Simulação do risco de lixiviação de poluentes orgânicos de lodos.

O objetivo desse trabalho foi simular o risco de lixiviação de trinta e oito poluentes orgânicos presentes em lodos de esgotos provenientes de estações de tratamentos. Para tanto, foi assumido um cultivo hipotético de milho em um solo Latossolo vermelho distrófico, característico de solos de regiões produtoras de milho, no qual foi aplicada uma dose de lodo de esgoto como fertilizante. Lodos de esgotos são ricos em matéria orgânica e micronutrientes úteis na fertilização de solos para a produção de plantas, mas também podem conter poluentes de importância ambiental. A lixiviação dos poluentes foi simulada utilizando-se o modelo CMLS94 e os dados climáticos de mil anos independentes e igualmente prováveis gerados pelo simulador de clima WGEN, a partir de uma seqüência de quatorze anos consecutivos observados e registrados pela Estação Experimental do Instituto Agronômico de Campinas. A análise de risco de lixiviação indicou que os poluentes benzidina > n-nitrosodi-n-propilamina > fenol > 2,4-dinitrofenol > isoforano > nitrobenzeno > p-cresol > o-cresol > m-cresol > 2-clorofenol, nessa ordem, devem ser monitorados em águas subterrâneas de regiões de solos nos quais foram aplicados doses de lodo.

Comparação entre imagens Aster e Landsat 7 na classificação de níveis de degradação de pastagens utilizando redes neurais artificiais.

O presente estudo teve como objetivo comparar a eficiência dos dados dos sensores Aster e ETM+/Landsat 7 na classificação do uso e cobertura da terra, com ênfase nos níveis de degradação das pastagens na Zona da Mata Mineira, através da utilização de redes neurais artificiais. Foram testadas três composições de uma imagem do sensor Aster e uma do ETM+/Landsat 7, para definição das melhores feições discriminantes para o classificador. As classes de uso e cobertura consideradas foram: floresta, café, área urbana/solo exposto e três níveis de degradação das pastagens (moderado, forte e muito forte). Utilizou-se o simulador de redes neurais Java Neural Network Simulator e o algoritmo empregado foi o back-propagation. Dentre as composições de imagens testadas o melhor resultado foi alcançado com a utilização das 9 bandas do Aster (30m) como variáveis discriminantes, que também permitiu uma melhor discriminação dos níveis de degradação das pastagens considerados. Este resultado é atribuído à melhor resolução espectral desta composição de imagem quando comparada às demais. Dentre as classes consideradas, a pastagem no nível de degradação muito forte foi a que apresentou o maior erro de classificação, em todas as composições, sendo bastante confundida com a pastagem no nível de degradação forte.