Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | https://hdl.handle.net/11449/253102 |
Resumo: | Modificações no uso do solo vêm ocorrendo de forma contínua e desordenada nas últimas décadas, onde essas constantes alterações resultam em uma série de efeitos deletérios ao meio ambiente e à vida humana. Nesse contexto, as bacias hidrográficas têm sido utilizadas em estudos voltados ao ordenamento territorial, como é caso do Zoneamento Ecológico-Econômico (ZEE), o qual visa assegurar a qualidade ambiental dos solos e recursos hídricos, bem como o desenvolvimento sustentável alinhado com melhorias na condição de vida da população por meio do gerenciamento do uso do solo. Diante do exposto, esse estudo visa contribuir com uma proposta metodológica para o ordenamento territorial nos moldes do ZEE, de forma que o processo de análise e aquisição de dados ocorra de forma mais rápida e simplificada. Sendo assim, esse estudo tem como objetivo avaliar a capacidade de uma Rede Neural Artificial (RNA) denominada método Self-Organizing Map (SOM) na elaboração do ZEE na Bacia Hidrográfica do Rio Sorocabuçu (BHRS), localizada no centro oeste do Estado de São Paulo. Para tal, um conjunto de parâmetros que envolvem o eixo físico, socioambiental, morfométrico e da paisagem foram elaborados com apoio de ferramentas de geoprocessamento, sendo estes, Índice de Transformação Antrópica (ITA), Índice de Integridade de Mata Ciliar (IIMC), Indicador do Potencial de Poluição Difusa (IPPD), Equação Universal de Perda de Solos (EUPS), Índice de Desenvolvimento Humano Municipal (IDHM) e, por fim, Índice de Sustentabilidade do Relevo (ISR). Com base nessas variáveis foi elaborado o Índice de Vulnerabilidade Socioambiental (IVSA) por meio da média aritmética dos indicadores para formar o referido índice, o que auxiliou na identificação das sub-bacias com maior vulnerabilidade. Por fim, foi elaborada uma proposta de ZEE com base em uma metodologia simplificada (álgebra de mapas) visando estabelecimento de zonas de manejo para BHRS, bem como servir de base para a avalição do desempenho da RNA-SOM. Com base nos parâmetros mencionados, foram realizados alguns experimentos visando selecionar um conjunto de variáveis e arquitetura da RNA que apresentassem maior desempenho na obtenção das zonas de manejo. Para isso, foram organizados três grupos com variabilidade em termos de quantidade e tipo de variável em cada um deles visando avaliar a capacidade e desempenho da rede. Os resultados demonstraram que três sub-bacias hidrográficas (1, 2 e 3) apresentam características e condições que favorecem a uma maior vulnerabilidade socioambiental, decorrentes principalmente de baixos valores de conservação das matas, somado ao uso destinado ao desenvolvimento de atividades agrícolas e área urbanizada, em função das boas condições físicas, corroborando com esse resultado. Com base nos conjuntos dos parâmetros foram delimitadas um total de 8 zonas para a BHRS sendo: Zona Agrícola, Zona Antrópica Urbana, Zona Antrópica Rural, Zona de Mata, Zona de Preservação de Alta Vulnerabilidade, Zona de Preservação de Baixa Vulnerabilidade Zona de Recuperação de Alta Vulnerabilidade e Zona de Recuperação de Baixa Vulnerabilidade. Os resultados obtidos com o uso da RNA-SOM mostraram-se adequados para a obtenção das respectivas zonas de manejo, de forma rápida e eficaz, mesmo com um menor número de variáveis de entrada e uso de dados brutos quando comparado ao mapa ZEE obtido por álgebra de mapas. Assim, a RNA-SOM surge como uma metodologia promissora visando simplificar o processo de elaboração do ZEE, contribuindo para avanços no processo de elaboração e tomada de decisões acerca desse tema. Finalmente, pretende-se por meio do mapa de zoneamento ecológico-econômico da BHRS, contribuir com a geração de informações e elementos norteadores para o monitoramento e análise, viabilizando a formulação de políticas públicas adequadas com maior precisão e consistência para o ordenamento territorial, visando o desenvolvimento sustentável. |
id |
