Estudo de caso-rio dos bois

Prévia do material em texto

UNIVERSIDADE FEDERAL DA FRONTEIRA SUL – CAMPUS ERECHIM
ENGENHARIA AMBIENTAL E SANITÁRIA
ESTUDO DE CASO: MODELAGEM DA QUALIDADE DA ÁGUA EM UM TRECHO DO RIO DOS BOIS, GOIÁS.
ERECHIM-RS, JUNHO DE 2019.
Discentes:
Aline Vanessa Goulart 
Heber Adão Grasik
Maria Antonieta de Almeida Lara
Vanessa Santolin
Docente:
Alan Rempel
ERECHIM-RS, JUNHO DE 2019.
SUMÁRIO
1 INTRODUÇÃO	4
2 OBJETIVOS	5
3 MATERIAS E MÉTODOS	6
3.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO	6
3.2 MONITORAMENTO DA QUALIDADE DA ÁGUA	6
3.3 DISCRETIZAÇÃO DOS TRECHOS	6
3.4 OBTENÇÃO DOS DADOS DE ENTRADA	7
3.5 CÁLCULO DA ZONA DE MISTURA	9
3.6 CONFIGURAÇÃO DO MODELO QUAL2KW	9
5 RESULTADOS E DISCUSSÕES	10
5.1 CALIBARAÇÃO DO MODELO	10
5.2 COEFICIENTES DE REAERAÇÃO E CONSTANTES DA NITRIFICAÇÃO	15
5.3 ANÁLISE DE INERTEZA	16
5.4 ANÁLISE DE SENSIBILIDADE	18
5.5 QUALIDADE E ECOTOXICIDADE DA ÁGUA	20
6 CONSIDERAÇÕES FINAIS	25
REFERÊNCIAS	26
1 INTRODUÇÃO
Os recursos naturais são cada vez mais utilizados como aumento populacional, para atender as exigências dos diversos setores existentes e, com isso se tem aumento da geração de efluentes. Com o tratamento inadequado desses resíduos, em que muitas vezes recebem tratamentos ineficientes, consequentemente se tem a degradação da qualidade da água de corpos hídricos, aumentando a carga orgânica no manancial.
O equilíbrio do ecossistema aquático é alterado pela estabilização dessa carga orgânica que é lançada no corpo hídrico, que consome oxigênio dissolvido da água. Através de estratégias de gerenciamento, que abrangem a avaliação de impactos dos poluentes na concentração de oxigênio dissolvido no decorrer dos sistemas fluviais, é possível se alcançar uma boa qualidade da água dos mananciais (Kannel et. al, 2011).
	Os modelos matemáticos são constituídos de uma estrutura teórica (representados por equações matemáticas), valores numéricos dos parâmetros das equações, ou seja, coeficientes e, dados de entrada e saída, que geralmente compreendem medições de laboratório ou campo, associando fatores externos com a resposta do sistema (Von Sperling, 2014). Modelos matemáticos permitem simular ocorrências futuras da utilização da água, definindo com mais precisão a capacidade de assimilação do seu curso por meio dos limites lançados de fontes pontuais ou para extrações de determinadas vazões, de maneira que se tenha um risco calculado associado a deterioração da qualidade da água de acordo com os padrões legais (MENDES, 2010). 
A modelagem matemática, também é de extrema importância para os instrumentos de gestão dos órgãos reguladores, que buscam a preservação dos ecossistemas aquáticos, para garantia da qualidade da água. Estes modelos, tem se mostrado excelentes na construção de prognósticos da qualidade da água, ajudando nos processos tanto em decisões, quanto no planeamento e realização de condutas que visem a melhor gestão desses recursos hídricos. A gestão das reservas de água garantem que seus usos ocorram de maneira adequada, que os parâmetros bacteriológicos e físico-químicos estejam em concordância com as necessidades regionais e locais. O diagnóstico dos mananciais é uma etapa fundamental para a sugestão de ações que visem o gerenciamento adequado, sendo que, através das propriedades iniciais visualizadas pode-se delimitar metas para serem atingidas. Pode-se complementar, além dos modelos matemáticos, a gestão integrada da bacia hidrográfica associado aos bioindicadores se tornam um método eficiente na preservação da qualidade da água e dos ecossistemas aquáticos, estes, trazem informações para a elaboração de ações e programas. Assim, utilizar bioindicadores colabora com este tipo de análise, promovendo uma avaliação integrada do local estudado. 
A bacia hidrográfica do rio dos Bois concentra várias atividades econômicas, tornando-se de extrema importância para o estado de Goiás. Neste corpo d’água são lançados de esgotos domésticos sem tratamento, além de efluentes provenientes de fábrica de bebidas, frigoríficos, curtumes e outros. Além disso, na bacia estão concentrados vários pontos de extração de areia, que promovem desmatamento áreas várzeas e de matas ciliares e, como consequência desencadeiam processos erosivos, fazendo com que se aumente a turbidez da água, além de poluição química por óleos, detergentes e graxas. 
