UNIVERSIDADE DO ESTADO DE MATO GROSSO MESTRADO PROFISSIONAL EM REDE NACIONAL EM GESTÃO E REGULAÇÃO DE RECURSOS HÍDRICOS – PROFÁGUA

ANA PAULA DAMASCENO SOUZA

IMPACTO NA QUALIDADE DA ÁGUA APÓS A RUPTURA DA BARRAGEM DO CÓRREGO DO FEIJÃO EM – MG POR MEIO DE SENSORES ORBITAIS

CUIABÁ – MT 2020 ii

UNIVERSIDADE DO ESTADO DE MATO GROSSO MESTRADO PROFISSIONAL EM REDE NACIONAL EM GESTÃO E REGULAÇÃO DE RECURSOS HÍDRICOS – PROFÁGUA

ANA PAULA DAMASCENO SOUZA

IMPACTO NA QUALIDADE DA ÁGUA APÓS A RUPTURA DA BARRAGEM DO CÓRREGO DO FEIJÃO EM BRUMADINHO – MG POR MEIO DE SENSORES ORBITAIS

Dissertação submetida ao Mestrado Profissional em Rede Nacional em Gestão e Regulação de Recursos Hídricos – ProfÁgua, pela Universidade do Estado de Mato Grosso – (UNEMAT, Campus Cuiabá/MT) como requisito parcial para a obtenção do título de Mestre em Gestão e Regulação de Recursos Hídricos, sob orientação do Prof. Dr. Carlos Antonio da Silva Junior. Co-orientador: Prof. Dr. Érico Fernando de Oliveira Martins

CUIABÁ – MT 2020

iii

FICHA CATALOGRÁFICA

Walter Clayton de Oliveira CRB 1/2049

SOUZA, Ana Paula Damasceno. S719i Impacto na Qualidade da Água Após a Ruptura da Barragem do Córrego do Feijão em Brumadinho-MG por Meio de Sensores Orbitais. / Ana Paula Damasceno Souza – Cuiabá, 2020. 94 f.; 30 cm. (ilustrações) Il. color. (sim)

Trabalho de Conclusão de Curso (Dissertação/Mestrado) – Curso de Pós-graduação Stricto Sensu (Mestrado Profissional) Rede Nacional em Gestão e Regulação de Recursos Hídricos, Instituto Nacional de Pesquisas do Pantanal Cuiabá e Cidade Universitária Celbe Campus Univers. de Cáceres., Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade do Estado de Mato Grosso, 2020.

Orientador: Carlos Antonio da Silva Junior Coorientador: Érico Fernando de Oliveira Martins

1. Sensoriamento Remoto. 2. Brumadinho. 3. Desastre Ambiental. 4. Segurança Hídrica. I. Ana Paula Damasceno Souza. II. Impacto na Qualidade da Água Após a Ruptura da Barragem do Córrego do Feijão em Brumadinho-MG por Meio de Sensores Orbitais.: . CDU 528

iv

ANA PAULA DAMASCENO SOUZA

IMPACTO NA QUALIDADE DA ÁGUA APÓS A RUPTURA DA BARRAGEM DO CÓRREGO DO FEIJÃO EM BRUMADINHO – MG POR MEIO DE SENSORES ORBITAIS

Dissertação submetida ao Mestrado Profissional em Rede Nacional em Gestão e Regulação de Recursos Hídricos – ProfÁgua, pela Universidade do Estado de Mato Grosso – (UNEMAT, Campus Cuiabá – MT) como requisito parcial para a obtenção do título de Mestre em Gestão e Regulação de Recursos Hídricos, sob orientação do Prof. Dr. Carlos Antonio da Silva Junior. Co-orientador: Prof. Dr. Érico Fernando de Oliveira Martins Aprovado em ____ de ______de 2020.

BANCA EXAMINADORA

Dr. Carlos Antonio da Silva Junior (Orientador - Presidente) Universidade do Estado de Mato Grosso – UNEMAT

Dra. Fátima Aparecida da Silva Iocca (Avaliador Interno – ProfÁgua) Universidade do Estado de Mato Grosso – UNEMAT

______Dr. Rafael Coll Delgado (Avaliador Externo) Universidade Federal Rural do Rio de Janeiro – UFRRJ

v

AGRADECIMENTOS

A DEUS pela oportunidade e pelo privilégio que me foram dados em compartilhar experiências na primeira turma deste programa importantíssimo para a gestão de nossas águas.

Ao Programa de Mestrado Profissional em Rede Nacional em Gestão e Regularização de Recursos Hídricos – ProfÁgua, projeto CAPES/ANA AUXPE nº 2717 /2015, pelo apoio técnico científico aportado até o momento.

A Agência Nacional de Águas (ANA) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) – Código de Financiamento 001 pelo apoio na elaboração deste Mestrado.

A Secretaria executiva do ProfÁgua junto a Universidade Estadual Paulista Júlio de Mesquita Filho em Ilha Solteira/SP, por todo esforço em auxiliar com as atividades relacionadas ao Mestrado.

A Universidade do Estado de Mato Grosso – UNEMAT, em propor o Programa de Mestrado Profissional em Rede Nacional em Gestão e Regulação de Recursos Hídricos – ProfÁgua.

Ao Instituto de Pesquisa GAAF – Geotecnologia Aplicada em Agricultura e Floresta, por ter me recebido, dado apoio e suporte ao longo do desenvolvimento desta pesquisa.

A todos os professores do programa, pelos conhecimentos transmitidos durante este mestrado.

Ao professor Dr. Carlos Antonio da Silva Junior por sua contribuição na orientação desta dissertação.

Aos colegas do mestrado que compartilharam suas experiências e vivências desencadeadas na carreira profissional.

vi

EPÍGRAFE

“Não importa o que aconteça, continue a nadar”.

(WALTERS, GRAHAM; PROCURANDO NEMO, 2003).

vii

RESUMO

No Brasil, diversos são os registros de desmoronamento de barragem de rejeitos de mineração. O exemplo mais expressivo foi o rompimento da Barragem de Rejeitos da Mina de Ferro do Córrego do Feijão, ocorrido no dia 25 de janeiro de 2019, na cidade de Brumadinho, no Rio , . O objetivo deste trabalho foi de identificar e analisar a espacialidade da área impactada por meio de sensoriamento remoto orbital, utilizando bandas espectrais para a detecção da qualidade da água local, em decorrência dos fatores que ocasionaram o desastre da ruptura da barragem de rejeitos da Mina córrego do Feijão em Brumadinho – MG, por meio do sensoriamento remoto entre os períodos de 2018 e 2019. Realizou-se uma revisão bibliográfica acerca de consulta a bancos de dados acadêmicos e utilização de dados de Imagens Orbitais de média resolução espacial processados por meio da plataforma Landsat 8 (OLI) e Sentinel-2 (MSI). As variáveis analisadas neste trabalho foram: clorofila-a, turbidez, sólidos totais em suspensão e fluxo de dióxido de carbono. Dentre os resultados destacam-se que a análise de uso e cobertura do solo, percebeu-se que a o NDFI anterior à ruptura da barragem apresentou um maior valor de média, enquanto que o NDFI posterior ao rompimento da barragem apresentou um menor valor médio. Na análise da Chl-a o sensor OLI apresentou as menores médias quando comparado ao sensor MSI. Na análise da (TU) mediante aos sensores OLI e MSI observou-se um aumento de 70% na média de turbidez da água após o rompimento da barragem de Brumadinho. Na análise dos TSS, os sensores OLI e MSI apresentaram a mesma média para a variável de (TSS), tanto antes quanto após o rompimento. Na análise do CO2 Flux, O sensor OLI apresentou médias inferiores ao sensor MSI nas medidas de antes e depois do rompimento da barragem. Através da comparação de médias (Teste t), obtiveram-se as médias das variáveis geradas por meio dos sensores OLI e MSI. Na análise do Teste de correlação de Pearson, apenas as variáveis

Fluxo de CO2 e Turbidez apresentaram alto valor de correlação. Este estudo apresentou a análise entre as respostas espectrais diante dos sensores OLI e MSI. A análise revelou que há diferenças espectrais e espaciais em relação aos produtos gerados entre os sensores ópticos Landsat-8/OLI e Sentinel/MSI, pois ambos retrataram dados estatísticos bem próximos entre as bandas comparadas.

Palavras-chave: Sensoriamento Remoto; Brumadinho; Desastre Ambiental; Segurança Hídrica.

viii

ABSTRACT

In , there are several records of mining tailings dam collapse. The most expressive example was the rupture of the tailings dam at the Córrego do Feijão iron mine, which took place on January 25, 2019, in the city of Brumadinho, on the Paraopeba River, Minas Gerais. The objective of this work was to identify and analyze the spatiality of the impacted area by means of orbital remote sensing, using spectral bands to detect the local water quality, due to occasional factors or disasters of the tailings dam rupture of the Feijão stream in Brumadinho - MG, by means of remote sensing between the periods of 2018 and 2019. Performed a bibliographic review on the consultation of academic databases and the use of Orbital Image data from spatial average processed through the Landsat 8 (OLI) and Sentinel platform -2 (MSI). The variables analyzed in this work were: chlorophyll-a, turbidity, total suspended solids and carbon dioxide flow. Among the results, it can be highlighted that the analysis of land use and land cover, it was noticed that the NDFI before the dam rupture presented a higher average value, while the NDFI after the rupture of the dam presented a lower average value. In the analysis of Chl-a the OLI sensor presented the lowest averages when compared to the MSI sensor. In the analysis of (TU) using OLI and MSI sensors, an increase of 70% in the average water turbidity was observed after the rupture of the Brumadinho dam. In the TSS analysis, the OLI and MSI sensors showed the same average for the (TSS) variable, both before and after the break. In the analysis of CO2 Flux, the OLI sensor presented lower averages than the MSI sensor in the measurements before and after the dam burst. Through the comparison of means (t test), the averages of the variables generated through the OLI and MSI sensors were obtained. In the analysis of the Pearson's correlation test, only the variables CO2 flow and turbidity showed a high correlation value. This study presented the analysis between the spectral responses to OLI and MSI sensors. The analysis revealed that there are spectral and spatial differences in relation to the products generated between the Landsat-8 / OLI and Sentinel / MSI optical sensors, as both portrayed very close statistical data between the compared bands.

Keywords: Remote Sensing; Brumadinho; Environmental Disaster; Water Security.

ix

LISTA DE FIGURAS

Figura 1. Localização da bacia hidrográfica do Rio Paraopeba, abrangendo o município de Brumadinho, Minas Gerais. Fonte: IGAM, 2005...... 21 Figura 2. Qualidade da água na bacia hidrográfica do Rio Paraopeba, localizado no município de Brumadinho, Minas Gerais. Fonte: Elaborado pelo autor, 2018...... 23 Figura 3. Pontos de monitoramento de qualidade da água. Fonte: CPRM...... 25 Figura 4. Mapa de solos da bacia do Rio Paraopeba. Fonte: (Adaptado de CETEC, 2008). .. 46 Figura 5. Mapa de classificação climática do Brasil segundo Köppen...... 48 Figura 6. Mapa de localização da bacia do Rio Paraopeba, Brumadinho – MG...... 50 Figura 7. Perfil do Rio Paraopeba com principais tributários e os postos fluviométricos ativos. Fonte: (Adaptado de CPRM, 2001)...... 51 Figura 8. Árvore de decisão empírica proposta por Souza Junior et al. (2013) usada para classificar o desmatamento e a degradação ...... 55 Figura 9. Uso e cobertura do solo antes e depois do rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais, utilizando o índice NDFI...... 61 Figura 10. Distribuição espacial da variável Clorofila-a estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais...... 64 Figura 11. Distribuição espacial da variável turbidez estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais...... 68 Figura 12. Distribuição espacial da variável Total de Sólidos em Suspensão estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais...... 70

Figura 13. Distribuição espacial da variável CO2Flux estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais...... 72 Figura 14. Correlação de Pearson e histogramas entre as variáveis analisadas antes do rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais. Chl-a =

Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez...... 74 Figura 15. Correlação de Pearson e histogramas entre as variáveis analisadas após o rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais. Chl-a =

x

Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez...... 75

xi

LISTA DE TABELAS

Tabela 1. Características dos satélites Landsat, SPOT e ERS-1.Fonte: Adaptado de USGS (2016)...... 36 Tabela 2. Características dos sensores (TM), (HRV) e (AVHRR), a bordo dos satélites Landsat, SPOT e NOAA. Fonte: Adaptado de USGS (2016)...... 37 Tabela 3. Banda espectral (Satélite Landsat – Sensor TM). Fonte: Adaptado de USGS (2016)...... 37 Tabela 4. Banda espectral (Satélite NOAA – Sensor AVHRR). Fonte: Adaptado de USGS (2016)...... 38 Tabela 5. Comprimento de onda das bandas espectrais do satélite Landsat-8. Fonte: Adaptado de USGS (2016)...... 39 Tabela 6. Características do satélite Sentinel-2. Fonte: Adaptado de ESA (2017)...... 41 Tabela 7. Comprimento de onda das bandas espectrais do satélite Sentinel-2.Fonte: Adaptado de ESA (2017)...... 42 Tabela 8. Distribuição das classes de solo na bacia do Rio Paraopeba. Fonte: Adaptado de CETEC (2008)...... 47 Tabela 9. Características espectrais do sensor OLI/Landsat 8...... 52 Tabela 10. Características espectrais do Sensor MSI/Sentinel-2...... 52 Tabela 11. Quantificação do uso e cobertura do solo da área afetada antes e depois do rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais utilizando o índice NDFI...... 62 Tabela 12. Teste t para comparação entre as médias das variáveis geradas através dos sensores OLI e MSI antes do rompimento da barragem de Brumadinho. Chl-a = Clorofila-a;

CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez...... 73 Tabela 13. Teste t para comparação entre as médias das variáveis geradas através dos sensores OLI e MSI após do rompimento da barragem do Córrego do Feijão em Brumadinho,

Minas Gerais. Chl-a = Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez...... 73

xii

LISTA DE ABREVIATURAS E SIGLAS

CETESB Companhia Ambiental do Estado de São Paulo CONAMA Conselho Nacional de Meio Ambiente CV Coeficiente de Variação Chl-a Clorofila-a ESA European Space Agency

CO2flux Fluxo de Dióxido de Carbono (c Flux)

INPE Instituto Nacional de Pesquisas Espaciais IGAM Instituto Mineiro de Gestão das Águas LANDSAT Land Remote Sensing Satellite MSI Multispectral Instrument NDVI Normalized Difference Moisture Index OLI Operational Land Imager REM Radiação Eletromagnética SR Sensoriamento Remoto SST Sólidos Suspensos Totais TM Thematic Mapper TOA Top of Atmosphere TSS Totais de Sólidos em Suspensão TU Turbidez USGS United States Geological Survey UTM Universal Transversa de Mercator

SUMÁRIO

1. INTRODUÇÃO ...... 15 2. JUSTIFICATIVA ...... 18 3. OBJETIVOS ...... 19 3.1. Objetivo Geral ...... 19

3.2. Objetivos Específicos...... 19

xiii

4. REVISÃO BIBLIOGRÁFICA ...... 20 4.1. Gestão e Qualidade de Recursos Hídricos ...... 20 4.1.1. Parâmetros de qualidade da água – Principais parâmetros indicadores da poluição verificada nas campanhas de monitoramento na BH do Rio Paraopeba...... 24 4.1.2. Clorofila-a ...... 25 4.1.3. Turbidez ...... 27 4.1.4. Sólidos Totais em Suspensão ...... 29

4.1.5. Fluxo de Dióxido de Carbono (CO2flux) ...... 30 4.2. Impactos Ambientais na Exploração Mineral ...... 31

4.2.1. Sedimentos depositados pela exploração mineral nos corpos d’água ...... 32 4.2.2. Desastres ambientais e suas causas nos recursos hídricos ...... 33 4.2.3. Rompimento Barragem de Brumadinho (MG) ...... 34 4.3. Sensoriamento Remoto no Monitoramento Ambiental ...... 35

4.3.1. Sensores orbitais ...... 36 4.3.1.1. Sensor OLI ...... 38 4.3.1.2. Sensor MSI ...... 40 4.4. Caracterização do Local ...... 43

4.4.1. Geomorfologia e Geologia da Região ...... 43 4.4.2. Uso do Solo na Bacia do Rio Paraopeba ...... 43 4.4.3. Solo ...... 44 4.4.4. Clima ...... 47 5. MATEIAL E MÉTODOS ...... 50 5.1. Área de Estudo ...... 50

5.2. Dados Orbitais ...... 52

5.3. Uso e Ocupação do Solo ...... 54

5.4. Clorofila-a (Chl-a) ...... 55

5.5. Turbidez (TU) ...... 56

5.6. Totais de Sólidos em Suspensão (TSS) ...... 57

5.7. Estimativa da eficiência do sequestro de carbono ...... 57

5.8. Análise de dados ...... 58

5.8.1. Teste de Comparação entre médias (test t) ...... 58 6. RESULTADOS E DISCUSSÃO...... 60 6.1. Uso e cobertura do solo...... 60

xiv

6.2. Clorofila-a (Chl-a) ...... 62

6.3. Turbidez (TU) ...... 65

6.4. Totais de Sólidos em Suspensão (TSS) ...... 68

6.5. Fluxo de Dióxido de Carbono (CO2 Flux) ...... 70

6.6. Teste de Correlação de Pearson ...... 73

7. CONCLUSÃO ...... 76 8. REFERÊNCIAS BIBLIOGRÁFICAS ...... 76

15

1. INTRODUÇÃO

Para NBR 13028 (2017) barragem de mineração é conceituada como “barragens, barramentos, diques, reservatórios, cavas exauridas com barramentos transversalmente construídos, relacionado às atividades de mineração, com a finalidade de controlar e armazenar de água ou rejeitos de mineração ou descarga de sedimentos provenientes de atividades de mineração”. De acordo Venâncio Aires et al.(2018) e Burritt et al. (2018), os riscos que uma barragem pode indicar são extremamente reais e causam um grande impacto nos aspectos ambiental, econômico e social, além de acarretar a liberação de milhões de metros cúbicos de rejeito, os quais provocam agravos a saúde humana e a integridade de ecossistemas. No que tange ao crescimento da atividade de mineração no Brasil, torna-se indispensável o monitoramento das barragens, em decorrência das falhas constantemente encontradas e ao seu potencial danoso causado, tanto para o meio ambiente quanto para a população. Azam e Li (2010), mostraram um histórico mundial de constantes rupturas provocadas por barragens de mineração, de acordo os autores cerca de 1,2% das barragens de rejeito apresentam algum tipo de irregularidade, contra 0,01% das barragens civis. Segundo Rico et al. (2007), as barragens de rejeito tendem a ser mais propícias a falhas do que as barragens designadas ao armazenamento de água. Complementarmente, Lemphers (2010) elenca que barragens de rejeito apresentam dez vezes mais probabilidades de romper do que barragens com reservatório de acumulação de água e que cerca de duas a cinco barragens de rejeitos, dentre as cerca de 3.500 estruturas existentes no mundo, sofrem rupturas, anualmente. No Brasil, diversos são os registros de desmoronamento de barragem de rejeitos de mineração, como por exemplo, a barragem de Fundão (5 de novembro de 2016) e a barragem de Brumadinho (25 de janeiro de 2019) (Armstrong et al., 2019). Dentre as 128 grandes rupturas de barragens elencadas pelo Wise Uranium (2019), quatro das cinco últimas registradas no Brasil são em Minas Gerais: Barragem de São Francisco (Miraí – MG) em 2007, Barragem Herculano ( – MG), em 2014, Barragem de Fundão (Mariana – MG), em 2015, Barragem I (Brumadinho – MG), em 2019, e Barragem Metalmig (Machadinho D'Oeste – RO), em 2019. O exemplo mais expressivo foi o rompimento da Barragem de Rejeitos da Mina de Ferro do Córrego do Feijão, ocorrido no dia 25 de janeiro de 2019, na cidade de Brumadinho, Estado de Minas Gerais, sob a gestão e responsabilidade da empresa privada Vale S/A. A 16

ruptura provocou o que tem sido denominado um dos piores desastres ambientais do país no setor de mineração, pelo fato de ter atingindo não só as áreas de vegetação densa como também o principal rio do município, o Rio Paraopeba (G1, 2019). Segundo o Portal dos Comitês (2018) o Rio Paraopeba apresenta uma área de 12.054,25 km², correspondendo a 5,14% do território da Bacia Hidrográfica do Rio São Francisco, a qual está inserida, e abrange áreas de 48 municípios: ; ; Bonfim; Brumadinho; ; Caetanópolis; Casa Grande; ; ; ; ; Crucilândia; ; Desterro de Entre Rios; ; Esmeraldas; Felixlândia; Florestal; ; Ibirité; Igarapé; Inhaúma; Itatiaiuçu; Itaúna; ; ; ; ; ; Mario Campos; ; ; Ouro Branco; ; ; Pará de Minas; Paraopeba; Pequi; ; Pompéu; ; ; ; São Brás do Suaçuí; São Joaquim de ; São José da ; Sarzedo e , sendo 35 com sede municipal na Bacia. Realizar o monitoramento da qualidade da água em reservatórios é de extrema importância para a gestão sustentável dos recursos hídricos, pois serve para averiguar a sua situação e os problemas emergentes, como também para determinar planos, prioridades e programas para o gerenciamento da qualidade da água e mensurar a efetividade das medidas tomadas, este efetuado por longos períodos e em várias estações de amostragem, fornece um banco de dados extenso e complexo (BARTRAM & BALLANCE, 1996; ANGELINI; BINI; STARLING, 2008; BUZELLI & CUNHA-SANTINO, 2013; CUNHA et al., 2013). Nesse sentido, uma ferramenta cada vez mais utilizada para gerar e processar dados é o sensoriamento remoto. De acordo com Novo (2010) sensoriamento remoto é a utilização conjunta de sensores, equipamentos para processamento de dados, equipamentos para processamento de transmissão de dados colocados a bordo de aeronaves, espaçonaves ou outras plataformas, com o objetivo de estudar eventos, fenômenos e processos que ocorrem na superfície do planeta Terra, a partir do registro e da análise das interações entre a radiação eletromagnética e as substâncias que o compõem em suas mais diversas manifestações. O sensoriamento remoto apresenta inúmeras possibilidades de aplicação, tal como aplicações ao estudo e monitoramento dos processos da hidrosfera, estudos urbanos, cartografia, agricultura, estudos florestais, geologia, etc. Aplicações que envolvem o uso do sensoriamento remoto e de novos sensores estão surgindo a cada dia (NOVO, 2010). A utilização de recursos de sensoriamento remoto para auxiliar no monitoramento da qualidade das águas superficiais de usos múltiplos, surge como instrumento de grande

