Estudo da Susceptibilidade à Erosão Laminar em Bacia Hidrográfica da Zona da Mata, Minas Gerais, Brasil

Heitor Carvalho Lacerda

Resumo


O estudo da susceptibilidade a erosão laminar é pertinente na mesorregião da Zona da Mata de Minas Gerais, visto a predominância da cobertura de pastagem e pela expressiva degradação do solo. Neste estudo, objetivou-se compreender quais variáveis geodinâmicas são importantes na predição dos processos erosivos laminares e o melhor modelo preditivo entre oito, através de comparações multicritérios, possibilitando entender o fenômeno em uma bacia hidrográfica da mesorregião. Assim, utilizou-se o método de atribuição de notas pela Literatura (L) e Realidade de campo (RC), cuja ponderação de parcela dos processos erosivos (60%) laminares mapeados ponderou a nota das classes das variáveis pela área das mesmas. A integração das variáveis foi por testes de ponderação e integração total e parcial. A avaliação dos modelos gerados foi por estatística descritiva (Box-Plot), diferentes métodos de categorização (Manual, Natural Breaks e Geometrical Interval) e curva ROC com cálculo de eficiência AUC (40% das erosões mapeadas). Os resultados apontaram que a falta umidade é um fator importante para a ocorrência dos processos erosivos laminares, por outro lado, as variáveis morfométricas não foram importantes para a predição. Modelos baseados na RC (72,41% AUC médio) obteve eficiência consideravelmente maior do que a L (65,41% AUC médio), já quando comparado a integração de todas as variáveis geodinâmicas e somente as mais importantes e quando integrado com ponderação e sem ponderação, não houve considerável diferença estatística. O modelo mais eficiente obteve 76,3% AUC, considerado boa e estava adequado a realidade da área estudada.   


Palavras-chave


Geotecnologias; Comparação de modelos de risco; Análises Multicritério.

Referências


Ab’Saber, A. N. 2003. Os domínios de natureza no Brasil: potencialidades paisagísticas. São Paulo: Ateliê Editorial. IBSN: 85-7480-09906

Alvares, C. A.; Stape, J. L.; Sentelhas, P. C.; Moraes, G.; Leonardo, J.; Sparovek, G. 2013. Köppen's climate classification map for Brazil. Meteorologische Zeitschrift, Stuttgart, v. 22, n.6, p. 711-728. https://doi.org/10.1127/0941-2948/2013/0507

Arabameri, A.; Chen, W.; Loche, M.; Zhao, X.; Li, Y.; Lombardo, L.; Bui, D. T. 2019. Comparison of machine learning models for gully erosion susceptibility mapping. Geoscience Frontiers. Doi: https://doi.org/10.1016/j.gsf.2019.11.009

Azareh, A.; Rahmati, O.; Rafiei-Sardooi, E.; Sankey, J. B.; Lee, S.; Shahabi, H.; Ahmad, B. B. 2018. Modelling gully-erosion susceptibility in a semi-arid region, Iran: Investigation of applicability of certainty factor and maximum entropy models. Science of The Total Environment. Doi: 10.1016/j.scitotenv.2018.11.235

Capoane, V. 2019. Susceptibilidade a erosão na bacia hidrográfica do córrego Guariroba, Campo Grande, Mato Grosso do Sul. Acta Brasiliensis, 3(2), 49-55. Doi: https://doi.org/10.22571/2526-4338180

Cavalcanti, B. S.; Marques, G. R. G. 2016. Recursos hídricos e gestão de conflitos: A bacia hidrográfica do rio Paraíba do Sul a partir da crise hídrica de 2014-2015. Revista de Gestão dos Países de Língua Portuguesa, 15(1), 04-16. Acesso: http://www.scielo.mec.pt/scielo.php?script=sci_arttext&pid=S1645-44642016000100002

Choubin, B.; Rahmati, O.; Tahmasebipour, N.; Feizizadeh, B.; Pourghasemi, H. R. 2019. Application of fuzzy analytical network process model for analyzing the gully erosion susceptibility. In Natural hazards gis-based spatial modeling using data mining techniques (pp. 105-125). Springer, Cham.

