Análise Da Dinâmica Do Uso e Cobertura Do Solo Sobre A Vulnerabilidade Ambiental em Área Do Distrito Federal

UNIVERSIDADE DE BRASÍLIA
FACULDADE DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA CIVIL E AMBIENTAL
ANÁLISE DA DINÂMICA DO USO E COBERTURA DO

SOLO SOBRE A VULNERABILIDADE AMBIENTAL EM
ÁREA DO DISTRITO FEDERAL
ALANA DE ALMEIDA VALADARES
ORIENTADOR: WAGNER SANTOS DE ALMEIDA
DISSERTAÇÃO DE MESTRADO EM TECNOLOGIA AMBIENTAL

E RECURSOS HÍDRICOS
PUBLICAÇÃO: PTARH.DM - 200/2017

BRASÍLIA/DF: JULHO – 2017
UNIVERSIDADE DE BRASÍLIA
FACULDADE DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA CIVIL E AMBIENTAL
ANÁLISE DA DINÂMICA DO USO E COBERTURA DO SOLO

SOBRE A VULNERABILIDADE AMBIENTAL EM ÁREA DO
DISTRITO FEDERAL
ALANA DE ALMEIDA VALADARES
DISSERTAÇÃO SUBMETIDA AO DEPARTAMENTO DE

ENGENHARIA CIVIL E AMBIENTAL DA FACULDADE DE
TECNOLOGIA DA UNIVERSIDADE DE BRASÍLIA COMO PARTE
DOS REQUISÍTOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU
DE MESTRE EM TECNOLOGIA AMBIENTAL E RECURSOS
HÍDRICOS.
APROVADO POR:
_________________________________________________
Profo Wagner Santos de Almeida, Dr (ENC-UnB)
(Orientador)
_________________________________________________
Profo Conceição de Maria Albuquerque Alves, Dra (ENC-UnB)
(Examinador Interno)
_________________________________________________
Profo Waterloo Pereira Filho, Dr (UFSM)
(Examinador Externo)
BRASÍLIA/DF, 07 DE JULHO DE 2017
ii
FICHA CATALOGRÁFICA
VALADARES, ALANA DE ALMEIDA
Análise da dinâmica do uso e cobertura do solo sobre a vulnerabilidade ambiental em área do
Distrito Federal [Distrito Federal] 2017.
xix, 197p., 210 x 297 mm (ENC/FT/UnB, Mestre, Tecnologia Ambiental e Recursos Hídricos,
2017).
Dissertação de Mestrado – Universidade de Brasília. Faculdade de Tecnologia.
Departamento de Engenharia Civil e Ambiental.
1. Uso e cobertura do solo 2. Simulação de cenários
3. Temperatura da superfície terrestre 4. Dinamica EGO
I. ENC/FT/UnB II. Título (série)
REFERÊNCIA BIBLIOGRÁFICA
VALADARES, A. A. (2017). Análise da dinâmica do uso e cobertura do solo sobre a
vulnerabilidade ambiental em área do Distrito Federal. Dissertação de Mestrado em
Tecnologia Ambiental e Recursos Hídricos, Publicação PTARH.DM - 200/2017,
Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília, DF,
197p.
CESSÃO DE DIREITOS
AUTORA: Alana de Almeida Valadares.
TÍTULO: Análise da dinâmica do uso e cobertura do solo sobre a vulnerabilidade ambiental
em área do Distrito Federal
GRAU: Mestre ANO: 2017
É concedida à Universidade de Brasília permissão para reproduzir cópias desta dissertação

de mestrado e para emprestar ou vender tais cópias somente para propósitos acadêmicos e
científicos. O autor reserva outros direitos de publicação e nenhuma parte dessa dissertação
de mestrado pode ser reproduzida sem autorização por escrito do autor.
____________________________
Alana de Almeida Valadares
[email protected]
iii
Dedico este trabalho aos meus pais,
Erondino e Cida, aos meus irmãos, Luciano,
Nathália e Flávia, que não mediram esforços
para que eu chegasse onde estou; e ao meu
esposo, Ronaldo Jr, pelo seu carinho,
paciência e amor.
iv
AGRADECIMENTOS
Meus primeiros agradecimentos são para Deus e Nossa Senhora, pelas oportunidades que
colocou em meu caminho, pela força que sempre me deram para seguir em frente,
principalmente nos momentos de dúvida e medo; e, por hoje estar encerrando mais uma
etapa da minha vida, sabendo que nada foi em vão.
Aos meus pais, Erondino e Cida, pelo o amor incondicional e o apoio que sempre me deram,
por dignamente me apresentaram à importância da família, aos ensinamentos cristãos e ao
caminho da honestidade e persistência. Obrigada por tudo!
Aos meus irmãos Luciano, Nathália e Flávia, que me alegraram e fizeram meus dias mais
felizes e que nos momentos de minha ausência, dedicados aos estudos, compreenderam que
о futuro é feito а partir da constante dedicação no presente.
Ao meu esposo, Ronaldo Jr, que sempre acreditou em mim, que de forma especial me deu
força e coragem, me ouviu com paciência e me acalmou com palavras de conforto e ânimo,
me fazendo sentir capaz de superar os desafios. Agradeço assim, por todo o amor e carinho
que me dedica.
Ao professor Wagner Santos de Almeida pela orientação, ensinamentos, paciência e

confiança ao longo da supervisão das minhas atividades.
À Mariana Diniz pelas contribuições, auxílios e aprendizados, e por sempre estar disposta
a ajudar. Às minhas amigas, Ariela Fonseca e Júnia Porto, pela amizade, alegrias, tristezas
е dores que compartilhamos durante o mestrado. Aos colegas da turma de 2015, pelos
momentos partilhados.
Aos professores Conceição de Maria Albuquerque Alves e Waterloo Pereira Filho, que
prontamente aceitaram o convite para comporem esta banca de defesa e contribuir com o
nosso trabalho.
A todos os professores, técnicos e demais funcionários do PTARH/UnB pelo convívio e

ensinamentos que foram fundamentais durante esses anos de mestrado.
Ao CNPq pelo auxílio financeiro através da concessão da bolsa de mestrado.
A todos que direta ou indiretamente fizeram parte da execução deste trabalho e da minha
formação, deixo aqui о meu muito obrigada.
v
RESUMO
ANÁLISE DA DINÂMICA DO USO E COBERTURA DO SOLO SOBRE A

VULNERABILIDADE AMBIENTAL EM ÁREA DO DISTRITO FEDERAL
O Córrego Taquari é destinado para a captação de água para o abastecimento humano e,

apesar de ter sua área protegida pela Companhia de Saneamento Ambiental do Distrito
Federal, tem sofrido com o processo de urbanização, observado principalmente com a
implantação do Paranoá Parque. O objetivo deste estudo foi avaliar a dinâmica ambiental,
por meio da evolução histórica e de cenários prospectivos de uso e cobertura do solo, e a sua
influência na vulnerabilidade ambiental na bacia hidrográfica do Córrego Taquari e entorno,
no Distrito Federal.
Para tanto realizou-se uma avaliação multitemporal do uso e cobertura do solo, para os anos
1985-1995, 1995-2005 e 2005-2016, para a área de estudo A; 2009-2011 e 2011-2014, para
a área de estudo B e a para bacia hidrográfica do Córrego Taquari. Em seguida foi realizada
uma avaliação multicritério baseada em Análise Hierárquica de Processos (AHP) para se
determinar a vulnerabilidade ambiental em função de suas características naturais e
antrópicas, tais como uso e cobertura do solo, declividade, pedologia, geomorfologia e
geologia. Analisou-se a mudança na temperatura aparente de superfície do solo. Foi
realizada simulação da dinâmica ambiental do uso e cobertura do solo, pelo sistema
Dinamica EGO, para produzir cenários prospectivos para o ano de 2019. Foi realizada uma
análise de sensibilidade da relação entre as mudanças do uso e cobertura do solo e a alteração
no escoamento superficial direto, na bacia hidrográfica do Córrego Taquari.
Os resultados sugerem a evolução do uso e cobertura do solo com o decorrer dos anos,
demonstrando continuidade do processo de ocupação antrópica, podendo afetar as
componentes hidrológicas, como o escoamento superficial direto, podendo ocasionar
impactos ambientais e sociais devido ao aumento do volume. A utilização da AHP mostrou-
se satisfatória para reduzir erros e produzir mapas com certa imparcialidade. A integração
dos fatores naturais e antrópicos incorporou informações relevantes ao estudo da
vulnerabilidade ambiental. A vulnerabilidade ambiental muito alta não é muito
representativa nas áreas estudadas. As temperaturas de superfície terrestre sugerem boa
relação com o uso e cobertura do solo, com os dados meteorológicos e como indicador da
capacidade de infiltração do solo.
vi
ABSTRACT
ANALYSIS OF DYNAMICS OF SOIL USE AND COVER ON ENVIRONMENTAL

VULNERABILITY IN DISTRITO FEDERAL AREA
The Taquari stream is destined for the water abstraction for the human supply and despite
its protected area by the Environmental Sanitation Company of the Federal District, has
suffered with the urbanization process, mainly observed with implementation of Paranoá
Parque. The objective of this study was to evaluate the environmental dynamics, through
historical evolution and prospective scenarios of soil use and cover, and its influence on
environmental vulnerability in the Taquari stream watershed and surrounding area, in the
Distrito Federal.
A multitemporal evaluation of soil use and cover was carried out for the years 1985-1995,
1995-2005 and 2005-2016, for study area A; 2009-2011 and 2011-2014, for study area B
and for the Taquari stream watershed. A multicriteria evaluation based on Analytical
Hierarchy Process (AHP) was then carried out to determine the environmental vulnerability
due to its natural and anthropogenic characteristics, such as soil use and cover, declivity,
pedology, geomorphology and geology. The apparent soil surface temperature change was
analyzed. Simulation of the environmental dynamics of soil use and cover by the Dinamica
EGO system was carried out to produce prospective scenarios for the year 2019. A sensitivity
analysis of the relationship between soil use and cover changes and the direct surface runoff
change in Taquari stream watershed was performed.
The results suggest the evolution of soil use and cover the years, demonstrating the
continuity of the anthropic occupation process, which may affect the hydrological
components, such as direct surface runoff, and may cause environmental and social impacts
due to the increase in volume. The use of AHP was satisfactory to reduce errors and produce
maps with some impartiality. The integration of natural and anthropic factors incorporated
relevant information to the study of environmental vulnerability. Very high environmental
vulnerability is not very representative in the areas studied. Land surface temperatures
suggest a good relation with the soil use and cover, with meteorological data and as an
indicator of soil infiltration capacity.
vii
SUMÁRIO
1. INTRODUÇÃO ............................................................................................................ 1
2. OBJETIVOS ................................................................................................................. 5
2.1. OBJETIVO GERAL............................................................................................. 5
2.2. OBJETIVOS ESPECÍFICOS .............................................................................. 5
3. ÁREA DE ESTUDO .................................................................................................... 6
3.1. CLIMA DO DF ..................................................................................................... 6
3.2. HIDROGRAFIA DO DF ...................................................................................... 7
3.3. ESCOLHA DA ÁREA DE ESTUDO .................................................................. 8
3.4. CARACTERIZAÇÃO DA ÁREA DE ESTUDO A ......................................... 10
3.4.1. Hidrografia .......................................................................................................... 10
3.4.2. Pedologia .............................................................................................................. 11
3.4.3. Geomorfologia ..................................................................................................... 17
3.4.4. Geologia ............................................................................................................... 19
3.5. CARACTERIZAÇÃO DA ÁREA DE ESTUDO B ......................................... 22
3.5.1. Hidrografia .......................................................................................................... 22
3.5.2. Pedologia .............................................................................................................. 23
3.5.3. Geomorfologia ..................................................................................................... 24
3.5.4. Geologia ............................................................................................................... 25
3.6. PLANO DIRETOR DE ORDENAMENTO TERRITORIAL DO DISTRITO

FEDERAL - PDOT ........................................................................................................ 26
3.7. PARANOÁ PARQUE......................................................................................... 29
4. FUNDAMENTAÇÃO TEÓRICA ............................................................................ 32
4.1. SENSORIAMENTO REMOTO E GEOPROCESSAMENTO ...................... 32
4.2. USO E COBERTURA DO SOLO ..................................................................... 34
4.3. VULNERABILIDADE AMBIENTAL ............................................................. 37
4.3.1. Análise Hierárquica de Processos (AHP) ......................................................... 40
viii
4.4. TEMPERATURA DA SUPERFÍCIE TERRESTRE ...................................... 42
4.5. MODELAGEM DA DINÂMICA AMBIENTAL DO USO E COBERTURA

DO SOLO ....................................................................................................................... 45
4.5.1. Método dos pesos de evidência .......................................................................... 48
4.5.2. Modelo de Autômatos Celulares (AC) .............................................................. 49
4.5.3. Plataforma de Simulação de Dinâmica Ambiental - Dinamica EGO ............ 50
4.6. MÉTODO DO SOIL CONSERVATION SERVICE ......................................... 52
4.6.1. Relação chuva-vazão ........................................................................................... 58
4.6.2. Grupos hidrológicos de solos (GHS) ................................................................. 60
4.6.3. Parâmetro CN ..................................................................................................... 68
4.6.4. Chuva de projeto ................................................................................................. 71
5. MATERIAL E MÉTODOS ....................................................................................... 74
5.1. MATERIAL ........................................................................................................ 74
5.2. MÉTODOS .......................................................................................................... 75
5.2.1. Produção dos mapas de uso e cobertura do solo .............................................. 77
5.2.2. Vulnerabilidade ambiental................................................................................. 82
5.2.2.1. Ponderação dos valores de vulnerabilidade natural ....................................... 84
5.2.2.2. Análise Hierárquica de Processos.................................................................. 89
5.2.3. Mapas de temperatura da superfície terrestre ................................................. 93
5.2.3.1. Temperaturas obtidas com as imagens do Landsat 5 .................................... 93
5.2.3.2. Temperaturas obtidas com as imagens do Landsat 8 .................................... 94
5.2.4. Modelagem da dinâmica ambiental do uso e cobertura do solo ..................... 96
5.2.4.1. Dados de entrada ........................................................................................... 96
5.2.4.2. Calibração do modelo .................................................................................... 97
5.2.4.3. Construção do modelo de simulação e validação .......................................... 98
5.2.4.4. Obtenção de cenários prospectivos do uso e cobertura do solo .................. 100
5.2.5. Método do SCS .................................................................................................. 102
ix
5.2.5.1. Parâmetros da bacia hidrográfica ................................................................ 102
5.2.5.2. Parâmetro CN .............................................................................................. 102
5.2.5.3. Cálculo do escoamento superficial .............................................................. 103
6. RESULTADOS E DISCUSSÃO ............................................................................. 105
6.1. USO E COBERTURA DO SOLO ................................................................... 105
6.1.1. Mapas de uso e cobertura do solo da área de estudo A ................................. 105
6.1.2. Mapas de uso e cobertura do solo da área de estudo B ................................. 111
6.2. VULNERABILIDADE AMBIENTAL ........................................................... 115
6.2.1. Ponderação dos valores de vulnerabilidade natural ...................................... 115
6.2.2. Análise Hierárquica de Processos ................................................................... 126
6.3. MAPAS DE TEMPERATURA DA SUPERFÍCIE TERRESTRE .............. 132
6.3.1. Área de estudo A ............................................................................................... 132
6.3.2. Área de estudo B ............................................................................................... 137

DO SOLO ..................................................................................................................... 142
6.4.1. Preparação dos mapas de entrada .................................................................. 142
6.4.2. Calibração do modelo ....................................................................................... 143
6.4.3. Construção do modelo de simulação e validação ........................................... 150
6.4.4. Obtenção do cenário prospectivo de tendência histórica .............................. 155
6.5. BACIA HIDROGRÁFICA DO CÓRREGO TAQUARI .............................. 159
6.5.1. Delimitação e parâmetros da bacia hidrográfica ........................................... 160
6.5.2. Modelagem dinâmica ambiental na bacia hidrográfica do Córrego Taquari

161
6.5.3. Uso e cobertura do solo da bacia hidrográfica do Córrego Taquari ........... 164
6.5.4. Escoamento superficial direto.......................................................................... 166
7. CONCLUSÕES ........................................................................................................ 172
REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................... 175
x
APÊNDICES .................................................................................................................... 187
xi
LISTA DE TABELAS
Tabela 3.1 – Regiões, bacias e unidades hidrográficas do DF .............................................. 8

