ebook

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

Como o Modelo Digital de Elevação é

importante para estudos ambientais

2021

by Pixel inbox geodelivery

@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 2 Conceitos, fonte de dados e

características dos MDEs 16
2.1 Formas de representar a superfície do terreno em meio digital 17
2.2 Características da representação topográfica em formato
raster 18
2.3 O que representa um pixel do MDE? 19
2.4 MDE, MDT, MDS, MNT... o que é o quê? 21
2.5 Qual a origem dos dados topográficos? 23
2.5.1 Tipos de levantamento 23
2.5.2 Dados de sensoriamento remoto orbital 24
2.6 Quais são os modelos digitais de elevação disponíveis? 25
2.6.1 Fontes de dados de MDEs de levantamentos globais 25
2.6.2 Outras fontes de dados de MDEs 26 3
Capítulo 3 O MDE na caracterização
do relevo 27
3.1 Curvas de nível, faixas de elevação e curva hipsométrica 28
3.2 MDE 3D, perfis transversais e mapa de declividades 29

Capítulo 4 Obtendo e caracterizando

a rede de drenagem 31
4.1 Depressões do terreno, direções de fluxo e áreas acumuladas
de drenagem 31
4.2 Qual algoritmo utilizar para remover depressões do MDE e
obter direções de fluxo? 32
4.3 Caminhos de fluxo x cursos d'água 33
4.4 Características da rede de drenagem 37
4.5 Distâncias ao longo dos caminhos de fluxo 38
4.6 Distâncias até os cursos d'água 39

Capítulo 5 Delimitação e caracterização

de bacia hidrográfica 40
5.1 Delimitação de bacia hidrográfica 41
5.2 Divisão em sub-bacias 42
5.3 Características da bacia hidrográfica e sub-bacias 43
4
Capítulo 6 Hidrologia 44
6.1 Análise do relevo 45
6.2 Rede de drenagem e bacia hidrográfica 45
6.3 Modelagem hidrológica 45
6.4 Mapeamento e zoneamento de inundações 46
6.5 Inundações urbanas 46
6.6 Inventário do potencial hidroelétrico 48
6.7 Impacto de barramentos 50
6.8 Onda de cheia por ruptura de barragens 51
6.9 Conectividade hidrológica rio-planície 52
6.10 Recarga de águas subterrâneas 52
6.11 Poluição do solo e da água 53

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

Capítulo 8 Ciências atmosféricas e clima 58

8.1 Dispersão de poluentes atmosféricos 59
8.2 Otimização da rota de veículos para redução de poluição 60
8.3 Modelagem da interação solo-vegetação-atmosfera 60
8.4 Impacto do aumento do nível do mar 61
5
Capítulo 9 Ecologia, biologia e
ciências florestais 62
9.1 Diversidade da paisagem 63
9.2 Distribuição espacial de espécies 64
9.3 Risco de extinção de espécies 65
9.4 Gestão ambiental e ações de conservação 65
9.5 Resiliencia de florestas 66
9.6 Ocorrência e severidade de queimadas 66

Capítulo 10 Resíduos sólidos 67

10.1 Otimização da rota de coleta de lixo 68
10.2 Seleção de áreas aptas para aterro sanitário 69

Capítulo 11 Ciências agrícolas 70

11.1 Perda de solos e nutrientes 71
11.2 Aptidão agrícola 72
11.3 Agricultura de precisão 73

Capítulo 12 Energias renováveis 74

12.1 Energia eólica 75
12.2 Energia solar 76
12.3 Energia hidroelétrica 78
12.4 Biomassa plantada 78
6
Capítulo 13 Planejamento urbano
e mobilidade 79
13.1 Ilhas de calor e climatologia urbana 80
13.2 Geomorfologia urbana 81
13.3 Mobilidade urbana e sistemas de transporte inteligentes 82

Capítulo 14 Mensagem final 83

Capítulo 15 Referências bibliográficas 85

7

Apresentação
Por que criamos este livro?
A idéia para elaborar este livro veio da
percepção recorrente de como Modelos
Digitais de Elevação (MDE) estão cada vez mais
presentes na vida profissional de quem atua
na área ambiental.
Como é visto no capítulo 1, a espacialidade do
meio ambiente e o papel que o relevo
desempenha nas relações e processos
ambientais explicam porque o MDE veio para
ficar. Ele já é incorporado a uma vasta gama de
aplicações na área ambiental, desde a
hidrologia e geotecnia até áreas como
ecologia, biologia, ciências agronômicas e
atmosféricas, urbanismo e energias renováveis.
Obviamente, muitos tópicos podem
ser mais aprofundados, fugindo ao
escopo deste livro. Esperamos dar ao
leitor as principais noções e
conceitos, que formem uma base de
entendimento do assunto, ao mesmo
tempo que o capacite para outras
leituras adicionais.
Por outro lado, é notória a
escassez de material
E, no futuro, lançaremos também
instrucional sobre a temática
outros livros que o ajudem nessa
que apresente qualidade
busca por mais capacitação.
técnica, seja moldado em
bases científicas atualizadas e
elaborado de uma forma
didática.
A diagramação visual e a forma
como os textos deste livro
foram escritos vão fazer você
lê-lo facilmente, mas
absorvendo os relevantes
conhecimentos apresentados. 8
Quem escreveu
este livro?

Temos muito orgulho de dizer que

este livro é uma obra coletiva de
diversos colaboradores da equipe
Pixel inbox geodelivery.

Diferentes profissionais, com

distintas formações e experiências,
mas unidos em prol de um objetivo
único: trazer conteúdo relevante,
atual, com embasamento científico e
com uma apresentação bem
bacana.

