Voltar à Página da AGB-Nacional


                                                                                     

imprimir

E3-3.3T209

X SIMPÓSIO BRASILEIRO DE GEOGRAFIA FÍSICA APLICADA




 

VARIAÇÃO ESPACIAL DA CLOROFILA A NA ÁGUA DO RESERVATÓRIO DA UHE XINGÓ

 

 

Rivaldo Couto dos Santos Júnior1, Paulo Ricardo Petter Medeiros2, Fábio José Castelo Branco Costa3, Esdras de Lima Andrade4

 

1 Bel. em Geografia, Programa de Pós-graduação em Análise Ambiental - GEM/UFAL, LABMAR/UFAL, Rua Sen Firmino Vasconcelos, 46-A, Pajuçara - Maceió/AL, CEP. 57030-290, Phone: +55 82 231-1121. e-mail: rivaldocoutojr@hotmail.com

2 D. Sc. em Geociências, Área de Geoquímica Ambiental, Departamento de Geografia e Meio Ambiente/CCEN/UFAL, LABMAR/UFAL, Rua Aristeu de Andrade, 452 - Maceió, CEP. 57021-090, Phone: +55 82 355-9174. e-mail: prpm@fapeal.br
3 Eng. de Pesca, Departamento de Biologia/UFAL, LABMAR/UFAL, Instituto Xingó; e-mail: fjcastelo@uol.com.br
4 Bel. em Geografia, Programa de Pós-graduação em Análise Ambiental - GEM/UFAL, LGA/UFAL; Rua Ângelo Barbosa, 844, Prado, Maceió/AL, CEP. 57010-368, Phone +55 82 223-8979, e-mail: ezrandrade@yahoo.com.br

 

Palavras Chave: Clorofila, Reservatório da UHE Xingó, Estimação espacial.


1. INTRODUÇÃO

 

As diversas barragens ao longo do rio São Francisco e os impactos decorrentes, tais como: Perda da variabilidade sazonal da vazão, redução da concentração da carga de nutrientes e material em suspensão no Baixo São Francisco (MEDEIROS, 2003 a e b; MEDEIROS et al., 2003), a redução significativa da produção pesqueira no Baixo São Francisco (COSTA, 2003), e o não enchimento de várias lagoas marginais no Baixo São Francisco (OLIVEIRA, 2003). Nesse contexto a piscicultura é uma atividade capaz de mitigar alguns impactos sócio-econômicos pela redução da captura de espécies nativas. Um dos segmentos da aqüicultura que mais se desenvolve atualmente é a piscicultura, principalmente devido à sua capacidade de suprir o déficit da pesca extrativa. A piscicultura se consolida como uma atividade econômica em expansão, gerando alimentos, empregos e divisas.

A ampliação do potencial aqüícola, com a construção dos reservatórios favoreceu o desenvolvimento da piscicultura na região. O Baixo São Francisco representa um recurso hídrico com considerável potencial de aproveitamento, o qual já despertou o interesse do setor produtivo aqüícola estadual, regional, nacional e internacional.

Um aspecto de fundamental importância na seleção de áreas para a implantação do cultivo em viveiros é a capacidade de suporte, ou seja, o nível máximo de produção que um determinado ambiente pode suportar, e que representa uma condição fundamental para a integridade biótica e da qualidade da água nos ambientes aquáticos.

A produção de peixes em cultivos intensivos, como em viveiros e/ou tanques-rede, resulta na produção de rejeitos diversos que podem estimular a produtividade aquática, através do processo de eutrofização, e alterar as características abióticas e bióticas do corpo d’água. A deterioração da qualidade da água irá estressar ou causar mortalidade dos estoques, podendo encorajar o desenvolvimento de organismos patogênicos, deste modo afetando a própria lucratividade ou mesmo a viabilidade do sistema de produção. Sendo então necessário o monitoramento dos parâmetros indicativos de eutrofização, sendo a clorofila a bastante utilizada como indicadora desse processo.

A clorofila a é um pigmento verde encontrado na maioria das plantas coloridas, dando suporte ao processo de fotossíntese. A Clorofila é encontrada no citoplasma de algas verde-azuladas, e no cloroplasto das células de plantas superiores.

