Escolar Documentos
Profissional Documentos
Cultura Documentos
Como o
Modelo
Digital de
Elevação
estudos
é importante para
ambientais
Entenda como o
MDE pode ser
útil a você, que
atua na área
ambiental.
ebook
2021
@pixelinbox
www.pixelinbox.com
pixelinbox@yahoo.com
2
Sumário
Apresentação 8
Capítulo 1 Meio ambiente, relevo e
modelo digital de elevação 11
1.1 O meio ambiente é espacial 11
1.2 O relevo é a base para inúmeros estudos ambientais 12
1.3 O Modelo Digital de Elevação tem papel chave nos estudos
ambientais 13
Capítulo 7 Geotecnia 54
7.1 Erosão hídrica e perda de solo 55
7.2 Risco de deslizamento de terra 56
7.3 Risco de rompimento de barragem 57
7
Obviamente, muitos tópicos podem
9
Qual o conteúdo O capítulo 3 apresenta diversas Cada um dos capítulos 6 a 13
formas de analisar o relevo a aborda uma grande área do
deste livro? partir do processamento do conhecimento (hidrologia;
MDE, como a elaboração de geotecnia; ciências
Este livro foi cuidadosamente
curva hispsométrica, perfis atmosféricas; resíduos sólidos;
organizado em 15 capítulos.
transversais, curvas de nível e ecologia, biologia e ciências
visualização do MDE na forma florestais; ciências agrícolas;
No capítulo 1, descrevemos a
3D, entre outros. energias renováveis;
importância de analisar o meio
ambiente espacialmente e de planejamento urbano e
No capítulo 4, abordamos o que
como as características mobilidade). Ao total, são
pode ser considerado o principal
topográficas estão intimamente descritos 35 temas de aplicação do
uso que se tem dado aos MDEs:
relacionadas a ele. Isso justifica a MDE e produtos derivados dentro
a obtenção da rede de
massiva integração de Modelos dessas 8 áreas do conhecimento.
drenagem. Mostramos as
Digitais de Elevação aos estudos operações e conceitos
ambientais. Uma mensagem final aos leitores é
envolvidos, e como extrair
apresentada no capítulo 14, e o
diversas características da rede
O capítulo 2 aborda os principais capítulo 15 lista as dezenas de
de drenagem.
conceitos sobre MDEs, como a referências bibliográficas citadas no
origem dos dados topográficos e livro.
O capítulo 5 é complementar ao
como pode-se trabalhar tais
Boa leitura e
anterior, mas focado na
dados em formato digital. Ainda, delimitação e caracterização de
apresenta as principais fontes de
dados de MDEs.
bacias hidrográficas e a divisão
em sub-bacias. divirtam-se! 10
1
Meio ambiente,
relevo e modelo
digital de elevação
Capítulo
11
1.1 O meio ambiente é espacial
RELEVO
13
1.3 O Modelo Digital de Elevação tem
papel chave nos estudos ambientais
Capítulo
16
2.1 Formas de representar a A superfície do terreno pode ser representada
digitalmente por três formas principais: usando
superfície do terreno em curvas de nível, ou via uma rede de triângulos
meio digital irregulares ou por uma matriz numérica.
Curvas
de nível TIN Raster
Representação topográfica por meio O TIN (Triangular Irregular Network) No formato de matriz numérica, ou
de linhas ou contornos de mesma representa a topografia por um raster, cada elemento da matriz
elevação. conjunto de faces triangulares de representa a elevação do terreno
tamanhos variados e inclinados. naquele ponto.
Essas linhas podem ser digitalizadas
a partir de cartas topográficas ou Permite visualizar na forma Forma mais prática e utilizada para
podem ser obtidas a partir de tridimensional o relevo e é eficiente representar a topografia da superfície.
pontos cotados ou mesmo via computacionalmente no Facilita cruzamentos e análises com
17
processamento de um MDE. armazenamento da informação. outros planos de informação.
2.2 Características da representação
topográfica em formato raster
O formato raster nada mais é do que uma matriz numérica, cujo
atributo se refere à elevação do terreno, usualmente em metros. Mas,
ao invés de olhar para os números em si, adota-se uma paleta de cores
correspondentes aos valores, o que permite a identificação e
interpretação adequadas.
19
Mas veja que o pixel ocupa uma área geográfica. O
atributo do pixel é representativo então do ponto Qual gráfico melhor
central desse pixel? Não. O valor do pixel é uma
representa um perfil
representação da variável da imagem sobre toda a área
transversal traçado ao
do pixel. Ou seja, ao trabalhar com um raster, assume-se
longo da linha tracejada que
que, na área ocupada por cada pixel, a variável
representada é uniforme espacialmente. corta esse pixel do MDE?
MDT 22
2.5.1 Tipos de levantamento Há, também, os levantamentos com
2.5 Qual a origem dos Os dados topográficos podem ser equipamentos e sensores
dados topográficos? coletados por meio de diferentes aerotransportados, sejam aeronaves
tipos de levantamentos. Uma das tradicionais, como aviões, ou os
formas mais tradicionais é com o veículos aéreos não tripulados (VANTs),
uso de equipamentos em solo, grupo no qual se destacam os drones.
como teodolito e estação total.
Outro tipo de levantamento é via
sensores remotos orbitais, a bordo de
satélites.
23
2.5.2 Dados de
sensoriamento
remoto orbital
24
2.6 Quais são os modelos digitais
de elevação disponíveis?
Esses quatro produtos listados na tabela à esquerda são
2.6.1 Fontes de dados de MDEs de as principais fontes de dados de MDEs a nível global.
levantamentos globais
O SRTM é o mais famoso e ainda o mais utilizado
Nome do Sistema de Comprimento Resolução
mundialmente, pela gratuidade e por ser o precursor
produto imageamento de onda espacial
dentre eles. Pelo tipo de radar e comprimento de onda
Radar de abertura utilizado, esses dados tem interferência relevante da
SRTM 5,66 cm 90m, 30 m
sintética banda C
vegetação de maior porte, como ilustrado na figura
ASTER abaixo.
Óptico 0,78 - 0,86 m 30 m
GDEM
2,5 m, 5 m,
Os produtos ALOS AW3D e TanDEM-X, principalmente
ALOS
Óptico 0,52 - 0,77 m esse último, tem se destacado nas avaliações de
AW3D 30 m
pesquisas científicas recentemente. Porém, as resoluções
Radar de abertura mais refinadas de ambos não são gratuitas .
TanDEM-X 3,1 cm 12 m, 30 m
sintética banda X
25
2.6.2 Outras fontes de
dados de MDEs
Capítulo
27
3.1 Curvas de nível, faixas de
elevação e curva hipsométrica
A partir das faixas de elevação,
O uso mais básico dos Modelos Digitais de Elevação é pode-se elaborar a curva
para caracterizar o relevo de uma região. A hipsométrica, que mostra o
visualização do MDE com o devido ajuste da paleta de percentual da área de estudo que
cores já permite identificar características da está acima de cada valor de
topografia local. Mas isso geralmente requer olhos elevação do terreno.
mais treinados.