9
Qual o conteúdo
deste livro?
Este livro foi cuidadosamente
organizado em 15 capítulos.
No capítulo 1, descrevemos a
importância de analisar o meio
ambiente espacialmente e de
como as características
topográficas estão intimamente
relacionadas a ele. Isso justifica a
massiva integração de Modelos
Digitais de Elevação aos estudos
ambientais.
O capítulo 2 aborda os principais
conceitos sobre MDEs, como a
origem dos dados topográficos e
como pode-se trabalhar tais
dados em formato digital. Ainda,
apresenta as principais fontes de
dados de MDEs.
O capítulo 3 apresenta diversas
formas de analisar o relevo a
partir do processamento do
MDE, como a elaboração de
curva hispsométrica, perfis
transversais, curvas de nível e
visualização do MDE na forma
3D, entre outros.
No capítulo 4, abordamos o que
pode ser considerado o principal
uso que se tem dado aos MDEs:
a obtenção da rede de
drenagem. Mostramos as
operações e conceitos
envolvidos, e como extrair
diversas características da rede
de drenagem.
O capítulo 5 é complementar ao
anterior, mas focado na
delimitação e caracterização de
bacias hidrográficas e a divisão
em sub-bacias.
Cada um dos capítulos 6 a 13
aborda uma grande área do
conhecimento (hidrologia;
geotecnia; ciências
atmosféricas; resíduos sólidos;
ecologia, biologia e ciências
florestais; ciências agrícolas;
energias renováveis;
planejamento urbano e
mobilidade). Ao total, são
descritos 35 temas de aplicação do
MDE e produtos derivados dentro
dessas 8 áreas do conhecimento.
Uma mensagem final aos leitores é
apresentada no capítulo 14, e o
capítulo 15 lista as dezenas de
referências bibliográficas citadas no
livro.
Boa leitura e
divirtam-se! 10
1
Meio ambiente,
relevo e modelo
digital de elevação

Capítulo

11
1.1 O meio ambiente é espacial

Se você atua na área ambiental, em qualquer temática que

seja, já deve saber da espacialidade do meio ambiente.
Tanto quem atua na hidrologia, geografia ou engenharia
ambiental de modo geral, quanto nas ciências florestais,
ciências agrárias, ecologia, biologia... Desde quem atua na
escala mais macro, interessado em processos de
degradação e erosão, por exemplo, ou quem atua na escala
micro, como microbiologia de solos.

O fato é que o meio ambiente é espacial. Tudo que

acontece em um ponto do meio ambiente, tudo que você
observa ocorrendo nesse ponto, não é originário dali
exatamente. É o resultado de interações e processos no
espaço ao redor desse ponto, em diferentes escalas
espaciais. E, claro, em diferentes escalas temporais.
Um complexo arranjo espaço-temporal de características e
acontecimentos determina os padrões existentes (e as
variações deles) no meio ambiente. 12

1.2 O relevo é a base para
inúmeros estudos ambientais
A forma como a superfície do terreno se distribui
topograficamente, isto é, as características do relevo, é
uma informação que serve de base para diversos estudos
ambientais, em diferentes escalas espaciais.
A topografia do terreno é um dos fatores principais que
explicam os processos hidrológicos, sedimentológicos e
ecológicos.
As trocas de energia, água, carbono e outras substâncias são
fortemente influenciadas pelo relevo.
A oferta de habitat e de condições de reprodução, predação e
abrigo tem relação com o fator topográfico, ajudando a explicar
a ocorrência e distribuição de espécies.
O relevo também deve ser considerado para o melhor
aproveitamento de energia eólica e solar.
Inúmeras relações, como é amplamente ilustrado ao longo dos
capítulos 6 a 13.
RELEVO
13
1.3 O Modelo Digital de Elevação tem
papel chave nos estudos ambientais
Com a necessidade de incorporar informações do
relevo e considerando a crescente disponibilidade
de dados topográficos obtidos por sensores
remotos e os avanços metodológicos e científicos,
o uso de MDEs é considerado crucial na maioria
dos estudos ambientais.
Praticidade, reproducibilidade,
transparência e qualidade da
informação contribuem para o
uso cada vez mais abrangente
dos MDEs. 14
A praticidade do uso de MDEs diz
respeito à forma como os dados
são organizados, como estruturas
matriciais, e também à forma
como esses dados são
disponibilizados.
Os dados de MDEs costumam
estar disponíves em formatos de
arquivos comumente trabalhados
em geoprocessamento.
Pode-se utilizar tais arquivos
diretamente nos softwares
disponíveis, ou via algum processo
inicial de importação ou conversão
simples.
Em geral, há plataformas de
acesso gratuito pela internet para
obter esses dados, que abrangem
cobertura global.
Como os dados de uma Tudo isso contribui para mais
mesma fonte estão transparência nos estudos que
rigorosamente disponíveis utilizam os MDEs. Facilita-se o
no mesmo formato e tem entendimento de como foi feito o
mesma origem, garante-se estudo, qual seu alcance ou
a reproducibilidade de um limitação e sua aceitação pela
estudo desenvolvido com comunidade técnica e científica.
eles.
Ou seja, o que foi
desenvolvido para uma
área de estudo, pode ser
feito para qualquer outra
área - a diferença é a
interpretação dos
resultados obtidos e a
limitação ou potencialidade
dessa informação, que
pode variar conforme as
características de cada
região.
15
2
2
Conceitos, fontes de
dados e características
dos MDEs

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
Representação topográfica por meio
de linhas ou contornos de mesma
elevação.
Essas linhas podem ser digitalizadas
a partir de cartas topográficas ou
podem ser obtidas a partir de
pontos cotados ou mesmo via
processamento de um MDE.
TIN
O TIN (Triangular Irregular Network)
representa a topografia por um
conjunto de faces triangulares de
tamanhos variados e inclinados.
Permite visualizar na forma
tridimensional o relevo e é eficiente
computacionalmente no
armazenamento da informação.
Raster
No formato de matriz numérica, ou
raster, cada elemento da matriz
representa a elevação do terreno
naquele ponto.
Forma mais prática e utilizada para
representar a topografia da superfície.
Facilita cruzamentos e análises com
17
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.

