Glauber Vinicius (2021)
GLAUBER VINICIUS (2021).pdf
Documento PDF (4.5MB)
Documento PDF (4.5MB)
UNIVERSIDADE FEDERAL DE ALAGOAS
INSTITUTO DE CIÊNCIAS ATMOSFÉRICAS
PROGRAMA DE PÓS-GRADUAÇÃO EM METEOROLOGIA
GLAUBER VINÍCIUS PINTO DE BARROS
DISSERTAÇÃO
ANÁLISE TEMPORAL DO POTENCIAL DE DEGRADAÇÃO AMBIENTAL DO
SOLO NO ESTADO DE SERGIPE
Maceió/AL
Fevereiro de 2021.
GLAUBER VINÍCIUS PINTO DE BARROS
DISSERTAÇÃO
ANÁLISE TEMPORAL DO POTENCIAL DE DEGRADAÇÃO AMBIENTAL DO
SOLO NO ESTADO DE SERGIPE
Dissertação apresentada como requisito parcial para
obtenção do título de Mestre no Programa de PósGraduação em Meteorologia: Sensoriamento Remoto
e Hidrometeorologia da Universidade Federal de
Alagoas.
Orientador: Prof. Dr. Heliofábio Barros Gomes
Coorientador: Prof. Dr. Paulo Sérgio de Rezende
Nascimento.
Maceió/AL
Fevereiro de 2021.
“O aspecto mais triste da vida hoje em dia, é que
a ciência ganha em conhecimento muito mais do
que a sociedade ganha em sabedoria.”
(Isaac Asimov)
DEDICATÓRIA
Dedico este trabalho a meus pais, Antonino Elias de Barros Filho e Miriam Francisca
Pinto, por sempre terem me apoiado e confiado em todas as minhas escolhas em relação a vida
acadêmica desde a escolha da graduação e terem me dado todo suporte para que eu seguisse
minhas metas. A minha namorada Gabriela Maria Oliveira de Jesus, por toda a parceria,
amizade, cumplicidade, paciência e amor durante todo o tempo em que precisei me dedicar ao
trabalho, num ano já bastante complicado como foi, infelizmente, 2020.
AGRADECIMENTOS
Serei eternamente grato a todos os professores do ICAT, descobri que a meteorologia
era algo que eu sempre amei e não tinha tido a oportunidade de conhecer antes. Gostaria de
agradecer em especial ao professor Dr. Heliofábio Barros Gomes, por ter me acolhido, recebido
e orientado muito bem no ICAT e no Sensorgeo e ao professor Dr. Paulo Sergio de Rezende
Nascimento da Universidade Federal de Sergipe, pela orientação, parceria, amizade e paciência
desde os tempos de graduação. Gostaria de agradecer também aos professores Drs. Helber
Barros Gomes, Rafaela Lisboa Costa e Fabrício Daniel dos Santos Silva por terem aceitado
participar da Banca Examinadora. Agradeço ainda a dois irmãos que a vida e o Mestrado em
Meteorologia da UFAL me deram durante o tempo que morei em Maceió, Felipe Souza dos
Santos e Eli Moises dos Santos Silva, vocês tornaram tudo muito mais alegre e simples.
A UFAL e ao Programa de Pós-Graduação em Meteorologia do ICAT por me
concederem oportunidade de formação. A CAPES pela concessão de bolsa de estudos.
LISTA DE FIGURAS
Figura 1 - Mapa de tipos de degradação do solo com foco no NEB entre os anos de 1987 e 1991.
Fonte: Adaptado de Oldeman et al. (1991)............................................................................... 20
Figura 2 - Estrutura de um controlador de lógica fuzzy. Adaptado de Vieira et al. (2014). .... 30
Figura 3 - Mapa de localização do estado de Sergipe. Fonte: elaborado a partir do Atlas digital
sobre recursos hídricos (SEMAR/SRH, 2014). ........................................................................ 32
Figura 4 - Mapa de divisão climática do estado de Sergipe. Fonte: elaborado a partir do Atlas
digital sobre recursos hídricos (SEMARH/SRH, 2014). .......................................................... 35
Figura 5- Mapa de isoietas de precipitação para o estado de Sergipe: Fonte: adaptado e
elaborado a partir do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014). ................. 36
Figura 6 - Mapa dos territórios do estado de Sergipe: Fonte: adaptado e elaborado a partir do
Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014). ................................................... 37
Figura 7 - Mapa da divisão dos biomas do estado de Sergipe. Fonte: elaborado a partir do Atlas
digital sobre recursos hídricos (SEMAR/SRH, 2014). ............................................................. 38
Figura 8 - Mapa de Formações geológicas do estado de Sergipe. Fonte: adaptado e elaborado a
partir do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014). ..................................... 40
Figura 9 - Mapa de unidades geomorfológicas do estado de Sergipe. Fonte: elaborado a partir
do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014). .............................................. 41
Figura 10 - Mapa das classes de solo do estado de Sergipe. Fonte: adaptado e elaborado a partir
do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014). .............................................. 42
Figura 11 - Fluxograma das etapas para a produção dos mapas do potencial de degradação do
solo............................................................................................................................................ 43
Figura 12 - Mapas de pluviometria média para os anos de 2000 (a) e 2019 (b) para o estado de
Sergipe segundo os dados do TRMM, disponíveis no portal Giovanni. .................................. 45
Figura 13 - Mapa das classes de erodibilidade do solo para o estado de Sergipe. ................... 46
Figura 14 - Mapas de distribuição do EVI para os anos de 2000 (a) e 2019 (b) para o estado de
Sergipe segundo os dados do produto MOD13A3 do MODIS, disponíveis no portal Earth Data
Search. ...................................................................................................................................... 48
Figura 15 - Mapas de uso e ocupação do solo para os anos de 2000 (a) e 2019 (b) para o estado
de Sergipe segundo os dados do produto MapBiomas. ............................................................ 49
Figura 16 - Mapas de declividade (a) e altitude (b) para o estado de Sergipe segundo os dados
do disponíveis pelo projeto Topodata....................................................................................... 50
Figura 17- Algoritmo usado para atribuir os valores fuzzy para cada uma das classes de uso e
ocupação do solo, para os anos de 2000 e 2019. ...................................................................... 52
Figura 18 - Distribuição dos valores fuzzy para a precipitação no ano de 2000 (a) e 2019 (b)
para o estado de Sergipe. .......................................................................................................... 59
Figura 19 - Distribuição dos valores fuzzy para o EVI no ano de 2000 (a) e 2019 (b) para o
estado de Sergipe. ..................................................................................................................... 60
Figura 20 - Distribuição dos valores fuzzy referente a declividade para o estado de Sergipe. 60
Figura 21- Distribuição dos valores fuzzy referente a altitude para o estado de Sergipe......... 61
Figura 22 - Distribuição dos valores fuzzy referente a altitude para o estado de Sergipe........ 62
Figura 23 - Distribuição dos valores fuzzy referentes ao uso e cobertura do solo nos anos de
2000 (a) e 2019 (b) para o estado de Sergipe. .......................................................................... 62
Figura 24- Distribuição dos valores fuzzy referente a geologia para o estado de Sergipe. ...... 63
Figura 25- Distribuição dos valores fuzzy referente a geomorfologia para o estado de Sergipe.
.................................................................................................................................................. 63
Figura 26 - Distribuição dos valores fuzzy referente a pedologia para o estado de Sergipe. ... 64
Figura 27- Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,2 para o ano
2000. ......................................................................................................................................... 65
Figura 28 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,4 para o ano
2000. ......................................................................................................................................... 66
Figura 29 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,6 para o ano
2000. ......................................................................................................................................... 67
Figura 30- Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,8 para o ano
2000. ......................................................................................................................................... 69
Figura 31- Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,2 para o ano
2019. ......................................................................................................................................... 70
Figura 32 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,4 para o ano
2019. ......................................................................................................................................... 71
Figura 33 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,6 para o ano
2019. ......................................................................................................................................... 73
Figura 34 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,8 para o ano
2019. ......................................................................................................................................... 74
Figura 35 - Mapa de áreas onde ocorreram mudança na classificação do potencial de degradação
ambiental do solo. ..................................................................................................................... 89
LISTA DE TABELAS
Tabela 1 - Valores fuzzy atribuídos a cada um dos domínios geológicos................................. 53
Tabela 2 - Valores fuzzy atribuídos a cada uma das classes geomorfológicas. ........................ 54
Tabela 3 - Tipos de solo e seus valores fuzzy atribuídos. ......................................................... 55
Tabela 4 - Classes de potencial de degradação ambiental do solo. .......................................... 56
Tabela 5 - Correspondência entre os valores de r e o Índice de Correlação de Pearson. ......... 58
Tabela 6 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,2)
para o ano 2000......................................................................................................................... 65
Tabela 7 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,4)
para o ano 2000......................................................................................................................... 67
Tabela 8 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,6)
para o ano 2000......................................................................................................................... 68
Tabela 9 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,8)
para o ano 2000......................................................................................................................... 69
Tabela 10 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,2
para o ano 2019......................................................................................................................... 71
Tabela 11 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,4
para o ano 2019......................................................................................................................... 72
Tabela 12 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,6
para o ano 2019......................................................................................................................... 74
Tabela 13 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,8
para o ano 2019......................................................................................................................... 75
Tabela 14 - Coeficiente de Pearson e correlações para as variáveis de estudo. ....................... 76
Tabela 15 - Tipos de mudanças nas classes de potencial de degradação e suas áreas. ............ 87
Tabela 16 - Área das classes de potencial de degradação do solo em 2000 e 2019 e suas
diferenças. ................................................................................................................................. 88
LISTA DE ABREVIATURAS E SIGLAS
CBERS
China-Brazil Earth-Resources Satellite
DNIT
Departamento Nacional de Infraestrutura de Transportes
EVI
Enhanced Vegetation Index
GLASOD
Global Assessment of Soil Degradation
GPS
Global Positioning System
IBGE
Instituto Brasileiro de Geografia e Estatística
LAI
Leaf Area Index
MODIS
Moderate-Resolution Imaging Spectroradiometer
NASA
National Aeronautics and Space Administration
NDVI
Normalized Difference Vegetation Index
NEB
Nordeste do Brasil
NIR
Near Infrared
OFG
Operador Fuzzy Gamma
SEAGRI
Secretaria do Estado de Agricultura de Sergipe
SEMARH
Secretaria Municipal de Meio Ambiente e Recursos Hídricos
SFB
Sistema Florestal Brasileiro
SIG
Sistema de Informações Geográficas
SRC
Sistema de Referência de Coordenadas
SRH
Superintendência de Recursos Hídricos
SRTM
Shuttle Radar Topography Mission
SWIR
Short Wave Infrared
TIR
Termal Infrared
TRMM
Tropical Rainfall Measuring Mission
UTM
Universal Transversa de Mercator
VIS
Visível
WGS-84
World Geodetic System 1984
RESUMO
A avaliação do potencial de degradação ambiental do solo constitui um estudo de
fundamental importância na manutenção da conservação dos solos e do meio ambiente, bem
como auxilia na elaboração de planos de manejo de áreas degradadas e de Unidades de
Conservação, assim como no planejamento territorial em áreas urbanas e rurais. A condução de
estudos de campo para a aferição do potencial à degradação do solo são caros e demandam
muito tempo, o que faz com que estimativas realizadas através de modelos matemáticos sejam
adotadas por muitos pesquisadores e especialistas no assunto. O presente trabalho tem por
objetivo geral comparar a situação do potencial de degradação ambiental do solo, do ano 2000
com a do ano 2019, no estado de Sergipe, pela lógica fuzzy em um ambiente de Sistema de
Informações Geográficas. O modelo proposto explora relações de causa-efeito do princípio
fundamental das relações específicas entre as variáveis que influenciam a elevação do potencial
de degradação ambiental do solo a partir de equações de pertinência e do Operador Fuzzy
Gamma para tratar dados referentes a: geologia, geomorfologia, declividade, hipsometria,
pedologia, precipitação, erodibilidade, índice de vegetação e uso e ocupação do solo. Observouse que os fatores que contribuem para o aumento do potencial de degradação foram, geologia,
geomorfologia, pedologia e precipitação. Em relação a mudança de potencial de degradação
ambiental do solo, foi possível observar que entre os anos de 2000 e 2019, 17,66% da área
mudou para uma classe maior de potencial, 13,87% para uma classe menor e 68,48% não teve
mudança de classe. No entanto, grande parte da área onde não houve mudança obteve um
potencial muito alto nos dois anos avaliados. O produto final do modelo indica as regiões que
reúnem mais ou menos fatores de promoção de processos que contribuem para o aumento do
potencial de degradação ambiental do solo e, portanto, referentes aos dados de entrada
utilizados, sendo assim, valiosa ferramenta para tomada de decisão na elaboração de planos e
programas de prevenção e controle.
Palavras-chaves: Geoprocessamento, Lógica Fuzzy, Meio Ambiente.
ABSTRACT
The assessment of the potential for environmental degradation of the soil is a study of
fundamental importance in helping to conserve the soil and the environment, as well as helping
in the preparation of management plans for degraded areas and Conservation Units, as well as
in territorial planning in urban and rural areas. Conducting field studies to assess the potential
for soil degradation is expensive and time-consuming, which means that mathematical models
has been adopted by many researchers and specialists on the subject. The present work has as
general objective to compare the situation of the potential of environmental degradation of the
soil, of the year 2000 with that of the year 2019, in the state of Sergipe, by the fuzzy logic in an
environment of the Geographic Information System. The proposed model explores cause-andeffect relationships of the fundamental principle of specific relationships between variables that
influence the elevation of the potential for environmental degradation of the soil from equations
of pertinence and from the Operator Fuzzy Gamma to treat data related to: geology,
geomorphology, slope, hypsometry, pedology, ease, erodibility, vegetation index and land use
and occupation. It was observed that the factors that contribute to the increase in the potential
for degradation were geology, geomorphology, pedology and precipitation. Regarding the
change in the potential for environmental degradation of the soil, it was possible to observe that
between the years 2000 and 2019, 17.66% of the area changed to a higher class of potential,
13.87% to a smaller class and 68.48% there was no change of class. However, the area where
there was no change had a very high potential in the two years evaluated. The final product of
the model indicates the regions that bring together more or less factors to promote processes
that contribute to the increase in the potential for environmental degradation of the soil and,
therefore, referring to the input data used, being, therefore, a valuable tool for decision making.
in the preparation of prevention and control plans and programs.
Keywords: Geoprocessing, Fuzzy Logic, Environment.
SUMÁRIO
1.
INTRODUÇÃO ............................................................................................................. 15
2.
OBJETIVOS...................................................................................................................... 17
2.1
3.
FUNDAMENTAÇÃO TEÓRICA .................................................................................... 18
3.1
Degradação Ambiental............................................................................................... 18
3.2
Degradação do Solo ................................................................................................... 18
3.3
Erosão ........................................................................................................................ 23
3.4.
Fatores que influenciam na degradação do solo ........................................................ 24
3.4.1
Uso e cobertura do solo ...................................................................................... 24
3.4.2.
Geomorfologia .................................................................................................... 25
3.4.3.
Geologia.............................................................................................................. 25
3.4.4.
Pluviometria........................................................................................................ 25
3.4.5.
Erodibilidade ...................................................................................................... 26
3.4.6.
Pedologia ............................................................................................................ 27
3.5.
Geotecnologias........................................................................................................... 27
3.5.1.
Geoprocessamento .............................................................................................. 28
3.5.2.
Sensoriamento Remoto ....................................................................................... 28
3.6.
4.
Objetivos específicos ................................................................................................. 17
Lógica Fuzzy.............................................................................................................. 29
MATERIAIS E MÉTODO................................................................................................ 32
4.1
Área de Estudo ........................................................................................................... 32
4.1.1.
Clima .................................................................................................................. 33
4.1.2.
Biomas ................................................................................................................ 37
4.1.3.
Geologia.............................................................................................................. 38
4.1.4.
Geomorfologia .................................................................................................... 40
4.1.5.
Pedologia ............................................................................................................ 42
4.2.
Metodologia ............................................................................................................... 43
4.2.1.
Aquisição e tratamento dos dados ...................................................................... 44
4.2.1.1. Precipitação ...................................................................................................... 44
4.2.1.2. Erodibilidade ................................................................................................... 45
4.2.1.3. Índice de Vegetação Melhorado (Enhanced Vegetation Index - EVI) ............. 46
4.2.1.4. Uso e cobertura do solo .................................................................................... 48
4.2.1.5. Declividade e Altitude ...................................................................................... 49
4.2.1.6. Geologia, geomorfologia e Pedologia .............................................................. 50
4.3.
Fuzzificação dos dados .............................................................................................. 50
4.3.1.
Precipitação ........................................................................................................ 51
4.3.2.
EVI..................................................................................................................... 51
4.3.3.
Declividade ......................................................................................................... 51
4.3.4.
Altitude ............................................................................................................... 52
4.3.5.
Erodibilidade ...................................................................................................... 52
4.3.6.
Uso e cobertura do solo ...................................................................................... 52
4.3.7.
Geologia.............................................................................................................. 53
4.3.8.
Geomorfologia .................................................................................................... 54
4.3.9.
Pedologia ............................................................................................................ 54
4.4.
Aplicação do Operador Fuzzy Gamma ...................................................................... 55
4.5.
Cálculo das áreas para cada um dos valores de gamma............................................. 57
4.6. Cálculo das regressões lineares entre os dados fuzzificados e o resultado obtido para
o gamma igual a 0,6 para os anos de 2000 e 2019 ................................................................ 57
4.7.
5.
Cálculo das mudanças de classes entre 2000 e 2019 ................................................. 58
RESULTADOS ................................................................................................................. 59
5.1.
Variáveis fuzzificadas................................................................................................60
5.1.1.
Precipitação.........................................................................................................60
5.1.2.
EVI......................................................................................................................60
5.1.3.
Declividade.........................................................................................................61
5.1.4.
Altitude................................................................................................................62
5.1.5.
Erodibilidade.......................................................................................................62
5.1.6.
Uso e cobertura do solo.......................................................................................63
5.1.7.
Geologia..............................................................................................................64
5.1.8.
Geomorfologia....................................................................................................64
5.1.9.
Pedologia............................................................................................................65
5.2.
Mapas de classes de potencial de degradação ambiental do solo .............................. 59
5.2.1.
Cenário obtido com gamma igual a 0,2 para o ano 2000 ................................... 64
5.2.2.
Cenário obtido com gamma igual a 0,4 para o ano 2000 ................................... 66
5.2.3.
Cenário obtido com gamma igual a 0,6 para o ano 2000 ................................... 67
5.2.4.
Cenário obtido com gamma igual a 0,8 para o ano 2000 ................................... 68
5.2.5.
Cenário obtido com gamma igual a 0,2 para o ano 2019 ................................... 70
5.2.6.
Cenário obtido com gamma igual a 0,4 para o ano 2019 ................................... 71
5.2.7.
Cenário obtido com gamma igual a 0,6 para o ano 2019 ................................... 72
5.2.8 Cenário obtido com gamma igual a 0,8 para o ano 2019 ......................................... 74
5.3.
Análise das correlações .............................................................................................. 75
5.4.
Análise das classes de potencial ambiental de degradação do solo ........................... 77
5.4.1. Aspectos geológicos ................................................................................................ 77
5.4.2. Aspectos geomorfológicos ...................................................................................... 78
5.4.3. Aspectos pedológicos .............................................................................................. 81
5.4.4. Aspectos pluviométricos ......................................................................................... 83
5.4.5. Aspectos do uso e ocupação do solo ....................................................................... 84
5.5.
6.
Mudança das classes de potencial de degradação ambiental do solo ........................ 87
CONSIDERAÇÕES FINAIS ............................................................................................ 90
REFERÊNCIAS ....................................................................................................................... 92
15
1.
INTRODUÇÃO
O ambiente está sempre num processo dinâmico devido às diversas fontes de entrada e
saída de matéria e energia que formam os sistemas que o compõe. Seja devido à intervenção
antrópica de forma direta ou indireta, ou de forma natural, o ambiente pode se encontrar diante
de diferentes níveis de suscetibilidade, vulnerabilidade e degradação ambiental, o que pode
colocar em risco não só o próprio ambiente, mas os seres vivos que dele dependem. A avaliação
quantitativa da degradação ambiental, se torna de importância fundamental para entender como
se dão as transformações que ocorrem no ambiente, uma vez que essas transformações podem
ameaçar diretamente a vida no planeta, afetar o equilíbrio da biodiversidade, e a exploração de
recursos renováveis e a alteração global do clima.
A lei 6.938/81, sobre política nacional do meio ambiente, define que meio ambiente é o
conjunto de condições, leis, influências, e interações de ordem física, química e biológica, que
permite, abriga e rege a vida em todas as suas formas (BRASIL, 1981). Para Silva (1995), meio
ambiente é a interação do conjunto de elementos naturais, artificiais e culturais que propiciem
o desenvolvimento equilibrado da vida em todas suas formas. Em seu trabalho, Marques (2010)
cita o dicionário de ecologia e ciências ambientais e define meio ambiente como a soma total
das condições externas circundantes no interior das quais um organismo, uma condição, uma
comunidade ou um objeto existe, acrescentando-se que os organismos podem ser parte do
ambiente de outro organismo.
O que se verifica atualmente é que o crescente desenvolvimento econômico das cidades,
estados e nações causou o adensamento de pessoas num mesmo local. Esse desenvolvimento,
na maioria dos casos desordenado, degrada o ambiente natural provocando alteração de
elementos físicos, químicos e bióticos das paisagens urbanas e rurais.
Segundo Rubira (2016), nota-se, atualmente, a importância que as áreas com os
remanescentes de cobertura vegetal exercem em relação à manutenção e o equilíbrio do meio
ambiente, como a proteção contra o assoreamento dos cursos d’água, proteção dos solos quanto
à erosão, regularização dos regimes hídricos, dentre outros fatores. O maior problema dessas
áreas verdes protegidas, principalmente as que exercem a função de proteção integral é quando
elas estão inseridas em áreas urbanas.
Segundo Balsan (2009), um conjunto de causas é apontado como responsáveis pelo
atual processo de degradação que atinge diversas partes do mundo. Dentre elas destacam-se:
intervenção humana, crescimento populacional, práticas inadequadas na agropecuária e
construções de complexos industriais.
16
Machado (2012), apontou que a degradação no Brasil teve início com o desmatamento
do território brasileiro primeiramente no litoral com a destruição da mata atlântica no Nordeste
para a extração do pau Brasil. O processo de degradação da cobertura vegetal acelerou-se com
a introdução da cultura da cana de açúcar e posteriormente com a criação de gado. Já segundo
Poleto (2009), a degradação ambiental está relacionada com a agricultura, pois ocorre a
remoção da cobertura vegetal, exposição do solo à erosão, afastamento da fauna, compactação
do solo, redução da qualidade dos cursos d’água assoreando-os e contaminando-os com
resíduos de fertilizantes e agrotóxicos. Já Fernandes e Medeiros (2009), afirmaram que a região
Nordeste, por possuir características limitantes para algumas atividades agropastoris e devido
um histórico de ações mitigadoras equivocadas, se encontra com sérios problemas de ordem
ambiental, principalmente pelo desmatamento e queimadas.
O estado de Sergipe, que será objeto de estudo deste trabalho, localizado no nordeste
brasileiro, apresenta diversas atividades com potencial de degradação ambiental do solo, como
agricultura e agropecuária, atividades de extração de minérios (calcário, ferro, areia, manganês,
potássio e petróleo. Apesar de ser o menor estado da federação, Sergipe possui em seu território
os biomas Caatinga (bioma exclusivamente brasileiro) e Mata atlântica, no entanto, não possui
um estudo que avalie o potencial de degradação ambiental do solo para todo estado.
Segundo o Painel Intergovernamental sobre Mudanças Climáticas (2014), o impacto da
degradação do solo é canalizado para a economia principalmente por meio de setores chave
para o desenvolvimento, como agricultura, água, saúde, e meio ambiente. Portanto, foi relatado
que, devido à degradação do solo, cerca de 6 milhões de hectares de terras produtivas em todo
o mundo foram perdidos a cada ano desde 1990.
Devido as dimensões espaciais e diversidade de aspectos que compreendem o meio
ambiente e seus sistemas naturais e artificiais, os estudos dessas áreas necessitam da integração
de múltiplas informações, a fim de realizar uma abordagem de forma ampla de suas
características. São necessárias informações geológicas, geomorfológicas, pedológicas, de uso
cobertura da terra, climáticas (temperatura e pluviometria por exemplo) entre outras. É nesse
contexto que os Sistemas de Informações Geográficas (SIG) podem ser utilizados de modo a
integrar os dados de uma determinada área, permitindo que cientistas e pesquisadores realizem
um diagnóstico das regiões mais suscetíveis aos problemas ambientais.