Trata-se de uma forma clássica de
Para melhor identificar as feições topográficas, pode- sintetizar a variação topográfica de
se gerar curvas de nível ou classificar a região em uma área, com uso direto para
faixas de elevação, isto é, identificar e quantificar as estudos geomorfológicos e
áreas contidas em determinados intervalos de valores hidrológicos.
de elevação. Gera-se informação interessante para
estudos geomorfológicos e hidrológicos, além de ser
útil para cruzamento com outros planos de
informação.
Declividades
Áreas com
da superfície
MDE declividade de
até 12%
A análise das declividades da superfície pode ser usada, por exemplo, como
um dos critérios para a seleção de locais para instalação de aterros
sanitários, geralmente procurando áreas com declividade entre 5% e 25%.
31
4.1 Depressões do terreno, direções de Com o MDE tratato,
determinam-se as direções de
fluxo e áreas acumuladas de drenagem fluxo, que é um plano de
MDE informação no qual cada pixel
assume uma dentre 8 possíveis
O processamento do MDE para
MDE sem direções de fluxo; cada
obtenção e caracterização da rede de depressões possibilidade de direção de
drenagem é uma etapa fundamental
fluxo aponta o sentido do
para gerar informações para diversos
escoamento para um dos 8
outros estudos ambientais.
Rede de vizinhos ao redor do pixel em
drenagem análise, em uma janela 3 x 3.
O procedimento inicia com o
tratamento do MDE para a remoção
Nessa etapa também há
de depressões. É uma tarefa que
resultados diferenciados em
requer algoritmo específico, quase
função do algoritmo utilizado.
sempre disponível nos softwares de
Procure sempre acompanhar a
geoprocessamento. Mas atenção:
evolução do conhecimento e
trata-se de uma operação complexa,
utilizar os métodos mais
que tem motivado inúmeras
recomendados.
pesquisas científicas, visando Direções
incrementar a qualidade dos de fluxo
resultados e também conseguir Áreas
trabalhar com grandes quantidades acumuladas
32
de dados. de drenagem
A idéia central dos algoritmos é tentar artificialmente
4.2 Qual algoritmo utilizar para
elevar esses pixels mais baixos, para ocorrer uma
remover depressões do MDE e declividade positiva para o fluxo, ou escavar o terreno,
obter direções de fluxo? rebaixando pixels vizinhos, ou a combinação de
medidas de escavar e elevar pixels.
Para onde essa área deve drenar, e como Essa situação surge de duas formas:
devem ser os caminhos de fluxo internos
a ela? 1) o MDE é oriundo de dados de levantamentos refinados como
o LiDAR, com resolução espacial de 1 m, por exemplo;
Os algoritmos originalmente propostos
na década de 1980 (O'Callaghan e Marks, 2) ou porque se trabalha com bacias hidrográficas muito
1984; Jenson e Domingue, 1988; Marks, extensas, fazendo com que mesmo considerando um MDE com
1983), por exemplo, apresentam uma resolução espacial de 30 m, o custo computacional de
tendência a gerar drenagens paralelas processamento possa ser proibitivo.
irreais, devido a essa questão das áreas
planas - comum de acontecer em rios
largos ou nas planícies de inundação.
40
5.1 Delimitação de Basta selecionar o pixel Se um mesmo ponto é escolhido
bacia hidrográfica definido como exutório como exutório, as diferenças
da bacia a delimitar e, dentre delimitações é resultante
depois, identificar todos unicamente das direções de fluxo.
Uma bacia hidrográfica é
os pixels cujos caminhos Isso reforça a importância do
um conjunto de áreas que
de fluxo passam por tal algoritmo usado para obter esse
contribuem com
exutório. plano de informações.
escoamento para um
determinado ponto. Esse
ponto é chamado de
exutório da bacia.
Logo, a delimitação
automatizada de uma
bacia hidrográfica a partir
do MDE é um
procedimento simples,
desde que as direções de
fluxo, principalmente, e
outros planos de
informação já estejam
disponíveis.
41
Tal divisão segue o método proposto por
5.2 Divisão em Otto Pfafstetter, que consiste em identificar
sub-bacias os 4 principais cursos d'água e delimitar
suas sub-bacias correspondentes, além das
Para vários tipos de estudos, incluindo 3 bacias intermediárias a elas, a bacia a
a avaliação de disponibilidade hídrica e montante do afluente situado na parte mais
a gestão da demanda pelos recursos alta, e a bacia a jusante do afluente situado
hídricos, há o interesse em dividir a na parte mais baixa da bacia.
bacia hidrográfica em unidades
menores, as sub-bacias. Esse procedimento pode ser repetido para
divisão de cada uma dessas bacias,
Também é um procedimento que recursivamente.
pode ser automatizado a partir do
processamento do MDE e seus Outra forma é definir sub-bacias em função
produtos. diretamente das confluências dos cursos
d'água, ou impondo um critério de área
Mas há diferentes critérios para mínima de contribuição de cada sub-bacia.
estabelecer essa divisão em sub-
bacias. A escolha depende, principalmente, do
propósito que se quer fazer com tal
Uma das formas muito utilizada é a subdivisão, devendo haver a correta
divisão em otto-bacias (Verdin e interpretação dessa representação
Verdin, 1999). adotada. 42
A delimitação da bacia A relação entre o
permite quantificar sua área comprimento de todos os
5.3 Características da bacia e seu perímetro, e com cursos d'água da rede de
essas informações drenagem e a área da
hidrográfica e sub-bacias determinar o coeficiente de bacia representa a
compacidade (Kc) e o fator densidade de drenagem
Com o processamento do de forma (Kf), o qual requer (Dd). Quanto maior esse
Do MDE, tem-se estatísticas da
MDE e a delimitação da também informação do valor, mais bem drenada é
variação topográfica
bacia hidrográfica, pode- curso d'água principal. a bacia.
internamente à bacia.
se extrair uma série de
características envolvendo Esses dois coeficientes Lembra do parâmetro
A rede de drenagem da bacia
o MDE, a rede de ajudam a caracterizar o Amin para derivar a rede
pode ser hierarquizada segundo
drenagem e outros formato da bacia e a de drenagem? O valor de
diferentes codificações, como a
produtos no formato estimar a tendência a Dd vai ser totalmente
ordem de Strahler.
raster. cheias que ela apresenta. dependente de Amin.
