TENDENCIAS DE LA COSTA (1987-2019) EN LA MARGEN ESTE DEL ESTUARIO MEDIO DEL RÍO PARÁ

Autores/as

DOI:

https://doi.org/10.4215/rm2023.e22019

Resumen

El objetivo principal de este artículo es cuantificar las tasas de erosión y acreción en el margen oriental del estuario medio del Pará en 32 años (1987; 1993; 1999; 2004; 2008; 2013 y 2019) con el uso de sensores remotos y extensión del Sistema Digital de Análisis de Costas (DSAS) de datos. Estos procedimientos metodológicos recientemente aplicados en la región amazónica son efectivos en la búsqueda de los resultados esperados. Para calcular con una precisión significativa las tasas de cambios de LC, seleccione los parámetros Net Shoreline Movement (NSM), Linear Regression Rate (LRR) y End Point Rate (EPR) para obtener las variaciones. En el estuario medio, las tasas tendieron a una retracción de la LC en dirección tierra adentro, con una tasa promedio de -38m y una tasa de acreción promedio de 22,97 m predominando en Ilha de Mosqueiro, relacionado con tasas de variación promedio de -0,58 m /año (EPR) y -0,54 m/año (LRR) y en Santo Antônio do Tauá con parámetros LRR y EPR identificando tasas de variación promedio de -1,67 m/año (LRR) y -1,55 m/año (EPR). Solo en la isla de Colares se presentó una tendencia a la acreción, con una tasa de erosión promedio de -96.29 m y una tasa de acreción promedio de 116.49 m, donde la tasa máxima de acreción y erosión son 405.61 m y -396.87 m, respectivamente.

Palabras-clave: Amazonía Oriental, Dinámica Costera, Ambiente Estuarino, LANDSAT.

Biografía del autor/a

  • Diandra Karina Martins Guimarães, Universidade Federal do Pará, Belém (PA), Brasil

    Mestra em Oceanografia e Bacharela em Geografia ambos pela Universidade Federal do Pará (UFPA). Realizando pesquisas na área de Geomorfologia costeira e Dinâmica costeira com ênfase em Sensoriamento Remoto. Participei como bolsista do Programa de Educação Tutorial de Geografia (PET-Geografia) e também integrei o grupo de pesquisa Estudos Geográficos Costeiros do Marajó (EGC) da UFPA/CNPq. 

  • Maâmar El-Robrini, Universidade Federal do Pará, Belém (PA), Brasil

    Mestre em Physiographie des Océans et des Littoraux (1982) e Doutorado em Geologia Marinha - Université de la Sorbonne Paris IV/ Paris IV (1986). Atualmente é Professor Titular da Universidade Federal do Pará, Vice-Diretor da Faculdade de Oceanografia, Ministra disciplinas de Graduação (Faculdades de Geologia, Engenharia Naval e Oceanografia) e de Pós-Graduação (Engenharia Naval, Oceanografia e Recursos Hídricos). Coordenada o Grupo de Estudos Marinhos & Costeiros (GEMC/CNPQ) e o Laboratório de Geologia Oceânica (LAGEOC). Tem experiência nas áreas de Oceanografia, Geologia/Geofísica Marinha, atua nas seguintes áreas: Zona Costeira Amazônica, Zona Econômica e Exclusiva Brasileira, Margem Continental Equatorial e Mediterrânea. Participou do LEPLAC III e IV, AMASSEDS, JOPS, PROARQUIPÉLAGO. Coordenou o Programa REVIZEE, REMPLAC, Projeto Adaptation to Sea Level Rise in the Amazon Delta. Atualmente: Instituto Nacional de Energias Oceânicas (INEOF - Membro Gestor), Coordenador de Projetos: Sedimentação do Talude Continental Equatorial, Instabilidade dos Fundos (Mar Mediterrâneo), Orlas Fluviais/Oceânicas.

  • Renan Peixoto Rosário, Universidade Federal do Pará, Belém (PA), Brasil

    Doutor em Geofísica, subárea Geofísica Marinha na Universidade Federal do Pará (2016). Atualmente é professor Adjunto I do Instituto de Geociências, Faculdade de Oceanografia - UFPA. Tem experiência na área de oceanografia física, atuando principalmente nos seguintes temas: hidrodinâmica estuarina e de plataforma, intrusão salina em estuários e análise de dados em oceanografia física. 

  • Rafael Alexandre Alves Menezes, Universidade Federal do Pará, Belém (PA), Brasil

    Doutorando no Programa de Pós-Graduação em Geografia (PPGEO-UFPa) e docente externo da Faculdade de Geografia e Cartografia da Universidade Federal do Pará (FGC/UFPA). Desenvolve pesquisas na área de: Geomorfologia Costeira, Vulnerabilidade Costeira, Sensoriamento Remoto, Geoprocessamento, Modelagem, Machine Learning, Deep Learning, Linguagem de programação: Python, Javascript e R; e Geoprocessamento em nuvem (Google Earth Engine-GEE).

Publicado

2023-12-02

Número

Sección

Artigos