Conforti M,; Aucelli PPC.; Robustelli G.; Scarciglia F. 2011 Geomorphology and GIS analysis for mapping gully erosion susceptibility in the Turbolo stream catchment (northern Calabria, Italy). Nat Hazards 56:881–898. Doi: 10.1007/s11069-010-9598-2

Conoscenti, C.; Angiler, S.; Cappadonia, C.; Rotigliano, E.; Agnesi, V.; Märker, M. 2014. Gully erosion susceptibility assessment by means of GIS-based logistic regression: a case of Sicily (Italy). Geomorphology, v. 204, n. 1, p.399–411. Doi:

https://doi.org/10.1016/j.geomorph.2013.08.021

Crepani, E.; Medeiros, J. D.; Hernandez Filho, P.; Florenzano, T. G.; Duarte, V.; Barbosa, C. C. F. 2001 Sensoriamento remoto e geoprocessamento aplicados ao zoneamento ecológico-econômico e ao ordenamento territorial (p. 124). São José dos Campos: INPE. Acesso: http://www.dsr.inpe.br/laf/sap/artigos/CrepaneEtAl.pdf

El Maaoui, M. A.; Felfoul, M. S.; Boussema, M.; R.; Snane, M. H. 2012. Sediment yield from irregularly shaped gullies located on the Fortuna lithologic formation in semi-arid area of Tunisia. Catena, 93, 97-104. Doi: https://doi.org/10.1016/j.catena.2012.02.004

Fernandes, E. A.; Cunha, N. R. D. S; Silva, R. G. D. 2005. Degradação ambiental no estado de Minas Gerais. Revista de Economia e Sociologia Rural, 43(1), 179-198.

Francisco, C. N.; Gruber, N. C. 2018. Índices de vegetação obtidos de imagens multiespectrais aplicados na discriminação da cobertura vegetal em relevo montanhoso. Geo uerj, (32), 16931. DOI: https://doi.org/10.12957/geouerj.2018.16931

Gómez-Gutiérrez, Á.; Conoscenti, C.; Angileri, S. E.; Rotigliano, E.; Schnabel, S. 2015. Using topographical attributes to evaluate gully erosion proneness (susceptibility) in two mediterranean basins: advantages and limitations. Natural Hazards, Berlim. V.79, n.1, p. 291-314. Doi: https://doi.org/10.1007/s11069-015-1703-0

Gradim, D. T.; Noce, C. M.; Novo, T. A.; Queiroga, G. N.; Soares, A. C. P.; Oliveira, M. A. S. 2014. Geologia e recursos minerais da folha Viçosa: estado de Minas Gerais. CPRM, 71 p. Acesso: http://rigeo.cprm.gov.br/xmlui/handle/doc/17798?show=full

Huete, A.; Didan, K.; Miura, T.; Rodriguez, E. P.; Gao, X.; Ferreira, L. G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of environment, 83(1-2), 195-213. Doi: https://doi.org/10.1016/S0034-4257(02)00096-2

Kheir, R. B.; Wilson, J.; Deng, Y. 2007. Use of terrain variables for mapping gully erosion susceptibility in Lebanon. Earth Surface Processes and Landforms: The Journal of the British Geomorphological Research Group, Londres.V.32, n.12, p.1770-1782, 2007. Doi: https://doi.org/10.1002/esp.1501

Mafra, R. C.; Pinheiro, M. M. F.; Cicerelli, R. E.; Prado, L. 2020. Validação de mapa de vulnerabilidade a erosão por aprendizagem de máquina. Revista Brasileira de Geografia Física, Recife, v.13, n. 02, p. 564-575.

Naghibi, S.A.; Pourghasemi, H.R.; Pourtaghi, Z.S. 2015. Groundwater qanat potential mapping using frequency ratio and Shannon’s entropy models in the Moghan watershed, Iran. Earth Sci Inform, Berlim, v. 8, p. 171–186. Disponível em: https://doi.org/10.1007/s12145-014-0145-7.

Nekhay O.; Arriaza M.; Boerboom L. 2009 Evaluation of soil erosion risk using Analytic Network Process and GIS: a case study from Spanish mountain olive plantations. J Environ Manage 90:3091–3104. Doi: https://doi.org/10.1016/j.jenvman.2009.04.022

Neto, R. M.; Ferraro, B. V. 2018. Cartografia geomorfológica regional e morfogênese: contribuições metodológicas. Revista Brasileira de Geomorfologia, 19(2). DOI: http://dx.doi.org/10.20502/rbg.v19i2.1267

