A caracterização morfométrica de bacias hidrográficas fornece informações importantes para o planejamento da conservação da água e demonstra a susceptibilidade à erosão e a capacidade de uso do solo. O objetivo do estudo foi caracterizar as propriedades morfométricas da bacia do Rio Itajaí (SC), utilizando-se de dados SRTM e ambiente SIG, por meio da obtenção de parâmetros geométricos, de relevo e de rede de drenagem. Os dados evidenciaram que a bacia hidrográfica é de 5.ª ordem e apresenta forma alongada com relevo ondulado. O estudo apontou baixa capacidade e densidade de drenagem, apresentando um padrão dendrítico, com poucas ramificações. A bacia compreende canais transicionais, regulares e irregulares, o que indica media taxa de transporte de sedimentos. A análise dos dados mostrou os atributos da bacia diante da dinâmica ambiental, permitindo inferir que a bacia do Rio Itajaí é pouco sujeita a enchentes. Entretanto existe a necessidade de estudos complementares das suas microbacias para verificar efetivamente o seu potencial quanto à ocorrência de enchentes, inundações ou alagamentos.
O objetivo desse estudo foi avaliar as propriedades morfométricas da bacia do Rio Ivaí, utilizando técnicas de geoprocessamento de forma a fornecer dados para planejamento e gestão de bacias hidrográficas do Estado do Paraná. O processamento dos dados foi realizado em ambiente SIG utilizando o aplicativo computacional ArcGIS 10.4/ArcMap®. Os parâmetros morfométricos avaliados foram: coeficiente de compacidade, fator de forma, índice de circularidade, índice de rugosidade, índice de alongamento, razão de elongação, índice de sinuosidade, razão de relevo, densidade de drenagem, densidade hidrográfica e coeficiente de manutenção. Os resultados para fator de forma e índice de circularidade foram muito baixos, o que indica o formato mais alongado da bacia. Enquanto o coeficiente de compacidade apresentou um valor alto, o que caracteriza uma baixa propensão à ocorrência de enchentes em condições normais de precipitação. A bacia é classificada como de 5ª ordem, ou seja, bem ramificada. Além disso, o relevo é caracterizado principalmente pela classe suavemente ondulado (47,15%), seguido da classe ondulado (29,99%). Conclui-se que a análise dos dados morfométricos permitiu compreender o regime hidrológico e inferir sobre o manejo e conservação da bacia do rio Ivaí.
A aplicação de técnicas de Sensoriamento Remoto na classificação do uso da terra de um município possibilita melhor gestão e planejamento geográfico. Nessa temática, o objetivo desta pesquisa foi identificar o melhor algoritmo de classificação supervisionada para o mapeamento do uso e cobertura da terra para o município de São José do Cerrito – Santa Catarina. Para tanto, foi utilizada uma imagem orbital do sensor Sentinel-2/MSI. Após o pré-processamento digital da imagem, foram definidas como classes de uso e cobertura da terra: agricultura, área urbana, corpos hídricos e vegetação. Posteriormente, as amostras de treinamento e validação foram geradas para cada classe. Os métodos de classificação supervisionados (Maximum Likelihood Classification – Máxima Verossimilhança - MaxVer) e (Suppor Vector Machine Classification - Máquinas de Vetor de Suporte - SVM), (Neural Net Classification – Redes Neurais - RNA) e (Minimum Distance Classification – Mínima distância - MND) foram testados. Por fim, calcularam-se as estatísticas de acurácia da classificação para cada método, tais como: índice Kappa, exatidão global, coeficiente Tau, erros de omissão e comissão e exatidão ao usuário e ao produtor. De maneira geral, todos os métodos propiciaram elevados valores do índice Kappa (MaxVer (0,9760), SVM (0,9616), RNA (0,9880) e MND (0,9244)). As estatísticas para o classificador testado revelaram que o método com o melhor desempenho foi o RNA, seguido do MaxVer, SVM e MND. De maneira geral, todas as técnicas de classificação supervisionada testadas foram efetivas no mapeamento de uso da terra do município de São José do Cerrito – SC, mas o método mais eficiente foi o RNA, com índice Kappa de 0,9880 e acurácia global de 99,33%.