O uso das geotecnologias se torna fundamental para aquisição e tratamento de dados de
forma a integrar e correlacionar as informações de uma determinada área. O sensoriamento
remoto permite que diversos parâmetros físicos, químicos e biológicos sejam adquiridos em
larga escala a partir de satélites de diversas finalidades que orbitam a Terra, sem que haja a
17
necessidade de visita in situ para a coleta de informações. Já o geoprocessamento permite a
integração dos dados obtidos pelo sensoriamento remoto, através de ferramentas de álgebra de
mapas, estatística e Geoestatística.
Dentre as técnicas utilizadas para integrar os dados necessários para realizações de
estudos ambientais com diversos objetivos está a lógica fuzzy, que vem sendo largamente
aplicada por permitir uma análise matemática de processos e fenômenos naturais não discretos
que ocorrem no meio ambiente. Pourghasemi et al. (2012) afirma que a lógica fuzzy é objetiva
e direta de se entender e implementar. Esse método permite a utilização de dados em qualquer
escala de medida e as ponderações dos atributos é controlada inteiramente pelo pesquisador. O
método de lógica fuzzy permite combinações ponderadas de mapas e pode ser implementada
rapidamente em softwares de ambiente SIG (Pradhan, 2010). Alguns exemplos encontrados na
literatura utilizam lógica fuzzy implementada em SIG para a realização de estudos ambientais,
entre eles: Costa et. al. (2006); Figueredo et al. (2007); Pourghasemi et al. (2012); Silva et. al.
(2013); Silva Junior (2015); Amirahmadi et al. (2017); Sema et al. (2017); Jagabandhu e Saha
(2019); Haidara et al. (2019).
2.
OBJETIVOS
O presente trabalho tem por objetivo geral comparar a situação do potencial de
degradação ambiental do solo, do ano 2000 com a do ano 2019, no estado de Sergipe, pela
lógica fuzzy em um ambiente de Sistema de Informações Geográficas.
2.1
Objetivos específicos
Como objetivos específicos, são propostos:
•
Elaborar de mapas temáticos do potencial de degradação ambiental do solo do
estado de Sergipe;
•
Aplicar técnicas de geoprocessamento e estatística para identificar as áreas com
maior potencial de degradação do solo;
18
3.
FUNDAMENTAÇÃO TEÓRICA
3.1
Degradação Ambiental
Diversos autores compartilham estudos acerca de impactos ambientais e de degradação
ambiental, dentre eles, Meneguzzo e Chaicouski (2010), que afirmam que existem inúmeros
conceitos de degradação, impacto ambiental e conservação da natureza na literatura nacional e
internacional, porém, os mesmos devem ser observados e aplicados pela sociedade à luz das
leis ambientais vigentes. A Lei 6.938 de 31 de agosto de 1981, que dispõe sobre a Política
Nacional do Meio Ambiente, define degradação ambiental como “alteração adversa das
características do meio ambiente”.
Sánchez (2008) conceitua degradação ambiental como qualquer alteração adversa dos
processos, funções ou componentes ambientais, ou como uma alteração adversa da qualidade
ambiental, ou seja, degradação ambiental corresponde a um impacto ambiental negativo.
Segundo Guerra (2008), degradação ambiental é causada pelo homem que na maioria
das vezes, não respeita os limites impostos pela natureza, sendo a degradação ambiental mais
ampla que a degradação dos solos, pois envolve não só a erosão dos solos, mas também a
extinção de espécies vegetais e animais, a poluição de nascentes, rios, lagos e baías, o
assoreamento e outros impactos prejudiciais ao meio ambiente e ao próprio homem.
Para Louzada (2013), embora possa ser causada por efeitos naturais, a forma de
degradação que mais preocupa governos e sociedades é aquela causada pela ação antrópica, que
pode e deve ser regulamentada. A atividade humana gera impactos ambientais que repercutem
nos meios físico-biológicos e socioeconômicos, afetando os recursos naturais e a saúde humana,
podendo causar desequilíbrios ambientais no ar, nas águas, no solo e no meio sociocultural.
Algumas das formas mais conhecidas de degradação ambiental são: a desestruturação física
(erosão, no caso de solos), e a contaminação. Logo, pode-se notar que a degradação ambiental
não é originada apenas pelo homem. A ação antrópica torna a degradação mais preocupante,
mas, ela também pode ser originada por processos e fenômenos naturais, como por exemplo,
um incêndio ocasionado por um raio em uma área florestal.
3.2
Degradação do Solo
Segundo Keesstra et al. (2018), o sistema terrestre teve seu funcionamento natural
interrompido pelo uso desnecessário de recursos naturais, planejamento errôneo do uso da terra
e mudanças climáticas que acabam contaminando o solo, a água e alterando o ciclo do carbono
19
e do nitrogênio, o que por sua vez está causando a degradação da terra. Atualmente, de acordo
com Cerdà et al. (2017), gestores, silvicultores, agricultores e também políticos estão tomando
diferentes decisões para a proteção do solo contra a erosão. Tendo em vista a crescente
preocupação com a degradação do solo, que em 1987 a então Primeira Ministra da Noruega,
Gro Harlem Brundtland, dirigiu uma Comissão com o objetivo de investigar a degradação dos
solos e produziu um relatório intitulado Nosso Futuro Comum.
De acordo com Oldeman et al. (1990), nesse relatório está incluído um mapa do estado
atual dos solos do mundo, chamado Global Assessment of Soil Degradation (GLASOD), em
português Avaliação Global da Degradação dos Solos. Esse projeto foi desenvolvido
principalmente na Universidade de Wageningen na Holanda, e resultou numa publicação
intitulada Mapa Mundial do Estágio de Degradação dos Solos, induzida pelo Homem.
Segundo Guerra e Jorge (2012), o GLASOD estimou ainda que a perda de solos
agrícolas se dê a uma taxa de 6 a 7 milhões de hectares/ano, com um adicional de 1,5 milhões
de hectares perdidos, devido à exploração de madeira, salinização e acidificação. Dessa forma,
a perda de solo não quer dizer necessariamente que a terra desapareça, embora localmente isso
possa acontecer, devido a transgressão marinha, ou erosão de áreas costeiras. Normalmente,
significa a deterioração das suas propriedades químicas e físicas, de maneira que o solo deixa
de ser produtivo. Na Figura 1, que apresenta a classificação por tipo de degradação do
GLASOD entre os anos de 1987 e 1991, com foco no Nordeste do Brasil (NEB), nota-se que
para esta região os tipos mais frequentes de degradação do solo são: perda de nutrientes e
matéria orgânica do solo por atividades agrícolas e agropecuárias, atingindo principalmente a
porção norte do NEB e grande parte da Bahia; erosão eólica, que atingi as porções litorâneas
do Rio Grande do Norte, Ceará e Maranhão e a parte oeste da Bahia; deformações nos terrenos
e movimentos de massas, atingindo a porção nordeste do Maranhão e parte do centro-sul da
Bahia; erosão hídrica, que atingi principalmente grande parte da região costeira do NEB e
central da Bahia e do Ceará.
20
Figura 1 - Mapa de tipos de degradação do solo com foco no NEB entre os anos de 1987 e 1991. Fonte:
Adaptado de Oldeman et al. (1991).
Para Parrota (1992), áreas degradadas são aquelas caracterizadas por solos
empobrecidos e erodidos, instabilidade hidrológica, produtividade primaria e biodiversidade
reduzidas. Já Guerra (2008) define degradação do solo como modificações que atingem um
solo, passando o mesmo de uma categoria para outra, muito mais lavada, quando a erosão
começa a destruir as camadas superficiais mais ricas em matéria orgânica. A degradação do
solo pode-se dar por modificações microclimáticas, por destruição do tipo de vegetação, entre
outras formas.
Blum (1998), partindo do princípio de energia armazenada no sistema, propôs que o
ambiente degradado é aquele caracterizado pela perda desta energia, apontando três formas
diferentes de energias envolvidas: gravitacional, que é a energia que controla grande parte do
movimento dos sólidos, líquidos e gases, e é determinante para os fenômenos de erosão e
sedimentação; conservada, é a energia presente no material de origem. Esta fonte de energia é
21
proveniente das forças internas da Terra, pressão e temperatura; solar: é a energia que faz com
que os vegetais transformem gás carbônico em componentes orgânicos fornecidos ao solo.
A partir deste conceito, em que as funções e usos do solo tem como base sua energia
armazenada, Reinert (1998) afirma que degradação do solo é igual à perda de suas funções e
usos, sendo a pedosfera o produto da interação da litosfera, atmosfera, hidrosfera e biosfera. O
autor supracitado usou o solo como base para classificação de área degradada, dividindo a
degradação do solo em 3 categorias:
•
Degradação física: refere-se as alterações de características ligadas ao
arranjamento das partículas do solo, tendo como principais parâmetros a
permeabilidade, densidade, a estrutura, a aeração e coesão. Alto grau de
compactação, baixa aeração, alta friabilidade, alta susceptibilidade à erosão,
baixa retenção de água a alteração topográfica do terreno, são exemplos de
degradação física do solo;
•
Degradação biológica: esse tipo de degradação demonstra a baixa ou nula
atividade da micro, meso e macrofauna e flora no solo. Isto é consequência dos
baixos valores de matéria orgânica presente;
•
Degradação química: esta forma de degradação é reflexo da presença de
elementos indesejáveis no solo, ou então a perda de elementos essenciais para
o equilíbrio deste. Por exemplo, a deposição de substâncias tóxicas em um
aterro pode degradar quimicamente o solo.
De acordo com Kobiyama et al. (2001), são várias as atividades degradadoras,
entretanto, algumas se sobressaem, como por exemplo:
•
Agricultura: existem muitos fatores relacionados com a agricultura que podem
causar degradação do solo, da água, do ar, dos organismos e da topografia. Entre
estes merecem ênfase a inaptidão do ambiente, a compactação, o preparo do solo
inadequado, o monocultivo, a irrigação inadequada, o superpastejo e a cobertura
de solo insuficiente. A exploração do solo acima de sua capacidade de suporte
resulta em dois tipos de problemas. Um de ordem econômica, pois o sistema irá
exigir adições de insumos para manter a produtividade, e outro, ambiental, pois
a capacidade de depuração do ambiente está acima das expectativas dos
interventores da área;
•
Mineração: a mineração não representa grande parcela em extensão, se
comparada aos demais agentes degradadores. Sua ocorrência é pontual,
22
limitando-se a pequenas áreas, se comparadas à agricultura, por exemplo.
Entretanto, seus efeitos são drásticos ao meio ambiente. A mineração causa
grande impacto, devido a movimentação profunda de camadas do solo, retirada
da vegetação e alteração do regime de escoamento de água. O grande problema
da extração de minerais é que estes encontram-se em camadas heterogêneas, em
veios ou misturados a minerais sem valor econômico. Isto implica na
necessidade de excessiva remoção de terra, gerando um grande volume
inconsolado, suscetível a erosão;
•
Urbanização: a construção e expansão de uma cidade causa inúmeras
consequências sobre o equilíbrio do meio ambiente. Os principais problemas
decorrentes são: desestruturações da topografia e da hidrologia local, produção
de sedimentos ocasionadas pelos vários tipos de erosão (superficiais,
voçorocamentos, desmoronamentos e deslizamentos), contaminação dos
mananciais por resíduos e deposição de entulhos. É muito comum que as cidades
tenham se desenvolvido e expandido nas melhores terras agrícolas pelas simples
tendências das cidades cresceram em vales e platôs, especialmente perto de rios
onde o solo é melhor. Com o passar do tempo outro problema decorrente da
urbanização é a incapacidade de suportar os níveis de resíduos produzidos pelos
grandes centros urbanos. Seu caráter insustentável, causa nos centros urbanos, a
contaminação do solo e dos mananciais pelo lixo e dejeto, urbano e industrial.
Para Fullen e Catt (2004), diversos são os fatores causadores da degradação dos solos,
atuando de forma direta, ou indireta. Mas quase sempre, a grande maioria das terras degradadas
inicia esse processo com o desmatamento, que pode ser seguido por diversas formas de
ocupação desordenada, como: corte de taludes para construção de casas, rodovias e ferrovias,
agricultura, com uso da queimada, vários tipos de mineração, irrigação excessiva, crescimento
desordenado das cidades, superpastoreio, uso do solo para diversos tipos de despejos industriais
e domésticos, sem tratamento da área que recebe esses despejos, enfim, de uma forma ou de
outra, os solos tornam-se degradados, sendo muitas vezes, difícil, ou quase impossível a sua
recuperação.
Segundo Fullen e Catt (2004), a degradação dos solos cobre uma série de processos
complexos, que incluem a erosão (tanto pela água como pelo vento), a expansão das condições
ligadas aos desertos (chamada de desertificação), os movimentos de massa, a contaminação dos
solos, como por exemplo, a acidificação e a salinização.
23
3.3
Erosão
Para Mitra et al. (1998), a erosão dos solos é um dos maiores problemas ambientais do
mundo, pois afeta em longo prazo a produtividade da terra, e também contribui para a
degradação da qualidade das águas pela adição de sedimentos, nutrientes, pesticidas e aumenta
a turbidez. Já Brady (1989), enfatizou que nenhum outro fenômeno do solo é mais destrutivo
em âmbito mundial do que a erosão, pois abrange perdas de água e de nutrientes minerais
essenciais para os vegetais em ritmos muito mais elevados do que ocorrem, mediante lixiviação
e, contudo, as partículas de sedimentos removidos podem deslocar-se para corpos hídricos
transformando-se em problema de poluição. Segundo Eswaran (2001) a degradação dos solos
continuará sendo um grande problema por todo o século 21 por causa do seu impacto na
produtividade agronômica, no meio ambiente, e seu efeito na qualidade de vida.
Para Sobrinho (2015), a erosão e a conservação do solo são desafios que acompanham
o homem desde o início da agricultura. Com a evolução da mecanização e do cultivo em áreas
extensivas a magnitude da destruição da natureza e da contaminação da água evoluiu
proporcionalmente. A erosão do solo afeta a vida de diversas formas. As perdas de solo pela
erosão afetam todo um povo, porém, principalmente o lavrador. O Brasil perde, por erosão
laminar, cerca de quinhentos milhões de toneladas de terra anualmente; esse prejuízo lento e
continuado que a erosão do solo tem ocasionado a nossa economia vem repercutindo, já de
maneira nítida e insofismável, a fisionomia depauperada de algumas de nossas regiões.
De acordo com Hasset e Babwart (1992) a erosão causada pela ação da água é a mais
comum forma de erosão e de maior distribuição espacial na superfície terrestre. Ela possui duas
fases básicas: a primeira é a remoção (detachment) de partículas, que pode também formar
crostas no topo do solo, e a segunda é o transporte dessas partículas na superfície. Entretanto,
o transporte de material pode também ser feito em sub-superfície, através da formação de dutos
(pipes), com diâmetros que podem variar de poucos centímetros até vários metros. O material
que está acima desses dutos pode sofrer o colapso do teto, dando origem a voçorocas.
Segundo Guerra (2009a e 2009b) o escoamento difuso, sob a forma de um lençol
(sheetflow), pode evoluir para uma ravina. Para chegar a esse estágio, o fluxo de água passa a
ser linear (flowline) e depois evolui para microrravinas (micro-rills), e depois para
microrravinas com cabeceiras (headcuts). Ao mesmo tempo em que essa evolução vai
ocorrendo, podem também se estabelecer bifurcações, através dos pontos de ruptura
(knickpoints) das ravinas e ser então criada uma verdadeira rede de ravinas (rill network) na
encosta.
24
Ainda segundo Guerra (2012), a combinação dos processos de erosão em lençol, ravina
e voçoroca, além de rebaixarem a superfície do terreno, provocam a redução do teor de matéria
orgânica e de elementos minerais, que podem dificultar, ou mesmo impedir, a agricultura nessas
áreas. Os solos, além de passarem pelos processos de erosão, tornam-se degradados, podendo
contribuir para a desertificação.
3.4.
Fatores que influenciam na degradação do solo
A erosão e consequente degradação está associada a uma série de fatores como
climatologia, estrutura dos solos (pedologia, geomorfologia e geologia) cobertura vegetal,
topografia (altitude e relevo), tipos de uso do solo. Segundo Araújo et al. (2005), diversos são
os fatores associados às causas de degradação dos solos, podendo ser categorizados como
fatores facilitadores (desmatamento, superpastoreio, topografia, textura do solo) e fatores
diretos (uso de máquinas, drenagem insuficiente, chuvas fortes). O presente trabalho utilizouse de informações a respeito da declividade, altitude, geomorfologia, pedologia, geologia, uso
e cobertura do solo, índice de vegetação, pluviometria. Estas informações foram as mesmas
utilizadas por diversos autores em seus estudos envolvendo temática semelhante, como: Lee
(2007); Crepani et al. (2011); Pourghasemi et al. (2012); Balamurugan et al. (2016); Haidara et
al. (2019); Roy e Saha (2019).
3.4.1 Uso e cobertura do solo
Para Jaiswal et al. (2010), o uso e cobertura da terra desempenham um papel importante
e influenciam na erosão e deslizamentos de terra em terreno acidentado. O padrão de uso da
terra muda, como desmatamento, ou aumento na agricultura e atividades de construção, que
perturbam e modificam a área. Segundo Zhongming et. al. (2010), a cobertura vegetal é um
importante parâmetro utilizado para avaliar a relação entre vegetação e erosão do solo. Em
geral, a erosão do solo diminui com um aumento na cobertura de vegetação. Mohammad e
Adam (2010) indicam que vários estudos em diferentes condições ambientais têm demonstrado
o efeito positivo da cobertura vegetal na redução da erosão hídrica e, ainda segundo esses
autores, a vegetação controla a erosão do solo por meio de sua copa, raízes, e componentes da
camada da serrapilheira
Segundo Matsushita et al. (2007), o índice de vegetação, é definido como a combinação
aritmética de duas ou mais bandas relacionadas com as características espectrais da vegetação,
tem sido amplamente utilizada para o monitoramento fenológico, classificação da vegetação e
25
derivação biofísica da vegetação e parâmetros radiométricos e estruturais. Neste trabalho o
índice de vegetação utilizado será o Enhanced Vegetation Index, o Índice Aprimorado de
Vegetação, que será devidamente discutido adiante.
3.4.2. Geomorfologia
Segundo Crepani et al. (2011), a geomorfologia oferece, para a caracterização da
estabilidade das unidades de paisagem natural, as informações relativas à morfometria, que
influenciam de maneira marcante os processos ecodinâmicos. As informações morfométricas
utilizadas são: a amplitude de relevo, a declividade e o grau de dissecação da unidade de
paisagem. Essas informações, relacionadas a forma de relevo da unidade de paisagem natural,
permitem que se quantifique empiricamente a energia potencial disponível para o escoamento
superficial. De acordo com Ercanoglu e Gokceoglu (2004), o gradiente de declividade mede a
taxa de mudança de elevação na direção da descida do relevo. A inclinação é um fator
importante, que pode alterar a velocidade dos fluxos de superfície e subsuperfície. Segundo
Haidara et al. (2019) quanto mais inclinada é a declividade, maior é o risco de erosão do solo.
Para Jaafari et al. (2014), o aspecto do declive determina o tipo de vegetação, duração da luz
solar, umidade, evaporação, transpiração e também afeta o processo de erosão do solo.
3.4.3. Geologia
Para Crepani et al. (2011), a geologia contribui para a análise e definição da categoria
morfodinâmica da unidade de paisagem natural, compreende as informações relativas à história
da evolução geológica do ambiente onde a unidade se encontra, e as informações relativas ao
grau de coesão das rochas que a compõem. Por grau de coesão das rochas entende-se a
intensidade da ligação entre os minerais ou partículas que as constituem.
3.4.4. Pluviometria
De acordo com Guerra (2005), a quantidade de água proveniente de eventos de chuva é
considerada como um dos principais agentes causadores da erosão dos solos, não apenas por
causarem a saturação dos solos, mas também pelo papel do Splash, um fenômeno que prepara
as partículas que compõem o solo para serem transportadas pelo escoamento superficial. Essa
preparação se dá tanto pela ruptura dos agregados, quebrando-os em tamanhos menores, como
pela própria ação transportadora que o salpicamento provoca nas partículas dos solos. Para
26
Morgan (2005), os processos de erosão pela água estão intimamente relacionados com os
caminhos tomados pela água, no seu movimento através da cobertura e ao longo da superfície
do solo. Durante uma tempestade, parte da água cai diretamente na terra, quer porque não há
vegetação ou porque ela passa através de aberturas entre as copas das árvores. Parte da chuva é
interceptada pela copa, de onde ou retorna para a atmosfera por evaporação ou encontra seu
caminho para o solo por gotejamento das folhas, ou descendo os caules das plantas escoando
pelo tronco.
Os dados pluviométricos são de fundamental importância para o cálculo de parâmetros
como a erosividade, que é a capacidade erosiva da chuva. O potencial de causar erosão de uma
chuva está relacionada a energia cinética da mesma. Para uma abordagem mais completa são
necessários dados de intensidade, duração e frequência das chuvas, porem de acordo com
Gonçalves et al. (2006) em várias regiões do Brasil os índices de erosividade vêm sendo
utilizados no traçado de mapas de linhas isoerosivas. A obtenção dessas linhas é uma alternativa
para contornar a escassez de dados que possibilitem a determinação dos índices de erosividade
em localidades que carecem de tais informações.
3.4.5. Erodibilidade
Segundo Silva et al. (2009), a erodibilidade do solo, consiste na suscetibilidade do solo
à erosão hídrica. É um atributo intrínseco de cada solo e constitui um fator fundamental para a
previsão de perdas de solo e planejamento do uso da terra. Entre os atributos do solo que, de
forma integrada, afetam a erodibilidade, destacam-se a permeabilidade do solo à água, a
capacidade de armazenamento de água, a textura (principalmente os teores de silte), a coesão,
o grau e o tipo de estrutura, Carbono orgânico, os teores de óxidos de Ferro e de Alumínio, e a
tipo de mineral de argila.
De acordo com Mannigel et al. (2002) a avaliações experimentais do valor do fator
erodibilidade (K), conforme as normas estabelecidas pela equação universal de perda de solo,
além de demandarem excessivos gastos também exigem muito tempo nas suas determinações,
uma vez que trabalham com o processo direto da causa e efeito, que é o fenômeno da erosão do
solo. Tais motivos tornaram necessária a estimativa da erodibilidade por outros meios mais
fáceis, denominados métodos indiretos de determinação da erodibilidade. Neste trabalho, os
dados que representam a erodibilidade do solo foram gerados a partir dos dados vetoriais que
representam as linhas de drenagem da hidrografia do estado de Sergipe. Foram realizadas
análises qualitativa e quantitativa da densidade da rede de drenagem.
27
A relação entre a densidade de drenagem e a permeabilidade é inversamente
proporcional. Desta forma, a maior densidade de drenagem representa a maior
impermeabilidade da superfície do terreno, ocasionando o maior escoamento superficial.
Consequentemente maior é a erodibilidade da rocha/solo (erosão laminar e/ou erosão linear),
causando o assoreamento dos cursos e reservatórios d’agua pela deposição dos sedimentos
(NASCIMENTO; PETTA, 2008).
3.4.6. Pedologia
De acordo com Crepani et al. (2001) a pedologia participa da caracterização
morfodinâmica das unidades de paisagem natural fornecendo o indicador básico da posição
ocupada pela unidade dentro da escala gradativa da Ecodinâmica: a maturidade dos solos. A
maturidade dos solos, produto direto do balanço morfogênese/pedogênese, indica claramente
se prevalecem os processos erosivos da morfogênese que geram solos jovens, pouco
desenvolvidos, ou se, no outro extremo, as condições de estabilidade permitem o predomínio
dos processos de pedogênese gerando solos maduros, lixiviados e bem desenvolvidos.
3.5.
Geotecnologias
Miranda (2005) ressalta que as geotecnologias existentes possibilitam a aquisição e
manipulação de informações espaciais, sendo ferramentas relevantes para o levantamento,
monitoramento e mapeamento dos recursos naturais.
De acordo com Rosa e Brito (1996) existe uma gama de fontes de dados espaciais
disponíveis na internet e as tecnologias do geoprocessamento, tais como o sensoriamento
remoto, os Sistemas de Informação Geográfica (SIG), a cartografia digital, os Sistemas de
Posicionamento Global (GPS), os quais permitem integrar dados georreferenciados, são apenas
alguns exemplos do uso das geotecnologias como auxílio no processo de gestão territorial em
aplicações diversas nos mais variados campos das ciências naturais
Para Flauzino et al. (2010) a utilização das geotecnologias se torna um instrumento de
grande potencial para o estabelecimento de planos integrados de conservação do solo e da água.
Destaca-se a utilização dos SIG como ferramenta para mapear e obter respostas às várias
questões sobre planejamento urbano e levantamento do meio físico, ao descrever os
mecanismos das mudanças que operam no meio ambiente, além de auxiliar o planejamento e
manejo dos recursos naturais existentes.
