Fábio de Souza Pereira Borges

Título

Estimativa de Batimetria Utilizando Sensoriamento Remoto e Krigagem Bayesiana. Estudo de Caso: Reservatório Morro Grande, Rio de Janeiro

Orientador(es)

Otto Corrêa Rotunno Filho e Geraldo Wilson Júnior

Resumo

No Brasil, mais de 90% da energia elétrica consumida provêm de seus recursos hídricos. Nos últimos 50 anos, constatou-se que a vida útil média dos reservatórios existentes em todos os países no mundo decresceu de 100 para 22 anos, tendo sido avaliado em 6 bilhões de dólares anuais o custo para remover os sedimentos acumulados nesses reservatórios. Assim, torna-se necessária uma avaliação rigorosa do estágio de assoreamento atual dos reservatórios brasileiros, já que os depósitos de sedimentos não causam apenas a redução da capacidade de armazenamento, inclusive do volume morto, mas também criam problemas de enchentes a montante, provocam abrasões nas estruturas, turbinas e outras unidades hidrelétricas, facilitam o crescimento de plantas aquáticas que modificam a fauna e flora do seu leito e, conseqüentemente, afetam as condições de qualidade da água.Nesse contexto, este trabalho desenvolve uma metodologia para estimar a batimetria de um reservatório utilizando informações de sensoriamento remoto processadas pelo método geoestatístico de krigagem Bayesiana. Os dados empregados são provenientes de uma imagem IKONOS e de um levantamento batimétrico do reservatório Morro Grande, no Rio de Janeiro, defasados de aproximadamente 2 anos. O reservatório, já seriamente afetado pelo assoreamento, faz parte de um complexo hidrelétrico responsável pelo abastecimento de 600.000 habitantes e está localizado no exutório da bacia hidrográfica do rio Preto, que, a partir de 1790, foi intensamente desmatada para o plantio de café e, posteriormente, pela introdução da pecuária. A metodologia poderá ser utilizada para avaliar e monitorar o assoreamento de reservatórios, principalmente por permitir a implementação de uma base de informações consistente ao longo do tempo e por necessitar de uma densidade reduzida de pontos de calibração. Os resultados obtidos foram promissores, destacando-se que a imagem IKONOS apresentou boa afinidade com a informação batimétrica pesquisada e o método de krigagem Bayesiana foi capaz de melhorar a estimativa dos valores batimétricos inicialmente obtidos através de relações de regressão estatística.

Abstract

More than 90% of the electric energy consumed in Brazil comes from its water resources. In the last fifty years, the average usable time life for existing reservoirs including all countries in the world decreased from 100 to 22 years, and the costs involved in removing sediments amounts to U$ 6 billions each year. Therefore, it is necessary to rigorously evaluate sedimentation in Brazilian reservoirs, since sediments cause the reduction in storage capacity, including the dead volume, and provide conditions to upstream flooding problems. Additionally, sediments originate abrasion in dam structures and in turbines, and allow aquatic plants growth introducing modifications in the river bed, flora and fauna, affecting thus water quality standards. Under this framework, this work develops a methodology to estimate bathymetry using remote sensing and the Bayesian kriging geostatistical model. The IKONOS image was acquired jointly with a field campaign for collecting bathymetric data from Morro Grande reservoir, Rio de Janeiro. The overpass of satellite was delayed approximately 2 years when compared to the field campaign. The reservoir, which is already seriously affected by sedimentation, is part of a hydroelectric power complex responsible to supply 600.000 people and located at the outlet of river Preto watershed. This watershed, since 1790, was intensively deforested for coffee seeding and, more recently, for cattle use. The methodology presents potential to be applied in evaluating and in monitoring reservoir sedimentation, mainly due to allowing the implementation of a database temporally consistent and to requiring a reduced data point density for calibration. The results obtained are quite encouraging, a good relationship between the IKONOS image and bathymetric measurements, as well as the bayesian kriging model was able to improve the estimation of the bathymetric values initially obtained through statistical regression relationships.

Imprimir