Como qualquer matriz, ela é definida por um número de linhas (p) e de

colunas (q). O produto p x q indica a quantidade de elementos da
matriz, ou seja, a quantidade de pontos da representação topográfica.

Precisa-se definir onde geograficamente se situa essa matriz, ou seja,

quais as coordenadas dos seus vértices: as coordenadas mínima e
máxima no eixo x (Xmin e Xmax) e as coordenadas mínima e máxima no
eixo y (Ymin e Ymax).

Combinando o fato de ser matriz e ser dado geográfico, vem a principal

característica de um dado raster: o tamanho do pixel (d), também
chamado de resolução espacial. 18
2.3 O que Em qualquer raster, ou qualquer imagem,
cada pixel tem um único atributo numérico.
representa um
pixel do MDE? Esse atributo representa o valor do pixel para
a variável representada nessa imagem.

No caso do MDE, o atributo é a elevação,

usualmente em metros.

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?

Acontece que, quase sempre, a variável não é uniforme

nessa área. Há, de fato, uma variação naquela área do
pixel. Mas é uma variação ignorada no raster, por ser
subpixel, inferior ao tamanho do pixel.

Por exemplo, considere um raster que representa a

topografia da superfície, como o Modelo Digital de
Elevação da figura ao lado. Para o pixel em destaque,
que tem atributo 1 m, qual gráfico melhor representa o
perfil transversal indicado? No MDE, a representação é
exatamente a 'c'. Porém, o terreno real pode ter
qualquer variação, não existe como saber isso a partir
desse MDE.
20
2.4 MDE, MDT, MDS, MNT... MNT O MNT, conceitualmente, se
Modelo refere à representação de
o que é o quê? Numérico do uma superfície numérica no
Terreno espaço geográfico. Mas não
Realmente existe uma confusão entre necessariamente se refere à
as nomenclaturas para se referir ao topografia, embora seja mais
raster que representa a topografia da usada para essa finalidade.
superfície. Para piorar, não há
consenso absoluto no uso de cada Outra variável, como a
termo, com autores usando o mesmo precipitação, pode ser
termo para significados diferentes. tomada para ser
representada em um MNT.

Tudo isso dificulta quem

está se iniciando na
temática.

A forma mais comum de

distinguir esses termos é
conforme o esquema ao
lado e a descrição que se
segue. 21
MDE MDT MDS
Modelo Digital Modelo Digital Modelo Digital
de Elevação do Terreno de Superfície

O MDE é o termo mais Representação da Representação da

genérico indicado para topografia do terreno topografia da
se referir à em si, 'nu', superfície,
representação da desconsiderando considerando o que
superfície topográfica no árvores, prédios e há sobre o terreno,
formato raster. outras edificações como florestas,
sobre ele. pontes, prédios etc.
Essa elevação, contudo,
pode ser referente ao
terreno em si (e aí se
tem um MDT), ou
levando em conta o que
se tem sobre ele (é o MDS
MDS).

MDT 22
 2.5.1 Tipos de levantamento
2.5 Qual a origem dos Os dados topográficos podem ser
dados topográficos? coletados por meio de diferentes
tipos de levantamentos. Uma das
formas mais tradicionais é com o
uso de equipamentos em solo,
como teodolito e estação total.
Há, também, os levantamentos com
equipamentos e sensores
aerotransportados, sejam aeronaves
tradicionais, como aviões, ou os
veículos aéreos não tripulados (VANTs),
grupo no qual se destacam os drones.
Outro tipo de levantamento é via
sensores remotos orbitais, a bordo de
satélites.
23
2.5.2 Dados de
sensoriamento
remoto orbital

Trata-se da principal fonte

de informação usada para
obter MDEs mundialmente.
São vários motivos: a
disponibilidade gratuita, a
abrangência global, a
facilidade de manuseio e a
ampla descrição de
produtos e resultados na
literatura a partir desses
dados.

São diversos produtos

disponíveis, com diferentes
características. Confira no
item seguinte.

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

Além de MDEs fornecidos a partir da aquisição de

informações por diferentes sensores orbitais, há
Nome do Resolução
produtos que foram posteriormente elaborados Processamento Referência
produto espacial
pelo processamento desses MDEs.
EarthENV- Fusão de dados SRTM-90 Robinson
30 m
DEM 90 e ASTER GDEM et al., 2014
Pesquisadores trabalharam sobre os dados de
alguns daqueles produtos de MDEs globalmente BareEarth- Remoção de ruídos e O’Loughlin
melhorias nos dados SRTM-90 90 m
disponíveis e propuseram melhorias. Procuraram SRTM90 et al., 2016
remover diferentes tipos de ruídos, como a MERIT
Remoção de ruídos e
Yamazaki
interferência da vegetação, ou a fusão de dados melhorias nos dados SRTM-90 90 m
DEM com fusão ao AW3D et al., 2017
de mais de uma fonte.

Essas três fontes de dados listadas na tabela ao

lado são as principais desse tipo, disponibilizadas
gratuitamente. Todas com o respaldo científico de
terem os métodos e resultados avaliados pelo
processo de revisão de importantes revistas
científicas internacionais.
26
3
3
O MDE na
caracterização
do relevo

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.

