Avaliação das mudanças no armazenamento de água subterrânea na bacia do rio Amazonas a partir do downscaling de dados GRACE/GRACE-FO com modelos Machine Learning (2023)
- Authors:
- Autor USP: ALARCON, DIEGO ALEJANDRO SATIZABAL - IGC
- Unidade: IGC
- Sigla do Departamento: GSA
- DOI: 10.11606/D.44.2023.tde-23042024-120951
- Subjects: SENSORIAMENTO REMOTO; INTELIGÊNCIA ARTIFICIAL; AQUÍFEROS; ANÁLISE DE SÉRIES TEMPORAIS
- Keywords: AdaBoost; Amazon Aquifer System; Anthropogenic impact; Impacto antropogênico; Random Forest; Sistema Aquífero Amazônico
- Language: Português
- Abstract: As alterações no armazenamento de águas subterrâneas (GWS) na bacia do rio Amazonas (ARB) desempenham um papel importante no comportamento hidrológico da região, com uma influência significativa sobre os ecossistemas da floresta tropical, bem como no abastecimento de água potável para as comunidades locais. As missões satelitais GRACE e GRACE-FO fornecem dados gravimétricos a partir das quais é possível monitorar as mudanças no armazenamento de água terrestre (TWS), embora com baixa resolução espacial (1° ou 3°). Este estudo realizou uma redução de escala dos dados do GRACE/GRACE-FO a partir de modelos de aprendizado de máquina de 1° (aproximadamente 110 km) para 0.25° (aproximadamente 27.5 km). Paralelamente, foram comparados e analisados os algoritmos Random Forest e AdaBoost, obtendo magnitudes de erro menores e maior precisão nas previsões do AdaBoost. Foi fornecida uma estimativa da variabilidade espaço-temporal das anomalias de armazenamento de água terrestre e subterrânea a 0.25° entre 2002 e 2021 para a bacia do rio Amazonas. Foram identificados padrões espaciais e temporais associados aos efeitos do clima e das atividades antrópicas, para a bacia em geral, com ênfase no Sistema Aquífero Amazonas (SAA) e em alguns aquíferos menores (Parecis, Ronuro e Boa Vista). As séries temporais mostraram uma alta susceptibilidade aos fenômenos El Niño e La Niña nas GWS dos aquíferos confinados ou livres. Além disso, a expansão da fronteira agrícola, o desmatamento e queimadasprolongadas ao longo do tempo têm levado à redução das GWS com tendências lineares de aproximadamente 7mm/ano em áreas de 0.25° nos aquíferos de Parecies e Ronuro. O comportamento regional da ARB apresenta uma tendência positiva de longo prazo no armazenamento terrestre e subterrâneo de 14.26 ± 1.18 km³/ano e +22.24 ± 1.18 km³/ano, respectivamente. A validação entre as séries temporais das GWS e os níveis de água em poços de monitoramento obteve coeficientes de correlação máximos de 0,85 com níveis de confiança de 0.01. Esses resultados são promissores para o uso de informações satelitais na gestão da água, especialmente no monitoramento regional de aquíferos não confinados
- Imprenta:
- Data da defesa: 26.09.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
SATIZÁBAL ALARCÓN, Diego Alejandro. Avaliação das mudanças no armazenamento de água subterrânea na bacia do rio Amazonas a partir do downscaling de dados GRACE/GRACE-FO com modelos Machine Learning. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/44/44138/tde-23042024-120951/. Acesso em: 23 maio 2024. -
APA
Satizábal Alarcón, D. A. (2023). Avaliação das mudanças no armazenamento de água subterrânea na bacia do rio Amazonas a partir do downscaling de dados GRACE/GRACE-FO com modelos Machine Learning (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/44/44138/tde-23042024-120951/ -
NLM
Satizábal Alarcón DA. Avaliação das mudanças no armazenamento de água subterrânea na bacia do rio Amazonas a partir do downscaling de dados GRACE/GRACE-FO com modelos Machine Learning [Internet]. 2023 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/44/44138/tde-23042024-120951/ -
Vancouver
Satizábal Alarcón DA. Avaliação das mudanças no armazenamento de água subterrânea na bacia do rio Amazonas a partir do downscaling de dados GRACE/GRACE-FO com modelos Machine Learning [Internet]. 2023 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/44/44138/tde-23042024-120951/
Informações sobre o DOI: 10.11606/D.44.2023.tde-23042024-120951 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