28
3.5.1. Geoprocessamento
O geoprocessamento é o conceito mais abrangente e representa qualquer tipo de
processamento de dados georreferenciados, enquanto um SIG processa dados gráficos e não
gráficos (alfanuméricos) com ênfase em análises espaciais e modelagens de superfícies
(BURROUGH, 1987).
Segundo Câmara et al. (2001) o termo Geoprocessamento denota a disciplina do
conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento da
informação geográfica e que vem influenciando de maneira crescente as áreas de cartografia,
análise de recursos naturais, transportes, comunicações, energia e planejamento urbano e
regional. As ferramentas computacionais para Geoprocessamento, permitem realizar análises
complexas, ao integrar dados de diversas fontes e ao criar bancos de dados georreferenciados,
tornam ainda possível automatizar a produção de documentos cartográficos.
De acordo Rosa e Brito (1996), o geoprocessamento envolve pelo menos quatro
categorias de técnicas relacionadas ao tratamento da informação espacial:
•
Técnicas para coleta de informação espacial (cartografia, sensoriamento remoto,
GPS, topografia, levantamento de dados alfanuméricos);
•
Técnicas de armazenamento de informação espacial (bancos de dados –
orientado a objetos, relacional, hierárquico etc.);
•
Técnicas para tratamento e análise de informação espacial (modelagem de
dados, geoestatística, aritmética lógica, funções topológicas, redes etc.);
•
Técnicas para o uso integrado de informação espacial, como os sistemas GIS –
Geographic Information Systems, LIS – Land Information Systems, AM/FM –
Automated Mapping/Facilities Management, CADD – Computer-Aided
Drafting and Design.
3.5.2. Sensoriamento Remoto
Segundo Gomes et al. (2020), o sensoriamento remoto é uma técnica que obtém dados
da superfície terrestre por meio da captação e registro em imagem da energia refletida/emitida
pela superfície, sem que haja contato físico entre o sensor e o alvo estudado. A imagem é
analisada a partir do comportamento espectral que os objetos em estudo apresentam em cada
comprimento de onda.
29
Segundo Menezes e Almeida (2012), sensoriamento remoto é uma ciência que visa o
desenvolvimento da obtenção de imagens da superfície terrestre por meio da detecção e
medição quantitativa das respostas das interações da radiação eletromagnética com os materiais
terrestres.
O Sensoriamento Remoto agrega tecnologias de sensores imageadores e também não
imageadores. Sensores portáteis não imageadores, ou espectrorradiômetros, realizam densa
amostragem do espectro eletromagnético (com milhares de bandas espectrais de largura
nanométrica), abrangendo os comprimentos de onda do visível (VIS), do infravermelho
próximo (NIR), do infravermelho de ondas curtas (SWIR) e do infravermelho termal (TIR).
As imagens obtidas através do sensoriamento remoto proporcionam uma visão de
conjunto multitemporal de extensas áreas da superfície terrestre. Esta visão sinóptica do meio
ambiente ou da paisagem possibilita estudos regionais e integrados, envolvendo vários campos
do conhecimento. Elas mostram os ambientes e a sua transformação, destacam os impactos
causados por fenômenos naturais como as inundações e a erosão do solo (frequentemente
agravados pela intervenção do homem) e antrópicos, como os desmatamentos, as queimadas, a
expansão urbana, ou outras alterações do uso e da ocupação da terra (FLORENZANO, 2002).
É muito grande e diversificada a quantidade de dados e produtos advindos do
sensoriamento remoto, que vem sendo largamente utilizadas devido sua gratuidade e difusão
pela internet, como por exemplo as imagens do Landsat, do Satélite Sino-Brasileiro de Recursos
Terrestres (CBERS do inglês China-Brazil Earth-Resources Satellite), SRTM (Shuttle Radar
Topography Mission) e os dados do sensor MODIS (Moderate-Resolution Imaging
Spectroradiometer) a bordo dos satélites Terra e Aqua.
3.6.
Lógica Fuzzy
Zadeh (1965) foi o primeiro a introduzir a teoria dos conjuntos fuzzy para analisar
matematicamente processos naturais ou fenômenos não discretos. De acordo com Vieira et al.
(2014), a Lógica Fuzzy é uma técnica muito útil na solução de problema com extensa
aplicabilidade. É usada atualmente nas áreas de negócios, sistemas de controle, eletrônica e
engenharia de tráfego, meteorologia, entre outras aplicações. A técnica pode ser usada para
gerar soluções para os problemas com base em informações vagas, ambíguas, incompletas ou
imprecisas. Segundo Zimmerman (1996), um conjunto fuzzy é uma classe de objetos com um
grau contínuo de pertinência em relação ao conjunto, caracterizado por uma função de
pertinência que relaciona cada objeto a um grau de pertinência variando de 0 a 1.
30
Segundo Vieira et al. (2014), um sistema Fuzzy é uma função de Rn em R, construída
por uma metodologia específica de acordo com 3 módulos, como pode ser visto na Figura 2. O
primeiro módulo é o de fuzzificação: modela matematicamente a informação das variáveis de
entrada por meio de conjuntos fuzzy. É neste módulo que se mostra a grande importância do
especialista no processo a ser analisado, pois a cada variável de entrada devem ser atribuídos
termos linguísticos que representam os estados desta variável e, a cada termo linguístico, deve
ser associado a um conjunto fuzzy por uma função de pertinência. É nesse módulo que se
armazenam as variáveis e suas classificações linguísticas;
O segundo módulo é o de inferência: é onde se definem os conectivos lógicos usados
para estabelecer a relação fuzzy que modela a base de regras. É deste módulo que depende o
sucesso do sistema Fuzzy já que ele fornecerá a saída (controle) fuzzy a ser adotado pelo
controlador a partir de cada entrada fuzzy. O terceiro módulo é o de defuzzificação: que traduz
o estado da variável de saída fuzzy para um valor numérico.
Figura 2 - Estrutura de um controlador de lógica fuzzy. Adaptado de Vieira et al. (2014).
Como já foi mencionado, o uso da lógica fuzzy se faz presente em diversas áreas e
estudos. Da Silva et al. (2007), aplicou a teoria dos conjuntos fuzzy em um estudo com o
objetivo de unificar informações climáticas de consenso subjetivos usadas na previsão climática
da Região Semi-Árida do Nordeste do Brasil RSANEB, visando obter a previsão determinística
de um Índice Regional da Quadra Chuvosa (IRCQC); Vieira (2015), elaborou e validou um
modelo linguístico fuzzy para previsão de hospitalização por doenças respiratórias; Rezende et
al. (2016), construíram um Sistema Lógico Fuzzy para avaliar o conforto ambiental de espaços
educacionais; Scremin et al. (2018), adequaram o modelo de lógica fuzzy para simulação da
produção de grãos de aveia nas condições de fornecimento de nitrogênio na base e cobertura
31
junto à ação combinada de temperatura do ar, precipitação pluviométrica e soma térmica, em
condições reais de cultivo; Silva et al. (2020), aplicaram um modelo que usou a lógica dos
conjuntos difusos (lógica fuzzy) para prever os cenários com diferentes condições climáticas e
sanitárias observadas no município de Quixadá – CE para prever ocorrências de arboviroses
como a Dengue e Chikungunya.
O método de lógica fuzzy permite combinações ponderadas de mapas e pode ser
rapidamente implementado em softwares de ambiente SIG (Pradhan, 2010). De acordo com
Sema et al. (2017), os valores 0 e 1 representam a mínima e a máxima influência de um fator
particular para um determinado fenômeno. Segundo Lee (2007), em mapas, o atributo de
interesse é geralmente medido em intervalos discretos e a função de pertinência pode ser
expressa como uma tabela relacionando as classes do mapa aos valores de pertinência das
classes em relação ao fenômeno estudado. Pourghasemi et al. (2012) afirmam que a lógica fuzzy
é objetiva e direta de se entender e implementar. Esse método permite a utilização de dados em
qualquer escala de medida e as ponderações dos atributos é controlada inteiramente pelo
pesquisador.
Sema et al. (2017) afirmam que diferentes operadores podem ser empregados para
combinar os valores de associação de dois ou mais mapas temáticos a partir de uma função
fuzzy. Bonham e Carter (1994) descreveram cinco operadores fuzzy: Fuzzy “and”; Fuzzy “or”;
Produto algébrico; Soma algébrica e Operador Fuzzy Gamma (OFG). O fuzzy “and” é
equivalente a operação Booleana AND (interseção) e os valores de associação resultantes, são
controlados pelos valores mínimos de dentre os dados usados como entrada. O fuzzy “or” é
equivalente ao Booleano OR (união). Neste caso os valores de associação resultantes, são
controlados pelos valores máximos de determinado mapa entre os dados usados como entrada.
O produto algébrico é definido como o produto dos valores resultantes das funções de
pertinência dos n conjuntos fuzzy a serem combinados. A soma algébrica é o complemento
matemático do produto algébrico.
São inúmeras as dificuldades para se obter precisamente o potencial de degradação dos
solos através de modelos empíricos. França et al. (2005), aponta que essas dificuldades são
decorrentes de fatores como: necessidade de um grande volume de dados, alguns deles de difícil
obtenção; os modelos são geralmente desenvolvidos para regiões diferentes daquelas nas quais
são aplicados; na maioria das vezes são criados para escalas nas quais diferentes interações e
processos podem ser importantes.
Frente a essas dificuldades a lógica fuzzy vem sendo utilizada em diversos estudos e
modelos envolvendo o potencial de erosão dos solos. Cohen et. al. (2008) desenvolveram um
32
modelo baseado na lógica fuzzy para aferir o potencial de erosão dos solos (fuzzy-based dynamic
soil erosion model – FuDSEM). Lobão et. al. (2006) avaliaram a vulnerabilidade natural à
erosão do solo no município de Morro do Chapéu-BA, a partir do modelamento das variáveis,
geologia, geomorfologia, solo, clima, vegetação e uso do solo. França et. al. (2005) propuseram
uma metodologia para estimar a distribuição espacial de classes de potencial à erosão fazendose uso dos conceitos de lógica fuzzy em um modelo que se diferencia pelo número reduzido de
variáveis, pois utiliza somente duas provenientes dos mapas de declividade e de cobertura do
solo.
4.
MATERIAIS E MÉTODO
4.1
Área de Estudo
A área que foi utilizada para a realização desse estudo será o estado de Sergipe. Segundo
o Instituto Brasileiro de Geografia e Estatísticas (IBGE, 2020), o estado de Sergipe possui uma
área territorial de 21.926,908 km2 e uma população estimada para o ano de 2019 de 2.298.696
habitantes. A Figura 3 apresenta um mapa de localização do estado de Sergipe e seus
municípios.
Figura 3 - Mapa de localização do estado de Sergipe. Fonte: elaborado a partir do Atlas digital sobre
recursos hídricos (SEMAR/SRH, 2014).
33
4.1.1. Clima
Para Mendonça e Danni-Oliveira (2007), o estado do Sergipe tem seu clima classificado
como tropical litorâneo do Nordeste Oriental, que varia bastante na quantidade de meses secos
durante o ano, mesmo em um estado de pequena expressão geográfica, já que é o menor da
federação. De acordo com Diniz et al. (2014), o regime pluviométrico se distribui de forma
decrescente do litoral para o interior do estado. O litoral, mais a sudeste, apresenta de 0 a 2
meses secos, enquanto o noroeste do estado apresenta de 7 a 8 meses secos. Os principais tipos
climáticos do estado ocorrem respectivamente do litoral mais a sudeste para o interior mais a
noroeste são: clima úmido (de 0 a 2 meses secos) atuam especialmente na zona da mata
sergipana, na faixa dos tabuleiros; o clima subúmido de transição para o semiárido (de 3 a 4; e
de 5 a 6 meses secos) no Agreste; e o semiárido (de 7 a 8 meses secos) na porção interiorana
onde ocorrem áreas de pediplano sertanejo e serras residuais (MENDONÇA & DANNIOLIVEIRA, 2007).
De acordo com Molion e Bernardo (2002), os mecanismos dinâmicos que produzem
chuvas no nordeste brasileiro podem ser classificados em mecanismos de grande escala,
mesoescala e microescala, sendo os primeiros responsáveis pela maior parte da precipitação
observada. Diniz et al. (2014), afirmam que dentre os mecanismos de grande escala, destacamse a atuação da Zona de Convergência Intertropical (ZCIT) e dos sistemas frontais ou frentes
frias. Perturbações Ondulatórias no Campo dos Ventos Alísios (POA), brisas marinhas e
terrestres fazem parte da mesoescala, ao passo que as circulações orográficas são exemplos de
mecanismos de microescala. A Zona de Convergência Intertropical (ZCIT) é um dos principais
sistemas responsáveis por precipitação pluviométrica nas baixas latitudes no território
brasileiro.
Segundo Melo et al. (2009), em relação ao Atlântico Equatorial, a ZCIT migra
sazonalmente de sua posição mais ao norte, próximo aos 14ºN (agosto-setembro), para a sua
posição mais ao sul aproximadamente aos 2ºS (março-abril). As autoras afirmam que “em anos
chuvosos, a ZCIT pode atingir até 5ºS, perto da costa nordestina”. É importante ressaltar que
essas posições tratam do centro de atuação do sistema, em especial de sua banda principal,
podendo ocorrer uma banda secundária no Hemisfério Sul (HS), precipitações ocasionadas na
margem desse sistema no Nordeste Setentrional são percebidas com grande frequência no
Sertão Pernambucano e a sul do Ceará, por exemplo; portanto, após os 8ºS há áreas que recebem
precipitação da citada banda secundária.
34
Costa e Santos (2011) afirmam que precipitações associadas à ZCIT chegam a atingir o
estado do Sergipe. É possível perceber que a banda secundária chega a atingir o norte da Bahia.
A ZCIT tem, portanto, uma participação secundária nos totais de precipitação de Sergipe, dado
que sua banda secundária não atua em todos os anos, apenas nos mais chuvosos; assim, há anos
em que o sistema não chega a atingir o estado sergipano (Diniz et al., 2014).
Em relação as massas de ar, segundo Diniz et al. (2014) as principais massas
responsáveis por precipitações pluviométricas no estado de Sergipe são a Massa Equatorial do
Atlântico Sul (MEAS), que atua mais a noroeste do estado; a Massa Polar Atlântica (MPA) e a
Massa Tropical Atlântica (MTA), que atuam prioritariamente no restante do estado e são
bastante influenciadas pela continentalidade. A MPA se origina nas altas polares e é atraída
pelas baixas equatoriais, rumo ao Equador pela faixa leste do Brasil. Apesar de originariamente
essa massa ser fria e seca, ganha umidade e perde temperatura em seu trajeto às menores
latitudes, ela produz chuvas no litoral brasileiro entre finais de verão e inverno e sua atuação
diminui bastante à medida que se afasta da costa (MENDONÇA; DANNI-OLIVEIRA, 2007).
Além disso, a MTA é uma das principais massas de ar, fato que auxilia na compreensão da
dinâmica atmosférica do Brasil, onde há considerável influência na definição dos tipos
climáticos; origina-se no centro de altas pressões subtropicais de altas pressões do
Atlântico e apresenta, portanto, características de temperatura e umidade elevadas.
Também é atraída por baixas pressões continentais, abastecendo o continente com umidade e
calor; atua durante o ano inteiro sobre o Brasil, especialmente no verão e nas faixas litorâneas,
à medida que ruma para o interior perde muito de sua umidade (MENDONÇA; DANNIOLIVEIRA, 2007).
A Figura 4 apresenta a divisão climática do estado de Sergipe de acordo com dados
georreferenciados da Secretaria de Estado do Meio Ambiente e Recursos Hídricos (SEMARHSE, 2010).
35
Figura 4 - Mapa de divisão climática do estado de Sergipe. Fonte: elaborado a partir do Atlas digital
sobre recursos hídricos (SEMARH/SRH, 2014).
Em Relação aos volumes médios de precipitação anual, segundos os dados do Atlas
Digital de Recursos Hídricos da SEMARH, as zonas climáticas do estado de Sergipe
apresentam as seguintes características:
• Semiárido: Caracteriza-se por grande deficiência hídrica. As precipitações
anuais raramente se situam entre 600 e 880 mm, sofrendo muita variabilidade,
com dois ou três meses favoráveis às atividades agrícolas;
•
Agreste: precipitações entre 880 e 1160 mm anuais, chegando a ultrapassar os
1.200 mm/ano. Nesta zona, verifica-se a acentuada expansão da pecuária;
•
Litoral úmido: Faixa litorânea que apresenta em sua grande parte volumes entre
1440 e 1720 mm.
A Figura 5 presenta um mapa com as isoietas de precipitação para o estado de Sergipe.
36
Figura 5 - Mapa de isoietas de precipitação para o estado de Sergipe: Fonte: adaptado e elaborado a
partir do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014).
A Figura 6, apresenta um mapa do estado de Sergipe com sua divisão por municípios e
por territórios, além da centralidade das sedes municipais dos principais municípios de cada
território.
37
Figura 6 - Mapa dos territórios do estado de Sergipe: Fonte: adaptado e elaborado a partir do Atlas
digital sobre recursos hídricos (SEMAR/SRH, 2014).
4.1.2. Biomas
De acordo com o Serviço Florestal Brasileiro (SFB), em seu Inventário Florestal
Nacional de 2017, no estado de Sergipe estão presentes os biomas Caatinga e Mata Atlântica.
Deste modo, observa-se que a maior parte da área ocupada por florestas no estado compreende
áreas de contato entre diferentes tipos de vegetação, sendo frequente principalmente o contato
entre a Savana Estépica e a Floresta Estacional. A Figura 7 apresenta a divisão dos biomas
presentes no estado de Sergipe, os dados são provenientes do Atlas Digital de Recursos Hídricos
da SEMARH-SE (2014).
38
Figura 7 - Mapa da divisão dos biomas do estado de Sergipe. Fonte: elaborado a partir do Atlas digital
sobre recursos hídricos (SEMAR/SRH, 2014).
4.1.3. Geologia
Segundo Almeida et al. (1977) o estado de Sergipe está localizado na região limítrofe
de três províncias estruturais definidas como: Província São Francisco, a Província Borborema
e a Província Costeira. Os principais domínios geológicos do estado de Sergipe são: Poço
Redondo, Marancó, Macururé, Canindé, Vaza Barris e Estância.
De acordo com D’el-Rey Silva (1995), o Domínio Poço Redondo é um fragmento
crustal constituído por migmatitos tonalíticos e paragnaisses, e com intrusões de três tipos de
granitoides (Serra Negra, Sítios Novos e Xingó), ocorrendo imediatamente a norte das rochas
vulcanossedimentares do Marancó, limitados através de zona de cisalhamento contracional. São
metamorfisados em fácies xisto verde, em sua parte sul e anfibolito, em sua porção norte (Silva
FILHO e TORRES, 2002).
O Domínio Macururé é representado pelas rochas do Grupo Macururé, sendo
constituído por mica-xistos granatíferos, metaritmitos, quartzitos, calcissilicáticas, paragnaisses
e um número significativo de granitos que intrude o domínio (OLIVEIRA ET AL., 2010).
Ocorre sotoposto ao Grupo Vaza-Barris, tem contato tectônico da Falha de São Miguel
do Aleixo, sendo que ao norte faz contato com os domínios Poço Redondo e Marancó através
39
da Falha Belo Monte - Jeremoabo e com o Domínio Canindé por uma zona de cisalhamento
contracional de alto ângulo (D'EL-REY SILVA, 1999).
O Domínio Canindé ocorre no extremo norte do Estado de Sergipe e limita-se com o
Domínio Poço Redondo através da zona de cisalhamento Mulungu-Alto Bonito com
movimentação sinistral e direção sudeste-noroeste (Oliveira et al., 2010). Souza et al. (2003),
afirmam que esse domínio é constituído principalmente por rochas metavulcânicas, diques
máficos e félsicos metamorfisados, intercalações de rochas metassedimentares, intrusões
graníticas diversas e um complexo gabróico (Suíte Gabróica Canindé).
O Domínio Vaza Barris ocorre imediatamente a norte do Domínio Estância, limitandose através da zona de cisalhamento rúptil-dúctil contracional de alto ângulo (Falha do Rio
Jacaré), a norte é delimitado ao longo das zonas de cisalhamento São Miguel do Aleixo e Nossa
Senhora da Glória, de movimentação contracional oblíqua sinistral, prolonga-se para oeste,
além do limite estadual, e, para leste, até a Bacia de Sergipe (SANTOS et al., 1998). É composto
principalmente por metassedimentos psamo-pelito-carbonáticos de baixo grau metamórfico,
xisto verde, subdivididos nos grupos Miaba, Simão Dias e Vaza Barris (SANTOS et al., 1998),
depositados em margem continental passiva (D’EL- REY SILVA & MCCLAY, 1995).
De acordo com Dantas (2015) o Domínio Estância é caracterizado por sedimentos
plataformais (arenitos, calcário, argilitos e lentes conglomeráticas) indeformados ou pouco
deformados, assentados sobre o embasamento. O Grupo Estância é representado pelas
formações Acauã, Lagarto e Palmares.
A Figura 8 apresenta a divisão dos principais grupos de formações geológicas do estado
de Sergipe, os dados são provenientes do Atlas Digital de Recursos Hídricos da SEMARH-SE
(2010).
40
Figura 8 - Mapa de Formações geológicas do estado de Sergipe. Fonte: adaptado e elaborado a partir
do Atlas digital sobre recursos hídricos (SEMAR/SRH, 2014).
4.1.4. Geomorfologia
De acordo com o DNIT (2017), o relevo de Sergipe é pouco movimentado, constituído
por um modelado suave com áreas planas e altitudes modestas que vão aumentando em direção
ao interior, interrompido localmente por elevações denominações de serras que constituem os
pontos mais elevados do Estado. Quanto a compartimentação do relevo, pode-se identificar as
seguintes unidades geomorfológicas ou de relevo:
•
Planície Costeira: ocorre ao longo de toda faixa costeira e é caracterizada por
suas formas planas baixas (praias e restingas) construídas pela deposição de
areias e outros materiais retrabalhados pelo mar (Sedimentos de praias e
aluviões). As dunas, morros de areia feito pelos ventos, representam as partes
mais elevadas desta área, porém sua altitude não ultrapassa trinta metros;
•
Tabuleiros Costeiros: ocorrem logo após a planície litorânea em direção ao
interior; constituem baixo planalto pré-litorâneo com altitudes em torno de cem
41
metros. Os Tabuleiros próximos aos rios foram erodidos e escavados,
aparecendo morros e colinas, como os observados ao longo das rodovias que
ligam Aracaju a Itabaiana, a Maruim e a Itaporanga d’Ajuda;
•
Pediplano Sertanejo: aparece no Oeste do Estado, ocupando extensas áreas
aplainadas que se elevam gradativamente de 150 a 300 metros, à medida que
avança para a divisa com a Bahia. É comum a ocorrência de morros residuais
denominados de inselbergs que se destacam na planura generalizada da região.
Apesar desse relevo aplainado, destacam-se algumas áreas elevadas como a
Serra Negra, no município de Poço Redondo, divisa com a Bahia, com altitude
de 750 metros, o ponto culminante do Estado;
•
Serras Residuais: situam-se em volta de Itabaiana, no centro do Estado, são
representadas pela serra de Itabaiana, segundo ponto mais alto do estado com
659 m de altitude, pela serra da Miaba com 630 metros, terceiro ponto
culminante, e ainda pelas serras Comprida, Quizongo, Cajueiro, Capunga e
outros;
A Figura 9 apresenta a divisão das unidades geomorfológicas presentes no estado de
Sergipe, os dados são provenientes do Atlas Digital de Recursos Hídricos da SEMARH-SE
(2010).
Figura 9 - Mapa de unidades geomorfológicas do estado de Sergipe. Fonte: elaborado a partir do Atlas
digital sobre recursos hídricos (SEMAR/SRH, 2014).
42
4.1.5. Pedologia
Segundo Shinzato et al. (2008), solo é a superfície inconsolidada, constituída de
camadas que diferem pela natureza física, química, mineralógica e biológica, desenvolvida ao
longo do tempo sob a influência do clima, material originário, relevo e da própria atividade
biológica.
Os neossolos quartzarênicos, espodossolos e gleissolos encontram-se associados aos
sedimentos inconsolidados e arenitos das planícies e tabuleiros costeiros da região climática da
faixa litorânea composta por resquícios de Mata Atlântica e vegetação de mangue e restinga.
Os argissolos, latossolos, planossolos, vertissolos, chernossolos e neossolos quartzarênico,
flúvico e litólico estão associados às regiões semiárida e agreste constituídas por grande
variedade de rochas cristalinas do pediplano sertanejo composto resquícios de Caatinga e
vegetação arbórea e arbustiva. Os argissolos e os neossolos quartzarênicos são as tipologias
dominantes na área de estudo (ARAGÃO et al., 2011, EMBRAPA, 2014).