17

interesse por parte da sociedade como um todo, uma vez que permite monitorar e controlar a qualidade de um recurso natural de vital importância para as condições de saúde pública (NOVO, 2005). Estudos realizados têm comprovado que o uso do sensoriamento remoto pode ser utilizado tanto para realizar a estimativa de parâmetros relacionados à qualidade da água Ventura (2013) quanto para averiguar a indicação do seu estado trófico que o corpo d’água se encontra (SAUSEN & PEREIRA, 1986; SHEELA et al., 2011). A partir da utilização de imagens de sensores como o Landsat-8/OLI e Sentinel- 2/MSI, é possível estimar os níveis de parâmetros da água e da situação atual do ambiente aquático, através do processamento e análise de dados quantitativo e qualitativo fornecidos pelos sensores dos satélites. Ainda que a atividade minerária em Minas Gerais seja de interesse econômico e social, com impactos positivos na geração de empregos, essa atividade tem causado inúmeros impactos adversos, tanto nos ecossistemas onde as minas estão alojadas, quanto para a população direta e indiretamente envolvida na atividade, principalmente ao levar em consideração o passivo que a mineração deixa no ambiente, a exemplo da disposição e armazenamento dos rejeitos gerados. Nesse sentido, esta pesquisa foi direcionada para o estudo da bacia hidrográfica do Rio Paraopeba, em decorrência das primeiras análises físico-químicas que diagnosticaram a presença de metais pesados e produtos químicos como chumbo, mercúrio, cádmio e zinco, produtos que não contaminam apenas os recursos hídricos, mas também, o leito do rio, tendo em vista a preocupação da população com o abastecimento de água do Rio Paraopeba, que passa por vários outros munícipios em Minas Gerais. Com base no exposto acima, o presente trabalho teve como objetivo identificar e analisar a espacialidade da área impactada por meio de sensoriamento remoto orbital, utilizando bandas espectrais para a detecção da qualidade da água local, em decorrência dos fatores que ocasionaram o desastre da ruptura da barragem de rejeitos da Mina córrego do Feijão em Brumadinho, Minas Gerais.

18

2. JUSTIFICATIVA

Este trabalho apresenta uma significativa relevância no levantamento de dados e análise hídrica, através de dados de sensoriamento remoto, ferramenta eficiente para realizar a informatização de dados georreferenciados da superfície terrestre. Considerando o rompimento da Barragem de Rejeitos da Mina Córrego do Feijão, em Brumadinho, os rejeitos de minérios se espalharam por diversos municípios prejudicando enormemente o Rio Paraopeba, que faz parte da Unidade de Planejamento e Gestão de Recursos Hídricos – UPGRH SF3, responsável pelo abastecimento de 43% da água potável e pertencente ao afluente do Rio São Francisco da região Metropolitana de – RMBH, uma vez que, esta comporta 60% do curso da água captada, procedente dos mananciais: Rio Manso, Serra Azul e Vargem das Flores. Já existem estudos precisos sobre a extensão dos danos ambientais ocasionados na região, e sobre os impactos decorrentes não imediatamente identificáveis, tendo em vista que as investigações sobre a tragédia ainda estão em andamento. Os primeiros estudos realizados no Rio Paraopeba, indicam a presença de metais e produtos químicos tais como chumbo, mercúrio, cádmio e zinco, que contaminam não apenas a água, mas também o leito do rio e toda a fauna e flora ao seu redor. Por este motivo, justifica-se o especial interesse em realizar uma análise espacial acercar da distribuição das variáveis da qualidade da água, como clorofila-a (Chl-a), turbidez

(TU), totais de sólidos em suspenção (TSS) e fluxo de carbono (CO2 Flux), entre os anos de 2018 a 2019. A partir deste estudo, espera-se que os resultados contribuam para a gestão dos recursos hídricos do estado de Minas Gerais. O produto a ser gerado através dos resultados deste estudo será um artigo, que possibilitará divulgar a pesquisa como um todo para a comunidade, de maneira que todo e qualquer usuário possa utilizar e avaliar sob outras visões. Pois será através deste estudo, que a sociedade tomará conhecimento dos resultados analisados ao longo da pesquisa, e assim, contribuir para a gestão participativa e integrada dos recursos hídricos do Estado de Minas Gerais.

19

3. OBJETIVOS

3.1. Objetivo Geral

Identificar e analisar a espacialidade da área impactada por meio de sensoriamento remoto orbital, utilizando bandas espectrais para a detecção da qualidade da água local, em decorrência dos fatores que ocasionaram o desastre da ruptura da barragem de rejeitos da Mina Córrego do Feijão em Brumadinho, Minas Gerais.

3.2. Objetivos Específicos

a) Revisar a literatura científica, acerca da caracterização da Barragem de Rejeitos da Mina do Córrego do Feijão em Brumadinho; b) Identificar mediante um estudo espectro-temporal, a ocorrência e distribuição das variáveis da qualidade da água, como clorofila-a, turbidez, totais de sólidos em suspenção e fluxo de carbono entre os anos de 2018 a 2019, por meio de dados do sensor Landsat-8/OLI e Sentinel-2/ MSI; c) Estimar valores da qualidade do uso e ocupação do solo, proveniente da dispersão da lama de rejeitos da mineração (antes e depois).

20

4. REVISÃO BIBLIOGRÁFICA

4.1. Gestão e Qualidade de Recursos Hídricos

A Lei nº 9.433, de 8 de janeiro de 1997, rege a gestão dos recursos hídricos no Brasil, também é conhecida como Lei das Águas, instituiu a Politica Nacional de Recursos Hídricos (PNRH) e criou o Sistema Nacional de Recursos Hídricos (SINGREH), onde ambos articulam a gestão dos recursos hídricos no país (SILVA; FRANCALOSSI, 2010). A Política Nacional de Recursos Hídricos constitui-se como um instrumento disciplinador do uso das águas sob o aspecto jurídico-formal diante da gestão dos recursos hídricos no Brasil, porém, para que haja uma efetiva transformação da realidade hídrica são necessárias ações de esclarecimento à população, a fim de proporcionar mudanças nos aspectos culturais, econômicos e industriais, por meio de decisões políticas (MILARÉ, 2011). Segundo Abers & Jorge (2005), o Estado de São Paulo foi a primeira unidade federativa a organizar a Política de Recursos Hídricos, por meio da Lei nº 7.663, de 30 de dezembro de 1991. Ainda que o estado tenha se embasado nos princípios constitucionais, deixou sem regulamentação os mecanismos de cobrança. O Estado do Ceará foi o segundo a preparar sua política em 24 de 1992, através da lei nº 11.996. Minas Gerais também progrediu na criação da Política Nacional de Recursos Hídricos e aos princípios legais, estabelecidos pela Lei nº 11.504/94, onde dispõe sobre a PERH, conduzindo a elaboração do Plano Estadual de Recursos Hídricos, a cobrança pelo uso dos Recursos Hídricos e a composição do Sistema Estadual de Gerenciamento de Recursos Hídricos (MINAS GERAIS, 1994). Segundo o Igam (2019) a bacia hidrográfica do Rio Paraopeba – PHRP (Figura 1) situa-se na região sudeste de Minas Gerais, abrange uma área de drenagem de 13.643 km² de extensão e está inserida no Alto São Francisco que contribui com apenas 4% da vazão do rio e 11% do escoamento de sedimentos em suspensão, responsável pelos maiores acúmulos de matéria orgânica nele depositados. A elevada quantidade de sedimentos em suspensão no Rio Paraopeba é ocasionada pela falta de saneamento básico proveniente do lançamento inapropriado de resíduos sólidos, que degrada ainda mais a qualidade das águas da bacia (STANIMIROVA, WALCZAK, & MASSART, 2005).

21

Figura 1. Localização da bacia hidrográfica do Rio Paraopeba, abrangendo o município de Brumadinho, Minas Gerais. Fonte: IGAM, 2005.

O Planejamento e Gestão de Recursos Hídricos da Bacia Hidrográfica do Rio Paraopeba (SF3) é dividida nas regiões do Alto Paraopeba (ARP), Médio Paraopeba (MRP) e

22

Baixo Paraopeba (BRP) (CBHSF, 2017). No Alto Paraopeba, estão localizados municípios como Conselheiro Lafaiete, Congonhas, Ouro Branco, Jeceaba e Belo Vale, as atividades relacionadas com mineração e siderurgia são as mais expressivas. Algumas áreas dessa região estão inseridas no Quadrilátero Ferrífero, com jazidas de minerais, sobretudo o ferro (IGAM, 2013). Na região do Médio Paraopeba, estão localizados vários municípios da Região Metropolitana de Belo Horizonte (Betim, parte de Contagem, Ibirité, Sarzedo, São Joaquim de Bicas, Igarapé, Juatuba, Mateus Leme, Florestal, Esmeraldas, Mário Campos, Brumadinho e etc.) há uma rica diversidade industrial, com destaque para grandes indústrias dos ramos automobilístico, petroquímico e alimentício. A mineração de ferro também está presente nessa região, sobretudo nas serras de Itatiaiuçu, Serra Azul e Farofas, que ainda pertencem ao Quadrilátero Ferrífero. Há expressivas minerações de areia na região de Esmeraldas, e produção de hortaliças em Sarzedo, Igarapé, Mário Campos e Rio Manso (IGAM, 2013). Na região do Baixo Paraopeba, se situam municípios como Sete Lagoas, Paraopeba, Caetanópolis, Fortuna de Minas, Maravilhas, e parte de Curvelo, Pompéu e Felixlândia, a ocupação é menor, e as atividades econômicas se relacionam com a extração de ardósia e produção de eucalipto para siderúrgicas da região (CIBAPAR, 2016). As principais atividades desenvolvidas ao longo da bacia do Rio Paraopeba, apresenta uma grande diversidade para o setor da agricultura, pecuária e mineração, abrangendo principalmente os municípios de Cachoeira da Prata e Esmeraldas (IGAM, 2005). Segundo Igam (2013) os recursos hídricos da bacia do Rio Paraopeba estão relacionados às atividades econômicas dominantes na bacia, são eles: abastecimento doméstico e industrial, irrigação, mineração, dessedentação de animais, pesca e piscicultura. O alto e médio cursos concentram os usos diversos, com destaque para o abastecimento humano, indústria e mineração. Já o baixo curso concentra principalmente o uso para irrigação e dessedentação de animais. O Conselho Estadual de Política Ambiental – COPAM, enquadrou o Rio Paraopeba na Classe 2, por meio da resolução nº 02/77, tornando viável a utilização das águas para abastecimento da Região Metropolitana de Belo Horizonte. Com a implantação do “Projeto Águas de Minas” em 1997, as informações referentes às propriedades físico-químicas da água do Rio Paraopeba (Figura 2), são acompanhadas pelo Instituto Mineiro de Gestão das Águas (IGAM) que está em funcionamento há mais de vinte anos, e é de suma importância para a preservação e melhoria das condições ambientais dos rios de Minas Gerais (IGAM, 2010).

23

Figura 2. Qualidade da água na bacia hidrográfica do Rio Paraopeba, localizado no município de Brumadinho, Minas Gerais. Fonte: Elaborado pelo autor, 2018.

Um dos principais objetivos do Programa Águas de Minas é avaliar as condições da qualidade das águas superficiais das bacias dos rios de Minas Gerais, além de divulgar a situação de qualidade das águas para os usuários e apoiar o estabelecimento de metas de qualidade, visando fornecer subsídios para o planejamento da gestão dos recursos hídricos, verificar a efetividade de ações de controle ambiental implementada e propor prioridades de atuação (IGAM, 2016). Com o início do monitoramento da qualidade das águas em Minas Gerais, foi possível avaliar a efetividade dos planos de ações de controle ambiental do Conselho Estadual de Política Ambiental, através da Fundação Centro Tecnológico de Minas Gerais – CETEC (COPAM) (ÁGUAS DE MINAS GERAIS, 2018). O monitoramento é realizado em locais com pontos estratégicos, preferencialmente onde é possível obter um maior detalhamento das informações a serem coletas para

24

elaboração e diagnóstico. Os parâmetros monitorados devem estar associados com o tipo de uso e ocupação da bacia hidrográfica (ANA, 2016). A qualidade das águas superficiais sofrem alterações, devido à incidência de elementos dissolvidos e suspensos, oriundas das atividades antrópicas, como por exemplo, a impermeabilização do solo, ausência de vegetação, descargas de poluentes e o lançamento de resíduos sólidos no rio que modificam a qualidade e quantidade da água, seja ela em suas condições físicas, químicas e biológicas. Assim, o monitoramento da qualidade das águas superficiais mostra-se de suma importância para a gestão sustentável e integrada dos recursos hídricos (ANA, 2011). Os dados relevantes sobre a qualidade das águas podem ser verificados por meio das campanhas de monitoramento, onde são levantadas informações acerca dos parâmetros de poluição ao longo de toda extensão da bacia hidrográfica. De acordo com o Instituto Mineiro de Gestão das Águas – IGAM, os principais responsáveis pela degradação dos cursos d’água na BRHP, são o lançamento dos esgotos sanitários e dos efluentes industriais sem o prévio tratamento. Esses fatores estão associados às atividades de agricultura, pecuária e mineração que dissiparam ao longo da bacia hidrográfica do Rio Paraopeba, abrangendo principalmente os municípios de Cachoeira da Prata e Esmeraldas (IGAM, 2005).

4.1.1. Parâmetros de qualidade da água – Principais parâmetros indicadores da poluição verificada nas campanhas de monitoramento na BH do Rio Paraopeba.

Desde a ruptura da barragem em Brumadinho/MG, estão sendo realizados monitoramentos ao longo do curso hídrico da bacia hidrográfica do Rio Paraopeba, da pluma de sedimentos, além de coletas e análises de amostras de água. A Figura 3 apresenta os pontos de monitoramento de qualidade da água, realizado pela Companhia de Pesquisa de Recursos Minerais – CPRM. Após a ruptura da Barragem I iniciou-se uma campanha de monitoramento de qualidade de água pelo CPRM (Serviço Geológico do Brasil), IGAM (Instituto Mineiro de Gestão das Águas), COPASA (Companhia de Saneamento de Minas Gerais) e VALE ao longo do Rio Paraopeba e seus principais afluentes.

25

Figura 3. Pontos de monitoramento de qualidade da água. Fonte: CPRM.

Os monitoramentos são realizados diariamente e dentre os parâmetros avaliados estão condutividade elétrica, oxigênio dissolvido, pH, temperatura, turbidez, sólidos totais, sólidos dissolvidos totais, totais de sólidos em suspensão; metais: alumínio dissolvido, ferro dissolvido, manganês total além de contaminantes. De acordo com Wachholz e Filho (2008), a água é considerada um elemento opticamente ativo, principalmente no que tange ao total de sólidos em suspensão e à clorofila, ambos influenciam no aspecto relacionado à refletância. A principal função desses elementos para o aumento da refletância está associada ao processo de dispersão da clorofila proveniente à cor verde e para o total de sólidos em suspensão, correspondente à cor vermelha.

4.1.2. Clorofila-a

O parâmetro relacionado à concentração de clorofila é considerado um importante fitoplâncton às condições da água e, especialmente ao processo de eutrofização. Quanto maior a disponibilidade de nutrientes e matéria orgânica no meio, maior é a reprodução desses organismos, portanto, medir sua concentração é avaliar a qualidade da água de um corpo hídrico (BASTOS, 2002). Segundo Coelho (2004), a clorofila-a é o tipo mais comum entre as clorofilas (a, b, c e d), sendo um importante parâmetro para avaliar a qualidade da água. É constantemente utilizada como indicador da produção de biomassa de algas, responsável pela qualidade da água em ambientes lênticos, uma vez que as diversas espécies de algas são responsáveis pelo processo de eutrofização em corpos d’água. Lamparelli (2004) pontua que ambientes lóticos, são regiões marginais onde há uma concentração de volume de água maior, quando comparados aos ambientes lênticos, que são regiões onde são encontradas concentrações elevadas de fósforo e menores concentrações de clorofila-a. O acúmulo de clorofila-a indica a ocorrência do nível de crescimento de algas, como resposta do referente corpo hídrico ao agente causador.

26

De acordo com Salienta Lamparelli (2004) a clorofila-a é um tipo de pigmento responsável pela produção da fotossíntese, como também é um indicador da produção de biomassa, possui limitações por apresentar diferentes espécies que apresentam concentrações distintas de clorofila-a, para a mesma biomassa de algas. De acordo com Oliveira (2010) em um estudo realizado na Barra Bonita no estado de São Paulo no ano de 2008, foram catalogados três diferentes tipos de espécies de cianobactérias pertencentes à classe Cyanophycea – ordem Chroococcales (Microcystis aeruginosa, Microcystis panniformis e Microcystis cf. wesenbergii). Mediante a análise, constatou-se uma elevada concentração de clorofila-a, sendo que no período de estiagem foi 214,94 24,43 μg/L e no período de chuvas foi 87,61 4,69 μg/L. Tais valores mostram que durante o período de estiagem a concentração de nutrientes é maior, e isso acarreta uma elevada concentração de clorofila-a nas águas do reservatório, além de estar acima do permitido e estabelecido pela legislação da Resolução do CONAMA 357/2005. Trabalhos realizados em ambientes temperados utilizam apenas as concentrações de clorofila-a durante o período de primavera e verão, no qual há uma maior produtividade do fitoplâncton. Segundo Canter-Lund e Lund (1995) a velocidade de escoamento das águas dos rios, além da taxa de exportação de organismos, implicam em menor densidade algal no período de primavera-verão não havendo tempo para a multiplicação dos organismos e, consequentemente, a reposição da biomassa perdida. De acordo com Jensen (2011) a ferramenta do sensoriamento remoto é empregada nas mais diversas áreas, dentre elas a análise de recursos da Terra, tal como a água. O monitoramento da qualidade da água por meio do sensoriamento remoto tem sido muito utilizado por inúmeros pesquisadores ao redor do mundo. O estudo da clorofila-a é de suma importância, visto que quando presente em altas concentrações afeta drasticamente o comportamento espectral da água, contribuindo para a sua identificação através de sensores multiespectrais. A reflectância da água se altera de acordo com a concentração de clorofila presente. Conforme esse aumento, a quantidade de clorofila tende a diminuir a reflectância no comprimento de onda do azul e aumentar na do verde, essas alterações servem para controlar a presença e estimar a concentração de algas por meio de dados provenientes de sensoriamento remoto (LILLESAND et al., 2007). O aumento da clorofila-a está associado com a diminuição na quantidade relativa de energia da banda azul (0,45–0,52 µm) e aumento na verde (0,52–0,60 µm) (FRIESE et al.,

27

2010), e geralmente se utiliza para sua determinação a razão entre os canais 704 e 675 nm (LI et al., 2010). De acordo com Duan et al. (2007) as concentrações de clorofila-a (Chl-a) e a matéria total em suspensão (TSM) são indicadores importantes para avaliar a qualidade da água dos lagos. A concentração de chl-a pode ser usado para estimar o grau de eutrofização e como proxy da produtividade primária em ambientes aquáticos mesotróficos e eutróficos. A TSM afeta diretamente a transmissão de luz na água e está intimamente relacionado às propriedades ópticas da transparência e turbidez da água. Segundo Chen et al., (2011), muitos estudos estimaram a distribuição da concentração de clorofila-a em corpo hídrico baseado em dados do Landsat-TM, indicando alta concentração de clorofila-a na região oeste, norte e central do Lago Taihu, na China, e baixa na região sul. Le et al. (2009), aplicaram um algoritmo baseado em três e quatro bandas para detectar concentração de clorofila-a no Lago Taihu. Chen et al., (2011), utilizaram a razão de bandas do Landsat-TM (2 e 3), bem como relações angulares e altura do espectro considerando as três bandas do visível, para estimar a clorofila-a. Torbick et al. (2008) nos últimos 30 anos, realizaram estudos para monitorar as concentrações de Chl-a e TSM em lagos enquanto dados de satélite. Os dados do espectrorradiômetro de imagem de resolução moderada (MODIS - Moderate-Resolution Imaging Spectroradiometer) foram usados para observar a proliferação de algas e monitorar variações sazonais da concentração de Chl-a no lago Taihu, China. Wang et al., (2008) aplicaram dados do espectrômetro de imagem de média resolução (MERIS) para obter séries temporais das concentrações de Chl-a para as 50 maiores massas de água parada da África do Sul e de longo prazo padrões no lago Poyang, China Feng et. al. 2014. Outro estudo determinou as mudanças espaciais e temporais na a concentração de TSM no lago Poyang ao usar dados MODIS de 2000 a 2010.

