Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/46442
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCardoso, Dione Pereira-
dc.date.accessioned2021-06-02T17:39:41Z-
dc.date.available2021-06-02T17:39:41Z-
dc.date.issued2021-06-02-
dc.date.submitted2021-04-30-
dc.identifier.citationCARDOSO, D. P. Rainfall erosivity estimation via several methods, and water erosion modeling at Peixe Angical reservoir-TO. 2021. 104 p. Tese (Doutorado em Ciência do Solo) – Universidade Federal de Lavras, Lavras, 2021.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/46442-
dc.descriptionArquivo retido, a pedido da autora, até agosto de 2025.-
dc.description.abstractThe erosion process undergoes changes as land use and land cover change through the conversion of the forest to pasture and / or agricultural crops. In addition to vegetation cover, other factors such as rainfall erosivity –which is the potential of rain to cause erosion– are indispensable in erosion modeling. This thesis was divided into chapters, where in the first chapter the package RainfallErosivityFactor was developed within the programming language R, and later made available on CRAN of R. This package is a tool to analyze rain data, such as total precipitation, depth and number of erosive and non-erosive rains, and to determine the rainfall erosivity, with monthly and annual outputs. In this way, the rainfall erosivity factor is calculated accurately and effectively. An example was provided for Pirassununga, SP, Brazil, using a 7-year rainfall data set with an interval of 10 minutes between measurements. The results can be processed in the R environment itself for statistical analysis, construction of graphs, or application of geostatistics. The average rainfall erosivity for Pirassununga was 9,512.9 MJ mm ha-1 h-1 year-1. In view of the above, conservationist practices must be adopted to minimize the impacts of the erosion process. In the second chapter, the method of determining rainfall erosivity proposed by Wishcmeier and Smith was compared with other methods used in different parts of the world to estimate rainfall erosivity, in order to select a consistent method to replace the Wischmeier and Smith method for conditions without considering the intensity of the rain. The tested methods included: Modified Fournier, MF; Modified Fournier by Zhang, MF-Z; Modified Fournier by Men, MF-M; Rainfall Disaggregation, RD; TRMM satellite with modified Fournier coefficient, TRMM-F; and TRMM Satellite with monthly precipitation, TRMM-M. The analyzes were performed according to the Additive Main Effects and Multiplicative Interaction (AMMI) model and Scott-Knott cluster tests. The evaluated methods behaved differently for the rainy, dry, monthly and annual periods. The MF method proved to be able to consistently replace the Wischmeier and Smith method. It is emphasized that the methods based on the TRMM satellite can be a plausible alternative for locations without precipitation information. Finally, in the third chapter, the objective was to model soil losses in the drainage basin of the Peixe Angical reservoir, Brazil, in addition to assessing the level of importance of the RUSLE factors. The sediment export values were also calculated to identify areas where soil conservation practices were needed. To estimate soil losses for the 1990, 2000, 2010 and 2017 chronological scenario, the RUSLE model was coupled with GIS. The evaluation of the level of importance of each RUSLE factor was carried out using a non-parametric machine learning algorithm, Random Forest. The level of importance of the RUSLE factors was assessed in the following order: C> K> LS> R. Water erosion in the drainage basin of the Peixe Angical reservoir has increased over the years due to changes in land use, although soil losses in most of the basin were classified as very low (<2.5 Mg ha-1 year-1). The impact of change in land use must be minimized with soil conservation practices, enabling sustainable development.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languageengpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.subjectSolos - Erosãopt_BR
dc.subjectErosividade da chuvapt_BR
dc.subjectFournier modificadopt_BR
dc.subjectDesagregação de chuvapt_BR
dc.subjectPerdas de solopt_BR
dc.subjectTransporte de sedimentospt_BR
dc.subjectRainfall erosivitypt_BR
dc.subjectSoils - Erosionpt_BR
dc.subjectModified Fournierpt_BR
dc.subjectRainfall disaggregationpt_BR
dc.subjectSoil lossespt_BR