A Figura 10 apresenta as classes de solo presentes no estado de Sergipe de acordo com
a nomenclatura utilizada no sistema de classificação do solo da Empresa Brasileira de Pesquisa
Agropecuária (EMBRAPA, 2006). Os dados são provenientes do Atlas Digital de Recursos
Hídricos da SEMARH-SE (2010).
Figura 10 - Mapa das classes de solo do estado de Sergipe. Fonte: adaptado e elaborado a partir do Atlas
digital sobre recursos hídricos (SEMAR/SRH, 2014).
43
4.2.
Metodologia
A metodologia proposta neste trabalho se baseia na exploração das relações de causa-
efeito do princípio fundamental das relações específicas entre os processos e fatores da
degradação dos solos. O potencial de degradação pode ser formulado com a Equação (1) de
fator de condição, conforme proposto por Metternicht e Gonzalez (2005):
Potencial à degradação = f (A1 + A2 + A3 + ... + An)
(1)
Em que A1, A2, A3, ..., An representam as características (parâmetros) da paisagem
que participam na promoção da degradação dos solos.
A construção de um modelo baseado na lógica fuzzy passa por algumas etapas
fundamentais, como: a definição das variáveis de entrada e de saída; escolha ou não de funções
de pertinência para realizar a inferência fuzzy, ou seja, transformar os valores para o intervalo
de 0 a 1, pois os valores de entrada podem ser computados a partir de funções como a linear,
sigmoidal, trapezoidal, triangular ou definidos a partir do conhecimento existente na literatura;
escolha do operador fuzzy, seja o Fuzzy “and”; Fuzzy “or”, Produto Algébrico, Soma Algébrica
ou Operador Fuzzy Gamma (OFG).
As equações utilizadas na etapa de inferência fuzzy e o operador fuzzy gamma foram
implementadas a partir do plugin Calculadora Raster, do software QGIS (versão 2.18.12). O
fluxograma presente na Figura 11 mostra de forma resumida as etapas que foram realizadas
durante a produção deste trabalho.
Figura 11 - Fluxograma das etapas para a produção dos mapas do potencial de degradação do solo.
44
4.2.1. Aquisição e tratamento dos dados
Os dados utilizados neste trabalho foram adquiridos a partir de diferentes plataformas e
bancos de dados disponíveis na internet, como: Portal Earth Data e Giovanni do MODIS,
MapBiomas, TOPODATA e Atlas digital sobre recursos hídricos da SEMARH/SRH. Após
adquiridos os dados, utilizou-se de técnicas de geoprocessamento disponíveis no software
QGIS para que todas as informações estivessem no mesmo padrão, ou seja, todos em formato
matricial (raster), com o mesmo limite espacial (o estado de Sergipe), resolução temporal,
mesmo Sistema de Referência de Coordenadas (CRS) e Datum.
4.2.1.1. Precipitação
Os dados de precipitação são oriundos da Tropical Rainfall Measuring Mission
(TRMM) e foram adquiridos a partir do aplicativo Giovanni, do portal MODIS. O aplicativo
Giovanni foi desenvolvido para fornecer uma maneira simples e intuitiva de visualizar, analisar
e acessar dados de sensoriamento remoto das ciências da Terra, incluindo grandes volumes de
dados, especialmente de satélites, sendo permitindo realizar o download dos dados.
Segundo Wolf et al. (2004) o TRMM é um programa espacial baseado em satélite para
medir a precipitação tropical e para ajudar a quantificar a distribuição associada e a
transferência de calor latente, que impulsionam o sistema atmosférico global. O TRMM é uma
união entre Estados Unidos e Japão (Simpson et al. 1996; Kummerow et al. 1998). Os dados
adquiridos para os anos de 2000 e 2019 representam as precipitações médias anuais, possuem
resolução espacial de 0.25° x 0.25º, sistema de referência de coordenadas geográficas e Datum
World Geodetic System 1984 (WGS-84). O portal Giovanni requer que seja definida uma região
de formato retangular para que o download seja realizado, sendo assim, após adquiridos, os
dados foram recortados utilizando-se um dado vetorial no formato shapefile do limite do estado
de Sergipe.
A Figura 12 apresenta mapas temáticos produzidos para os anos de 2000 (Fig. 11a) e
2019 (Fig. 11b). Os volumes de chuva média anual em mm/ano foram divididos em cinco
classes.
45
Figura 12 - Mapas de pluviometria média para os anos de 2000 (a) e 2019 (b) para o estado de Sergipe
segundo os dados do TRMM, disponíveis no portal Giovanni.
4.2.1.2. Erodibilidade
Os dados de erodibilidade foram gerados a partir dos dados vetoriais de lineações da
rede hidrográfica de Sergipe. Para transformar os dados da rede hidrográfica em um dado
matricial (raster) utilizou-se da metodologia de Santos e Nascimento (2018).
Primeiramente os dados da rede hidrográfica foram unidos a partir do processo “Mesclar
camadas vetoriais” da ferramenta “Gerenciar Dados” do Qgis, pois os mesmos se encontravam
divididos em bacias hidrográficas. Em seguida a partir do processo geométrico “Extrair nós” as
linhas de drenagem foram transformadas em pontos, onde cada ponto representa um dos
vértices presentes nas linhas que formavam a rede de drenagem.
De posse dos dados sob a forma de pontos, a próxima etapa foi a geração do mapa de
densidade. Para isso foi utilizado o estimador de densidade kernel da ferramenta “Mapa de
calor”. O estimador kernel é um método estatístico de estimação de densidade não-paramétrica
ponderada pela distância a um valor central a partir dessa função obtém-se um arquivo matricial
com o resultado da soma do empilhamento de “n” outros rasters circulares de raio “h” para
cada ponto do dado de entrada, de acordo com a Equação (2).
𝐧
𝟏
𝐱 − 𝐱𝐢
∑𝐤(
)
𝐟𝐡(𝐱) =
𝐧𝐡
𝐡
(2)
𝐢=𝟏
Em que k é a função kernel, que neste trabalho foi a Função Quártica (biponderada) que
possui a seguinte forma reduzida: px4 + qx2 + r = 0; h é o raio de busca para o empilhamento,
46
que neste trabalho foi de 5000 m ; x é a posição do centro de cada ponto do raster de saída; xi
é a posição do ponto i proveniente do centroide de cada ponto de entrada; e n é o número total
de pontos.
Segundo Souza et al. (2013), o estimador de densidade kernel desenha uma vizinhança
circular ao redor de cada ponto da amostra, correspondendo ao raio de influência, e então é
aplicada uma função matemática (função quártica) de 1, na posição do ponto, a 0, na fronteira
da vizinhança. O valor para a célula é a soma dos valores kernel sobrepostos, e divididos pela
área de cada ponto tomado como referência. Para identificação das classes de erodibilidade,
utilizou-se a classificação assim denominada: muito baixa, baixa, moderadamente baixa,
moderadamente alta, alta e muito alta. O raster resultante desse procedimento pode ser visto na
Figura 13.
Figura 13 - Mapa das classes de erodibilidade do solo para o estado de Sergipe.
4.2.1.3. Índice de Vegetação Melhorado (Enhanced Vegetation Index - EVI)
Os dados de EVI foram obtidos a partir do produto MOD13A3 do sensor MODIS,
disponíveis no site do Earth Data Search da Administração Nacional da Aeronáutica e Espaço
(do inglês National Aeronautics and Space Administration - NASA). Este produto possui dados
mensais para os índices Normalized Digital Vegetation Index (NDVI) e para o EVI. Neste
trabalho foi utilizado o segundo devido a minimização das variações de fundo do dossel das
vegetações e por manter a sensibilidade em áreas de vegetação densa. Enquanto o NDVI é
47
sensível a clorofila, o EVI tem uma resposta à variações na estrutura do dossel, incluindo índice
de área foliar (LAI), tipo de copa, fisionomia vegetal e arquitetura de dossel (Gao et al., 2000).
Segundo Didan et al (2015), o produto é gerado usando os resultados obtidos a cada 16 dias a
partir de um algoritmo de composição temporal baseado em média ponderada, que transforma
esses valores num dado mensal. De acordo com Huete et al. (2002) a Equação (3) pode ser
utilizada para o cálculo do EVI.
EVI = G
ρNIR − ρRED
ρNIR + C1 x ρRED − C2 x ρBlue + L
(3)
Em que ρNIR, ρRED e ρBlue são respectivamente as bandas do infravermelho próximo,
do vermelho e do azul com as devidas correções atmosféricas (espalhamento Rayleigh e
absorção do ozônio); C1 e C2 são os coeficientes de resistência ao aerossol, que usa a banda
azul para corrigir influências de aerossol na banda vermelha; L é o termo de ajuste de fundo do
dossel da vegetação e G é o fator de ganho. Os coeficientes adotados no algoritmo EVI são, L
= 1, C1 = 6, C2 = 7,5, e G = 2,5.
Foram adquiridos dados de todos os meses dos anos de 2000 e 2019 do produto
MOD13A3. Os mesmos possuem resolução espacial de 1 km x 1 km, Datum WGS-84 e estão
disponíveis em quadriculas de 10º x 10° no formato Hierarchical Data Format Earth Observing
System (HDF-EOS). Após adquiridos os dados foram recortados para o limite do estado de
Sergipe e reformatados para o formato GeoTIFF. A partir do pluguin Calculadora Raster os
dados mensais foram transformados em médias anuais dos valores de EVI, como mostra a
Figura 14 para os anos de 2000 (a) e 2019 (b). Os dados de EV1 variam de 0 a 1, valores
próximos de 0 representam solos expostos ou com pouca vegetação, corpos hídricos e áreas
urbanas, valores próximos a 1 representam áreas com uma vegetação mais densa.
48
Figura 14 - Mapas de distribuição do EVI para os anos de 2000 (a) e 2019 (b) para o estado de Sergipe
segundo os dados do produto MOD13A3 do MODIS, disponíveis no portal Earth Data Search.
4.2.1.4. Uso e cobertura do solo
Os dados de uso e cobertura de solo para os anos de 2000 e 2019 foram adquiridos a
partir do projeto MapBiomas (Souza et. al., 2020). Os dados pertencem a coleção 5 lançada em
2020. Os dados da Coleção 5 do MapBiomas apresentam os 35 anos (1985 a 2019) dos mapas
anuais de cobertura e uso do solo do Brasil em escala de 30 m com melhorias na acurácia nos
biomas e novas classes de agricultura.
Para realizar o download das informações, no site do MapBiomas foi selecionado o
estado de Sergipe e os anos de 2000 e 2019. Os dados são disponíveis no formato matricial com
Datum WGS-84, onde cada pixel possui um valor numérico (ID) que varia de 1 a 33 para indicar
a qual classe pertence. Pra facilitar o tratamento das informações os arquivos no formato
matricial foram vetorizados. Após este procedimento, uma tabela criada com o nome das classes
para cada ID foi unida ao dado vetorial o que possibilitou a classificação temática do produto a
partir do nome das classes. Posteriormente os dados foram convertidos novamente em formato
matricial (raster) para ser usado nas próximas etapas do trabalho.
A Figura 15 apresenta os mapas de classificação de uso cobertura da terra para os anos
de 2000 (a) e 2019 (b) respectivamente de acordo com o MapBiomas.
49
Figura 15 - Mapas de uso e ocupação do solo para os anos de 2000 (a) e 2019 (b) para o estado de
Sergipe segundo os dados do produto MapBiomas.
4.2.1.5. Declividade e Altitude
As informações de declividade e altitude foram geradas a partir dos dados disponíveis
no projeto Topodata (Valeriano, 2009). O projeto Topodata oferece o Modelo Digital de
Elevação (MDE) e suas derivações locais básicas em cobertura nacional, elaborados a partir
dos dados da Shuttle Radar Topography Mission (SRTM) disponibilizados pela United States
Geological Survey (USGS) na internet. Os dados estão todos estruturados em quadrículas de 1°
de latitude por 1,5° de longitude e resolução espacial de 30 m. Para compreender todo o estado
de Sergipe foram adquiridas seis quadrículas.
As quadriculas foram fusionadas a partir do plugin Mosaico do QGIS. Após a união o
produto foi recortado para se encaixar no limite do estado de Sergipe. Para a produção dos
dados de declividade, Figura 16 (a), utilizou-se a ferramenta de “declividade” do plugin Análise
de Terreno do QGIS. Essa ferramenta calcula a declividade a partir do método descrito por
Horn (1981), em que médias são calculadas a partir do MDE de entrada, utilizando-se de uma
grade de 3 x 3 pixels. Ou seja, os algoritmos são executados levando em consideração um
conjunto de 8 pixels vizinhos ao pixel central. Já para produzir a altitude, o raster foi
classificado em seis classes em função do valor de altitude em metros, conforme a Figura 16
(b).
A declividade foi representada seguindo as classes definidas pela Embrapa (1979) para
declividade do relevo no Manual de métodos de análise de solos, em que possuem a seguinte
relação com o relevo: 0 a 3 %, relevo plano; 3 a 8%, relevo suave ondulado; 8 a 20%, relevo
50
ondulado; 20 a 45%, relevo forte ondulado; 45-75%, relevo montanhoso e acima de 75%, relevo
forte montanhoso.
Figura 16 - Mapas de declividade (a) e altitude (b) para o estado de Sergipe segundo os dados do
disponíveis pelo projeto Topodata.
4.2.1.6. Geologia, geomorfologia e Pedologia
Os dados de geologia, geomorfologia e pedologia foram adquiridos a partir do Atlas
Digital de Recursos Hídricos da SEMARH/SRH (2014). Os dados vetoriais estão disponíveis
no banco de dados em formato shapefile, no Datum Sirgas 2000, projeção Universal Transversa
de Mercator (UTM) zona 24-S. Os dados foram reprojetados para o Datum WGS-84 e
transformados em dados matriciais (rasterizados). Os mapas geológicos, geomorfológicos e
pedológico foram apresentados anteriormente neste trabalho respectivamente nos tópicos 4.1.3,
4.1.4 e 4.1.5.
4.3.
Fuzzificação dos dados
A fuzzificação dos dados consiste no conjunto de técnicas utilizadas para transformar
os dados de uma determinada variável em um conjunto fuzzy (com valores entre 0 e 1). À
medida que aumenta a contribuição da variável para a degradação ambiental do solo, aumenta
o valor no intervalo de 0 a 1. Para algumas das variáveis foram utilizadas funções de pertinência,
como as funções sigmoidal (precipitação, declividade e altitude) e linear (EVI, erodibilidade,
uso e ocupação do solo, geologia, geomorfologia e pedologia).
As funções sigmoidal e linear são controladas por quatro pontos ordenados do valor
mais baixo ao mais alto. Os pontos podem ser duplicados para a criação de funções monotônicas
51
ou simétricas. Neste trabalho tanto a função linear Equação (4), quanto a função sigmoidal
Equação (4), foram utilizadas em suas formas monotônicas. Funções monotônicas são aquelas
que preservam ou invertem a relação de ordens entre as variáveis. Quando a variável contribuía
para a degradação à medida que seus valores aumentavam foram usadas equações lineares ou
sigmoides monotônicas crescentes. Quando a variável não contribuía para o aumento da
degradação à medida que seus valores aumentavam, foram usadas equações monotônicas
decrescentes.
F(x) =
Pmin − x
Pmáx − Pmin
(4)
(x − Pmáx)
π
. )
(Pmáx − Pmin) 2
(5)
F(x) = (cos 2 .
4.3.1. Precipitação
Para a precipitação, a função de pertinência utilizada foi a função sigmoidal. De acordo
com Ladeira (2011), em seu trabalho intitulado “Uso da função sigmoidal para desagregação
do bloco de tormenta obtido da curva IDF estudo de caso: bacia de Val-de-cans”, a função
sigmoidal cosseno pode ser utilizada pois observou-se que as chuvas naturais geram
graficamente curvas em formato de “S”, o mesmo formato gráfico da função sigmoidal. A
função foi aplicada a partir da ferramenta Calculadora raster.
4.3.2. EVI
Para o EVI a função utilizada foi a linear monotônica crescente inversa, pois quanto
maior os valores de EVI maior a densidade e vigor vegetativo da cobertura vegetal e por
consequência, menor o potencial de degradação.
4.3.3. Declividade
Os dados de declividade foram fuzzificados a partir da equação sigmoidal monotônica
crescente, pois quanto maior a declividade maior o potencial de degradação ambiental. A
equação sigmoidal foi escolhida seguindo os trabalhos de Zaidan et al. (2006), Marcelino et al.
(2004), Vanacor et al. (2006) e Pinto et al. (2015), pois os mesmos observaram que essa equação
representa de maneira mais adequada a distribuição dos valores de declividade na paisagem
natural
52
4.3.4. Altitude
Os dados de altitude foram fuzzificados a partir da equação sigmoidal monotônica
crescente. De acordo com Crepani et al. (2001), quanto maior a amplitude altimétrica maior é
a energia potencial e maior a capacidade de morfogênese, aumentando assim o potencial de
degradação.
4.3.5. Erodibilidade
Para a fuzzificação dos dados de erodibilidade, utilizou-se a equação linear monotônica
crescente, uma vez que quanto maior a densidade de kernel encontrada a partir das lineações da
rede hidrográfica, maior a erodibilidade, e por consequência, maior o potencial de degradação.
4.3.6. Uso e cobertura do solo
Para a fuzzificação dos dados de uso e cobertura do solo, partiu-se do arquivo vetorial
que continha as classes de uso e ocupação do solo. Primeiramente, a partir da ferramenta
Calculadora de Atributos do Qgis, utilizou-se do comando Calculadora de Campo para atribuir
os valores do modelo fuzzy a cada um dos polígonos que formavam as classes (137.061 para o
ano 2000 e 155.618 para o ano de 2019). Para isso usou-se um algoritmo com a rotina presente
na Figura 17.
Figura 17 - Algoritmo usado para atribuir os valores fuzzy para cada uma das classes de uso e ocupação
do solo, para os anos de 2000 e 2019.
53
Os valores foram atribuídos as classes de acordo como grau de contribuição de cada
uma para o aumento do potencial de degradação ambiental do solo. Os valores foram
distribuídos baseados em trabalhos presentes na literatura como os de: Canavesi et al. (2013),
Roy e Saha (2019), Lee (2007) e Balamurugan et al. (2016).
4.3.7. Geologia
Para a fuzzificação dos dados de geologia, foi necessário a utilização do Pluguim SemiAutomatic Classification, disponível no Qgis. Nesse aplicativo é possível reclassificar os pixels
de um arquivo matricial. O raster com os dados de geologia possuíam pixels com valores
identificadores de 1 a 10 para as classes geológicas, resultantes da etapa de rasterização
executada no tratamento inicial dos dados.
Esses valores foram reclassificados e passaram a variar de 0 a 1 a depender do grau de
contribuição de cada domínio geológico presente na área de estudo para o aumento da
degradação ambiental do solo. Os valores foram atribuídos após um estudo das características
de cada domínio geológico e estão dispostos na Tabela 1, juntamente com os domínios
geológicos em questão.
Tabela 1 - Valores fuzzy atribuídos a cada um dos domínios geológicos.
Domínio
Valor fuzzy
Domos Simão Dias e Itabaiana
0,10
Canindé
0,15
Poço Redondo
0,20
Mucururé
0,30
Vaza Barris
0,40
Marancó
0,45
Estância
0,50
Bacia Tucano
0,55
Bacia Sergipe
0,75
Formações superficiais
1,00
54
4.3.8. Geomorfologia
Para a fuzzificação dos dados de geomorfologia, seguiu-se o mesmo procedimento
realizado com os dados de geologia. A partir de um arquivo raster com as classes
geomorfológicas, e com valores de pixels de 1 a 4 para cada uma das classes. A partir do Plugin
Semi-Automatic Classification, foi realizada uma reclassificação dos valores dos pixels,
aumentando de 0 a 1 conforme a classe contribuía para o aumento da degradação ambiental do
solo, a depender de suas características. A Tabela 2 apresenta os valores das classes
geomorfológicas e os valores fuzzy atribuídos a cada uma delas.
Tabela 2 - Valores fuzzy atribuídos a cada uma das classes geomorfológicas.
Classe geomorfológica
Valores fuzzy
Pediplano sertanejo
0,20
Serras residuais
0,40
Tabuleiros costeiros
0,80
Planície costeira
1,00
4.3.9. Pedologia
A fuzzificação dos dados de pedologia de maneira idêntica ao processo que gerou a
fuzzificação dos dados geológicos e geomorfológicos. Um raster com as classes de tipos de
solo, com valores de pixels identificando as classes de 1 a 10 para cada uma das classes, foi
usado na reclassificação a partir do Pluguin Semi-Automatic Classification. O resultado assim
como nos casos anteriores, foi um arquivo matricial com pixels com valores entre 0 e 1,
aumentando caso as características dos tipos de solo contribuíssem para o aumento do potencial
de degradação ambiental do solo, como pode ser observado na Tabela 3.
55
Tabela 3 - Tipos de solo e seus valores fuzzy atribuídos.
4.4.
Tipo de solo
Valores fuzzy
Latossolo
0,30
Argissolos
0,60
Chernossolos
0,60
Espedossolo
0,60
Luvissolo
0,60
Planossolo
0,60
Cambiossolo
0,80
Gleissolo
1,00
Neossolos
1,00
Vertissolos
1,00
Aplicação do Operador Fuzzy Gamma
Para iniciar a aplicação do Operador Fuzzy Gamma (OFG) é necessário a escolha dos
valores que serão utilizados no expoente “γ” na Equação (6), que representa o modelo.
𝛍(𝐜𝐨𝐦𝐛𝐢𝐧𝐚𝐭𝐢𝐨𝐧) = (𝐬𝐨𝐦𝐚 𝐚𝐥𝐠é𝐛𝐫𝐢𝐜𝐚)𝛄𝐱(𝐩𝐫𝐨𝐝𝐮𝐭𝐨 𝐚𝐥𝐠é𝐛𝐫𝐢𝐜𝐨)(𝟏−𝛄)
(6)
O expoente gamma (γ) tem como características gerar cenários mais ou menos
restritivos, otimistas ou pessimistas, a depender do valor a ele atribuído, variando de 0 a 1.
Segundo Lee (2007) a escolha criteriosa de gamma produz resultados que garantem um
compromisso flexível entre a tendência de “aumento” da soma algébrica e a tendência de
“diminuição” devido os efeitos do produto algébrico. Neste trabalho foram testados quatro
valores para o expoente gamma, são eles: 0,2; 0,4; 0,6 e 0,8. Os valores 0 e 1 não foram
utilizados, uma vez que quando gamma é igual a 0, não se caracteriza a função Operador Fuzzy
Gamma, mas sim a função Produto Algébrico. Já se gamma for igual a 1, se caracteriza a função
Soma Algébrica. Segundo Shiran et al. (2017), na função Produto Algébrico todas as camadas
de informação são multiplicadas e os valores entre 0 e 1 do produto gerado se trona muito
próximo de 0, tendenciando a cenários muito otimistas. Ou seja, para este trabalho haveria
tendencia de os resultados gerar áreas elevadas de baixo a muito baixo potencial de degradação
ambiental.
56
Já na Soma Algébrica, o somatório dos complementos dos valores fuzzy das camadas de
informações é calculado, e em seguida seu complemento, por essa razão, ao contrário do
Produto Algébrico, os valores são muito próximos de 1, o que levaria a um resultado final com
tendencias pessimistas, gerando um resultado final com elevados valores de áreas classificadas
como alto ou muito alto potencial de degradação.
O modelo foi aplicado primeiramente com as varáveis contendo os dados para o ano
2000 para cada um dos valores gamma de interesse e em seguida para o ano de 2019, alterandose apenas os valores do expoente gamma na equação. Para isso utilizou-se da ferramenta
Calculadora raster do Qgis para implementar a equação. Os resultados obtidos após a aplicação
do OFG tiveram seus dados divididos dentre cinco classes de potencial de degradação ambiental
do solo, como mostra a Tabela 4.
Tabela 4 - Classes de potencial de degradação ambiental do solo.
Intervalo
Classe
0,0 – 0,2
Muito baixo
0,2 – 0,4
Baixo
0,4 – 0,6
Moderado
0,6 – 0,8
Alto
0,8 – 1,0
Muito alto
Para corroborar com a análise e o entendimento dos dados, foram realizados alguns
procedimentos como:
•
Cálculo das áreas das classes para cada um dos valores de gamma testados para os anos
de 2000 e 2019;
•
Regressões lineares entre os dados fuzzificados e o resultado obtido para o gamma igual
a 0,6 para os anos de 2000 e 2019. Esse valor de gamma foi selecionado para que os
efeitos de cenários muito pessimistas ou muito otimistas não influenciassem na
regressão causando resultados tendenciosos;
•
Cálculo das áreas que sofreram ou não mudança nas classes de potencial de degradação
ambiental do solo entre os anos de 2000 e 2019, tomando como base o resultado gerado
pela aplicação do OFD tendo gamma igual a 0,6;
57
4.5.