4.1.3. Turbidez

A turbidez é caracterizada pela concentração de matéria orgânica dissolvida e de partículas sólidas em suspensão, que reduzem a sua transparência. Pode ser provocada também pela presença de algas, plâncton e muitas outras substâncias como o zinco, ferro, manganês, argila, silte, areia e outros microorganismos resultantes de despejos domésticos e industriais (TONON et al. 2013). O processo erosivo também é um fator que ocasiona a

28

modificação da turbidez, proveniente da movimentação de sedimentos do solo (BUZELLI; CUNHASANTINHO, 2013). A turbidez é estabelecida pela sua capacidade de dispersar radiação, pela passagem de um feixe de luz que sofre ao ultrapassar a água, em decorrência das partículas suspensas. Essas partículas podem ser de origem orgânica ou inorgânica, os quais podem ser coloidais e até sólidos de variadas dimensões (CETESB, 2009). Gholizadeh et al (2005) relatam que os ecossistemas fluviais têm recebido relativamente pouca atenção no monitoramento da turbidez da água quando comparado com grandes águas abertas, como oceanos e áreas costeiras, ou relativamente quieto ou águas regionais de fluxo lento, como estuários, lagos e reservatórios. Isso ocorre porque os sistemas fluviais têm características dinâmicas mais óbvias em pouco tempo, e as propriedades ópticas são mais complexas sob as influências da hidrodinâmica rápida, fortes eventos de mudança climática e atividades antropogênicas. Portanto, identificar o padrão de turbidez e as variações espaço-temporais em rios complexos exige abordagens não tradicionais. A tecnologia de sensoriamento remoto tem sido amplamente utilizada na extração de vários parâmetros de qualidade da água, incluindo turbidez em grandes áreas em virtude de seu monitoramento síncrono cíclico, em larga escala e rápido. Estudos realizados por Shen et al., (2010); Falcini et al., (2012); Lorthiois et al., (2012); Schroeder et al., (2012), observaram que a Terra tem sido amplamente usada para rastrear plumas de rios turvos, para mapear a qualidade da água em ecossistemas estuarinos (CHEN et al., 2007; DOXARAN et al., 2009), para descrever processos de mesoescala e sua dinâmica ( BIGNAMI et al., 2007; ELEVELD et al., 2008; NECHAD et al., 2009; SHI & WANG, 2014) e a ressuspensão de estudos em águas rasas devido à ação das marés, vento e ondas ( BOOTH et al. , 2000; WALKER et al., 2005; VOLPE et al., 2011; ELEVELD, 2012; VANTREPOTTE et al., 2013). A maioria desses estudos foi baseada em dados adquiridos dos sensores MERIS, MODIS, SeaWiFS ou AVHRR, que possuem uma resolução espacial que varia de 250 m a 4 km e tempo de visita de 1 e 3 dias. Apesar de sua alta frequência, a resolução espacial grosseira desses dados permitiu investigações da escala global para a regional, impedindo uma observação e descrição detalhada dos padrões de turbidez em escala local. Os sensores Landsat e SPOT, com tamanho de pixel de cerca de 10 e 30 m, foram usados para mapear a turbidez dinâmica em pequena escala usando apenas um número limitado de , (DOXARAM et al., 2002; PHINN et al., 2005; WANG et al., 2009; PAHLVAN et al., 2012; ALDABASH & SALI, 2016). Atualmente, é provável que essas aplicações aumentem, pois o Landsat 8 (L8) fornece dados interessantes para o estudo

29

de ambientes aquáticos devido à alta resolução radiométrica e espacial e cobertura espectral ( IRONS et al., 2012; PAHLEVAN et al., 2014; BRADO et al., 2015).

4.1.4. Sólidos Totais em Suspensão

Para a CETESB (2009), os sólidos nas águas refletem toda matéria que mantém-se como resíduo, após evaporação, secagem ou calcinação da amostra, tendo em vista uma temperatura preestabelecida num período de tempo fixado. A razão entre a massa do resíduo e a massa da amostra é que nos fornece a concentração de sólidos totais (CHELLA et al., 2005). Os sólidos totais são matérias que permanece como resíduo após a evaporação da amostragem da água, em uma temperatura pré-estabelecida durante um tempo determinado. Dessa forma, os resíduos seriam o equivalente ao conteúdo de matéria suspensas e dissolvidas na água (CETESB, 2009). A estimativa de SST desenvolve o papel de agente adsorvedor de poluentes químicos e outros compostos que são totalmente prejudiciais à biota terrestre e aquática. Altos níveis de SST provocam a redução da zona eufótica, diminuição da atividade primária, bem como danos aos organismos bentônicos (BILOTTA e BRAZIER, 2008). Diversos estudos vêm sendo realizado no Brasil, Lobo et al.,(2014) realizaram uma análise de concentrações de SST sob a utilização de uma série de dados de Landsat, através do processamento de imagens utilizando-se o sensor OLI, com o intuito de identificar a relação da atividade extrativista de ouro no Rio Tapajós (Amazônia), associado aos picos de concentração de SST. Conclui-se através dos estudos que as elevadas concentrações de SST aconteciam desde a época de 1990, onde a atividade de mineração no estado era altamente acentuada. Pahvelan et al., (2014) analisaram a susceptibilidade das bandas do sensor OLI para estimar as concentrações de SST, concentrações de clorofila-a (Chl-a) e coeficiente de absorção de matéria orgânica dissolvida colorida (CDOM), i.e., a CDOM. Com base nas simulações realizadas pelo programa Hydrolight (MOBLEY, 2000), incluindo os efeitos atmosféricos e a função resposta espectral do sensor, foi possível finalizar a análise, obtendo como resultado bandas do sensor OLI/L8 sensíveis às variações de concentrações de SST de 0,1 g.m- ³.

30

4.1.5. Fluxo de Dióxido de Carbono (CO2flux)

O índice CO2flux (RAHMAN et al., 2000) é responsável por medir a eficiência do processo de sequestro de carbono pela vegetação (RAHMAN et al., 2001; BAPTISTA, 2003). Para a sua finalidade é utilizada a integração do NDVI (Normalized Difference Vegetation Index) juntamente com o sPRI (Photochemical Reflectance Index reescalonado para valores positivos). Para Baptista (2003, 2004) quanto maior for à produção e atividade fotossintética, ocorrerá um aumento das feições em relação à absorção nas faixas do azul e do vermelho. O Índice de vegetação por Diferença Normalizada (NDVI), foi desenvolvido por Rouse et al. (1973), onde utiliza as bandas do vermelho e do infravermelho num dado processo de diferença normalizada pela soma, que objetiva apresentar o percentual da relação de uma banda associada com a outra. Essa soma permite uma clara distinção das áreas com vegetação, devido à relação da absorção na faixa do vermelho e o pico de reflectância na faixa do infravermelho próximo, o que permite a medição da intensidade da banda de absorção ou feição espectral.

Diversos estudos vêm sendo realizado para analisar o índice de CO2flux, um deles foi realizado na Amazônia Brasileira, neste estudo foi feito a assimilação e liberação de CO2 que vem sendo desenvolvida para compreende o compatibilidade biosfera-atmosfera, evidenciando as medidas diretas de concentrações e de fluxos de CO2 nas florestas tropicais.

A metodologia foi desenvolvida a partir da modelagem do CO2flux que mede a eficiência do processo de sequestro de carbono pela vegetação, a partir da integração do NDVI, EVI e

EVI com o sPRI e validada pelo índice, I CO2, que é determinado pela intensidade da feição de absorção do gás centrada em 2,0 μm. O índice I CO2 mostrou-se muito eficiente na validação do modelo de sequestro florestal de carbono, além de apresentar melhor ajustamento para dados de fluxo no pixel, apresentando correlação positiva indicando que, à medida que aumenta o fluxo de CO2 na coluna do ar atmosférico, também, eleva-se os valores de ICO2 nas imagens do sensor Hyperion, e, expõe que 71% do fluxo de CO2são explicados pelo teor de CO2 disponível na coluna atmosférica nos ambientes estudados. Aguiar et al. (2006) realizaram um estudo na qual efetuaram medidas de fluxo de

CO2, calor sensível e calor latente por meio do método de covariância de vórtices turbulentos. Os autores averiguaram que os padrões de variabilidade sazonal e o ciclo diurno dos fluxos de massa e energia atuam na floresta tropical úmida da Amazônia Brasileira.

31

Araújo et al. (2008) apresentam resultados sobre as medições de fluxos de CO2 e vapor de água no dossel das florestas tropicais. As medições de CO2 ao longo de perfis verticais e topos sequência indicaram que a concentração máxima de CO2 se dá pela madrugada, com elevado acúmulo de CO2 na estação seca. Além disso, os vales acumulam uma quantidade maior de CO2 do que os planaltos, dependendo da estabilidade atmosférica. Miller et al. (2011),em estudo sobre os impactos gerados nas áreas de manejo florestal,concluíram que o manejo de impacto reduzido causou diminuição na produção primária bruta de CO2, proporcionais à perda da copa, processo de respiração e mortalidade de árvores. Assim, o processo de manejo da floresta com impacto reduzido fornece uma estratégia de gestão para minimiza os riscos climáticos, associados às grandes mudanças de uso da terra.

4.2. Impactos Ambientais na Exploração Mineral

Farias (2002) retrata que as atividades antrópicas desempenhada pelo setor minerário está presente em nosso território há vários séculos e vêm acarretando uma série de problemáticas ambientais no uso do solo e subsolo, além de causar o crescimento exorbitante e de forma desordenada da urbanização, pecuária, construção de barragens visando a geração de hidroeletricidade, uso não controlado de água subterrânea, dentre outras. De acordo a Companhia de Pesquisa de Recursos Minerais – CPRM (2002), os principais problemas oriundos da mineração podem ser elencados em quatro categorias: solo/subsolo, água, ar e seres humanos. Atualmente as atividades desenvolvidas pelo setor minerário vem ganhando notoriedade e espaço para discursão, tanto na espera ambiental quanto social. É um setor que vem sendo monitorado por empresas multinacionais ou pela aliança corporativa destas associadas com empresas nacionais. As atividades desenvolvidas, sejam elas de pequena e grande escala, são totalmente prejudiciais ao meio ambiente, visto que, geram uma grande quantidade de resíduos que trazem consigo impactos significativos (KITULA, 2006). Balkau (1995) elenca os impactos negativos decorrentes da atividade minerária em três classes:  Impactos ambientais: Engloba situações como a destruição de habitats naturais, deposição de rejeito e estéreis, intervenção em cursos d’água e na geomorfologia, dentre outros;

32

 Impactos de poluição: Compreende as drenagens ácidas, lançamento de efluentes, assoreamentos, contaminação de solo e lençol freático por meio de óleos e graxas, dentre outros;  Impactos de saúde ocupacional: Controle de substâncias tóxicas, inalação de poeira e produtos nocivos ao sistema respiratório, exposição ao calor, ruído, vibração, radiação, riscos de acidentes, condições inadequadas de trabalho, dentre outras. Bacci et al. (2006) mencionam que os principais impactos negativos decorrentes da atividade minerária estão associadas às diversas fases de exploração como: a abertura da cava (retirada da vegetação, escavações, movimentação de terra e alteração da paisagem local); o uso de explosivos no desmonte de rocha (sobrepressão atmosférica, vibração do terreno, ultralançamento de fragmentos, fumos, gases, poeira, ruído); e o transporte e beneficiamento do minério (geração de poeira e ruído), afetando, assim, os meios físico, biótico e antrópico. Outro fator relevante aos impactos ambientais na exploração mineral é a poluição atmosférica que não é causada diretamente pela lavra, mas pela poeira e pela lama, que são trazidas das minas para as cidades por ônibus, caminhões e automóveis que prestam serviços às mineradoras (MILANEZ, 2011). É notório, que o setor minerário também gere seus impactos positivos, a exemplo do desenvolvimento da economia brasileira, que consequentemente viabiliza a mão de obra local, intensifica a dinamização da economia em consequência do consumo de produtos, ocorrendo assim uma maior rentabilidade no município onde está localizado o empreendimento minerário.

4.2.1. Sedimentos depositados pela exploração mineral nos corpos d’água

O sedimento em suspensão é um tipo de poluente mais comum encontrado na natureza, quanto em peso quanto em volume, encontrado nas águas doces superficiais, em consequência de uma radiação emergente da superfície da água na faixa do visível e do infravermelho próximo do espectro eletromagnéltico (RITCHIE et al., 1976). O sensoriamento remoto pode ser utilizado para monitorar concentrações de sedimentos em suspenção, requisitando medidas in situ de concentrações de sedimentos para que possa comparar com os dados do sensor remoto, ocasionando uma relação quantitativa (JENSEN, 2009).

33

4.2.2. Desastres ambientais e suas causas nos recursos hídricos

A água é considerada como um recurso natural limitado, imprescindível e essencial para a qualidade da vida humana. No Brasil, os recursos hídricos superficiais retratam 11% da água do planeta, sendo que a bacia hidrográfica do rio Amazonas detém 71,1% da vazão nacional (GIATTI e CUTOLO, 2012). A comunidade ribeirinha que vivia aos arredores da Bacia Hidrográfica do Rio Paraopeba, dependiam dos recursos hídricos para realizarem suas atividades diárias, seja ela para dessedentação, transporte, a água constitui-se como um elemento essencial e vital para a vida daqueles moradores. Segundo Milanez (2017), a relação dos recursos hídricos com os impactos procedentes da atividade minerária, decorrem empelo menos três níveis. Primeiramente, existe um aumento no consumo de água; em segundo lugar, há problemas associados à extração mineral em si, que pode levar a degradação do lençol freático e ao comprometimento da recarga dos aquíferos; por fim, existe o risco de contaminação dos corpos hídricos. A contaminação dos cursos d’água é um impacto significativo das atividades de mineração. O despejo de sedimentos produzidos em abundância pode conter substâncias tóxicas e inflamáveis, a níveis perigosos de arsênico, chumbo, cádmio, cromo, níquel e cianeto (se usado cianeto no processo de lixiviação), (ELAW, 2010). Outro tipo de impacto sobre os recursos hídricos associados à extração mineral diz respeito ao rompimento de barragens de rejeito. Parte significativa da opinião pública brasileira somente tomou conhecimento desse tipo de desastre com o rompimento da barragem do Fundão, em Mariana (MG), e a consequente destruição do vale do Rio Doce. As consequências desses rompimentos para os recursos hídricos são as mais diversas: contaminação dos rios por metais, assoreamento, elevada mortandade de peixes, destruição de mata ciliar e interrupção de sistemas de abastecimento públicos (ZONTA & TROCATE, 2016). Assim, os impactos da atividade de extração mineral sobre os corpos d’água são extensos e complexos. Eles podem se dar pelo elevado consumo, pelas mudanças nos regimes hídricos, ou pela poluição hídrica. Além disso, não se limitam ao local da mina, podendo comprometer integralmente as bacias hidrográficas.

34

4.2.3. Rompimento Barragem de Brumadinho (MG)

Barragens de Mineração são estruturas construídas, destinada a conservar a os resíduos sólidos e a água, oriundos do processo de extração e beneficiamento de minérios (DNPM, 2017). No Brasil, existem aproximadamente 769 barragens de mineração, entretanto, apenas 425 corresponde a (55%) e estão incorporadas no Sistema de Politica Nacional de Segurança de Barragens – PNSB. Esta estimativa demonstra uma aproximação de inúmeras barragens rompidas e associadas a grandes catástrofes, principalmente no Estado de Minas Gerais, que comporta 219 barragens (ANM, 2019). De acordo com Aires et al. (2018), o rompimento de barragens de mineração de rejeito provoca inúmeras ocorrências bruscas na superfície terrestre além de promover impactos, como alteração no ciclo hidrológico, problemas socioeconômicos, alteração do meio físico e biótico, mortes e complicações na saúde e bem-estar da população. No dia 25 de janeiro de 2019, pouco tempo depois do ocorrido de Mariana, Minas Gerais (MG), houve indícios de um novo rompimento de barragem de rejeitos, associado também ao município de Brumadinho (MG), ambas vinculadas à mineradora Vale S.A (G1, 2019). Diante de todo o impacto ocasionado com o rompimento da barragem, constatou-se um grande número de mortes, onde foram contabilizados até dia 02 de fevereiro, 110 mortes e 238 pessoas desaparecidas após a tragédia (G1, 2019). Esse número está intimamente relacionado com a localização que parte da população estava inserida dentro da área administrativa da empresa, que abrangia proximidades à barragem rompida e de residências, que se expandiam ao longo da mina. As áreas atingidas pela lama, foram mapeadas através de séries temporais de dados com alta resolução do Google Earth Pro associado ao sistema de Informações geográficas QGIS, de acordo com a metodologia proposta por Pereira, Guimarães e Oliveira (2018). Conforme Lopes, (2016) os rejeitos oriundos da mineração de Brumadinho atingiram as partes baixas do relevo, o vazamento de rejeitos contaminou os recursos hídricos locais, da mesma maneira que o Rio Paraopeba. O vazamento dos rejeitos ocasionou a morte de vários animais aquáticos, acarretando o aumento exorbitante de cargas sedimentares. Os 12 milhões de metros cúbicos de lama procedentes da barragem suspende o transporte de sedimentos com o passar do tempo provocando o assoreamento das margens do

35

leito e barragens de hidrelétricas da bacia do Rio Paraopeba e São Francisco, além de degradar os mananciais subsuperficiais (MAGRIS et al., 2019).

4.3. Sensoriamento Remoto no Monitoramento Ambiental

O uso do sensoriamento remoto tem se mostrado como uma ferramenta eficiente de grande aplicabilidade, no que tange às questões que se remetem ao monitoramento ambiental. As imagens projetadas por meio de satélites estão cada vez mais em alta e se popularizam a cada dia, através do Google Earth, plataforma acessada por milhares de pessoas do mundo inteiro (FERREIRA et al, 2008). Estudos têm demonstrado que o sensoriamento remoto pode ser usado na estimativa de parâmetros individuais de qualidade da água (VENTURA, 2013), assim como para a avaliação de dados limnológicos de reservatórios de água (CUNHA et al., 2013). O monitoramento da qualidade da água é importante para a espacialização das problemáticas que a mesma vem apresentando na geração dos resultados. As técnicas de análise introduzidas com a utilização do sensoriamento remoto facilitam a integração e espacialização de dados, para realizar estimativas de parâmetros da qualidade da água, assim como, a articulação do processo de integração entre o planejamento ambiental e a gestão dos recursos hídricos (HARTMANN et al., 2010). O uso de Sistemas de Informações Geográficas (SIG) tem sido uma ferramenta de grande valia na espacialização da qualidade da água, que permite várias possibilidades por meio de análise amostrais. Esta tecnologia tem sido alvo de crescente utilização no planejamento ambiental com forte adesão na gestão dos recursos hídricos, planejamento e gestão da bacia hidrográfica como um todo (LOPES et al., 2015). Sensoriamento remoto é adotado por Menezes Almeida (2012) como uma ciência que possibilita a obtenção de imagens da superfície terrestre, através da detecção e mensuração das respostas do campo eletromagnético com os materiais terrestres. Nesse contexto, o sensoriamento remoto tornou-se uma ferramenta alternativa, de menor custo financeiro e com maior transmissibilidade para realização de monitoramento, análises técnicas de campo e mapeamento para planejamento ambiental e urbano.

36

4.3.1. Sensores orbitais

Em sensoriamento remoto o uso de sensores orbitais tem-se constituído um importante elemento e pode ser dividido em duas categorias, sendo eles: passivos ou ativos. Os sensores passivos são aqueles que registram a energia eletromagnética refletida ou emitida pelo objeto alvo, com radiação do sol refletida solar) ou radiação proveniente do calor (termal). São exemplos de sensores passivos, os sensores satélites como o Operational Land Imager (OLI) a bordo do satélite Landsat 8 e a Moderate Resolution Imaging Spectroradiometer (MODIS), a bordo dos satélites TERRA e AQUA. Já os sensores ativos, são aqueles que concedem fonte própria de energia eletromagnética, a exemplo os radares, sonares, sensores ativos de dossel (como o Crop Circle e Greenseeker) e Light Detection and Ranging – LiDAR (ZANARDI et al., 2013). Os sistemas sensores orbitais exploram as características de uma plataforma embarcada em uma órbita que deve ser:  Circular, para garantir que as imagens tomadas em diferentes regiões da Terra tivessem a mesma resolução e escala;  Permitir o imageamento cíclico da superfície, para garantir a observação periódica e repetitiva dos mesmos lugares;  Ser síncrona com o Sol (heliossíncrono), para que as condições de iluminação da superfície terrestre se mantivessem constantes;  Horário da passagem do satélite deve atender às solicitações de diferentes áreas de aplicação (geologia, geomorfologia, agricultura, etc..). A tabela 1 apresenta as características dos satélites Landsat, SPOT e ERS-1.