Tabela 4.1 – Critérios para classificação hidrológica de solos ............................................ 65
Tabela 4.2 – Grupos hidrológicos do SCS segundo condições de solos brasileiros ........... 66
Tabela 4.3 – Classificação hidrológica para solos brasileiros ............................................. 67
Tabela 4.4 – CN em função da descrição da área e do GHS com AMC II para área urbana
............................................................................................................................................. 68
Tabela 4.5 – CN em função da descrição da área e do GHS com AMC II para área rural . 69
Tabela 5.1 – Imagens de sensores remotos orbitais............................................................. 74
Tabela 5.2 – Imagens utilizadas na classificação temática .................................................. 77
Tabela 5.3 – Valores de ganho e offset utilizados nas imagens NVDI ............................... 80
Tabela 5.4 – Valores de limiar de similaridade e área mínima dos polígonos utilizados nas
imagens segmentadas .......................................................................................................... 81
Tabela 5.5 – Fatores e critérios que serão analisados .......................................................... 84
Tabela 5.6 – Valor e classe de vulnerabilidade ................................................................... 84
Tabela 5.7 – Valor de vulnerabilidade natural para uso e cobertura do solo ...................... 85
Tabela 5.8 – Valor de vulnerabilidade natural para classes de declividade ........................ 86
Tabela 5.9 – Valor de vulnerabilidade natural dos solos ..................................................... 87
Tabela 5.10 – Valor de vulnerabilidade natural para geomorfologia .................................. 88
Tabela 5.11 – Valor de vulnerabilidade natural para litologia ............................................ 89
Tabela 5.12 – Valores de AHP para comparação pareada .................................................. 90
Tabela 5.13 – Valores de IR para matrizes quadradas de ordem n ..................................... 92
Tabela 6.1 – Evolução do uso e cobertura do solo por meio das classes temáticas para o
período 1985 - 1995 ........................................................................................................... 107
período 1995 - 2005 ........................................................................................................... 108
período 2005 - 2016 ........................................................................................................... 109
período 1985 - 2016 ........................................................................................................... 111
período 2009 - 2011 ........................................................................................................... 113
xii
período 2011 - 2014 ........................................................................................................... 114
período 2009 - 2014 ........................................................................................................... 114
Tabela 6.8 – Matriz de comparação pareada ..................................................................... 127
Tabela 6.9 – Matriz normalizada ....................................................................................... 127
Tabela 6.10 – Vulnerabilidade ambiental em termos de área e porcentagem ................... 129
Tabela 6.11 – Dados meteorológicos na data da aquisição das imagens .......................... 137
Tabela 6.12 – Testes de modelagem da dinâmica ambiental do uso e cobertura do solo . 143
Tabela 6.13 – Matriz de transição de passo único – T5 .................................................... 146
Tabela 6.14 – Matriz de transição de passos múltiplos – T5............................................. 146
Tabela 6.15 – Matriz de transição de passo único – T6 .................................................... 147
Tabela 6.16 – Matriz de transição de passos múltiplos – T6............................................. 147
Tabela 6.17 – Matriz de transição de passo único – T6_inf .............................................. 148
Tabela 6.18 – Matriz de transição de passos múltiplos – T6_inf ...................................... 148
Tabela 6.19 – Matriz de transição de passo único – T6_sup ............................................. 149
Tabela 6.20 – Matriz de transição de passos múltiplos – T6_sup ..................................... 149
Tabela 6.21 – Parâmetros de Patcher e Expander escolhidos para o teste T5 .................. 151
Tabela 6.22 – Índices de similaridade mínima para o modelo 2011 – 2014 ..................... 153
Tabela 6.23 – Área das classes temáticas de uso e cobertura do solo para T5 .................. 156
Tabela 6.24 – Área das classes temáticas de uso e cobertura do solo para T6 .................. 158
Tabela 6.25 – Área das classes temáticas de uso e cobertura do solo para T6_inf ........... 158
Tabela 6.26 – Área das classes temáticas de uso e cobertura do solo para T6_sup .......... 158
Tabela 6.27 – Parâmetros morfológicos da bacia .............................................................. 160
Tabela 6.28 – Matriz de transição de passo único ............................................................. 161
Tabela 6.29 – Matriz de transição de passos múltiplos ..................................................... 162
período 2011 – 2019 .......................................................................................................... 166
Tabela 6.31 – Distribuição do escoamento superficial na área da bacia ........................... 171
Tabela A.1 – Correlação de variáveis pelo Índice de Cramer – T5................................... 188
Tabela A.2 – Correlação de variáveis pelo Índice de Cramer – T6................................... 191
Tabela A.3 – Correlação de variáveis pelo Índice de Cramer – T6_inf ............................ 192
Tabela A.4 – Correlação de variáveis pelo Índice de Cramer – T6_sup ........................... 194
xiii
Tabela B.5 – Correlação de variáveis pelo Índice de Cramer ........................................... 196
xiv
LISTA DE FIGURAS
Figura 3.1 – Localização das áreas de estudo segundo as unidades hidrográficas ................ 9
Figura 3.2 – Mapa pedológico - área de estudo A ............................................................... 12
Figura 3.3 – Mapa geomorfológico - área de estudo A ....................................................... 18
Figura 3.4 – Mapa geológico - área de estudo A ................................................................. 20
Figura 3.5 – Bacias hidrográficas e unidades hidrográficas - área de estudo B .................. 23
Figura 3.6 – Mapa pedológico - área de estudo B ............................................................... 24
Figura 3.7 – Mapa geomorfológico - área de estudo B ....................................................... 25
Figura 3.8 – Mapa geológico - área de estudo B ................................................................. 26
Figura 3.9 – Mapa de zoneamento territorial - área de estudo B ........................................ 29
Figura 3.10 – Localização Paranoá Parque e vegetação área de estudo B .......................... 30
Figura 5.1 – Fluxograma metodológico geral ..................................................................... 76
Figura 5.2 – Fluxograma metodológico para produção de mapas de uso e cobertura do solo
............................................................................................................................................. 78
Figura 5.3 – Fluxograma para obtenção dos mapas de vulnerabilidade ambiental ............. 82
Figura 5.4 – Modelo digital de terreno - área de estudo A .................................................. 83
Figura 5.5 – Modelo digital de terreno - área de estudo B .................................................. 83
Figura 5.6- Fluxograma da modelagem da dinâmica ambiental do uso e cobertura do solo
............................................................................................................................................. 96
Figura 5.7 – Representação do método de comparação Fuzzy .......................................... 101
Figura 5.8 – Fluxograma do cálculo do escoamento superficial direto ............................. 103
Figura 6.1 – Mapa de uso e cobertura do solo da área de estudo A para o ano 1985........ 105
Figura 6.5 – Mapa de uso e cobertura do solo da área de estudo B para o ano 2009 ........ 112
Figura 6.8 – Mapa de vulnerabilidade natural segundo o uso e cobertura do solo - área de
estudo A ............................................................................................................................. 116
estudo B ............................................................................................................................. 117
xv
Figura 6.10 – Mapa de declividade - área de estudo A ..................................................... 118
Figura 6.11 – Mapa de vulnerabilidade natural segundo a declividade - área de estudo A
........................................................................................................................................... 118
Figura 6.12 – Mapa de declividade - área de estudo B...................................................... 119
Figura 6.13 – Mapa de vulnerabilidade natural segundo a declividade - área de estudo B
........................................................................................................................................... 120
Figura 6.14 – Mapa de vulnerabilidade natural segundo a pedologia - área de estudo A . 121
Figura 6.15 – Mapa de vulnerabilidade natural segundo a pedologia - área de estudo B . 122
Figura 6.16 – Mapa de vulnerabilidade natural segundo a geomorfologia - área de estudo A
........................................................................................................................................... 123
Figura 6.17 – Mapa de vulnerabilidade natural segundo a geomorfologia - área de estudo B
........................................................................................................................................... 124
Figura 6.18 – Mapa de vulnerabilidade natural segundo a geologia - área de estudo A ... 125
Figura 6.19 – Mapa de vulnerabilidade natural segundo a geologia - área de estudo B ... 126
Figura 6.20 – Mapa de vulnerabilidade ambiental - área de estudo A .............................. 130
Figura 6.21 – Mapa de vulnerabilidade ambiental - área de estudo B .............................. 131
Figura 6.22 – Mapa de temperatura aparente da superfície terrestre em 18 de setembro de
1985 - área de estudo A ..................................................................................................... 133
1995 - área de estudo A ..................................................................................................... 134
2005 - área de estudo A ..................................................................................................... 135
2016 - área de estudo A ..................................................................................................... 136
Figura 6.26 – Mapa de temperatura aparente da superfície terrestre em 18 de julho de 2009
área de estudo B................................................................................................................. 139
área de estudo B................................................................................................................. 140
área de estudo B................................................................................................................. 141
Figura 6.29 – Mapa das áreas utilizadas na modelagem da dinâmica ambiental do uso e
cobertura do solo da área de estudo B ............................................................................... 145
Figura 6.30 – Mapas de uso e cobertura do solo simulados para o ano de 2014............... 152
xvi
Figura 6.31 – Mapa de uso e cobertura do solo simulado para o ano de 2019 - teste T5.. 156
Figura 6.32 – Mapas de uso e cobertura do solo simulados para o ano de 2019 com os testes
T6, T6_inf e T6_sup .......................................................................................................... 157
Figura 6.33 – Bacia do Córrego Taquari ........................................................................... 160
Figura 6.34 – Mapas de uso e cobertura do solo simulados para os anos 2014 e 2019 .... 164
Figura 6.35 – Mapas de uso e cobertura do solo na bacia hidrográfica do Córrego Taquari
........................................................................................................................................... 165
Figura 6.36 – Distribuição espacial dos Grupos Hidrológicos do Solo na bacia hidrográfica
do Córrego Taquari ............................................................................................................ 167
Figura 6.37 – Distribuição espacial dos valores de CN na bacia hidrográfica do Córrego
Taquari ............................................................................................................................... 168
Figura 6.38 – Distribuição espacial do escoamento superficial direto na bacia hidrográfica
do Córrego Taquari ............................................................................................................ 170
xvii
LISTA DE SÍMBOLOS, NOMENCLATURA E ABREVIAÇÕES
AC Autômatos Celulares
AHP Analytical Hierarchy Process (Análise Hierárquica de Processos)
AMC Antecedent Moisture Conditions (Condições de Umidade
Antecedente)
APA Área de Proteção Ambiental
APM Área de Proteção de Manancial
CAESB Companhia de Saneamento Ambiental do Distrito Federal
cm Centímetro
CN Curve Number (Número da Curva de Escoamento)
CSR Centro de Sensoriamento Remoto
DF Distrito Federal
DN Digital Number (Número Digital)
EGO Environment for Geoprocessing Objects
EUA Estados Unidos da América
GDF Governo do Distrito Federal
GHS Grupos hidrológicos de solos
IDF Intensidade Duração Frequência
INMET Instituto de Nacional de Meteorologia
km Quilômetro
LEGAL Linguagem Espacial de Georreferência Algébrica
m Metro
Maxver Máxima Verossimilhança
mm Milímetros
MDT Modelo Digital de Terreno
Normalize Difference Vegetation Index (Índice de vegetação
NDVI
normalizado)
Novacap Companhia Urbanizadora da Nova Capital do Brasil
NRCS Natural Resources Conservation Service
PDOT Plano Diretor de Ordenamento Territorial do Distrito Federal
PI Plano de Informação
RA Região Administrativa
xviii
s Segundo
SCS Soil Conservation Service
SEDHAB Secretaria de Habitação, Regularização e Desenvolvimento Urbano
SIG Sistema de Informação Geográfica
Spring Sistema de Processamento de Informações Georreferenciadas
SR Sensoriamento Remoto
SWAT Soil and Water Assessment Tool
TOA Top Of Atmosphere (Topo da atmosfera)
USDA United States Department of Agriculture
USGS United State Geological Survey
VANT Veículo Aéreo Não Tripulado
μm Micrômetro
xix
1. INTRODUÇÃO
As ações humanas sobre o meio ambiente provocam mudanças que alteram

consideravelmente o equilíbrio e a dinâmica da natureza. Os processos de degradação
causados pela ruptura deste equilíbrio têm conduzido os pesquisadores a uma busca por
soluções que apontem para mecanismos de relacionamento entre causas e efeitos, levando a
processos que acentuam os problemas ambientais.
Um dos principais problemas sociais, econômicos e ambientais enfrentados atualmente pela

população mundial é a degradação dos recursos naturais. A acelerada alteração da paisagem
natural e o crescimento das áreas urbanas nas últimas décadas, juntamente com o
planejamento inadequado da gestão de recursos hídricos e a deficiência na execução das
políticas públicas, têm proporcionado a deterioração da qualidade e quantidade da água e,
consequentemente, da qualidade de vida da população.
Neste sentido, as técnicas e os produtos que fazem parte das geotecnologias, como o
geoprocessamento, são aliados no desafio de planejar e ordenar o território e tem sido
comum sua utilização para classificar uma área quanto ao uso e cobertura do solo, além de
determinar a temperatura da superfície terrestre, relacionando-os para definir até que ponto
essas modificações podem alterar as características naturais do ambiente. Os processos de
urbanização de uma área, como a retirada da cobertura vegetal, estabelecimento de
edificações e impermeabilização do solo, por meio de pavimentação, podem alterar a
infiltração de água no solo, proveniente de precipitação, modificando o escoamento
superficial e evaporação de água do solo, o que reduz a umidade relativa do ar e altera as
temperaturas da superfície do solo.
As técnicas de geoprocessamento estão sendo cada vez mais aperfeiçoadas no campo da

ciência, sendo responsáveis por representar, de maneira mais adequada possível, os
fenômenos espaciais dinâmicos, como a expansão da área urbana, mudanças no uso e
cobertura do solo e o escoamento da água em uma bacia hidrográfica. Dentre essas técnicas
utilizadas na análise espacial estão os algoritmos empregados na modelagem ambiental e na
análise multicritério, por meio da análise de vulnerabilidade ambiental.
Identificar ambientes naturais e antropizados, e determinar suas fragilidades são meios para
definir, de forma mais coerente, as diretrizes e ações a serem implementadas no espaço
1
físico-territorial, buscando a eficiente execução do planejamento urbano. Assim, a utilização
de Sistema de Informação Geográfica (SIG) que emprega algoritmos de geoprocessamento
permite a realização de análises espaciais no que tange, dentre outros aspectos, à
vulnerabilidade ambiental, além de auxiliar estudos que permitam o planejamento adequado
para as áreas de risco ambiental mediante a ação humana ou as mudanças naturais (Costa et
al., 2006).
Sendo assim, destaca-se a importância de entender o gradiente de variação da

vulnerabilidade ambiental em uma localidade que sofre com intervenções humanas,
tornando-se essencial nos processos de gestão para a conservação dos recursos naturais e
estabelecimento de resiliência nos sistemas envolvidos. Neste estudo, a vulnerabilidade
ambiental refere-se à suscetibilidade do ambiente às pressões antrópicas, relacionando-se a
vulnerabilidade natural a processos erosivos e sua potencialização devido à influência
antrópica, por meio de informações de uso e cobertura do solo.
Diante desse cenário, ressalta-se também a importância de estudar a evolução do uso e

cobertura do solo por técnicas de geoprocessamento em áreas que sofrem ocupação
antrópica, para determinar a sua vulnerabilidade ambiental, modelar os cenários
prospectivos do uso do seu solo, indicando a tendência espacial do crescimento urbano e
demais mudanças futuras no uso do solo, e sua influência no escoamento superficial direto
da área estudada, além de relacionar a temperatura da superfície terrestre com o uso e
cobertura do solo e como indicador da capacidade de infiltração do solo.
Os modelos de dinâmica ambiental são utilizados para compreender os processos de

mudanças na paisagem, que evoluem no tempo, e ocorrem de forma natural ou induzida pela
ação antrópica, buscando replicar os possíveis caminhos da evolução da paisagem e, assim,
possibilitar a avaliação de suas implicações futuras (Soares-Filho et al., 2002). Esses
modelos simulam a integração dos processos de dinâmica ambiental em bacias hidrográficas
e são importantes para propor cenários futuros de desenvolvimento sustentável (Conway e
Lathrop, 2005). Para avaliar essas mudanças, a modelagem dinâmica requer o uso de dados
provenientes do sensoriamento remoto aéreo e/ou orbital, como as fotografias aéreas e as
imagens de satélite, além dos cartográficos, como mapeamentos e levantamentos que
caracterizem o uso e cobertura do solo no intervalo de tempo proposto (Soares-Filho et al.,
2007).
2
O elevado crescimento populacional que, por vezes, resulta no inadequado uso e cobertura
do solo, juntamente com a mudança climática podem ocasionar diversos impactos em uma
bacia hidrográfica, como a mudança no microclima da região e no regime de escoamento
dos cursos de água, o desmatamento, os processos erosivos que causam aporte de
sedimentos, a poluição dos corpos hídricos, o lançamento de resíduos sólidos, entre outros.
Os cenários prospectivos representados por mapas futuros de uso e cobertura do solo, obtidos
com o sistema de modelagem da dinâmica ambiental, Dinamica EGO (desenvolvido pela
Universidade Federal de Minas Gerais), fornecem subsídios para identificar as mudanças
que poderão ocorrer na paisagem, como a expansão urbana futura. Essas mudanças estão
diretamente ligadas às alterações que podem ocorrer nos componentes hidrológicos,
modificando-os e alterando a disponibilidade de água e a biodiversidade local, e dentre esses
componentes hidrológicos está o escoamento superficial direto, daí a importância em se
analisar as mudanças que ocorrem em uma bacia hidrográfica pela ação humana, buscando
identificar os fatores responsáveis por sua alteração.
Na quantificação do escoamento superficial direto em bacias hidrográficas que não possuem

sistemas de monitoramento é necessária a utilização de um modelo que estime a parcela de
chuva total que irá se transformar nesse escoamento, de forma a estimar a chuva excedente.
Um dos modelos utilizados para esta finalidade é o Método do Soil Conservation Service
(SCS), o Runoff Curve Number Method (USDA-NRCS, 2004). A partir de eventos de chuva,
estima-se o volume de escoamento superficial direto, onde são considerados os principais
fatores que afetam a geração do escoamento, como a cobertura do solo, características
hidrológicas dos solos na forma de grupos hidrológicos de solos, e as condições de umidade
antecedente da bacia (Sartori et al., 2011).
A presente pesquisa está voltada para a bacia hidrográfica do Córrego Taquari e seu entorno,
visto que neste córrego existe um ponto de captação de água da Companhia de Saneamento
Ambiental do Distrito Federal (CAESB) voltado para o abastecimento humano. Apesar de
ter sua área quase totalmente protegida pela CAESB, observa-se que, com o passar dos anos,
tem ocorrido a ocupação antrópica dessa bacia e do seu entorno, pela construção de
edificações por particulares e pela implantação de um conjunto habitacional do Programa
Morar Bem do Governo do Distrito Federal (GDF). Este processo de ocupação resulta em
modificações das condições ambientais, como a supressão da vegetação nativa que altera a
biodiversidade da fauna e da flora local, o aumento da área construída, com consequente
3
aumento de impermeabilização do solo que promove a redução da infiltração de água e,
também, a alteração da quantidade, da intensidade e da duração do escoamento superficial
direto, o que causa inundações e danos a infraestrutura urbana, com perdas materiais e
humanas.
Como hipóteses dessa pesquisa apresentam-se: i) a existência de ocupação antrópica