43
6
6
Hidrologia
Capítulo
44
6.1 Análise 6.2 Rede de 6.3 Modelagem hidrológica
do relevo drenagem e bacia Um aspecto que tem potencializado o
hidrográfica benefício de incorporar um MDE aos
A caracterização do estudos hidrológicos é a modelagem
relevo é uma Quase todo estudo hidrológica.
informação básica para hidrológico também requer
a maioria dos estudos informações da rede de Modelos matemáticos diversos tem sido
hidrológicos, já que a drenagem e a delimitação aplicados para representar distintos
topografia rege o da bacia hidrográfica. sistemas e processos hidrológicos, seja
padrão de na escala de bacia hidrográfica, de
direcionamento do Isso vale tanto para bacias trecho de rio ou de áreas urbanas. Na
escoamento na escala micro, de poucos verdade, a disponibilidade da informação
da água. km², a até a escala de topográfica na forma do MDE também
grandes bacias, de dezenas tem potencializado os modelos
Análise hipsométrica, de milhares de km². hidrológicos.
informações de
declividade, perfis Nesse segundo caso, deve-
transversais e curvas de se atentar para efeitos de
nível são utilizadas escala entre a resolução
como dados de entrada espacial do MDE que vai ser
em muitos estudos trabalhado e o tamanho da
hidrológicos. bacia (Davies e Bell, 2009).
45
Por isso, MDEs e 6.4 Mapeamento e Porém, com o uso de modelos
Isso pode ser feito
produtos básicos zoneamento de inundações hidrodinâmicos se consegue estimar
combinado ou não com
derivados como as áreas de inundação para
As informações contidas e derivadas dados hidrológicos e
direções de fluxo, áreas diferentes eventos de cheia, bem
do MDE são imprescindíveis para o observações de eventos
acumuladas e rede de como compor sistemas de previsão e
mapeamento e zoneamento de de cheia (Speckhann et al.,
drenagem são alerta em tempo real (Loi et al., 2019).
inundações. 2018).
informação básica de
entrada requerida para 6.5 Inundações urbanas
É possível estimar o risco à Para esse tipo de estudo,
a maioria dos modelos
inundação a partir de análises precisa-se caracterizar a A combinação modelos hidrológicos e
hidrológicos com base
diretas do MDE, como via o descritor topografia da planície de MDE é valiosa para estudar diferentes
física, como os modelos
do terreno HAND (Height Above inundação e áreas cenários de inundações urbanas e
hidrológicos distribuídos
Nearest Drainage; Nobre et al., adjacentes. Quanto estimar os custos associados,
ou os modelos
2016; Rodda, 2005; Rennó et al., melhor essa informação, auxiliando a tomada de decisão (Kim
hidrodinâmicos.
2008). mais realista é o estudo. et al., 2020) 46
47
6.6 Inventário do
potencial hidroelétrico
O processamento do MDE
permite avaliar, de forma
prática e rápida, o potencial
hidroelétrico de uma região
(Larentis et al., 2010).
50
6.8 Onda de cheia por
Para esses estudos a caracterização
ruptura de barragens
topográfica a partir de MDEs é fundamental.
Um outro uso de MDEs relacionado a
barramentos é para a elaboração de Dados obtidos por levantamento
estudos de propagação de onda de aerotransportado como sensores LiDAR são
cheia resultante de cenários de muito recomendados nessa situação, devido
rompimento de barragem (Azeez et al., ao maior refinamento da resolução espacial e
2020). menor efeito da cobertura vegetal.
51
As áreas de contribuição de águas
6.9 Conectividade 6.10 Recarga de subterrâneas podem diferir substancialmente
hidrológica rio-planície águas subterrâneas das áreas de contribuição definidas pela
topografia (Park et al., 2020).
Estudos hidrológicos valendo-se
de MDE podem ser usados
Fatores como tipo de solos, geologia,
também para avaliar padrões de
cobertura vegetal e regime de precipitação
conectividade entre o rio, ou sua
são muito atuantes nas características dos
calha principal, e a planície de
estoques subterrâneos de água.
inundação.
Mas os MDEs também dão suporte na
A conectividade rio-planície age
identificação de áreas de recarga subterrânea,
fortemente no funcionamento,
a partir de sua análise direta e de produtos
integridade e produtividade dos
derivados como direções de fluxo, áreas
ecossistemas (Park e Latrubesse,
acumuladas de drenagem e mapa de
2017; Liu et al., 2020).
declividades da superfície (Baalousha et al.,
2018; Ahiwar et al., 2020).
52
6.11 Poluição do
Trata-se de uma Além do MDE, planos de Esse tipo de estudo pode ajudar a
solo e da água ferramenta útil para informação como direções identificar as fontes de poluição
Com modelos hidrológicos simular cenários de fluxo, áreas acumuladas difusa que aporta aos rios (Xiang et
alimentados por MDE e diversos de intervenção, de drenagem, delimitação al., 2020) e quantificar as cargas
produtos derivados de mudança de uso e da bacia, rede de poluentes de forma espacialmente
acoplados a módulos de cobertura da terra, e de drenagem, distâncias até os distribuída (Motovilov e
simulação da qualidade da ocorrência de derrames cursos d'água e declividade Fashchevskaya, 2019), fornecendo
água, pode-se estimar o e acidentes com cargas da superfície podem subsídios para a tomada de decisão
transporte de contaminantes de poluentes na auxiliar na elaboração de acerca do gerenciamento de risco e
pela bacia hidrográfica. superfície da bacia. tais estimativas. controle da poluição ambiental.
53
7
7
Geotecnia
ambiental
Capítulo
54
A morfometria da bacia hidrográfica
pode ser vista como fator pré-
condicionante ao risco de erosão, o
7.1 Erosão hídrica que ressalta a relevância de
e perda de solo adequadamente fazer o tratamento
e processamento do MDE e dos
O processo de erosão do solo produtos necessários.
está relacionado a diversos
fatores ambientais. A obtenção do fator topográfico (LS)
e abordagens do tipo RUSLE são
Modelos de predição de erosão muito usadas (Lu et al., 2020).
tem usado características
geofísicas e geomorfológicas A determinação do início da rede de
como declividade do terreno, drenagem e o cômputo das
tipo de solo, uso e cobertura da distâncias de cada ponto da bacia
terra, topografia, distâncias até até a rede de drenagem merecem
o rio, densidade de drenagem, especial atenção, pois influenciam
geometria e índice de diretamente a distinção das áreas
bifurcação da rede de com produção e processos erosivos
drenagem, além da erosividade à superfície das áreas de maior
da chuva (Hembran et al., 2019; transporte pelas calhas dos cursos
Lohani et al., 2020). d'água. 55
Nessa empreitada, a análise
7.2 Risco de
morfométrica e morfológica da
deslizamento de terra área é um fator crucial.
56
7.3 Risco de
rompimento de
barragem
As elevações do maciço de
uma barragem obtidas com
precisão e representadas
em um MDE podem ser Um desses métodos é o
usadas como informação baseado na
para investigar o risco de microgravimetria, que
falhas e de rompimento da procura estudar variações
barragem, em algumas do campo gravitacional
abordagens (Dezert et al., associadas a anomalias de
2020). massa (Dezert et al., 2020).