Noce, C. M.; Romano, A. W.; Pinheiro, C. M.; Mol, V. S.; Pedrosa-Soares, A. C. 2003. Geologia das folhas Ubá e Muriaé. Projeto Sul de Minas–Etapa I: Geologia e Recursos Minerais do Sudeste Mineiro, Belo Horizonte, COMIG/UFMG/UFRJ/UERJ, cap, 12, 623-659. Acesso: http://www.portalgeologia.com.br/index.php/mapa/#col-form-download-tab

Poesen, J.; Nachtergaele, J.; Verstraeten, G.; Valentin, C. 2003. Gully erosion and environmental change: importance and research needs. Catena, 50(2-4), 91-133. Doi: https://doi.org/10.1016/S0341-8162(02)00143-1

Projeto MapBiomas Alerta – [v4.1]. 2020. Sistema de Validação e Refinamento de Alertas de Desmatamento com Imagens de Alta Resolução: [https://plataforma.mapbiomas.org/map#coverage] acessado em Agosto de 2020.

Rahmati, O.; Pourghasemi H.R.; Melesse A. 2016. Application of GIS-based data driven random forest and maximum entropy models for groundwater potential mapping: a case study at Mehran Region, Iran. Catena, Amisterdã, v. 137, p.360–372. Doi: https://doi.org/10.1016/j.catena.2015.10.010

Rahmati, O.; Tahmasebipour, N.; Haghizadeh, A.; Pourghasemi, H. R.; Feizizadeh, B. 2017a. Evaluation of different machine learning models for predicting and mapping the susceptibility of gully erosion. Geomorphology, 298, 118-137.

Doi:https://doi.org/10.1016/j.geomorph.2017.09.006

Rahmati, O.; Tahmasebipour, N.; Haghizadeh, A.; Pourghasemi, H. R.; Feizizadeh, B. 2017b. Evaluating the influence of geo-environmental factors on gully erosion in a semi-arid region of Iran: An integrated framework. Science of the Total Environment, 579, 913-927. Doi: https://doi.org/10.1016/j.scitotenv.2016.10.176

Resende, M.; Ker, J. C.; Bahia Filho, A. F. C. 1996. Desenvolvimento sustentado do cerrado. O solo nos grandes domínios morfoclimáticos do Brasil eo desenvolvimento sustendado, Viçosa (Brasil), Sociedade Brasileira de Ciência do Solo, Universidade Federal de Viçosa, Departamento de Solos, 169-199.

Sun, W.; Shao, Q.; Liu, J.; Zhai, J. 2014. Assessing the effects of land use and topography on soil erosion on the Loess Plateau in China. Catena, 121, 151-163. Doi: https://doi.org/10.1016/j.catena.2014.05.009

Swets, J. A. 1996. Signal detection theory and ROC analysis in psychology and diagnostics: Collected papers. Psychology Press. ISBN 9781138981911

Valentin, C.; Poesen, J.; Yong, L. 2005. Gully erosion: impacts, factors and control. Catena, Berlim, v. 63, p. 132–153. Doi: https://doi.org/10.1016/j.catena.2005.06.001

Valverde, O. 1958. Estudo regional da zona da mata de Minas Gerais. Revista Brasileira de Geografia, 20(1), 1-82.

Yesilnacar, E. K. 2005. The application of computational intelligence to landslide susceptibility mapping in Turkey. Ph.D Thesis Department of

Geomatics the University of Melbourne, p 423.

Voogd, J. H. 1982. Multicriteria evaluation for urban and regional planning. Delftsche Uitgevers Maatschappij. Doi: https://doi.org/10.6100/IR102252

Zakerinejad, R.; Maerker, M. 2015. An integrated assessment of soil erosion dynamics with special emphasis on gully erosion in the Mazayjan basin, southwestern Iran. Nat Hazards, Berlim, v.79, p. 25–50. Doi: doi: 10.1007/s11069-015-1700-3

Yalcin, A. 2011. A geotechnical study on the landslides in the Trabzon Province, NE, Turkey. Appl Clay Sci 52(1–2):11–19. Doi: https://doi.org/10.1016/j.clay.2011.01.015

Gayen, A.; Pourghasemi, H. R.; Saha, S., Keesstra, S.; Bai, S. 2019. Gully erosion susceptibility assessment and management of hazard-prone areas in India using different machine learning algorithms. Science of the total environment, 668, 124-138. Doi: https://doi.org/10.1016/j.scitotenv.2019.02.436




DOI: https://doi.org/10.26848/rbgf.v14.3.p%25p

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License