crescente da bacia hidrográfica do Córrego Taquari e entorno e que esta ocupação continuará
ocorrendo no futuro, em um horizonte de curto e médio prazo; ii) a evolução da dinâmica
ambiental, em termos de uso e cobertura do solo, irá influenciar na sua vulnerabilidade
ambiental; iii) a crescente ocupação antrópica da área de estudo poderá aumentar o
escoamento superficial direto em escala multitemporal.
Diante da problemática apresentada, ressalta-se a importância de se estudar a dinâmica de

uso do solo e seus efeitos na temperatura da superfície terrestre, na vulnerabilidade ambiental
e no escoamento superficial direto. Os resultados desta pesquisa podem ser utilizados como
subsídios para a elaboração e implantação de políticas públicas para o planejamento da
ocupação das áreas próximas ao Córrego Taquari.
A estrutura desta dissertação apresenta-se dividida em sete capítulos. No primeiro capítulo,

tem-se a introdução e contextualização do trabalho em pauta. O segundo capítulo apresenta
os objetivos da pesquisa. O terceiro capítulo descreve a caracterização das áreas de estudo.
O quarto capítulo contém a fundamentação teórica, onde estão apresentados conceitos
julgados pertinentes ao entendimento e desenvolvimento da pesquisa e a revisão
bibliográfica de estudos relacionados, buscando a aplicação destes conceitos. Este capítulo
apresenta conceitos envolvidos na classificação temática de imagens, na análise multicritério
da vulnerabilidade ambiental, na análise de temperatura da superfície terrestre, na
modelagem da dinâmica ambiental e no escoamento superficial direto. No capítulo cinco
está descrito o material utilizado e a metodologia adotada para alcançar os objetivos
propostos. O capítulo seis apresenta os resultados obtidos na pesquisa e sua discussão. No
sétimo, e último capítulo, apresentam-se as conclusões obtidas por meio da realização desta
pesquisa.
4
2. OBJETIVOS
2.1. OBJETIVO GERAL
Em vista do exposto, o objetivo geral dessa pesquisa constitui-se em compreender a relação

da dinâmica do uso e cobertura do solo com a vulnerabilidade ambiental a processos
erosivos, a temperatura de superfície terrestre e o escoamento superficial direto, em área do
Distrito Federal.
2.2. OBJETIVOS ESPECÍFICOS
 Realizar avaliação multitemporal do processo de uso e cobertura do solo nas áreas de

estudo;
 Determinar a vulnerabilidade ambiental da área de estudo em função de suas

características naturais e antrópicas, por meio de algoritmos de geoprocessamento e
análise hierárquica de processos;
 Analisar mudanças na temperatura de superfície terrestre e sua relação com a evolução

do uso e cobertura do solo;
 Realizar simulação da dinâmica do uso e cobertura do solo, pelo sistema Dinamica EGO,
considerando sua tendência histórica, para produzir cenários prospectivos;
 Executar uma análise de sensibilidade da relação entre as mudanças do uso e cobertura

do solo ao longo dos anos e a sua alteração no escoamento superficial direto, na bacia
hidrográfica do Córrego Taquari.
5
3. ÁREA DE ESTUDO
3.1. CLIMA DO DF
O clima do Distrito Federal é caracterizado por duas estações bem definidas, uma chuvosa e
quente, que compreende os meses de outubro a abril, e outra fria e seca, entre maio a
setembro (Embrapa, 1978; Campos, 2004).
A temperatura anual varia entre 18 e 22°C, sendo julho o mês mais frio, com temperaturas
médias de 16 a 18°C, e setembro e outubro os meses mais quentes, com temperaturas médias
de 20 a 22°C (Embrapa, 1978). A temperatura de Brasília sofre influência da altitude e da
latitude. As regiões de menor altitude são mais quentes do que as de maior altitude, já que o
aquecimento da atmosfera se dá pela emissão da onda de calor pela superfície da Terra, e
dessa forma, a medida que a onda emitida vai subindo a atmosfera ela vai dissipando seu
calor. Com relação a latitude, quanto menor ela for maior será a temperatura, isso se deve a
maior proximidade do local a linha do equador, onde o ângulo de incidência da radiação
solar é praticamente perpendicular superfície, fazendo com que a dispersão do calor seja
menor do que em zonas temperadas e/ou polares (Baptista, 1998).
De acordo com classificação de Köppen, o DF tem clima tropical, com concentração da

precipitação pluviométrica no período de verão. Há significativas diferenças de precipitação
dentro de sua área, porém as variações altimétricas são as responsáveis pelas variações na
temperatura, o que permite observar os seguintes tipos climáticos (Embrapa, 1978; Baptista,
1998).
 Aw – Tropical: Clima de savana, com temperatura superior a 18°C no mês mais frio.
Situa-se em áreas com cotas altimétricas abaixo de 1.000 metros, por exemplo as
bacias hidrográficas dos rios São Bartolomeu, Preto, Descoberto e Maranhão.
 Cwa - Tropical de Altitude: Temperatura inferior a 18°C no mês mais frio e média
superior a 22°C no mês mais quente. Esse tipo climático encontra-se na unidade
geomorfológica Pediplano de Brasília, cuja cota está entre 1.000 e 1.200 metros.
 Cwb - Tropical de Altitude: apresenta temperatura inferior a 18°C no mês mais frio,
e no mês mais quente a média é inferior a 22°C. Esse tipo climático encontra-se na
unidade geomorfológica Pediplano Contagem/Rodeador, cuja cota altimétrica está
acima 1.200 metros.
6
A porcentagem de umidade oscila diariamente de acordo com os períodos de maior ou menor
temperatura, com essa oscilação chega-se ao valor de umidade relativa do ar, sendo esta
entendida como a variação percentual do vapor d’água na composição do ar atmosférico
(Baptista, 1998). Na estação meteorológica Brasília a umidade relativa do ar oscila,
aproximadamente, entre 50 a 80%, porém é uma característica comum do cerrado, que no
inverno, principalmente nos meses de julho a setembro, a umidade relativa do ar alcance
níveis muito baixos, tendo sido registrados valores inferiores a 15% (Baptista, 1998;
Campos, 2004).
A média anual de pluviometria varia entre 1.500 e 2.000 mm, o trimestre mais chuvoso é
novembro, dezembro e janeiro, sendo o mês de dezembro o de maior total de precipitação,
já o trimestre com menor índice pluviométrico é junho, julho e agosto, sendo agosto o que
apresenta menor total de precipitação (Embrapa, 1978).
3.2. HIDROGRAFIA DO DF
O Distrito Federal abrange três das doze regiões hidrográficas do Brasil: Paraná, São
Francisco e Tocantins-Araguaia (Campana et al., 1998; GDF 2012). A região hidrográfica
do Paraná localiza-se na região centro-oeste do DF e abrange cerca de 62,5% de sua área; a
região hidrográfica do São Francisco compreende a região leste, com 24,2% da área; e 13,3%
restantes da área do DF faz parte região hidrográfica do Tocantins/Araguaia, compreendendo
a região noroeste. Considerando os principais rios das três regiões hidrográficas, realizou-se
a subdivisão das mesmas em sete bacias hidrográficas: São Bartolomeu, Lago Paranoá,
Descoberto, Maranhão, Preto, Corumbá e São Marcos. Para efeito de planejamento e
gerenciamento as bacias hidrográficas foram divididas em 36 unidades hidrográficas
conforme apresentado na (Secretaria do Meio Ambiente, Ciência e Tecnologia
(SEMATEC), 1994 apud Campana et al., 1998), conforme apresentado na Tabela 3.1.
7
Tabela 3.1 – Regiões, bacias e unidades hidrográficas do DF
(SEMATEC, 1994 apud Campana et al., 1998).
Região Hidrográfica Bacia Hidrográfica Unidade Hidrográfica
Paraná Rio São Bartolomeu Pipiripau
Mestre d’armas
Sobradinho
Paranoá
Tabocas
Papuda
Cachoeirinha
Santana
Saia Velha / Maria Pereira
Lago Paranoá Santa Maria / Torto
Bananal
Lago Paranoá
Ribeirão do Gama
Riacho Fundo
Rio Descoberto Lago Descoberto
Dois Irmãos
Melchior / Belchior
Buriti
Engenho das Lages
Rio Corumbá Alagado / Ponte Alta
Santa Maria
Rio São Marcos Samambaia
São Francisco Rio Preto Santa Rita
Jacaré
São José
Extrema
Buriti Vermelho
Alto Jardim
Médio Jardim
Baixo Jardim
Capão do Lobo
São Bernardo
Tocantins / Araguaia Rio Maranhão Vereda Grande
Sonhem
Pedreira
Palma
3.3. ESCOLHA DA ÁREA DE ESTUDO
Para o estudo bacia hidrográfica do Córrego Taquari e seu entorno, foram selecionadas duas
áreas de estudo, localizadas no Distrito Federal, com intuito de estudar a sua vulnerabilidade
e dinâmica ambiental. A primeira área de estudo, denominada de área de estudo A, localizada
nas coordenadas geográficas 15°35'22,61" a 15°57'5,871" de latitude sul e 48°1'9,378" a
47°29'26,786" de longitude oeste, com área de 2.250,17 km² sendo, portanto, a de maior
8
dimensão e abrangendo as seguintes unidades hidrográficas: Lago Paranoá, Paranoá,
Sobradinho, Tabocas, estas em sua totalidade, e parcialmente, Riacho Fundo, Cachoeirinha,
Papuda, Baixo, Médio e Alto Jardim, Extrema, Pipiripau, Mestre D’Armas e Santa
Maria/Torto, representada na Figura 3.1 pelo retângulo amarelo. A segunda área de estudo
possui área de 47,49 km², abrange a bacia hidrográfica do Córrego Taquari e o
empreendimento de parcelamento do solo denominado Paranoá Parque, pertencente ao
Programa Morar Bem do Governo do Distrito Federal (GDF), localizada nas coordenadas
geográficas 15°43'13,619" a 15°46'39,344" de latitude sul e 47°49'32,508" a 47°45'19,993"
de longitude oeste e abrange parcialmente três unidades hidrográficas, a do Lago Paranoá, a
do Paranoá e do Sobradinho, representada na Figura 3.1 pelo quadrado vermelho.
Figura 3.1 – Localização das áreas de estudo segundo as unidades hidrográficas
A escolha de duas áreas de estudo buscou compreender o processo de urbanização e suas

consequências, primeiramente, de forma macro (área de estudo A), em seguida, em uma área
micro (área de estudo B), de maneira a auxiliar a definição de cenários prospectivos por meio
da tendência histórica de alteração do uso e cobertura do solo. Sendo assim, a área de estudo
A foi escolhida por estar representada pelo Plano Piloto de Brasília e por outras regiões
administrativas que apresentaram, durantes décadas, crescente expansão urbana. Já a área de
9
estudo B foi definida pela proximidade do Plano Piloto e por apresentar um corpo hídrico de
captação de água para abastecimento, ressaltando-se a importância de estudar o processo de
urbanização de uma bacia hidrográfica e seus efeitos.
3.4. CARACTERIZAÇÃO DA ÁREA DE ESTUDO A
3.4.1. Hidrografia
Na área de estudo A são identificadas as mesmas três regiões hidrográficas presentes no DF.
A região hidrográfica Paraná é representada pelas bacias hidrográficas do Rio São
Bartolomeu e do Lago Paranoá, a do São Francisco pela bacia do Rio Preto e a do Tocantins-
Araguaia pela bacia do Rio Maranhão, a descrição das bacias hidrográficas, segundo
Campana et al. (1998), é apresentada a seguir:
 Bacia do Rio São Bartolomeu – é a maior bacia hidrográfica do DF e representa

44,5% da área de estudo A, nasce no norte do DF e se estende no sentido norte-sul,
drenando todo o seu trecho central. Situa-se nesta bacia parte das regiões
administrativas de Paranoá, Planaltina, Santa Maria, São Sebastião e Sobradinho,
entretanto apenas os núcleos urbanos de Planaltina, São Sebastião e Sobradinho estão
situados nos seus limites. A Bacia do Rio São Bartolomeu limita-se: ao norte com a
Bacia do Rio Maranhão; a leste com a Bacia do Rio Preto; a sudeste com a Bacia do
Rio São Marcos; a oeste com a Bacia do Lago Paranoá; e a sudoeste com a Bacia do
Rio Corumbá. As unidades hidrográficas que pertencem a Bacia do Rio São
Bartolomeu e fazem parte da área de estudo são: Pipiripau, Mestre d’armas,
Sobradinho, Paranoá, Tabocas, Papuda, Cachoeirinha e Santana.
 Bacia do Lago Paranoá – está localizada na porção central do Distrito Federal e faz
limite com a Bacia do Rio Maranhão, ao norte, com a Bacia do Rio São Bartolomeu,
a leste e ao sul, com a Bacia do Rio Corumbá, a sudoeste e com a Bacia do Rio
Descoberto, a oeste. É uma das bacias que apresenta maior contingente populacional,
pois nela estão situadas as Regiões Administrativas (RA) de Brasília, Lago Norte,
Lago Sul, Núcleo Bandeirante, Riacho Fundo, Candangolândia, Cruzeiro e Guará,
além de parte da Região Administrativa (RA) de Taguatinga. Representa 34,95% do
total da área de estudo A, e está distribuída entre as unidades hidrográficas: Santa
Maria / Torto, Bananal, Lago Paranoá, Ribeirão do Gama e Riacho Fundo.
10
 Bacia do Rio Preto – está localizada na porção oriental do DF, faz limite a oeste
com a Bacia do Rio São Bartolomeu e a sudeste com a Bacia do Rio São Marcos.
Seu curso d’água principal, o rio Preto, divide o DF com os Estados de Goiás e Minas
Gerais, e não apresenta nenhum núcleo urbano nos seus limites. Representa 16,62%
da área de estudo A e as unidades hidrográficas que pertencem a Bacia do Rio Preto
são: Jacaré, Extrema, Alto Jardim, Médio Jardim e Baixo Jardim.
 Bacia do Rio Maranhão – está localizada na porção norte do DF e faz limite a sul
com as bacias do Rio Descoberto, São Bartolomeu e Lago do Paranoá. Apesar de
não apresentar nenhum núcleo urbano em seus limites, na Bacia do Rio Maranhão
estão situadas as RAs de Brazlândia, Planaltina e Sobradinho. Os principais cursos
d’água são os rios Maranhão, Palmeiras, Sonhim, Palma e Sal. Na área de estudo A
representa a menor porcentagem em área (3,98%), com as unidades hidrográficas de
Vereda Grande, Sonhem e Pedreira.
3.4.2. Pedologia
A Empresa Brasileira de Pesquisa Agropecuária (Embrapa, 2013) classifica o solo como

uma coleção de corpos naturais, formados por matérias minerais e orgânicos que pode
apresentar partes sólidas, líquidas e gasosas, tridimensionais e dinâmicas, e ocupa a maior
parte da superfície continental do planeta e contêm matéria viva, podem ser vegetados na
natureza onde ocorrem e modificados por meio de interferências antrópicas.
Os solos do Distrito Federal, por sua vez, são produtos do intemperismo de rochas dos grupos
Paranoá, Araxá, Canastra e Bambuí e foram levantados pela Embrapa em 1978, e descritos
no Boletim Técnico 53 – “Levantamento de Reconhecimento dos Solos do Distrito Federal”
(Embrapa, 1978), e em 1999, a Embrapa fez a reclassificação dos solos conforme o Sistema
Brasileiro de Classificação dos Solos (Embrapa, 1999). No DF existem três classes de solos
mais significativas: o Latossolo Vermelho (antiga classe do Latossolo Vermelho-Escuro), o
Latossolo Vermelho-Amarelo e o Cambissolo, que juntos representam 85,49% da área total
do DF (Martins, 1998). Na área de estudo A essas três classes de solo somam cerca de 83%
da área total, os 17% restantes são classificados como argissolo vermelho, argissolo
vermelho-amarelo, espodossolo, neossolo quartzarênico, nitossolo, plintossolo e solos
hidromórficos indiscriminados, representados no mapa pedológico, escala 1:100.000 obtido
11
de Embrapa (1999) e apresentado na Figura 3.2, descritos a seguir conforme definições
apresentadas por Reatto et al. (2004) e Embrapa (2013).
Figura 3.2 – Mapa pedológico - área de estudo A

Fonte: Embrapa (1999)
 Argissolos
Os argissolos compreendem os solos Argissolo Vermelho (antiga classe do Podzólico