Tabela 1. Características dos satélites Landsat, SPOT e ERS-1.Fonte: Adaptado de USGS (2016). Landsat 4 e 5 SPOT 1 e 2 ERS-1 circular circular circular Órbita 98,2 graus 98,7 graus 98,5 graus heliosincrono heliosincrono heliosincrono Período 99 minutos 97 minutos 100,467 minutos Altitude 705 km 832 km 785 km Cruzamento 9:45 horas 10:39 horas 10:30 horas (desc.) Ciclo 16 dias 26 dias 35 dias (SAR) Órbita adj. 172 km 108 km 100 km Órbita suc. 2.750 km 2.700 km -

37

A Tabela 2 a seguir apresenta as características de resolução dos sistemas sensores Thematic Mapper (TM), Haute Resolution Visible (HRV) e Advanced Very Resolution Radiometer (AVHRR), a bordo dos satélites Landsat, SPOT e NOAA, respectivamente.

Tabela 2. Características dos sensores (TM), (HRV) e (AVHRR), a bordo dos satélites Landsat, SPOT e NOAA. Fonte: Adaptado de USGS (2016). TM HRV AVHRR Freqüência da 16 dias 26 dias 2 vezes ao dia aquisição de imagens Resolução espacial 30 m 20 m (Banda1 a 3) 1.1 km (nominal) 120 m (Banda6) 10 m (Pan) Resolução 8 bits 8 bits (1-3) 8 bits radiométrica 6 bits (Pan) Banda1 - 0.45-0.52 Banda1 - 0.50-0.59 Banda 1 - 0.58-0.68 Banda2 - 0.52-0.60 Banda2 - 0.61-0.68 Banda 2 - 0.725-1.1 Resolução espectral Banda3 - 0.63-0.69 Banda3 - 0.79-0.89 Banda 3 - 3.55-3.93 bandas espectrais Banda4 - 0.76-0.90 Pan - 0.51-0.73 Banda 4 - 10.30- (micrômetros) Banda5 - 1.55-1.75 11.30 Banda6 - 10.74-12.5 Banda 5 - 11.50- Banda7 - 2.08-2.35 12.50

As diferentes bandas espectrais dos sensores têm aplicações distintas em estudos de sensoriamento remoto. Para orientar o usuário na seleção das melhores bandas a serem utilizadas no seu projeto, apresenta-se as tabelas 3 e 4 a seguir:

Tabela 3. Banda espectral (Satélite Landsat – Sensor TM). Fonte: Adaptado de USGS (2016). Satélite Landsat – Sensor TM Canal Faixa Espectral (um) Principais aplicações 2 0.52 - 0.60 Reflectância de vegetação verde sadia Absorção de clorofila 3 0.63 - 0.69 Diferenciação de espécies vegetais Levantamento de biomassa 4 0.76 - 0.90 Delineamento de corpos d'água 5 1.55 - 1.75 Medidas de umidade da vegetação Diferenciação entre nuvens e neve 6 10.4 - 12.5 Mapeamento de estresse térmico em plantas Outros mapeamentos térmicos 7 2.08 - 2.35 Mapeamento hidrotermal

38

Tabela 4. Banda espectral (Satélite NOAA – Sensor AVHRR). Fonte: Adaptado de USGS (2016). Satélite NOAA – Sensor AVHRR Canal Faixa Espectral (um) Principais aplicações 1 0.58 - 0.68 Mapeamento diurno de nuvem, gelo e neve Definição de feições de solo e cobertura vegetal Delineamento da superfície da água 2 0.725 - 1.1 Definição de condições de fusão de neve e gelo Avaliação da vegetação e monitoramento metereológico (nuvens) Mapeamento noturno e diurno de nuvens 3 3.55 - 3.93 Análise da temperatura (C) da superfície do mar Detecção de pontos quentes (incêndios) Mapeamento noturno e diurno de nuvens Medição da superfície do mar, lagos e rios 4 e 5 10.30 - 11.30 (4) Detecção de erupção vulcânica 11.50 - 12.50 (5) Umidade do solo, atributos metereológicos das nuvens Temperatura da superfície do mar e umidade do solo

4.3.1.1. Sensor OLI

O satélite Landsat – 8 foi lançado no ano de 2013, como um elemento primordial que aprimorou a capacidade de imagem desta série, apresentando diversificadas faixas espectrais de infravermelho, azul e de onda curta (SWIR), priorizando o melhoramento do sinal/ruído do sensor e a resolução radiométrica das imagens. O sensor Operational Land Imager (OLI) disponibiliza imagens ópticas com 30 m de resolução espacial, faixa imageada de 185 km, oito bandas espectrais e dezesseis dias de resolução temporal ( ZHU & WOODEOEK, 2014; SOTHE et al., 2017). O sensor (OLI) – Landsat 8 apresenta três novos modelos de bandas, a banda azul relacionada a estudos voltados a zona costeira e estudos de aerossol; a banda do infravermelho de ondas curtas para detecção de cirrus =; uma banda de avaliação relacionada a qualidade. O sensor do infravermelho (TIRS – Thermal Infrared Sensor) disponibiliza duas bandas do termal. Estes sensores fornecem uma melhor relação sinal-ruído (SNR) de desempenho radiométrico quantizado por meio de uma gama dinâmica de 12 bits. O sensor oferece melhor desempenho perante ruídos, permitindo uma melhor caracterização do uso de cobertura do solo (USGS, 2013). Com relação à resolução espacial, o sensor OLI possui as de 1, 2, 3, 4, 5, 6, 7, e 9 possuem uma resolução de 30 metros; as bandas termais 10 e 11 possuem uma resolução de 100 metros; e a banda 8 (pancromática) possuem uma resolução de 15 metros (NASA, 2013). Na tabela 5 seguem as características espectrais dos instrumentos imaginadores OLI e TIRS.

39

Tabela 5. Comprimento de onda das bandas espectrais do satélite Landsat-8. Fonte: Adaptado de USGS (2016). Banda Espectral Comprimento de onda (µm) Resolução (metros) Band 1 – Coastal aerosol 0.43 – 0.45 30 Band 2 – Blue 0.45 – 0.51 30 Band 3 – Green 0.53 – 0.59 30 Band 4 – Red 0.64 – 0.67 30 Band 5 – Near Infrared (NIR) 0.85 – 0.88 30 Band 6 – SWIR 1 1.57 – 1.65 30 Band 7 – SWIR 2 2.11 – 2.29 30 Band 8 – Panchromatic 0.50 – 0.68 15 Band 9 – Cirrus 1.36 – 1.38 30 Band 10 – Thermal Infrared (TIRS) 1 10.60 – 11.19 100 Band 11 – Thermal Infrared (TIRS) 2 11.50 – 12.51 100

As bandas espectrais são programas para atender determinado propósito quanto ao monitoramento ou detecção de um alvo da superfície terrestre. No específico, o sensor Landsat-8/OLI, a banda 2 foi idealizada para mapeamento batimétricos e diferenciação entre solo e vegetação; a banda 3 evidencia o pico de reflexão da vegetação no visível; a banda 4 destaca a inclinação da curva espectral da vegetação, também chamada de slope; a banda 5 reforça o limite da vegetação entre a água e solo; a banda 6 é utilizada para observação do estresse hídrico em plantas e também é uma banda frágil a radiação emitida no termal; já a banda 7 é capaz de detectar alvos de calor durante a noite (USGS, 2013b). Os sensores OLI proporcionam um melhor desempenho radiométrico, quantificado em uma faixa dinâmica de 12 bits. Essa melhoria (uma vez que as imagens anteriores possuíam 8 bits) possibilita uma maior caracterização de alvos da imagem, e podem contribuir bastante para a diminuição do efeito de sombras. As imagens que são obtidas pelo satélite OLI do Landsat 8 apresentam informações espectrais chamadas de números digitais (DN), e estão associadas ao nível de cinza e dependem do formato na imagem (NOVO, 2010). No Brasil, Lobo et al. (2014) realizaram estimativas de concentrações de SST a partir de uma série de dados Landsat, a partir do processamento de imagens OLI, com o objetivo de identificar a relação entre a atividade extrativista de ouro no Rio Tapajós (Amazônia), e os picos de concentrações de SST. O estudo demonstrou que as maiores concentrações de SST ocorreram principalmente na década de 1990, onde a atividade mineradora foi intensiva. Gerace et al. (2013) também averiguaram o potencial do sensor OLI/L8 para estimar as concentrações de COAs para sistemas aquáticos complexos (Baía de Rochester no Lago

40

Ontario, e algumas outras baías e lagoas da região costeira de Nova York), por meio de uma comparação do sensor OLI/L8 com outros sensores remotos: ETM+/L7; Airborne Visible InfraRed Imaging Spectrometer (AVIRIS) e MERIS/ENVISAT. Devido à importância das características dos sensores nas estimativas de concentração, o estudo foi desenvolvido em três etapas: simulação dos dados espectrais pelo Hydrolight (MOBLEY, 2000), processo de quantização dos sinais simulados conforme as resoluções radiométricas dos sensores considerados; e acréscimo do ruído calculado para cada sistema sensor. Os resultados foram favoráveis ao uso do sensor OLI/L8, quando comparado ao sensor ETM+/L7, uma vez que os erros de estimativas de concentrações de SST, concentração de Chl-a e aCDOM foram menores em todas as etapas investigadas. 24 Ao comparar as mesmas resoluções espaciais, 300 metros para o MERIS/ENVISAT e uma janela de 10x10 pixels do sensor OLI/L8, os erros de estimativa dos dados OLI/L8 foram aproximadamente 2% menores que os erros decorrentes dos dados do MERIS/ENVISAT. Quanto à sensibilidade do sensor OLI/L8, os resultados mostraram que o sensor OLI/L8 pode atingir similar sensibilidade do sensor MERIS/ENVISAT em uma janela de 3x3 pixels sem perda significativa de resolução espacial. Pahvelan et al. (2014) avaliaram a sensibilidade das bandas do sensor OLI para estimar as concentrações de SST, concentrações de clorofila-a (Chl-a) e coeficiente de absorção de matéria orgânica dissolvida colorida (CDOM), i.e., aCDOM. A partir de simulações realizadas pelo programa Hydrolight (MOBLEY, 2000), incluindo os efeitos atmosféricos e a função resposta espectral do sensor, foi possível concluir que as bandas do sensor OLI/L8 foram sensíveis às variações de concentrações de SST de 0,1 g.m- ³.

4.3.1.2. Sensor MSI

O Sentinel-2, é um satélite com sensor multiespectral de resolução espacial média produzido pela Agência Espacial Europeia (ESA), foi projetado para assegurar a continuidade da cobertura de dados globais da Terra realizada pelas séries de satélites LANDSAT e SPOT (do francês Satellite Pour l'Observation de la Terre). Esta missão foi lançada em 2015 e o sensor MultiSpectral Instrument (MSI) apresenta uma larga faixa imageada (290 km), boa resolução temporal (cinco dias, com dois satélites), resolução espacial alta e média (10, 20 e 60 m) e um número relativamente alto de bandas (13 bandas espectrais), e o tamanho da cena disponibilizada é de 100 por 100 km (DRUSCH et al., 2012; SOTHE et al., 2017a).

41

O satélite Sentinel-2 é constituída de 2 satélites (A e B), com órbita sol-síncrona e altitude média de 800 km e que, juntos, têm a capacidade de revisita de 5 dias no equador, e de 2 a 3 dias nas latitudes médias (EUROPEAN SPACE AGENCY, 2012). O Sentinel-2A foi lançado em 23 de junho de 2015 e o Sentinel-2B lançado em 7 de março de 2017. Cada um tem uma vida planejada de sete anos, e outros lançamentos são planejados com o mesmo instrumento em anos posteriores. O propósito é lançar e manter uma série de satélites Sentinel-2 (nomeados 2A, 2B, etc.) (FLOOD, 2017). O Programa Global Monitoring for Environment and Security (GMES) é uma iniciativa conjunta da União Europeia (UE) e da Agência Espacial Europeia (ESA - European Space Agency). Seu objetivo é prover dados precisos e acessíveis de satélite, rapidamente, a fim de melhorar o gerenciamento ambiental; e entender e mitigar os efeitos das mudanças climáticas, além de garantir a segurança civil (ASCHBACHER et al., 2010). O sensor Sentinel-2 é dividido em 5 famílias de satélite: a missão Sentinel-1, equipada com radar imageador na banda C; a missão Sentinel-2, aparelhado com um imageador multiespectral; a missão Sentinel-3, que será dotada de diferentes instrumentos para medir diversos parâmetros da terra e do mar; e as missões Sentinel-4 e Sentinel-5, voltadas para a aquisição de dados da composição atmosférica (ASCHBACHER et al., 2010). Na tabela 6 é possível observar as características do sistema satélite Sentinel–2.

Tabela 6. Características do satélite Sentinel-2. Fonte: Adaptado de ESA (2017). Satélite Sentinel – 2 Data lançamento 2A – 23/06/2015 2B – 07/03/2017 Instrumentos Sensores MSI Bandas Espectrais 13 bandas Resolução Temporal 5 dias Resolução Radiométrica 12 bits (4096 níveis de cinza) Resolução Espacial 10 𝑚 (Bandas 2 - 4 e 8) 20 𝑚 (Banda 5 - 8A, 11 e 12) 60 𝑚 (Bandas 1, 9 e 10) Sistema Geodésico de Referência WGS84 Sistema de projeção UTM

As bandas do Sentinel-2 cobrem as regiões espectrais do visível (VIS), do infravermelho próximo (NIR) e do infravermelho de ondas curtas (SWIR). As quatro bandas com resolução espacial de 10 metros (2, 3, 4 e 8), foram definidas para manter a compatibilidade com os produtos SPOT, enquanto que as bandas de 20 metros de resolução espacial, foram arquitetadas para observar principalmente as características da vegetação (borda vermelha da vegetação e a banda de absorção da lignina). As bandas de resolução

42

espacial de 60 metros são destinadas a correção atmosférica (ESA, 2017). Na tabela 7 é possível observar as faixas espectrais das bandas disponíveis no satélite Sentinel-2.

Tabela 7. Comprimento de onda das bandas espectrais do satélite Sentinel-2.Fonte: Adaptado de ESA (2017). Banda Comprimento de onda (µm) Banda Espectral Banda 1 0,43 – 0,45 Aerossol Banda 2 0,46 – 0,52 Blue Banda 3 0,54 – 0,58 Green Banda 4 0,65 – 0,68 Red Banda 5 0,7 – 0,71 Red-edge-1 Banda 6 0,73 – 0,75 Red-edge-2 Banda 7 0,76 – 0,78 Red-edge-3 Banda 8 0,78 – 0,90 Near Infrared Banda 8A 0,85 – 0,87 Near Infrared plateau Banda 9 0,93 – 0,95 Water vapor Banda 10 1,36 – 1,39 Cirrus Banda 11 1,56 – 1,65 Shortwave Infrared -1 Banda 12 2,10 – 2,28 Shortwave Infrared -2

Quando foi o primeiro satélite Sentinel-2, renomados autores experimentaram suas características no mapeamento de propriedades químicas e físicas da vegetação. Dentre vários outros estudos já realizados por meio do satélite Sentinel-2, foi constatado boa correlação com a reflectância ao se estimar vários atributos biofísicos e bioquímicos, como a clorofila e o IAF (FRAMPTON et al., 2013); a radiação fotossinteticamente ativa (DONG et al., 2015); a biomassa acima do solo (SIBANDA MUTANGA e ROUGET, 2015); e o IAF verde e senescente (DELEGIDO et al., 2015). Os dados do sensor MSI/Sentinel-2 são disponibilizados ao público como reflectância no topo da atmosfera e são orto-corrigidos (nível 1C), sendo possível a correção para a reflectância de superfície (nível 2A) por meio do algoritmo Sentinel-2 Atmospheric Correction (Sen2Cor) que está disponível no software SNAP (Sentinel Application Platform) disponibilizada pela ESA. Este algoritmo utiliza as bandas de aerossol (443 nm), de absorção de vapor d'água atmosférico (945 nm) e de nuvens cirros (1375 nm) em funções de transferência radiativa, oriundas de lookup tables (LUT) e geradas a partir da biblioteca LibRadtran, que calculam a radiação solar e termal na atmosfera terrestre (MUELLER- WILM, DEVIGN e PESSIOT, 2015; EMDE et al., 2016; LOUIS et al., 2016). Para Palmer et al. (2015) a nova geração de sensores orbitais ópticos, como o Sentinel-2, apresenta uma oportunidade cientifica para a pesquisa de águas interiores. O sensor Multiespectral Imager (MSI), a bordo do Sentinel-2, oferece imagens com resolução

43

espacial de 10 e 20 metros, temporal de 5 dias e radiométrica de 12 bits. O sensoriamento remoto óptico tem se tornado uma alternativa para auxiliar estudos de águas interiores, como lagos, devido à ampla faixa de imageamento e alta frequência de aquisição de dados para um contínuo monitoramento (PALMER et al., 2015; FASSONI-ANDRADE et al., 2017). Alguns exemplos de aplicação de técnicas de sensoriamento remoto aplicados a estudos ambientais podem ser citados: séries históricas de dados de sólidos em suspensão (VILLAR et al.,2012; MONTANHER et al., 2014); avaliação de plumas de sólidos em suspensão (SHI e WANG, 2009; MENDES et al., 2014); derramamento de óleo (KIM et al., 2015); entre outros.

4.4. Caracterização do Local

4.4.1. Geomorfologia e Geologia da Região

A região do Rio Paraopeba apresenta rochas do tipo granito-gnáissicas, caracterizada por um aspecto de relevo do tipo suave ondulado, onde predominam as unidades morfopedológicas nominado de colinas e cristas com domínio de Argissolos com associações de Cambissolos. Constata-se essas ocorrências na bacia do rio Catuaba de Cima, a montante do rio Camapuã, nas bacias do rio Brumado, no ribeirão da Pedra e, em maiores extensões, na região de Belo Vale, Moeda e Piedade dos Gerais. Os Cambissolos ocorrem de forma mais contínua nas colinas e cristas da bacia do rio Camapuã e na bacia do rio Grande. Os Latossolos, em associação com Argissolos, são encontrados nas colinas que formam os interflúvios dos rios 8 , Brumado, Grande e, também nas bacias dos rios Maranhão, Manso e do rio Camarão (CIBAPAR, 2010) . O Quadrilátero Ferrífero corresponde à pequenas áreas da bacia e é caracterizado por cristas estruturais, escarpas e vertentes íngremes com declividades altas e afloramentos quartzíticos, com predominância de Neossolos Litólicos (CIBAPAR, 2010).

4.4.2. Uso do Solo na Bacia do Rio Paraopeba

As atividades desenvolvidas ao longo da bacia também são distintas nas três regiões: Alto, Médio e Baixo Paraopeba. No Alto Paraopeba, onde estão situados os municípios de Conselheiro Lafaiete, Congonhas, Ouro Branco, Jeceaba e Belo Vale, as atividades econômicas consiste na mineração e siderurgia. Algumas áreas dessa região estão inseridas

44

no Quadrilátero Ferrífero, com jazidas de minerais, sobretudo o Ferro, de excelente qualidade (CIBAPAR, 2010).

Na região do Médio Paraopeba, onde estão situados vários municípios da Região Metropolitana de Belo Horizonte (Betim, parte de Contagem, Ibirité, Sarzedo, São Joaquim de Bicas, Igarapé, Juatuba, Mateus Leme, Florestal, Esmeraldas, Mário Campos e Brumadinho, etc.) adotado com uma rica diversidade industrial, com destaque para grandes indústrias dos ramos automobilístico, petroquímico e alimentício. A mineração de ferro também faz-se presente nessa região, sobretudo nas serras de Itatiaiuçu, Serra Azul e Farofas, que ainda pertencem ao Quadrilátero Ferrífero. Há expressivas extrações de areia na região de Esmeraldas e Brumadinho, e produção de hortaliças em Sarzedo, Igarapé, Mário Campos e Rio Manso (CIBAPAR, 2010).

Na região do Baixo Paraopeba, estão localizados os municípios como Sete Lagoas, Paraopeba, Caetanópolis, Fortuna de Minas, Maravilhas, parte de Curvelo, Pompéu e Felixlândia, a ocupação é mais rarefeita, e as atividades econômicas estão associadas com a extração de ardósia e produção de biomassa (eucaliptos) para siderúrgicas da região. É uma região com potencial desenvolvimento no ramo energético, sendo visada para a geração de energia hidrelétrica (uma grande unidade, a UHE Retiro Baixo, encontra-se em fase de instalação no rio Paraopeba, no município de Pompéu), exploração de gás natural e agronegócio sucroalcooleiro (CIBAPAR, 2010).