Com o intuito de se cumprirem as determinações referentes ao lançamento de efluentes em corpos hídricos, deve-se implementar sistemas de tratamento pelas empresas geradoras desses efluentes, com a finalidade de minimizar os impactos e atender a capacidade de autodepuração. Com a modelagem matemática da qualidade da água do rio dos Bois pode-se racionalizar o uso do recurso hídrico por parte das empresas geradoras e do poder público.
2 OBJETIVOS
O objetivo geral do trabalho foi obter um modelo para o oxigênio dissolvido (OD), demanda bioquímica de oxigênio (DBO), pH, temperatura, nitrogênio orgânico (Norg) e nitrogênio amoniacal (NH4) por meio de simulações numéricas com o modelo QUAL2Kw (Stream Water Quality Model). Além disso, avaliar a qualidade da água mediante análises físico-químicas e microbiológicas associado com ensaios de ecotoxicidade usando o estágio embrio-larval de zebrafish (Danio rerio), em um trecho do rio dos Bois – Goiás, para assim, investigar a situação da qualidade da água do trecho de estudo de acordo com a Resolução CONAMA 357/2005. Dos objetivos específicos do presente trabalho, estão: fazer a calibração do modelo QUAL2Kw para o trecho do rio dos Bois em estudo para diferentes parâmetros de qualidade da água (OD, DBO, pH, temperatura, Norg eNH4); realizar a aplicação do modelo QUAL2Kw, simulando os cenários de cargas pontuais para analisar e comparar a dinâmica do balanço hídrico e da qualidade da água; Integrar os ensaios de ecotoxicidade com análises físico-químicas e microbiológicas na avaliação da qualidade da água; e verificar as condições de qualidade da água do trecho de estudo de acordo com a Resolução CONAMA 357/2005.
3 MATERIAS E MÉTODOS
A metodologia foi estabelecida em cinco etapas: Caracterização da área de estudo, monitoramento da qualidade da água, discretização dos trechos e levantamentos de dados de entrada para a modelagem no QUAL2Kw, e por fim a modelagem da qualidade da água, através da calibração do modelo e simulação para os cenários atuais. Os parâmetros calibrados foram: OD, DBO, pH, temperatura, Nitrogênio Orgânico e Nitrogênio Amoniacal.
3.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO
O rio dos Bois, área de estudo deste trabalho, localiza-se no estado de Goiás, estando inserido na bacia do rio dos Bois que abrange 46 municípios e integra quatro unidades de gestão hídrica (UGH). A USG apresenta clima tropical quente em todas as estações do ano, com estação seca (maio a setembro) com precipitação média mensal inferior a 50mm, e estação chuvosa (outubro a abril) com precipitação média mensal superior a 100 mm, chegando a até 250m. Quanto ao uso e ocupação do solo na USG, destaca-se a agricultura e pecuária, e o principal uso da água destinado á irrigação.
3.2 MONITORAMENTO DA QUALIDADE DA ÁGUA
Para a obtenção dos dados necessários para a calibração do modelo, foram realizadas seis campanhas de coletas nos períodos de seca e de chuvas, durante os anos de 2015, 2016 e 2017. Dez pontos de amostragem foram distribuídos em um trecho de 49,33 km. As amostras foram coletadas a partir de identificações de pontos de lançamento e a montante da captação para abastecimento público.
As medições de vazões e velocidades foram realizadas nos pontos aonde o escoamento se apresentava aproximadamente uniforme. As análises dos parâmetros físico-químicos e microbiológicos foram realizadas segundo Standard Methods (APHA, 2012) e as análises de metais segundo Método 3005ª (USEPA, 1992).
3.3 DISCRETIZAÇÃO DOS TRECHOS
Foram identificados quatro grandes tributários de lançamentos pontuais: Ribeirão Mutum (T1), Córrego do Cavalo Morto (T2), Córrego Grande (T3) e Córrego Santo Antônio (T4). Além de pontos decaptação de água para a indústria, lançamento de efluentes dessas indústrias, lançamento de resíduos de ETA, a localização dos pontos de lançamento, abstrações, tributários e monitoramento podem ser observados no quadro 1, a seguir.
Quadro1: Localização dos pontos de monitoramento, das abstrações, dos lançamentos e dos tributários ao longo do trecho de 49.33 km.
	Ponto
	Localização no trecho (km)
	Trechos
	Extensão do trecho (km)
	1
	49.33
	1
	0,58
	CAPG
	48.75
	