Cálculo das áreas para cada um dos valores de gamma
Para o cálculo das áreas utilizou-se da ferramenta “Classification Report” do plugin,
Semi Automatic Classification. Essa ferramenta produz um relatório com a quantidade de
pixels, área em porcentagem e área em graus ao quadrado (grau2) para cada classe. Esse
relatório foi exportado para o software Excel, onde a partir de uma transformação, calculou-se
as áreas em hectares.
4.6.
Cálculo das regressões lineares entre os dados fuzzificados e o resultado obtido
para o gamma igual a 0,6 para os anos de 2000 e 2019
A regressão linear foi calculada com o objetivo de se obter o coeficiente de correlação
de Pearson entre as variáveis fuzzificadas e o resultado obtido pelo OFD aplicado com expoente
gamma igual a 0,6. Utilizou-se o algoritmo r.regression.line do menu de Processamentos do
Qgis.
De acordo com Martins (2014), o coeficiente de correlação amostral de Pearson,
representado por r, é uma medida de direção e grau com que duas variáveis do tipo quantitativa,
se associam linearmente. Sejam as variáveis x e y representadas por (x,y) = {(x i,yi)}, com i =
1,...,n, uma amostra de dados bivariados, o coeficiente de Pearson calcula-se pela Equação (7),
̅e𝒚
̅ obtidos respectivamente pelas Equações (8) e (9).
com 𝒙
𝐫=
∑𝐧𝐢=𝟏(𝐱 𝐢 − 𝐱̅). (𝐲𝐢 − 𝐲̅)
√∑𝐧𝐢=𝟏 (𝐱 𝐢 − 𝐱̅)𝟐 ∑𝐧𝐢=𝟏(𝐲𝐢 − 𝐲̅)𝟐
(7)
∑𝐧𝐢=𝟏 𝐱 𝐢
𝐧
(8)
∑𝐧𝐢=𝟏 𝐲𝐢
𝐲̅ =
𝐧
(9)
𝐱̅ =
Ainda de acordo com Martins (2014), o coeficiente de correlação de Pearson assume
valores entre -1 e 1. Quanto maior for o valor de r, em módulo, maior será o grau de associação
linear entre as variáveis. A associação será linear positiva se r for positivo, ou seja, existe uma
correlação direta e uma variável tem seus valores aumentando com o aumento da outra variável.
A associação será linear negativa se r for negativo, ou seja, existe uma correlação inversa e os
58
valores das variáveis aumentam (diminuem) enquanto os valores da outra variável diminuem
(aumentam).
Foram tomadas como referência as classes de correlação para os valores de r propostas
por Gomes et al. (2014), dispostas na Tabela 5.
Tabela 5 - Correspondência entre os valores de r e o Índice de Correlação de Pearson.
Valor de r
Correlação
-1
Negativa perfeita
-1 < r ≤ -0,7
Negativa forte
-0,7 < r ≤ -0,5
Negativa moderada
-0,5 ≤ r < 0
Negativa fraca
0
Nula
0 < r ≤ 0,5
Positiva fraca
0,5 < r ≤ 0,7
Positiva moderada
0,7 ≤ r < 1
Positiva forte
1
Positiva perfeita
Fonte: Adaptado de Gomes et al. (2014).
4.7.
Cálculo das mudanças de classes entre 2000 e 2019
Para calcular as mudanças ocorridas entre as classes de potencial de degradação do solo,
foi utilizado um procedimento semelhante a operação de subtração de bandas espectrais de
imagem multiespectrais de diferentes anos. De acordo com Meneses e Almeida (2012), A
subtração de bandas é uma operação de grande recurso prático para detectar mudanças
temporais dos alvos presentes em uma área, como na detecção de impactos ambientais e na
avaliação de desmatamentos florestais.
Neste trabalho, no lugar de bandas espectrais, foram utilizados os rasters com os
resultados do OFG de expoente igual a 0,6 para os anos de 2000 e 2019. A partir da ferramenta
“Calculadora Raster” do Qgis a operação de subtração entre os dois dados foi realizada. A
lógica da operação funciona da seguinte maneira: pixels com valores negativos indicam uma
mudança para uma classe de maior potencial de degradação; pixels com valores iguais ou
próximos de 0 indicam que não houve mudança na classe de degradação; pixels com valores
positivos indicam que houve mudança para uma classe de menor potencial de degradação
ambiental.
59
5.
RESULTADOS
5.1.
Variáveis fuzzificadas
5.1.1. Precipitação
Para a precipitação, obteve-se após a aplicação da ferramenta Calculadora raster, com
os parâmetros Pmin e Pmáx sendo respectivamente 650 e 1650 para o ano 2000 e 650 e 1400
para o ano 2019. A Figura 18 apresenta a distribuição dos valores fuzzy na área de estudo para
a precipitação nos anos de 2000 e 2019.
Figura 18 - Distribuição dos valores fuzzy para a precipitação no ano de 2000 (a) e 2019 (b) para o
estado de Sergipe.
5.1.2 EVI
O EVI foi fuzzificados com os parâmetros Pmin e Pmáx iguais respectivamente a -0,10 e
0,45, tanto para o ano 2000 como para 2019, os resultados podem ser vistos na Figura 19, que
apresenta a distribuição dos valores fuzzy na área de estudo.
60
Figura 19 - Distribuição dos valores fuzzy para o EVI no ano de 2000 (a) e 2019 (b) para o estado de
Sergipe.
5.1.3. Declividade
A fuzzificação dos valores de declividade foi obtida a partir do uso dos parâmetros Pmin
e Pmáx, respectivamente 0° e 45°. A Figura 20, apresenta a distribuição dos valores fuzzy na
área de estudo referente a declividade.
Figura 20 - Distribuição dos valores fuzzy referente a declividade para o estado de Sergipe.
61
5.1.4. Altitude
Para a fuzzificação dos dados de altitude, os parâmetros Pmin e Pmáx utilizados foram
respectivamente 200 m e 500 m. A Figura 21, apresenta a distribuição dos valores fuzzy na área
de estudo referente a altitude.
Figura 21 - Distribuição dos valores fuzzy referente a altitude para o estado de Sergipe.
5.1.5. Erodibilidade
Para a erodibilidade, o raster com o resultado do empilhamento dos pontos, a partir do
raio de 5000 m, apresentou valores de 0 a 26.179, tais valores foram utilizados respectivamente
como parâmetros Pmin e Pmáx. A Figura 22, apresenta a distribuição dos valores fuzzy na área
de estudo referente a erodibilidade.
62
Figura 22 - Distribuição dos valores fuzzy referente a altitude para o estado de Sergipe.
5.1.6. Uso e cobertura do solo
O resultado, com os valores que foram atribuídos às classes, de acordo como grau de
contribuição de cada uma para o aumento do potencial de degradação ambiental do solo, pode
ser visualizado na Figura 23.
Figura 23 - Distribuição dos valores fuzzy referentes ao uso e cobertura do solo nos anos de 2000 (a) e
2019 (b) para o estado de Sergipe.
63
5.1.7. Geologia
Para as classes geológicas, o resultado obtido a partir da fuzzificação com os valores
atribuídos após o estudo das características de cada domínio geológico, estão dispostos na
Figura 24.
Figura 24 - Distribuição dos valores fuzzy referente a geologia para o estado de Sergipe.
5.1.8. Geomorfologia
O resultado da fuzzificação dos valores atribuídos para aas classes geomorfológicas
está presente na Figura 25.
Figura 25 - Distribuição dos valores fuzzy referente a geomorfologia para o estado de Sergipe.
64
5.1.9. Pedologia
O resultado da fuzzificação dos tipos de solo, assim como nos casos anteriores, foi um
arquivo matricial com pixels com valores entre 0 e 1, aumentando caso as características dos
tipos de solo contribuíssem para o aumento do potencial de degradação ambiental do solo, como
pode ser observado na Figura 26.
Figura 26 - Distribuição dos valores fuzzy referente a pedologia para o estado de Sergipe.
5.2.
Mapas de classes de potencial de degradação ambiental do solo
5.2.1. Cenário obtido com gamma igual a 0,2 para o ano 2000
A Figura 27, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,2, representando o cenário mais otimista
na estimativa do potencial de degradação ambiental do solo para o ano 2000.
65
Figura 27 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,2 para o ano 2000.
A Tabela 6 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,2. As áreas estão dispostas em quantidades de pixels, porcentagem e hectares. As
classes moderado, alto e muito alto foram as que obtiveram resultados mais expressivos em
detrimento das classes muito baixo e baixo.
Tabela 6 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,2)
para o ano 2000.
Classe
Pixels
Porcentagem (%)
Área (ha)
Muito baixo
28138
0,61
13204,11
Baixo
175826
3,84
82508,54
Moderado
972469
21,24
456343,20
Alto
1639748
35,81
769472,10
Muito alto
1761865
38,50
826777,10
66
5.2.2. Cenário obtido com gamma igual a 0,4 para o ano 2000
A Figura 28, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,4, para o potencial de degradação
ambiental do solo para o ano 2000.
Figura 28 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,4 para o ano 2000.
A Tabela 7 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,4. É possível notar a partir da Tabela 7 que houve uma predominância da classe de
potencial de degradação, muito alto, em relação as demais classes. Quando comparado com o
mapa de gamma igual a 0,2, observa-se que houve uma redução dos valores das classes muito
baixo, baixo, moderado e alto, em contrapartida ao aumento da classe muito alto. Esse
comportamento das áreas corresponde ao esperado uma vez que o valor de gamma desse mapa
foi elevado.
67
Tabela 7 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,4)
para o ano 2000.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
1695
0,04
795,40
Baixo
50241
1,03
23576,21
Moderado
323373
7,03
151746,80
Alto
1290802
28,80
605724,90
Muito alto
2930772
63,10
1375301,22
5.2.3. Cenário obtido com gamma igual a 0,6 para o ano 2000
A Figura 29, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,6, para o potencial de degradação
ambiental do solo para o ano 2000.
Figura 29 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,6 para o ano 2000.
68
A Tabela 8 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,6. É possível notar a partir da Tabela 8 que houve uma predominância das classes de
potencial de degradação, alto e muito alto, em relação as demais classes. Quando comparado
com o mapa de gamma igual a 0,4 observa-se que houve uma elevação dos valores das classes
muito baixo, baixo, moderado e alto. Em relação a classe muito alto, nota-se que houve uma
redução de 63,75% para 43,87%, quando comparado com o mapa gerado com gamma igual a
0,4.
Tabela 8 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,6)
para o ano 2000.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
8416
0,18
3949,31
Baixo
78246
1,70
36717,91
Moderado
421553
9,13
197819,00
Alto
2081643
45,11
976836,90
Muito alto
2024513
43,87
950027,90
5.2.4. Cenário obtido com gamma igual a 0,8 para o ano 2000
A Figura 30, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,8, representando o cenário mais
pessimista na estimativa do potencial de degradação ambiental do solo para o ano 2000.
69
Figura 30 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,8 para o ano 2000.
A Tabela 9 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,8. É possível notar a partir da Tabela 9 que houve uma predominância da classe muito
alto, em relação as demais. Quando comparado com os resultados gerados para gamma igual a
0,6, observa-se que houve uma redução das classes muito baixo, baixo, moderado e alto. Esse
resultado condiz com o fato desse resultado ter sido gerado com o maior valor de gamma, igual
a 0,8.
Tabela 9 - Áreas das classes de potencial de degradação ambiental do solo (gamma = 0,8)
para o ano 2000.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
3411
0,074
1600,65
Baixo
18916
0,41
8876,56
Moderado
93111
2,02
43693,49
Alto
824227
17,85
386778,80
Muito alto
367611
79,64
1725202,00
70
5.2.5. Cenário obtido com gamma igual a 0,2 para o ano 2019
A Figura 31, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,2, representando o cenário mais otimista
na estimativa do potencial de degradação ambiental do solo para o ano 2019.
Figura 31- Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,2 para o ano 2019.
A Tabela 10 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,2, para o ano de 2019. As classes moderado, alto e muito alto foram as que obtiveram
resultados mais expressivos em detrimento das classes muito baixo e baixo, comportamento
semelhante ao ocorrido com o resultado obtido com expoente gamma igual a 0,2 para o ano
2000.
71
Tabela 10 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,2
para o ano 2019.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
7730
0,17
3627,40
Baixo
107162
2,32
50287,10
Moderado
769055
16,67
360888,60
Alto
1899150
41,17
891199,80
Muito alto
1829195
39,66
858372,50
5.2.6. Cenário obtido com gamma igual a 0,4 para o ano 2019
A Figura 32, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,4, para o potencial de degradação
ambiental do solo para o ano 2019.
Figura 32 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,4 para o ano 2019.
72
A Tabela 11 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,4, para o ano de 2019. É possível notar a partir da Tabela 11 que houve uma
predominância das classes de potencial de degradação, muito alto e alto em relação as demais
classes. Quando comparado com o mapa de gamma igual a 0,2 para o ano de 2019, observa-se
que houve uma redução dos valores das classes muito baixo, moderado e alto, em contrapartida
ao aumento das classes baixo e muito alto.
Tabela 11 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,4
para o ano 2019.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
5380
0,12
2524,632
Baixo
254524
5,62
119438,60
Moderado
649222
14,33
304655,50
Alto
1705647
37,64
800396,10
Muito alto
1916288
42,30
899242,00
5.2.7. Cenário obtido com gamma igual a 0,6 para o ano 2019
A Figura 33, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,6, para o potencial de degradação
ambiental do solo para o ano 2019.
73
Figura 33 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,6 para o ano 2019.
A Tabela 12 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,6, para o ano de 2019. É possível notar a partir da Tabela 12 que houve uma
predominância das classes de potencial de degradação, alto e muito alto, em relação as demais
classes. Quando comparado com o mapa de gamma igual a 0,4 para o ano de 2019, observa-se
que houve uma leve elevação dos valores das classes muito baixo, no entanto aa classes baixo
e moderado tiveram reduções. Em relação as classes alto e muito alto, nota-se que houve uma
elevação de 42,30% para 46,50%.
74
Tabela 12 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,6
para o ano 2019.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
12817
0,28
6014,53
Baixo
73447
1,60
34465,92
Moderado
512066
11,10
240293,30
Alto
1870441
40,53
877727,70
Muito alto
2146298
46,50
1007177,00
5.2.8 Cenário obtido com gamma igual a 0,8 para o ano 2019
A Figura 34, apresenta o mapa com o resultado obtido para a aplicação do Operador
Fuzzy Gamma (OFD) com o expoente gamma igual a 0,8, representando o cenário mais
pessimista na estimativa do potencial de degradação ambiental do solo para o ano 2019.
Figura 34 - Mapa de Potencial de degradação ambiental do solo, gamma igual a 0,8 para o ano 2019.
75
A Tabela 13 apresenta os resultados gerados para os cálculos das áreas das classes
presentes na área de estudo de acordo com o resultado obtido para o OFD com expoente gamma
igual a 0,8 para o ano de 2019. É possível notar a partir da Tabela 13 que houve uma
predominância da classe muito alto, em relação as demais, com 80,65% da área. Quando
comparado com os resultados gerados para gamma igual a 0,6, observa-se que houve um leve
aumento da classe muito baixo e uma redução das classes baixo, moderado e alto. Esse resultado
condiz com o fato desse resultado ter sido gerado com o maior valor de gamma, igual a 0,8.
Tabela 13 - Área das classes de Potencial de degradação ambiental do solo, gamma igual a 0,8
para o ano 2019.
5.3.
Classe
Pixels
Porcentagem
Área (ha)
Muito baixo
18135
0,40
8510,07
Baixo
33586
0,73
15760,65
Moderado
94369
2,04
44283,83
Alto
746499
16,17
350303,90
Muito alto
3723201
80,65
1747178,00
Análise das correlações
Este tópico trata de uma discussão a partir dos resultados encontrados pela regressão
linear realizada neste trabalho, além de identificar as características das variáveis de estudo e
sua contribuição para o aumento ou diminuição das classes de potencial de degradação
ambiental do solo. Os resultados para a regressão linear e para o coeficiente de Pearson estão
presentes na Tabela 14, de acordo com Figueredo et al. (2014) é importante não esquecer que
correlação é diferente de causalidade. Toda causalidade pressupõe correlação, mas nem toda
correlação é sinônimo de causalidade. Vale ressaltar que a partir desse tópico todas as análises
foram feitas tomando como resultado final os mapas gerados a partir da aplicação do OFD com
expoente gamma igual a 0,6, para os dois anos em estudo. Como mencionado anteriormente
esse resultado foi escolhido para minimizar os efeitos de cenários com tendencias muito
otimistas ou muito pessimistas.
Outros estudos com temáticas e objetivos semelhantes a este, testaram e selecionaram
outros valores para o expoente gamma, como é o caso de: Pradhan et al. (2009), em seu estudo
para mapear o risco de deslizamentos a partir da lógica fuzzy, que selecionaram o expoente
gamma igual a 0,8; Canavesi et al. (2013), testaram os valores de gamma igual a 0,7 e 0,8 e
76
detectaram o aumento das classes de susceptibilidade ao deslizamento de terra em seu trabalho
de análise da susceptibilidade a deslizamentos de terra para o município de Paraibuna em São
Paulo; Kumar e Anbalagan (2015) testaram valores de gamma iguais a 0,7, 0,75, 0,80, 0,85,
0,90 e 0,95 para produzir e comparar seis diferentes possíveis cenários para a susceptibilidade
a erosão da região do reservatório de Tehir, Índia; Amirahmadi et al. (2016) testaram os valores
0,7 e 0,9 em seu estudo de susceptibilidade de deslizamento no Iran.
Tabela 14 - Coeficiente de Pearson e correlações para as variáveis de estudo.
Variável
r (2000)
Correlação
r (2019)
Correlação
Altitude
0,4790
Positiva fraca
0,4768
Positiva fraca
Declividade
0,3018
Positiva fraca
0,2435
Positiva fraca
Erodibilidade
0,1900
Positiva fraca
0,1432
Positiva fraca
EVI
-0,2174
Negativa fraca
-0,2566
Negativa fraca
Geologia
0,7639
Positiva forte
0,7382
Positiva forte
Geomorfologia
0,7104
Positiva forte
0,6784
Positiva moderada
Pedologia
0,6658
Positiva moderada
0,4523
Positiva fraca
Precipitação
0,6675
Positiva moderada
0,6052
Positiva moderada
Positiva fraca
0,2988
Positiva fraca
Uso e cobertura 0,2618
do solo
Para o ano 2000 as variáveis com maior correlação foram geologia e geomorfologia,
classificados como possuindo uma correlação forte positiva. Pedologia e precipitação foram
classificadas com correlação positiva moderada. Altitude, declividade, erodibilidade e uso e
ocupação do solo foram classificados como tendo uma correlação positiva fraca. O EVI, única
variável que associada inversamente ao aumento da degradação ambiental do solo, apresentou
uma correlação negativa fraca.
Já para o ano de 2019, a única variável classificada como forte positiva foi a geologia.
Para este ano, geomorfologia e precipitação foram classificadas como tendo uma correlação
positiva moderada. Altitude declividade, erodibilidade, pedologia e uso e ocupação do solo
foram classificados como tendo uma correlação positiva fraca. O EVI foi classificado como
correlação negativa fraca.
77
5.4.
Análise das classes de potencial ambiental de degradação do solo
Observa-se, de maneira geral, que tanto para o mapa de potencial de degradação
ambiental do solo para os anos de 2000 e 2019, que formas geométricas de uma ou outra
variável de entrada acabam se encontrando de forma mais evidente, o que indica uma
contribuição maior ou menor para as classes de potencial de degradação ambiental do solo na
área de estudo.
5.4.1. Aspectos geológicos
Como pode-se notar ao comparar os mapas de potencial de degradação ambiental do
solo para os anos de 2000 e 2019 (Figuras 29 e 33) e o mapa de classes geológicas do estado
de Sergipe (Figura 8), as classes de potencial se distribuem da seguinte forma: muito alto, ocorre
principalmente nas áreas em que o domínio geológico presente são as Formações Superficiais;
a classe de potencial alto ocorre principalmente onde ocorre os domínios Estância, Vaza-Barris,
Domos Itabaiana e Simão Dias, Marancó e Poço Redondo; a classe de potencial moderado
ocorre principalmente na região central do domínio Mucururé; as classes baixo e muito baixo
ocorre principalmente na região central do domínio Mucururé e domínio Canindé. Essa
influência já havia sido apontada pelos resultados da regressão linear, uma vez que a variável
geologia obteve correlação forte positiva para os anos de 2000 e 2019.
As Formações Superficiais, presentes na parte costeira do estado de Sergipe, do sul
sergipano passando pela grande Aracaju e leste sergipano até chegar ao Baixo São Francisco.
As formações superficiais, segundo Santos et al. (2001), são constituídas por sedimentos
terrígenos (cascalhos, conglomerados, areias finas e grossas e níveis de argila) pouco
consolidados e estratificação irregular. As formações superficiais cenozóicas que ocorrem no
Estado de Sergipe abrangem o Grupo Barreiras, as coberturas tércio-quaternárias e as
coberturas quaternárias (pleistocênicas e holocênicas). De acordo com Aria (2006), o Grupo
Barreiras está associado com importantes eventos geológico-oceanográficos isostáticos e
eustáticos e constituído por areias finas a grossas com níveis argilosos e conglomeráticos, que
contribuíram para o desenvolvimento de processos erosivos naturais. Já West (2017) afirma
que a erosão pode ser constatada por um processo originário da dinâmica evolutiva do Grupo
Barreiras, sendo dependente da configuração do relevo.
Segundo Shinzato et al. (2008) no grupo barreiras, o predomínio de sedimentos com
baixo grau de consolidação torna essas rochas passíveis de se desestabilizar e erodir com
facilidade em taludes de corte, se submetidas à precipitação intensa de águas pluviais. São
78
sedimentos suscetíveis à erosão, quer em áreas úmidas, onde as camadas de argila mole podem
se saturar de água, quer em terrenos arenosos, em camadas de areia com baixo grau de
consolidação.
5.4.2. Aspectos geomorfológicos
Em relação ao relevo, nota-se ao comparar os mapas de potencial de degradação
ambiental do solo para os anos de 2000 e 2019 (Figuras 29 e 33) e o mapa de classes
geomorfológicas do estado de Sergipe (Figura 9), que as classes de potencial ocorrem da
seguinte maneira: potencial muito alto ocorreu majoritariamente onde ocorrem os domínios
geomorfológicos Planícies Costeiras, Tabuleiros Costeiros, e numa porção a sudoeste do estado
onde o domínio geomorfológico faz parte das Serras Residuais; classe de potencial alto,
ocorrem principalmente no domínio Pediplano Sertanejo; a classe de potencial moderado ocorre
com maior frequência na porção noroeste do estado, nos territórios do alto e médio sertão
sergipano; as classes de potencial baixo e muito baixo ocorrem coincidentemente nas áreas
mais ao noroeste do estado, divisa com Alagoas e distribuídas em pequenas áreas no alto e
médio sertão sergipano.
As Planícies Costeiras ocupam o litoral do estado, uma faixa descontínua, assimétrica e
alongada no sentido nordeste-sudeste. Segundo Dominguez et al. (1992), as Planícies Costeiras
desenvolvem-se a leste dos Tabuleiros Costeiros esculpidos no grupo Barreiras, a planície
costeira que integra a zona costeira do estado de Sergipe segue o modelo clássico das costas
que avançam em direção ao oceano, em decorrência do acréscimo de sedimentos mais novos,
em que cada crista de praia representa depósito individualizado associado a uma antiga linha
de praia.
Este domínio geomorfológico apresenta uma complexa evolução paleogeográfica e um
diversificado conjunto de padrões de relevo deposicionais de origens marinha, fluviomarinha e
eólica (Bittencourt et al., 1983; Carvalho & Fontes, 2006). Entretanto, a feição morfológica
dominante consiste nos feixes de cordões arenosos de origem marinha, constituídos por terraços
marinhos pleistocênicos, posicionados em cotas um pouco mais elevadas (10 a 15 metros acima
do nível do mar); planícies marinhas holocênicas, posicionadas em cotas mais baixas (5 a 10
metros acima do nível do mar).
De acordo com Carvalho e Fontes (2006), nas Planícies Costeiras ocorre uma
perturbação de sua continuidade, interrompida pela mobilidade das dunas litorâneas ativas que
avançam para o interior em faixas de largura variável e pela ação antrópica. Apoiados na
plataforma continental, os cordões litorâneos mostram progressivo desenvolvimento que
79
conduz ao alargamento dos perfis longitudinais dos rios, criando problemas para a drenagem
da planície costeira
Segundo Dantas e Shinzato (2017), incremento do afluxo turístico sobre os frágeis
terrenos da planície costeira (sobre restingas, brejos, mangues ou dunas) exige uma atenção
especial quanto aos impactos ambientais decorrentes da expansão urbana e da “indústria do
turismo” sobre essas áreas valorizadas, em especial, no que concerne ao saneamento ambiental
(coleta e tratamento de efluentes domésticos e disposição de resíduos sólidos) e preservação da
vegetação nativa.