4.4.3. Solo

A UPGRH SF03 conta com um levantamento de solos feito pelo CETEC em 2008, na escala de 1:500.000. Ocorrem na bacia em estudo, as classes de solo: Argissolo, Cambissolo, Latossolo e Neossolo Litólico. Argisolos: Estes solos eram anteriormente classificados como Podzólicos. Os Argissolos têm como característica principal a presença de um horizonte B textural (Bt) com gradiente de argila de atividade baixa imediatamente abaixo do horizonte A ou E, e satisfazendo, ainda, os seguintes requisitos: horizonte plíntico, se presente, não está acima nem é coincidente com a parte superior do horizonte Bt; horizonte glei, se presente, não está acima nem é coincidente com a parte superior do horizonte Bt (EMBRAPA, 1999).

Cambissolos: São solos caracterizados essencialmente pelo horizonte B Incipiente - Bi, cujas características gerais são: presença de muito material primário facilmente

45

intemperizável (≥ 4% ou ≥ 6% de moscovita, determinados na fração areia do solo); ou argila mais ativa (> 13 cmol kg-1); ou Ki > 2.2; ou teores elevados de silte em relação à argila (silte/argila ≥ 0.7 quando a textura for média; ≥ 0.6 quando argilosa, indicando baixo grau de intemperismo) e ausência de cerosidade (películas de argila envolvendo os agregados); ou espessura menos que 50 cm; ou resquícios da rocha mãe ou saprolito (> 5% do volume). Os solos que possuem esse horizonte ocupam, geralmente, as partes jovens da paisagem (RESENDE et al.; 2002).

Os Cambissolos, assim como os solos com B textural, constituem um grupo bastante heterogêneo em termos de ambiente (RESENDE et al., 1988 apud RESENDE et al., 2002). No Brasil, quando desenvolvidos de ardósia ou filitos, são cobertos tipicamente por formações vegetais tipo campo limpo ou campo sujo. Quando desenvolvidos de gnaisse, estão, em geral, sob floresta (RESENDE et al., 2002).

Latossolos: São solos profundos, bem drenados, friáveis ou muito friáveis, de textura argilosa ou muito argilosa e média. Os solos mais oxídicos, de textura argilosa ou muito argilosa, possuem baixa densidade aparente (0.84 a 1.03 g cm-3) e porosidade muito alta ou alta, com valores variando de 62% a 70% indicando boas condições físicas. São solos constituídos por material mineral, apresentando horizonte B latossólico (Bw), imediatamente abaixo de qualquer horizonte A, dentro de 200 cm da superfície do solo, ou dentro de 300 cm, se o horizonte A apresentar mais que 150 cm de espessura.

Neossolos Litólicos: Segundo Macedo et al. (2006), Neossolos Litólicos são solos rasos, pedegrosos, com horizonte A assentado diretamente sobre um horizonte C ou sobre a rocha. São de textura bastante variada, predominando a fração areia e de fertilidade variável. São encontrados em regiões de relevo forte, ondulado a montanhoso. São solos que apresentam alto risco de erosão, limitando sua capacidade de uso. São solos minerais, não hidromórficos, pouco desenvolvidos, muito rasos ou rasos (2 cm até a rocha). São de textura variável, frequentemente arenosa ou média cascalhenta, ocorrendo textura argilosa e raramente siltosa. São também heterogêneos quanto às propriedades químicas, podendo ser álicos, distróficos ou eutróficos, com capacidade de troca de cátions variando de baixa a alta.

46

Figura 4. Mapa de solos da bacia do Rio Paraopeba. Fonte: (Adaptado de CETEC, 2008).

47

Na Tabela 8 estão apresentadas as áreas ocupadas pelas classes de solo mencionadas. As classes Latossolo e Cambissolo apresentam amplo domínio na bacia, totalizando 39,68% e 34,97% respectivamente.

Tabela 8. Distribuição das classes de solo na bacia do Rio Paraopeba. Fonte: Adaptado de CETEC (2008). Classes de Solos Área (km²) Área (%) Argissolo 1.734,21 16,97 Cambissolo 3.574,53 34,97 Latossolo 4.055,67 39,68 Neossolo Litólico 857,79 8,39

4.4.4. Clima

De acordo com a classificação climática de Köppen realizada por Alvares et al. (2013), o Brasil possui nove tipos climáticos (Figura 4):  Af: clima tropical sem estação seca definida;  Am: clima tropical de monção;  As: clima tropical com verão seco;  Aw: clima tropical com inverno seco;  BSh: clima seco semi-árido;  Cfa: clima úmido subtropical com verão quente;  Cfb: clima úmido subtropical com verão temperado;  Cwa: clima úmido subtropical com inverno seco e verão quente;  Cwb: clima úmido subtropical com inverno seco e verão temperado.

48

Figura 5. Mapa de classificação climática do Brasil segundo Köppen. Fonte: Alvares et al. (2013)

De acordo com CPRM (2001), a bacia do Rio Paraopeba apresenta temperatura média anual variando entre 19 e 23˚C, sendo as menores temperaturas encontradas na porção sul

49

devido à orografia e maiores latitudes, ocorrendo um aumento da temperatura à medida que se alcançam latitudes mais baixas. Esses valores indicam a presença de temperaturas medianas e elevadas durante quase todo o ano. Destaca-se o mês de Janeiro como o mais quente, apresentando médias máximas variando entre 28 e 30˚C. Por outro lado, o mês de Julho é tido como o mais frio, com médias mínimas em torno de 8 a 10˚C e a amplitude térmica anual da bacia é da ordem de 12 a 14˚C (CPRM 2001 apud PINHEIRO, 2009). CPRM (2001) relata ainda que os totais pluviométricos anuais variam, de forma geral, entre 1700 mm nas cabeceiras da bacia a 1150 mm na região próxima à barragem de Três Marias, sendo o regime pluviométrico típico de regiões tropicais, com ocorrência dos valores máximos mensais no período de verão e dos mínimos no inverno. Ainda de acordo com CPRM (2001), na bacia são encontradas três tipologias climáticas, seguindo a classificação de Köppen. Cwb - clima temperado brando com verão ameno (temperatura média do mês mais quente inferior a 22ºC) e inverno brando (temperatura média do mês mais frio inferior a 18ºC); a estação seca é coincidente com o inverno. Cwa - clima temperado brando com verão quente (temperatura média do mês mais quente superior a 22ºC) e inverno brando (temperatura média do mês mais frio inferior a 18ºC); a estação seca corresponde ao inverno. Aw - clima tropical chuvoso, quente e úmido, com inverno seco e verão chuvoso. A temperatura média do mês mais frio é sempre superior a 18ºC. A Figura 5 mostra as tipologias climáticas encontradas na bacia do Rio Paraopeba.

50

5. MATEIAL E MÉTODOS

5.1. Área de Estudo

O município de Brumadinho está localizado na bacia hidrográfica do Rio Paraopeba, na região de seu médio curso. Por sua vez, o Rio Paraopeba está situado na margem direita do rio São Francisco, sendo um de seus principais tributários no estado de Minas Gerais. O Rio Paraopeba foi selecionado para este estudo, devido à sua diversificação quanto ao uso múltiplos das águas superficiais, em atividades como agricultura, pecuária, indústria e mineração. A bacia hidrográfica do Rio Paraopeba é responsável por abastecer a Região Metropolitana de Belo Horizonte – RMBH, pela Companhia de Saneamento de Minas Gerais (COPASA MG) é considerada uma das pioneiras, responsável pela integração da gestão dos recursos hídricos, através do Consórcio Intermunicipal da Bacia hidrográfica do Rio Paraopeba – CIBAPAR (CPRM, 1996). A bacia do Rio Paraopeba localiza-se na amplitude de coordenadas geográficas aproximadas de 20º51’S e 18º 35’S e de 45º11’W e 43º 38’W (Figura 6).

Figura 6. Mapa de localização da bacia do Rio Paraopeba, Brumadinho – MG.

O perfil longitudinal desse rio, adaptado de CPRM (2001), é mostrado na Figura 7, juntamente com postos fluviométricos ainda em operação e a foz dos principais afluentes.

51

Figura 7. Perfil do Rio Paraopeba com principais tributários e os postos fluviométricos ativos. Fonte: (Adaptado de CPRM, 2001).

52

5.2. Dados Orbitais

Para o desenvolvimento deste trabalho foi realizado uma análise das imagens de satélite disponibilizadas no site do Instituto Nacional de Pesquisas Espaciais (INPE). Logo adiante foi feito a verificação destas imagens, que decorreu na execução do download das bandas corresponde as imagens orbitais de média resolução espacial do satélite Landsat 8, captadas pelo sensor OLI (Operational Land Imager Satélite Landsat) e Sentinel-2 (sensor Multispectral Instrument - MSI). As imagens orbitais do sensor OLI (Operational Land Imager) a bordo do satélite Landsat-8, com resolução espacial de 30m, obtida pelo banco de dados do United States Geological Survey (USGS), coleção 1 (Chander et al., 2009). O sensor OLI/Landsat-8 possui resolução espacial moderada (15 m no Pancromático e de 30 m no Multiespectral) da superfície terrestre em diversas regiões espectrais, as quais serão utilizadas: Banda 2 do azul de 0,45 a 0,51 μm; Banda 3 do verde de 0,53 a 0,59 μm; Banda 4 do vermelho de 0,64 até 0,67 μm; Banda 5 do infravermelho próximo (NIR) de 0,85 até 0,88 μm; Banda 6 do infravermelho de ondas curtas (SWIR-1) de 1,57 até 1,65 μm; e Banda 7 do SWIR II de 2,11 a 2,29 μm (NASA, 2017), conforme a Tabela 9.

Tabela 9. Características espectrais do sensor OLI/Landsat 8. Landsat-8 Bands Wavelength(micrometers) Resolution(meters) Band 2 – Blue 0.45 – 0.51 30 Band 3 – Green 0.53 – 0.59 30 Band 4 – Red 0.64 – 0.67 30 Band 5 – Near Infrared (NIR) 0.85 – 0.88 30 Band 6 – SWIR 1 1.57 – 1.65 30 Band 7 – SWIR 2 2.11 – 2.29 30

Além desse sensor, também foi utilizado a fim de comparação, o MSI (Multispectral Instrument) a bordo do satélite europeu Sentinel-2 (nível 1C, ESA (2019). O sensor MSI possui resolução espacial moderada (10 m) com as seguintes regiões espectrais que serão utilizadas: Banda 2 do azul (0,496 μm); Banda 3 do verde (0,560 μm); Banda 4 do vermelho (0,664 μm); e Banda 8 do infravermelho próximo (NIR) (0,835 μm), conforme a Tabela 10.

Tabela 10. Características espectrais do Sensor MSI/Sentinel-2. Resolução Nº da Nome da Banda Comprimento de Onda Banda Central (nanômetro) B2 Blue (Azul) 490 B3 Green (Verde) 560 B4 Red (Vermelho) 665

53

10 m B8 NIR (Infravermelho Próximo) 842

Por meio do processo de calibração radiométrica no sistema ENVI 5.1, todas as bandas das cenas foram transformadas de números digitais (DN) em medições de luminância espectral no topo da atmosfera (TOA). Essa conversão só é possível para cenas que apresentam arquivos de metadados (MTL), garantindo o processo descrito na Equação 1 (EXELIS, 2014).

𝐿휆 = Gain ∗ pixel 𝐷𝑁 + 𝑜푓푓𝑠푒t (1)

Para converter o brilho no TOA (𝐿λ) em refletância planetária (ρλ), foi aplicada a Equação 2.

ρ휆 = Mρ Qcal + Aρ (2)

Em que: ρλ é a refletância planetária na atmosfera superior sem correção do ângulo solar; Mρ é um fator multiplicador que redimensiona a refletância para qualquer banda específica; Qcal é o número de pixel digital; e Aρ é um fator aditivo redimensionado, dada a refletância para qualquer banda específica.

A refletância planetária corrigida foi então obtida pela Equação 3:

(3)

Em: ρλ é a refletância exoatmosférica; ΘSE é o ângulo de elevação solar local equivalente ao valor ESUN (obtido em cada arquivo METADATA das cenas utilizadas); e ZSZ é o ângulo solar local do zênite.

Após a conversão dos números digitais em fator de refletância, o processamento da imagem OLI foi realizado no estágio de Correção Atmosférica pelo modelo de Análise Atmosférica Rápida de Hipercubos Espectrais (FLAASH), com condições iniciais que incluem uma visibilidade de 70 km. Atmosfera tropical e modelo aerossol continental. O FLAASH opera na faixa espectral entre 0,4 e 2,5 μm, e o processamento é realizado pixel por pixel. O modelo parte da imagem de radiação que chega ao sensor e garante a aquisição de dados de refletância da superfície a partir da derivação de parâmetros atmosféricos, como

54

albedo, altitude da superfície, coluna de vapor e água, profundidade óptica de aerossóis e nuvens, além da superfície temperatura na atmosfera (KRUSE, 2004).

5.3. Uso e Ocupação do Solo

O levantamento de uso e ocupação do solo foi realizado através de imagens do Satélite Landsat 8/Sensor Operational Land Image (OLI) – Antes (fevereiro a abril 2018) e após o rompimento (fevereiro a abril 2019). Após o tratamento das imagens, foi aplicada a detecção de quatro usos, sendo: floresta, solo exposto, uso antrópico e cursos d`água através do Índice Normalizado por Diferença de Fração (NDFI) proposto por Souza Junior et al. (2005) apoiado no algoritmo Modelo Linear de Mistura Espectral (MLME), conforme Eq. 4, que visa estimar a proporções dos componentes a partir da resposta espectral de diversas bandas espectrais, gerando as informações (Shimabukuro; Smith, 1991). De acordo com Souza Junior et al. (2005) o modelo MLME assume que os espectros da imagem são formados por combinações lineares de n espectros puros, ou seja, que as amostram não sejam contaminadas por pixels de outras classes, conforme Eq. 5.

∑ (4)

∑ (5)

Em que: Rb é a reflectância na banda b, Ri,b é a reflectância para o usuário i, na banda espectral b, Fi é a fração do endmember i, e εb é o erro residual para cada banda. O erro do MLME será estimado para cada pixel de imagem pelo EMQ, fornecido pela Eq 6.

⁄ [ ∑ ] (6)

Após a correção do erro, o modelo foi aplicado a cada imagem de cada banda espectral utilizando as sete bandas do OLI e endmembers selecionados na própria imagem (Eq. 7).

( ) 𝑁𝐷 (7)

Em que, VFN representa a Vegetação Fotossintéticamente Não Ativa, VSsombra é a fração de VS (Vegetação Sadia) normalizada pela sombra dada pela Eq. 8.

(8)

55

Souza Junior et al. (2013), esclarece que os valores de NDFI variam de -1 a 1, os valores próximos de 1 são obtidos em floresta intacta por apresentar alto teor de vegetação sadia (VS) e sombra do dossel além de Vegetação Fotossintéticamente Não Ativa (VFN) e solo. Quando ocorre degradação da floresta, o VFN e as frações de solo aumentam devido à diminuição da cobertura do dossel, consequentemente diminuindo os valores de NDFI. Para detecção de desflorestamento ou de degradação florestal, os autores propõem um modelo empírico denominado Árvore de Decisão, a fim de obter respostas biofísicas da vegetação, conforme Figura 8. A variável NDFI foi redimensionada para 0-200, significando que NDFI ≥ 175 se traduz em NDFI ≥ 0,75.

Figura 8. Árvore de decisão empírica proposta por Souza Junior et al. (2013) usada para classificar o desmatamento e a degradação florestal.

5.4. Clorofila-a (Chl-a)

O fitoplâncton Clorofila-a é o tipo de pigmento responsável pela produção da fotossíntese, como também pela fixação do carbono, parte constituinte da matéria orgânica, elemento que auxilia com 95% da produção primária por meio desses processos (TUNDISI, 1970). Segundo Coelho (2004), a clorofila “a” é o tipo mais comum entre as clorofilas (a, b, c e d), sendo um importante parâmetro para avaliar a qualidade da água. É constantemente utilizada como indicador da produção de biomassa de algas. Responsável pela qualidade da água em ambientes lênticos, uma vez que as diversas espécies de algas são responsáveis pelo processo de eutrofização em corpos d’água. A reflectância da água se altera de acordo com a concentração de clorofila presente. Conforme esse aumento, a quantidade de clorofila tende a diminuir a reflectância no comprimento de onda do azul e aumentar na do verde, essas alterações servem para controlar

56

a presença e estimar a concentração de algas por meio de dados provenientes de sensoriamento remoto (LILLESAND et al., 2007). Para esta pesquisa, foi utilizado o modelo determinado por Chen et al. (2008) para analisar as bandas do sensor OLI e MSI. As Equações 9 e 10 apresentam o modelo de Chl-a para cada sensor de acordo com as bandas espectrais apresentadas pela Tabela 1.

Chl-a(OLI) = 4,483 + 0,022( ) + 0,031( )– 0,041( ) – 0,13( )+ 0.108( ) – 0.235( ) (9)

Chl-a(MSI) = 4,483 + 0,022( ) + 0,031( )– 0,041( ) – 0,13( )+ 0,108( ) – 0,235( ) (10)

5.5. Turbidez (TU)

A turbidez da água é devida à presença de materiais sólidos em suspensão, que reduzem a sua transparência. Pode ser provocada também pela presença de algas, plâncton, matéria orgânica e muitas outras substâncias como o zinco, ferro, manganês e areia, resultantes do processo natural de erosão ou de despejos domésticos e industriais (TONON et al. 2013).

A turbidez da água é estabelecida pela sua capacidade de dispersar radiação (ESTEVES, 1998). Pode ser oriunda das fontes naturais, como partículas de rocha, argila e silte, algas e outros microrganismos, ou antropogênicas, como despejos domésticos e industriais, e erosão (SPERLING, 1998). O processo erosivo também se torna um fator que ocasiona a modificação da turbidez, proveniente da movimentação de sedimentos do solo (BUZELLI; CUNHASANTINHO, 2013). A turbidez é caracterizada pela passagem de um feixe de luz que sofre ao ultrapassar a água, em decorrência das partículas suspensas. Essas partículas podem ser de origem orgânica ou inorgânica, os quais podem ser coloidais e até sólidos de variadas dimensões (CETESB, 2009). Com base na determinação das refletâncias para cada banda, a turbidez (TU) foi calculada pelas Equações 11 e 12) (Castro et al., 2018).

TU(OLI) = 9,51 – 0,10 * (B1) + 0,10 * (B7) – 1,89 * (B5/B4) (11)

TU(MSI) = 9,51 – 0,10 * (B1) + 0,10 * (B12) – 1,89 * (B8/B4) (12)

57

5.6. Totais de Sólidos em Suspensão (TSS)

Para a CETESB (2009), os sólidos nas águas refletem toda matéria que se mantém como resíduo, após evaporação, secagem ou calcinação da amostra, tendo em vista uma temperatura preestabelecida num período de tempo fixado. A razão entre a massa do resíduo e a massa da amostra é que nos fornece a concentração de sólidos totais (CHELLA et al., 2005). Os sólidos totais são matérias que permanece como resíduo após a evaporação da amostragem da água, em uma temperatura pré-estabelecida durante um tempo determinado. Dessa forma, os resíduos seriam o equivalente ao conteúdo de matéria suspensas e dissolvidas na água (CETESB, 2009). Com base na determinação das refletâncias para cada banda, será calculado os valores de Sólidos Totais em Suspensão para os sensores OLI (13) e MSI (14).

TSS(OLI)= 38,49 + 0,05*(B7)-0,85*(B9) (13)

TSS(MSI)= 38,49 + 0,05*(B12)-0,85*(B10) (14)

5.7. Estimativa da eficiência do sequestro de carbono

Entre as alterações dos usos do solo descritos ano a ano que serão monitorados via sensores supracitados (antes e depois da cheia), será monitorado o quão eficiente são os usos do solo e suas perdas no sequestro de carbono da região da UHE implantada na Amazônia Meridional. Para isso, serão utilizadas as imagens orbitais corrigidas para fator de reflectância e o mosaico de composição de melhores pixels via plataforma Google Earth Engine entre os anos de 2001 a 2020 e suas alterações no uso do solo.

Segundo Rrahman et al., (2001) o índice CO2Flux tem a finalidade de medir a eficiência do processo de sequestro de carbono pela vegetação, ou seja, a taxa de fotossíntese no processo de fotossíntese. Para tanto, será calculado o Índice de Vegetação Fotossintético – PRI (Eq. 15). De acordo com Gamon et al., (1997) para sua elaboração, serão utilizadas as bandas espectrais do verde e azul. O PRI estima os pigmentos de carotenóides da folhagem. Estes pigmentos, por sua vez, indicam a taxa de armazenagem de dióxido de carbono nas folhagens.

(15)

A= Reflectância na banda espectral azul;

58

Ve= Reflectância na banda verde.