A clorofila a normalmente predomina  sobre os outros pigmentos fotossintéticos, sendo por isso muito importante na captura  da energia solar para o crescimento algal.  A clorofila absorve luz  nas regiões do vermelho e do azul  do espectro de luz. Uma vez que a luz verde é mais refletida que absorvida, a clorofila assim, possibilita as plantas suas características de cor verde.

A clorofila a é constituída por um anel de porfirina, com um átomo de magnésio em seu centro. A remoção do átomo de magnésio produz um composto chamado de feofitina, altas concentrações desse composto são freqüentemente associadas com comunidades algais estressadas. Segundo SCHWARZBOLD (1990), a clorofila a é um parâmetro importante no estudo do fitoplâncton, pois representa uma forma de quantificação da biomassa fitoplanctônica aplicadas.

Esse trabalho tem o objetivo de identificar as possíveis alterações na qualidade da água no reservatório da UHE Xingó, utilizando-se clorofila a como indicador. Para melhor análise dos resultados foram utilizados mapas gerados por estimação espacial e a utilização de técnicas de geoprocessamento.

 

 

2. ÁREA DE ESTUDO

 

 

A Bacia Hidrográfica do rio São Francisco (Figura 1) abrange 639.219 km² de área de drenagem (7,5% do país) e vazão média de 2.850 m³/s (2% do total do país). O rio São Francisco tem 2.700 km de extensão e nasce na Serra da Canastra em Minas Gerais, escoando no sentido sul-norte pela Bahia e Pernambuco, quando altera seu curso para este, chegando ao Oceano Atlântico através da divisa entre Alagoas e Sergipe. A Bacia possui sete unidades da federação - Bahia (48,2%), Minas Gerais (36,8%), Pernambuco (10,9%), Alagoas (2,2%), Sergipe (1,2%), Goiás (0,5%), e Distrito Federal (0,2%) e 504 municípios (cerca de 9% do total de municípios do país).

Segundo Bernardes (1951), o clima da bacia do São Francisco, utilizando a classificação de Köppen, apresenta diversos tipos de clima. No Alto São Francisco, o clima predominante é do tipo Aw, quente e úmido com chuvas de verão. O Médio São Francisco também possui clima predominante Aw, apresentando também outra variação climática, que é o clima BShw, semi-árido. O Submédio São Francisco apresenta clima BShw, ou seja um clima semi-árido. No Baixo São Francisco, o clima predominante é o AS’ (quente e úmido, com chuvas de inverno).

Ao longo do rio São Francisco existem diversas barragens em cascata. Considerando o Médio, Submédio e Baixo, a área alagada devido a essas barragens é em torno de 5.222,7 km2. O reservatório da UHE Xingó com uma área alagada de 60 km², representa apenas 1,1 % da área total dos reservatórios desse total (Tabela 1).

 

Tabela 1. Reservatórios do Rio São Francisco

 

Reservatórios

Área

 (km²)

Volume Total (106 m³)

Volume Útil

(106 m³)

Sobradinho

4.214,00

34.000,00

17.217,30

Complexo Hidroelétrico de Paulo Afonso

115,70

1.354,50

89,00

Reservatório de Itaparica

835,00

10.780,00

3.700,00

Reservatório de Xingó

60,00

3.800,00

500,00

TOTAL

5.224,7

50.040,5

21.612,3

 

O reservatório da UHE de Xingó

O reservatório de Xingó concluído em 1994, foi o último reservatório construído pela CHESF (Companhia Hidroelétrica do São Francisco) no rio São Francisco.

O reservatório formado inundou áreas pertencentes aos municípios de Paulo Afonso no Estado da Bahia, Olho D’Água do Casado, Piranhas e Delmiro Gouveia no Estado de Alagoas e Canindé do São Francisco no Estado de Sergipe. Apresenta uma superfície de 60 km2  e uma capacidade de armazenamento da ordem de 3,8 km3 .

Está localizado entre as coordenadas UTM de 586000 - 633000 Leste e 8935000 - 8960000 Norte, entre os Estados de Alagoas e Sergipe, a cerca de 2 km à montante do município de Canindé do São Francisco (SE) e a cerca de 179 km da foz do rio (COSTA, 2003).