As curvas de nível são tradicionalmente usadas em

projetos de irrigação, estudos hidrossedimentológi-
cos e obras de engenharia civil. 28
3.2 MDE 3D, perfis transversais e
mapa de declividades
A visualização em formato 3D enfatiza a variação topográfica e o
entendimento preliminar dos caminhos de fluxo; útil para didática
e intuitivamente levar à compreensão até profissionais que
desconhecem conceitos básicos do tema.

Outra visão interessante são os perfis transversais: a variação

topográfica ao longo de transectos, linhas que perfilam diferentes
trajetos ao longo da área de estudo. Para cada ponto ao longo do
transecto, tem-se a distância medida desde a origem e a elevação
do terreno. Permite identificar com detalhe a variação topográfica
localmente, indicada especialmente para perfis que cortem
transversalmente o curso d'água e a planície adjacente.

O processamento do MDE permite, ainda, obter a superfície que

indica a declividade para cada pixel, calculada localmente em
função das elevações dos 4 pixels vizinhos ortogonais. Trata-se de
um plano de informação útil para estudos de aptidão agrícola,
erosão, hidrológicos, seleção de áreas para aterro sanitário e
identificação de áreas de recarga de águas subterrâneas (Ahirwar
et al., 2020), etc. 29
 Áreas com
declividade
entre 5% e 25%

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%.

Ou para identificar áreas para a mecanização da cana-de-açúcar, cuja

indicação é de declividades não superiores a 12%. 30
4
4
Obtendo e
caracterizando
a rede de
drenagem
Capítulo

31
 4.1 Depressões do terreno, direções de
fluxo e áreas acumuladas de drenagem
O processamento do MDE para
obtenção e caracterização da rede de
drenagem é uma etapa fundamental
para gerar informações para diversos
outros estudos ambientais.
O procedimento inicia com o
tratamento do MDE para a remoção
de depressões. É uma tarefa que
requer algoritmo específico, quase
sempre disponível nos softwares de
geoprocessamento. Mas atenção:
trata-se de uma operação complexa,
que tem motivado inúmeras
pesquisas científicas, visando
incrementar a qualidade dos
resultados e também conseguir
trabalhar com grandes quantidades
de dados.
Com o MDE tratato,
determinam-se as direções de
fluxo, que é um plano de
MDE informação no qual cada pixel
assume uma dentre 8 possíveis
MDE sem direções de fluxo; cada
depressões possibilidade de direção de
fluxo aponta o sentido do
escoamento para um dos 8
Rede de vizinhos ao redor do pixel em
drenagem análise, em uma janela 3 x 3.
Nessa etapa também há
resultados diferenciados em
função do algoritmo utilizado.
Procure sempre acompanhar a
evolução do conhecimento e
utilizar os métodos mais
recomendados.
Direções
de fluxo
Áreas
acumuladas
32
de drenagem

4.2 Qual algoritmo utilizar para
remover depressões do MDE e
obter direções de fluxo?
Geralmente, os usuários já
habituados a um software de
geoprocessamento ou
Sistemas de Informação
Geográfica tendem a usá-lo
também para processar um
MDE.
Porém, especificamente os
algoritmos disponíveis em tais
softwares para a remoção de
depressões e a definição das
direções de fluxo são distintos
entre si, podendo haver grande
variação de resultados entre
eles (Buarque et al., 2009).
A idéia central dos algoritmos é tentar artificialmente
elevar esses pixels mais baixos, para ocorrer uma
declividade positiva para o fluxo, ou escavar o terreno,
rebaixando pixels vizinhos, ou a combinação de
medidas de escavar e elevar pixels.
Isso ocorre porque a decisão
de como encontrar as
direções e caminhos de fluxo
requer um tratamento
especial a duas situações
principais.
A primeira se refere aos pixels
que são mais baixos que seus
vizinhos em uma janela 3x3
(comumente chamados como
depressões do terreno). Como
definir para onde segue o
fluxo desses pixels, se seus
vizinhos são mais elevados
que eles?
33
010010011100101010101100110
A segunda situação é como lidar com Um questão adicional é como fazer tais processamentos
áreas planas, onde um conjunto de pixels quando se tem uma enorme quantidade de pixels (Du et al.,
tem mesma elevação. 2017; Wu et al., 2019).

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.

Erros no traçado da rede de drenagem

podem resultar em incertezas na
modelagem hidrológica e de processos
biogeoquímicos (Yan et al., 2020). 34
Alguns algoritmos tem sido
propostos especificamente para
serem mais eficientes
computacionalmente, conseguindo
lidar com bilhões de pixels (Du et
al., 2017).
Pode-se, ainda, considerar que o
advento de dados tão refinados
como os provenientes de LiDAR
levam a necessidades de ajustes de
algoritmos, pela característica da
informação disponível nesses
dados.
Pela primeira vez, tem-se a
representação de feições
topográficas com precisão
centimétrica (Persendt e Gomez,
2016). Lidar com isso
apropriadamente não é para
qualquer algoritmo.
Por toda essa complexidade,
um grande número de pesquisas
científicas foram e continuam sendo
desenvolvidas para incrementar o
processamento de MDE visando
obter redes de drenagem e
relacionar os erros com fatores
como cobertura da terra, textura do
solo e declividade (Yan et al., 2020).
Alguns desses algoritmos foram
incorporados a softwares de
geoprocessamento disponíveis no
mercado. Mas outros algoritmos
continuam sendo usados apenas por
pesquisadores especializados na
temática.
Fica a ressalva do usuário saber
escolher qual algoritmo utilizar e
saber adequadamente criticar e
35
analisar os resultados obtidos.
 O raster de áreas acumuladas de drenagem
mostra todos os caminhos de fluxo presentes na
área de estudo, já que todo e qualquer pixel tem
área não nula (no mínimo, ele drena a si mesmo).