Contudo, os resultados do PRI precisam ser reescalonados, resultando em valores positivos. Para isso é necessário gerar o sPRI (Eq. 16).

( ) (16) 𝑠

-2 -1 Desta forma o índice CO2Flux (µmol m s ) será o resultado da multiplicação entre o NDVI e o sPRI, em que há uma relação entre o índice PRI, que indica a eficiência do uso da luz na fotossíntese, com o NDVI que demonstra o vigor da vegetação fotossinteticamente ativa, em que este pode ser capaz de captar absorções oriundas do sequestro de carbono (RAHMAN et al., 2001).

5.8. Análise de dados

5.8.1. Teste de Comparação entre médias (test t)

Os testes t são testes de hipótese úteis na estatística quando é necessário comparar médias. Neste caso foi aplicado as médias de dois grupos com um teste t para as amostras da série-temporal. Os dados foram extraídos dos modelos espectrais descritos nos itens anteriores, em que para isso buscou-se as variáveis que melhor demonstrou a variação entre os usos do solo ao longo dos anos. Para isso, foi calculado o intervalo de confiança entre as amostras (Equação 17) e o valor de t (Equação 18).

( ̅ ̅ ) ( ) ( ̅ ̅ ) ( ) (17)

Em que: ̅ é a média da primeira amostra, ̅ é a média da segunda amostra, probabilidade acumulada inversa da distribuição t em 1 – α/2, é 1-nível de confiança/100 e desvio padrão da amostra como calculado para a estatística de teste.

( ̅ ̅ ) (18)

Assim, o desvio padrão da amostra, , de ̅ ̅ depende do pressuposto da variância. Então, caso as variâncias sejam desiguais, o desvio padrão da amostra de ̅ ̅ é dada pela Equação 19 e os graus de liberdade pela Equação 20.

59

√ (19)

( ) (20) 푓

Quando as variâncias forem iguais, a variância comum é estimada pela variância combinada (Equação 21), o desvio padrão de ̅ ̅ pela Equação 22 e os graus de liberdade pela Equação 23.

( ) ( ) (21)

√ (22)

푓 (23)

As análises estatísticas serão realizadas no software R. (R DEVELOPMENT CORE TEAM, 2005).

60

6. RESULTADOS E DISCUSSÃO

6.1. Uso e cobertura do solo

A ruptura da barragem de rejeitos do Córrego do Feijão em Brumadinho ocasionou modificações na cobertura da terra muito relevante. Essas modificações permitem analisar a magnitude dos impactos socioeconômicos e ambientais ocasionados pela ruptura, diante das alterações na cobertura da terra. O uso e cobertura do solo das áreas atingidas foram mapeados através de séries temporais de dados de alta resolução do Google Earth Pro juntamente com o sistema de informações geográficas QGIS, de acordo com a metodologia proposta por Pereira, Guimarães & Oliveira (2018). Para realizar o mapeamento das classes de cobertura do solo, sem ir a campo, foi indispensável utilizar os padrões visuais, geoespaciais e temporais retratados pelos autores. As classes mapeadas foram: Áreas com cobertura de floresta, áreas degradadas, solo exposto e áreas com cobertura remanescentes de água. A área total afetada pelos rejeitos do rompimento da barragem do Córrego do Feijão corresponde a 2,4 km². Em 2018 antes do rompimento da barragem, 84% dessa área apresentava cobertura florestal (Figura 9c; Tabela 11), esse valor reduziu 69% em 2019 (Figura 9d) após o derramamento do rejeito na área. Por outro lado, a área anteriormente coberta por floresta agora está coberta por água em sua maior parte (52%), seguida por área degradada (15%) e solo exposto (2%). Cerca de 1,7 km² de área florestal foi perdida, sendo que 1,3 km² estão cobertos por água. A perda de 70% de cobertura florestal na área afetada pelo rejeito entre 2018 e 2019 demostra o potencial danoso desse material para os ecossistemas adjacentes.

A lama alastrou-se por grandes extensões de terras férteis na região de Brumadinho. Além do mais o ressecamento dos rejeito de minérios de ferro acarreta uma camada pouco argilosa, densa e espessa, o que impossibilita a prática da atividade relacionada a agropecuária (Silva et. al., 2016). As áreas atingidas ocupavam as partes baixas do relevo, onde ocorriam maior concentração de matéria orgânica e argila, o que fornece água e nutrientes (Schaefer, 2013). As terras sobrecarregadas eram um tanto mais férteis, em comparação aos diferentes tipos de solos predominantes da região (FEAM, 2010).

61

Através da metodologia aplicada, foi possível gerar mapas ilustrando a espacialidade da área atingida pelos rejeitos da Barragem Mina Córrego do Feijão, correspondente à antes e depois do desastre ambiental.

Figura 9. Uso e cobertura do solo antes e depois do rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais, utilizando o índice NDFI.

62

As imagens do NDFI (antes) do ocorrido correspondente ao ano de 2018 mostram um valor médio de 0.61 e desvio padrão de 0.83, enquanto que o NDFI (depois) do ocorrido apresentou um valor médio de 0.61 e desvio padrão de 0.50. Diante da análise, percebe-se que a o NDFI anterior à ruptura da barragem apresentou um maior valor de média em decorrência da área que estava ocupada por vegetação natural e também uma maior valor de desvio padrão por conta de uma variedade de valores pixels relacionado à vários componentes, tal como: floresta, degradação, solo exposto e água. Já o NDFI posterior ao rompimento da barragem apresentou um menor valor médio em razão da área está completamente revestida por sedimentos em suspensão e lama, e menor valor de desvio padrão devido à ausência de variabilidade de valores de NDFI, visto que a área era ocupada por vegetação arbórea, sendo que logo após o ocorrido, ficou completamente coberto por rejeitos oriundos da barragem.

Tabela 11. Quantificação do uso e cobertura do solo da área afetada antes e depois do rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais utilizando o índice NDFI. Antes Depois NDFI km2 Floresta 2,046 0,350534 Degradação 0,359632 0,727968 Solo Exposto 0,000862 0,060524 Água 0,043532 1,311

6.2. Clorofila-a (Chl-a)

Em relação à Clorofila-a, o sensor OLI apresentou as menores médias quando comparado ao sensor MSI, tanto antes quanto depois do rompimento da barragem. Ambos os sensores (OLI e MSI) apresentaram poucas alterações devido o rompimento da barragem de rejeitos na clorofila-a (Figura 10), registrando aumentos em média de 0,005 µg/L e 0,002 µg/L, respectivamente. A Resolução 357 do Conselho Nacional do Meio Ambiente (CONAMA) de 17 de março de 2005, enquadra os valores de Clorofila-a encontrados de acordo com a Classe 2 (< 30 μg/L). Ao comparar os resultados apresentados pelos sensores nota-se que há diferença significativa (t(211) = p < 0,05) na quantificação da distribuição espacial da variável Clorofila-a estimada por meio dos sensores OLI e MSI (Tabela 12).

63

Diversos estudos já desenvolvidos tornaram-se referência quanto ao uso do sensoriamento remoto na gestão de reservatórios, principalmente no que se diz a respeito ao processo de eutrofização e o aumento da produtividade de algas (Friese et al., 2010) apresentaram um relatório na qual relatava que o aumento significativo da clorofila-a está relacionada com a diminuição na a quantidade relativa de energia da banda azul (0,45- 0,52 μ m) e aumento na verde (0,52-0,60 μ m), onde normalmente se utiliza para sua determinação a razão entre os canais 704 e 675 nm (Li, et al., 2010).

Em um estudo realizado na lagoa Mirim, RS, demonstra que os dados de campo apresentaram uma correlação significativa (p<0,05) com a banda do azul (B2), comprimento de onda em que ocorre uma alta absorção desse componente, obtendo-se R = 0,61. Tebbs, Remedios e Harper (2013), utilizando imagens do sensor Landsat ETM+, também encontraram uma correlação razoável com a banda do azul (R=0,40), uma alta correlação na região do IVP (R=0,92) e moderada correlação também com a banda do verde (R=0,58).

Fassoni-Andrade et al. (2017) encontraram uma correlação de 0,86 entre os dados de Chl-a e a relação B3/B2 utilizando dados do sensor OLI/Landsat-8 para a Lagoa dos Patos. Brezonik, Menken e Bauer (2009) analisaram a correlação de dados do sensor TM/Lansat-5 com dados de Chl-a em um lago no norte dos EUA, encontrando que os melhores ajustes foram para as bandas 2 (R=0,76) e 3 (R=0,73)

Observa-se na imagem ilustrativa de (antes) do ocorrido, mediante ao sensor OLI, que há um acentuado aumento na reflectância na faixa do azul, devido à quantidade de fitoplâncton em suspensão, acumulo de água e inundação no Rio Paraopeba, isso acarretou um aumento gradativo na concentração de clorofila-a e, consequentemente o aumento de matéria orgânica em suspensão, que são trazidos pela água, tornando-se o curso d’água rico em material clorofilado. Percebe-se que houve uma baixa nos valores de reflectância na faixa do verde.

Já o sensor MSI, apresentou uma diminuição de reflectância na faixa do azul, isso é proveniente da matéria orgânica dissolvida que se encontra presente na água, reduzindo assim a sua reflectância. Nota-se que houve um aumento nos valores de reflectância na faixa do verde. Esse aumento decorre devido à propagação de células do fitoplâncton que possuem pigmentos de clorofila-a.

64

Teoricamente, o comportamento espectral da clorofila-a influencia na qualidade dos recursos hídricos. Assim como o satélite Landsat-8, o sentinel- 2A é eficiente para realizar o monitoramento espacial, pois é possível ter uma boa abordagem e visualização no que tange a distribuição espectral da água com altas e baixas concentrações de clorofila-a.

Figura 10. Distribuição espacial da variável Clorofila-a estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais.

65

6.3. Turbidez (TU)

Ao analisar os dados de turbidez obtidos pelos sensores OLI e MSI observou-se um aumento de aproximadamente 70% na média de turbidez da água após o rompimento da barragem de Brumadinho (Figura 10). Contudo, as médias apresentadas pelos sensores antes e após o rompimento da barragem se enquadram dentro do permite pela Resolução Conama para corpos hídricos pertencentes à Classe 2 (<100 UNT). Ambos os sensores apresentaram valor médio bastante semelhante (tabelas 12 e 13), e a comparação par a par entre as médias dos dois sensores demonstrou que não há diferença estatisticamente significativa no potencial dos sensores OLI e MSI para a quantificação da distribuição espacial da variável turbidez antes rompimento da barragem (t(207)= p >0,05).

Contudo a comparação das médias após o rompimento da barragem (t(72,9)= p < 0,05) evidenciou diferença na capacidade dos sensores quantificarem a distribuição espacial da variável turbidez, devido o espectro de um sensor ser mais sensível do que o outro a cor do rejeito, após o rompimento da barragem.

Ao avaliar o modelo de Turbidez TU(OLI) = 9,51 – 0,10 * (B1) + 0,10 * (B7) – 1,89 * (B5/B4) analisa-se que as bandas 1 (0.43 – 0.45 μm), 7 (2.11 – 2.29 μm) razão das bandas 5 (0.85 – 0.88 μm) e 4 (0.64 – 0.67 μm) da imagem Landsat 8/OLI modelaram as concentrações de turbidez na água do Rio Paraopeba, em regime de seca, com R² de 0,05.

Inúmeros estudos já estão sendo realizados através do sensoriamento no que refere à gestão dos reservatórios (Dezordi et al., 2019) realizou uma análise no reservatório de Itaipu- PR, Brasil, para mensurar e especializar a turbidez a partir de imagens do Landsat-8 (Sensor OLI) em compartimento aquático. As coletas foram realizadas em 13 pontos amostrais. As respostas espectrais deu-se em decorrência ao sensor Operacional Land Imager (OLI), com a finalidade de identificar a banda que apresentasse uma maior correlação entre as variáveis da turbidez e reflectância. A banda espectral que maior apresentou correlação foi utilizada para observar um modelo matemático que estimava o valor de turbidez no SFV. A maior correlação identificada foi entre a razão das bandas 2/4 (R= 0,854) onde o cálculo matemático apresentou um coeficiente de determinação de turbidez de 0,85. Assim conclui-se que a turbidez para este tipo de sensor apresenta resultados satisfatórios.

Uma análise foi realizada por (Reginaldo et. al., 2019) na região de Abrolhos (Parque Nacional Marinha dos Abrolhos e Reserva Extrativista de Cassurubá) com o objetivo de gerar dados para subsidiar a avaliação de impactos ambientais, através de análises de imagens

66

Landsat 8/OLI. Os dados de turbidez identificados apresentaram uma forte correlação com as bandas 2,3,4 e 5 do satélite Landsat 8/OLI – R (Pearson) variando entre 0,72 (banda 2) e 0,87 (banda 5), apresentando um eficiente resultado para este tipo de satélite, mediante a análise da proposta.

Em um estudo realizado na lagoa Mirim, RS, demonstra que os dados de campo apresentaram uma correlação significativa (p<0,05) com a banda do azul (B2), comprimento de onda em que ocorre uma alta absorção desse componente, obtendo-se R = 0,61. Tebbs, Remedios e Harper (2013), utilizando imagens do sensor Landsat ETM+, também encontraram uma correlação razoável com a banda do azul (R=0,40), uma alta correlação na região do IVP (R=0,92) e moderada correlação também com a banda do verde (R=0,58).

67

Um trabalho realizado por Foesch (2016) relacionado à características físico-químicas e comportamento espectral usando imagens Sentinel-2 e Landsat-8 nas águas contaminadas por rejeitos de mineração, no município de Mariana, MG, retrata que foram analisadas as variáveis de turbidez, cor e metais dissolvido e suspensos da água. Através dos resultados denotou-se que os teores de metais, cor e turbidez de demais variáveis analisadas, apresentaram valores acima da média perante a Resolução 357/05 CONAMA e estiveram relacionadas com os indices espectrais a banda 8 Sentinel-2 e banda 5 Landsat-8. Percebe-se que as imagens dos satélites Landsat 8 e Sentinel 2, é capaz de estimar e monitorar características físico-químicas nas águas dos rios atingidos pelo rompimento da barragem de Fundão, o que pode ser utilizado para averiguar se águas de outros rios vêm obtendo estas características, como forma de monitoramento e demais alterações ocasionadas pela exploração de minérios nos mananciais. As áreas mapeadas apresentam uma variação do aumento acentuado da turbidez, para os sensores OLI e MSI. A utilização do sensor OLI (antes) do ocorrido retrata que há uma diminuição significativa na turbidez, em contrapartida (depois) do desastre que houve um aumento, isso indica que a superfície dos corpos hídricos sofreu modificações nos seus constituintes opticamente ativos e nos seus parâmetros físico- químicos. Já o sensor MSI (antes) do ocorrido, apresentou um resultado bem significativo, que permitiu visualizar o comportamento da variação espectral da turbidez no corpo hídrico superficial representado pelo curso do rio Paraopeba. Enquanto que (depois) do evento catastrófico os resultados se assemelharam, isso significa que o aumento da turbidez está correlacionado com a contaminação por partes dos rejeitos de minérios no rio Paraopeba. Essa variação foi causada pelo processo de diluição nas águas do material contaminante que se constitui a lama de rejeitos de mineração.

68

Figura 11. Distribuição espacial da variável turbidez estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais.

6.4. Totais de Sólidos em Suspensão (TSS)

Os sensores OLI e MSI apresentaram a mesma média para a variável Totais de Sólidos em Suspensão (TSS), tanto antes quanto após o rompimento da barragem (Tabelas 12 e 13). Ambos os sensores apresentaram um leve aumento na concentração de TSS após o rompimento da barragem, apenas 0,001 mg/L (Figura 12). No entanto, a comparação das

69

médias pelo teste t confirmou que há diferença significativa no potencial dos sensores OLI e MSI em quantificar a distribuição espacial da variável Total de Sólidos em Suspensão (t(72,9)= p >0,05), tanto antes quanto após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais. Ao analisar o modelo o modelo TSS=38,49+ 0,05* (B7)-0,85*(B9), averiguou-se que a bandas 7 (2.11 – 2.29 μm) e 9 (1.36 – 1.38 μm) da imagem Landasat 8/OLI modelaram as concentrações de TSS na água no Rio Paraopeba, com R² de 0,05. A análise espectral da água é imediatamente afetada pela alta concentração de sólidos em suspensão, visto que o aumento deste provocou o aumento da reflectância do volume da água, bem como a separação do nível máximo de reflectância desta em direção a comprimentos de onda mais longos (TRINDADE et al., 2014). É possível que a maior concentração de sólidos em regiões marginais do Rio Paraopeba esteja associada a processos de naturais, posto que, a dissolução, carreamento de compostos do solo e das rochas e a decomposição de matéria orgânica são as indispensáveis causas de fontes naturais de sólidos dispersos na água (BUZELLI & CUNHA-SANTINO, 2013). Os eventos de precipitação mais intensos caracterizados em regime de cheia, por exemplo, são capazes de se desgastar as margens e áreas adjacentes ao Rio Paraopeba, tal como, suspender novamente parte dos sólidos sedimentados. De acordo com Goodin et al. (1993) um dos principais agravos de se utilizar o sensoriamento remoto de sólidos suspensos, é separar os efeitos ocasionados pela turbidez oriunda de sedimentos em suspensão dos efeitos acarretados pela clorofila do fitoplâncton. A turbidez é caracterizada como uma propriedade ótica que mede como a água propaga a luz, no entanto essa propagação contribui para o aumento gradativo de material particulado em suspensão, assim, a turbidez se expande com a carga de sedimento em suspensão (TINDISI, 2008).

70

Figura 12. Distribuição espacial da variável Total de Sólidos em Suspensão estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais.

6.5. Fluxo de Dióxido de Carbono (CO2 Flux)

O CO2 Flux determina a eficiência da vegetação no processo de sequestro de carbono Rahman et al. (2000). Além disso, caracteriza a aplicabilidade no processo de sequestro de carbono (POLONIO, 2015).

71

Este índice ocorre através da inclusão do índice de vegetação NDVI (ROUSE et al., 1973) e PRI (Photochemical Reflectance Index) (GAMON et al., 1997).

O CO2 Flux é a integração do índice de reflectância fotoquímica, ou PRI, que retrata a eficiência do uso da luz na fotossíntese, com o NDVI (Rahman et al., 2000), que caracteriza a atividade desempenhada pela vegetação fotossinteticamente ativa, o que tornaria possível complementar as feições de absorção decorrentes do sequestro de carbono. A esse índice integrado, Baptista (2003) chamou de CO2 Flux.

Estudos referentes à assimilação e liberação de CO2 vêm sendo realizados na Amazônia Brasileira, no intuito de compreender as relações biosfera-atmosfera, evidenciando as mensurações diretas de concentrações e de fluxos de CO2 nas florestas tropicais. Em relação a técnica utilizada, destaca-se o método de covariância dos vórtices turbulentos (Eddy Covariance). Trata-se de um método de medição direta, confiável e aprovado para densidade de fluxo de gases traços, como por exemplo, o CO2na relação entre biosfera e atmosfera nas florestas tropicais (SANTOS, 1999; GRACE et al., 1995; LEAL, 2000; SILVA JUNIOR, 2003 e AGUIAR, 2005) Em um estudo desenvolvido por Rocha et al., 2018 foram apresentados valores de fluxo de CO2 para o APARIS no ano de 2017, verificou-se que que os valores diferiram entre -0,10 e 0,49, onde os menores resultados foram (-0,10 – 0,17) indicaram por estarem presentes em áreas urbanas (valores negativos) em área de pastagem mais degeneradas, onde o solo encontra-se mais exposto, enquanto que os valores intermediários (0,17 – 0,27) são

áreas de pastagem, no entanto menos antropizadas, já os maiores valores de fluxo de CO2 (0,27 – 0,39) são áreas caracterizadas por apresentar cobertura florestal densa.

O sensor OLI apresentou médias de Fluxo de Carbono de Dióxido de Carbono inferiores ao sensor MSI nas medidas de antes e depois do rompimento da barragem (Figura 13; Tabelas 12 e 13). Além disso, verificamos um aumento de 35% no fluxo de carbono quantificado pelo sensor OLI e 49% pelo sensor MSI. No entanto, a comparação de médias (teste t) demonstrou que não há diferença significativa na quantificação da distribuição espacial da variável CO2Flux estimada por meio dos sensores OLI e MSI, antes (t(191)= p >0,05) e a após (t(205)= p >0,05) o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho.

72

Figura 13. Distribuição espacial da variável CO2Flux estimada por meio dos sensores OLI e MSI, antes a após o rompimento da barragem de rejeitos do Córrego do Feijão em Brumadinho, Minas Gerais.

Através da comparação de médias (Teste t), obtiveram-se as médias das variáveis geradas por meio dos sensores OLI e MSI. A clorofila-a e os Sólidos Totais em Suspensão apresentaram médias significativas para o sensor MSI. Já as variáveis Co2Flux e Turbidez apresentaram valores não significativos para o teste t.