O tempo de residência das águas no reservatório de Xingó é de aproximadamente 22 dias, caracterizando como um reservatório de retenção intermediária das águas (15 dias  e 1 ano), mas bem próximo do limite inferior. A profundidade média do reservatório de Xingó de 80 metros, com a cota máxima da barragem de 141 metros.

 

3. MATERIAIS E METÓDOS

 

3.1. Metodologia de coleta e freqüência amostral

 

As medições de clorofila a foram efetuadas no reservatório da UHE Xingó nos dias 5 e 6 de julho de 2003. Para medição da concentração de clorofila a foi empregada à sonda multiparamétrica YSI modelo 6600, a qual utiliza o princípio da fluorescência. Foram selecionados 33 pontos de amostragem distribuídos nos diferentes trechos do reservatório (Figura 2), obedecendo aos seguintes critérios: Pontos próximos a pisciculturas (nos 13 módulos de pisciculturas identificados por COSTA [2003], foram selecionados 8 pontos, já que em alguns locais, existem módulos muito próximos); nas estações do monitoramento limnológico de 1998/1999; nas maiores reentrâncias do reservatório; na calha principal do rio São Francisco; e nos dois maiores módulos de piscicultura foram realizadas medições no módulo, na calha principal do rio São Francisco e um ponto entre a calha e o módulo.

As coordenadas UTM das estações foram obtidas utilizando um aparelho receptor GPS da marca Garmim modelo 12.

 

Figura 2. Localização das estações de medição e pisciculturas no reservatório da UHE Xingó.

 

3.2. Adaptação da base de dados e estimação espacial

Neste estudo foram utilizadas técnicas de geoprocessamento através do Sistema de Análise Geo-Ambiental (SAGA) desenvolvido pelo Departamento de Geografia / CCMN / Instituto de Geociências / UFRJ. As atividades foram realizadas no Laboratório de Geoprocessamento Aplicado / Departamento de Geográfica e Meio Ambiente / Centro de Ciências Exatas e Naturais / Universidade Federal de Alagoas.

Os problemas ambientais possuem uma localização geográfica (expressão territorial) e uma evolução no tempo (dinâmica) entre outros atributos. Devido a estes atributos, são tratados pelos SIGs sob dois enfoques: um referente ao diagnóstico de situações existentes e outro referente a prognose, que possibilita a realização de previsões (Xavier-da-Silva & Carvalho Filho, 1993).

Foi utilizada a base de dados geográfica digital do Laboratório de Geoprocessamento do Instituto de Desenvolvimento Cientifico e Tecnológico de Xingo (Escala de origem 1:100.000). Os valores de clorofila foram adicionados a base utilizando o Programa “Surfer” da Golden Software Inc. para o traçado das linhas de isoteores. As isolinhas serão traçadas por interpolação/extrapolação (Utilizando os métodos Krigagem [Kriging Simples] e Curvatura Mínima, para posterior comparação destes métodos).

 

3.3. Técnicas de Geoprocessamento

Após a estimação espacial da clorofila a realizou-se a Assinatura Ambiental, utilizando a função “Assinatura” do módulo Análise Ambiental do SAGA/UFRJ na consulta a base de dados criada, permitindo obter informações sobre as características do elemento mapeado, no caso: Clorofila a. A mensuração das classes dos mapas gerados pelos diferentes métodos de estimação espacial, subsidiou a avaliação comparativa dos métodos.

A Monitoria Ambiental corresponde às análises evolutivas, permitindo diagnosticar e acompanhar as modificações no arranjo espacial. Representa um procedimento de acompanhamento de uma evolução registrada espacialmente, permitindo identificar as mudanças e retratar as tendências das transformações ocorridas (XAVIER DA SILVA & CARVALHO FILHO, 1993).

O módulo Análise Ambiental, na função básica denominada “Monitoria”, permite realizar “Análises Evolutivas” de características e fenômenos ambientais através da comparação de mapeamentos distintos, definindo áreas alteradas (SANTOS JÚNIOR et al 2001).