Vermelho-Escuro) e Argissolo Vermelho-Amarelo (antiga classe do Podzólico Vermelho-
Amarelo). É uma classe de solos heterogênea que apresenta um incremento substancial no
teor de argila com profundidade e/ou evidências de movimentação de argila do horizonte A
para o horizonte B. Compreende solos constituídos por materiais minerais, não
hidromórficos, com horizonte B textural de cores avermelhadas, com tendência à tonalidade
escura e teores de óxidos de ferro inferiores a 15%.
Na paisagem, os argissolos, ocupam a porção inferior das encostas, em geral naquelas

côncavas onde o relevo apresenta-se ondulado (8% a 20% de declive) ou forte-ondulado
(20% a 45% de declive).
12
Em relação à morfologia, o horizonte A é menos argiloso e estruturado do que o horizonte
B. A permeabilidade é diferenciada dentro do perfil, devido ao gradiente de textura, podendo
haver formação de erosões em sulcos no horizonte A, sendo comum encontrar argissolos
com o horizonte A decapitado. Considerando a estrutura física, os argissolos apresentam
profundidade variável, desde forte a imperfeitamente drenados, assim como a textura, que
varia de arenosa a argilosa no horizonte A e de média a muito argilosa no horizonte Bt.
Apesar de ocorrer em ambientes variados, no geral, os argissolos são comumente

encontrados em área de cerrado e floresta, sendo sua fertilidade natural uma característica
bastante variável.
 Cambissolos
Esses solos, geralmente, estão associados a relevos mais movimentados (ondulados e forte-
ondulados), e variam desde rasos a profundos, atingindo entre 0,2 a 1 m. Seu horizonte
subsuperficial é denominado “B incipiente” e, apesar de ser submetido a pouca alteração
física e química é o suficiente para desenvolvimento de cor e estrutura. De forma geral,
apresentam minerais primários facilmente intemperizáveis, teores mais elevados de silte,
indicando baixo grau de intemperização.
Os cambissolos apresentam coloração bruno-amarelada no horizonte superficial e vermelho-

amarelada no subsuperficial. Quimicamente, são solos distróficos em função do material de
origem e do clima local. A sua estrutura é variável, predominando blocos subangulares,
assim como a textura, que varia desde muito argilosa até franco-arenosa, com cascalho ou
sem cascalho. Por serem encontrados em relevos mais íngremes ou mais rasos, os
cambissolos deveriam ser destinados à preservação permanente. Em áreas com este tipo de
solo é indicado o reflorestamento com espécies nativas, uma vez que o replantio dessas
espécies possibilita a proteção da cobertura do solo.
 Espodossolos
Os espodossolos (antiga classe do Podzol) são solos constituídos por material mineral com
horizonte B espódico subjacente a horizonte eluvial E, a horizonte A, podendo ser de
qualquer tipo.
13
O horizonte A apresenta cor que varia de cinzenta até preta e o horizonte E desde cinzenta
ou acinzentada-clara até praticamente branca, já no horizonte espódico a cor varia desde
cinzenta, de tonalidade escura ou presta, até avermelhada ou amarelada. A textura é
predominantemente arenosa, sendo menos comumente textura média e raramente argilosa
no horizonte B. Em geral, são solos com baixa reserva de nutrientes e, por isto, são muito
pobres em fertilidade, de moderado a fortemente ácidos, normalmente com saturação por
bases baixas.
 Latossolos
Assim como acontece no DF, os latossolos, ocupam a maior parte da área de estudo A, e
compreendem os Latossolos Vermelhos (antiga classe do Latossolo Vermelho-Escuro) e os
Latossolos Vermelho-Amarelos (antiga classe do Latossolo Vermelho-Amarelo). Esses
solos são predominantes em relevo do tipo chapada, sendo que na primeira superfície
geomorfológica, onde a topografia é plana a suave-ondulada há predomínio de latossolos
mais intemperizados com maior porcentagem de óxidos de Fe e principalmente óxidos de
alumínio, com matiz mais amarelada. Já segunda superfície geomorfológica, ocorrem os
latossolos de origem de depósitos de sedimentos, normalmente, menos intemperizados, mais
cauliníticos e vermelhos.
Os latossolos são altamente intemperizados, evoluídos geologicamente como resultado de

transformações enérgicas no material constitutivo. São solos minerais, não hidromórficos,
profundos, normalmente superiores a 2 m, com horizonte B latossólico muito espesso, maior
que 50 cm. Possuem sequência de horizontes A, B e C com pouca diferenciação e cores
variando de vermelha a amarelada, geralmente escuras no A, vivas no B e mais claras no C.
Como estruturas predominantes destacam-se blocos subangulares (pouco desenvolvidos)

e/ou em forma muito pequena granular podendo haver partes com aspecto maciço poroso.
Apresentam teor de argila que varia entre 15 a 80% e silte entre 10 e 20%. De acordo com a
natureza da textura, estrutura e situação topográfica podem ter a drenagem classificada com
excessiva, forte e acentuada. São solos com alta permeabilidade de água, e a capacidade de
água disponível até 2 m de profundidade varia, em média, de 500 a 760 mm para os solos de
textura muito argilosa, de 300 a 500 mm para os de textura argilosa e de 260 a 330 mm para
os de textura média.
14
 Neossolos Quartzarênicos
Nos solos do tipo Neossolos Quartzarênicos, (antiga classe das Areias Quartzosas) do DF a
vegetação natural predominante é a de cerrado e/ou campo cerrado, normalmente, são solos
profundos, superiores a 2 m, com textura arenosa ou franco-arenosa, constituídos
essencialmente de quartzo, sendo no máximo 15% de argila e com sequência de horizontes
do tipo A-C. Esse tipo de solo é muito suscetível à erosão, devendo ser destinados à
preservação quando ocorrem nas cabeceiras de drenagem e adjacentes a mananciais.
Esses solos apresentam-se normalmente em relevo plano ou suave-ondulado, estando

relacionados com sedimentos arenosos de cobertura e a alterações de rochas quartzíticas e
areníticas. No aspecto químico, é caracterizado por apresentarem baixa disponibilidade de
nutrientes para as plantas. A estrutura morfológica caracteriza-se por camadas de areia
inconsolidadas cuja estrutura é fraca, pouco coerente e constitui basicamente grãos simples.
São muito porosos, excessivamente drenados e com capacidade de água disponível até 2 m
de profundidade variando em média de 70 a 200 mm.
 Nitossolos
Os Nitossolos que ocorrem no DF são derivados de rochas calcárias e ocupam as porções

média e inferior de encostas onduladas até forte-onduladas que devido ao uso agrícola, ficam
expostos à erosão. A vegetação original remanescente mais comum é mata seca semidecídua.
De maneira geral, sua estrutura é bem desenvolvida no horizonte B nítico, sendo do tipo
prismática ou em blocos subangulares. Cerosidade geralmente abundante. Apresentam
semelhança com os argissolos no aspecto morfológico, sendo menos expressivo o gradiente
textural. Caracterizados com cor vermelho-escuro tendendo à arroxeada. Na sua maioria são
eutróficos e bastante procurados para uso na pecuária e agricultura. A textura ao longo do
perfil é argilosa ou muito argilosa, com reduzido gradiente textural entre o horizonte A e B.
São bem porosos e apresentam boa drenagem.
 Plintossolos
Os plintossolos são típicos de regiões quentes e úmidas com estação seca definida, oscilando
de 5 a 6 meses. Presentes em relevo plano e suave-ondulado, em áreas deprimidas e nos
terços inferiores da encosta onde há importante movimentação lateral de água. O horizonte
de subsuperfície apresenta manchas avermelhadas distribuídas no perfil de aspecto
15
variegado, resultado da concentração diferencial de ferro do solo, chamadas de plintita,
denominando-se de horizonte plíntico. Seu aspecto multicolorido com cores contrastantes o
torna bem visível, ficando realçadas as partes mais vermelhas formadas pela plintita. Esta é
submetida a ciclos de umedecimento e secagem, o que a torna endurecida de maneira
irreversível, transformando-se gradualmente em petroplintita, os solos com essa
característica são conhecidos como Plintossolos Pétricos.
São solos que apresentam grande variabilidade em suas propriedades químicas, sendo, na
região, distróficos e com alto ou baixo teor de carbono orgânico no horizonte superficial. A
profundidade do horizonte plíntico relaciona-se com as principais limitações físicas, pois,
quando a plintita ou a petroplintita são mais rasas, formam uma camada contínua e espessa,
limitando à permeabilidade e restringindo o enraizamento das plantas.
 Solos Hidromórficos Indiscriminados
A denominação ‘solos hidromórficos indiscriminados’ é utilizada para referir-se aos

espodossolos, que já foram definidos anteriormente, e aos gleissolos, que será descrito aqui,
já que suas diferenças estão no horizonte A.
Os geissolos encontram-se permanentemente ou periodicamente saturados por água, com

exceção de quando estão sendo drenados artificialmente, podendo em qualquer circunstância
se elevar até a superfície por meio de ascensão capilar. A água permanece estagnada
internamente ou a saturação ocorre por fluxo lateral no solo. Identifica-se a drenagem como
mal drenado ou muito mal drenado, ocorrendo, com frequência, espessa camada escura de
matéria orgânica mal decomposta sobre uma camada acinzentada (gleizada), resultante de
ambiente de oxirredução.
No horizonte superficial observa-se cores desde cinzentas até pretas, com espessura variando
entre 10 e 50 cm e teores de carbono orgânico de médio a altos. O processo de gleização
implica na apresentação de cores acinzentadas, azuladas ou esverdeadas.
Ao longo do perfil a textura é bastante variável. Quando argilosos ou muito argilosos,

apresentam consistência plástica e pegajosa. Podem ser ricos ou pobres em bases ou com
teores de alumínio elevados por estarem posicionados em áreas sujeitas a contribuições de
material transportado das posições mais elevadas, uma vez que são formados em terrenos de
recepção ou trânsito de produtos transportados.
16
3.4.3. Geomorfologia
É vasto o acervo de estudos de geomorfologia da região do Distrito Federal, que,

inicialmente foram desenvolvidos pela empresa Donald J. Belcher and Associates,
resumidos no “Relatório técnico sobre a nova capital da república – Relatório Belcher” de
1954, seguidos por estudos de Penteado (1976), IBGE (1977), Embrapa (1978),
CODEPLAN (1984) e Novaes Pinto (1987, 1988, 1994).
O Distrito Federal situa-se em uma das porções mais elevados do Planalto Central do Brasil,
onde está localizada as cabeceiras de afluentes dos três maiores rios brasileiros – o rio
Maranhão (afluente do rio Tocantins), o rio Preto (afluente do rio São Francisco) e os rios
São Bartolomeu e Descoberto (tributários do rio Paraná). Destaca-se como responsáveis pela
evolução morfodinâmica da região o tipo de vegetação, o clima, a estruturação neotectônica,
a evolução dos perfis de alteração além de processos de incisão de vales nas amplas chapadas
elevadas (Campos, 2004).
A paisagem natural do DF é integrada por 13 unidades geomorfológicas, que foram

agrupadas, devido similaridades morfológicas e genéticas, em três tipos de paisagem
(macrounidades) características da região de cerrados, que são as Regiões de Chapadas,
Regiões de Dissecação Intermediária e Regiões Dissecadas de Vales (Novaes Pinto, 1994).
Sua caracterização está descrita a seguir:
 Região de Chapada – é caracterizada por relevo plano a plano-ondulado, com cotas

a cima de 1000 m, com destaque para a Chapada de Contagem, que praticamente
contorna a cidade de Brasília. As unidades Chapada Divisora São Bartolomeu - Preto
e a Divisora Descoberto - Alagado desenvolvem-se sobre ardósias, filitos e
micaxistos, já as Chapadas da Contagem, Brasília e Pipiripau desenvolvem-se sobre
quartzitos (Novaes Pinto, 1994). Sobre essa superfície foram edificadas as regiões
administrativas de Ceilândia, Taguatinga, Gama, Recanto das Emas, Riacho I e II,
Samambaia, Santa Maria, e os condomínios da região do Jardim Botânico (Campos
e Freitas-Silva, 2001).
 Área de Dissecação Intermediária – essa paisagem compreende áreas fracamente

dissecadas, drenadas por pequenos córregos, modeladas sobre ardósias, filitos e
quartzitos (unidades Depressão do Paranoá e Vale do Rio Preto). Havendo, nos
17
interflúvios, presença de couraças, latossolos e fragmentos de quartzo (Novaes Pinto,
1994). A cidade de Brasília e as regiões administrativas Candangolândia, Cruzeiro,
Guará I e II, Núcleo Bandeirante, Setor Sudoeste, Setor de Indústria e
Abastecimento, e Setor de Mansões Park Way, foram edificadas sobre essa
macrounidade (Campos e Freitas-Silva, 2001).
 Região Dissecada de Vale – corresponde às depressões de litologias de resistências

variadas, ocupadas pelos principais rios da região. Ocorre no baixo curso do rio
Paranoá, já fora dos limites da bacia. É condicionada por unidades muito
impermeáveis, com pequena capacidade de infiltração (Novaes Pinto, 1994).
A proposta de compartimentação geomorfológica de Martins e Baptista (1998) integra

conceitos propostos por CODEPLAN (1984) e por Novaes Pinto (1994) e descreve
características do relevo em função da altimetria e declividade, com as seguintes classes:
Chapadas Elevadas, Escarpas, Planos Intermediários, Planícies e Rebordos. A Figura 3.3 e
a descrição a seguir representam a classificação do relevo considerando a proposta de
Martins e Baptista (1998).
Figura 3.3 – Mapa geomorfológico - área de estudo A

Fonte: Martins e Baptista (1998)
18
De acordo com a legenda do mapa geomorfológico da Figura 3.3, são apresentadas a seguir
as compartimento geomorfológicas do DF. As Chapadas Elevadas, que representam 17% da
área de estudo A, ampliam o conceito do Pediplano Rodeador-Contagem e da Região de
Chapadas, envolvendo porções da Depressão do Paranoá, como a feição convexa observada
no núcleo do semi-domo de Brasília.
A proposta de compartimentação geomorfológica de Martins e Baptista (1998) apresenta

área contínuas com a presença de Escarpas, representando 4% da área de estudo A, como
todas as porções de contato entre o semi-domo de Brasília e as dissecadas das bacias mais
importantes, destacando a porção norte.
A feição de Planos Intermediários representa cerca de 57%, é definida como porções planas
extensivamente distribuídas na região, limitada por Rebordos e Escarpas e intermediária as
Chapadas Elevadas e Planícies, com grande semelhança ao Pediplano de Brasília.
As feições denominadas como Planícies representam superfície limitada pelos canais dos
principais rios da região e os Planos Intermediários, representando 10% da área de estudo
A.
Os Rebordos, por sua vez, representam 10% da área de estudo A, e são feições que não
haviam sido contempladas pelas outras propostas, sua gênese pode estar associada ao
controle lito-estrutural, pedológico e hidrodinâmico. Eles são responsáveis por delinear
grande parte dos limites entre outros compartimentos, individualizando as porções de
Chapadas Elevadas e Planos Intermediários, acima; e de Escarpas e Planícies, abaixo.
3.4.4. Geologia
A geologia representa a base para a caracterização do meio físico, pois em função do

substrato geológico estão condicionadas características como formas de relevo, evolução
geomorfológica, o tipo, características e composição química dos solos e manto de
intemperismo, a distribuição das águas subterrâneas, controle das disponibilidades das águas
superficiais, a natureza e intensidade dos processos erosivos dentre outros. No Distrito
Federal são reconhecidos quatro conjuntos litológicos, os grupos, Paranoá, Canastra, Araxá
e Bambuí, contribuindo, respectivamente, com cerca de 65, 15, 5 e 15% de sua área total
(Freitas-Silva e Campos, 1998). Na área de estudo A o grupo Paranoá representa 66,75% de
sua área total, enquanto o Canastra e Bambuí representam 25,28% e 7,97%, respectivamente,
19
não existindo na área o grupo Araxá. A Figura 3.4 representa o mapa geológico da área de
estudo A seguido de sua descrição.
O grupo Paranoá ocupa a maior área no Distrito Federal e concentra o maior número de
centros urbanos (o Plano Piloto e todas as Cidades Satélites com exceção de São Sebastião
e Vale do Amanhecer), sendo a sua unidade geológica mais importante (Freitas-Silva e
Campos, 1998).
Figura 3.4 – Mapa geológico - área de estudo A

Fonte: Freitas-Silva e Campos (1998)
Por sua vez, Faria (1995) propôs uma estratigrafia aplicável a porção externa da Faixa
Brasília, atribuindo siglas às unidades da base para o topo sendo elas: SM, R1, Q1, R2, Q2,
S, A, R3, Q3, R4, PC, entretanto na área de estudo ocorrem apenas as seis unidades do topo,
que terão suas principais características descritas a seguir:
 Unidade S - Metassiltito Argiloso: representa a base da estratigrafia do Grupo

