Abstract
The main purpose of this study was to analyze the applicability of geostatistical modeling to evaluate the environmental impact of wastewaters from sea outfalls. The set of data was obtained in a monitoring campaign of the sea outfall of S. Jacinto., in the region of Aveiro on the West coast of Portugal. The data were collected close to the discharge using an Autonomous Underwater Vehicle (AUV — Veiculo Submarino Autonomo). Matheron’s classical estimator was used to calculate the experimental semivariogram, and this was adjusted to the spherical, exponential and Gaussian theoretical models. The cross-validation technique suggested the most appropriate model and ordinary kriging was used to obtain the estimates of salinity at non-sampled points. The map estimated by kriging clearly shows the plume dispersion in the area studied, indicating that the effluent did not reach the closest beaches. This study suggests that a strategy for optimized AUV from the standpoint of geostatistics may supply better estimates compared to other interpolation methods that do not supply the errors associated with the estimates, for instance Inverse Distances Weighting (IDW), Global Polynomial, Local Polynomial, and others. Besides, since accurate measures for plume dilution are rare, these studies may be very useful in future to validate dispersion models
Highlights
Os emissários submarinos são importantes fontes de poluentes para os ecossistemas costeiros
O oceano oferece uma capacidade de diluição relativamente rápida das substâncias descarregadas, transportando, no entanto, após a estabilização da pluma, partículas contendo metais pesados, bactérias, vírus e outros materiais perigosos
É assim provável que após o final do campo próximo as concentrações de poluentes estejam espacialmente correlacionadas, e nesse caso, a geoestatística é uma técnica adequada para a estimação da diluição e a caracterização da dispersão da pluma
Summary
A teoria geoestatística é constituída por um conjunto de ferramentas e métodos estatísticos que foram desenvolvidos inicialmente por Georges Matheron, na França por volta de 1960. Uma área em estudo constituída por várias observações consiste num conjunto de variáveis aleatórias correlacionadas entre si. O passo seguinte no processo de análise geoestatística consiste em avaliar e comparar o desempenho das estimativas obtidas por krigeagem usando os modelos de semivariograma ajustados. Nesta técnica o processo de krigeagem é usado para estimar o valor do parâmetro em estudo nos pontos amostrados. A etapa seguinte na análise geoestatística consiste em utilizar o modelo de semivariograma escolhido para estimar os valores da grandeza em estudo em locais não amostrados. O processo de krigeagem é um método de interpolação que utiliza a medida de correlação espacial entre as observações, fornecida pelo modelo do semivariograma, para determinar os pesos a usar na estimação linear dos pontos desconhecidos do espaço de amostragem (Clark e Harper, 2000).
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