Utilizando a ferramenta monitoria simples, na função monitoria do módulo Análise Ambiental do SAGA-UFRJ, foram comparados os mapas de distribuição espacial da clorofila a criados utilizando os dois métodos de estimação espacial (Krigagem e Curvatura Mínima), auxiliando assim, na avaliação comparativa entre os mesmos.

 

4. RESULTADOS E DISCUSSÕES

4.1. Comparação entre os métodos de estimação espacial utilizados

A incerteza relativa aos fenômenos espaciais é o objeto de estudo da Geoestatística. Segundo DAVIS (1986) citado por MENDES et.al. (2001), A Geoestatística baseia-se na teoria da variável regionalizada, a qual assume que as variáveis naturais possuem propriedades intermediárias entre as variáveis puramente aleatórias e as completamente determinísticas.

A Krigagem é o método geoestatístico que leva em consideração as características espaciais de autocorrelação de variáveis regionalizadas. Utiliza distâncias ponderadas e estimação por médias móveis pelo qual os pesos adequados são obtidos a partir de um variograma, representativo da média das diferenças ao quadrado dos valores irregularmente distribuídos de Zi a intervalos de distâncias especificados (Landim, 2002).

Segundo MENDES et. al. (2001) a Krigagem é o processo de interpolação que consiste na média ponderada das amostras existentes, porém difere dos métodos tradicionais pelo fato de que os pesos atribuídos a estas amostras são determinados a partir de uma análise de dependência no espaço, determinada pelo variograma amostral.

De acordo com LANDIM (2002), a Curvatura Mínima é o processo de estimação espacial que utiliza os pontos de dados irregularmente distribuídos com o método segundo o qual equações diferenciais ajustam uma superfície. São efetuados cálculos de derivação repetidamente até que seja alcançada uma diferença (convergência ou tolerância) entre os valores amostrados e os estimados, especificada pelo usuário, ou até que um número máximo de interações seja alcançado

A avaliação dos métodos de estimação espacial utilizados observou-se os seguintes critérios: vantagens, desvantagens, fidelidade aos dados originais no resultado obtido; se a superfície estimada representa uma solução plausível; e se o resultado obtido é esteticamente agradável (curvas suaves) e precisão geral (Quadro 1).

 

Quadro 1. Comparação dos métodos de estimação espacial utilizados.

 

Krigagem

Curvatura Mínima

Vantagens

§    valores estimados baseiam-se no variograma; se for apropriado, fornece as seguintes informações: parâmetros adequados de amostragem, parâmetros adequados de busca, uniformidade da distribuição,

§    se o variograma for apropriado controla a krigagem, evitando a ponderação arbitrária dos pontos amostrados; permitindo a determinação das melhores estimativas sem tendenciosidade; precisão, contornos suaves, interpolador exato; estima além dos limites máximo e mínimo dos pontos amostrados; modela tanto tendências regionais quanto anomalias locais.

§    calcula variâncias dos pontos estimados (erros), quantificando um intervalo de valores (±) para os pontos estimados, variâncias mapeadas podem indicar locais para adensamento da amostragem

§    superfície estimada é independente da distribuição dos dados e da presença de ruído.

§    superfície estimada é a mais suave entre as geradas pelos outros algoritmos que ajustam superfícies aos dados amostrados.

§    superfície é absolutamente fiel aos dados originais se houver apenas um valor amostrado por célula.

§    menor número de artefatos, com exceção das bordas e interior de células sem amostragem.

§    capaz de estimar além dos valores máximo e mínimo dos dados amostrados.

Desvantagens

§    Pode não ser possível a construção de um variograma adequado devido à natureza da variação espacial da variável analisada. Isto pode ocorrer devido à magnitude da amostragem e por erros analíticos.

§    Requer longo tempo de computação para grupos de dados grandes ou complexos.

§    Necessidade de software capacitado.

§    Superfície suave é gerada, quer realmente exista ou não.

§    havendo dados próximos às bordas pode haver geração de depressões ou picos nas bordas do mapa.

§    formas estranhas (artefatos) podem surgir no centro das células que não contém pontos amostrados.