Paranoá no DF. É composta por um conjunto de metassiltitos argilosos homogêneos,
com que quando frescos apresenta coloração cinza esverdeada a amarelada e, com o
aumento da alteração intempérica, passa a apresentar tons rosados e vermelho escuro.
A área de exposição desta unidade é bastante restrita, sendo os raros afloramentos
20
observados localmente no interior do Domo de Brasília, onde esta unidade também
foi frequentemente atravessada por poços tubulares.
 Unidade A – Ardósia: apresenta contato transicional com a Unidade S, sendo

constituída por ardósias homogêneas de cor cinza esverdeada, sofrendo a alteração
intempérica passa a apresentar tons vermelhos característicos. Neste conjunto, são
observadas duas foliações penetrativas que representam clivagens ardosianas. Essa
unidade não é bem exposta no Distrito Federal, principalmente, devido à baixa
resistência aos processos de intemperismo, e os seus afloramentos podem ser
observados em voçorocas, drenagens e cortes de estradas, como por exemplo, estrada
Parque de Taguatinga e Sobradinho.
 Unidade R3 - Metarritmito Arenoso: caracterizado por intercalações de estratos

centimétricos a métricos de quartzitos finos a médios com níveis geralmente mais
delgados de metassiltitos argilosos, metalamitos siltosos e metalamitos micáceos.
Localmente são observados pacotes de até 10 metros de espessura que destacam do
conjunto rítmico. A espessura total deste conjunto pode alcançar 90 metros.
 Unidade Q3 - Quartzitos Médios: caracterizada por quartzitos finos a médios muito

localmente grossos, brancos ou cinza claro (cinza escuro quando frescos), bem
selecionados, maturos mineralogicamente, em geral muito silicificados e, onde
encontram-se menos recristalizados, mostram grãos arredondados. Seu aspecto
maciço é atribuído à intensa silicificação, sendo constante na maioria das exposições
no Distrito Federal. Esta unidade sustenta as áreas de chapada mais elevadas do
Distrito Federal, suas melhores exposições são observadas nas antigas explorações
de areia e no Vale do Rio Paranoá a jusante da barragem homônima.
 Unidade R4 - Metarritmito Argiloso: esta unidade é representada por um

metarritmito homogêneo com intercalações centimétricas regulares de metassiltitos,
metalamitos e quartzitos finos que apresentam coloração que variam de acordo com
os diferentes graus de intemperismo (cinza, amarelada, rosada ou avermelhada). É
bem exposta junto às bordas do Domo de Brasília e na porção externa do Domo de
Sobradinho, marcando um relevo mais movimentado com vales mais encaixados.
21
 Unidade PC - Pelito Carbonatada: dominantemente pelítica com ardósias cinzas e
metassiltitos argilosos associados com lentes de mármores finos que podem conter
estruturas algais do tipo estromatólitos colunares e cônicos. São comuns os níveis
decimétricos a métricos, lenticulares ou não, de quartzitos médios, grossos e até
conglomeráticos, apresentando tonalidades escuras. Após um detalhamento
estratigráfico Freitas-Silva e Campos (1998) denominaram esta unidade como Psamo
Pelito Carbonatada (PPC). Esta unidade ocupa quase toda a porção norte do Distrito
Federal.
O grupo Canastra é uma importante unidade litoestratigráfica que aflora, de forma contínua,
por mais de 650 quilômetros desde de o sudoeste de Minas Gerais, no extremo sul da Faixa
Brasília, até a região sudeste de Goiás e sul do Distrito Federal, na porção centro norte desta
faixa. Quando comparado ao grupo Paranoá, o grupo Canastra apresenta uma maior
densidade de afloramentos, distribuído no Distrito Federal no Alto Vale do Rio São
Bartolomeu (porção centro-leste do DF) e no Vale do Rio Maranhão incluindo as sub-bacias
do Rio Salinas e Córrego do Ouro (porção meio-norte do DF). Esta unidade é caracterizada,
por um conjunto amplamente dominado por filitos variados, com contribuição restrita de
quartzitos, calcifilitos, mármores finos e filitos carbonosos (Freitas-Silva e Campos, 1998).
O grupo Bambuí, por sua vez, se distribui na porção oriental do DF ao longo de todo o Vale
do Rio Preto desde o Ribeirão Santa Rita (afluente da margem direita do Rio Preto). No DF,
sua maior área é recoberta por uma espessa camada de latossolo vermelho, aflorando em
drenagens e raros cortes de estradas. É composto por uma sequência essencialmente pelítica
com metassiltitos argilosos e metargilitos apresentando cores de alteração que variam de
tons violáceos a avermelhados, passando por cores rosadas e amareladas, porém quando
mais frescas as rochas pelíticas passam a apresentar cores amareladas ou esverdeadas.
Localmente são observados bancos de arcóseos e siltitos verdes, quando frescos, e rosados
ou amarronzados, quando alterados (Freitas-Silva e Campos, 1998).
3.5. CARACTERIZAÇÃO DA ÁREA DE ESTUDO B
3.5.1. Hidrografia
A área de estudo B está inserida parcialmente nas unidades hidrográficas do Lago Paranoá,
do Paranoá e do Sobradinho, conforme representado na Figura 3.5. A bacia hidrográfica do
22
Córrego Taquari, o foco desta pesquisa, faz parte da unidade hidrográfica do Lago Paranoá,
e é constituída pelo próprio Lago Paranoá, pelas áreas que contribuem diretamente com o
espelho d’água e pelas áreas de drenagem de pequenos córregos como o Cabeça de Veado,
Canjerana e Antas, na região do Lago Sul, e na região do Lago Norte, o Taquari, Gerivá e
Palha. A unidade hidrográfica do Lago Paranoá apresenta drenagem anelar, com o sentido
principal do escoamento, de oeste para leste, e é considerada uma bacia de 7ª ordem (Ferrante
et al., 2001).
Figura 3.5 – Bacias hidrográficas e unidades hidrográficas - área de estudo B

Fonte: CODEPLAN (1994)
3.5.2. Pedologia
A Figura 3.6 representa o mapa pedológico da área de estudo B, onde é possível observar
que a classe predominante são os latossolos, com cerca de 70% da área total, sendo que
aproximadamente 54% (25,67 km²) corresponde a latossolo vermelho e 16% (7,61 km²) é
latossolo vermelho-amarelo. A segunda classe de solo mais representativa na área de estudo
é o cambissolo com aproximadamente 11 km², que corresponde a 23% da área total. As
demais classes de solo, esposossolo (0,38%) e solo hidromórfico indiscriminado (0,14%),
23
somam 0,52% da área de estudo. O restante da área é coberto por água, principalmente do
Lago Paranoá. Essas classes já foram descritas de forma mais detalhada no item 3.4.2.
Figura 3.6 – Mapa pedológico - área de estudo B

Fonte: Embrapa (1999)
3.5.3. Geomorfologia
O compartimento geomorfológico denominado Chapadas Elevadas é o tipo de paisagem

predominante na área de estudo B, representando 47,84% da área total, ou seja, cerca de 23
km², seguido pelo compartimento Planalto Intermediário, com 27,15% (12,89 km²) da área,
conforme apresentado na Figura 3.7. Os compartimentos geomorfológicos denominados
Rebordo e Escarpa ocorrem com menos frequência na área, 18,4% e 0,25%,
respectivamente. Não há ocorrência do compartimento geomorfológico denominado
Planícies e no restante da área há presença de lagos. Essa compartimentação já foi descrita
de forma mais detalhada no item 3.4.3.
24
Figura 3.7 – Mapa geomorfológico - área de estudo B
Fonte: Martins e Baptista (1998)
3.5.4. Geologia
Na área de estudo B apenas o conjunto litológico Grupo Paranoá está presente, representado
pelas unidades Ardósia (4,62% da área), Metarritmito Arenoso (55,66%), Quartzitos Médios
(23,19%) e Metarritmito Argiloso (16,53%), conforme apresentado na Figura 3.8 e unidades
descritas no item 3.4.4.
25
Figura 3.8 – Mapa geológico - área de estudo B
Fonte: Freitas-Silva e Campos (1998)
3.6. PLANO DIRETOR DE ORDENAMENTO TERRITORIAL DO DISTRITO

FEDERAL - PDOT
O planejamento territorial do Distrito Federal foi estabelecido pela Lei Complementar nº

803, de 25 de abril de 2009, que aprovou a revisão do Plano Diretor de Ordenamento
Territorial do Distrito Federal – PDOT, que no Título III trata da Organização o Território,
cuja função é orientar a ocupação adequada do solo seguindo as diretrizes setoriais desta lei.
A finalidade do PDOT é auxiliar no pleno desenvolvimento das funções sociais da
propriedade urbana e rural, e propiciar o bem-estar de seus habitantes a partir do uso
socialmente justo e ecologicamente equilibrado de seu território (GDF, 2009b).
O PDOT institui o Macrozoneamento do Distrito Federal, com a divisão de seu território nas
seguintes zonas (GDF, 2009b):
 Macrozona Urbana – as atividades dos setores secundário e terciário, que são

predominantes nesta macrozona, devem contribuir para o desenvolvimento
sustentável do território, não excluindo a presença de atividades do setor primário.
26
 Macrozona Rural – deve contribuir para a dinâmica dos espaços rurais
multifuncionais destinados principalmente para atividades do setor primário, não
excluindo a presença de atividades dos setores secundário e terciário.
 Macrozona de Proteção Integral – destinada à preservação da natureza, sendo

admitido apenas o uso indireto dos recursos naturais. É composta pelas unidades de
conservação.
A Macrozona Urbana se divide em (GDF, 2009b):
 Zona Urbana do Conjunto Tombado – é composta por áreas predominantemente

habitacionais de média densidade demográfica, corresponde a área do Plano Piloto
de Brasília e as demais áreas incorporadas em função de complementações ao núcleo
original.
 Zona Urbana de Uso Controlado I – é composta por áreas predominantemente

habitacionais de muito baixa densidade demográfica, com enclaves de baixa, média
e alta densidades. Grande parte desta zona está inserida na Área de Proteção
Ambiental (APA) do lago Paranoá e na APA das bacias hidrográficas dos córregos
do Gama e Cabeça de Veado.
 Zona Urbana de Uso Controlado II – é composta por áreas predominantemente

habitacionais de baixa e média densidade demográfica, com enclaves de alta
densidade. Estas áreas são sujeitas a restrições impostas pela sua sensibilidade
ambiental e pela proteção dos mananciais destinados ao abastecimento de água. Por
meio da recuperação ambiental e da proteção dos recursos hídricos, esta zona deve
compatibilizar o uso urbano com a conservação dos recursos naturais.
 Zona Urbana Consolidada – é composta por áreas predominantemente urbanizadas

ou em processo de urbanização, de baixa, média e alta densidade demográfica,
servidas de infraestrutura e equipamentos comunitários. Nesta área é indicado o
desenvolvimento das potencialidades dos núcleos urbanos, com acréscimo da
dinâmica interna e melhoria da sua integração com áreas vizinhas.
 Zona Urbana de Expansão e Qualificação – é composta por áreas com propensão

à ocupação urbana, preferencialmente no setor habitacional, e que apresentem
27
relação direta com áreas já implantadas. Esta zona é também integrada por
assentamentos informais que necessitam de intervenções visando a sua qualificação.
Ela deve ser planejada e ordenada para o desenvolvimento equilibrado das funções
sociais da cidade e da propriedade urbana.
 Zona de Contenção Urbana – é composta por áreas urbanas que fazem fronteira
com as áreas rurais, sendo caracterizada por ocupação habitacional de densidade
demográfica muito baixa, de modo a criar uma zona de amortecimento entre o uso
urbano mais intenso e a Zona Rural de Uso Controlado. Seu objetivo é assegurar a
preservação e a manutenção das suas características naturais estabelecendo
parâmetros de uso e ocupação restritivo do solo.
A Macrozona Rural se divide em (GDF, 2009b):
 Zona Rural de Uso Diversificado – é a área que apresenta atividade agropecuária

consolidada, sendo predominante a agricultura comercial. Onde deve ser reforçada
sua vocação rural e incentivada a verticalização da produção. Grande parte desta zona
está localizada na bacia do rio Preto e do rio São Marcos.
 Zona Rural de Uso Controlado – é composta, principalmente, por atividades

agropastoris, de subsistência e comerciais, sujeitas às restrições impostas pela sua
sensibilidade ambiental e pela proteção dos mananciais destinados à captação de
água para abastecimento público.
A Lei Complementar nº 803 (GDF, 2009b) define a Área de Proteção de Manancial (APM)
como uma porção do território que se destina recuperação ambiental e à promoção do uso
sustentável, devido a existência de pontos de captação de água para abastecimento público,
sem que haja prejuízo a concessionária autorizada a captar e distribuir água de boa qualidade
e em quantidade suficiente para o atendimento da população.
De acordo com o zoneamento territorial, a área de estudo B é dividida em: Macrozona de

Proteção Integral, Zona Rural de Uso Controlado, Zona Urbana de Uso Controlado I, Zona
Urbana de Uso Controlado II, Zona Urbana do Conjunto Tombado e Zona de Contenção
Urbana conforme apresentado na Figura 3.9.
28
Figura 3.9 – Mapa de zoneamento territorial - área de estudo B
Fonte: CODEPLAN (1994) e GDF (2009c)
3.7. PARANOÁ PARQUE
A área nas proximidades do Córrego Taquari, onde localiza-se o Paranoá Parque, e tem
praticamente toda a área sob domínio e proteção da CAESB. A maior parte de sua vegetação
natural já foi substituída por reflorestamentos de pinheiros e eucaliptos (Isaias, 2008),
restando ainda áreas com vegetação de cerrado e mata de galeria e ciliar, conforme
apresentado na Figura 3.10. É crescente o número de condomínios e parcelamentos
irregulares, o que frente à fragilidade ambiental da Bacia do Lago Paranoá e sua importância
para a sustentabilidade do lago e dos recursos hídricos da região, traduz-se numa gênese
crescente de impactos ambientais sobre essa Bacia (Fonseca e Netto, 2001).
O empreendimento denominado Paranoá Parque é parte do Plano de Expansão do Paranoá,

que visa satisfazer as demandas de moradia do DF, localizado na Região Administrativa do
Paranoá, limítrofe a leste com a cidade do Paranoá, ao norte com a rodovia DF – 015 (Estrada
Parque Tamanduá – EPTM) e a oeste com o reflorestamento de Pinus sp. e a linha de alta
tensão (Figura 3.10) (Ecotech e Direcional Engenharia, 2012). A ocupação desta área para
fins de usos urbanos é compatível com o PDOT (GDF, 2009b), disposto pela Lei
29
Complementar Distrital nº 803/2009, que classifica a área como Zona Urbana de Uso
Controlado I, conforme apresentado na Figura 3.9.
Figura 3.10 – Localização Paranoá Parque e vegetação área de estudo B

Fonte: CODEPLAN (1994) e Google Earth Pro (2016)
A RA Paranoá é caracterizada por ser um vetor de expansão urbana, com forte pressão para
a ocupação dos espaços próximos, visto haver dois grandes aglomerados urbanos próximos,
com facilidade de acesso, urbanização e disponibilidade de equipamentos públicos, bem
como com a proximidade da área central do Distrito Federal (Ecotech e Direcional
Engenharia, 2012).
O Paranoá Parque faz parte do Programa Morar Bem do GDF, iniciado em 10 de maio de
2012, quando a Secretaria de Habitação, Regularização e Desenvolvimento Urbano –
SEDHAB lançou apresentação do primeiro pacote de habitações de interesse social com 10
mil unidades habitacionais. Este foi o primeiro empreendimento do Distrito Federal
financiado pelo programa habitacional do Governo Federal, Minha Casa Minha Vida,
visando atender famílias faixa 1, ou seja, com renda de até R$ 1,6 mil e que satisfazem os
critérios da Lei Distrital nº 3.877/2006 (Ecotech e Direcional Engenharia, 2012).
30
O Paranoá Parque foi inaugurado no dia 29 de março de 2014 e está distribuído em 27
quadras, composto de 390 edifícios de 4 andares com 16 unidades habitacionais cada um.
No total, são 6.240 unidades de 46 m², com dois quartos, sala, banheiro e cozinha ligada à
área de serviço. Ainda conta com 14 praças, nove quadras poliesportivas, 26 quiosques, oito
parques infantis, ciclovias, pista de skate, cinco academias para o público da terceira idade
e outras facilidades. Foi implantado em uma área de 1.513.642,23 m² e com área edificada
de 368.048,97 m² (SECOVI, 2016).
O capítulo seguinte apresenta a fundamentação teórica de conceitos envolvidos na

classificação temática de imagens, na análise multicritério da vulnerabilidade ambiental, na
análise de temperatura da superfície terrestre, na modelagem da dinâmica ambiental e no
escoamento superficial, assim como suas aplicações práticas.
31
4. FUNDAMENTAÇÃO TEÓRICA
4.1. SENSORIAMENTO REMOTO E GEOPROCESSAMENTO
Para entender melhor como uma população está crescendo e ocupando a área de uma bacia
hidrográfica é necessário que seja feita uma diferenciação espacial dos aspectos
morfológicos, dos processos de uso e cobertura do solo e dos aspectos econômicos, em uma
compreensão da dinâmica desses espaços (Castanho e Teodoro, 2010). Para realizar análises
com dados espaciais e oferecer meios para o entendimento da ocupação do espaço físico
usualmente são utilizados produtos do sensoriamento remoto e algoritmos de
geoprocessamento inseridos em SIG.
A utilização de dados provenientes de sensoriamento remoto tem crescido em todo mundo,

seja pela facilidade de obtenção ou pelas vantagens de sua utilização, tais como: i) aquisição
de informações sem perturbar ou interferir na área ou objeto de estudo; ii) maneira
sistemática de obtenção de dados em áreas de grande extensão; iii) fornecimento eficiente e
econômico de informação espacial, espectral e temporal variada; e iv) possibilidade de
organização, com a repetição de dados, séries temporais precisas e acuradas (Jensen, 2009).
Os dados históricos de sensoriamento remoto (SR) têm sido cada vez mais utilizados e
explorados em ambiente computacional de um SIG para identificar a aglomeração espacial
urbana (Sathish Kumar et al., 2013), avaliar a dinâmica do uso e ocupação do solo (Almeida
et al., 2015), calcular a vulnerabilidade ambiental (Zanella et al., 2011; Pinese Júnior e
Rodrigues, 2012), estimar o valor do modelo para cálculo de escoamento superficial – Curve
Number (CN) (Zhan e Huang, 2004), entre outros.
Com o constante desenvolvimento da informática, tem surgido diversas ferramentas capazes

de capturar, processar, armazenar e apresentar informações espaciais georreferenciadas. A
ligação técnica e conceitual dessas ferramentas propiciou o desenvolvimento do
Geoprocessamento, tecnologia responsável pelo processamento de dados geográficos
(Benedetti, 2010).
Para Burrough e McDonnell (2010), os dados geográficos representam fenômenos do mundo

real em relação a posição, com o respectivo sistema de coordenadas conhecido, aos atributos
que não estão relacionados com a posição, como cor, custo, pH, incidência da doença, etc.,
32
e as inter-relações espaciais uns com os outros que descrevem como eles estão ligados entre
si.
A utilização de instrumentos computacionais do geoprocessamento, como o SIG, possibilita

a realização de diversas análises espaciais, com custos relativamente mais baixo do que
pesquisas e levantamentos de campo, o que o torna útil sua aplicação, principalmente, em
países com extensa dimensão territorial e com carência de informações para a tomada de
decisões a respeito de problemas ambientais e urbanos (Câmara e Medeiros, 1998).
A evolução dos computadores e de programas específicos é, entre outros fatores, a causa do

desenvolvimento dos SIGs, tornando-os capazes solucionar problemas de maneira mais
rápida e eficaz do que em tempos passados. Com o mapeamento dos espaços físicos torna-
se possível conhecer melhor uma determinada região, já que os produtos obtidos pela
utilização de um SIG podem representar fenômenos ambientais, sociais, econômicos e
humanos, e dessa forma apresentar subsídios para a tomada de decisões (Fitz, 2008).
Segundo Burrough e McDonnell (2010), o SIG possui três importantes componentes, que
são eles: o hardware (computador), o software (conjunto de programas específicos), o
peopleware (adequado contexto organizacional, incluindo pessoas qualificadas) e os dados
geográficos. São sistemas capazes de realizar o tratamento computacional de dados
geográficos, pois armazena a geometria e os atributos de dados que estão localizados na
superfície terrestre em uma projeção cartográfica qualquer, e esses dados são categorizados
como georreferenciados.
A técnica de álgebra de mapas é uma aplicação prática dos Sistemas de Informações