Mas, não confunda os caminhos de fluxo com os

cursos d'água propriamente. O procedimento
mais simples é assumir que existe uma área
4.3 Caminhos Cursos mínima de drenagem (Amin) a partir da qual se
de fluxo d'água formam os cursos d'água (Jenson e Domingue,
1988). Com isso, gera-se o plano de informação
A partir das direções de fluxo, qualquer da rede de drenagem. A questão chave é a
algoritmo simples é capaz de fazer a seleção do valor de área mínima de drenagem,
acumulação e determinar as áreas idealmente variável no espaço ao longo da bacia
acumuladas de drenagem. hidrográfica (Fan et al., 2013).

Nesse plano de informação, cada pixel tem

como atributo o valor correspondente à
área da bacia contribuinte a esse pixel.

Essa área pode ser expressa em

quantidade de pixels ou em unidade de
36
área propriamente (km²).
4.4 Características Outra análise de grande aplicação
prática é a elaboração do perfil
da rede de drenagem longitudinal de um curso d'água.

Trata-se da representação em gráfico da

Com a obtenção dos caminhos
variação topográfica do curso d'água ao
de fluxo e considerando as
longo do seu percurso, em termos de
elevações do terreno
distância percorrida desde a cabeceira.
representadas no MDE, pode-se 98)
a pt a do de EPA (19
Ad
extrair automaticamente
Identifica-se, facilmente, as áreas mais
características da hidrografia e
ou menos declivosas desse rio, e por
dos caminhos de fluxo.
qual extensão isso ocorre.
As informações mais
Tal variação topográfica ajuda a explicar
demandadas são o
diversos aspectos hidrológicos, de
comprimento de um curso
produção e transporte de sedimentos,
d'água (L), a declividade dele (S)
de características físico-químicas da
e sua sinuosidade (Sn).
água e até ecológicos.
A sinuosidade é simplesmente a
Se ao mesmo gráfico adicionar os perfis
relação entre o comprimento
topográficos de todos os cursos d'água
real do curso d'água e o
da bacia hidrográfica, a análise pode ser
comprimento medido em linha
ainda mais completa. 37
reta da cabeceira até a foz.
4.5 Distâncias ao
longo dos caminhos
de fluxo
Além de caracterizar os cursos d'água
em si, é possivel pelo processamento
do MDE e de seus produtos, gerar
uma informação mais generalizada,
que inclui todos os caminhos de fluxo
identificados, envolvendo todos os
pixels da área de estudo.
Tomando todos os caminhos de fluxo
traçados, determina-se a distância
que o fluxo de cada pixel integrante
da bacia hidrográfica percorre até
alcançar o exutório.
Inversamente, pode-se contabilizar
para cada pixel a que distância ele se
situa da cabeceira mais a montante.
São duas formas de mapeamento das
distâncias ao longo dos fluxos que
ajudam a caracterizar interessantes
padrões de resposta hidrológica em
termos da transformação chuva-vazão e
de tendência à ocorrência de cheias.
Tais mapeamentos podem ser usados
para derivar mapas de tempo de viagem
do escoamento de cada pixel até o
exutório ou a um ponto de interesse
(Melesse e Graham, 2004).
Podem ajudar também a identificar a
origem da poluição da água (Xiang et al.,
2020) e na elaboração de medidas de
contenção no caso de acidentes
envolvendo poluentes lançados ao solo.
38
4.6 Distâncias até
os cursos d'água
Outra análise interessante é
quantificar e mapear a distância
de cada ponto da bacia
hidrográfica até o curso d'água
mais próximo.

Essa distância pode ser

quantificada em termos de uma
linha reta, que é a chamada
distância euclidiana.

O cálculo dessa distância tem 0 2 km

sido utilizado para delimitar Áreas
Diferentemente da São duas formas bem Partes do terreno podem
de Preservação Permanente de
distância em linha reta, é distintas de contabilizar as
estar em linha reta
margens de rio, como critério
possível determinar a distâncias. A primeira, próximas à rede de
para localizar aterros sanitários
distância desde cada euclidiana, é meramente drenagem, mas separadas
ao impor distância mínima aos
pixel até o curso d'água geométrica. por um divisor de águas, o
cursos d'água, e para definir
ao qual esse pixel se que é identificado nessa
áreas de influência em estudos
conecta ao longo dos A segunda tem relação com segunda abordagem. 39
ambientais.
caminhos de fluxo. a geomorfologia da bacia.
5
5
Delimitação e
caracterização
de bacia
hidrográfica
Capítulo

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

5.2 Divisão em
sub-bacias
Para vários tipos de estudos, incluindo
a avaliação de disponibilidade hídrica e
a gestão da demanda pelos recursos
hídricos, há o interesse em dividir a
bacia hidrográfica em unidades
menores, as sub-bacias.
Também é um procedimento que
pode ser automatizado a partir do
processamento do MDE e seus
produtos.
Mas há diferentes critérios para
estabelecer essa divisão em sub-
bacias.
Uma das formas muito utilizada é a
divisão em otto-bacias (Verdin e
Verdin, 1999).
Tal divisão segue o método proposto por
Otto Pfafstetter, que consiste em identificar
os 4 principais cursos d'água e delimitar
suas sub-bacias correspondentes, além das
3 bacias intermediárias a elas, a bacia a
montante do afluente situado na parte mais
alta, e a bacia a jusante do afluente situado
na parte mais baixa da bacia.
Esse procedimento pode ser repetido para
divisão de cada uma dessas bacias,
recursivamente.
Outra forma é definir sub-bacias em função
diretamente das confluências dos cursos
d'água, ou impondo um critério de área
mínima de contribuição de cada sub-bacia.
A escolha depende, principalmente, do
propósito que se quer fazer com tal
subdivisão, devendo haver a correta
interpretação dessa representação
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).