dc.subjectSediment exportpt_BR
dc.titleRainfall erosivity estimation via several methods, and water erosion modeling at Peixe Angical reservoir-TOpt_BR
dc.title.alternativeErosividade da chuva estimada por vários métodos e modelagem da erosão hídrica para o reservatório de Peixe Angical-TOpt_BR
dc.typetesept_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência do Solopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Avanzi, Junior Cesar-
dc.contributor.advisor-co1Curi, Nilton-
dc.contributor.referee1Pires, Fábio Ribeiro-
dc.contributor.referee2Mincato, Ronaldo Luiz-
dc.contributor.referee3Guzman, Salvador Francisco Acuña-
dc.contributor.referee4Silva, Marx Leandro Naves-
dc.description.resumoO processo de erosão sofre modificações à medida que o uso da terra e a cobertura do solo se alteram por meio da conversão da floresta em pastagem e/ou em culturas agrícolas. Além da cobertura vegetal, outros fatores como a erosividade da chuva –que é o potencial da chuva em causar erosão–, são indispensáveis na modelagem da erosão. Esta tese foi dividida em capítulos, onde no primeiro capítulo foi desenvolvido o pacote RainfallErosivityFactor dentro da linguagem de programação R, e posteriormente disponibilizado no CRAN do R. Este pacote é uma ferramenta para analisar dados de chuva, como precipitação total, volume e número de chuvas erosivas e não erosivas e determinar a erosividade da chuva, tendo saídas mensais e anuais. Deste modo, o fator erosividade da chuva é calculado com exatidão e eficácia. Um exemplo foi fornecido para Pirassununga, SP, Brasil, usando um conjunto de dados de chuva de 7 anos com intervalo de 10 minutos entre as medições. Os resultados poderão ser processados no próprio ambiente R para análise estatística, construção de gráficos, ou aplicação de geoestatística. A erosividade média da chuva para Pirassununga foi de 9.512,9 MJ mm ha-1 h-1 ano-1. Diante do exposto, práticas conservacionistas devem ser adotadas para minimizar os impactos do processo erosivo. No segundo capítulo, o método de determinação da erosividade da chuva proposto por Wishcmeier e Smith foi comparado com outros métodos utilizados em diversas partes do mundo para estimar a erosividade da chuva, visando selecionar um método consistente para substituir o método de Wischmeier e Smith para condições tropicais sem considerar a intensidade da chuva. Os métodos testados incluíram: Fournier modificado, MF; Fournier modificado por Zhang, MF-Z; Fournier modificado por Men, MF-M; Desagregação de chuva, RD; Satélite TRMM com coeficiente de Fournier modificado, TRMM-F; e Satélite TRMM com precipitação mensal, TRMM-M. As análises foram realizadas de acordo com o modelo Additive Main Effects and Multiplicative Interaction (AMMI) e testes de agrupamentos Scott-Knott. Os métodos avaliados se comportaram de forma diferente para os períodos chuvoso, seco, mensal e anual. O método MF mostrou-se capaz de substituir de forma consistente o método de Wischmeier e Smith. Destaca-se que os métodos baseados no satélite TRMM podem ser uma alternativa plausível para locais sem informações de precipitação. Finalmente, no terceiro capítulo, o objetivo foi modelar as perdas de solo na bacia de drenagem do reservatório do Peixe Angical, Brasil, além de avaliar o nível de importância dos fatores da RUSLE. Os valores de exportação de sedimentos também foram calculados para identificar áreas onde as práticas de conservação do solo eram necessárias. Para estimar as perdas de solo para o cenário cronológico de 1990, 2000, 2010 e 2017, o modelo RUSLE foi acoplado a ferramentas GIS. A avaliação do nível de importância de cada fator RUSLE foi realizada usando um algoritmo de aprendizado de máquina não paramétrico, Floresta Aleatória. O nível de importância dos fatores RUSLE foi avaliado na seguinte ordem: C > K > LS > R. A erosão hídrica na bacia de drenagem do reservatório Peixe Angical aumentou ao longo dos anos devido a mudanças no uso do solo, embora perdas de solo na maior parte da bacia foram classificadas como muito baixa (< 2,5 Mg ha-1 ano-1). O impacto da mudança no uso do solo deve ser minimizado com práticas de conservação do solo, possibilitando o desenvolvimento sustentável.pt_BR
dc.publisher.departmentDepartamento de Ciência do Solopt_BR
dc.subject.cnpqCiência do Solopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/7077253084870323pt_BR
Aparece nas coleções:Ciência do Solo - Doutorado (Teses)

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.