Quando usar

§    Estiverem presentes tanto tendências regionais quanto anomalias locais.

§    Anomalia local não presente em toda a área, por ex. em ambiente fluvial.

§    Estimar com base em uma média global.

§    Tiver dados irregularmente amostrados ou agrupados (clustered).

§    para suavizar dados altamente anômalos.

§    para obter uma solução única.

§     contornos fiéis aos dados originais.

Quando não usar

§    Menos de 30 pontos amostrados: número insuficiente de pares para modelar o variograma.

§    Valores discrepantes de Z: removê-los antecipadamente.

§    Erro grande e inexplicado.

§    Amostras de populações Diversas

§    quando a superfície a ser modelada possuir quebras bruscas;

§    descontinuidades como falhas ou inconformidades estiverem presentes.

§    estas formas podem ser modeladas por Curvatura Mínima desde que sejam estabelecidos os controles adequados: muitas interações e pequena convergência.

Fidelidade aos dados originais

****

**

Suavidade das curvas

***

****

Velocidade de computação

*

**

Precisão geral

*****

***

* = Pior; ***** = Melhor

Fonte: Adaptado de Landim (2000).

 

Os mapas gerados pelos diferentes métodos de estimação espacial (Figuras 3 e 4) não apresentaram diferenças marcantes. A grande diferença entre os mapas é a não existência de algumas classes no mapa gerado pelo método Krigagem, que são observadas no mapa elaborado com uso do método curvatura mínima. Isso se deve, pelo fato, do método Krigagem apenas serve para estimar os dados entre os valores mínimo e máximo amostrado. Enquanto o outro método de estimação espacial pode gerar valores além do mínimo e máximo, criando assim novas classes para o mapeamento.

 

  Figura 3. Mapa de distribuição espacial da concentração de clorofila a (valores estimados pelo método de estimação espacial Krigagem) da água de superfície ao longo do reservatório da UHE Xingó, em Julho de 2003.

 


 


 


Na tabela 2, podemos observar um balanço das Assinaturas Ambientais dos mapas gerados pelos métodos de estimação espacial Krigagem e Curvatura Mínima, onde estas, não demonstraram valores muito diferentes entre os dois mapas. A classe 1,5 - 1,8, onde se encontra a média geral dos valores de clorofila a amostrados, obteve a maior área nos dois mapeamentos, seguida das classes adjacentes. 

 Figura 4. Mapa de distribuição espacial da concentração de clorofila a (valores estimados pelo método de estimação espacial Curvatura mínima) da água de superfície ao longo do reservatório da UHE Xingó, em Julho de 2003.






Tabela 2. Balanços das Assinaturas Ambientais dos métodos de Estimação Espacial Krigagem e Curvatura Mínima, para os valores de clorofila a do reservatório da UHE Xingó, em Julho de 2003.

 

 

Métodos de Estimação Espacial

Classes (mg/l)

Krigagem

Curvatura Mínima

      < 0.0

0,00%

1,07%

0.0 - 0.3

0,00%

0,68%

0.3 - 0.6

0,00%

2,07%

0.6 - 0.9

0,00%

6,17%

0.9 - 1.2

5,42%

11,50%

1.2 - 1.5

22,80%

20,00%

1.5 - 1.8

40,93%

27,51%

1.8 - 2.1

24,09%

21,34%

2.1 - 2.4

5,76%

6,23%

2.4 - 2.7

0,84%

1,79%

2.7 - 3.0

0,16%

0,75%

3.0 - 3.3

0,00%

0,22%

3.3 - 3.6

0,00%

0,17%

3.6 - 3.9

0,00%

0,14%

3.9 - 4.2

0,00%

0,09%

    > 4.2

0,00%

0,27%

Total

100,00%

100,00%

               

             A utilização da ferramenta monitoria simples do SAGA-UFRJ permitiu realizar a comparação entre os dois mapeamentos, identificando o comportamento das mesmas classes nos dois mapas, de acordo com a sua localização geográfica. No reservatório, apenas 35% da área total, coincidiu que nos dois mapeamentos, áreas com a mesma localização geográfica fossem ocupadas por classes iguais.

