Estudo da Susceptibilidade à Erosão Laminar em Bacia Hidrográfica da Zona da Mata, Minas Gerais, Brasil
DOI:
https://doi.org/10.26848/rbgf.v14.3.p1707-1723Palabras clave:
Geotecnologias, Comparação de modelos de risco, Análises Multicritério.Resumen
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.
Study of Susceptibility to Sheet Erosion in a Watershed in Zona da Mata, Minas Gerais, Brazil
ABSTRACT
The study of susceptibility to surface erosion is relevant in the mesoregion of the Zona da Mata of Minas Gerais, given the predominance of pasture cover, the significant degradation of the soil and the stagnation of the agricultural sector. In this study, the objective was to understand which geodynamic variables are important in the prediction of surface erosive processes and the best predictive model among eight, through multicriteria comparisons, making it possible to understand the phenomenon in a watershed in the mesoregion. Thus, it was used the method of attributing grades by Literature (L) and Field Reality (RC), whose weighting of the mapped surface erosive (60%) processes weighted the grade of the variable classes by their area. The integration of the variables was through weighting tests and total and partial integration. The evaluation of the models generated was by descriptive statistics (Box-Plot), different methods of categorization (Manual, Natural Breaks and Geometrical Interval) and ROC curve with AUC efficiency calculation (40% of the mapped erosions). The results showed that the lack of moisture is an important factor for the occurrence of surface erosive processes, on the other hand, the morphometric variables were not important for the prediction. Models based on RC (72.41% average AUC) achieved considerably greater efficiency than L (65.41% average AUC), when compared to the integration of all geodynamic variables and only the most important ones and when integrated with weighting and without weighting, there was no considerable statistical difference. The most efficient model obtained 76.3% AUC, considered good and was adequate to the reality of the studied area.
Key words: Geotechnologies; Comparison of Risk Models; Multicriteria Analysis
Descargas
Citas
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
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Heitor Carvalho Lacerda, André Luiz Lopes de Faria, Humberto Paiva Fonseca, Marco Antônio Saraiva Silva, Wesley Oliveira Soares, Fillipe Tamiozzo Pereira Torres, Liovando Marciano Costa

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Material protegido por derechos de autor y plagio. En caso de material protegido por derechos de autor reproducido en el manuscrito, la atribución completa debe ser informada en el texto; un documento de respaldo de la autorización debe enviarse al Consejo Editorial como documento complementario. Es responsabilidad de los autores, no de la revista o de los editores y revisores, informar en el artículo la autoría de los textos, datos, figuras, imágenes y / o mapas publicados anteriormente en otros lugares. Si existe alguna sospecha sobre la originalidad del material, el Comité Editorial puede verificar el manuscrito en busca de plagio. En los casos en que se confirme el plagio, el manuscrito será devuelto sin más revisión y sin la posibilidad de volver a enviarlo. El autoplagio (es decir, el uso de frases idénticas de documentos previamente publicados por el mismo autor) tampoco es aceptable.