57
8
8
Ciências
atmosféricas
Capítulo
58
Ferramentas matemáticas Nessa linha, outro tipo de estudo
como análise de regressão, similar é a identificação de padrões
modelagem matemática e de como varia no tempo e no
inteligência artificial tem sido espaço a concentração de
empregadas em estudos para poluentes atmosféricos.
simular a dispersão de
poluentes na atmosfera. Por exemplo, Kong e Tian (2020)
8.1 Dispersão estimaram como varia espaço-
de poluentes Podem ser gerados subsídios temporalmente a concentração de
para auxiliar as intervenções, a material particulado na atmosfera.
atmosféricos
proposição de ajuste de Avaliaram, ainda, quais fatores que
regulamentos e o incentivo a atuam mais fortemente para isso,
Com a crescente medidas mais sustentáveis. como uso da terra, Modelo Digital de
urbanização, Elevação, distribuição da população,
aumento da Quase todas as abordagens de localização das estradas e fatores
industrialização e análise de dispersão de meteorológicos.
crescimento da poluentes atmosféricos requer
frota de veículos, a caracterização topográfica do A incorporação das informações
monitorar e ambiente, o que costuma ser geoespaciais e, em especial, do MDE,
controlar a poluição provido pelos Modelos Digitais é fundamental para compreender o
atmosférica é um de Elevação, como nos estudos meio ambiente.
dos grandes de Douglas et al. (2019) e Conti
desafios globais. et al. (2017), por exemplo. Você ainda tem dúvidas? 59
8.2 Otimização da Em segundo lugar, o MDE 8.3 Modelagem da
rota de veículos para é usado como plano de interação solo-
informações para
redução de poluição vegetação-atmosfera
possibilitar o estudo da
Uma forma de incorporar o dispersão de poluentes O MDE também é um plano de
MDE duplamente: otimizar a na atmosfera. informações usado como
rota de veículos de carga entrada para estudos de
para reduzir a poluição Pode-se avaliar o grau de modelagem matemática das
atmosférica (Schroder e impacto de diferentes interações entre os sistemas
Cabral, 2019). rotas dos veículos em solo, vegetação e atmosfera
partes específicas da (Emmett et al., 2021; Ivanov et
Primeiro, precisa-se do MDE cidade, consideradas al., 2008).
para contabilizar o consumo mais sensíveis à poluição
de combustível e esforço de atmosférica, como áreas São realizadas simulações para
motor em função das escolares e de hospitais. representar como energia, água,
elevações do trajeto. carbono e outros constituintes
são trocados entre tais sistemas,
sendo a topografia um aspecto
fundamental (Ji et al., 2017).
60
Esse tipo de estudo é Consequencia imediata Para esse tipo de estudo,
essencial para melhor desse aumento é a Modelos Digitais de
entender o funcionamento inundação de áreas Elevação das áreas
biogeoquímico dos costeiras. costeiras são informação
ecossistemas, para simular imprescindível.
impactos de cenários de Assim, é crucial estimar o
mudanças climáticas e potencial de exposição da Os MDEs servem para
impactos de ações como população às projeções diferentes abordagens de
desmatamento, substituição de aumento do nível do estimar a área inundada
de cobertura vegetal, mar, para planejamento a partir de cenários de
queimadas e outras da ocupação costeira e elevação do nível do mar,
intervenções antrópicas. para avaliação dos como métodos diretos a
benefícios de mitigar as partir da análise
8.4 Impacto do mudanças climáticas, bem topográfica, método do
aumento do nível como dos custos da falha tipo vasos comunicantes
em agir nesse sentido e ainda aplicações de
do mar
(Kulp e Strauss, 2019; modelos hidráulicos-
Com as mudanças climáticas, Gesch, 2018). hidrodinâmicos.
uma das grandes
preocupações ambientais é
o aumento do nível mar.
61
9
9
Ecologia,
biologia e
ciências
florestais
Capítulo
62
9.1 Diversidade Por sua vez, a Por isso, Modelos Digitais de Elevação
da paisagem diversidade da paisagem são um dos planos de informação
atua fortemente na requeridos para adequadamente
As características ciclagem biogeoquímica, avaliar a diversidade da paisagem
topográficas riqueza de espécies, espacialmente, podendo ainda se
representam um dos diversidade filogenética e considerar informações sobre os
grandes fatores qualidade da água dos caminhos de fluxo, distâncias aos
atuantes para explicar rios (Clement et al., 2017; cursos d'água, descritores do terreno
a diversidade da Emmett et al., 2021; Kim como HAND (Rennó et al., 2008) e
paisagem nos e Lee, 2021), entre delimitação de sub-bacias
ecossistemas. outros aspectos. hidrográficas (Clement et al., 2017).
63
9.2 Distribuição O melhor entendimento desses
espacial de espécies padrões permite investigar, por
exemplo, a diversidade funcional,
A ocorrência e distribuição espacial de relacionada à diversidade das
espécies ao longo dos ecossistemas características das espécies que
também tem como uma das forças afetam o funcionamento do
governantes a topografia (Emmett et ecossistema e repercutem
al., 2021; Wu et al., 2017). diretamente na capacidade de
realização dos serviços ambientais
Assim, Modelos Digitais de Elevação e (Hager e Avalos, 2017).
produtos derivados, como declividade
da superfície, caminhos de fluxo e rede Outra funcionalidade é avaliar as
de drenagem, também são conexões entre a diversidade de
informações usadas para avaliar a árvores e o armazenamento de
distribuição espacial de espécies. carbono (Hager e Avalos, 2017).
64
9.3 Risco de extinção de
espécies
9.4 Gestão ambiental e
Para conservação ambiental, é vital a ações de conservação
determinação da vulnerabilidade de espécies
à extinção e a quantificação da extensão de Como a topografia se relaciona com a diversidade de espécies,
perda e fragmentação de habitat. de habitat, da paisagem e está intimamente relacionada,
portanto, ao funcionamento dos ecossistemas, é natural que as
Isso pode direcionar os esforços e otimizar o características topográficas sejam levadas em conta na gestão
uso prioritário de escassos recursos ambiental e proposição de ações de conservação (Brambilla et
disponíveis para esse tipo de ação. al., 2020; Sano et al., 2019).
Com o uso de geoprocessamento e E, para isso, o uso de MDEs é de grande utilidade, facilitando o
considerando dados topográficos a partir do cruzamento com outros planos de informação em ambiente SIG.
MDE, além de informações de cobertura
florestal e uso da terra, tem-se a melhoria do
entendimento do processo de extinção de
espécies e a melhor identificação do risco de
extinção de cada espécie (Ocampo-Penuela
et al.; 2016; Tukiainen et al., 2016).
65
9.5 Resiliência de florestas
9.6 Ocorrência e Fatores como o clima, a Inclusive, a proteção de
Modelos Digitais de Elevação e existência de vegetação como áreas topográficas que
severidade de
produtos derivados também são combustível e a topografia possam servir como
informações úteis para estudar a queimadas
podem ser considerados refúgio de longo prazo ao
resiliência de florestas e predizer o como os três principais fogo pode ser importante
As características
comportamento em escalas
topográficas estão tão aspectos que norteiam a para a manutenção da
regionais, a partir de modelagem severidade do fogo na escala integridade ecológica de
relacionadas aos
matemática.
ecossistemas que até local, além da ocorrência de florestas, principalmente
a ocorrência e eventos anteriores de com as mudanças
Pode-se investigar pela modelagem queimadas (Harris e Taylor, climáticas (Collins et al.,
severidade de
a distribuição espacial de espécies 2017; Collins et al., 2019). 2019).
queimadas naturais
vegetais, o processo de conversão
sofre influência da
de biomassa devido a eventos de
topografia.
perturbação e a dinâmica de
regeneração de florestas em
condições de mudanças climáticas
(Emmett et al., 2021).