UNSP_c9be1a57f9fb62cacff74bf4c36b0f78 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/253102 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficasDevelopment of a methodology based on artificial neural networks for ecological-economic zoning in hydrographic basinsOrdenamento territorialGeoprocessamentoAprendizado de MáquinaSelf organization mapLand planningGeoprocessingMachine learningModificações no uso do solo vêm ocorrendo de forma contínua e desordenada nas últimas décadas, onde essas constantes alterações resultam em uma série de efeitos deletérios ao meio ambiente e à vida humana. Nesse contexto, as bacias hidrográficas têm sido utilizadas em estudos voltados ao ordenamento territorial, como é caso do Zoneamento Ecológico-Econômico (ZEE), o qual visa assegurar a qualidade ambiental dos solos e recursos hídricos, bem como o desenvolvimento sustentável alinhado com melhorias na condição de vida da população por meio do gerenciamento do uso do solo. Diante do exposto, esse estudo visa contribuir com uma proposta metodológica para o ordenamento territorial nos moldes do ZEE, de forma que o processo de análise e aquisição de dados ocorra de forma mais rápida e simplificada. Sendo assim, esse estudo tem como objetivo avaliar a capacidade de uma Rede Neural Artificial (RNA) denominada método Self-Organizing Map (SOM) na elaboração do ZEE na Bacia Hidrográfica do Rio Sorocabuçu (BHRS), localizada no centro oeste do Estado de São Paulo. Para tal, um conjunto de parâmetros que envolvem o eixo físico, socioambiental, morfométrico e da paisagem foram elaborados com apoio de ferramentas de geoprocessamento, sendo estes, Índice de Transformação Antrópica (ITA), Índice de Integridade de Mata Ciliar (IIMC), Indicador do Potencial de Poluição Difusa (IPPD), Equação Universal de Perda de Solos (EUPS), Índice de Desenvolvimento Humano Municipal (IDHM) e, por fim, Índice de Sustentabilidade do Relevo (ISR). Com base nessas variáveis foi elaborado o Índice de Vulnerabilidade Socioambiental (IVSA) por meio da média aritmética dos indicadores para formar o referido índice, o que auxiliou na identificação das sub-bacias com maior vulnerabilidade. Por fim, foi elaborada uma proposta de ZEE com base em uma metodologia simplificada (álgebra de mapas) visando estabelecimento de zonas de manejo para BHRS, bem como servir de base para a avalição do desempenho da RNA-SOM. Com base nos parâmetros mencionados, foram realizados alguns experimentos visando selecionar um conjunto de variáveis e arquitetura da RNA que apresentassem maior desempenho na obtenção das zonas de manejo. Para isso, foram organizados três grupos com variabilidade em termos de quantidade e tipo de variável em cada um deles visando avaliar a capacidade e desempenho da rede. Os resultados demonstraram que três sub-bacias hidrográficas (1, 2 e 3) apresentam características e condições que favorecem a uma maior vulnerabilidade socioambiental, decorrentes principalmente de baixos valores de conservação das matas, somado ao uso destinado ao desenvolvimento de atividades agrícolas e área urbanizada, em função das boas condições físicas, corroborando com esse resultado. Com base nos conjuntos dos parâmetros foram delimitadas um total de 8 zonas para a BHRS sendo: Zona Agrícola, Zona Antrópica Urbana, Zona Antrópica Rural, Zona de Mata, Zona de Preservação de Alta Vulnerabilidade, Zona de Preservação de Baixa Vulnerabilidade Zona de Recuperação de Alta Vulnerabilidade e Zona de Recuperação de Baixa Vulnerabilidade. Os resultados obtidos com o uso da RNA-SOM mostraram-se adequados para a obtenção das respectivas zonas de manejo, de forma rápida e eficaz, mesmo com um menor número de variáveis de entrada e uso de dados brutos quando comparado ao mapa ZEE obtido por álgebra de mapas. Assim, a RNA-SOM surge como uma metodologia promissora visando simplificar o processo de elaboração do ZEE, contribuindo para avanços no processo de elaboração e tomada de decisões acerca desse tema. Finalmente, pretende-se por meio do mapa de zoneamento ecológico-econômico da BHRS, contribuir com a geração de informações e elementos norteadores para o monitoramento e análise, viabilizando a formulação de políticas públicas adequadas com maior precisão e consistência para o ordenamento territorial, visando o desenvolvimento sustentável.Land use changes have been occurring continuously and disorderly in recent decades, where these constant alterations result in a series of deleterious effects on the environment and human life. In this context, watersheds have been used in studies aimed at territorial planning, such as the Ecological-Economic Zoning (EEZ), which aims to ensure the environmental quality of soils and water resources, as well as sustainable development aligned with improvements in the population's living conditions through land use management. In view of the foregoing, this study aims to contribute to a methodological proposal for territorial planning in the EEZ model, so that the process of analysis and data acquisition occurs more quickly and simplified. Thus, this study aims to use an Artificial Neural Network (ANN) called the Self-Organizing Map (SOM) method, for the development