Já os Tabuleiros Costeiros, segundo Dantas e Shinzato (2017), representam formas de
relevo tabulares esculpidas em rochas sedimentares, em geral pouco litificadas e dissecadas por
uma rede de canais com baixa a alta densidades de drenagem. Podemos diferenciar duas
unidades distintas de tabuleiros, conforme a intensidade da dissecação empreendida sobre os
mesmos devido à atuação diferencial da rede de drenagem. Neste sentido, este domínio é
subdividido em: tabuleiros conservados, que se caracterizam por amplas superfícies tabulares
com vastos topos planos e apresentam um predomínio de processos de pedogênese e formação
de solos espessos e bem drenados, com baixa suscetibilidade à erosão e tabuleiros dissecados,
que se caracterizam por curtas superfícies tabulares fortemente dissecadas por uma densa rede
de canais que desmantelaram a superfície original tabular, resultando num cenário de colinas
tabulares, com vertentes declivosas, vales incisos e planícies restritas
Destacam-se também pelo desenvolvimento de solos espessos e bem drenados, mas com
uma atuação mais efetiva de processos erosivos (por vezes apresentando áreas sob intensa ação
de processos de erosão laminar e linear aceleradas – ravinamentos e voçorocamentos) (Dantas
e Shinzato, 2017).
O Pediplano Sertanejo, domínio caracterizado pela presença predominante das classes
de potencial de degradação do solo, alto, moderado, baixo e muito baixo respectivamente. Esse
domínio segundo Dantas e Shinzato (2017), apresenta-se como uma vasta superfície de erosão
e compreende um diversificado conjunto de padrões de relevo com predomínio de formas
aplainadas com relevo plano e suavemente ondulado resultante de processos de arrasamento
generalizado do relevo sobre diversos tipos de litologias, que se espraiam nas porções sudoeste,
central e ocidental do estado de Sergipe.
Este domínio é o mais extenso do território de Sergipe e está embasado por rochas do
embasamento ígneo-metamórfico pré-cambriano da Faixa de Dobramentos Sergipana,
constituída pelos domínios Canindé, Poço Redondo, Marancó, Mucururé, Vaza-Barris e
Estância (Santos et al., 2001). Ocorre um predomínio de um conjunto de solos rasos com
80
fertilidade natural moderada a alta em um ambiente de absoluto predomínio de intemperismo
físico em um clima tropical semiárido, com predomínio de vegetação de caatinga.
Dentre os aspectos importantes da geomorfologia estão a declividade e a hipsometria
(altitude). A declividade está relacionada com velocidade de transformação da energia potencial
em energia cinética, ou seja, com a velocidade das massas d’água em movimentos responsáveis
pelo escoamento superficial. A altitude do terreno em relação ao nível do mar auxilia no
transporte de sedimentos e intensifica os processos erosivos. Como pode-se observar nos mapas
de declividade e altitude de Sergipe (Figuras 16(a) e 16(b)), a maior parte do estado possui áreas
com declividades entre 3 a 8% (relevo suave ondulado) e entre 8 a 20% (relevo ondulado) de
declividade. Para a altitude, a maior parte do estado possui cotas de 0 a 243 metros de altitude
e regiões mais ao sertão do estado com cotas entre 243 e 364 m. As áreas com declividades e
altitudes mais acentuadas, onde a declividade chega à faixa de 45 a 75% e a altitude pode
ultrapassar os 600 m, ocorrem em poucas regiões do estado, mas principalmente nas áreas dos
domínios geológicos Estância e Domos Simão Dias e Itabaiana e no domínio geomorfológico
Serras Resíduas. Nestas áreas a classe de potencial de degradação ambiental obtida foi muito
alto.
De acordo com Bryan (2000), o transporte de sedimentos das vertentes para os vales
onde ficam acessíveis para os processos fluviais é de central importância para a geomorfologia,
e vários processos erosivos estão ativos nas vertentes como, por exemplo, a formação de
ravinas. Segundo Morgan (2005) existem três forças que atuam sobre a partícula: a força
vertical ou peso movendo a partícula verticalmente para baixo em direção à superfície do solo;
a força de elevação que tende a fazer a ascensão da partícula verticalmente e; da força de arrasto
exercida pelo fluxo da água movendo a partícula horizontalmente ao longo da superfície. As
proporções relativas dessas três forças dependem do ângulo de inclinação.
Muitos autores relatam a importância da declividade para os processos erosivos, como:
Gabriels, (1999); Bryan, (2000); Guerra & Marçal, (2007); Guerra e Mendonça, (2007); Fu et.
al., (2011); Zhu et. al., (2011); Pelletier, (2012). Após cessada a capacidade de armazenar água
do solo, esta tende a escorrer superficialmente, e sua velocidade é influenciada diretamente pela
declividade. No entanto, Guerra & Mendonça (2007) citam que a declividade pode ser um fator
importante para o processo erosivo, mas não há necessariamente uma correlação positiva à
medida que a declividade aumenta, pois em encostas muito íngremes a erosão pode diminuir
devido ao decréscimo de material disponível.
As informações referentes a declividades relacionadas com a ocorrência de erosões são
indicativos fundamentais para o planejamento, seja em âmbito municipal, regional ou nacional,
81
pois serve como instrumento para análise e organização do espaço geográfico, no que se refere
ao impacto sobre o ambiente proporcionado pela ação antrópica (Iensen, 2006).
Visto que nem sempre a erosão está relacionada a declividade, podendo as atividades
antrópicas terem uma maior influência sobre os processos erosivos (Iensen, 2006; Pereira. et al,
2016). Sendo assim, é necessário manejar e conservar os recursos naturais em áreas onde ocorre
intenso uso do solo e em declividades maiores que 30%, pois nessas áreas são identificados
maiores números de ocorrências erosivas (Iensen; Werlang, 2008).
5.4.3. Aspectos pedológicos
Outra variável que tem influência mais acentuada sob os resultados é a pedologia, de
acordo com a regressão linear e como pode ser observado pelos mapas de potencial de
degradação ambiental do solo para os anos de 2000 e 2019 (Figuras 29 e 33) e pelo mapa
pedológico de Sergipe (Figura 10). O tipo pedológico de maior extensão e que coincide com a
classe de potencial de degradação muito alto são os Argissolos. Já para a classe de potencial
alto, os solos mais frequentes são os Neossolos seguidos dos Planossolos. Os Neossolos
também se fazem presentes em áreas em que a classificação de potencial de degradação
ambiental do solo foi moderada.
De acordo com Neves et al. (2011), os Argissolos apresentam uma alta erodibilidade,
sendo dessa forma, facilmente erodíveis. Os Argissolos apresentam boas características de
agregação e estruturação, contudo, possuem obstáculos que impedem à infiltração da água ao
longo do perfil, diminuindo sua permeabilidade e favorecendo o escoamento superficial, sendo
susceptíveis aos processos erosivos (CUNHA; GUERRA, 1998).
Segundo o Atlas digital sobre recursos hídricos de Sergipe (SEMARH/SRH, 2014) os
Neossolos predominantes no estado são os Neossolos Litólicos. Os Neossolos Litólicos são
solos rasos ou muito rasos, exceto o chernozêmico, assentado diretamente sobre a rocha. A
maior limitação desses solos é a pequena profundidade efetiva, que limita o desenvolvimento
radicular das plantas e culturas, reduzindo a capacidade de sustentação delas, tanto mais
expressiva quanto mais próximo a rocha estiver da superfície. Essas características conferem a
esses solos pouca capacidade de sustentabilidade da vegetação. A condição de desmatamento
ou de pouca cobertura vegetal, quando aliada às precipitações concentradas, facilita a formação
de erosões laminares e em sulcos nesses solos (Shinzato et al. 2008).
Para Shinzato et al. (2008), os Neossolos Litólicos são muito susceptíveis à erosão em
virtude da espessura reduzida e do relevo onde se localizam. A textura leve em superfície e o
contato direto com a rocha a pequena profundidade tornam esses solos bastante susceptíveis
82
aos processos de escorregamento de massa, pois o rápido encharcamento do horizonte
superficial e o excesso de água no plano de cisalhamento funcionam como lubrificante,
facilitando a movimentação do material suprajacente a esse plano.
Os Planossolos são extremamente susceptíveis à erosão em decorrência da mudança
textura abrupta, pouca profundidade, presença de íons de Sódio (Na), baixos teores de matéria
orgânica, sendo uma classe de solo frequentemente encontrada nas áreas degradadas do
semiárido (RIBEIRO; SAMPAIO; GALINDO, 2009). Cunha et al. (2010) afirmam que os
Planossolos são muito susceptíveis aos processos erosivos de ação superficial, tal como erosão
laminar, devido à presença de horizonte B textural com mudança textural abrupta de baixa
permeabilidade, que favorece a geração de escoamento superficial, o que eleva seu grau de
erodibilidade.
Um dos aspectos dos tipos de solo que são frequentemente avaliados em estudos de
potencial de erosão do solo, perda de solo e degradação ambiental é a erodibilidade, como pode
ser observado nos trabalhos de Castro et al. (2011); Eduardo et al. (2013); Corrêa et al. (2015);
Kumar e Anbalagan (2015) e Jardim et al. (2017). Ao se observar o mapa de erodibilidade
gerado para a área de estudo (Figura 13), nota-se que áreas no alto e médio sertão sergipano e
no sul e centro sul sergipano apresentaram classificação de muito alta e alta erodibilidade,
enquanto no restante do estado ocorrem as classes de muito baixa, baixa e moderada
erodibilidade. Ao avaliar os tipos pedológicos das áreas onde ocorreram a classe de
erodibilidade muito alta e alta, pode-se constatar que elas ocorreram em áreas onde os solos são
do tipo Argissolos, Neossolos e Planossolos.
Salomão (1999) e Ross (2005) classificaram os Argissolos com um grau de
erodibilidade variando de forte a muito forte, os Neossolos litólicos com grau de erodibilidade
muito forte e os Planossolos com grau de erodibilidade muito fraco. Como pode ser observado
pelos mapas de potencial de degradação ambiental do solo para os anos de 2000 e 2019 (Figuras
29 e 33) as áreas de alta e muito alta erodibilidade se encontram classificadas como tendo um
potencial de degradação ambiental do solo variando entre moderado a muito alto. O que pode
ocorrer é que nessas áreas a contribuição da variável erodibilidade é superparada pela
contribuição de outras variáveis, como geologia e geomorfologia.
De acordo com Corrêa et al. (2015), alguns solos, quando em condições similares de
chuva, declividade, cobertura vegetal e práticas de manejo, apresentam valores diferentes de
perda. Isso ocorre, uma vez que a erodibilidade é resultante da interação entre as características
físicas (textura, estrutura, permeabilidade e densidade), químicas, mineralógicas e biológicas
do solo alterando a capacidade de regular a infiltração da água no solo, a desagregação e
83
desprendimento pelo impacto das gotas de chuva e a resistência ao transporte pelo escoamento
superficial.
5.4.4. Aspectos pluviométricos
A variável precipitação também ocorre com maiores valores nas áreas classificadas
como potencial muito alto, como pode-se observar ao comparar os mapas de potencial de
degradação ambiental do solo para os anos de 2000 e 2019 (Figuras 29 e 33) e os mapas de
pluviometria média para os anos de 2000 e 2019 (Figuras 12(a) e 12(b)) para o estado de
Sergipe. À medida que se desloca do litoral para o interior do estado os volumes médios de
chuva vão diminuindo. Esse comportamento acompanha a ocorrência das classes de potencial
de degradação, que mudam de muito alto para muito alto e moderado, chegando a aparecer
áreas de potencial baixo e muito baixo. Isso pode indicar a relação da precipitação para a
intensificação das características de outras variáveis que venham a contribuir para a erosão,
como a pedologia, geomorfologia e cobertura vegetal. Diversos estudos apontam para a relação
da chuva com o processo de degradação e erosão do solo, como: Mohammad & Adam, 2010;
Wei et. al., 2010; Zhongming et. al., 2010; Ghahramani et. al., 2011; Cui et. al., 2012; Jebari et.
al., 2012; Liu et. al., 2012); Sobrinho (2015); Dechen et al. (2015); Almeida et al. (2016).
Os valores máximos de precipitação para a região classificada como potencial muito
alto variam entre 1400 mm e 1650 mm para o ano 2000 e entre 1150 mm e 1400 mm para o
ano 2019, como observa-se na Figura 12. Nas áreas em que a classificação de potencial alto de
degradação pertenceu as classes, alto, moderado, baixo e muito baixo, os volumes variam de
650 a 1150 mm no ano 2000 e 650 a 1150 mm em 2019.
Para Guerra (2005), o início do processo erosivo se dá através da ação do splash (erosão
por salpicamento das gotas da chuva), pois prepara as partículas que compõem o solo para
serem transportadas pelo escoamento superficial. A ação das gotas de chuva causa a ruptura
dos agregados do solo quando existentes, levando ao preenchimento dos poros e diminuindo a
capacidade de infiltração do solo, promovendo a selagem da superfície.
De acordo com Cardoso et al. (2012), o impacto das gotas de chuva sobre a superfície
do solo constitui o ponto inicial da erosão hídrica. Em localidades onde a erosividade da chuva
é elevada e a superfície do solo se encontra desprovida de cobertura vegetal, pode ocorrer
grande degradação com consequentes perdas de solo, água e nutrientes, fatores essenciais para
o crescimento e desenvolvimento das plantas. Por isso se faz importante a consideração dos
84
fatores cobertura do solo, representados pelas variáveis uso e cobertura do e pelo índice de
vegetação EVI.
Segundo Santos et al. (2010), a degradação do solo se dá principalmente pelo arraste
das partículas menores e mais ricas em nutrientes, culminando com decréscimo da fertilidade
e, consequentemente, pela redução das produções ou pelas crescentes necessidades da reposição
de fertilizantes e corretivos. Na maioria dos casos, as perdas de solo causadas pela erosão
hídrica reduzem a espessura do solo, diminuindo a capacidade de retenção e redistribuição da
água no perfil gerando, como consequência, maiores escoamentos superficiais e, por vezes,
maiores taxas de erosão do solo.
Neste trabalho a variável precipitação foi formada por valores médios anuais para os
anos estudados. No entanto, Wei et. al. (2010) preconizam que especial atenção deve ser dada
para o tipo e intensidade de precipitação, pois possuem forte relação com o aspecto da
erosividade da chuva. Contudo, segundo Guerra (2005), existem vários parâmetros que podem
ser utilizados para medir a erosividade da chuva, como por exemplo: o total de precipitação, a
média, a intensidade da chuva, o momento e a energia cinética. Entretanto o mais utilizado para
avaliar as perdas de solo é a energia cinética (Guerra, 2005). Como demandaria muito tempo e
esforço o cálculo, espacialização e transformação em dados matriciais das curvas de
intensidade, duração e frequência (IDF) para o estado de Sergipe, optou-se pelos dados de chuva
média. Os dados de precipitação são de fundamental importância e essa variável está
relacionada ao comportamento do potencial de degradação de outras variáveis, como tipo de
solo, declividade e cobertura vegetal.
5.4.5. Aspectos do uso e ocupação do solo
Dentre os diversos tipos de usos e ocupações do solo, a cobertura vegetal é um dos
fatores de maior relevância nos estudos sobre erosão e degradação do solo. Diversos autores
abordam essa relação como: Mohammad & Adam, 2010; Wei et. al., 2010; Zhongming et. al.,
2010; Ghahramani et. al., 2011; Cui et. al., 2012; Jebari et. al., 2012; Liu et. al., 2012); Sobrinho
(2015); Dechen et al. (2015); Almeida et al. (2016). Este fator foi representado neste trabalho
pelas variáveis EVI e uso e cobertura do solo. Apesar das correlações encontradas pela
regressão linear terem sido negativa fraca para o EVI e positiva fraca para o uso e cobertura do
solo, isso não significa que em certas áreas do estado essas variáveis não contribuam fortemente
para o potencial de degradação ambiental do solo. Como é o caso das áreas classificadas como
de potencial de degradação muito alto.
85
Comparando-se os mapas de potencial de degradação ambiental do solo para os anos de
2000 e 2019 (Figuras 29 e 33) e os mapas de EVI (Figura 14) e uso e cobertura do solo (Figura
15), nota-se que as áreas classificadas como tendo um potencial muito alto de degradação
ambiental do solo, são marcadas em sua maioria pela presença de usos e cobertura do solo
como: pastagem, agricultura, mosaico agricultura/pastagem e infraestrutura urbana. É possível
observar ainda (Figura 15) que as áreas de pastagem ocorrem em todo a extensão do estado,
sendo frequentes também nas áreas em que as classes de potencial de gradação foram, alto,
moderado, baixo e muito baixo. Nas áreas de agricultura algumas medidas de manejo do solo
podem acabar incrementado ou reduzindo o potencial de degradação.
Para Maiato (2016) a agricultura convencional, baseada na mobilização do solo como
forma de combater as infestantes e preparar a cama da semente, é a principal responsável pela
degradação do solo a nível mundial, mas com particular incidência nas zonas tropicais. Nestas
regiões não só a erosividade da chuva é muito elevada, como também a fertilidade dos solos
está frequentemente muito associada ao seu teor de matéria orgânica. A agricultura
convencional contribui para o seu desgaste não só pelo processo erosivo, mas também porque
acelera a sua mineralização, ao mesmo tempo que restitui quantidades diminutas de resíduos
orgânicos ao solo.
Uma das maneiras de enfrentar os problemas associados ao solo quando da utilização
da agricultura convencional é a adoção de métodos de agricultura de conservação. Segundo
Maiato (2016) a agricultura de conservação consiste num conjunto de práticas que permitem o
manejo do solo agrícola com a menor alteração possível da sua composição, estrutura e
biodiversidade natural, defendendo-o dos processos de degradação (erosão do solo e
compactação). Algumas das técnicas que constituem a agricultura de conservação são os
sistemas de sementeira direita (sem mobilização prévia do solo), sistemas de mobilização
reduzida (sem inversão da camada superficial do solo) e os sistemas de mobilização na zona,
visando a não incorporação ou a incorporação superficial dos resíduos das culturas, e o
estabelecimento de cobertos vegetais vivos (espontâneos ou semeados de espécies apropriadas)
em culturas arbustivas e/ou arbóreas, ou entre culturas anuais sucessivas.
Panachuki et al. (2011), afirmam que áreas com preparo convencional do solo e
desprovidas de cobertura vegetal em superfície são mais suscetíveis à erosão hídrica, pois, este
sistema favorece a formação do selamento superficial, caracterizado por uma fina camada de
solo que se torna compactada pelo impacto direto da gota de chuva sobre o solo. No entanto,
de acordo com Souza et al. (2005) e Engel et al. (2009), em sistemas considerados
conservacionistas – como o plantio direto e a pastagem sob manejo adequado, com pouco ou
86
nenhum revolvimento do solo e que mantenham cobertura vegetal sobre a superfície –, a
formação de agregados maiores e mais estáveis é favorecida, o que proporciona aumento da
resistência do solo à erosão. Segundo Nacinovic et al. (2014), em áreas sob pastagem com alto
percentual de cobertura, a rugosidade superficial do solo aumenta, favorece maior infiltração
de água e, consequentemente, menor escoamento superficial (Amaral et al., 2008).
Diversos autores na literatura estudaram os efeitos de diferentes tipos de cobertura e
manejo do solo em relação à erosão. Almeida et al. (2016) em seu trabalho intitulado Erosão
hídrica em diferentes sistemas de cultivo e níveis de cobertura do solo, constatou que: a redução
da erosão do solo sob cultivo de soja está associada à adoção de sistemas de cultivo que não
revolvam o solo e à elevada cobertura vegetal; a redução do índice de cobertura vegetal,
associada ao revolvimento do solo, acelera a desagregação de suas partículas pela ação de
chuvas.
Dechen et al. (2015) em seu estudo sobre perdas e custos associados à erosão hídrica
em função de taxas de cobertura do solo observou que: solos com 90% de cobertura reduzam
as perdas médias de água em 51,97%, as de terra em 54,44% e as de matéria orgânica em
54,89% quando comparados com solos com 0% de cobertura; o maior percentual de cobertura
do solo resultou em menores custos associados às perdas de água, terra e nutrientes por erosão
e em solo sem cobertura, foram estimadas perdas de 16% de P 2O5 e 8% de em relação à
quantidade de fertilizantes recomendada; os custos da erosão do solo associadas às perdas de
fertilizantes para as taxas de 0%, 24%, 40% e 90% de cobertura do solo foram de,
respectivamente, US$ 107,76,US$ 71,67, US$ 35,38 e US$ 18,15 por ha-1.ano-1.
Quanto a urbanização, de acordo com Brito et al. (2012), o processo de expansão urbana
sem planejamento adequado e em locais inapropriados como encostas íngremes e áreas de
mananciais podem resultar na degradação da cobertura vegetal e dos recursos naturais solo e
água. É evidente o estabelecimento de loteamentos e invasões em áreas inadequadas, o
lançamento das águas pluviais canalizadas em locais inapropriados e a intensificação do
processo de impermeabilização do solo. Uma das consequências desses procedimentos é o
surgimento de quadros erosivos urbanos.
Em Sergipe, as maiores cidades do estado incluindo sua capital, Aracaju, estão
localizadas na área costeira do estado, onde a classe de potencial de degradação muito alto foi
predominante. Para Catro et al. (2011), assim como em todo Brasil, as pressões
socioeconômicas na zona costeira vêm desencadeando, ao longo do tempo, processos
acelerados de urbanização não planejada e intensa degradação dos recursos naturais, ameaçando
a sustentabilidade econômica e a qualidade ambiental e de vida das populações humanas.
87
Na literatura é possível encontrar trabalhos que tratam da temática urbanização versus
erosão na área costeira do estado de Sergipe. Rodrigues et al. (2017), em seu estudo sobre a
expansão urbana e dinâmica marinha da praia da costa no município de barra dos coqueiros em
Sergipe, constataram que em virtude da expansão urbana em direção à linha de costa, já
ocupando em alguns casos a zona de espraiamento, pode trazer mudanças na dinâmica costeira
local. A ocupação dos terraços arenosos, dificultando os processos de infiltração, e as alterações
da dinâmica hídrica natural, com os empreendimentos instalados nas zonas úmidas, torna esta
região ainda mais vulnerável à inundação. Além disso, a retirada da vegetação e alteração na
morfologia das dunas frontais diminui a proteção natural à sua retaguarda.
Mota e Souza (2018), eu seu trabalho de avaliação da vulnerabilidade à erosão costeira
e riscos associados à ocupação para o município de Aracaju, observaram que grande parte da
área estudada está inserida nos graus médio e alto de risco, em razão da proximidade da
ocupação da linha de costa associada ao comportamento do ambiente praial e. A única área
classificada como risco baixo encontra-se às margens da desembocadura do rio Vaza-Barris,
que mesmo apresentando elevada variabilidade morfodinâmica, apresenta índices muito baixos
de ocupação.
5.5.
Mudança das classes de potencial de degradação ambiental do solo
Os resultados para as mudanças ocorridas nas classes de potencial de degradação
ambiental do solo, entre os anos de 2000 e 2019, geradas para a área de estudo, apontam para
uma permanência de maior parte da área (68,45%) sem mudanças. No entanto, nas áreas em
que houve mudança, as mesmas foram para classes de maior potencial de degradação. A Tabela
15 apresenta de maneira geral o comportamento das mudanças ocorridas nas classes, separadas
em três tipos de mudança, mudanças para pior, sem mudança e mudança para melhor.
Tabela 15 - Tipos de mudanças nas classes de potencial de degradação e suas áreas.
Porcentagem (%)
Área (km2)
Área (ha)
Mudou para pior
17,66
3818,55
381855,27
Sem mudança
68,45
14796,17
1479617,31
Mudou para pior
13,87
2999,11
299911,72
Avaliando as mudanças ocorridas em cada uma das classes de potencial de gradação
ambiental do solo, foi possível observar que as classes que sofreram mais mudança em suas
88
áreas foram: alto, muito alto, moderado, baixo e muito baixo respectivamente, como nota-se a
partir da Tabela 16. É possível constatar que a mudança ocorrida para pior na classificação das
áreas, foi gerada pelo aumento das áreas classificadas como potencial de degradação moderado
e muito alto. Já a mudança nas classes para melhor, foi provocada pelo aumento na classe muito
baixo e redução da classe de alto potencial de degradação.
Tabela 16 - Área das classes de potencial de degradação do solo em 2000 e 2019 e suas
diferenças.