	
	2
	48.75
	2
	0,72
	CAP1
	48.70
	
	
	3
	48.04
	
	
	LC1
	48.66
	
	
	CAP2
	48.20
	
	
	LC2
	47.97
	3
	0,32
	4
	47.71
	4
	0,70
	LRETA
	47,08
	
	
	LG
	47.07
	
	
	D5
	47.01
	5
	8,92
	6
	38.09
	6
	12,18
	T1
	35.60
	
	
	7
	25.92
	7
	5,49
	T2
	25.08
	
	
	8
	20.42
	8
	7,30
	T3
	20.30
	
	
	9
	13.13
	9
	13,13
	T4
	8.21
	
	
	10
	0.00
	
	
Fonte: Adaptado de Soares, 2018.
3.4 OBTENÇÃO DOS DADOS DE ENTRADA
· Características hidráulicas
As características hidráulicas para a modelagem foram obtidas através de curvas chaves para originar os coeficientes de descarga em relação a velocidade média e profundidade do corpo hídrico. Possibilitando gerar gráficos da velocidade em função da vazão e da profundidade em função da vazão, para os pontos 2, 4, 6, 9 e 10. Observando os coeficientes de determinação da velocidade em função da vazão, observa-se uma forte correlação (R2) nos pontos 2, 4, 6 e 9 e uma má representatividade no ponto 10. Já no caso da profundidade em função da vazão todos os pontos apresentaram forte correlação e representatividade. Os coeficientes de descarga foram calculados para todos os trechos que foram definidos no QUAL2Kw, conforme a Tabela 1.
Tabela 1: Coeficientes de descarga para cada trecho do rio dos Bois
Fonte: Soares, 2018.
· Reaeração
Os coeficientes de reaeração K2 foram calculados para cada trecho do rio de acordo com os valores de profundidade e velocidade obtidos através de medições, aplicando-se a equação de O’Connor e Dobbins (1958) e são apresentados na tabela a seguir.
Tabela 2: Valores de K2 em função da velocidade e profundidade
Fonte: Soares, 2018.
· Constantes de nitrificação
As constantes de nitrificação foram previamente calibradas utilizando a ferramenta Solver do Solver do Microsoft Excel, depois inseridos no modelo QUAL2Kw, simulando as concentrações de nitrogênio orgânico, nitrogênio amoniacal e nitrato com valores aleatórios das constante juntamente com o conjunto de dados das campanhas de amostragem. Obtendo-se os dados de entrada da calibração para os meses de outubro e novembro de 2015 e janeiro e março de 2016. Por seguinte, realizou-se a otimização das constantes através da minimização do erro entre valores simulados e observados. Após foi obtida a calibração de constantes: Koa – constante de conversão de nitrogênio orgânico á amoniacal e Kan – constante de conversão de nitrogênio amoniacal á nitrato.
Tabela 3: Resultado da calibração das constantes Koa e Kan e seus respectivos erros.
	Meses/ano
	Koa
	Erro
	Kan
	Erro
	out/15 
	0.25 
	2.4743 
	0.20 
	0.0702
	nov/15 
	0.20 
	0.3124 
	0.77 
	0.0242
	jan/16 
	0.20 
	0.0372 
	1.00 
	0.0951
	mar/16 
	0.25 
	0.1490 
	1.00 
	0.0309
Fonte: Soares, 2018.
3.5 CÁLCULO DA ZONA DE MISTURA
O cálculo da distância do lançamento pontual até o ponto de mistura lateral completa foi realizado na seção do rio após o lançamento de efluentes no ponto 4, considerando lançamento em uma margem, utilizando método de Yotsukura. Aplicando a equação para os dados obtidos no ato de medição de vazão no ponto 4, considerando as quatro campanhas amostrais. Como resultado a distância de percurso para se obter a mistura completa encontrou-se o valor médio aproximado de 1,5 km.
3.6 CONFIGURAÇÃO DO MODELO QUAL2KW
Para o cálculo do modelo foi utilizado o método de integração de Runge-Kutta. No modelo hidráulico do QUAL2Kw foram lançados os coeficientes de descarga (aba Reach), os coeficientes de K2 obtidos nas campanhas amostrais a serem calibrados pelo modelo e valores de k1 = 0,10 para todos os trechos (aba Reach Rates). Também foram inseridas constantes de conversão Koa e Kan previamente calibradas para cada campanha amostral. A DBO5 resultado das análises foi transformada em DBOCfast (DBO última) e inserida no modelo.