ResumoEste trabalho teve como objetivo avaliar diferentes aplicativos open source relacionados à análise baseada em objeto e mineração de dados, para a classificação de estádios sucessionais de florestas secundárias da Floresta Ombrófila Mista (FOM) em duas áreas-teste no planalto sul catarinense. Foram utilizadas ortoimagens do Sistema Aerotransportado de Aquisição e Pós-processamento de Imagens (SAAPI) de alta resolução espacial (0,39 m). Os dados consistem de três bandas no espectro visível (0,38 -0,70 μm), três bandas no espectro do infravermelho próximo (0,76 -0,78 μm) e o Modelo Digital de Superfície (MDS). As metodologias foram desenvolvidas utilizando mineração de dados com algoritmos de árvore de decisão e seleção de atributos nos aplicativos InterIMAGE, WEKA e QGIS. Os resultados se mostraram satisfatórios para classificar estádios sucessionais da FOM, assim como outras classes de uso e cobertura da terra. As classificações apresentaram índices Kappa variando entre 0,53 e 0,59 e Kappa condicional variando entre 0,29 e 0,83 para os estádios sucessionais da vegetação. Estes resultados demonstram o potencial dessas abordagens na extração de informações de imagens de alta resolução espacial, bem como a possibilidade de fornecer subsídios para a implementação de políticas públicas e no monitoramento dos recursos florestais. Palavras-chave: Sucessão florestal, Árvores de decisão, Imagens aerotransportadas. AbstractThis study aimed to evaluate open source softwares in order to classify secondary successional forest stages in Shade Tolerant Mixed Forest (FOM) environments in Southern Brazil. Two test sites were selected in the mountainous region of Santa Catarina State. We used scenes from the airborne system for acquisition and post-processing of images (SAAPI) with a spatial resolution of 0.39m. The dataset consists of orthorectified images containing three spectral bands in the visible range (i.e. 0.38-0.70μm), three spectral bands in the near infrared (i.e. 0.76-0.78μm) and a digital surface model. The methodologies were developed using feature selection and decision tree algorithms in the following open source softwares: InterIMAGE, WEKA and QGIS. The results were satisfactory to classify successional stages of FOM as well as other classes of land use and land cover. The obtained Kappa indices ranged from 0.53 to 0.59 and the conditional Kappa varied from 0.29 to 0.83 for the successional forest stages. These results demonstrate the potential of these approaches for the extraction of information in high spatial resolution imagery as well as the possibility of providing subsidies for the implementation of public policies and monitoring of forest resources.
A caracterização morfométrica de bacias hidrográficas fornece informações importantes para o planejamento da conservação da água e demonstra a susceptibilidade à erosão e a capacidade de uso do solo. O objetivo do estudo foi caracterizar as propriedades morfométricas da bacia do Rio Itajaí (SC), utilizando-se de dados SRTM e ambiente SIG, por meio da obtenção de parâmetros geométricos, de relevo e de rede de drenagem. Os dados evidenciaram que a bacia hidrográfica é de 5.ª ordem e apresenta forma alongada com relevo ondulado. O estudo apontou baixa capacidade e densidade de drenagem, apresentando um padrão dendrítico, com poucas ramificações. A bacia compreende canais transicionais, regulares e irregulares, o que indica media taxa de transporte de sedimentos. A análise dos dados mostrou os atributos da bacia diante da dinâmica ambiental, permitindo inferir que a bacia do Rio Itajaí é pouco sujeita a enchentes. Entretanto existe a necessidade de estudos complementares das suas microbacias para verificar efetivamente o seu potencial quanto à ocorrência de enchentes, inundações ou alagamentos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.