Desenvolvimento de modelo estatístico espacial para estimativa da variação do nível freático de poços piezométricos na bacia experimental do alto Rio Jardim

Abstract

O objetivo deste trabalho foi avaliar, por meio de análise de regressão linear multivariada global e de técnica de geoprocessamento ambiental que realiza regressão com pesos espaciais, a correlação entre a amplitude máxima da variação do nível freático dos poços piezométricos da bacia do Alto rio Jardim no período entre 17/02/2004 e 10/01/2012, e os fatores ambientais relecionados as propriedades físicas do solo e a variáveis geomorfológicas presentes na bacia. Do total de 35 variáveis explicativas disponíveis, foram selecionados seis variáveis para compor o modelo final de regressão global e com pesos espaciais: teor de argila, teor de silte, densidade das partículas do solo, densidade média do solo, e porosidade do solo a 60 cm de profundidade, além da densidade média do solo na camada superficial. A regressão com pesos espaciais, por sua vez, foi conduzida utilizando a função de pesos espaciais bi-quadrado, com kernel espacial adaptativo, buscando otimizar o Akaike Information Criterion “corrigido”, AICc. A regressão global foi considerada significativa pelo teste F e os resultados de diagnóstico tiveram R², R² ajustado, e AICc, respectivamente, iguais a 0,84, 0,73, e 71,52. A análise dos resíduos indicou comportamento homocedástico pelo teste Koenker; que a variação dos resíduos se assemelha à distribuição normal pelos testes de Jarque-Bera e Shapiro-Wilks; que não há resíduos considerados como outliers pelo teste de Bonferonni; e, por fim, que os resíduos não apresentam autocorrelação espacial segundo os resultados obtidos pelo Índice de Moran. A regressão com pesos espaciais foi considerada significativa pelo teste F e os resultados de diagnóstico R², R² ajustado e AICc foram, respectivamente, iguais a: 0,98; 0,90; e -1.220,71. Os resíduos da regressão com pesos espaciais não apresentam autocorrelação espacial segundo os resultados do Índice de Moran. Os resultados demonstram que a regressão com pesos espaciais conseguiu captar correlações locais das variáveis explicativas com a variável resposta que não foram obtidas pela regressão linear global, indicando benefícios da técnica de geoprocessamento na análise ambiental. Porém, não houve diferença significativa entre os métodos utilizados, de modo que, ambos os métodos foram capazes de estabelecer correlações entre a variável resposta e a variável explicativa.