5 RESULTADOS E DISCUSSÕES
5.1 CALIBARAÇÃO DO MODELO
Foram realizadas calibrações para os meses de outubro e novembro de 2015 e para os meses de janeiro e março de 2016, distintamente, utilizando os dados coletados para cada campanha
amostral. Os dados de entrada das cargas pontuais identificadas no trecho de estudo foram inseridos na aba “Point Sources”, inserindo a localização do lançamento no trecho, a vazão e os respectivos dados de qualidade. As vazões dos tributários foram estimadas através do balanço das entradas e saídas entre as vazões medidas nos pontos de coleta. As vazões de captação foram obtidas através das outorgas disponíveis no órgão ambiental competente. A vazão do LTE foi estimada e fixada para todos os meses e as concentrações das cargas foram estimadas para cada campanha amostral de forma a obter o melhor ajuste. Como resultado obteve-se 4 modelos da calibração para as variáveis de qualidade da água para cada campanha amostral. Na figura 1 a seguir pode-se observar o resultada das variáveis de calibração OD, DBO, Norg, NH4, pH e temperatura para o mês de outubro de 2015.
Figura 1: Resultado da calibração para OD (a), DBO(b), Norg (c) e NH4 (d), pH (e) e temperatura (f) no mês de outubro de 2015.
(a) (b)
(c) (d)
(e) (f)
Fonte: Soares, 2018.
	Os parâmetros calibrados obtiveram um bom ajuste quando comparados com os valores observados, com valor do inverso de RNEQ de 0,8055. Em relação a OD, o modelo simula concentrações que permanecem abaixo de 5mg/L em uma extensão de 24 km de trecho. A DBO simulada atinge um valor de 12,25 mg/L após o ponto de lançamento e permanece acima de 5 mg/L durante 5 km de extensão do rio. Os dados medidos em campo não apresentam decaimento exponencial da DBO, isto por que podem existir contribuições difusas que não foram consideradas no modelo e que influenciam no decaimento de OD e aumento da DBO experimental. Os valores de pH e temperatura encontraram-se constantes e dentro dos valores padrão. O Norg possuiu um bom ajuste dos dados medidos e simulados. Já o NH4 manteve-se acima de 500 mg/L no mesmo trecho em que a DBO também esteve em desacordo com a legislação. Os valores de NH4 medidos em campo apresentam uma concentração inicial alta, decai e começa a aumentar de novo no meio do trecho, não condizendo com o comportamento dos outros meses, que permanecem constantes ou vão decaindo até o final do trecho.
	Na figura 2 a seguir pode-se observar o resultada das variáveis de calibração OD, DBO, Norg, NH4, pH e temperatura para o mês de novembro de 2015.
Figura 2: Resultado da calibração para OD (a), DBO(b), Norg (c), NH4 (d), pH (e) e temperatura (f) no mês de novembro de 2015.
(a) (b)
(c) (d)
(e) (f)
Fonte: Soares, 2018.
	Os resultados das calibrações no mês de novembro alcançaram um valor de ajuste 0,8153 de RMEQ inverso. As concentrações de OD apresentam-se abaixo dos padrões recomendados, atingindo 4,65 mg/L no quilômetro 32. As simulações de OD encontram-se abaixo dos valores medidos em campo. Isto se justifica pela reaeração in loco ser mais alta que a simulada (k2) pelo modelo. A DBO atinge seu pico em 10,19 mg/L logo após o ponto de LTE e continua acima do padrão por aproximadamente 6 km, seguindo a tendência dos valores experimentais. Os demais parâmetros estão dentro dos valores recomendados pela legislação. No entanto os valores de Norg observadas aumentam a partir do km 25, enquanto no modelo decaem.
Na figura 3 a seguir pode-se observar o resultada das variáveis de calibração OD, DBO, Norg, NH4, pH e temperatura para o mês de janeiro de 2016.
Figura 3: Resultado da calibração para OD (a), DBO(b), Norg (c), NH4 (d), pH (e) e temperatura (f) no mês de janeiro de 2016.
(a) (b)
(c) (d)
(e) (f)
Fonte: Soares, 2018.
	