As classes (< 0,0) / (0,0 - 0,3) / (0,3 - 0,6) / (0,6 - 0,9) / (3,0 - 3,3) / (3,3 - 3,6) / (3,6 - 3,9) / (3,9 - 4,2) e (> 4,2) apenas foram observadas em um mapeamento, por isso não podendo ocupar a mesma localização geográfica nos dois mapas. Na classe (2,7 - 3,0) apesar de ser representada nos dois mapas, em nenhum local, essa classe ocupou nos dois mapeamentos a mesma localização (Tabela 3). Já nas demais classes, ocorreram várias áreas coincidentes nos dois mapeamentos de classes iguais. As classes (1,2 - 1,5) / (1,5 - 1,8) e (1,8 - 2,1) foram as que obtiveram as maiores percentagens de áreas com a mesma localização geográfica, com valores de 46%, 42% e 45% respectivamente. Isto está associado, ao fato, da proximidade destas classes com à média (1,7 mg/l) (Tabela 3).

Tabela 3. Relação das áreas coincidentes e alteradas das classes dos mapas gerados pelos diferentes métodos de estimação espacial.

 

Classes (mg/l)

Coincidiu

Alteradas

     < 0.0

---

---

0.0 - 0.3

---

---

0.3 - 0.6

---

---

0.6 - 0.9

---

---

0.9 - 1.2

29%

71%

1.2 - 1.5

46%

54%

1.5 - 1.8

42%

58%

1.8 - 2.1

45%

55%

2.1 - 2.4

20%

80%

2.4 - 2.7

8%

92%

2.7 - 3.0

0%

100%

3.0 - 3.3

---

---

3.3 - 3.6

---

---

3.6 - 3.9

---

---

3.9 - 4.2

---

---

     > 4.2

---

---

 

4.2. Variação espacial da clorofila no reservatório da UHE Xingó

Os valores de clorofila variaram no reservatório da UHE Xingó, à superfície, de 0,9 a 3,7 mg/l, com uma média de 1,7 mg/l, durante o período analisado. Normalmente os valores de clorofila medidos na calha principal do rio São Francisco variaram ente 0,9 e 2,1 mg/l. Em algumas reentrâncias sem aqüiculturas apresentaram valores acima da média, possivelmente devido à má circulação das águas.

Na Figura 5, observa-se que nos módulos de piscicultura em Tanques-rede os valores da clorofila a variaram de 2,1 a 3,7 mg/l, valores superiores à média de todas as estações, 1,7 mg/l. Nesses módulos os valores de clorofila a na superfície, apresentou uma média de 2,45 mg/l, valor 50 % maior do que a média da calha, com um Desvio Padrão de 0,52 e o coeficiente de variação ficando em torno de 21 %.

 

 

Figura 5.  Valores de clorofila no reservatório da UHE Xingó, em julho de 2003. Em destaque em vermelho, módulos de piscicultura em Tanques-rede.e em azul, média de todas as estações.

 

5. CONCLUSÕES

O método de estimação espacial curvatura mínima estima os valores além dos valores máximos e mínimos, podendo gerar dados errôneos com valores negativos, o que não existe nas concentrações de clorofila, com a necessidade de indicar valores máximos e mínimos. Os resultados dos dois métodos são esteticamente agradáveis, porém o método Curvatura Mínima apresentou curvas mais suaves do que o Krigagem, mesmo com um maior número de classes.

Todos os dois métodos apresentaram uma boa fidelidade aos dados originais, entretanto o Krigagem apresentou uma fidelidade um pouco maior.

Segundo LANDIM (2000) o método Krigagem necessita de no mínimo 30 pontos para modelar o variograma. Enquanto que o método Curvatura Mínima não precisa desse número mínimo de pontos, necessitando de um maior número de interações para modelar.

Os dois métodos apresentaram uma solução plausível, com pouca variação entre as classes, principalmente próxima a média dos valores de concentração.