73

Tabela 12. Teste t para comparação entre as médias das variáveis geradas através dos sensores OLI e MSI antes do rompimento da barragem de Brumadinho. Chl-a = Clorofila-a;

CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez. Variável Sensor Média DF p-valor OLI 4,456946 Chl-a 211 2,858e-06* MSI 4,461360 OLI 3,705878 CO Flux 191 0,1608ns 2 MSI 5,580292 OLI 38,49330 TSS 209 0,00608* MSI 38,49292 OLI 4,843766 TU 207 0,4647ns MSI 5,188684 DF = Graus de Liberdade; * Significativo a 5% de probabilidade pelo teste t; ns Não- significativo pelo teste t.

Tabela 13. Teste t para comparação entre as médias das variáveis geradas através dos sensores OLI e MSI após do rompimento da barragem do Córrego do Feijão em Brumadinho,

Minas Gerais. Chl-a = Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez. Variável Sensor Média DF p-valor OLI 4,461909 Chl-a 212 0,00466* MSI 4,463211 OLI 10,69440 CO Flux 205 0,06398ns 2 MSI 11,47654 OLI 38,49388 TSS 209 0,0001316331* MSI 38,49393 OLI 7,176789 TU 72,912 0,0003756* MSI 7.381319 DF = Graus de Liberdade; * Significativo a 5% de probabilidade pelo teste t; ns Não- significativo pelo teste t.

6.6. Teste de Correlação de Pearson

De acordo com Martins (2014), quanto maior for o valor absoluto do coeficiente de correlação de Pearson, maior será o grau de associação entre a relação dos dados de uma regressão linear, isto é, quanto mais próximo de 1, maior será a junção linear entre os dados. Assim, é possível verificar que os dados dos satélites Landsat 8 e Sentinel 2 se confrontam melhor seguida a aplicação de técnicas de correlação atmosférica.

74

Antes do rompimento da barragem do Córrego do Feijão em Brumadinho, apenas as variáveis

Fluxo de CO2 e Turbidez apresentaram alto valor de correlação (0,68; Figura 14). No entanto, após o rompimento da barragem, não verificamos correlação entre essas variáveis. Contudo observamos após o rompimento uma alta correlação negativa entre Clorofila- a e Total de Sólidos em Suspensão (-0,71; Figura 15). Possivelmente porque a maior concentração de sólidos em suspensão na água afetou a sobrevivência e reprodução das algas.

Figura 14. Correlação de Pearson e histogramas entre as variáveis analisadas antes do rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais. Chl-a =

Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez.

75

Figura 15. Correlação de Pearson e histogramas entre as variáveis analisadas após o rompimento da barragem do Córrego do Feijão em Brumadinho, Minas Gerais. Chl-a =

Clorofila-a; CO2Flux = Fluxo de carbono; TSS = Totais de Sólidos em Suspensão; TU = Turbidez.

76

7. CONCLUSÃO

A ruptura da barragem de rejeitos do Córrego do Feijão em Brumadinho ocasionou modificações na cobertura da terra muito relevante. A área total afetada pelos rejeitos do rompimento da barragem do Córrego do Feijão corresponde a 2,4 km². Em relação à Clorofila-a, o sensor OLI apresentou as menores médias quando comparado ao sensor MSI, tanto antes quanto depois do rompimento da barragem. Ao analisar os dados de turbidez obtidos pelos sensores OLI e MSI observou-se um aumento de aproximadamente 70% na média de turbidez da água após o rompimento da barragem de Brumadinho. Os sensores OLI e MSI apresentaram a mesma média para a variável Totais de Sólidos em Suspensão (TSS), tanto antes quanto após o rompimento da barragem. Ambos os sensores apresentaram um leve aumento na concentração de TSS após o rompimento da barragem, apenas 0,001 mg/L. O sensor OLI apresentou médias de Fluxo de Carbono de Dióxido de Carbono inferiores ao sensor MSI nas medidas de antes e depois do rompimento da barragem. Além disso, verificamos um aumento de 35% no fluxo de carbono quantificado pelo sensor OLI e 49% pelo sensor MSI. Este estudo apresentou a análise entre as respostas espectrais diante dos sensores OLI e MSI. A análise revelou que há diferenças espectrais e espaciais em relação aos produtos gerados entre os sensores ópticos Landsat-8/OLI e Sentinel/MSI, pois ambos retrataram dados estatísticos bem próximos entre as bandas comparadas. Evidenciou-se que o sistema-sensor Sentinel2-MSI, melhor compara o delineamento e precisão dos alvos. As imagens oriundas do sensor MSI apresenta um excelente potencial para realizar a identificação e monitoramento de parâmetros relacionados com a qualidade da água. Estudos com diversos multisensores salientam que cada sensor apresenta uma característica individual e distinta, que visa contribuir cada vez mais para o desenvolvimento do Sensoriamento Remoto. Espera-se que este trabalho colabore para subsidiar ações públicas voltadas para a gestão das águas da Bacia Hidrográfica do Rio Paraopeba, Mina Gerais, garantindo-se sua segurança hídrica.

8. REFERÊNCIAS BIBLIOGRÁFICAS

A

77

ABNT NBR 13028, de 14 de Novembro de 2017. Associação Brasileira de Normas Técnicas (2017). Mineração – Elaboração e apresentação de projetos de barragens para disposição de rejeitos, contenção de sedimentos e reservação. Rio de Janeiro: Associação Brasileira de Normas Técnicas.

ABERS, Rebecca & JORGE, Karina Dino. Descentralização da gestão da água: por que os comitês de bacia estão sendo criados? Revista Ambiente & Sociedade, v. VIII, n. 2, p.99-124, São Paulo, julho/dezembro, 2005.

AGÊNCIA NACIONAL DE ÁGUAS - ANA. Conjuntura dos Recursos Hídricos no Brasil: Informe 2016. Agência Nacional de Águas - Brasília: ANA, 2016. 95p.

AGÊNCIA NACIONAL DAS ÁGUAS - ANA. Cuidando das águas: soluções para melhorar a qualidade dos recursos hídricos. Brasília: ANA, 2011.

AGUIAR, R., G. Fluxos de massa e energia em uma floresta tropical no sudoeste da Amazônia. 2005. 78 p. Dissertação (Mestrado) –Universidade Federal de Mato Grosso, Instituto de Ciências Exatas e da Terra, Cuiabá, 2005.

AIRES, Uilson Ricardo Venâncio et al. Changes in land use and land cover as a result of the failure of a mining tailings dam in Mariana, MG, Brazil. Land Use Policy, v. 70, p. 63-70, 2018.

AIRES, U. R. V.; SANTOS, B. S. M.; COELHO, C. D.; DA SILVA, D. D.; CALIJURI, M. L. 2018. Changes in land use and land cover as a result of the failure of a mining tailings dam in Mariana, MG, Brazil. Land Use Policy, v. 70, p. 63-70.

ANM. 2019. Classificação de Barragens de Mineração. Disponível em: http://www.anm.gov.br/assuntos/barragens/planode-seguranca-de-barragens.

ANA – Agência Nacional de Águas. Relatório de segurança de barragens 2017. Brasília: ANA, 2018. 168 p.

ANGELINI, R.; BINI, L.M.; STARLING, F.L.R.M. (2008) Efeitos de diferentes intervenções no processo de eutrofização do Lago Paranoá (Brasília - DF). Oecologia Brasiliensis, v. 12, n. 3, p. 564-571.

78

Armstrong, M., Petter, R., Petter, C., Vargas, F.G., Janeiro, R. De, 2019. Why have so many tailings dams failed in recent years ? Resour. Policy 63, 101412. https://doi.org/10.1016/j.resourpol.2019.101412

ASCHBACHER, J.; BEER, T.; CICCOLELLA, A.; PILAR MILAGRO, M.; PALIOURAS, E. Observing Earth, for a safer planet GMES space component: status and challenges. European Space Agency Bulletin, v. 2010, n. 142, p. 22–31, 2010.

ASCHBACHER, J.; MILAGRO-PÉREZ, M. P. The european Earth monitoring (GMES) programme: status and perspectives. Remote Sensing of Environment, v. 120, n. 2012, p. 3- 8, 2012.

Azam, S., & Li, Q. (2010). Tailings dam failures: A review of the last one hundred years. Geotechnical News, 28(4), 50-54.

B

BALKAU, F. Managment of environmental issues at mines: an international perspective. In: WORLD MINING ENVIRONMENT CONGRESS, 1, 1995, Nova Delhi. Proceedings... Nova Delhi, A. A. Balkema/ Rotterdam/ Brookfield, 1996. p. 1-16.

BARTRAM, J. & BALLANCE, R. (Eds.) (1996) Water quality monitoring: a practical guide to the design and implementation of freshwater quality studies and monitoring programmes. London: Chapman & Hall.

BASTOS, RAFAELLA BRASIL; FEITOSA, FERNANDO ANTÔNIO DO NASCIMENTO; MUNIZ, KÁTIA. Variabilidade espaço-temporal da biomassa fitoplanctônica e hidrologia no estuário do rio Una. Tropical Oceanography, Pernambuco, v. 33, n. 1, p.1-18, out. 2005.

BAPTISTA, G. M. M. Validação da modelagem de sequestro de carbono para Ambientes tropicais de cerrado, por meio de dados AVIRIS e HYPERION. In:XI SBSR, Belo Horizonte, Brasil, 05-10 abril 2003. Anais... São José dos Campos: INPE, p. 1037-1044, 2003.

79

BURRITT, Roger L.; CHRIST, Katherine L. Water risk in mining: Analysis of the Samarco dam failure. Journal of Cleaner Production, v. 178, p. 196-205, 2018.

BUZELLI, G. M.; CUNHA-SANTINO, M. B. D. Diagnóstico da qualidade da água e estado trófico do reservatório de Barra Bonita, SP. Revista Ambiente & Água, v. 8, n. 1, p. 186- 205, 2013.

C

CHEN, L.; TAN, C.H.; KAO, S.J.; WANG, T.S. (2008) Improvement of remote monitoring on water quality in a subtropical reservoir by incorporating grammatical evolution with parallel genetic algorithms into satellite imagery. Water Research , v. 42, p. 296-306

CBH Grande –Comitê da Bacia Hidrográfica do Rio Grande. Plano Integrado de Recursos Hídricos da Bacia do Rio Grande: Manual Operativo. Disponível em: . Acesso em: 22 jul. 2020.

CONSÓRCIO INTERMUNICIPAL DA BACIA HIDROGRÁFICA DO RIO PARAOPEBA –CIBAPAR. A Bacia. Disponível em: . Acesso em 02/05/2016.

COMPANHIA ELÉTRICA DE MINAS GERAIS (CEMIG). Inventário Hidrelétrico dos rios e Araçuaí. APÊNDICE D - 0816-JA-RT-100-00-003-RB. 2009. 890 p.

CETESB – COMPANHIA AMBIENTAL DO ESTADO DE SÃO PAULO. Variáveis de qualidade de água. São Paulo, 2009. Disponível em: Acesso em: 05 mai. 2017.

CIBAPAR – Consórcio Intermunicipal da Bacia Hidrográfica do Rio Paraopeba. Estudos preliminares para implementação do Plano Diretor das águas da bacia do Rio Paraopeba. Betim, 2010. 346p.

COELHO, Ricardo Pinto. O Aporte de Fósforo e a presença de Cianobactérias no Reservatório de São Simão. Convênio Cemig/Fundep 4830-1 – Relatório Final – 6 – 2004.

Compartilhando Experiências das ÁGUAS DE MINAS GERAIS. Disponível: < http://portalinfohidro.igam.mg.gov.br/images/2CH002618_Experincia_das_%C3%ADguas_ Vol_2_POR_Digital.pdf>. Acesso: 30 de agosto de 2019.

80

COMPANHIA DE TECNOLOGIA DE SANEAMENTO AMBIENTAL DO ESTADO DE SÃO PAULO (CETESB). Significado ambiental e sanitário das variáveis de qualidade das águas e dos sedimentos e metodologias analíticas e de amostragem. Série relatórios qualidade das águas interiores no estado de São Paulo. Apêndice A. São Paulo: Secretaria Estadual de Meio Ambiente do Estado de São Paulo, 2009.

Consórcio Intermunicipal da Bacia Hidrográfica do Rio Paraopeba - CIBAPAR. A Bacia Hidrográfica do Paraopeba. Disponível em: Acesso em: 17 de dezembro de 2014.

CPRM. Companhia de Pesquisa de Recursos Minerais - CPRM. Perspectivas do Meio Ambiente do Brasil – Uso do Subsolo. Ministério de Minas e Energia, 2002. 55 pg.

CPRM – COMPANHIA DE PESQUISA DE RECURSOS MINERAIS – Superintendência Regional de Belo Horizonte. Regionalização de vazões sub-bacias 40 e 41, Convênio 015/2000 ANEEL – 013/CPRM/2000, Relatório Final. Belo Horizonte, 2001.

CPRM. Rede Hidrometeorológica e Caracterização Física da Bacia do Alto São Francisco. Belo Horizonte: CPRM, 1996. 34p. Anexos.

CUNHA, D. G. F.; CALIJURI, M. C.; LAMPARELLI, M. C.; MENEGON JUNIOR, N. Resolução CONAMA 357/2005: análise espacial e temporal de não conformidades em rios e reservatórios do estado de São Paulo de acordo com seus enquadramentos (2005-2009). Engenharia Sanitária e Ambiental, v. 18, n. 2, p. 159-168, 2013.

CHANDER, G.; MARKHAM, B. L.; HELDER, D. L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, v. 113, n. 5, p. 893-903, 2009.

CHESF - Companhia Hidro Elétrica do São Francisco (2010). Inventário dos Ecossistemas Aquáticos do Baixo São Francisco. Reservatório de Itaparica, 2º. Relatório Anual, Dezembro/2008 a Novembro/2009.

D

DANELON, J. R. B. Estudo sobre a qualidade hídrica da bacia hidrográfica do córrego Terra Branca, Uberlândia (MG). Caderno de Geografia, v. 23, n. 39, p. 13-21, 2013.

81

DELEGIDO, J. et al. Brown and green LAI mapping through spectral indices. International Journal of Applied Earth Observation and Geoinformation, v. 35, p. 350-358, 2015.

DNPM. 2017. Portaria Nº 70.389 de 17 de maio de 2017. Ministério de Minas e Energia, Brasília.

DONG, T. et al. Modified vegetation indices for estimating crop fraction of absorbed photosynthetically active radiation. International Journal of Remote Sensing, v. 36, n. 12, p. 3097-3113, 2015.

DRUSCH, M. et al. Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services. Remote Sensing of Environment. v. 120, p. 25-36, 2012

E

EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos. Rio de Janeiro: Embrapa Solos, 2005. 412p.

EMBRAPA. Satélites de Monitoramento. Campinas: Embrapa Monitoramento por Satélite, 2009. Disponível em: . Acesso em: 27 jun. 2013.

ELAW. Environmental Law Alliance Worldwide - ELAW. Guidebook for evaluating mining project EIAs. Eugene, OR: Environmental Law Alliance Worldwide, 2010.

EUROPEAN SPACE AGENCY. Global monitoring for environment and security (GMES). Disponível em: http://www.esa.int/About_Us/Ministerial_Council_2012/Global_Monitoring_for_Environmen t_and_Security_GMES. Acesso em: 9 fev. 2017. ESA - European Space Agency. 2013. “Sentinel-1 User Handbook”. Disponível em: . Acesso em: 18 nov. 2017. ESTEVES, F. A. Fundamentos de limnologia. 2. ed. Rio de Janeiro: Interciência, 1998. 263 p. F

FERREIRA, N.C.; FERREIRA, M.E. Sensoriamento remoto da vegetação: Evolução e estado da arte. Acta Scientiarum, 2008 (no prelo).

FARIAS, Carlos E. G. Mineração e Meio Ambiente no Brasil. Centro de Gestão e Estudos Estratégicos. Programa das Nações Unidas para o Desenvolvimento. 2002.

82

Falcini, F., Khan, N.S., Macelloni, L., Horton, B.P., Lutken, C.B., McKee, K.L., Santoleri, R., Colella, S., Li, C., Volpe, G., D'Emidio, M., Salusti, A., Jerolmack, D.J., 2012. Linking the historic 2011 Mississippi River flood to coastal wetland sedimentation. Nat. Geosci. 5, 803e807. http://dx.doi.org/10.1038/ngeo1615

FERNANDES, Rafaela Baldi. Manual para elaboração de planos de ação emergencial para barragens de mineração. Belo Horizonte: Melt, 2017. 306 p. FEAM. 2010. Mapa de solos do Estado de Minas Gerais. FEAM, Belo Horizonte.

FÖRSTNER, U. Traceability of sediment analysis. Trends in Analytical Chemistry, v. 23, p. 217-236, 2004.

FRIESE, M.; MIGDALL, S.; BACH, H.; KRÄTZ, D.; BORCHARDT, D.; HANK, T.; MAUSER, W. (2010) Water quality assessment using hyperspectral techniques for the river main and its riparian water. Proc. Hyperspectral 2010 Workshop (ESA SP-683, May 2010), Frascati, Italy, 17–19 March 2010. Disponível em: http://earth.esa.int/ workshops/hyperspectral_2010/ papers/s4_1friese.pdf Acessado em: 04 nov 2011.

G

Gamon, J. A.; Serrano, L.; Surfus, J. S. The photochemical reflectance index: an optical indicator of photosynthetic radiation use efficiency across species, functional types, and nutrient levels. Oecologia, v.112, n.4, p.492-501, 1997

G1. 2019. O que se sabe até agora sobre o rompimento da barragem em Brumadinho. Disponível em: https://g1.globo.com/mg/minasgerais/noticia/2019/01/25/veja-o-que-se-sabe- ateagora-sobre-o-rompimento-da-barragem-da-valeem-brumadinho.ghtml

GERACE, A.D. et al. Increased potential to monitor water quality in the near-shore environment with Landsat’s next-generation satellite. Journal of Applied Remote Sensing, v. 7, p. 1-18, 2013.

GRACE.J., LLOYD, J., McINTIRE, J. et al. Fluxes of carbon dioxide and water vapour over an undisturbed tropical forest in south-west Amazonian. Global Change Biology, v. 1, p. 1- 12, 1995.

83

Gomes, R.C. Caracterização tecnológica e sistemas de disposição de resíduos de mineração. Ouro Preto, 2009. Dissertação de Mestrado (Mestrado em Geotecnia) - Núcleo de Geotecnia da Escola de Minas, Universidade Federal de Ouro Preto.

Gholizadeh, M.H.; Melesse, A.M.; Reddi, L. A comprehensive review on water quality parameters estimation using remote sensing techniques. Sensors 2016, 16, 1298. [CrossRef].

GUILHERME, L. R. G. et al. Elementos-traço em solos e sistemas aquáticos. In: TORRADO-VIDAL, P. et al. (Ed.). Tópicos em ciência do solo. Viçosa: Sociedade Brasileira de Ciência do Solo, 2005. v. 4. p.345-390.

H

HARTMANN C.; BULLA, L. A. S.; FELLINI B. D. Emprego de Mosaico de médio formato e do Geoprocessamento na definição dos limites técnicos para extração de areia do baixo rio Jacuí-RS, Brasil. Revista Gravel, v. 8, n. 1, p. 9-19. 2010.

I

IGAM – Instituto Mineiro de Gestão das Águas. Disponível em: www.igam.mg.gov.br/banco- de-noticias/1-ultimas-noticias/1867-governo-de-minas celebra-convenio-para-revisao-do- plano-diretor-do-rio-paraopeba. Acesso em: 29 de Agosto de 2019.

IGAM - Instituto Mineiro de Gestão das Águas. Disponível em: http://igam.mg.gov.br/aguas/htmls/index.htm Acesso 19 jun. 2006.

IGAM - Instituto Mineiro de Gestão das Águas. Identificação de municípios com condição crítica para a qualidade da água na bacia do Rio Paraopeba. Belo Horizonte: IGAM, 2013. 41p.

INSTITUTO BRASILEIRO DE MINERAÇÃO – IBRAM. Gestão e Manejo de Rejeitos da Mineração. Brasília: IBRAM, 2016. 128 p. Disponível em: Acesso em: 10 mai. 2018.

INSTITUTO MINEIRO DE GESTÃO DAS ÁGUAS – IGAM. Estudos das metas de qualidade: bacia hidrográfica do Rio Paraopeba, 2005. Disponível em: www.igam.mg.gov.br. Acesso em: maio de 2010.

84

INSTITUTO MINEIRO DE GESTÃO DAS ÁGUAS - IGAM. Monitoramento da Qualidade das Águas Superficiais na Bacia do Rio São Francisco e seus Afluentes em 2009. Belo Horizonte: Igam, 2010. 287p.

IOCCG (INTERNATIONAL OCEAN COLOUR COORDINATING GROUP). Remote Sensing of Ocean Colour in Coastal, and Other Opticaly-Complex, Waters. Sathyendranath, S. (ed.) Reports of the International Ocean-Colour Coordinating Group, n. 3, Dartmouth, Canada, 2000.

J

JENSEN, J.R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São José dos Campos, SP: Parênteses, 2009. p. 411-444.

JUSTICE, D.H. et al. The Moderate Resolution Imaging Spectroradiometer (MODIS): land remote sensing for global change research. IEEE Trans. Geosci. Remote Sens., New York, v. 36, n. 4, p. 1228-1249, 1998.