No mês de janeiro também obteve-seum bom ajuste com valor de inverso de RMEQ de 0,8026, seguindo a tendência dos medidos em campo. Os parâmetros mantiveram-se dentro dos padrões recomendados, com exceção da DBO que se manteve acima de 5 mg/L por cerca de 25 km de extensão do trecho e atingiu seu valor máximo(12,55 mg/L) após o ponto de lançamento.
Na figura 4 a seguir pode-se observar o resultada das variáveis de calibração OD, DBO, Norg, NH4, pH e temperatura para o mês de março de 2016.
Figura 4: Resultado da calibração para OD (a), DBO(b), Norg (c), NH4 (d), pH (e) e temperatura (f) no mês de março de 2016.
(a) (b)
(c) (d)
(e) (f)
Fonte: Soares, 2018.
No mês de março de 2016 a calibração gerou um valor de inverso de RMEQ de 0,8080.Os valores calibrados em sua maioria encontram-se dentro das condições padrão, exceto a DBO que atingiu um pico de 9,32 mg/L e manteve-se acima de 5 mg/L por aproximadamente 6 km de extensão. 
A legislação permite que a DBO esteja acima dos padrões até a distância de percurso para se atingir a mistura total, que no presente trecho é em média 1,5 km de distância do ponto do LTE. No entanto, em todas as campanhas a DBO manteve acima do recomendado por no mínimo 5 km de extensão.
5.2 COEFICIENTES DE REAERAÇÃO E CONSTANTES DA NITRIFICAÇÃO
As constantes da nitrificação foram calibradas separadamente, e ainda foi necessário ajustar manualmente a taxa de conversão de nitrogênio orgânico à amoniacal (Koa) e da taxa de conversão de nitrogênio amoniacal diretamente para nitrato (Kan) para cada um dos trechos.
Por mais que os coeficientes da reaeração terem sido calculados com base em fórmulas empíricas e após calibrados pelo QUAL2Kw, eles foram ajustados manualmente para melhorar a calibração.
Os valores dos coeficientes são fundamentais pois são utilizados nos cenários futuros para a modelagem da qualidade da água.
Tabela 4: Coeficientes calibrados referentes aos trechos simulados no QUAL2Kw
Fonte: Soares, 2018.
5.3 ANÁLISE DE INERTEZA
Para avaliar o resultado do OD foram realizadas simulações em distâncias distintas para cada um dos 4 modelos calibrados. Dentre os parâmetros avaliados tem-se a vazão do LTE (, o OD e a concentração de saturação (Cs) no rio, além de e .
Os parâmetros tiveram certa variação percentual em torno do valor fixo, refletindo o maior ou menor grau de incerteza, dessa forma teve-se uma grande faixa de valores. Variou-se e em 30%, OD no rio em 10%, Cs em 5% e em 50%. Como à distância de percurso do rio é incerta, a mesma foi considerada como nula. O valor de elevado é por ter sido determinada de forma empírica.
Figura 5: Distribuição de frequência acumulada (a) e distribuição de frequência simples (b) das concentrações de OD no km 32,00 para a calibração do mês de outubro de 2015.
Fonte: Soares, 2018.
É possível notar que na Figura 5(a) que no mês de análise apenas 9,4% das simulações atenderam a legislação para corpos d’água de Classe 2. Além de que 66% das simulações conduziram a um entre 4 e 5 mg/L (Figura 5b).