O método Krigagem proporcionou um resultado mais adequado a esse estudo, devido a sua maior precisão e a característica de apenas estimar os valores dentro do mínimo e máximo, dessa forma evitando extrapolações discrepantes, e não coincidentes com a realidade local. O que não aconteceu na utilização do outro método, onde foram gerados valores impossíveis, ou seja negativos, para a concentração de clorofila a,

Os valores mais elevados de Clorofila a observados nas pisciculturas em relação aos encontrados na calha principal do rio, sugerem a influência dessa atividade na clorofila, embora os valores encontrados sejam baixos não caracterizando um processo de eutrofização.

Os resultados apresentados referem-se apenas a uma amostragem, existindo a necessidade da continuidade do monitoramento, com a ampliação dos parâmetros medidos. Esses estudos darão subsídios na tentativa de estimar a capacidade de ampliação da piscicultura, visando o minimizar os impactos gerados, possibilitando o planejamento ambiental para o reservatório da UHE Xingo..

 

 

6. REFERÊNCIAS BIBLIOGRÁFICAS

 

1.  COSTA. Subprojeto 1.3 - Recomposição da Ictiofauna Reofílica do Baixo São Francisco: Relatório Final. In: Projeto de Gerenciamento integrado das Atividades Desenvolvidas em Terra na Bacia do São Francisco (ANA/GEF/PNUMA/OEA). Instituto de Desenvolvimento Cientifico e Tecnológico de Xingó, 2003.

 

2.  LANDIM, P.B. Introdução aos métodos de estimação espacial para confecção de mapas. DGA,IGCE,UNESP/Rio Claro, Lab. Geomatemática, Texto Didático 02, 20 pp. 2000. Disponível em <http://www.rc.unesp.br/igce/aplicada/textodi.html>.

 

3.  LANDIM, P.B., MONTEIRO, R.C., CORSI, A.C. Introdução á confecção de mapas pelo software SURFER. DGA,IGCE,UNESP/Rio Claro, Lab. Geomatemática, Texto Didático 08, 21 pp. 2002. Disponível em <http://www.rc.unesp.br/igce/aplicada/textodi.html>.

 

4.  MEDEIROS, P. R. P. Aporte fluvial, transformação e dispersão da matéria em suspensão e nutrientes no estuário do Rio São Francisco, após a construção da Usina Hidroelétrica do Xingó (AL/SE). UFF: Niterói, 2003a. 184 p. (Tese de Doutorado).

 

5.  MEDEIROS, P.R.P. Subprojeto 1.1.B - Determinação da Carga de Nutrientes do São Francisco na Região da Foz: Relatório Final. In: Projeto de Gerenciamento integrado das Atividades Desenvolvidas em Terra na Bacia do São Francisco (ANA/GEF/PNUMA/OEA). Universidade Federal de Alagoas, 2003b.

 

6.  MEDEIROS, P. R. P., KNOPPERS, B. A., SANTOS JÚNIOR, R. C., SOUZA, F. L. D. Aporte anual do material em suspensão e sua dispersão na zona costeira do Rio São Francisco (SE/AL). In: Congresso sobre Planejamento e Gestão das Zonas Costeiras dos Países de Expressão Portuguesa., II. ABRH, 2003. Resumos...  Recife.

 

7.  OLIVEIRA, A. M. Subprojeto 1.1.A - Estudo hidrodinâmico-sedimentológico do Baixo São Francisco, estuário e zona costeira adjacente (AL/SE): Relatório Final. In: Projeto de Gerenciamento integrado das Atividades Desenvolvidas em Terra na Bacia do São Francisco (ANA/GEF/PNUMA/OEA). Universidade Federal de Alagoas, 2003.

 

8.  SANTOS JUNIOR, R.C.; NASCIMENTO, M.C.; CALHEIROS, S.Q.C. Alterações espaciais da cobertura vegetal remanescente dos municípios do litoral sul alagoano, no período de 1985/1998. In: IX simpósio brasileiro de geografia física aplicada, 2001, Recife. Resumos... Recife: 2001. v. 1.

 

9.  XAVIER DA SILVA, J. & CARVALHO FILHO, L.M. Sistema de Informação Geográfica: uma proposta metodológica. In: Conferência sobre Sistemas de Informação Geográfica, 6, Simpósio Brasileiro de Geoprocessamento, 2. São Paulo, (SP). Anais... São Paulo: EPUSP, 1993. p. 609-628.