66
10
10
Resíduos
sólidos
Capítulo
67
10.1 Otimização da
rota de coleta de lixo
Ao fazer o
gerenciamento dos
resíduos sólidos de uma Para esse tipo de análise,
cidade, a atividade de um plano de informações Deve-se buscar, ainda,
coleta e transporte tem fundamental é o Modelo trabalhar com a capacidade
papel chave, pois é, Digital de Elevação. de carga dos veículos
geralmente, a de maior transportadores e levar em
custo (Rahimi et al., A rota otimizada, de menor conta a geração de
2020). custo, deve considerar o resíduos espacialmente na
consumo de combustível cidade, a quantidade de
Diversos estudos tem em função das distâncias e horas dos trabalhadores, os
sido feitos visando também dos desníveis tempos de semáforo, os
reduzir tais custos, a percorridos ao longo do limites de velocidades,
partir da otimização das percurso, contando com o estimativas de trânsito e os
rotas de coleta dos peso do veículo e da carga tipos de vias, entre outros
veículos. transportada. aspectos. 68
10.2 Seleção de O local a ser instalado o aterro sanitário
deve obedecer a critérios técnicos e
áreas aptas para
legais.
aterro sanitário
Capítulo
70
11.1 Perda de É fundamental a identificação
solos e de áreas criticas de
ocorrência de perdas de solos
nutrientes
e nutrientes e, para esse
papel, o MDE e produtos
Estimativas de perdas de derivados são fundamentais
solos e de nutrientes são (Lohani et al., 2020), com
problemas críticos para atenção ao efeito da
as áreas cultivadas, resolução espacial nesse tipo
resultando em redução de estudo (Napoli et al., 2017).
da fertilidade dos solos,
redução de Tais perdas estão
produtividade, demanda relacionadas às práticas
por manejo mais intenso, agrícolas, tipos de solos,
aumento de custos e fatores erosivos e, também, às
maior poluição hídrica características de variação
(Napoli et al., 2017). topográfica e declividade na
região.
71
11.2 Aptidão agrícola Por exemplo, a cultura da
cana-de-açúcar de forma
Em função de características mecanizada é indicada para
do solo relativas à fertilidade, terrenos com declividade de
suprimento de água, de até 12%.
oxigênio, susceptibilidade à
erosão e requisitos para o O processamento do Modelo
manejo agrícola, pode-se Digital de Elevação preenche
avaliar a aptidão agrícola de completamente essa
uma área para determinadas demanda por avaliação da
culturas agrícolas. declividade, em atendimento
às exigências da mecanização.
Um dos requisitos relativos
ao manejo pode ser Com operações de SIG, pode-
referente às exigências se fazer o cruzamento dos
necessárias para a planos de informação
mecanização, como a envolvidos para delinear áreas
declividade. com aptidão agrícola.
72
Nesse contexto, os Modelos Digitais de Elevação também tem seu
11.3 Agricultura lugar de destaque, já que conhecer e representar digitalmente a
de precisão topografia da área é fundamental para o manejo agrícola preciso.
74
12.1 Energia eólica No caso da energia eólica, a
produção de energia varia com o
As energias renováveis, em cubo da velocidade do vento. Então,
particular as fontes eólica e solar, quanto mais criteriosa a escolha do
são uma realidade sem volta, no local de instalação, maior produção
mundo e no Brasil. Os e maior fator de capacidade.
investimentos e a quantidade de
energia gerada tem crescido Deve ser avaliado o arranjo das Isso repercute não apenas em mais rendimento
velozmente. torres eólicas espacialmente no financeiro, mas também em maior segurança no
terreno, levando em conta a fornecimento de energia, trazendo mais confiança
posição individual de cada uma e o e estímulo a esse tipo de aproveitamento
distanciamento e efeito de esteira. energético.
76
Uma alternativa que gera maior rendimento de
energia em quantidade menor de área ocupada é a
co-geração eólica e solar na mesma área, já que
fazendas solares ocupam a superfície do nível do solo,
enquanto as turbinas eólicas são montadas em eixos
verticais (Dhunny et al., 2019).
77
12.3 Energia hidroelétrica
12.4 Biomassa plantada
A utilidade de Modelos Digitais
de Elevação e produtos Modelos Digitais de Elevação
derivados no setor de também tem diversas aplicações
hidroeletricidade é vasta. no setor de biomassa plantada,
além dos produtos derivados,
Como visto no capítulo 6 como declividades e direções de
Hidrologia, o MDE e produtos fluxo.
servem principalmente para
identificar locais apropriados No Brasil, há grande produção
para instalação de uma de etanol a partir da cana-de-
hidroelétrica, caracterizar a açúcar e de biodiesel a partir da
área que será alagada, soja.
inclusive com a elaboração da
curva cota-área-volume, Em particular, destacam-se as
quantificar a inundação aplicações para estimativa de
causada por eventual ruptura perdas de solos e nutrientes,
da barragem e estimar avaliação de aptidão agrícola e
alterações do regime aplicações de agricultura de
hidrológico devido à operação precisão, como comentado no
da barragem. capítulo 11 Ciências Agrícolas. 78
13
Planeja-
mento
urbano e
mobilidade
Capítulo
79
13.1 Ilhas de calor e A variação topográfica ao
climatologia longo da cidade e as
Diversos fatores atuam
declividades também
urbana para a formação de ilhas de
influenciam a formação
calor, tais como
desse fenômeno (Wu et al.,
Em cidades com grande concentração de superfícies
2019) e a climatologia
urbanização, pode de grande absorção de
urbana como um todo
ocorrer o fenômeno calor (concreto, asfalto,
(Cetin, 2019; Assis, 2006).
climático das ilhas de telhas etc), reduzida
calor. vegetação, reduzida
Por isso, Modelos Digitais de
absorção e infiltração de
Elevação e produtos
Há o aumento da água para o solo devido à
derivados também são
temperatura e redução impermeabilização,
usados para estudar as ilhas
da umidade do ar nessas poluição atmosférica e
de calor (Wu et al., 2019).
cidades, ou em partes reduzida circulação de ar
delas, relativamente a devido à concentração de
outras áreas e cidades da edificações (Chapman et al.,
região. 2017).
80
Isso contribui fortemente para
13.2 Geomorfologia
processos erosivos e mudanças
urbana geomorfológicas.
Ao processo de urbanização
Uma das formas de estudar e
se associam mudanças
quantificar esse processo é com
geomorfológicas na superfície
a avaliação comparativa entre
das cidades.