Figura 6: Distribuição de frequência acumulada (a) e distribuição de frequência simples (b) das concentrações de OD no km 42,55 para a calibração do mês de novembro de 2015.
Fonte: Soares, 2018.
Na figura 6(a) pode-se perceber que no mês de análise há probabilidade de que 21,6% do lançamento de esgotos atenderá à legislação, dentro das condições assumidas. E 62,9% das simulações conduziram ao valor de entre 4 e 5mg/L (Figura 6(b)).
Figura 7: Distribuição de frequência acumulada (a) e distribuição de frequência simples (b) das concentrações de OD no km 16,77, para a calibração do mês de janeiro de 2016.
Fonte: Soares, 2018.
Em janeiro de 2016, o percentual aumenta em relação ao atendimento a legislação, alcançando 49,4% (Figura 7(a)) e o fica entre os valores de 5 e 6 mg/L (Figura 7(b)) com a probabilidade de 46,6%.
Figura 8: Distribuição de frequência acumulada (a) e distribuição de frequência simples (b) das concentrações de OD no km 47,36 para a calibração do mês de março de 2016.
Fonte: Soares, 2018.
No mês de março ocorre o melhor cenário que atende a legislação, sendo que 71% das simulações para o se encontram a cima de 5 mg/L (Figura 8a) com probabilidade de 48,6% de permanecerem entre os valores de 5 e 6 mg/L.
5.4 ANÁLISE DE SENSIBILIDADE
A análise de sensibilidade de OD para os coeficientes K1 e K2, foi realizada em cada campanha amostral, utilizando a Simulação Monte Carlo com distribuição normal, empregando os mesmos parâmetros e percentuais de variações da análise de incerteza. Separaram-se os dados em dois grupos de amostras para 1000 simulações, em que os primeiros 500 valores de dados estão associados ao ODmín abaixo da mediana (Grupo 1), e os últimos 500 valores estão associados ao ODmín acima da mediana (Grupo 2). Os resultados destas análises estão representados nas Figuras 9, 10, 11 e 12 para as campanhas amostrais de outubro de 2015 no km 32,00, novembro de 2015 no km 42,55, janeiro de 2016 no km 16,77, e março de 2016 no km 47,36, respectivamente.
Figura 9: Simulação Monte Carlo para análise de sensibilidade dos parâmetros K1 (a) e K2 (b) no km 32,00 para o mês de outubro de 2015.
Fonte: Soares, 2018.
Figura 10: Simulação Monte Carlo para análise de sensibilidade dos parâmetros K1 (a) e K2 (b) no km 42,55 para o mês de novembro de 2015.
Fonte: Soares, 2018.
Figura 11: Simulação Monte Carlo para análise de sensibilidade dos parâmetros K1 (a) e K2 (b) no km 16,77 para o mês de janeiro de 2016.
Fonte: Soares, 2018.
Figura 12: Simulação Monte Carlo para análise de sensibilidade dos parâmetros K1 (a) e K2 (b) no km 47,36 para o mês de março de 2016.
Fonte: Soares, 2018.
	De acordo com os gráficos pode-se observar que dados de K1 no Grupo 1 e no Grupo 2, não possuem diferenças significativas, e que o valor de K1 não é determinante nos valores de ODmín. Já os dados de K2 nas amostras do Grupo 2 de todas as campanhas amostrais estão associados a valores bem mais elevados do que na amostra do Grupo 1, sendo significativamente diferentes. O test t não paramétrico confirmou que há diferenças entre os grupos de amostra 1 e 2, para a variável K2, (p ≤ 0,05), ou seja, o coeficiente K2 é importante nos resultados de ODmín