Geográficas vinculada ao geoprocessamento, onde são utilizados mapas temáticos diversos
para a realização de análises de cunho espacial. Cada mapa utilizado constitui um Plano de
Informação (PI) contendo um tema específico, que é sobreposto a outro que tenha as mesmas
dimensões, porém com temática diferente, para obter um produto derivados dos PIs de
origem (Fitz, 2008).
Devido a sua extensa possibilidade de aplicação, Câmara e Medeiros (1998) apresentam três
possibilidades de utilização um SIG: i) produção de mapas; ii) análise espacial de
fenômenos; ou iii) armazenamento e recuperação de informação espacial, a partir de um
banco de dados geográficos.
33
4.2. USO E COBERTURA DO SOLO
A necessidade de identificar e classificar o uso e cobertura do solo é fundamental para

conhecer o ambiente em que se vive, principalmente diante do cenário de rápida ocupação
do espaço físico. Isso explica a importância do monitoramento da paisagem, sobretudo para
subsidiar o planejamento racional da utilização do solo (Venturieri e Santos, 1998).
A cobertura do solo pode ser compreendida como a caracterização da superfície terrestre em

relação aos meios físicos, químicos e biológicos, tais como, área construída, água, tipos de
vegetação; já, o uso do solo relaciona-se com a finalidade para qual o solo é utilizado pelo
homem, tais como, agricultura, pecuária, área residencial, recreação, entre outros (Turner et
al., 1994).
O uso do solo refere-se às atividades humanas desenvolvidas nas unidades de paisagem

natural, que geralmente altera as condições de equilíbrio local. A alteração na cobertura
vegetal é a primeira consequência da intervenção humana, desencadeando processos que
podem não ser absorvidos pela unidade de paisagem e provocar diversos efeitos danosos
(Crepani et al., 2001).
O inadequado uso e manejo do solo acrescido da falta de ações conservacionistas implicam

em perdas significativas de solo, de nutrientes, de matéria orgânica, de biodiversidade e de
água, prejudicando o equilíbrio dos sistemas hídricos (Vaeza et al., 2010), o que causa
impactos a todos os componentes do ciclo hidrológico, como quantidade e qualidade da
água, escoamento superficial e recarga de aquíferos (Mendes e Cirilo, 2001).
O sensoriamento remoto e geoprocessamento são ferramentas frequentemente utilizados

para monitorar a dinâmica de uso e cobertura do solo, principalmente devido a frequência
de atualização de dados, agilidade no processamento e viabilidade econômica (Vaeza et al.,
2010). Em países com dimensões continentais, como é o caso do Brasil, fotos aéreas e
imagens de sensoriamento remoto são utilizadas para mapear grandes áreas com precisão,
tornando-se fontes de informações detalhadas que auxiliam no gerenciamento de terras e
recursos naturais.
Em estudos realizados em bacias hidrográficas é comum a utilização de imagens orbitais de

alta resolução espacial para mapear e quantificar as mais diversas classes de uso e cobertura
do solo, pois permitem que os resultados obtidos sejam mais precisos. A maioria dos estudos
34
de uso e ocupação do solo utilizam a bacia hidrográfica como unidade de planejamento e
para o acompanhamento da dinâmica de mudança na paisagem, pois seus limites são
imutáveis dentro do horizonte do planejamento humano, o que facilita o acompanhamento
das alterações naturais ou antrópicas (Vaeza et al., 2010).
Para compreender melhor os processos naturais e antrópicos que causam mudanças na

paisagem, foram desenvolvidos modelos de dinâmica ambiental, que tentam explicar os
possíveis caminhos da evolução e as mudanças na paisagem, e assim avaliar suas
implicações futuras (Soares-Filho et al., 2002). Os modelos espaciais ou modelos de
paisagem simulam mudanças nas características do ambiente através do território
geográfico. Estes modelos são utilizados no entendimento dos mecanismos e dos processos
de desenvolvimento de sistemas ambientais, de forma a caracterizar sua evolução diante das
condições circunjacentes e representar cenários ambientais, socioeconômicos e políticos
(Soares-Filho et al., 2007).
Tem se tornado vasto os tipos de aplicações do geoprocessamento por meio de ferramentas

de SIG, sendo que cada aplicação requer formas distintas de manipulação de dados
geográficos, associados a diferentes características e propriedades que variam no espaço e
no tempo. Dentre essas aplicações cita-se: análise e monitoramento de expansão urbana;
monitoramento e previsão de mudanças de uso e cobertura do solo; monitoramento de
recursos naturais; análise de vulnerabilidade ambiental; acompanhamento de processos
erosivos; modelagem dinâmica ambiental; espacialização de eventos de precipitação, entre
outros. A seguir serão apresentados trabalhos científicos que indicam como esses estudos
estão atualmente sendo realizados e que servirão como embasamento teórico para o
desenvolvimento do presente trabalho.
O estudo desenvolvido por Almeida et al. (2015) partiu da análise de dinâmica ambiental e
temporal para verificar a dinâmica do uso e ocupação do solo no município de Pombal/PB.
As imagens dos satélites Landsat e ResourceSAT, passaram por análise espacial utilizando
o SIG Sistema de Processamento de Informações Georreferenciadas (Spring) 5.2, por meio
de algoritmos de processamento de imagens do tipo registro, filtragem e classificação
temática, este último classificando em sete classes temáticas de uso e ocupação do solo, pelo
método Maxver (Máxima Verossimilhança), com a obtenção de 9 amostras para cada classe,
com desempenho médio acima de 90%. A imagem resultante da sobreposição dos planos de
informação foi obtida por cruzamento usando lógica booleana, no ambiente de programação
35
em Linguagem Espacial de Georreferência Algébrica (LEGAL). Os autores concluíram que
houve substituição da cobertura vegetal por atividades agropecuárias, cerca de 23%, além
do aumento das áreas degradadas com solo exposto e alterações antrópicas, o que
representou aumento da fragilidade do meio ambiente indicando que o município necessita
de medidas de controle do desmatamento e recuperação de áreas degradadas.
O estudo desenvolvido por Wu et al. (2016) na cidade de Guangzhou, sul da China, utilizou
uma série de imagens dos sensores MMS, TM, ETM+ e OLI do satélite Landsat, para avaliar
a expansão urbana e seus efeitos sobre a mudança de uso e cobertura do solo ao longo de 35
anos (1979-2013). Foi realizada a classificação supervisionada utilizando o algoritmo
Maxver para gerar os mapas de uso e cobertura do solo contendo nove classes, e pós-
classificação em nos sistemas ArcGIS 10 e ENVI 5.0. A área urbana se expandiu com taxa
de crescimento anual de 11,25 %, correspondendo no total a 1.512,24 km² de aumento.
Conclui-se que as mudanças significativas no uso e cobertura do solo e a expansão urbana
foram altamente correlacionadas ao desenvolvimento econômico, crescimento populacional,
progresso técnico entre outros; e, que o aumento da área urbana acarretou em perda da
cobertura natural com mudanças significativas no padrão e composição da paisagem,
tornando-a cada vez mais fragmentada.
Nunes e Roig (2015), por sua vez, realizaram o mapeamento e a análise comparativa do uso
e ocupação do solo da Bacia do Alto do Descoberto no DF, entre os anos 1994 e 2011 por
meio de imagens do Landsat TM que foram classificadas no módulo do sistema ENVI FX,
e rastreamento de coordenadas geográficas com receptores GPS para avaliar a exatidão
temática da classificação temática realizada para o ano 2011. Os resultados evidenciaram
uma significativa expansão agrícola da região, cerca de 11% da área da bacia, bem como
uma perda de vegetação natural. O sistema de classificação foi bem-sucedido, com índice
Kappa de 0,64.
Assim como os trabalhos citados, existe muitos outros trabalhos publicados recentemente
que apresentam a classificação temática de imagens do satélite Landsat para analisar as
alterações no uso e cobertura do solo buscando compreender a dinâmica desses processos
para o planejamento de ações que possam minimizar os impactos sociais e ambientais por
eles causados.
36
4.3. VULNERABILIDADE AMBIENTAL
As ações antrópicas, como o desmatamento da vegetação nativa, uso e cobertura do solo de

forma inadequada, deterioração da qualidade do ar e da água, entre outros, podem causar
diferentes tipos de impacto ao meio ambiente. Cada vez mais esses impactos têm despertados
o interesse no estudo da vulnerabilidade ambiental, com destaque aqui para a vulnerabilidade
ambiental referente aos processos erosivos.
A realização de mapeamento que indica o grau de vulnerabilidade ambiental norteia a

prevenção de processos degradantes que podem ocorrer em uma bacia hidrográfica e, desta
forma, apontam locais com risco de aparecimentos de processos erosivos ou de degradação
dos recursos hídricos. A partir da abordagem dos fatores que afetam negativamente o meio
ambiente, a análise da vulnerabilidade ambiental, apresenta as fragilidades de uma área
quanto ao desenvolvimento de atividades e prevenção de danos ao ambiente (Pinese Júnior
e Rodrigues, 2012).
A determinação da vulnerabilidade ambiental pode subsidiar o planejamento e a gestão

ambiental, já que permite avaliar, em uma determinada área, a condição de risco que ela se
encontra em relação aos processos geoambientais, como erosão, contaminação de recursos
hídricos e solo, dentre outros (Santos et al., 2007).
O conceito de vulnerabilidade tem sido estudado em diferentes áreas do conhecimento, e

pode ser classificada como natural e ambiental. De acordo com Grigio (2003), a
vulnerabilidade natural visa apresentar a intensidade e distribuição da suscetibilidade do
ambiente quando são considerados os fatores geomorfológicos, geológicos, pedológicos e
de vegetação, enquanto a vulnerabilidade ambiental refere-se à suscetibilidade do ambiente
às pressões antrópicas.
Foi apresentada por Crepani et al. (2001) a metodologia para elaboração de mapas de
vulnerabilidade ambiental, que se baseia no conceito de Ecodinâmica (Tricart, 1977) e na
utilização de imagens de satélite para estudos integrados, permitindo uma visão sinótica,
repetitiva e holística da paisagem, reforçando a importância da utilização do SIG. Esta
metodologia propõe a divisão das unidades territoriais básicas em duas categorias, as
unidades de paisagem natural e os polígonos de intervenção antrópica. Sendo que uma
unidade territorial básica é definida como uma entidade geográfica que pode ser diferenciada
37
de sua vizinhança por meio de seus atributos ambientais, e possui vínculos dinâmicos que a
articulam a uma complexa rede integrada por outras unidades territoriais.
Para analisar a unidade de paisagem natural é necessário conhecer as informações fornecidas

pela geologia, geomorfologia, pedologia e fitogeografia que, de forma integrada,
representam um retrato do comportamento de cada unidade frente à sua ocupação. Os
polígonos de intervenção antrópica são os representantes, nas imagens, da área física onde
se dá a atuação humana que modifica as condições naturais, podendo ser localizados sobre
uma única, ou várias unidades de paisagem natural, dependendo exclusivamente de suas
dimensões (Crepani et al., 2001).
Na metodologia proposta por Crepani et al. (2001), as unidades territoriais básicas são
analisadas morfodinamicamente a partir dos princípios de Ecodinâmica (Tricart, 1977), onde
os fatores naturais e antrópicos são classificados de acordo com graus de vulnerabilidade
baseado nos processos de morfogênese e pedogênese por meio da ponderação de valores de
caráter analítico e individual. A morfogênese é caracterizada pelos processos erosivos
formadores de relevo, já a pedogênese é o processo de formação de um determinado solo.
Quando predomina a morfogênese prevalecem os processos erosivos, modificadores das
formas de relevo, e quando predomina a pedogênese prevalecem os processos formadores
de solos.
A vulnerabilidade ambiental é, então, determinada pela integração das informações dos

fatores por meio da atribuição de determinados pesos de importância para cada um deles.
Entretanto, existem diversos critérios de comparação entre as alternativas para a
determinação dos pesos, o que pode dificultar o processo de tomada de decisão. Um subsídio
técnico que pode ser utilizado no processo de tomada de decisão é a aplicação de um método
de análise multicritério. Destaca-se como principais características desse método a
estruturação do problema que envolve a tomada de decisão, a caracterização do cenário em
que o problema se encontra, a identificação dos principais atores intervenientes, a definição
dos objetivos dos decisores e a explicitação das potenciais alternativas de decisão (Boas,
2006).
Um critério pode ser medido, avaliado e adotado como base para a tomada de decisão,
quando submetido a uma análise multicritério e apresenta a inter-relação entre outros
critérios definidos pelo problema. É atribuído, então, um peso para cada critério com o
38
objetivo de quantificar a relativa importância de cada um deles. Para aplicação da análise
multicritério é necessário que o problema seja decomposto em uma hierarquia de critérios o
que possibilitará uma análise de modo independente (Cordeiro, 2014).
O processo de decisão apoiado em métodos multicritérios tem o objetivo de tornar claro o

problema e avaliar as alternativas que, geralmente, são conflitantes entre si. Frequentemente
são utilizados métodos que se apoiam na abordagem de superação, a fim de extrair um
subconjunto de um conjunto finito de alternativas ou então ordená-las (Almeida e Costa,
2003).
É constante a busca de metodologias que possibilitem integrar, em uma base comum, dados
e informações diversas que possam auxiliar o desempenho de atores sociais no processo de
tomada de decisão para uma efetiva gestão ambiental (Adami et al., 2012). Nos SIGs, a
análise multicritério é considerada como um processo em que são obtidas informações que
auxiliam no processo de tomada de decisão a partir da transformação de dados geográficos
e combinação de preferência dos atores sociais (Malczewski, 2006). A integração entre SIG
e métodos multicritérios para suporte à tomada de decisão tem se mostrado efetiva e
eficiente, apresentando como grande vantagem a possibilidade de utilização de diversas
fontes de dados em uma base comum (Adami et al., 2012).
O processo de tomada de decisão em uma análise multicritério possui duas etapas, a primeira
é a análise do sistema de estudo que conduz à identificação, caracterização e hierarquização
dos principais fatores que podem intervir na decisão e explicação das alternativas de decisão
que se pretendem comparar. A segunda etapa é a avaliação do sistema, que tem como
finalidade esclarecer a escolha de uma alternativa a partir da aplicação de métodos
multicritérios como apoiadores da modelagem de preferências dos atores sociais e sua
agregação (Bana e Costa, 1988).
Cada vez mais tem sido realizado estudos que buscam representar as alterações no uso e
cobertura do solo e que, por vezes, conciliam os conceitos de vulnerabilidade natural e
ambiental às técnicas de geoprocessamento, classificando as imagens para realização de
modelagem de dinâmica ambiental que represente a evolução e a alteração de uso e cobertura
do solo, buscando compreender melhor como ocorrem esses processos.
39
O estudo desenvolvido em Fortaleza/CE por Zanella et al. (2011) objetivou identificar as
áreas de maior vulnerabilidade natural e ambiental, baseando-se no emprego da análise
Ecodinâmica, fundamentada no conceito de estabilidade/instabilidade ambiental (Tricart,
1977). Foram utilizados SIGs na elaboração e integração dos mapas de geologia,
geomorfologia, pedologia e cobertura vegetal para a confecção do mapa de vulnerabilidade
natural. Do cruzamento do mapa de uso do espaço geográfico com o mapa de vulnerabilidade
natural obteve-se o mapa de vulnerabilidade ambiental. Observou-se que a grande parte do
município possui vulnerabilidade baixa e mediana, e as áreas com maior vulnerabilidade
foram identificadas nos locais com infraestrutura urbana precária nas proximidades de rios,
lagoas e campos de dunas.
O estudo desenvolvido por Pinese Júnior e Rodrigues (2012) objetivou avaliar o desempenho
do método AHP na ponderação de fatores aplicados à obtenção da vulnerabilidade ambiental
na bacia do rio Piedade/MG. Para isso, realizou-se o mapeamento e cruzamento de quatro
critérios decisivos para a determinar a vulnerabilidade, a saber: declividade, pedologia,
geologia e uso e ocupação da terra. Os autores concluíram que as áreas de preparo para
plantio ou solo exposto apresentaram-se mais favoráveis à vulnerabilidade do ambiente,
seguidos pelas áreas com declividade maior que 30%. O mapa de vulnerabilidade ambiental
da bacia hidrográfica do rio Piedade mostrou imparcialidade nos resultados e minimização
de erros de julgamento durante o processo, devido a utilização do método de Análise
Hierárquica de Processos (AHP).
Neste contexto, por meio de algoritmos de geoprocessamento, a análise multicritério baseada