Modelos Digitais de Elevação
correspondentes aos períodos
A impermeabilização da
pré- e pós-urbanização.
superfície urbana acarreta
impactos nos processos
São analisadas as diferenças
hidrológicos, como aumento
entre os dois MDEs e também
do volume, intensidade e
de produtos derivados, como as
rapidez na geração de
áreas acumuladas de drenagem
escoamento superficial e
e índices topográficos (de
redução da recarga de águas
Albuquerque et al., 2020).
subterrâneas.
81
13.3 Mobilidade
urbana e sistemas Um MDE também se
de transporte mostra de grande
inteligentes Além disso, o uso de Por isso, a topografia potencial quando se
bicicletas nas cidades representada em um envolve sistemas de
As variações topográficas pode ser grandemente MDE e produtos transportes inteligentes.
e declividades ao longo influenciado pela derivados como a
das vias tem impacto no declividade longitudinal declividade são Por exemplo, as
planejamento da das vias (Saplioglu e importantes de serem variações topográficas
mobilidade urbana. Aydin, 2018; Yang et al., incorporados em geram dificuldades
2019). estudos de mobilidade, relacionadas à
Uma relação é que o por exemplo na transmissão e
consumo de combustível integração entre o uso interferências do sinal
e mesmo o tempo de de bicicletas e sistemas para manter a conexão
deslocamento são de transporte público entre os carros
dependentes da (Saplioglu e Aydin, autônomos ao longo do
declividade do percurso. 2018). tempo (Hadiwardoyo et
al., 2020).
82
14
14
Mensagem
final
Capítulo
83
Há, ainda, outros temas e Muitas vezes, é mais
Neste livro vimos como o interessante você se
áreas que não foram
Modelo Digital de Elevação apropriar da essência do
abordados. Assim como há
pode ser utilizado em conhecimento, ter aquela
maior aprofundamento de
inúmeros estudos noção geral bem
cada tema trabalhado
ambientais. embasada, e deixar para
neste livro. Tudo isso pode
ser encontrado nas especialistas de cada
Afinal, o meio ambiente é área usarem a
referências mencionadas e
espacial, o relevo é um dos experiência deles em
em outros materiais
fatores governantes dos cada área específica.
complementares.
processos ambientais e o
MDE é a forma mais Sobra mais tempo para
Mas fica a reflexão: em um
prática para lidar com a você estudar e atuar na
mundo de tanta ocupação,
caracterização topográfica sua especialidade com
falta de tempo e excesso
espacialmente. calma e excelência.
de informações, avalie se
você de fato precisa fazer o
A versatilidade do uso do O resultado é altamente
aprofundamento, ou o
MDE e de produtos positivo: cada um
quanto de tempo e energia
derivados foi notoriamente fazendo o que sabe de
pode gastar nisso.
destacada, quando melhor.
Esperamos que
abordamos 35 temas de
aplicação do MDE,
distribuídos em 8 grandes
áreas de aplicação. você tenha gostado! 84
15
Capítulo
Referências
bibliográficas
15
85
Ahirwar, S.; Malik, M.; Ahirwar, R. et al. Application of remote sensing and GIS for groundwater recharge potential zone
mapping in Upper Betwa Watershed. Journal of Geological Society India 95, 308–314, 2020.
Assis, E. Aplicações da climatologia urbana no planejamento da cidade: revisão dos estudos brasileiros. Revista de
Urbanismo e Arquitetura 7 (1), 2006.
Azeez, O.; Elfeki, A.; Kamis, A.; Chaabani, A. Dam break analysis and flood disaster simulation in arid urban environment:
the Um Al-Khair dam case study, Jeddah, Saudi Arabia. Natural Hazards 100, 995–1011, 2020.
Baalousha, H.; Barth, N.; Ramasomanana, F. et al. Groundwater recharge estimation and its spatial distribution in arid
regions using GIS: a case study from Qatar karst aquifer. Modelling Earth Systems and Environment 4, 1319–1329, 2018.
Basu, T.; Pal, S. RS-GIS based morphometrical and geological multi-criteria approach to the landslide susceptibility
mapping in Gish Ridezdever Basin, West Bengal, India. Advances in Space Research 63, 1253-1269, 2019.
Brambilla, M.; Gustin, M.; Cento, M.; Ilahiane, L.; Celada, C. Habitat, climate, topography and management differently
affect occurrence in declining avian species: Implications for conservation in changing environments. Science of the Total
Environment 742, 140663, 2020.
Buarque, D.; Fan, F.; Paz, A.; Collischonn, W. Comparação de métodos para definir direções de escoamento a partir de
Modelos Digitais de Elevação. Revista Brasileira de Recursos Hídricos 14(2), 91–103, 2009.
Cetin, M. The effect of urban planning on urban formations determining bioclimatic comfort area’s effect using satellite
images on air quality: a case study of Bursa city. Air Quality, Atmosphere and Health 12, 1237–1249, 2019.
Chapman, S.; Watson, J.; Salazar, A.; Thatcher, M.; McAlpine, C. The impact of urbanization and climate change on urban
temperatures: a systematic review. Landscape Ecology 32 (10) 1921-1935, 2017.
Clement, F.; Ruiz, J; Rodriguez, M.A.; Blais, D.; Campeau, S. Landscape diversity and forest edge density regulate stream
water quality in agricultural catchments.Ecological Indicators 72, 627-639, 2017.
Collins, L, Bennett, AF, Leonard, SWJ, Penman, TD. Wildfire refugia in forests: Severe fire weather and drought mute the
influence of topography and fuel age. Glob Change Biology 25: 3829– 3843, 2019.
Conti, G.; Heibati, B.; Kloog, I.; Fiori, M.; Ferrante, M. A review of AirQ Models and their applications for forecasting the air
pollution health outcomes. Environ Science and Pollution Research 24, 6426–6445, 2017.
Davies, H.; Bell, V. Assessment of methods for extracting low resolution river networks from high‐resolution digital data.
86
Hydrological Sciences Journal 54(1), 17–28, 2009.
de Albuquerque, A.; de Carvalho Júnior, O.; Guimarães, R.; Gomes, R.; Hermuche, P. Assessment of gully
development using geomorphic change detection between pre- and post-urbanization scenarios. Environmental
Earth Sciences 79, 232, 2020.
Dezert, T.; Fargier, Y.; Lopes, S.P.; Côte, P. Geophysical and geotechnical methods for fluvial levee investigation: A
review. Engineering Geology 260, 105206, 2019.
Dhunny, A.; Doorga, J.; Allam, Z.; Lollchund, M.; Boojhawon, R. Identification of optimal wind, solar and hybrid wind-
solar farming sites using fuzzy logic modelling. Energy 188, 116056, 2019.
Douglas, A.; Irga, P.; Torpy, F. Determining broad scale associations between air pollutants and urban forestry: A
novel multifaceted methodological approach. Environmental Pollution 247, 474-481, 2019.
Du, C.; Ye, A.; Gan, Y.; You, J.; Duan, Q.; Ma, F.; Hou, J. Drainage network extraction from a high-resolution DEM
using parallel programming in the .NET Framework. Journal of Hydrology 555, 506-517, 2017.