5.5 QUALIDADE E ECOTOXICIDADE DA ÁGUA
Os resultados referentes as análises físico-químicas e microbiológicas dos meses de fevereiro e setembro de 2017, nos pontos 2,4,5,7 e 9 estão apresentadas a seguir.
Tabela 5: Resultados dos parâmetros físico-químicos e microbiológicos do mês de fevereiro de 2017 em diferentes amostras de água coletadas em diferentes pontos do rio (P2, P4, P6, P7 e P9).
Fonte: Soares, 2018.
Como pode ser visto na Tabela 5 no mês de fevereiro de 2017 o único parâmetro que não atendeu a legislação foi o fósforo total que ultrapassou o recomendado nos pontos 6,7 e 9, após o lançamento de efluentes industriais.
Tabela 6: Resultados dos parâmetros físico-químicos e microbiológicos do mês de setembro de 2017 em diferentes amostras de água coletadas em diferentes pontos do rio (P2, P4, P6, P7 e P9).
Fonte: Soares, 2018.
Já no mês de setembro de 2017, as concentrações de DBO e de OD no ponto 6, não atingiram os valores recomendados pela CONAMA/357 para rios de classe 2, estando acima de 5 mg/L e abaixo de 5 mg/L, respectivamente. No ponto 4 os coliformes termotolerantes também ultrapassaram as recomendações, assim como o fósforo total nos pontos 6,7 e 9. 
Em relação aos metais, as concentrações de ferro estavam a cima do recomendado para rios de classe 2, tanto em fevereiro como em setembro de 2017. Na Figura 13 as concentrações ficaram próximas das condições padrões, tendo um pico de 0,49 mg/L no ponto 4, estando 0,19 mg/L a cima do recomendado.
Figura 13: Concentrações de Ferro (mg/L Fe) em diferentes amostras de água coletadas em diferentes pontos do rio (P2, P4, P6, P7 e P9) em fevereiro (a) e (b), e em setembro.
Fonte: Soares, 2018.
Em relação ao Chumbo todos os pontos analisados apresentaram elevadas concentrações, sendo que no ponto 9 as concentrações estavam 245%a cima do valor recomendado. A concentração de cobre no ponto 4, logo após o lançamento dos efluentes de curtume, teve um pico de 21,88 mg/L Cu, ou seja 243% a mais em relação ao valor recomendado de 9 μg/L Cu (Figura 14a). No mês de setembro de 2017 (Figura 14b) tanto as concentrações de chumbo quanto as de cobre permaneceram maior que o recomendado pela resolução CONAMA 357/2005.
Figura 14: Concentrações de Chumbo (μg/L Pb) e Cobre (μg/L Cu) em diferentes amostras de água coletadas em diferentes pontos do rio (P2, P4, P6, P7 e P9) em fevereiro (a) e setembro (b) de 2017.
Fonte: Soares, 2018.
Em relação as concentrações de cromo, zinco e manganês, no mês de fevereiro e setembro de 2017 (Figura 15a e 15b), todos os valores tiveram abaixo dos valores recomendados para rios de classe 2. 
Figura 15: Concentrações de Cromo (μg/L Cr), Zinco (μg/L Zn), e Manganês (μg/L Mn) em diferentes amostras de água coletadas em diferentes pontos do rio (P2, P4, P6, P7 e P9) em fevereiro (a) e setembro (b) de 2017.
Fonte: Soares, 2018.
