, as well as the waters classification through CONAMA Resolution no. 396/2008. For the purpose of mapping the analyzed data, geoprocessing techniques were used in GIS. The main physical and chemical constituents analyzed in two climatic periods were mapped and divided into seven clusters. Four zones that present different hydrogeochemical contexts were identified in the municipality. The zones of the east/southeastern, south (urban area) and south end sectors present the most significant changes in hydrogeochemistry and water quality. The mapping, supported by multivariate statistics and artificial neural networks, was potentially useful in contributing to the management actions of groundwater resources as delimitation of priority areas, monitoring of contamination risk zones and engineering interventions that eventually seek environmental groundwater sanitation.
Texto completo:
Disponível
Coleções:
Bases de dados internacionais
Contexto em Saúde:
ODS3 - Saúde e Bem-Estar
Problema de saúde:
Meta 3.9: Reduzir o número de mortes por produtos químicos perigosos e contaminação do ar e água do solo
Base de dados:
LILACS
Tipo de estudo:
Estudo prognóstico
Idioma:
Português
Revista:
Eng. sanit. ambient
Assunto da revista:
Saúde Ambiental
/
Saúde Pública
Ano de publicação:
2019
Tipo de documento:
Artigo
País de afiliação:
Brasil
Instituição/País de afiliação:
Universidade Estadual de Santa Cruz/BR
/
Universidade Federal da Bahia/BR