Emmett, K.; Renwick, K.; Poulter, B. Adapting a dynamic vegetation model for regional biomass, plant
biogeography, and fire modeling in the Greater Yellowstone Ecosystem: Evaluating LPJ-GUESS-LMfireCF.
Ecological Modelling 440, 109417, 2021.
EPA, 1998. Stream Corridor Restoration – principles, processes and practices. Environmental Protection Agency,
EUA.
Fan, F.; Collischonn, W.; Sorribas, M.; Pontes, P. Sobre o início da rede de drenagem definida a partir dos modelos
digitais de elevação. Revista Brasileira de Recursos Hídricos, 18, 3, 241–257, 2013.
FitzHugh, T.; Vogel, R. The impact of dams on flood flows in the United States. River Research and Applications 27,
1192-1215, 2011.
Gesch, D.B. Best Practices for Elevation-Based Assessments of Sea-Level Rise and Coastal Flooding Exposure.
Frontiers in Earth Science 6, 230, 2018.
Gupta, Y.; Sharma, M. Estimating sustainable location for harvesting solar power using geographical information
systems and remote sensing methods. Journal of Information and Optimization Sciences, 41, 51-60, 2020.
Hadiwardoyo, S.; Dricot, J.; Calafate, C.; Cano, J.; Hernandez-Orallo, E.; Manzoni, P. UAV Mobility model for dynamic
UAV-to-car communications in 3D environments. AD Hoc Networks 107, 102193, 2020.
87
Häger, A., Avalos, G. Do functional diversity and trait dominance determine carbon storage in an altered tropical
landscape?. Oecologia 184, 569–581, 2017.
Harris, L.; Taylor, A. Previous burns and topography limit and reinforce fire severity in a large wildfire. Ecosphere 8(
11):e02019, 2017.
Hembram, T.; Paul, G.; Saha, S. Comparative analysis between morphometry and geo-environmental factor based
soil erosion risk assessment using weight of evidence model: a study on Jainti River Basin, Eastern India.
Environmental Processes 6, 883–913, 2019.
Hina, S.; Szmerekovsky, J.; Lee, E.; Amin, M.; Arooj, S. Effective municipal solid waste collection using geospatial
information systems for transportation: A case study of two metropolitan cities in Pakistan. Research in
Transportation Economics, 84, 100950, 2020.
Huang, Y.; Zhao, L. Review on landslide susceptibility mapping using support vector machines. CATENA, 165, 520-
529, 2018.
Ivanov, V. Y.; Bras, R.; Vivoni, E. Vegetation-hydrology dynamics in complex terrain of semiarid areas: A mechanistic
approach to modeling dynamic feedbacks. Water Resources Research, 44, W03429, 2008.
Jardim, P.; Mello, M.; Ribeiro, L.; Collischonn, W.; Paz, A. A modeling assessment of large-scale hydrologic alteration
in South American Pantanal due to upstream dam operation. Frontiers in Environmental Science 8, 567450, 2020.
Jenson, S.; Domingue, J. Extracting topographic sctruture from digital elevation data for geographic information
system analysis. Photogrammetric Engineering and Remote Sensing 54 (11), 1593-1600, 1988.
Ji, P.; Yuan, X.; Liang, X.-Z. Dolateral flows matter for hehyperresolution land surface modeling? Journal of
Geophysical Research: Atmospheres, 122, 12077–12092, 2017.
Jones, Richard (2002). Algorithms for using a DEM for mapping catchment areas of stream sediment samples.
Computers and Geosciences 28, 1051–1060.
Kim, H., Lee, CB. On the relative importance of landscape variables to plant diversity and phylogenetic community
structure on uninhabited islands, South Korea. Landscape Ecology 36, 209–221, 2021.
Kim, Y.; Tak, Y.; Park, M.; Kang, B. Improvement of urban flood damage estimation using a high‐resolution digital
terrain. Journal of Flood Risk Management 13 (Suppl. 1):e12575, 2020.
88
Kong, L.; Tian, G. Assessment of the spatio-temporal pattern of PM2.5 and its driving factors using a land use
regression model in Beijing, China. Environmental Monitoring and Assessment, 192(2), 95, 2020.
Kulp, S.A.; Strauss, B.H. New elevation data triple estimates of global vulnerability to sea-level rise and coastal
flooding. Nature Communications 10, 4844, 2019.
Lai, Z., Li, S., Lv, G., Pan, Z., and G. Fei (2016), Watershed delineation using hydrographic features and a DEM in
plain river network region, Hydrological Processes, 30(2), 276–288, doi:10.1002/hyp.10612.
Larentis, D.; Collischonn, W.; Olivera, F.; Tucci, C. Gis-based procedures for hydropower potential spotting. Energy
35, 4237-4243, 2010.
Lee, G., Tachikawa, Y., and K. Takara (2010), Interaction between topographic and process parameters due to the
spatial resolution of DEMs in distributed rainfall-runoff modeling, Journal of Hydrologic Engineering, 14(10), 1059–
1069.
Liu, X.; Zhang, Q.; Li, Y.; Tan, Z.; Werner, A. Satellite image-based investigation of the seasonal variations in the
hydrological connectivity of a large floodplain (Poyang Lake, China), Journal of Hydrology, 585, 124810, 2020.
Lohani, S.; Baffaut, C.; Thompson, A.; Aryal, N.; Bingner, R.; Bjorneberg, D.; Bosch, D.; Bryant, R.; Buda, B.; Dabney,
S.; Davis, A.; Duriancik, L.; James, D.; King, K.; Kleinman, P.; Locke, M.; McCarty, G.; Pease, L..; Reba, M.; Smith, D.;
Tomer, M.; Veith, T.; Williams, M.; Yasarer, L. Journal of Soil and Water Conservation 75 (1) 12-27, 2020.
Loi, N.; Liem, N.; Tu, L.; Hong, N.; Truong, C.; Tram, V.; Nhat, T.; Jeong, J. Automated procedure of real-time flood
forecasting in Vu Gia – Thu Bon river basin, Vietnam by integrating SWAT and HEC-RAS models. Journal of Water
and Climate Change 10(3), 535–545, 2019.
Lu, S.; Liu, B.; Hu, Y.; Fu, S.; Cao, Q.; Shi, Y.; Huang, T. Soil erosion topographic factor (LS): Accuracy calculated from
different data sources. Catena 187, 104334, 2020.
Maes, W.; Steppe, K. Perspectives for Remote Sensing with Unmanned Aerial Vehicles in Precision Agriculture.
Trends in Plant Science 24(2), 152-164, 2019.
Mailhot, A.; Talbot, G.; Ricard, S.; Turcotte, R.; Guinard, K. Assessing the potential impacts of dam operation on
daily flow at ungauged river reaches. Journal of Hydrology: Regional Studies, 18, 156-167, 2018.
89
Mark, D. Automated detection of drainage networks from digital elevation model. Cartographica 21(2/3), 168-178,
1984.
Melesse, A.; Graham, W. Storm runoff prediction based on a spatially distributed travel time method utilizing
remote sensing and GIS. Journal of the American Water Resources Association 863–879, 2004.
