Geomorphometric environmental fragility of a watershed: a multicriteria spatial approach

Fragilidade Ambiental Da Bacia Hidrográfica Do Rio Uru (Goiás): Comparação Entre Modelos

“…Logo, por determinar a velocidade do escoamento (CRUZ; PINESE JUNIOR; RODRIGUES, 2010), podem provocar importantes perdas de solo e degradação dos recursos hídricos (IBGE, 2009). Além disso, as declividades também se constituem variável determinante para influenciar na indicação de áreas com aptidão agrícola (AMORIM et al, 2021). No mapa (Figura 3) estão espacializadas as classes de fragilidade da BHRU em relação às declividades e, na tabela , a descrição quantitativa das classes.…”

“…Outro instrumento que possibilita grandes contribuições ao processo de identificação das fragilidades ambientais são as modelagens, uma vez que estas resultam em produtos que podem ser utilizados no planejamento ambiental e que são produzidas por meio de dispositivos tecnológicos que possibilitam avaliar as potencialidades do meio ambiente de forma integrada, compatibilizando suas características naturais com suas restrições, definindo áreas mais frágeis e que merecem maior atenção, uma vez que sua utilização de forma inadequada pode resultar no comprometimento de todo o sistema (VALLE et al, 2015;AMORIM et al, 2021).…”

Untitled

“…Cristiano Marcelo Pereira de Souza -Lucas Augusto Pereira Silva -Gustavo Vieira Veloso Marcos Esdras Leite -Elpídio Inácio Fernandes Filho (Ross, 1994;Crepani et al, 2001;Franco et al, 2011;Spörl et al, 2011;Cruz et al, 2017;Campos et al, 2019;Amorim et al, 2021). We applied a multi-criteria analysis (Analytical Hierarchy Process -AHP) to define the relative importance of each variable in relation to environmental fragility, as proposed by Amorim et al (2021). Finally, we apply an overlap of the variables using the equation PEF=C+G +R+S/4; where PEF: Potential Environmental Fragility, C: climate, G: Geology, R: Relief (slope), S: Soil.…”

“…Furthermore, the new methodological improvements meet the future trend of increasingly using quantitative methods and robust analyzes in geoscience studies (Murray et al, 2009;Padarian et al, 2020). In this scenario, studies have applied new modifications in the modeling of environmental fragility, for example, fuzzy logic, neural networks, multicriteria analysis, and Bayesian networks (Spörl et al, 2011;Campos et al, 2019;Costa et al, 2020;Amorim et al, 2021).…”

“…Specifically on this aspect, some ML algorithms may have advantage over ot her predictive models, such as the kriging interpolation, which has geostatistics in its formulation and requires that the entered data have spatial dependence, and sometimes this spatial distribution pattern is non-existent in environmental data (Wang et al, 2020;Souza et al, 2022). Furthermore, regarding the covariates, studies have already suggested that the insertion of new data (covariates) to assist in modeling environmental fragility is potentially promising, since environmental vulnerability can be related to several physical-environmental factors (Cruz et al, 2017;Amorim et al, 2021); nevertheless, the approach with ML has not yet been adequately tested to predict models of environmental fragility.…”