Em fevereiro de 2017 as amostras de água coletadas em diferentes pontos no rio dos Bois (P2, P6 e P9), não demonstraram mortalidade significativa. Já na segunda coleta (Figura 16b) teve uma redução de 5% na sobrevivência dos embriões expostos a partir de 48h no ponto 6.
Figura 16: Taxa de sobrevivência de embriões e larvas de Danio rerio expostas às amostras de água coletadas em diferentes pontos do rio (P2, P6, P9) em fevereiro (a) e setembro (b) por 24, 48, 72 e 96 h. As barras representam a média ± desvio padrão de três testes. Controle negativo: CN (água de manutenção) e controle positivo: CP (3,4-dicloroanilina a 4 mg/L).
Fonte: Soares, 2018.
6 CONSIDERAÇÕES FINAIS
A simulação de lançamento pontuais no rio estudado através do modelo QUAL2Kw mostrou-se como uma ótima ferramenta, com um bom ajuste na calibração, onde o valor de RMEQ médio foi de 0,808 ± 0,005 para todas as campanhas amostrais. O cenário mais crítico aconteceu na menor vazão do manancial, com maior concentração de poluentes (outubro de 2015), com aumento de DBO e NH4 e redução da concentração de OD, devido as contribuições de fontes difusas ao longo dos trechos ou das cargas de altas concentrações derivadas dos tributários.
A análise de incerteza por simulação Monte Carlo mostrou a possibilidade de representar os resultados em forma probabilística e realçou o cenário mais crítico, em que, apenas 9,4 % das simulações conduziram a um ODmín maior que 5 mg/L. Através da análise de sensibilidade pode-se concluir que o valor de K1 não é determinante nos valores de ODmín e verificou-se a importância do coeficiente de reaeração na determinação de concentrações de OD, com base no teste t não paramétrico com significância de p ≤0,05.
No ponto 4, em seguida ao lançamento de efluentes se teve um aumento na concentração de alguns parâmetros de qualidade e de metais traços analisados, como fósforo total, ferro, chumbo e cobre, e maiores efeitos significativos na fase do desenvolvimento de embriões de zebrafish, na avaliação da ecotoxicidade. Relativo ao enquadramento na Resolução CONAMA 357/05, o trecho após o lançamento de efluentes está em inconformidade em relação ao parâmetro DBO, em todas campanhas amostrais. 
REFERÊNCIAS
SOARES, Samara Silva. Modelagem da qualidade da água em um trecho do rio dos bois, goiás. 2018. 106 f. Dissertação (Mestrado) - Curso de Programa de Pós-graduação Stricto Sensu em Engenharia Ambiental e Sanitária, Programa de Pós-Graduação Stricto Sensu em Engenharia Ambiental e Sanitária da Universidade Federal de Goiás, Goiânia, 2018.
 
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL 
–
 
CAMPUS
 
ERECHIM
 
ENGENHARIA AMBIENTAL E SANITÁRIA
 
 
 
 
 
 
 
 
 
 
ESTUDO DE CASO: 
MODELAGEM DA QUALIDADE DA ÁGUA EM UM TRECHO DO 
RIO DOS BOIS, GOIÁS.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ERECHIM
-
RS, JU
NHO
 
DE 2019.
 
 
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL – CAMPUS ERECHIM 
ENGENHARIA AMBIENTAL E SANITÁRIA 
 
 
 
 
 
 
 
 
 
ESTUDO DE CASO: MODELAGEM DA QUALIDADE DA ÁGUA EM UM TRECHO DO 
RIO DOS BOIS, GOIÁS. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ERECHIM-RS, JUNHO DE 2019.