Justice, C. O.;Townshend, J.R.G.; Vermote, E.F., Masuoka, E., Wolfe, R.E., Saleous, N., Roy, D.P., Morisette, J.T. An overview of MODIS Land data processing and product status. Remote Sensing of Environment, v. 83, n.1-2, Nov. p 3 –15, 2002a.

JENSEN, JOHN R.. Sensoriamento Remoto do Ambiente: Uma perspectiva em Recursos Terrestres. Rio de Janeiro: Parêntese, 2011.

K

KEMPER, K. E. 1997. O custo da água gratuita: alocação e uso dos recursos hídricos no Vale do Curu, Ceará, nordeste brasileiro. Linköping: Linköping University. 236p.

Koponen, S.; Attila, J.; Pulliainen, J.; Kallio, K.; Pyhalahti, T.; Lindfors, A.; Rasmus, K.; Hallikainen, M. A case study of airborne and satellite remote sensing of a spring bloom event in the Gulf of Finland. Cont. Shelf Res. 2007, 27, 228–244. [CrossRef]

KITULA, A. G. N. The environmental and socio-economic impacts of mining on local livelihoods in Tanzania: a case study of Geita District. Journal of Cleaner Production, v. 14, p. 405-414, 2006.

85

L

LEAL. L. S. M. Variação sazonal do fluxo e da concentração de CO2na região leste da Floresta Amazônica–PA. 2000. 56p. Dissertação (Mestrado) -Universidade Federal de Viçosa, Viçosa, Minas Gerais, 2000.

LEMPHERS, N. Could the Hungarian tailings dam tragedy happen in Alberta? Pembina Institute, 2010. Disponível em: < https://www.pembina.org/blog/417>. Acesso em: 15 maio 2017.

Li, L.; Sengpiel, R. E.; Pascual, D. L.; Tedesco, L. P.; Wilson, J. S.; Soyeux, E. Using hyperspectral remote sensing to estimate chlorophyll- a and phycocyanin in a mesotrophic reservoir. International Journal of Remote Sensing, v.31, n.15, p.4147-4162, 2010.

LILLESAND, T. M., E KIEFER, R, W. Remote sensing and image interpretation (6th ed.). New York: Wiley, 2007.

LOBO, F.L. et al. Time-series analysis of Landsat-MSS/TM/OLI images over Amazonian waters impacted by gold mining activities. Remote Sensing of Environment, v. 157, p. 170- 184, 2015.

LOPES, L. M. N. 2016. O rompimento da barragem de Mariana e seus impactos socioambientais. Sinapse Múltipla, v. 5, n. 1, p. 1- 15.

LOTT, Denes. CBHSF – Comitê da Bacia Hidrográfica do Rio São Francisco. CBH Paraopeba – Comitê da Bacia Hidrográfica do Rio Paraopeba (SF3). III Encontro do CBHSF e Comitês afluentes do São Francisco. Disponível em: . Acesso em: 02 mai. 2018.

LOPES, H.; SOBRAL, M. C.; GUNKEL, G.; CANDEIAS, A. L.; MELO, G. Comportamento espacial da clorofila-a no reservatório de Itaparica, rio São Francisco. Eng. Sanit. Ambient., v. 20, n. 3, p. 475-484, 2015.

86

Lorthiois, T., Doxaran, D., Chami, M., 2012. Daily and seasonal dynamics of suspended particles in the Rhone River plume based on remote sensing and ^ field optical measurements. Geo-Marine Lett. 32, 89e102. http://dx.doi.org/10.1007/ s00367-012-0274-2.

LUZ NETTO, F. M.; DANELON, J. R. B.; RODRIGUES S. C. Avaliação da qualidade da água e do uso da terra da bacia hidrográfica do Córrego Terra Branca – Uberlândia. MG. Revista Geográfica Acadêmica, v. 5, n. 2, p. 66-75, 2011.

M

MACEDO, I. K.; SOUZA, N. M.; CAMPAGNOLI, F. Utilização de Modelo de Previsão de Erosão/Assoreamento para Avaliação do balanço de Massas numa Bacia Hidrográfica. In: CARVALHO, J. C.; SALES, M. M.; DE SOUZA, N. M.; MELO, T. M. S. (orgs): Processos Erosivos no Centro-Oeste Brasileiro. Brasília, Universidade de Brasília: FINATEC, 2006. 464p.

MAGRIS, R. A.; MARTA-ALMEIDA, M.; MONTEIRO, J. A.; BAN, N. C. 2019. A modelling approach to assess the impact of land mining on marine biodiversity: Assessment in coastal catchments experiencing catastrophic events (SW Brazil). Science of The Total Environment, n. 659, p. 828-840.

MARTINS, M.E.G. Coeficiente de correlação amostral. Revista de Ciência Elementar, v. 2, n. 2, 4 p., 2014.

MENESES, P. R. e ALMEIDA T. de,. Introdução ao processamento de imagens de Sensoriamento Remoto. Universidade de Brasília – UNB. Brasília. 2012. Disponível em http://www.cnpq.br/documents/10157/56b578c4-0fd5-4b9f-b82a-e9693e4f69d8. Acesso em 24/07/2013.

MENESCAL, R. A. Risco e segurança em engenharia: problemas enfrentados pelo MI com obras de infra-estrutura hídrica. São Paulo, 2007. Disponível em: . Acesso em 01 dez. 2014.

MILANEZ, B. Grandes minas em Congonhas (MG), mais do mesmo? In: FERNANDES, F. R. C.; ENRÍQUEZ, M. A. R. S.; ALAMINO, R. C. J. (Eds.). Recursos minerais & sustentabilidade territorial, v. 1, Grandes minas, p. 199-228. Rio de Janeiro: Centro de Tecnologia Mineral, 2011.

87

MILANEZ, B. Mineração, ambiente e sociedade: impactos complexos e simplificação da legislação. Disponível em: Acesso em: 23 nov. 2017

MILARÉ, Édis. Direito do ambiente: a gestão ambiental em foco: doutrina, jurisprudência, glossário. – 7 ed. rev. atual. e reform. – São Paulo: Editora Revista dos Tribunais, 2011.

MINAS GERAIS. Lei estadual nº 11.504. Dispõe sobre a Política Estadual de Recursos Hídricos e dá outras providências, de 20 de junho de 1994.

MIRANDA, T. L. G. et al. Mapeamento de uso e ocupação do solo de áreas a montante do reservatório de Capivari, para identificação de possíveis fontes de poluição. In: Seminário Brasileiro de Meio Ambiente e Responsabilidade Social do Setor Elétrico. 4., 2010. Anais...CIGRÉ, Curitiba, Paraná, 2010. p. 1-9.

MUELLER-WILM, U.; DEVIGNO, O.; PESSIOT, L. S2 MPC L2A Product Definition Document. Paria: ESA, 2015. 35p.

N

NASCIMENTO, N. O.; HELLER, L. Ciência, tecnologia e inovação na interface entre as áreas de recursos hídricos e saneamento. Engenharia Sanitária e Ambiental, Rio de Janeiro, v. 10, n. 1, p. 36-48, 2005.

National Aeronautics and Space Administration (NASA). Landsat Data Continuity Mission: Continuously Observing Your World. 2013. Disponível em: Acesso em: 19 jul 2013.

NOVO. E. M. L. M.: STECH, J. L. : ALCÂNTARA, E. H.; LONDE, L. R.; ASSIREU. A.; BARBOSA, C. C.; and SOUZA. A. F. Integração de Dados do Sistema de Monitoramento Automático de Variáveis Ambientais (SIMA) e de Imagens Orbitais na Avaliação do Estado Trófico do Reservatório da UHE Funil. Geografia (Rio Claro. Impresso). Vol. 35, 2010. p. 641-660.

NOVO, E. M. L. M. Monitoramento de quantidade e qualidade da água e sensoriamento remoto. XVII Simpósio Brasileiro de Recursos Hídricos.

NOVO, E. M. L de M. Sensoriamento Remoto Aplicado à Ecologia Aquática. In: ROLAND, F.; CESAR, D.; MARINHO, M. (Orgs) Lições de Limnlogia. São Carlos: RIMA, 2005.

88

O

OLIVEIRA, L. L. D. de. Estudo da estrutura da comunidade zooplanctônica e sua relação com as cianobactérias em três reservatórios do Médio rio Tietê, SP. 2010. Dissertação (Mestrado em Ciências da Engenharia Ambiental) -Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2010

P

PAHVELAN, N. What new algorithms will be required? In: Internatioal Ocean Colour Science (IOCS) 2015, II, 2015, San Francisco – California. Disponível em: Acesso em: 02 jul 2015.

PASTERKAMP, R.; DEKKER, A. G.; HOOGENBOOM, H. J.; RIJKEBOER, M.; HAKVOORT, J. H. M The effect of the specific inherent optical properties on assessing water quality in Dutch inland waters using matrix inversion. GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 28 june – 2 july, 1999, Hamburgo. Processdings... Hamburgo: IEEE, 1999. p.2095. vol. 4.

PENG, J. et al. The remediation of heavy metals contaminated sediment. Journal of Hazardous Materials, v. 161, p. 633- 640, 2009.

PEREIRA FILHO, W.; GALVÃO, L. S. Relações entre reflectância espectral e concentração de sedimentos em suspensão no reservatório Passo Real, região Sul o Brasil. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 8., 1997, Mérida, Anais..., Mérida:: Selper, 1997.

PEREIRA, L. F.; GUIMARÃES, R. M. F.; OLIVEIRA, R. R. O. 2018. Integrando geotecnologias simples e gratuitas para avaliar usos/coberturas da terra: QGIS e Google Earth Pro. Journal of Environmental Analysis and Progress, v. 3, n. 3, p. 250-264.

PEREIRA, S. B.; PRUSKI, F. F.; SILVA, D. D. da; RAMOS, M. M. Estudo do comportamento hidrológico do Rio São Francisco e seus principais afluentes. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 11, n. 6, p. 615-622, 2007. http://dx.doi.org/10.1590/S1415-43662007000600010.

89

PERCEBON, C. M.; BITTENCOURT, A. V. L.; ROSA FILHO, E. F. Diagnóstico da temperatura das águas dos principais rios de Blumenau, SC. Boletim Paranaense de Geociências, n. 56, p. 7-19, 2005.

PINHEIRO, V. B.; NAGHETTINI, M. da C. Calibração de um modelo chuva-vazão em bacias sem monitoramento fluviométrico a partir de curvas de permanência sintéticas. Revista Brasileira de Recursos Hídricos, v. 15, n. 2, p. 143-156, 2010.

POLONIO. V.D. Índices de vegetação na mensuração do estoque de carbono em áreas com cana-de-açúcar. Dissertação de mestrado, UNESP. Botucatu, 2015.

Q

R

RAHMAN, A.F.et al. Modeling CO2 flux of boreal forests using narrow-band indices from AVIRIS imagery. In: AVIRIS Workshop. Proceedings... JPL/NASA, Pasadena, California, 2000.

Rahman, A.F.; Gamon, J.A.; Fuentes, D.A.; Roberts, D.; Prentiss, D. Modeling spatially distributed ecosystem flux of boreal forest using hyperspectral indices from AVIRIS imagery. Journal of Geophysical Research, v.106, n.24, p.33.579-33.591, 2001.

REZA, R.; SINGH, G. Heavy metal contamination and its indexing approach for river water. International Journal of Environmental Science and Technology, v. 7, n. 4, p. 785-792, 2010.

RITCHIE, J. C., F.R. SCHIEBE, AND J.R. MCHENRY, 1796. Remote sensing of suspended sediment in surfasse water. Photogrammetric Engineering & Remote Sensing. V. 42, 1976. p. 1539-1545.

Roy, D. P., Wulder, M. A., Loveland, T. R., Woodcock, C. E., Allen, R. G., Anderson, M. C., Helder, D., Irons, J. R., Johnson, D. M., Kennedy, R., Scambos, T. A., Schaaf, C. B., Schott, J. R., Sheng, Y., Vermote, E. F., Belward, A. S., Bindschadler, R., Cohen, W. B., Gao, F., Hipple, J. D., Hostert, P., Huntington, J., Justice, C. O., Kilic, A., Kovalskyy, V., Lee, Z. P., Lymburner, L., Masek, J. G., Mccorkel, J., Shuai, Y., Trezza, R., Vogelmann, J., Wynne,

90

R .H. e Zhu, Z., “Landsat-8: Science and product vision for terrestrial global change research”. Remote Sensing of Environment, 145 (2014): 154-72.

ROUSE, J. W.; HAAS, R.H., SCHELL, J.A.; DEERING, D.W., “Monitoring Vegetation Systems in the Great Plains with ERTS”. In: Proceeding of ERTS‐1 Symposium. Anais... NASA, United States, n. 3. p. 309‐317, 1973

RICO, M., BENITO, G. e DÍEZ- HERRERO, A. Floods from tailings dam failures. Journal of hazardous materials, v. 154, n.1, p. 79 - 87, 2007.

S

SANTOS, A. C. Noções de hidroquímica. In: FEITOSA, F. A. C.; MANOEL FILHO, J. Hidrologia: conceitos e aplicações. Recife: CPRM/LABHID-UFPE, 1997. p. 81-108.

SANTOS. E. O. Contribuição ao estudo do fluxo de dióxido de carbono dentro da Floresta Amazônica. 1999. 87p. Dissertação (Mestrado em Engenharia Mecânica) -Universidade Federal do Rio de Janeiro, Rio de Janeiro-RJ, 1999.

STANIMIROVA, I.; WALCZAK, B.; MASSART, D. L. Multiple factor analysis in environmental chemistry. Analytica Chimica Acta. v. 545, n. 1, p. 1-12, 2005.

SAUSEN, T.M. & PEREIRA, M.D.B. (1986) Estudo da qualidade da água de reservatórios utilizando técnicas de sensoriamento remoto: conceitos metodológicos. In: Simpósio Latino- Americano de Sensoriamento Remoto. Anais. Gramado: INPE/SELPER/SBC, v. 1, p. 638- 644.

SEGURA, F.R. et al. Potential risks of the residue from Samarco’s mine dam burst (Bento Rodrigues, Brazil). Environmental Pollution, [s.l.], v. 218, p. 813-825, nov. 2016. Disponível em: . Acesso em: 08 de março de 2017.

SHEELA, A.M.; LETHA, J.; JOSEPH, S.; RAMACHANDRAN, K.K.; SANALKUMAR, S.P. (2011) Trophic state index of a lake system using IRS (P6-LISS III) satellite imagery. Environmental Monitoring and Assessment, v. 177, n. 1-4, p. 575-592.

91

Shen, F., Verhoef, W., Zhou, Y., Salama, M.S., Liu, X., 2010. Satellite estimates of widerange suspended sediment concentrations in Changjiang (Yangtze) estuary using MERIS data. Estuaries Coasts 33 (6), 1420e1429.

SIBANDA, M.; MUTANGA, O.; ROUGET, M. Examining the potential of Sentinel-2 MSI spectral resolution in quantifying above ground biomass across different fertilizer treatments. ISPRS Journal of Photogrammetry and Remote Sensing, v. 110, p. 5565, 2015.

SILVA, Anderson Furlan Freire da; FRACALOSSI, William. Direito Ambiental. Rio de Janeiro: Forense, 2010.

Silva, W.P. Estudo do potencial de liquefação estática de uma barragem de rejeito alteada para montante aplicando a metodologia de Olson (2001). Ouro Preto, 2010. Dissertação de Mestrado (Mestrado Profissional em Engenharia Geotécnica), Universidade Federal de Ouro Preto.

SILVEIRA, M. P. Aplicação do biomonitoramento para avaliação da qualidade da água em rios. Jaguariúna: Embrapa Meio Ambiente, 2004. 68 f. (Embrapa Meio Ambiente. Documentos, 36).

Supri – Superintendência de Projetos Prioritários do Governo de Minas Gerais. 2018. << Parecer único no 0786757/2018. Licença prévia, de instalação e de operação concomitantes Mina Córrego do Feijão: https://apublica.org/wp-content/uploads/2019/02/item-52-vale-sa- mina-de-corrego-do-feijao-1-2.pdf>. Acesso em 21 de maio de 2019.

Shimabukuro, Y. E.; Smith, J. A. The leastsquares mixing models to generate fraction images derived from remote sensing multispectral data. IEEE Transactions on Geoscience and Remote Sensing, v.29, n.1, p.16-20, 1991.

Souza Junior, C.M.; Roberts, D.A.; Cochrane, M.A. Combining spectral and spatial information to map canopy damage from selective logging and forest fires. Remote Sensing of Environment, v.98, n.2-3, p.329-343, 2005.

Souza Junior, C.M.; Siqueira, J.V.; Sales, M.H.; Fonseca, A.V.; Ribeiro, J.G.; Numata, I.; Cochrane, M.A.; Barber, C.P.; Roberts, D.A.; Barlow, J. Ten-Year Landsat Classification of Deforestation and Forest Degradation in the Brazilian Amazon. Remote Sensing, v.5, n.11, p. 5493-5513, 2013

92

SOUZA, M. D. C. et al. Fracionamento de cromo em águas superficiais por ultra filtração tangencial. Geochimica Brasiliensis, v. 28, n. 1, p. 2-12, 2014.

Schroeder, T., Devlin, M.J., Brando, V.E., Dekker, A.G., Brodie, J.E., Clementson, L.A., McKinna, L., 2012. Inter-annual variability of wet season freshwater plume extent into the Great Barrier Reef lagoon based on satellite coastal ocean colour observations. Mar. Pollut. Bull. 65, 210e223. http://dx.doi.org/10.1016/ j.marpolbul.2012.02.022.

T

TAYLOR, K. G.; OWENS, P. N. Sediments in urban river basins: a review of sediment- contaminant dynamics in an environmental system conditioned by human activities. Journal of Soil and Sediments, v. 9, p. 281-303, 2009.

TONON, L.A.C; BRANCO, I.G; PIERETTI, G.G; SELOIN, V.J; BERGAMASCO, R; MADRON, G.S; MOURA, M.M, SCAPIM, M.R.S. Análise de parâmetros de qualidade da água para consumo humano. Revista Tecnológica Maringá, v. 22, p. 35-41, 2013

TUNDISI, J. G. 1970. O plâncton estuarino. Contribuições avulsas do Instituto Oceanográfico da Universidade de São Paulo. Série Oceanografia Biológica, São Paulo, 19: 1-12.

Townshend, J. R. G.; Justice C., Li, W.; Gurney, C.; McManus, J. Global land cover classification by remote sensing: Present capabilities and future possibilities. Remote Sensing of Environment. v.35, n.2-3, p. 243-255, Feb-Mar. 1991.

TRINDADE, A. L. C. Aplicação de técnicas estatísticas para avaliação de dados de monitoramento de qualidade das águas superficiais da porção mineira da Bacia do Rio São Francisco. 2013. 181 f. Dissertação (Mestrado em Saneamento, Meio Ambiente e Recursos Hídricos) - Escola de Engenharia, Universidade Federal de Minas Gerais, Belo Horizonte. 2013.

U

United States Geological Survey. Using the USGS Landsat 8 Product. 2013a. Accessed May 10, 2015. http://landsat.usgs.gov/Landsat8_Using_Product.php.

93

USGS (Org.). Landsat 8.Disponível em: . Acesso em: 06 dez. 2013

V

VENTURA, D.L.T. (2013) Uso do sensoriamento remoto para monitoramento da concentração de clorofila a em açudes do semiárido. Dissertação (Mestrado) – Universidade de Brasília, Brasília. 53 p.

VON SPERLING, M. Princípios do tratamento biológico de águas residuárias. Belo Horizonte: DESA-UFMG. v. 7. Estudos e modelagem da qualidade da água de rios, 2007, 588 p.

W

WISE URANIUM PROJECT. World Information Service on Energy. [s.n]. Disponível em: . Acesso em: 01 de junho 2019.

WACHHOLZ F., FILHO W.P. Características Liminológicas e a Reflectância da Água do Reservatório Costa e Silva – RS. 1º SIMPGEO/OS, Rio Claro, 2008 ISBN: 978-85-88454- 15-6.

X

Y

Z

ZANARDI, R. P.; SCHNEIDER, A. H.; SALOMONI, T. R.; SALOMONI, C. S.; REISS, M. L. L. Validação da qualidade do perfilamento a LASER aerotransportado da cidade de Porto Alegre. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 16., 2013, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2013. Disponível em: . Acesso em: 25 jun. 2013.

94

ZONTA, M.; TROCATE, C. (Eds.). Antes fosse mais leve a carga: reflexões sobre o desastre da Samarco/Vale/BHP. Marabá: Editorial Iguana, 2016, v. 2.

Zhu, Z. & Woodcock, C.E. 2014. Continuous change detec-tion and classification of land cover using all availab-le Landsat data. Remote Sensing of Environment. 144: 152–171.

EXELIS. 2014. Fast Line-of-sight Atmospheric Analysis of Hypercubes (FLAASH). Kruse FA. 2004. Comparison of ATREM, ACORN, and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder, CO. Summaries of 13th JPL Airborne Geoscience Workshop, Jet Propulsion Lab, Pasadena, CA.