2000
2019
2000
2019
Diferença
(ha)
Porcentagem
(%)
Porcentagem
(%)
Área (ha)
Área (ha)
Muito baixo
0,18
0,28
3349,31
6014,54
2065,22
Baixo
1,70
1,59
36717,91
34456,92
2251,99
Moderado
9,14
11,10
197818,99
240293,34
42474,35
Alto
45,11
40,53
976836,87
877727,71
99109,17
Muito alto
43,87
46,51
950027,91
1007177,03
57149,13
A Figura 35, apresenta o mapa das áreas em que se estimou terem ocorrido mudanças
nas classes de potencial de degradação ambiental do solo. É possível constatar neste mapa,
assim como nos mapas gerados com diferentes valores do expoente gamma, incluindo o tomado
como referência (gamma igual a 0,6), a marcante influência dos fatores que mais influenciaram
os resultados, ou seja, as variáveis mais influentes, geologia, geomorfologia, pedologia e
precipitação. Visto que as áreas situadas na região costeira do estado, que foram classificadas
como tendo um potencial de degradação ambiental do solo muito alto, foram as mesmas áreas
onde não ocorreram mudanças nas classes. Estas áreas são marcadas pelas influências dos
domínios geológicos e geomorfológicos, tipos de solos, volumes de precipitação e usos e
ocupações do solo com características favoráveis a degradação ambiental do solo, como foi
discutido anteriormente.
As áreas onde houve melhoria nas classes de potencial de degradação ambiental do solo
coincidiram em sua maioria com as áreas classificadas como possuindo um potencial de
degradação entre moderado e baixo. Estas áreas estão localizadas onde os fatores mais
influenciadores na degradação ambiental do solo possuem características menos intensas ou
que contribuam menos para os processos que desencadeiam a degradação ambiental. Como por
exemplo, menores valores de precipitação, menor presença de áreas de urbanização e de
89
agricultura e ainda domínios geológicos e geomorfológicos menos propensos a degradação
ambiental do solo.
Figura 35 - Mapa de áreas onde ocorreram mudança na classificação do potencial de degradação
ambiental do solo.
90
6.
CONSIDERAÇÕES FINAIS
De modo geral, para todos os cenários obtidos a partir de diferentes valores atribuídos
ao expoente gamma, os resultados apontam para uma predominância das classes alto e muito
alto potencial de degradação para os dois anos estudados. As variáveis, geologia,
geomorfologia, pedologia e precipitação foram s que demonstraram maior influência na
estimativa do potencial de degradação.
Comparados os dois períodos avaliados e as diferenças entre em cada uma das classes
de potencial de gradação ambiental do solo, foi possível observar que as classes que sofreram
mais mudança em suas áreas foram: alto, muito alto, moderado, baixo e muito baixo
respectivamente. A mudança ocorrida para pior na classificação das áreas, foi gerada pelo
aumento das áreas classificadas como potencial de degradação moderado e muito alto. Já a
mudança nas classes para melhor, foi provocada pelo aumento na classe muito baixo e redução
da classe de alto potencial de degradação.
A metodologia aplicada pode ser considerada promissora, gerando mapas temáticos
finais capazes de estimar o potencial de degradação ambiental do solo, os quais podem ser
considerados produtos técnicos gerencias de subsídio ao manejo, uso e ocupação do solo e dos
recursos hídricos superficiais para a área de estudo. O produto final aponta as regiões que
reúnem maior ou menor influência dos fatores de promoção de processos que culminem na
degradação e erosão do solo. Portanto, é altamente relevante que medidas de prevenção e
mitigação de processos de degradação do solo sejam adotadas para tais áreas do estado de
Sergipe.
A aplicação do modelo apresentado neste trabalho pode ser utilizada apenas na fase de
planejamento ambiental, pois pode não representar a realidade de campo e por isso não substitui
as verificações de campo quando forem tomadas as decisões de forma pontual, mostrando,
portanto, as áreas que merecem atenção especial. Por isso, recomenda-se para o aprimoramento
da metodologia aqui proposta, uma etapa de verificação in situ de locais com potencial de
degradação ambiental do solo, servindo ainda para a validação do modelo a partir dos dados
coletados. Recomenda-se ainda a divisão da área de estudos em subáreas como bacias
hidrográficas ou territórios administrativos.
Mesmo sendo a lógica fuzzy um método de complexo entendimento e aplicação, as
vantagens evidentes são a menor subjetividade na determinação de pesos relativos, uma vez
que para a maioria dos dados os valores foram transformados a partir das funções lineares e
sigmoidal. Apesar das limitações do modelo apontadas aqui, acredita-se que o resultado final é
91
um bom indicativo de áreas com potencial à degradação dos solos, e pode ser utilizado para
tomada de decisão na elaboração de planos e programas de prevenção e controle da degradação
ambiental.
92
REFERÊNCIAS
ALMEIDA, F.F.M. O Cráton do São Francisco. Rev. Brás. Geociências, v.7, p.349-364. 1977.
ALMEIDA, W.S., CARVALHO, D.F., PANACHUKI, E., VALIM, W.D., RODRIGUES,
S.A., VARELLA, C.A.A. Erosão hídrica em diferentes sistemas de cultivo e níveis de cobertura
do solo. Pesquisa agropecuária brasileira, Brasília, v. 51, n. 9, p. 1110-1119, 2016.
ALMEIDA, W.S., de CARVALHO, D.F., PANACHUKI, E., VALIM, W.D., RODRIGUES,
S.A., VARELLA, C.A.A. Erosão hídrica em diferentes sistemas de cultivo e níveis de cobertura
do solo. Pesquisa agropecuária brasileira, v. 51, n. 9, p. 1110-1119, 2016.
ALVES, H.P.F. Vulnerabilidade socioambiental na metrópole paulistana: uma análise
sociodemográfica das situações de sobreposição espacial de problemas e riscos sociais e
ambientais. Revista Brasileira de Estudos Populacionais, São Paulo, v. 23, n. 1, p. 43-59. 2006.
AMARAL, A.J., do BERTOL, I., COGO, N.P., BARBOSA, F.T. Redução da erosão hídrica
em três sistemas de manejo do solo em um Cambissolo Húmico da região do Planalto SulCatarinense. Revista Brasileira de Ciência do Solo, v. 32, p. 2145-2155, 2008.
AMIRAHMADI, A., SHIRAN, M., ASADI, M.Z., KERAMATI, F. Landslide susceptibility
zonation using the fuzzy algebraic operators in GIS, Iran. Journal of Materials and
Environmental Science v. 8, n. 1, p. 50-59. 2017.
AMIRAHMADI, A., SHIRAN, M., ZANGANEH ASADI, M., KERAMATI, F. Landslide
susceptibility zonation using the fuzzy algebraic operators in GIS, Iran. J. Mater. Environ. Sci.
v. 8, n. 1, p. 50-59. 2017.
ARAGÃO, R., ALMEIDA, J.A.P., FIGUEIREDO, E.E., SRINIVASAN, V.S. Mapeamento do
potencial de erosão laminar na Bacia do Rio Japaratuba, SE, via SIG. Revista Brasileira de
Engenharia Agrícola e Ambiental, v. 15, n. 7, p. 731–740, 2011.
ARAI, M. A grande elevação eustática do mioceno e sua influência na origem do Grupo
Barreiras. Geol. USP Sér. Cient., São Paulo, v. 6, n. 2, p. 1-6, 2006.
BALAMURUGAN, G., RAMESH, V., TOUTHANG, M. Landslide susceptibility zonation
mapping using frequency ratio and fuzzy gamma operator models in part of NH-39, Manipur,
India. Nat Hazards. v. 84, p. 465–488. 2016.
93
BALSAN, R. Impactos Decorrentes da Modernização da Agricultura Brasileira.
CAMPOTERRITÓRIO: Revista de Geografia Agrária, Francisco Beltrão, v. 1, n. 2, p. 123151. 2006
BITTENCOURT, A.C.S.P., MARTIN, L., DOMINGUEZ, J.M.L., FERREIRA, Y.A. Evolução
paleogeográfica quaternária da costa do Estado de Sergipe e da costa sul do Estado de Alagoas.
Revista Brasileira de Geociências, v. 13, n. 2, p.93-97, 1983.
BLUM, W.E.H. Basic concepts: degradation, resilience and rehabilitation. In: LAL, R., BLUM,
W. H., VALENTINE, C., STEWART, B. A. (Ed.) Methods for assessment of soil degradation.
New York, CRC Press. p.1-16. 1998.
BONHAM-CARTER, G.F. Geographic information systems for geoscientists: modelling with
GIS. Elsevier Butterworth-Heine-mann, Oxford, p.292–302. 1994.
BRADY, N.C. The Nature And Properties Of Soils. Trad. Antônio B. Neiva Figueiredo, 7ª ed.
Rio de Janeiro, Freitas Bastos, 878p. 1989.
BRASIL, Lei nº 6.938. Política Nacional do Meio Ambiente. Brasília, 31 de agosto de 1981.
Disponível em: <http://www.planalto.gov.br/ccivil_03/LEIS/L6938.htm>. Acesso em: abr.
2020.
BRASIL, Lei nº 9.433. Política Nacional de Recursos Hídricos. Brasília, 8 de janeiro de 1997.
Disponível em: http://www.planalto.gov.br/ccivil_03/LEIS/L9433.htm. Acesso em: mar. 2020.
BRITO, A.O., MARTINS, I.S., AICHA, N.N. Estudos da erosão urbana no Distrito Federal.
Revista Científica Eletrônica de Engenharia Florestal, v. 20, n. 1, p. 85-92, 2012.
BRYAN, R. B. Soil Erodibility and Processes of Water Erosion on Hillslope. Geomorphology,
32, p. 385-415, 2000.
BURROUGH, P.A. Principles of Geographical Information Systems for Land Resources
Assessment. Clarendon Press, Oxford. 193p. 1987.
CÂMARA, G., DAVIS, C., MONTEIRO, A.M.V. Introdução à ciência da geoinformação.
INPE,
São
José
dos
Campos,
2001.
Disponível
em:
http://mtc-
m12.sid.inpe.br/col/sid.inpe.br/sergio/2004/04.22.07.43/doc/publicacao.pdf. Acesso em: ago.
2020.
94
CANAVESI, V., CAMARINHA, P.I.M., ALGARVE, V.R., CARNEIRO, R.L.C., ALVALÁ,
R.C.S. Análise da susceptibilidade a deslizamentos de terra: estudo de caso de Paraibuna, SP.
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 16 (SBSR). Foz do Iguaçu.
Anais ... São José dos Campos: ... São José dos Campos: INPE, p. 5251-5258, 2013.
CARVALHO, M.E.S. & FONTES, A.L. Caracterização geomorfológica da Zona Costeira do
Estado de Sergipe. In: Simpósio Nacional de Geomorfologia, 6, Anais... – CD/ ROM, UGB,
Goiânia – GO, 15p. 2006.
CASTRO, J.W.A., FERNANDES, D., DIAS, F.F. Monitoramento do Processo de Erosão
Costeira na Praia das Tartarugas, Rio das Ostras - Estado do Rio de Janeiro. Revista de Gestão
Costeira Integrada, v. 11, n. 3, p. 355-368, 2011.
CASTRO, W.J., CASTRO, M.L.L., LIMA, J.O., OLIVEIRA, L.F.C., RODRIGUES, C.,
FIGUEIREDO, C.C. Erodibilidade de solos do cerrado goiano. Revista em Agronegócios e
Meio Ambiente, v.4, n.2, p. 305-320, 2011.
CERDÀ, A., KEESSTRA, S.D., RODRIGO-COMINO, J., NOVARA, A., PEREIRA, P.,
BREVIK, E., JORDÁN, A. Runoff initiation, soil detachment and connectivity are enhanced
as a consequence of vineyards plantations. J. Environ. Manag. 202, p. 268–275. 2017.
COHEN, S., SVORAY, T., LARONNE, J. B., ALEXANDROV, Y. Fuzzy-Based Dynamic Soil
Erosion Model (FuDSEM): Modelling Approach And Preliminary Evaluation. Journal of
Hydrology, 356, p. 185-198. 2008.
CORRÊA, E.A., MORAES, I.C., PINTO, S.A.F. Estimativa da erodibilidade e tolerância de
perdas de solo na região do centro leste paulista. Geociências, São Paulo, v. 34, n. 4, p.848-860,
2015.
COSTA, O.A., SANTOS, D.N. dos. Influência da ZCAS e ZCIT e seus efeitos de inundações
nas bacias hidrográficas no estado de Sergipe, abril de 2010. In: EN-CONTRO DE RECURSOS
HÍDRICOS EM SERGIPE, 4, Aracaju. Anais eletrônicos... Aracaju: Embrapa, CPTAC, 2011.
23 a 25 de março de 2011, Aracaju/SE.
CREPANI, E., MEDEIROS, J. S., FILHO, P. H., FLORENZANO, D. V., BARBOSA, C. C. F.
Sensoriamento remoto e geoprocessamento aplicados ao zoneamento ecológico-econômico e
ao ordenamento territorial. São José dos Campos INPE. 2001.
95
CUI, X., LIU, S., WEI, X. Impacts of Forest Changes on Hydrology: A Case Study of Large
Watersheds in the Upper Reach of Yangtze River Basin. Hydrol. Earth Syst. Sci. Discuss, v. 9,
p. 6507-6531. 2012.
D’EL-REY SILVA, L.J.H. Basin infilling in the southern-central part of the Sergipano Belt
(NE Brazil) and implications for the evolution of Pan-African/Brasiliano cratons and
Neoproterozoic cover. Journal of South American Earth Sciences v. 12, p. 453-470. 1999.
D’EL-REY SILVA, L.J.H. Tectonic evolution of the Sergipano Belt, NE Brazil. Revista de
Geociências, v.25, p.315-332. 1995.
D’EL-REY SILVA, L.J.H., MCCLAY, K.R. Stratigraphy of the southern part of the Sergipano
Belt, NE Brazil: tectonic implications. Revista Brasileira de Geociências v.25, p.185-202. 1995.
DANTAS, M.E., SHINZATO, E. Origem das paisagens de Sergipe. In: CARVALHO, L.M.,
MARTINS, V.S. Geodiversidade do estado de Sergipe. 1. Ed, Salvador: CPRM – Serviço
geológico do Brasil. Cap. 3, p. 35-48. 2017.
DECHEN, F., CARMELA, S., TIAGO, S.T., MARIA, F.G, ISABELLA, C.D. Perdas e custos
associados à erosão hídrica em função de taxas de cobertura do solo. Bragantia, v. 74, n. 2, p.
224-233, 2015.
DECHEN, S.C.F, TELLES, T.S., GUIMARÃES, M.F., DE MARIA, I.C. Perdas e custos
associados à erosão hídrica em função de taxas de cobertura do solo. Bragantia, Campinas, v.
74, n. 2, p.224-233, 2015.
DEMIR, G., AYTEKIN, M., AKGUN, A., IKIZLER, S.B., TATAR, O. A comparison of
landslide susceptibility mapping of the eastern part of the North Anatolian Fault Zone (Turkey)
by likelihood-frequency ratio and analytic hierarchy process methods. Nat Hazards v. 65,
p.1481–1506. 2013.
DIDAN, K., MUNOZ, A.B., SOLANO, R, HUETE, A. MODIS Vegetation Index User’s Guide
(MOD13
Series).
The
University
of
Arizona,
2015.
Disponível
em:
<https://lpdaac.usgs.gov/documents/103/MOD13_User_Guide_V6.pdf>. Acesso em: abr.
2020.
DINIZ, M.T.M., MEDEIROS, S.C., CUNHA, C.J. Sistemas atmosféricos atuantes e
diversidade pluviométrica em Sergipe. Boletim Goiano de Geografia, v. 34, n. 1, p. 17-34, 2014.
96
DIONE P. CARDOSO, D.P., SILVA, M.L.N., CARVALHO, G.J., FREITAS, D.A.F., C.
AVANZI, C. Plantas de cobertura no controle das perdas de solo, água e nutrientes por erosão
hídrica. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 16, n. 6,
p. 632-638, 2012.
DNIT – Departamento Nacional de Infraestrutura de Transportes. encabeçamento sul da ponte
sobre
o
rio
São
Francisco.
2017.
Disponível
em:
<
http://www1.dnit.gov.br/anexo/outros/outros_edital0163_18-21_3.pdf>. Acesso em: mar.
2020.
DOMINGUEZ, J.M.L., BITTENCOURT, A.C.S.P., MARTIN, L. Sobre validade de utilização
do termo delta para designar planícies costeiras associadas as desembocaduras dos grandes rios
brasileiros. In: CONGRESSO BRASILEIRO DE GEOLOGIA, 32., 1992, Salvador. Anais...
Salvador: AGB, 1992, p.49-58.
EDUARDO, E.E., CARVALHO, D.F., MACHADO, R.L., SOARES, P.F.C., ALMEIDA,
W.A. Erodibilidade, fatores cobertura e manejo e práticas conservacionistas em argissolo
vermelho-amarelo, sob condições de chuva natural. Revista Brasileira de Ciências do Solo, v.
37, p. 796-803, 2013.
EMBRAPA – EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. Serviço
Nacional de Levantamento e Conservação de Solos. Manual de métodos de análise de solos.
Rio de Janeiro: EMBRAPA, SNLCS. 247 p. 1979.
EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema brasileiro de classificação de solos.
2. ed. Rio de Janeiro: Embrapa Solos, Brasília: Sistema de Produção de Informação, 2006. 306
p.
EMBRAPA. Empresa Brasileira de Pesquisa Agropecuária. Base de dados para o Estado de
Sergipe: referenciais de solos para o desenvolvimento. Aracaju: Embrapa Tabuleiros Costeiros,
2014. (DVD).
ENGEL, F.L., BERTOL, I., RITTER, S.R., PAZ GONZÁLEZ, A., PAZ-FERREIRO, J.,
VIDAL VÁZQUEZ, E. Soil erosion under simulated rainfall in relation to phenological stages
of soybeans and tillage methods in Lages, SC, Brazil. Soil and Tillage Research, v. 103, p. 216221, 2009.
97
ERCANOGLU, M., GOKCEOGLU, C. Use of fuzzy relations to produce landslide
susceptibility map of a landslide prone area (West Black Sea Region, Turkey). Eng Geol v. 75,
p.229–250. 2004.
ESWARAN, H., LAL, R., REICH, P. F. Land Degradation: An Overview. In: BRIDGES, E.
M., HANNAM, I. D., OLDEMAN, L. R., PENING DE VRIES, F. W. T., SCHERR, S. J., and
SOMPATPANIT, S. (eds.). Responses to Land Degradation. Proc. 2nd. International
Conference on Land Degradation and Desertification, Khon Kaen, Thailand. Oxford Press,
New Delhi, India. 2001.
FERNANDES, J. D, MEDEIROS, A. J de. Desertificação no Nordeste: Uma aproximação
sobre o fenômeno do Rio Grandes do Norte. Holos, 25, v.3. 2009.
FIGUEIREDO FILHO, D. B., ROCHA, E. C., SILVA JR, J., PARANHOS, R, A., NEVES, J.
A. B, SILVA, M. B. Desvendando os Mistérios do Coeficiente de Correlação de Pearson: o
Retorno. Leviathan: Cadernos de Pesquisa Política, n. 8, p. 66-95, 2014.
FIGUEIREDO, M.C.B., TEIXEIRA, A.S., PEREIRA, A.L. F., ROSA, M. F., PAULINO, W.
D., MOTA, s., ARAÚJO, J.C. Avaliação da Vulnerabilidade Ambiental de Reservatórios à
Eutrofização. Engenharia sanitária e ambiental, v. 12, n. 4, p. 399-409. 2007.
FLAUZINO, F.S., SILVA, M.K.A., NISHIYAMA, L., ROSA, R. Geotecnologias aplicadas à
gestão dos recursos naturais da bacia hidrográfica do rio Paranaíba no cerrado mineiro.
Sociedade & Natureza, Uberlândia, v.22, n.1, p.75-91, 2010.
FLORENZANO, T.G. Imagens de satélite para estudos ambientais. São Paulo, Oficina de
Textos. 97 p. 2002.
FRANÇA, A., de SOUZA, F. J., MARQUES, M. Avaliação Do Potencial À Erosão Dos Solos:
Uma Análise por Lógica Fuzzy e Sistemas De Informações Gegráficas. In: 23º CONGRESSO
BRASILEIRO DE ENGENHARIA SANITÁRIA E AMBIENTAL. Campo Grande, MS. 2005.
FU, S., LIU, B., LIU, H., XU, L. The Effect of Slope on Interrill Erosion at Short Slopes.
Catena, 84, p. 29-34. 2011.
FULLEN, M.A.E., CATT, J.A. Soil management – problems and solutions. Oxford, Oxford
University Press. 2004.
98
GABRIELS, D. The Effect of Slope Length on the Amount and Size Distribution of Eroded
Silt Loam Soils: Short Slope Laboratory Experiments on Interrill Erosion. Geomorphology, v.
28, p. 169-172. 1999.
GAO, X., HUETE, A. R., NI, W., & MIURA, T. Optical–biophysical relationships of
vegetation spectra without background contamination. Remote Sensing of Environment, v. 74,
p. 609– 620. 2000.
GHAHRAMANI, A., ISHIKAWA, Y., GOMI, T., SHIRAKI, K., MIYATA, S. Effect of
Ground Cover on Splash and Sheetwash Erosion over a Steep Forested Hillslope: A Plot-Scale
Study. Catena, v. 85, p. 34-47. 2011.
GOMES, H.F., ALVES, L.E.R., SANTOS, F.S., BARROS, G.V.P., SILVA, R.A.
Geotecnologias: princípios e aplicações meteorológicas. In: NUNES, A.B., MARIANO, G.L.
Meteorologia em tópicos. 1. Ed, Maceió: Clube dos Autores, 2020. Cap. 4, p. 166-199. 2020.
GOMEZ, H., KAVZOGLU, T. Assessment of shallow landslide susceptibility using artificial
neural networksin Jabonosa River Basin, Venezuela. Eng Geol v.78, p.11–27. 2005.
GUERRA, A.J.T.; MARÇAL, M.S. Geomorfologia Ambiental. Bertrand Brasil, 1ª ed., Rio de
Janeiro. 2007.
GUERRA, A.J.T., MENDONÇA, J.K.S. Erosão dos Solos e a Questão Ambiental. In: VITTE,
A.C., GUERRA, A.J.T. (Org), Reflexões Sobre a Geografia Física no Brasil. Bertrand Brasil,
2a ed., Rio de Janeiro, p.153-188. 2007.
GUERRA, A.J.T. O Início do Processo Erosivo. In: GUERRA, A.J.T., SILVA, A.S.,
BOTELHO, R.G.M. (Org), Erosão e Conservação dos Solos: Conceitos, temas e aplicações.
Bertrand Brasil, 2a ed., Rio de Janeiro, p.17-50. 2005.
GUERRA, A.J.T. Processos erosivos nas encostas. In: CUNHA, S.B. e GUERRA, A.J.T. (Org).
Geomorfologia - exercícios, técnicas e aplicações. Rio de Janeiro, Editora Bertrand Brasil, Rio
de Janeiro, 3ª edição, p. 139-155. (2009b).
GUERRA, A.J.T. Processos erosivos nas encostas. In: GUERRA, A.J.T. e CUNHA, S.B.
(Org.). Geomorfologia - uma atualização de bases e conceitos. Rio de Janeiro, Editora Bertrand
Brasil, 8ª edição, p. 149-209. (2009a).
GUERRA, A.T, GUERRA, A.J.T. Novo Dicionário Geológico-Geomorfológico. Rio de
Janeiro: Bertrand Brasil, 652 p. 2008.
99
GUERRA, A.T.J, JORGE, M.C.O. Geomorfologia do cotidiano – A degradação dos solos.
Revista GEONORTE, Edição Especial, v.4, n.4, p.116 – 135, 2012.
GUERRA, A.T.J, JORGE, M.C.O. Geomorfologia do cotidiano – A degradação dos solos.
Revista GEONORTE, Edição Especial, v.4, n.4, p.116 – 135, 2012.
HAIDARA, I., TAHRI, M., MAANAN, M., HAKDAOUI, M. Efficiency of Fuzzy Analytic
Hierarchy Process to detect soil erosion vulnerability. Geoderma. v. 354. 2019.
HASSET, J.J. E BANWART, W.L. (1992). Soils and their environment. New Jersey: Prentice
Hall.
HORN, B. K. P. Hill shading and the reflectance map. Proceedings of the IEEE, v. 69, n. 1, p.
14–47, 1981. Disponível em: <http://ieeexplore.ieee.org/document/1456186/>. Acesso em:
mai. 2020.
HUETE, A., DIDAN, K., MIURA, T., RODRIGUEZ, E.P., GAO, X., FERREIRA, L.G.
Overview of the radiometric and biophysical performance of the MODIS vegetation índices.