Metz, M.; Mitasova, H.; Harmon, R. Efficient extraction of drainage networks from massive, radar-based elevation
models with least cost path search, Hydrol. Earth Syst. Sci. v. 15, p. 667-678, 2011. doi: 10.5194/hess-15-667-
2011.
Moravec, D.; Komarek, J.; Kroulik, M.; Prosek, J.; Klapste, P. Digital elevation models as predictors of yield:
Comparison of an UAV and other elevation data sources. Agronomy Research 15(1), 249-255, 2017.
Motovilov, Y.; Fashchevskaya, T. Simulation of spatially-distributed copper pollution in a large river basin using the
ECOMAG-HM model. Hydrological Sciences Journal, 64(6), 739-756, 2019.
Napoli, M.; Marta, A.; Zanchi, C.; Orlandini, S. Assessment of soil and nutrient losses by runoff under different soil
management practices in an Italian hilly vineyard. Soil and Tillage Research 168, 71-80, 2017.
Nobre, A.; Cuartas, L.; Momo, M.; Severo, D.; Pinheiro, A.; Nobre, C. HAND contour: a new proxy predictor of
inundation extent. Hydrological Processes 30(2), 320-333, 2016.
O’Loughlin, F.; Paiva, R.; Durand, M.; Alsdorf, D.; Bates, P. A multi-sensor approach towards a global vegetation
corrected SRTM DEM product. Remote Sensing of Environment 182, 49-59, 2016.
O'Callaghan, J.; Mark, D. The extraction of drainage networks from elevation data. Computer Vision, Graphics, and
Image Processing 28, 323-344, 1984.
Ocampo-Peñuela, N.; Jenkins, C; Vijay, V.; Li, B.; Pimm, S. Incorporating explicit geospatial data shows more species
at risk of extinction than the current Red List. Science Advances 2, e1601367, 2016.
Park, E.; Latrubesse, E. The hydro-geomorphologic complexity of the lower Amazon River floodplain and
hydrological connectivity assessed by remote sensing and field control. Remote Sensing of Environment 198,
321–332, 2017.
Park, J.; Wang, D.; Kumar, M. Spatial and temporal variations in the groundwater contributing areas of inland
wetlands. Hydrological Processes 34(5), 1117-1130, 2020.
90
Persendt, F.; Gomez, C. Assessment of drainage network extractions in a low‐relief area of the Cuvelai Basin
(Namibia) from multiple sources: LiDAR, topographic maps, and digital aerial orthophotographs. Geomorphology,
260, 32–50, 2016.
Rahimi, S.; Hafezalkotob, A.; Monavari, S.; Hafezalkotob, A.; Rahimi, R. Sustainable landfill site selection for
municipal solid waste based on a hybrid decision-making approach: Fuzzy group BWM-MULTIMOORA-GIS. Journal
of Cleaner Production 248, 119186, 2020.
Rennó, C.; Nobre, A.; Cuartas, L.; Soares, J.; Hodnett, M.; Tomasella, J.; Waterloo, M. HAND, a new terrain descriptor
using SRTM-DEM: Mapping terra-firme rainforest environments in Amazonia. Remote Sensing of Environment
112(9), 3469-3481, 2008.
Robinson, N.; Regetz, J.; Guralnick, R.EarthEnv-DEM90: A nearly-global, void-free, multi-scale smoothed, 90m digital
elevation model from fused ASTER and SRTM data. ISPRS Journal of Photogrammetry and Remote Sensing, 87, 57-
67, 2014.
Rodda, H. The Development and Application of a Flood Risk Model for the Czech Republic. Natural Hazards 36,
207-220, 2005.
Ryo, M.; Iwasaki, Y.; Yoshimura, C.; Oliver, C.; Saadvedra, V. Evaluation of spatial pattern of altered flow regimes on
a river network using a distributed hydrological model. PLoS One 10:e0133833, 2015.
Sano, E.; Rodrigues, A.; Martins, E.; Bettiol, G.; Bustamante, M.; Bezerra, A.; Couto Jr., A.; Vasconcelos, V.; Schuler, J.
Cerrado ecoregions: A spatial framework to assess and prioritize Brazilian savanna environmental diversity for
conservation. Journal of Environmental Management 232, 818-828, 2019.
Saplioglu, M.; Aydin, M. Choosing safe and suitable bicycle routes to integrate cycling and public transport
systems. Journal of Transport and Health 10, 236-252, 2018.
Schroder, M.; Cabral, P. Eco-friendly 3D-Routing: A GIS based 3D-Routing-Model to estimate and reduce CO2-
emissions of distribution transports. Computers, Environment and Urban Systems 73, 40-55, 2019.
Speckhann, G.; Chaffe, P.; Goerl, R.; Abreu, J.; Flores, J. Flood hazard mapping in Southern Brazil: a combination of
flow frequency analysis and the HAND model. Hydrological Sciences Journal 63(1), 87-100, 2018.
91
Sulis, M., Keune, J., Shrestha, P., Simmer, C., & Kollet, S. J. Quantifying the impact of subsurface-land surface
physical processes on the predictive skill of subseasonal mesoscale atmospheric simulations. Journal of
Geophysical Research: Atmospheres, 123, 9131–9151, 2018.
Tukiainen, H.; Bailey, J.; Field, R.; Kangas, K.; Hjort, J. Combining geodiversity with climate and topography to
account for threatened species richness. Conservation Biology, 31, 364-375, 2017.
Verdin, K.; Verdin, J. A topological system for delineation and codification of the Earth's river basins. Journal of
Hydrology 218(1/2), 1-12, 1999.
Wu, Q.; Guo, F.; Li, H.; Kang, J. Measuring landscape pattern in three dimensional space. Landscape and Urban
Planning 167, 49-59, 2017.
Wu, X.; Zhang, L.; Zang, S. Examining seasonal effect of urban heat island in a coastal city. PLoS ONE 14(6):
e0217850, 2019.
Xiang, M.; Li, Y.; Yang, J.; Li, Y.; Li, F.; Hu, B.; Cao, Y. Assessment of heavy metal pollution in soil and classification of
pollution risk management and control zones in the industrial developed city. Environmental Management 66(6),
1105-1119, 2020.
Yamazaki, D.; Ikeshima, D.; Tawatari, R.; Yamaguchi, T.; O’Loughlin, F.; Neal, J.; Sampson, C.; Kanae, S.; Bates, P. A
high-accuracy map of global terrain elevations. Geophysical Research Letters 44 (11), 5844-5853, 2017.
Yan, Y.; Lidberg, W.; Tenenbaum, D.E.; Pilesjo, P. The accuracy of drainage network delineation as a function of
environmental factors: A case study in Central and Northern Sweden. Hydrological Processes 34(26), 5489-5504,
2020.
Yang, Y.; Wu, X.; Zhou, P.; Gou, Z.; Lu, Y. Towards a cycling-friendly city: An updated review of the associations
between built environment and cycling behaviors (2007–2017), 2019.
92
Pixel inbox geodelivery
@pixelinbox
www.pixelinbox.com
pixelinbox@yahoo.com