na AHP é uma ferramenta útil na determinação do grau de vulnerabilidade ambiental de uma
área, sendo apresentada a seguir.
4.3.1. Análise Hierárquica de Processos (AHP)
Para abordar problemas onde existem diversos fatores que podem contribuir para o processo
de tomada de decisão é útil a utilização de ferramentas de suporte à decisão. Para dar suporte
ao estudo da vulnerabilidade ambiental, o cálculo dos pesos de compensação, que indica a
importância de um fator em relação aos demais, pode ser realizado pela Análise Hierárquica
de Processos (AHP - Analytical Hierarchy Process), proposta por Thomas Saaty, que se
baseia na lógica de comparação pareada, por importância relativa (peso), preferências ou
probabilidade, entre dois critérios, com relação ao critério no nível superior (Saaty, 1980).
40
A utilização de AHP como uma ferramenta de suporte a decisão com múltiplos critérios
auxilia na organização e no estabelecimento de um modelo racional que realize a
combinação de dados. Por isso, o método AHP é útil em processos de tomada de decisão
multicritério, já que ele calcula os pesos dos critérios por meio de pares de comparação
(Tanaka e Entani, 2007). Portanto, quanto se trata de análises ambientais esse método
apresenta-se eficiente e com desempenho favorável, já que pode agrupar um grande número
de variáveis em uma única avaliação (Miara e Oka-Fiori, 2007).
O método AHP consiste em três etapas, primeiramente o decisor deve dividir os problemas
multicritérios em seus componentes, de forma a ordenar os possíveis atributos em níveis
hierárquicos. Em seguida, deve ser realizada uma comparação par a par dos atributos em um
mesmo nível hierárquico, e, por fim, é necessário garantir que a avaliação tenha consistência,
pois as comparações apresentam elementos de juízo subjetivo. Caso o método apresente
inconsistência as comparações devem ser realizadas novamente (Reyes, 2009). Após o
cálculo dos pesos de cada fator é necessário a avaliação de sua aceitabilidade ou Razão de
Consistência (RC), que revela erros de inconsistência nas classificações e interações
pareadas e, de acordo com Saaty (1980), deve apresentar valor menor que 0,10, ou seja, o
resultado desta razão deve ser menor que 10 %.
Assim, de acordo com Moreira et al. (2016), a análise hierárquica de processos apresenta
uma base matemática que permite mensurar a consistência dos julgamentos realizados, assim
como organizar e avaliar a importância relativa entre os fatores estudados. A estruturação do
modelo hierárquico é composta por critérios, subcritérios e alternativas em um processo de
comparação entre pares. Segundo os mesmos autores, para a aplicação do método,
primeiramente é necessária a elaboração de uma relação de importância relativa entre as
evidências que, em seguida, é utilizada como input em uma matriz de comparação pareada
para o cálculo de autovalores e autovetores dessa matriz. A AHP pondera todos os critérios
e calcula um valor de razão de consistência, entre zero e um, onde um indica completa
inconsistência do processo de julgamento. Com o estabelecimento de critérios de
comparação para cada par de fatores, pode-se determinar um conjunto ótimo de pesos a
serem utilizados na combinação de diversos mapas, sendo sua principal vantagem a
avaliação do grau de potencialidade ao invés de somente identificar a presença ou ausência
da potencialidade.
41
4.4. TEMPERATURA DA SUPERFÍCIE TERRESTRE
Dentre as diversas aplicações do sensoriamento remoto destaca-se a obtenção de

informações de temperatura superficial, que se dá devido conversão do calor interno de um
objeto em energia radiante, e para grande parte dos objetos há uma alta correlação positiva
entre a temperatura cinética verdadeira do objeto e o fluxo radiante proveniente dos mesmos.
Assim, esse fluxo radiante emitido pelos objetos pode ser captado e registrado por sensores
de infravermelho a bordo de plataformas orbitais ou aerotransportadas (Jensen, 2009).
O infravermelho termal compreende a faixa do espectro eletromagnético entre 8 e 14 µm e

tem importância em trabalhos de sensoriamento remoto por estar associado com as emissões
máximas de calor de um corpo (Fitz, 2008). O vapor de água, ozônio e carbono podem causar
interferência nos dados obtidos pelo sensoriamento remoto termal, para evitar que isso
aconteça e reduzir as distorções nas medições de temperatura que podem ser causadas pela
atmosfera, é utilizada a faixa do espectro eletromagnético que vai de 10,5 a 12,5 µm para
posicionar as bandas espectrais dos sensores de infravermelho termal (Salisbury, 1992).
Os termômetros específicos ou sensores que atuam na faixa do infravermelho termal podem

ser usados para aferir a temperatura do ar e de superfície. A utilização de termômetros para
aquisição de dados geralmente relaciona-se com a existência de estações meteorológicas,
que depende de recursos humanos especializados para calibração de equipamentos e
acompanhamento das atividades, assim como periodicidade de monitoramento. Para
contornar algumas dessas dificuldades tornou-se frequente a utilização de produtos
resultantes de sensores termais, principalmente devido à proximidade dos valores obtidos
por medição e estimados pelo sensor (Santos, 2010).
Atualmente existe uma gama de sensores termais a bordo de sensores orbitais ou

aerotransportados, que atuam em diferentes resoluções espaciais, espectrais e temporais. As
informações provenientes desses sensores têm sido significativamente empregadas em
estudos sobre variabilidade termal dos mares e oceanos e sobre mudanças na cobertura e uso
do solo (Gillett et al., 2008; Amiri et al., 2009; Zhang et al., 2007; Weng et al., 2002).
A crescente utilização de dados orbitais proveniente do infravermelho termal está associa-

se, dentre outras coisas, a proximidade dos dados de temperatura gerados a partir dos
sensores com os dados de temperatura do ar medidos em estações meteorológicas. Gusso et
42
al. (2007) utilizaram imagens do sensor AVHRR a bordo dos satélites NOAA-15 e NOAA-
16 e três métodos para mapear a temperatura da superfície terrestre no Rio Grande do Sul.
A diferença entre a temperatura do ar e a temperatura estimada pelos métodos esteve entre
2,5 e 3,1 °C e valores de correlação entre 0,73 e 0,7; o que possibilitou concluir que o sensor
é adequado para estimar temperatura da superfície terrestre, visto que os resultados se
aproximaram da temperatura do ar medida por instrumentos meteorológicos convencionais.
A partir de dados de infravermelhos termal fornecidos pela banda espectral 6 do sensor TM

a bordo do satélite Landsat 5, Sobrinho et al. (2004) utilizaram três métodos para
recuperação da temperatura da superfície terrestre e compararam os resultados obtidos com
a temperatura da superfície terrestre medida in situ. Para a temperatura da superfície terrestre
obtida pela equação de transferência radiativa, que só é aplicável quando há disponibilidade
de radiossonda in situ está disponível, com aceitável desvio quadrático médio. Os algoritmos
de Qin et al. (2001) e Jiménez-Muñoz e Sobrino (2003), citados por Sobrinho et al. (2004),
não necessitam de radiossonda in situ, e apresentaram também valores aceitáveis de desvio
quadrático médio, com melhores resultados obtidos com o algoritmo de Qin et al. (2001).
Schwarz et al. (2012) trabalham com conceito de ilhas de calor urbana e ilha de calor urbana
de superfície, que podem ser quantificados com medições meteorológicas de temperatura do
ar ou com temperatura de superfície terrestre detectadas remotamente. A aplicação da
metodologia se deu por voos aéreos para captação de dados de temperatura de superfície
terrestre e medições de campo da temperatura do ar em estações meteorológicas na cidade
de Leipzig, na Alemanha. O estudo mostrou que a temperaturas do ar e da superfície terrestre
estão relacionados, sendo a correlação maior quando considerado o pixel individual. A
análise de variância indicou que as classes de cobertura do solo apresentaram influência
estatisticamente significativa (p < 0,01) entre ambas temperaturas.
Existe uma série de fatores que podem influenciar tanto a temperatura de superfície como a
temperatura do ar. Os fatores externos são incidência de radiação, ciclo diário e anual,
latitude, tipos de cobertura, topografia, altitude, influência antrópica, entre outros. Já os
fatores internos são umidade, composição química dos elementos do solo, entre outros
(Santos, 2010).
O processo de alteração do uso e cobertura do solo por meio da substituição de cobertura

natural e utilização destes espaços nas atividades antrópicas, é um dos fatores que tem
43
causado impactos no campo térmico local com a elevação da temperatura, podendo
ocasionar desde simples desconforto térmico até ilhas de calor, sendo esta última decorrente
de alterações mais robustas na temperatura, fenômeno observado em grandes cidades (Sousa
e Ferreira, 2012).
A interferência de atividades antrópicas, por meio de ações como desmatamento, queimadas,

aumento da mancha urbana, construção de edificações urbanas, impermeabilização
resultante de construção de calçadas e asfaltos são responsáveis por significativas mudanças
no uso e cobertura do solo que influencia o comportamento termal, tendendo para o aumento
do registro de temperatura (Santos, 2010, Sousa e Ferreira, 2012). Os materiais urbanos
possuem padrões de refletividade que favorecem a absorção da radiação solar que, na busca
do equilíbrio térmico, emitem maior quantidade de calor sensível (Sousa e Ferreira, 2012).
Muitos estudos estão utilizando o processamento de imagens na faixa do infravermelho

termal para estimar a temperatura de superfície terrestre e buscar compreender a relação
entre o uso e cobertura do solo com a radiação, a seguir serão citados alguns deles. Amiri et
al. (2009) utilizaram imagens do Landsat TM 4 e 5 e Landsat 7 ETM + da região
metropolitana de Tabriz no Irã para analisar a variabilidade temporal do uso e cobertura da
terra e da temperatura da superfície terrestre. O estudo mostrou que área de vegetação
apresentava baixas temperaturas e à medida que ocorriam as mudanças de uso de solo devido
a urbanização, a temperatura se elevou.
Kauwe et al. (2013) consideraram a dinâmica espacial e temporal da temperatura da

superfície terrestre para quantificar sua resposta aos eventos de precipitação a partir de dados
de satélite geoestacionário. Os autores concluíram que a variação da temperatura está
intimamente ligada aos tipos de cobertura do solo, que áreas mais densamente vegetadas,
têm a resposta mais fraca às chuvas, enquanto em regiões com pouca vegetação ou desnudas
tiveram variação mais alta da temperatura.
O estudo desenvolvido por Jenerette et al. (2016) utilizou imagens aéreas, com resolução
espacial de 7 metros, da região metropolitana de Phoenix, AZ USA, para gerar dados
térmicos e relacioná-los com características sociais sobre percepções de paisagens e doenças
causadas pelo calor. Esses dados foram analisados juntamente com a classificação de
cobertura terrestre, buscando compreender a influência da composição da paisagem na
variabilidade de temperatura da superfície terrestre. Os resultados mostraram grandes
44
diferenças de temperatura, durante o dia variaram entre 35,1 e 67,4 ° C e durante a noite
variaram entre 15,1 e 32,1 ° C.
Os trabalhos citados apresentam a importância e diferentes possibilidades de utilização dos

dados obtidos de sensores do infravermelho termal. A análise dos mapas de temperatura de
superfície terrestre desenvolvidos neste estudo auxiliam no entendimento de alguns
processos envolvidos na evolução dinâmica de uso e cobertura do solo.

DO SOLO
O emprego das geotecnologias enfatiza o uso de computadores na representação de

fenômenos espaciais de forma estática, já que utiliza o mapa como forma de representação.
Entretanto, grande parte desses fenômenos como mudança no uso e cobertura da terra, no
escoamento superficial gerado por uma precipitação, no planejamento urbano, entre outros,
são em sua essência fenômenos dinâmicos e sendo assim não são muito bem descritos por
representações estáticas comumente utilizadas em SIG. Por essa razão, recentemente, as
mudanças na paisagem estão sendo acompanhadas e estudadas por técnicas de modelagem
da dinâmica ambiental, tornando-a uma ferramenta útil no planejamento, por possibilitar
simulação de cenários futuros (Benedetti, 2010).
Em geral, a modelagem e em especial os modelos de previsão não estão livres de incertezas,

pois elas podem estar associadas aos dados de entrada, a propagação dos erros do modelo e
os erros implícitos no modelo devido à falta de total conhecimento dos processos envolvidos.
Porém cabe ao modelador tentar reduzir essa incerteza, buscando conhecimento dos
processos envolvidos na modelagem, utilização de algoritmo adequado e dados confiáveis e
de qualidade (Sathish Kumar et al., 2013).
A utilização da modelagem dinâmica visa superar as limitações geradas pelas técnicas de

Geoprocessamento, realizando simulação numérica de processos que são dependentes do
tempo. Um modelo dinâmico espacial é uma forma de representação matemática de um, ou
vários, fenômenos que acontecem no mundo real (Burrough e McDonnel, 2010) e, por essa
razão, cada vez mais os recursos computacionais têm contribuído com a simulação de
fenômenos dinâmicos espaciais, tais como: mudança no uso do solo, expansão urbana,
processos de ocupação, entre outros.
45
A modelagem dinâmica tem a finalidade de simular mudanças espaciais e temporais das
características ambientais ligadas a um espaço geográfico, descrevendo quantitativamente
um fenômeno e prevendo sua evolução, o que permite avaliar como um sistema evolui diante
de um conjunto de circunstâncias, definidas pelo modelador, que podem proporcionar tais
mudanças (Benedetti, 2010; Trentin e Freitas, 2010).
Os modelos de dinâmica ambiental, que reproduzem padrões espaciais de mudanças

condizentes com a realidade, são um requisito importante para o entendimento de questões
ambientais complexas em escala local, regional e global, tornando-se um importante
instrumento de auxílio ao ordenamento territorial. Por isso, a modelagem dinâmica tem, cada
vez mais, se tornado um campo de pesquisa bastante promissor, recebendo atenção especial
de pesquisadores de diversas área (Soares-Filho et al., 2007).
Existem diversos meios de obtenção de mapas que representem cartograficamente as

mudanças de paisagem a partir de simulação da dinâmica ambiental, nos itens a seguir serão
apresentadas as metodologias fundamentadas no conceito de pesos de evidência e de
Autômatos Celulares (AC), as quais serão utilizadas neste estudo.
O estudo desenvolvido por Trentin e Freitas (2010) utilizou o modelo de autômato celular
do software Dinamica EGO, desenvolvido pela Universidade Federal de Minas Gerais, na
simulação do crescimento e das mudanças de uso na área urbana de Americana/SP, onde
foram definidas quatro classes de uso da terra e que posteriormente, com base na situação
atual de uso, foram simulados cenários de prognósticos para o curto (ano de 2010) e médio
prazo (anos de 2014 e 2016). Os autores afirmaram que o software Dinamica EGO mostrou
potencial para aplicações em estudos urbanos e apesar das deficiências e limitações do
modelo de AC, o mesmo possibilita a espacialização das simulações, o que representa um
progresso na área da modelagem. Os autores afirmam ainda que o tempo de processamento
da modelagem foi considerável apesar de terem sido utilizadas poucas variáveis e a área de
estudo possui reduzida extensão territorial. Alegam ainda que, quanto maior for o intervalo
de tempo compreendido em cada período de simulação e o número de variáveis de transição
do uso da terra, maior será o tempo demandado pelo modelo.
Por meio do sistema Dinamica EGO, Camacho-Sanabria et al. (2015) desenvolveram um

modelo espacial de mudanças de uso e cobertura do solo para o município de Amanalco de
Becerra, no Estado de Mexico, a partir de mapas de uso do solo e da vegetação para os anos
46
de 1989, 1997 e 2009, derivados de classificação temática por interpretação visual, em
conjunto com variáveis cartográficas explicativas. As mudanças de uso e cobertura do solo
foram modeladas em dois cenários, sendo o primeiro o modelo de tendência, o que pressupõe
que as taxas anuais de mudança permanecem inalteradas para o período compreendido entre
os anos de 1997-2009, e o segundo é o modelo agropastoril, que assume um aumento das
taxas anuais de desmatamento pelo desenvolvimento das atividades agrícolas. A análise
multitemporal das áreas florestais mostrou uma tendência para processos relacionados com
o desmatamento, sendo que em ambos os cenários se observou a diminuição em áreas de
floresta e o aumento em áreas de atividades agrícolas, o que levaria à perda da diversidade
de espécies biológicas, deterioração e degradação dos solos, mudanças no microclima e
modificação do funcionamento do rio Amanalco.
Por sua vez, Vieira et al. (2015) desenvolveram um estudo na bacia hidrográfica do Rio
Vermelho em Goiás, da modelagem dinâmica da paisagem, com o software Dinamica EGO,
aplicada à análise da cobertura e uso do solo. Inicialmente foram elaborados mapas de uso e
cobertura do solo para dois períodos (anos de 1976 e 1987) onde foram discriminadas sete
classes temáticas de uso do solo. Procedeu-se uma análise integrada dos dados acerca da
caracterização física do sistema natural, da dinâmica histórica de ocupação e uso, da
consolidação e da sustentabilidade socioeconômica e ambiental, integrando os conceitos de
vulnerabilidade natural e ambiental. O estudo concluiu que a nova paisagem indica uma
aceitável dinâmica de evolução natural, com alguns pontos críticos em relação a processos
erosivos, de assoreamento de canal ﬂuvial e recorrência de cheias e pastagens degradadas,
que podem ser corrigidos com um reordenamento e manejo dos tipos de uso do solo. Além
de apresentar a possibilidade de aplicação deste modelo em outras bacias (pequenas e
médias) do bioma Cerrado.
A pesquisa desenvolvida na região do Vale do Rio Pardo no RS por Schroder et al. (2016)
propôs determinar a taxa de desmatamento e regeneração, durante um período de 24 anos
entre os anos 1990 e 2014, e realizar um prognóstico de uso e cobertura do solo para o ano
de 2018. Com as imagens dos satélites Landsat 5 (anos de 1990, 1995, 2000, 2005 e 2010)
e Landsat 8 (ano de 2014), com 30 metros de resolução espacial realizou-se a classificação
supervisionada por meio do software Spring e especificadas três classes de uso do solo,
Floresta, Agropecuária e Áreas Urbanas. Utilizou-se o sistema Dinamica EGO para gerar
mapas de uso e cobertura do solo para o ano de 2018. Conclui-se que houve um aumento de
47
0,58% ao ano da cobertura florestal da área de estudo, devido a diferença entre processos
(desmatamento e regeneração) muito mais intensos (entre 3 e 6% da área total). O mapa
estimado para 2018 indica que deve continuar a tendência de aumento de área florestal e
aponta áreas que estão sujeitas ao desmatamento, permitindo melhor fiscalização da região.
As pesquisas citadas apontam para: i) a utilização de modelo de AC, como o utilizado pelo
software Dinamica EGO, e é uma ferramenta útil e eficiente na modelagem da dinâmica
ambiental; ii) a escolha de uma área pequena para serem realizadas as simulações de
mudanças de paisagem, como é o caso da bacia hidrográfica do Córrego Taquari; iii) a
definição de poucas classes temáticas de uso e cobertura do solo, conforme será apresentado
no item 5.2.1, onde definiu-se as classes temáticas, de forma a viabilizar o processamento
da modelagem; iv) a importância da utilização de produtos do sensoriamento remoto e de
SIG no acompanhamento de mudanças de uso e cobertura do solo.
A utilização de modelagem dinâmica ambiental para a simulação de mudanças de paisagem,