Remote Sensing of Environment v. 83, p. 195–213. 2002.
IBGE. Contagem da População (2010). Disponível em: <https://censo2010.ibge.gov.br/
resultados.html.> Acesso em abr. 2020.
IPCC - Working Group II Contribution to AR5, 2014. Climate Change. IPCC Working Group
II, Impacts, Adaptation, and Vulnerability, pp. 2014.
JAAFARI, A., NAJAFI, A., POURGHASEMI, H.R., REZAEIAN, J., SATTARIAN, A. GISbased frequency ratio and index of entropy models for landslide susceptibility assessment in
the Caspian forest, northern Iran. Int. J. Environ. Sci. Technol. v.11, p.909–926. 2014.
JAGABANDHU, R., SUNIL, S. GIS-based Gully Erosion Susceptibility Evaluation Using
Frequency Ratio, Cosine Amplitude and Logistic Regression Ensembled with fuzzy logic in
Hinglo River Basin, India. Remote Sensing Applications: Society and Environment. v. 15.
2019.
JARDIM, A.M.R.F., ARAÚJO JÚNIOR, G.N., SILVA, M.J., MORAIS, J.E.F., SILVA, T.G.F.
Estimativas de perda de solo por erosão hídrica para o município de Serra Talhada, PE. Journal
of Environmental Analysis and Progress, v. 2, n. 3, p. 186-193, 2017.
100
JEBARI, S. B, BERNDTSSON, R, OLSSON, J., BAHRI, A. Soil Erosion Estimation Based on
Rainfall Disaggregation. Journal of Hydrology, v. 436 - 437, p. 102-110. 2012.
KEESSTRA, S., NUNES, J., NOVARA, A., FINGER, D., AVELAR, D., KALANTARI, Z.,
CERDÀ, A. The superior effect of nature based solutions in land management for enhancing
ecosystem services. Science of The Total Environment, v. 610, p. 997-1009, 2018.
KOBIYAMA, M., MINELLA, J.P., FABRIS, R. Áreas degradadas e sua recuperação. Belo
Horizonte, v. 22. n. 210, p.10-17. 2001.
KUMAR, R., ANBALAGAN, R. Landslide susceptibility zonation in part of Tehri reservoir
region using frequency ratio, fuzzy logic and GIS. Journal of Earth System Science v. 124, n.
2, p. 431–448, 2015.
KUMMEROW, C., BARNES, W., KOZU, T., SHIUE, J., SIMPSON, J. The Tropical Rainfall
Measuring Mission (TRMM) sensor package. J. Atmos. Oceanic Technol., v. 15, p. 809–817.
1998.
LADEIRA, M.B. Uso da função sigmóide para desagregação do bloco de tormenta obtido da
curva IDF estudo de caso: bacia de Val-de-Cans. Dissertação (Mestrado em Engenharia Civil)
– Programa de Pós-Graduação em Engenharia Civil – Mestrado, UFPA, Belém (PA), 2011. 148
f.
LEE, S. Application and verification of fuzzy algebraic operators to landslide susceptibility
mapping. Environ. Geol. v.52, p.615– 623. 2007.
LIU, Y., FU, B., LU, Y., WANG, Z., GAO, G Hydrological Responses and Soil Erosion
Potential of Abandoned Cropland in the Loess Plateau, China. Geomorphology, v. 138, p. 404414. 2012.
LOBÃO, J.S.B., ROCHA, W. de J.S. da F; SILVA, A. de B. Utilização De Lógica Fuzzy Na
Modelagem De Vulnerabilidade À Erosão No Município de Morro Chapéu – BA. In: III
SIMPÓSIO REGIONAL DE GEOPROCESSAMENTO E SENSORIAMENTO REMOTO,
Anais, Aracaju – SE. 2006.
LOUZADA,
A.
Gestão
ambiental,
conceitos
e
definições.
Disponível
em:
<http://www.ebah.com.br/content/ABAAABQDYAJ/gestao-ambiental-conceitos-definicoes>.
Acesso em: mai. 2020.
101
Luana Santos Oliveira MOTA, L.S.O., SOUZA, R.M. Vulnerabilidade à erosão costeira e
riscos associados à ocupação: estudo de caso do município de Aracaju/Sergipe, v. 1, n. 25, p.
89-102, 2018.
MACHADO, C.A. 2012. Desmatamentos e queimadas na região Norte do Estado do Tocantins.
Revista caminhos de Geografia, v. 13, n. 43. 2012.
MAIATO, A.G.T. O papel da agricultura de conservação na luta contra a erosão do solo em
particular em Angola. Tese (Mestrado em Engenharia Agronômica) – Escola de Ciências e
Tecnologia – Mestrado, Universidade de Évora, Évora, Angola, 53 f., 2016.
MANNIGEL, A.R, CARVALHO, M.P., MORETI, D., MEDEIROS, L.R. Fator erodibilidade
e tolerância de perda dos solos do Estado de São Paulo. Acta Scientiarum Maringá, v. 24, n. 5,
p. 1335-1340, 2002.
MARQUES, J. R. Meio, ambiente urbano–2ª Ed. Rio de Janeiro: Forense Universitária, 233
p. 2010.
MARTINS, M. Coeficiente de correlação amostral, Revista de Ciência Elementar, v. 2, n. 42,
p. 151-154, 2014.
MATSUSHITA, B., YANG W., CHEN, J., ONDA, Y., QIU, G. Sensitivity of the Enhanced
Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to Topographic
Effects: A Case Study in High-Density Cypress Forest. Sensors, v.7, p.2636-2651. 2007.
MELO, A.B.C.; CAVALCANTI, I. F de A.; SOUZA, P. P. Zona de Convergência Intertropical
do Atlântico. In: CAVALCANTI, I.F.A.; FERREIRA, N.J.; SILVA, M.G.A.J.; DIAS,
M.A.F.S. (Orgs.). Tempo e clima no Brasil. São Paulo: Oficina de Textos, p. 26-42, 2009.
MENDONÇA, F., DANNI-OLIVEIRA, I. M. Climatologia: noções básicas e climas do Brasil.
São Paulo: Oficina de Textos, 2007.
MENEGUZZO, I.S, CHAICOUSKI, A. Reflexões acerca dos conceitos de degradação
ambiental, impacto ambiental e conservação da natureza. Revista Geografia, Londrina – PR, v.
9, n. 1, p. 181-185, 2010.
MENEZES, P.R. (Org.), ALMEIDA, T. (Org.). Introdução ao processamento de imagens de
sensoriamento
remoto.
Brasília:
UNB/Cnpq,
2012.
266p.
Disponível
em:<
31
102
http://www.cnpq.br/documents/10157/56b578c4-0fd5-4b9f-b82a-e9693e4f69d8>. Acesso em
jun. 2020.
METTERNICHT, G., GONZALEZ, S. FUERO: Foundations of a Fuzzy Exploratory Model
for Soil Erosion Hazard Prediction. Environmental Modelling & Software, v. 20, p. 715-728.
2005.
MIRANDA, J. I. Fundamentos de Sistemas de Informações Geográficas. Brasília, DF: Embrapa
Informação Tecnológica, 2005. 425p.
MITRA, B., SCOTT, H.D., DIXON, J.C., McKIMMEY, J.M. Applications Of Fuzzy Logic To
The Prediction Of Soil Erosion In A Large Watershed. Geoderma, v.86, p.183-209. 1998.
MOHAMMAD, A.G., ADAM, M.A. The Impact of Vegetative Cover Type on Runoff and Soil
Erosion under Different Land Uses. Catena, v. 81, p.97-103. 2010.
MOHAMMAD, A.G., ADAM, M.A. The Impact of Vegetative Cover Type on Runoff and Soil
Erosion under Different Land Uses. Catena, v.81, p.97-103. 2010.
MOLION, L.C.B., BERNARDO, S.O. Uma revisão da dinâmica das chuvas no nordeste
brasileiro. Revista Brasileira de Meteorologia, Rio de Janeiro, v. 17, n. 1, p. 1-10, 2002.
MORGAN, R P.C. Soil Erosion and Conservation. Third Edition. National Soil Resources
Institute, Cranfield University. 2005.
MORGAN, R. P. C. Soil Erosion and Conservation. 3. ed. National Soil Resources Institute,
Cranfield University, 2005.
NACINOVIC, M.G.G., MAHLER, C.F., AVELAR, A. de S. Soil erosion as a function of
different agricultural land use in Rio de Janeiro. Soil and Tillage Research, v.144, p.164-173,
2014.
NASCIMENTO, P.S.R., PETTA, R. A. Confecção do mapa de densidade de drenagem através
de geotecnologias visando definir a vulnerabilidade aos processos erosivos na sub-bacia do
baixo Piracicaba (SP). Estudos Geográficos, v.6, n., p.19–34, 2008.
NEVES, S. M. A da S., MONTINHO, M. C., NEVES, R. J., SOARES, E. R. C. Estimativa da
perda de solo por erosão hídrica na Bacia Hidrográfica do rio Jauru/MT. Sociedade & Natureza,
Uberlândia, v. 23, n. 3, p. 423-433, 2011.
103
OLDEMAN, L.R., HAKKELING, R.T.A., SOMBROEK, W.G. World map of the status of
human-induced soil degradation. International Soil Reference and Information Centre
(ISRIC)/UNEP in cooperation with Winand Staring Centre-International Soil Science Society
(ISSS)-FAO-ITC (The International Institute for Geo-Information Science and Earth
Observation). 1990.
OLDEMAN, L.R., LYNDEN, G.W.J. Revisiting the GLASOD methodology. In: LAL, R.,
BLUM, W.H., VALENTINE, C., STEWART, B.A. (Ed.). Methods of assessment of soil
degradation. New York. CRC Press. p. 423-440. 1998.
OLIVEIRA, E.P., WINDLEY,B. F., ARAÚJO,MARIO N.C. The Neoproterozoic Sergipano
orogenic belt, NE Brazil: A complete plate tectonic cycle in western Gondwana. Precambrian
Research v.181, p.64–84. 2010.
PANACHUKI, E., BERTOL, I., ALVES SOBRINHO, T., OLIVEIRA, P.T.S. de
RODRIGUES, D.B.B. Perdas de solo e de água e infiltração de água em Latossolo Vermelho
sob sistemas de manejo. Revista Brasileira de Ciência do Solo, v. 35, p. 1777-1785, 2011.
PARROTA, J. A. The role of plantattino forest in degraded tropical ecossystems. Agriculture
Ecosystems and Environment, Amsterdam. v. 41, p.115-133, 1992.
PARROTA, J.A. The role of plantationforest in rehabilitation degraded tropical ecossystems.
Agriculture Ecossystems and Environment. Amsterdam, v. 41, p. 115-133. 1992.
PELLETIER, J. D. Fluvial and Slope Wash Erosion of Soil Mantled Landscapes: Detachment
or Transport Limited? Earth Surface Processes and Landforms v. 37, p. 37–51. 2012.
POLETO, C. Introdução ao gerenciamento ambiental. Rio de Janeiro: Editora Interciência.
2009.
POURGHASEMI, H.R., PRADHAN, B., GOKCEOGLU, C. Application of fuzzy logic and
analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed,
Iran. Nat Hazards, v.63, p.965–996. 2012.
PRADHAN, B. Landslide susceptibility mapping of a catchment area using frequency ratio,
fuzzy logic and multivariate logistic regression approaches. J. Indian Soc. Remote Sens v. 38,
n. 2, p.301–320. 2010.
PRADHAN, B., LEE, S., BUCHROITHNER, M.F. Use of geospatial data and fuzzy algebraic
operators to landslide-hazard mapping. Applied Geomatics, v. 1, n. 1, p. 3-15. 2009.
104
REINERT, D.J. Recuperação de solos em sistemas agropastoris. In: DIAS, L.E., GRIFFITH,
J.J. (Ed.). Recuperação de áreas degradadas. Viçosa, UFV. p.163-176, 1998.
REZENDE, O.L.T., LORENZONI, L.L., SUANO JUNIOR, F.C., MARIA ALICE VEIGA
SOUZA, M.A.V.F. Sistema lógico fuzzy na avaliação do conforto ambiental de espaços
educacionais. Revista da Faculdade de Tecnologia FAESA. nº 9, p. 69-76, 2016.
RIBEIRO, M.R., SAMPAIO, E.V.S.B., GALINDO, I.C.L. Os solos e o processo de
desertificação no semiárido brasileiro. In: RIBEIRO, M.R. et al. eds. Tópicos em Ciência do
Solo. Viçosa- MG, Sociedade Brasileira de Ciência do Solo, p. 413-454, 2009.
RODRIGUES, T.K., BARRETO, S.A., SOUZA, E.S. Expansão urbana e dinâmica marinha da
praia da costa no município de barra dos coqueiros – Sergipe. In: PEREZ FILHO, A.,
AMORIM, R.R. (org). Os desafios da geografia física na fronteira do conhecimento. v. 1,
Campinas: Instituto de Geociências, p. 2854-2863. 2017.
ROSA, R. e BRITO, J.L.S. Introdução ao Geoprocessamento: Sistema de Informações
Geográficas. Uberlândia, EDUFU. 104p. 1996.
ROSA, R. Geotecnologias na geografia aplicada. Revista do Departamento de Geografia, v. 16,
p.81-90. 2005.
ROSA, R., BRITO, J.L.S. Introdução ao geoprocessamento: sistema de informação
geográficas. Uberlândia: EDUFU, 104p. 1996.
ROSS, J.L.S. Analise empírica da fragilidade dos ambientes naturais e antropizados. Revista
do Departamento de Geografia. São Paulo, DG-FFLCH-USP. n. 8, p. 63-73, 1994.
ROSS, J.L.S. Geomorfologia: Ambiente e Planejamento 8. ed. São Paulo: Contexto,
(Repensando a Geografia). 85p. 2005.
ROY, J, SAHA, S. GIS-based Gully Erosion Susceptibility Evaluation Using Frequency Ratio,
Cosine Amplitude and Logistic Regression Ensembled with fuzzy logic in Hinglo River Basin,
India. v. 15. 2019.
ROYA, J., SAHAB, S. GIS-based Gully Erosion Susceptibility Evaluation Using Frequency
Ratio, Cosine Amplitude and Logistic Regression Ensembled with fuzzy logic in Hinglo River
Basin, India. Remote Sensing Applications: Society and Environment v. 15, 2019.
105
RUBIRA, F.G. Definição e diferenciação dos conceitos de áreas verdes/espaços livres e
degradação ambiental/impacto ambiental. Caderno de Geografia, v. 26, p. 134-150, 2016.
SALOMÃO, F.X.T. Controle e prevenção dos Processos
Erosivos. In GUERRA, A.J.T.;
SILVA, A.S.; BOTELHO, R.G.M. (orgs) 1999. Erosão e Conservação dos Solos: Conceitos,
Temas e Aplicações. Rio de Janeiro: Bertrand Brasil, 340p. 1999.
SÁNCHEZ, L.E. Avaliação de Impacto Ambiental: conceitos e métodos. São Paulo: Oficina de
Textos, 2008.
SANTOS, G.G., GRIEBELER, N.P., OLIVEIRA, L.F.C. Chuvas intensas relacionadas à
erosão hídrica. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 14,
n. 2, p. 115-123, 2010.
SANTOS, L.A.N., NASCIMENTO, P.S.R. Compartimentação da Bacia Hidrográfica do Rio
Japaratuba (SE) através aa Densidade de drenagem fluvial. In: CONGRESSO BAIANO DE
ENGENHARIA SANITÁRIA E AMBIENTAL, 5, 2018, Juazeiro. Anais... Juazeiro, p. 13361341, 2018.
SANTOS, R. F. (org.) Vulnerabilidade Ambiental desastres naturais ou fenômenos induzidos.
MMA, Brasilia, 2007.
SANTOS, R.A., MARTINS, A.A.M., NEVES, J.P. Geologia e recursos minerais do estado de
Sergipe. Brazilian Geological Survey (CPRM), Salvador, Brazil. 2001.
SCREMIN, O.B., MAROLLI, A., MANTAI, R.D., KOLLING, K., REGINATTO, D.C., DA
SILVA, J.A.G. Lógica fuzzy na previsibilidade da produtividade de grãos de aveia nas formas
de fornecimento do nitrogênio. In: SEMINÁRIO DE INOVAÇÃO E TECNOLOGIA, 8, 2018.
Anais... p. 1336-1341, 2018.
SEMA, H.V., GURU, B., VEERAPPAN, R. Fuzzy gamma operator model for preparing
landslide susceptibility zonation mapping in parts of Kohima Town, Nagaland, India. Model.
Earth Syst. Environ. 2017.
SERGIPE - Secretaria de Estado da Agricultura e Desenvolvimento Rural. Informações Gerais
/Caracterização
do
Estado.
Sergipe.
Disponível
em:
<
https://www.seagri.se.gov.br/informacoes/1/caracterizacao-do-estado>. Acesso em: abr. 2020.
106
SERGIPE. Secretaria de Estado do Meio Ambiente e Recursos Hídricos. Atlas Digital sobre
Recursos Hídricos. Aracaju. SEMARH - 1DVD. 2014
SERGIPE. Secretaria de Meio Ambiente e Recursos Hídricos. Atlas Digital de Recursos
Hídricos. Sergipe. 2010.
SERGIPE. Secretaria de Meio Ambiente e Recursos Hídricos. Plano Estadual dos Recursos
Hídricos de Sergipe. Relatório Final. v.2. 2011.
SFB – Serviço Florestal Brasileiro. Inventário Florestal Nacional: Sergipe: principais
resultados. Ministério do Meio Ambiente, Brasília. 2017.
SHINZATO, E., CARVALHO FILHO, A., TEIXEIRA, W. G. Solos tropicais. In: SILVA, C.
R. Geodiversidade do Brasil: conhecer o passado, para entender o presente e prever o futuro.
Rio de Janeiro: CPRM, p. 121 – 134. 2008.
SHIRAN, A.A.M, ASADI, M.Z., KERAMATI, F. Landslide susceptibility zonation using the
fuzzy algebraic operators in GIS, Iran. Journal of Materials and Environmental Science. v. 8, n.
1, p. 50-59, 2017.
SILVA, N.S, ALVES, J.M.B., DA SILVA, E.M., LIMA, R.R. Avaliação da Relação Entre a
Climatologia, as Condições Sanitárias (Lixo) e a Ocorrência de Arboviroses (Dengue e
Chikungunya) em Quixadá-CE no Período Entre 2016 e 2019. Revista Brasileira de
Meteorologia, v. 35, n. 3, p. 485-492, 2020.
SILVA FILHO, M.A., TORRES, H.H.F. A new interpretation on the Sergipano Belt Domain,
Academia Brasileira de Ciências, Anais, v. 74, n.3, p.556-557. 2002.
SILVA JUNIOR, C.H L. Lógica Fuzzy e Processo Analítico Hierárquico (AHP) aplicados ao
Zoneamento de Áreas Suscetíveis a Deslizamentos: Uma Revisão. Revista Monografias
Ambientais - REMOA v. 14, n.3, p.42-58. 2015.
SILVA, A.B. et al. Estudos Geológicos, Hidrogeológicos, Geotécnicos e Geoambientais
Integrados do município de Belo Horizonte. IGC/UFMG. Belo Horizonte, 138 p. 1995.
SILVA, A.M., SILVA, M.L.N., CURI, N., AVANZI, J.C., FERREIRA, M.M. Erosividade da
chuva e erodibilidade de cambissolo e latossolo na região de lavras, sul de Minas Gerais.
Revista Brasileira de Ciências do Solo, v. 33, p. 1811-1820, 2009.
107
SIMPSON, J., KUMMEROW, C., TAO, W., ADLER, R.F. On the Tropical Rainfall Measuring
Mission (TRMM). Meteor. Atmos. Phys., v. 60, p. 19–36. 1996.
SOBRINHO, J.F. Precipitação e erosão do solo na Serra das Matas no ambiente do semiárido
cearense. Fórum Ambiental da Alta Paulista, v. 11, n. 6, p. 218-234. 2015.
SOUSA SILVA, L.C. «Fragilidade hídrica e ecodinâmica na Bacia Hidrográfica do Rio
Sergipe: Desafios à Gestão das águas». Tese (Doutorado em Geografia) - Programa de PósGraduação em Geografia – Doutorado, UFS, São Cristóvão (SE), 2014. 270 f.
SOUZA et al. Reconstructing Three Decades of Land Use and Land Cover Changes in Brazilian
Biomes with Landsat Archive and Earth Engine - Remote Sensing, v. 12, n. 17. 2020.
SOUZA, C.R., CRÓSTA, A.P. Geotecnologias aplicadas à geologia. Revista Brasileira de
Geociências. v. 33, p.1-4. 2003.
SOUZA, J.J., NASCIMENTO, R., ARAÚJO, M.N.C., OLIVEIRA, E. P., TEZINI, F.C.
Interpretação geológica do Domínio Canindé, Faixa Sergipana (NE do Brasil), a partir de
imagem Landsat ETM+. Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p.
937- 942. 2003
SOUZA, M.F.L. de. COUTO, E.C.G. Caracterização Ambiental da Bacia Hidrográfica do Rio
Piauí (SE). In: Schiavetti, A., Camargo, A. F. M. Conceitos de Bacias Hidrográficas. Ilheus,
Bahia: Editus, 2002.
SOUZA, N. P., SILVA, E. M. G. C., TEIXEIRA, M. D., LEITE, L. R., REIS, A. A., SOUZA,
L. N., ACERBI JUNIOR, F. W., RESENDE, T. A. Aplicação do estimador de densidade kernel
em unidades de conservação na bacia do rio São Francisco para análise de focos de
desmatamento e focos de calor. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 16. (SBSR). Foz do Iguaçu. Anais... São José dos Campos: INPE, p. 4958-4965,
2013.
SOUZA, Z.M., de PRADO, R. de M., PAIXÃO, A.C.S., CESARIN, L.G. Sistemas de colheita
e manejo da palhada de cana-de-açúcar. Pesquisa Agropecuária Brasileira, v. 40, p. 271-278,
2005.
VALERIANO,
M.M.,
ROSSETTI,
D.F.,
ALBUQUERQUE,
P.C.G.
Topodata:
desenvolvimento da primeira versão do banco de dados geomorfométricos locais em cobertura
108
nacional. In: Simpósio Brasileiro de Sensoriamento Remoto, Natal, RN. Anais..., São José dos
Campos, SP: INPE. CD-ROM. p. 1-8. 2009.
VIEIRA, S.O, OLIVEIRA, N.V., SATYAMURTY, P., ANDREOLI, R.V. Aplicação do
método fuzzy na classificação da zona de convergência do atlântico sul no sul da Amazônia.
Revista Brasileira de Meteorologia, v. 29, n. 4, p. 621 - 631, 2014.
Vieira, L.C. P. F. S. Modelagem fuzzy de dados climáticos estimados por modelo matemático
– CCATT-BRAMS. Dissertação (Mestrado em Engenharia Mecânica) – Faculdade de
Engenharia do Campus de Guaratinguetá, Universidade Estadual Paulista, Guaratinguetá, 72 f.,
2015
WEI, W., CHEN, L., FU, B., CHEN, J. Water Erosion Response to Rainfall and Land Use in
Different Drought-Level Years in a Loess Hilly Area of China. Catena, v. 81, p.24-31. 2010.
WEST, D. C. Mapeamento Geológico (escala 1:25.000) e modelo tectonossedimentar para a
Formação Barreiras no Sul do Estado do Espírito Santo. 2017. 86 f. Trabalho Final de Curso
(Graduação em Geologia) – Instituto de Geociências – Universidade Federal do Rio de Janeiro,
Rio de Janeiro, 2017.
WOLFF, D.B., MARKS, D.A., AMITAI, E., SILBERSTEIN, D.S., FISHER, B.L., TOKAY,
A., WANG, J., PIPPITT, J.L. Ground Validation for the Tropical Rainfall Measuring Mission
(TRMM).
American
Meteorological
Society.
2005.
Disponível
em:
http://journals.ametsoc.org/jtech/article-pdf/22/4/365/3867242/jtech1700_1.pdf. Acesso em:
mai. 2020.
ZADEH, L.A. Fuzzy sets information and control. Inf control. v. 8, p. 338–353. 1965.
ZHONGMING, W., LEES, B.G., FENG, J., WANNING, L., HAIJING, S. Stratified vegetation
cover index: A new way to assess vegetation impact on soil erosion. Catena, v. 83, p.87-93.
2010.
ZHONGMING, W., LEES, B. G., FENG, J., WANNING, L., HAIJING, S. Stratified vegetation
cover index: A new way to assess vegetation impact on soil erosion. Catena, v. 83, p.87-93.
2010.
ZHU, M., TAN, S., DANG, H., ZHANG, Q. Rare Earth Elements Tracing the Soil Erosion
Processes on Slope Surface Under Natural Rainfall. Journal of Environmental Radioactivity, v.
102, p. 1078-1084. 2011.