A partir de pontos escolhidos

para instalação de
barramentos, pode-se estimar
a área inundada pelo lago, o
volume armazenado, verificar
se tal lago se sobrepõe a
áreas mais sensíveis como
sítios arqueológicos, terras
indígenas e ocupações
urbanas.

Extrai-se, ainda, a curva cota-

área-volume, que melhor
caracteriza o lago formado
48
pela barragem.
49

6.7 Impacto de
barramentos
Também com a combinação entre
modelos hidrológicos e MDEs, pode-se
avaliar o impacto da construção de
barramentos sobre o regime
hidrológico de rios e planícies de
inundação, levando em conta a
sazonalidade hidrológica da região e a
distribuição espacial desses impactos
(Jardim et al., 2020; Ryo et al., 2015).
A alteração do regime hidrológico
repercute em impactos ambientais em
todo o ecossistema associado ao rio.
Isso ocorre devido principalmente à
fragmentação de habitat e à alteração
do regime hidrológico, mas também
devido à retenção de sedimentos,
alteração da qualidade da água a
jusante e à transformação do
ambiente lótico para lêntico no lago
(FitzHugh e Vogel, 2011).
O regime de operação da barragem
pode causar ainda diversos outros
impactos (Mailhot et al., 2018)
50
6.8 Onda de cheia por
ruptura de barragens
Um outro uso de MDEs relacionado a
barramentos é para a elaboração de
estudos de propagação de onda de
cheia resultante de cenários de
rompimento de barragem (Azeez et al.,
2020).
Tais estudos são requeridos para
gerar informações e subsídios para
compor o Plano de Ações
Emergenciais da barragem, integrando
o Plano de Segurança de Barragens.
Para esses estudos a caracterização
topográfica a partir de MDEs é fundamental.
Dados obtidos por levantamento
aerotransportado como sensores LiDAR são
muito recomendados nessa situação, devido
ao maior refinamento da resolução espacial e
menor efeito da cobertura vegetal.
O uso combinado do MDT e do MDS
provenientes dos dados LiDAR auxilia na
estimativa dos riscos e danos associados à
mancha de inundação provocada por um
possível rompimento da barragem.
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
solo e da água
Com modelos hidrológicos
alimentados por MDE e
produtos derivados
acoplados a módulos de
simulação da qualidade da
água, pode-se estimar o
transporte de contaminantes
pela bacia hidrográfica.
Trata-se de uma Além do MDE, planos de Esse tipo de estudo pode ajudar a
ferramenta útil para informação como direções identificar as fontes de poluição
simular cenários de fluxo, áreas acumuladas difusa que aporta aos rios (Xiang et
diversos de intervenção, de drenagem, delimitação al., 2020) e quantificar as cargas
de mudança de uso e da bacia, rede de poluentes de forma espacialmente
cobertura da terra, e de drenagem, distâncias até os distribuída (Motovilov e
ocorrência de derrames cursos d'água e declividade Fashchevskaya, 2019), fornecendo
e acidentes com cargas da superfície podem subsídios para a tomada de decisão
de poluentes na auxiliar na elaboração de acerca do gerenciamento de risco e
superfície da bacia. tais estimativas. controle da poluição ambiental.
53
7
7
Geotecnia
ambiental

Capítulo

54

7.1 Erosão hídrica
e perda de solo
O processo de erosão do solo
está relacionado a diversos
fatores ambientais.
Modelos de predição de erosão
tem usado características
geofísicas e geomorfológicas
como declividade do terreno,
tipo de solo, uso e cobertura da
terra, topografia, distâncias até
o rio, densidade de drenagem,
geometria e índice de
bifurcação da rede de
drenagem, além da erosividade
da chuva (Hembran et al., 2019;
Lohani et al., 2020).
A morfometria da bacia hidrográfica
pode ser vista como fator pré-
condicionante ao risco de erosão, o
que ressalta a relevância de
adequadamente fazer o tratamento
e processamento do MDE e dos
produtos necessários.
A obtenção do fator topográfico (LS)
e abordagens do tipo RUSLE são
muito usadas (Lu et al., 2020).
A determinação do início da rede de
drenagem e o cômputo das
distâncias de cada ponto da bacia
até a rede de drenagem merecem
especial atenção, pois influenciam
diretamente a distinção das áreas
com produção e processos erosivos
à superfície das áreas de maior
transporte pelas calhas dos cursos
d'água. 55
 Nessa empreitada, a análise
7.2 Risco de
morfométrica e morfológica da
deslizamento de terra área é um fator crucial.

Os deslizamentos de terras Modelos Digitais de Elevação e

são considerados umas das produtos derivados, como
tragédias de maior ocorrência declividade, caminhos de fluxo
a nível global. e rede de drenagem tem ampla
aplicação nesse sentido (Basu e
Desde a década de 1990, Pal, 2019; Huang e Chao, 2018).
estudos tem usado Sistemas
de Informação Geográfica para
estimar as áreas de maior
risco ao deslizamento.