of the EEZ in the Sorocabuçu River Watershed (SRW), located in the west-central region of the State of São Paulo. For this purpose, a set of parameters involving the physical, socio-environmental, morphometric, and landscape axes were developed with the support of geoprocessing tools, namely, Anthropogenic Transformation Index (ATI), Riparian Forest Integrity Index (RFII), Indicator of Diffuse Pollution Potential (IDPP), Universal Soil Loss Equation (USLE), Municipal Human Development Index (MHDI), and finally, Relief Sustainability Index (RSI). Based on these variables, the Socio-Environmental Vulnerability Index (SEVI) was developed by averaging the indicators to form the index to assist in identifying the sub-watersheds with the greatest vulnerability. Finally, a proposal for EEZ was elaborated based on a simplified methodology aimed at establishing management zones for the SRW and their spatialization. The results showed that three hydrographic sub-watersheds (1, 2, and 3) have characteristics and conditions that favor greater socio-environmental vulnerability, mainly due to low forest conservation values, added to the use for the development of agricultural activities and urbanized areas, due to good physical conditions, corroborating this result. Based on the sets of parameters, a total of 8 zones were delimited for the BHRS: Agricultural Zone, Urban Anthropic Zone, Rural Anthropic Zone, Forest Zone, High Vulnerability Preservation Zone, Low Vulnerability Preservation Zone High Vulnerability and Low Vulnerability Recovery Zone. The results obtained using ANN-SOM proved to be adequate for obtaining the respective management zones, quickly and effectively, even with a smaller number of input variables and use of raw data when compared to the EEZ map obtained by map algebra. Thus, ANN-SOM emerges as a promising methodology aimed at simplifying the process of preparing the EEZ, contributing to advances in the process of elaboration and decision-making on this topic. Finally, it is intended, through the BHRS ecological-economic zoning map, to contribute to the generation of information and guiding elements for monitoring and analysis, enabling the formulation of appropriate public policies with greater precision and consistency for territorial planning, aiming sustainable development.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES:001Universidade Estadual Paulista (Unesp)Lourenço, Roberto Wagner [UNESP]Silva, Darllan Collins da Cunha e [UNESP]Arantes, Leticia Tondato2024-01-30T18:06:31Z2024-01-30T18:06:31Z2023-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfARANTES, Leticia Tondato. Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas. 2023. 158 p. Tese (Doutorado em Ciências Ambientais) – Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2023.https://hdl.handle.net/11449/25310211699616401502120000-0002-5541-1304porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-31T06:44:37Zoai:repositorio.unesp.br:11449/253102Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:26:12.917749Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas Development of a methodology based on artificial neural networks for ecological-economic zoning in hydrographic basins |
title |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
spellingShingle |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas Arantes, Leticia Tondato Ordenamento territorial Geoprocessamento Aprendizado de Máquina Self organization map Land planning Geoprocessing Machine learning |
title_short |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
title_full |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
title_fullStr |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
title_full_unstemmed |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
title_sort |
Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas |
author |
Arantes, Leticia Tondato |
author_facet |
Arantes, Leticia Tondato |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lourenço, Roberto Wagner [UNESP] Silva, Darllan Collins da Cunha e [UNESP] |
dc.contributor.author.fl_str_mv |
Arantes, Leticia Tondato |
dc.subject.por.fl_str_mv |
Ordenamento territorial Geoprocessamento Aprendizado de Máquina Self organization map Land planning Geoprocessing Machine learning |
topic |
Ordenamento territorial Geoprocessamento Aprendizado de Máquina Self organization map Land planning Geoprocessing Machine learning |
description |
