Avaliação da sustentabilidade hídrica em bacias hidrográficas por método de aprendizado profundo

• Ano de defesa: 2024
• Autor(a) principal: Sacramento, Bruna Henrique [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Serviços ambientais; Ciclo hidrológico; Autoencoder; Python (Linguagem de programação de computador); Ecosystem services; Hydrologic cycle; Deep learning (Machine learning); Aprendizagem profunda (Aprendizado do computador); Geoprocessing; Python (Computer program language)
• Link de acesso: https://hdl.handle.net/11449/259729

Diante do aumento das demandas hídricas e dos eventos climáticos extremos, a gestão eficiente da água é crucial para garantir sua sustentabilidade, destacando a importância do desenvolvimento de métodos para aprimorar o gerenciamento hídrico. A partir disto, o presente estudo objetivou desenvolver uma metodologia para avaliação espacial da sustentabilidade hídrica de bacias hidrográficas de Mata Atlântica, contando com a Bacia Hidrográfica do Rio Sorocabuçu como referência por métodos de geoprocessamento e deep learning. Para isto, foi elaborada uma base cartográfica em escala 1: 10.000 com informações planialtimétricas obtidas da vetorização de dados de referência de São Paulo e do Brasil. Foram elaborados o Modelo Digital de Terreno por Rede Irregular Triangular e a declividade percentual da área de estudo, classificada de acordo com o relevo, além da compartimentação da área de estudo conforme suas sub-bacias hidrográficas (SBH). O Uso e Cobertura da Terra de 2000, 2010 e 2020 foram mapeados por interpretação visual de imagens de Sensoriamento Remoto e classes adaptadas do Instituto Brasileiro de Geografia e Estatística. Foi avaliada a Sustentabilidade Hídrica da combinação dos dados de cinco componentes (Índices de Sustentabilidade): Física (ISF), Precipitação (ISP), Infiltração (ISI), Demandas (ISD) e Florestal (ISFlo), pelo uso de autoencoders. Foram mapeadas nove sub-bacias hidrográficas na área de estudo e as Matas foram a classe de Uso e Cobertura da Terra em maior quantidade nos três períodos analisados no estudo. As SBH 1 e SBH 6 tiveram os piores resultados de sustentabilidade quanto aos aspectos físicos. O ISP referente ao ano de 2010 teve baixos valores, por provável influência do fenômeno La Niña e o ISI evidenciou que as áreas agrícolas possuem bastante influência na infiltração da área de estudo. Com relação às demandas por retirada de água, a análise das vazões outorgadas permitiu aferir que as mais expressivas captações foram do tipo superficial. Ainda, destaca-se que a demanda por água para irrigação de cultivos agrícolas no município de Ibiúna, que aumentou entre 2000 e 2010, teve uma diminuição entre os anos de 2010 e 2020. A SBH 1 e 7 tiveram os pior resultados quanto a este parâmetro. Com relação ao ISFlo, a SBH 4, que contém a nascente do Rio Sorocabuçu, recebeu classificação boa apenas em 2020. Quanto à Sustentabilidade Hídrica, os resultados indicam que as regiões do baixo curso possuem as melhores perspectivas, o que é bastante interessante do ponto de vista da conservação dos corpos d’água a jusante. O uso de redes neurais de aprendizado profundo (autoencoders) para análise dos dados de sustentabilidade forneceu um padrão espacial na BHRS. Estudos desta natureza são muito importantes, principalmente diante da escassez de dados de livre acesso e georreferenciados que são escassos no Brasil.