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
rota de veículos para
redução de poluição
Uma forma de incorporar o
MDE duplamente: otimizar a
rota de veículos de carga
para reduzir a poluição
atmosférica (Schroder e
Cabral, 2019).
Primeiro, precisa-se do MDE
para contabilizar o consumo
de combustível e esforço de
motor em função das
elevações do trajeto.
Em segundo lugar, o MDE 8.3 Modelagem da
é usado como plano de interação solo-
informações para
vegetação-atmosfera
possibilitar o estudo da
dispersão de poluentes O MDE também é um plano de
na atmosfera. informações usado como
entrada para estudos de
Pode-se avaliar o grau de modelagem matemática das
impacto de diferentes interações entre os sistemas
rotas dos veículos em solo, vegetação e atmosfera
partes específicas da (Emmett et al., 2021; Ivanov et
cidade, consideradas al., 2008).
mais sensíveis à poluição
atmosférica, como áreas São realizadas simulações para
escolares e de hospitais. representar como energia, água,
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
essencial para melhor
entender o funcionamento
biogeoquímico dos
ecossistemas, para simular
impactos de cenários de
mudanças climáticas e
impactos de ações como
desmatamento, substituição
de cobertura vegetal,
queimadas e outras
intervenções antrópicas.
8.4 Impacto do
aumento do nível
do mar
Com as mudanças climáticas,
uma das grandes
preocupações ambientais é
o aumento do nível mar.
Consequencia imediata Para esse tipo de estudo,
desse aumento é a Modelos Digitais de
inundação de áreas Elevação das áreas
costeiras. costeiras são informação
imprescindível.
Assim, é crucial estimar o
potencial de exposição da Os MDEs servem para
população às projeções diferentes abordagens de
de aumento do nível do estimar a área inundada
mar, para planejamento a partir de cenários de
da ocupação costeira e elevação do nível do mar,
para avaliação dos como métodos diretos a
benefícios de mitigar as partir da análise
mudanças climáticas, bem topográfica, método do
como dos custos da falha tipo vasos comunicantes
em agir nesse sentido e ainda aplicações de
(Kulp e Strauss, 2019; modelos hidráulicos-
Gesch, 2018). hidrodinâmicos.
61
9
9
Ecologia,
biologia e
ciências
florestais
Capítulo

62
9.1 Diversidade Por sua vez, a
da paisagem diversidade da paisagem
atua fortemente na
As características ciclagem biogeoquímica,
topográficas riqueza de espécies,
representam um dos diversidade filogenética e
grandes fatores qualidade da água dos
atuantes para explicar rios (Clement et al., 2017;
a diversidade da Emmett et al., 2021; Kim
paisagem nos e Lee, 2021), entre
ecossistemas. outros aspectos.
Por isso, Modelos Digitais de Elevação
são um dos planos de informação
requeridos para adequadamente
avaliar a diversidade da paisagem
espacialmente, podendo ainda se
considerar informações sobre os
caminhos de fluxo, distâncias aos
cursos d'água, descritores do terreno
como HAND (Rennó et al., 2008) e
delimitação de sub-bacias
hidrográficas (Clement et al., 2017).
63
9.2 Distribuição
espacial de espécies
A ocorrência e distribuição espacial de
espécies ao longo dos ecossistemas
também tem como uma das forças
governantes a topografia (Emmett et
al., 2021; Wu et al., 2017).
Assim, Modelos Digitais de Elevação e
produtos derivados, como declividade
da superfície, caminhos de fluxo e rede
de drenagem, também são
informações usadas para avaliar a
distribuição espacial de espécies.
O melhor entendimento desses
padrões permite investigar, por
exemplo, a diversidade funcional,
relacionada à diversidade das
características das espécies que
afetam o funcionamento do
ecossistema e repercutem
diretamente na capacidade de
realização dos serviços ambientais
(Hager e Avalos, 2017).
Outra funcionalidade é avaliar as
conexões entre a diversidade de
árvores e o armazenamento de
carbono (Hager e Avalos, 2017).
64
9.3 Risco de extinção de
espécies
Para conservação ambiental, é vital a
determinação da vulnerabilidade de espécies
à extinção e a quantificação da extensão de
perda e fragmentação de habitat.
Isso pode direcionar os esforços e otimizar o
uso prioritário de escassos recursos
disponíveis para esse tipo de ação.
9.4 Gestão ambiental e
ações de conservação
Como a topografia se relaciona com a diversidade de espécies,
de habitat, da paisagem e está intimamente relacionada,
portanto, ao funcionamento dos ecossistemas, é natural que as
características topográficas sejam levadas em conta na gestão
ambiental e proposição de ações de conservação (Brambilla et
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
Modelos Digitais de Elevação e
produtos derivados também são
informações úteis para estudar a
resiliência de florestas e predizer o
comportamento em escalas
regionais, a partir de modelagem
matemática.
Pode-se investigar pela modelagem
a distribuição espacial de espécies
vegetais, o processo de conversão
de biomassa devido a eventos de
perturbação e a dinâmica de
regeneração de florestas em
condições de mudanças climáticas
(Emmett et al., 2021).
9.6 Ocorrência e Fatores como o clima, a Inclusive, a proteção de
existência de vegetação como áreas topográficas que
severidade de
combustível e a topografia possam servir como
queimadas
podem ser considerados refúgio de longo prazo ao
como os três principais fogo pode ser importante
As características
topográficas estão tão aspectos que norteiam a para a manutenção da
severidade do fogo na escala integridade ecológica de
relacionadas aos
ecossistemas que até local, além da ocorrência de florestas, principalmente
a ocorrência e eventos anteriores de com as mudanças
queimadas (Harris e Taylor, climáticas (Collins et al.,
severidade de
2017; Collins et al., 2019). 2019).
queimadas naturais
sofre influência da
topografia.
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