Modificações no uso do solo vêm ocorrendo de forma contínua e desordenada nas últimas décadas, onde essas constantes alterações resultam em uma série de efeitos deletérios ao meio ambiente e à vida humana. Nesse contexto, as bacias hidrográficas têm sido utilizadas em estudos voltados ao ordenamento territorial, como é caso do Zoneamento Ecológico-Econômico (ZEE), o qual visa assegurar a qualidade ambiental dos solos e recursos hídricos, bem como o desenvolvimento sustentável alinhado com melhorias na condição de vida da população por meio do gerenciamento do uso do solo. Diante do exposto, esse estudo visa contribuir com uma proposta metodológica para o ordenamento territorial nos moldes do ZEE, de forma que o processo de análise e aquisição de dados ocorra de forma mais rápida e simplificada. Sendo assim, esse estudo tem como objetivo avaliar a capacidade de uma Rede Neural Artificial (RNA) denominada método Self-Organizing Map (SOM) na elaboração do ZEE na Bacia Hidrográfica do Rio Sorocabuçu (BHRS), localizada no centro oeste do Estado de São Paulo. Para tal, um conjunto de parâmetros que envolvem o eixo físico, socioambiental, morfométrico e da paisagem foram elaborados com apoio de ferramentas de geoprocessamento, sendo estes, Índice de Transformação Antrópica (ITA), Índice de Integridade de Mata Ciliar (IIMC), Indicador do Potencial de Poluição Difusa (IPPD), Equação Universal de Perda de Solos (EUPS), Índice de Desenvolvimento Humano Municipal (IDHM) e, por fim, Índice de Sustentabilidade do Relevo (ISR). Com base nessas variáveis foi elaborado o Índice de Vulnerabilidade Socioambiental (IVSA) por meio da média aritmética dos indicadores para formar o referido índice, o que auxiliou na identificação das sub-bacias com maior vulnerabilidade. Por fim, foi elaborada uma proposta de ZEE com base em uma metodologia simplificada (álgebra de mapas) visando estabelecimento de zonas de manejo para BHRS, bem como servir de base para a avalição do desempenho da RNA-SOM. Com base nos parâmetros mencionados, foram realizados alguns experimentos visando selecionar um conjunto de variáveis e arquitetura da RNA que apresentassem maior desempenho na obtenção das zonas de manejo. Para isso, foram organizados três grupos com variabilidade em termos de quantidade e tipo de variável em cada um deles visando avaliar a capacidade e desempenho da rede. Os resultados demonstraram que três sub-bacias hidrográficas (1, 2 e 3) apresentam características e condições que favorecem a uma maior vulnerabilidade socioambiental, decorrentes principalmente de baixos valores de conservação das matas, somado ao uso destinado ao desenvolvimento de atividades agrícolas e área urbanizada, em função das boas condições físicas, corroborando com esse resultado. Com base nos conjuntos dos parâmetros foram delimitadas um total de 8 zonas para a BHRS sendo: Zona Agrícola, Zona Antrópica Urbana, Zona Antrópica Rural, Zona de Mata, Zona de Preservação de Alta Vulnerabilidade, Zona de Preservação de Baixa Vulnerabilidade Zona de Recuperação de Alta Vulnerabilidade e Zona de Recuperação de Baixa Vulnerabilidade. Os resultados obtidos com o uso da RNA-SOM mostraram-se adequados para a obtenção das respectivas zonas de manejo, de forma rápida e eficaz, mesmo com um menor número de variáveis de entrada e uso de dados brutos quando comparado ao mapa ZEE obtido por álgebra de mapas. Assim, a RNA-SOM surge como uma metodologia promissora visando simplificar o processo de elaboração do ZEE, contribuindo para avanços no processo de elaboração e tomada de decisões acerca desse tema. Finalmente, pretende-se por meio do mapa de zoneamento ecológico-econômico da BHRS, contribuir com a geração de informações e elementos norteadores para o monitoramento e análise, viabilizando a formulação de políticas públicas adequadas com maior precisão e consistência para o ordenamento territorial, visando o desenvolvimento sustentável. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-20 2024-01-30T18:06:31Z 2024-01-30T18:06:31Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
ARANTES, Leticia Tondato. Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas. 2023. 158 p. Tese (Doutorado em Ciências Ambientais) – Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2023. https://hdl.handle.net/11449/253102 1169961640150212 0000-0002-5541-1304 |
identifier_str_mv |
ARANTES, Leticia Tondato. Elaboração de uma metodologia baseada em redes neurais artificiais para o zoneamento ecológico-econômico em bacias hidrográficas. 2023. 158 p. Tese (Doutorado em Ciências Ambientais) – Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2023. 1169961640150212 0000-0002-5541-1304 |
url |
https://hdl.handle.net/11449/253102 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129320335441920 |