Além do aumento Diversos métodos computacionais tem

populacional em algumas sido empregados para vasculhar as
cidades, o aumento dos opções possíveis de locação de um aterro
padrões de consumo de sanitário, levando a uma decisão de
forma generalizada tem menor custo para instalação e
acelerado o crescimento manutenção, mantendo o atendimento
da geração de resíduos aos requisitos técnicos e legais.
sólidos.
O MDE e produtos como o mapa de
Embora ações de declividades são informações básicas
reciclagem, para muitas dessas abordagens de
compostagem e outras seleção de locais para aterros sanitários
mais adequadas sejam (Rahimi et al., 2020).
crescentes, é gigantesca a
demanda por aterros
sanitários no Brasil, para
a disposição final dos
resíduos coletados.
69
11
11
Ciências
agrícolas

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
Em função de características
do solo relativas à fertilidade,
suprimento de água, de
oxigênio, susceptibilidade à
erosão e requisitos para o
manejo agrícola, pode-se
avaliar a aptidão agrícola de
uma área para determinadas
culturas agrícolas.
Um dos requisitos relativos
ao manejo pode ser
referente às exigências
necessárias para a
mecanização, como a
declividade.
Por exemplo, a cultura da
cana-de-açúcar de forma
mecanizada é indicada para
terrenos com declividade de
até 12%.
O processamento do Modelo
Digital de Elevação preenche
completamente essa
demanda por avaliação da
declividade, em atendimento
às exigências da mecanização.
Com operações de SIG, pode-
se fazer o cruzamento dos
planos de informação
envolvidos para delinear áreas
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.

A agricultura de Por exemplo, o MDE pode ser usado como preditor da

precisão envolve um produtividade agrícola, isto é, a variação topográfica como
conjunto de práticas ferramenta para avaliar a variabilidade espacial quantitativa da
agrícolas que se valem produtividade na lavoura (Moravec et al., 2017).
de diferentes
tecnologias, como Em função das características da agricultura de precisão, o
geolocalização, sensoriamento remoto com veículos aéreos não tripulados (VANTs)
automação, análise de é uma virada de jogo (Maes e Steppe, 2019). Ele oferece resolução
dados, internet das espectral, espacial e temporal sem precedentes, mas também pode
coisas, inteligência fornecer dados detalhados de altura da vegetação, microtopografia
artificial e robótica. e observações multiangulares (Maes e Steppe, 2019).

Tudo isso em prol de

cultivar de forma mais
precisa, com uso mais
racional e inteligente
dos recursos, e
automatizada.
73
12
Capítulo
Energias
renováveis

74
12.1 Energia eólica
As energias renováveis, em
particular as fontes eólica e solar,
são uma realidade sem volta, no
mundo e no Brasil. Os
investimentos e a quantidade de
energia gerada tem crescido
velozmente.
No caso da energia eólica, a
produção de energia varia com o
cubo da velocidade do vento. Então,
quanto mais criteriosa a escolha do
local de instalação, maior produção
e maior fator de capacidade.
Deve ser avaliado o arranjo das
torres eólicas espacialmente no
terreno, levando em conta a
posição individual de cada uma e o
distanciamento e efeito de esteira.
Isso repercute não apenas em mais rendimento
financeiro, mas também em maior segurança no
fornecimento de energia, trazendo mais confiança
e estímulo a esse tipo de aproveitamento
energético.
Não basta analisar na escala macro as áreas do
país ou mesmo de um estado com melhor
possibilidades de oferta de ventos.
75
É necessário estudar em
mais detalhes a variação e
características dos ventos
localmente, com
levantamentos de campo e
modelagem matemática.
A representação topográfica
é crucial para isso, dada a
interferência que as feições
do relevo tem sobre o
campo espacial dos ventos.
Por exemplo, a análise
12.2 Energia solar
de declividades é um
fator importante ao Características topográficas devem ser
selecionar locais para também analisadas na seleção de locais para
parques eólicos, instalação de parques de geração de energia
porque quanto mais solar fotovoltaica ou térmica.
íngreme for o declive,
maior será o custo do Uma preocupação principal são encostas íngremes, que
parque eólico (Dhunny podem causar efeitos de sombreamento indesejados de uma
et al., 2019). fila de painéis solares sobre a outra (Dhunny et al., 2019).
E, para isso, novamente
os Modelos Digitais de
Elevação e produtos
derivados são
prontamente
empregados.
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).

A análise de requisitos topográficos para essa área

deve, agora, satisfazer ambos critérios, eólico e solar.

77
12.3 Energia hidroelétrica
A utilidade de Modelos Digitais
de Elevação e produtos
derivados no setor de
hidroeletricidade é vasta.
Como visto no capítulo 6
Hidrologia, o MDE e produtos
servem principalmente para
identificar locais apropriados
para instalação de uma
hidroelétrica, caracterizar a
área que será alagada,
inclusive com a elaboração da
curva cota-área-volume,
quantificar a inundação
causada por eventual ruptura
da barragem e estimar
alterações do regime
hidrológico devido à operação
da barragem.
12.4 Biomassa plantada
Modelos Digitais de Elevação
também tem diversas aplicações
no setor de biomassa plantada,
além dos produtos derivados,
como declividades e direções de
fluxo.
No Brasil, há grande produção
de etanol a partir da cana-de-
açúcar e de biodiesel a partir da
soja.
Em particular, destacam-se as
aplicações para estimativa de
perdas de solos e nutrientes,
avaliação de aptidão agrícola e
aplicações de agricultura de
precisão, como comentado no
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