tem se tornado uma ferramenta importante na busca do entendimento dos impactos que
podem ser causados nas componentes do ciclo hidrológico e, dentre esses componentes,
nesta pesquisa será estudado o escoamento superficial direto. A seguir serão apresentados
trabalhos que relacionam assuntos pertinentes ao tema e que utilizam o Método do SCS.
4.5.1. Método dos pesos de evidência
O cálculo da probabilidade de transição de uma determinada classe temática para outra é,

nesta pesquisa, realizado pelo método dos pesos de evidência, que resulta na produção de
um mapa de probabilidade de transição, onde é representado as áreas mais favoráveis para
ocorrer uma mudança (Soares-Filho et al., 2009). O método pesos de evidência consiste em
um método bayesiano, no qual o efeito de uma variável espacial em uma transição é
calculado independentemente de uma solução combinada. A probabilidade bayesiana que se
relaciona aos conceitos de probabilidade prévia e posterior (a priori ou a posteriori), sendo
fundamentada no Teorema de Bayes, que consiste na disposição de ocorrer um evento A
tendo em vista a ocorrência passada de outro evento B (Trentin e Freitas, 2010). Os pesos
de evidência representam cada influência sobre uma variável na probabilidade espacial de
uma transição 𝑖 ⇒ 𝑗, sendo calculados da seguinte forma:
48
𝑃{𝐷|𝐵}
𝑂{𝐷|𝐵} = Equação (4.1)
̅ |𝐵}
𝑃{𝐷
𝑙𝑜𝑔{𝐷|𝐵} = 𝑙𝑜𝑔{𝐷} + 𝑊 + Equação (4.2)
Onde 𝑊 + é o peso de evidência da ocorrência do evento 𝐷, dado um padrão espacial 𝐵. A

probabilidade a posteriori de uma transição 𝑖 ⇒ 𝑗, dado um conjunto de dados espaciais
(𝐵, 𝐶, 𝐷, … , 𝑁), é expressa da seguinte maneira (Soares-Filho et al., 2009):
+
𝑒 ∑ 𝑊𝑁
𝑃 {𝑖 ⇒ 𝑗|𝐵 ∩ 𝐶 ∩ 𝐷 … ∩ 𝑁} = +
Equação (4.3)
1 + 𝑒 ∑ 𝑊𝑁
Onde 𝐵, 𝐶, 𝐷 𝑒 𝑁 são os valores das variáveis espaciais 𝑘 que são medidas na localização
𝑥, 𝑦 e representadas por seus pesos 𝑊 + 𝑁 .
Para determinar a probabilidade de ocorrer mudanças de uso do solo mediante variáveis

explicativas, essas variáveis devem ser, então, independentes. Essa condição pode ser
avaliada pelo Índice de Cramer (V) que utiliza a matriz de transição produzida pela tabulação
cruzada de dois mapas temáticos, para verificar a independência entre os pares de variáveis,
em que o índice varia de zero (reflete completa independência), a um (reflete completa
dependência das variáveis). As matrizes de transição calculadas são denominadas de Single
Step Transition Matriz e Multiple Step Transition Matrix (Matriz de Transição de Passo
Único e Matriz de Transição de Passos Múltiplos), que conferem valores aos processos de
transição ocorridos entre os mapas de uso e cobertura do instante inicial (tempo 1) e para o
instante final (tempo 2). A matriz Single Step se refere aos processos de transição entre as
classes durante todo o período de análise. A matriz Multiple Step, por sua vez, indica as
transições ocorridas a cada passo de tempo do período analisado.
4.5.2. Modelo de Autômatos Celulares (AC)
Segundo Wolfram (1983), o conceito de autômatos celulares foi introduzido originalmente

por von Neumann e Ulam, nos anos 40, como uma possível idealização do sistema biológico
e tendo a finalidade específica de modelar a autorreprodução biológica. Na época recebeu o
49
nome de espaços celulares e foram aplicados e reintroduzidos para uma grande variedade de
propósitos, recebendo diferentes nomes.
O uso de autômatos celulares na simulação espacial tem se tornado cada vez mais comum,
haja visto que são sistemas inerentemente dinâmicos. Eles podem ser incluídos em ambiente
de SIG, devido à capacidade de reprodução dos fenômenos espaciais e sua facilidade de
implementação (Benedetti, 2010), pois é uma ferramenta que busca obter possíveis previsões
de mudanças que ocorrem no espaço e no tempo, baseadas em processos evolutivos. Este
modelo representa diversos tipos de fenômenos espaciais dinâmicos, sejam eles físicos,
biológicos ou sociais, como por exemplo, o espalhamento de fogo, dinâmica florestal,
propagação de epidemias, crescimento urbano e mudanças no uso e cobertura do solo
(Soares-Filho et al., 2002; Trentin e Freitas, 2010).
No modelo de autômatos celulares todas as células são atualizadas simultaneamente a cada

passo de tempo discreto, sendo que o estado de cada célula depende do seu estado prévio e
de um conjunto de regras de transição, de acordo com o arranjo de sua vizinhança (Soares-
Filho et al., 2007; Burrough e McDonnel, 2010).
Os autômatos celulares são apresentados como uma grade regular uniforme ou um campo
matricial, sendo frequentemente infinito em sua extensão, com uma variável discreta em
cada local, ou seja, em cada célula. Os valores das variáveis em cada célula são utilizados
como forma de especificar o estado de um AC. Os autômatos celulares são definidos como
idealizações matemáticas de sistemas físicos, onde os atributos assumem um conjunto de
valores discretos, assim como o tempo e espaços também são discretos. Um AC evolui em
passos de tempo discretos, de acordo com um conjunto pré-definido de regras locais, sendo
que o valor da variável de uma célula é afetado e atualizado simultaneamente pelos valores
das variáveis nas células vizinhas, encontrados no passo de tempo anterior, e a vizinhança
de uma célula é formada pela própria célula e todas as demais localizadas nas suas
adjacências (Wolfram, 1983).
4.5.3. Plataforma de Simulação de Dinâmica Ambiental - Dinamica EGO
O Dinamica EGO (Environment for Geoprocessing Objects) é um sistema freeware

desenvolvido por Soares-Filho et al. (1998, 2002) criado e mantido pelo Centro de
Sensoriamento Remoto (CSR), pertencente ao Instituto de Geociências da Universidade
50
Federal de Minas Gerais. Por ser um sistema de modelo genérico de mudanças, o mesmo é
utilizado como uma ferramenta de investigação da alteração de paisagens e da dinâmica de
fenômenos espaciais. Assim, o Dinamica EGO trata-se de um modelo de dinâmica ambiental
desenvolvido para simulação de paisagens, com características que otimizam a velocidade e
recursos computacionais, como memória virtual e processamento paralelo. O Dinamica
EGO é, então, um modelo de simulação espacial que utiliza o conceito de autômatos
celulares, cujo ambiente de software está escrito nas linguagens C++ e Java, e apresenta uma
série de algoritmos chamados functors, e cada um deles executa uma operação de simulação.
Foram implementados algoritmos de análises espaciais mais comuns disponíveis em um SIG
comercial, além de outros algoritmos desenvolvidos para simulações espaciais, o que inclui
funções de transição, de calibração e métodos de validação (Soares-Filho et al., 2009).
A calibração do modelo é realizada buscando-se avaliar os padrões de mudanças e fornecer

as informações necessárias ao modelo. Esta etapa pode ser realizada por meio de teste de
calibração com os autômatos celulares Patch e Expander do sistema Dinamica EGO,
buscando-se o melhor ajuste entre o modelo gerado e a realidade observada oriunda do mapa
de uso e cobertura do solo. O processo de calibração deverá considerar o ajuste do modelo
em relação a dois aspectos: i) configuração espacial e ii) estrutura da paisagem, sendo que o
ajuste considerado razoável para o modelo de simulação encontra-se acima de 75% (Soares-
Filho et al., 2007).
A partir do auxílio de sua interface gráfica, possibilita-se a criação de modelos simplesmente

arrastando e conectando functors via seus portos, e cada um deles representa um conector
para um elemento de dados, tais como, mapa, tabela, matriz, fórmula matemática ou
constante. Dessa forma os modelos podem ser concebidos como um diagrama, cuja execução
segue uma corrente de fluxo de dados. O conjunto de dados de entrada é manipulado por
operadores do software produzindo um novo conjunto de dados de saída, como tabelas ou
mapas. Além dos operadores convencionais, o programa inclui operadores chamados de
especiais (containers), pois agrupam e determinam o comportamento para o conjunto de
functors neles contidos, além disso há necessidade, por parte do modelador, de determinação
interna de alguns parâmetros.
O Dinamica EGO utiliza um conjunto de mapas como dados de entrada, tais como, mapa da
paisagem inicial (mapa de uso e cobertura do solo), mapa do tempo de permanência de cada
célula no seu estado atual, e um conjunto de variáveis cartográficas, que estão divididas em
51
dois grupos, dinâmicas e estáticas. As variáveis estáticas, ou seja, que não se modificaram
durante o período em que foi realizada a modelagem e suas informações são apresentadas
em mapas estáticos, os exemplos desse tipo de variável são os dados vetoriais de distância
até a drenagem e distância até as estradas, declividade, pedologia e vegetação. Já as variáveis
dinâmicas são aquelas recalculadas a cada iteração do programa, são combinadas por meio
de seus pesos de evidência, o que resulta na geração de mapas de probabilidades de transição.
Após cada iteração, o software produz um novo mapa da paisagem, mapas de probabilidades
de transição e mapas das variáveis dinâmicas.
O Dinamica EGO usa, como regras locais, um recurso de alocação de mudanças, composto
por dois processos de transição complementares, os functors Expander e Patcher, além de
um módulo de difusão. Ambos utilizam um mecanismo nucleador de manchas, tendo como
parâmetros de entrada a isometria, variância e tamanho médio das manchas e operando sobre
o mapa de probabilidades de transição. A função Expander é responsável pela expansão ou
contração de manchas prévias de uma classe, enquanto a função Patcher é responsável por
formar novas manchas. O módulo de difusão leva um processo de transição 𝑖 ⇒ 𝑗, a migrar
para novas áreas, em função de uma saturação assintótica de células j dentro de uma
vizinhança especificada (Soares-Filho et al., 2007). Ambos os algoritmos de transição do
sistema Dinamica EGO adotam um mecanismo estocástico de seleção. O algoritmo aplicado
faz a leitura do mapa de uso do solo para identificar as células com maiores probabilidades,
e depois os dados são organizados em uma matriz. As células são então selecionadas de
forma aleatória no sentido decrescente. No segundo momento é realizada novamente o
escaneamento do mapa de uso do solo para executar as transições selecionadas.
Com a propriedade de geração de cenários prospectivos, o Dinamica EGO, é importante para

identificar mudanças que podem ocorrer no uso e cobertura do solo da bacia do Córrego
Taquari e entorno. As consequências dessas mudanças, são dentre outras, a alteração do
escoamento superficial direto, devido a impermeabilização da área e retirada da vegetação.
A análise da variação do escoamento superficial direto será fundamentada nos conceitos do
Método SCS, apresentados a seguir.
4.6. MÉTODO DO SOIL CONSERVATION SERVICE
A urbanização tem alterado as paisagens naturais, implicando nas mudanças de uso e

cobertura do solo. Para estudar e entender esses processos, tem sido empregada os sistemas
52
de informação geográfica, a modelagem do crescimento urbano e a geração de cenários
prospectivos, importantes ferramentas para o planejamento e gestão urbana, pois a partir
disso podem ser estudados os impactos e a sustentabilidade de um sistema hidrológico
urbano (Sathish Kumar et al., 2013).
As alterações de uso do solo podem causar impactos significativos sobre o escoamento

superficial e as características hidrológicas. O escoamento superficial é especialmente
importante nas áreas urbanas, pois o aumento de superfícies impermeáveis tende a aumentar
esse escoamento, podendo causar danos ambientais, sociais e materiais (Ozdemir e Elbas,
2015). As consequências das chuvas intensas e outros eventos climáticos extremos são muito
influenciados pelo uso do solo, para evitar danos materiais é importante, então, que se reduza
o tamanho e a duração dos picos de vazão (Kalantari et al., 2014).
A quantidade de escoamento superficial direto é uma resposta da bacia hidrográfica a uma

precipitação total, e um componente crítico para a análise hidrológica. O escoamento
superficial direto é fortemente afetado por fatores topográficos, tais como forma,
comprimento e inclinação da bacia hidrográfica, sendo também afetado por fatores
meteorológicos, como, precipitação, evaporação, infiltração e armazenamento (Moon et al.,
2016). O escoamento superficial direto também varia espacialmente dentro de uma bacia
hidrográfica para diferentes tipos de solo e uso e cobertura do solo (Melesse e Shih, 2002;
USDA-NRCS, 2004).
Devido à distribuição espacial do uso do solo o papel do sensoriamento remoto e do SIG no

cálculo do escoamento superficial em uma bacia hidrográfica é fornecer uma fonte de dados
de entrada ou auxiliar na estimativa de coeficientes da equação e os parâmetros do modelo
(Nagarajan e Poongothai, 2012) como para o cálculo do parâmetro Curve Number (CN)
(Zhan e Huang, 2004).
Conceitualmente, os modelos baseados em eventos de chuva-vazão expressam a relação

entre a quantidade de chuva e o escoamento superficial direto em uma bacia hidrográfica
(Moon et al., 2016). Estes modelos são amplamente utilizados em diversos seguimentos da
gestão de recursos hídricos. Os modelos chuva-vazão são, por sua vez, ferramentas úteis
tendo em vista a carência de dados fluviométricos em pequenas bacias hidrográficas
brasileiras, além de apresentar boa flexibilidade em prever comportamentos futuros que são
consequências das alterações de uso e ocupação do solo (Sartori et al., 2005).
53
Vários modelos são empregados para estimar o escoamento superficial direto (i.e. chuva
excedente), dentre eles um destaque especial é dado ao modelo, desenvolvido em 1950, pelo
Natural Resources Conservation Service (NRCS), o antigo Soil Conservation Service (SCS),
do United States Department of Agriculture (USDA). Este modelo é o Runoff Curve Number
Method, ou simplesmente conhecido como Método do SCS, utilizado para estimar a parcela
de chuva total que irá se transformar em escoamento superficial direto (USDA-NRCS,
2004). O modelo agrupa os solos dos Estados Unidos em quatro grupos (A, B, C e D), de
acordo com sua capacidade de infiltração e produção de escoamento (Sartori et al., 2005).
Este método foi inicialmente desenvolvido para pequenas bacias hidrográficas agrícolas
(USDA-NRCS, 2004), sendo largamente utilizado nos Estados Unidos da América (EUA)
ganhando abrangência internacional devido à credibilidade da agência desenvolvedora, a
simplicidade e versatilidade, a estabilidade, dependência de apenas um parâmetro e a
capacidade de resposta as propriedades da bacia hidrográfica (Ponce e Hawkins, 1996).
A escolha da utilização deste método está relacionada a facilidade de seu uso, e a

possibilidade de considerar a cobertura do solo, tornando viável a simulação de cenários e
pela boa base de conhecimentos e parâmetros para sua aplicação. Entretanto as informações
necessárias para a definição de seu parâmetro foram determinadas apenas para condições
específicas dos EUA (Sartori, 2010; Moon et al., 2016). Por essa razão a aplicação do
Método do SCS em outras áreas para estimar o escoamento direto pode apresentar alguns
problemas, como a superestimação e subestimação do escoamento superficial direto, motivo
pela qual muitas modificações foram sugeridas para ajustar tanto a fórmula usada para
calcular o escoamento como o Curve Number (CN) médio da bacia hidrográfica (Moon et
al., 2016).
O Método do SCS introduziu o conceito de uma curva número, que é uma representação
quantitativa da relação existente entre as características do solo, seu uso e cobertura e as
condições que podem interferir no movimento da água, sendo que a resultante potencial para
o escoamento deve ser gerada a partir de uma precipitação de determinada magnitude (Shi
et al., 2009).
Para estimar o escoamento superficial direto pelo Método do SCS calcula-se a lâmina de
chuva em excesso (Q) para um evento de chuva (P) utilizando um parâmetro chamado Curve
Number ou Número da Curva de Escoamento (CN). Esse parâmetro combina os principais
54
fatores que afetam a geração do escoamento, incluindo as características hidrológicas dos
solos, a partir da definição de grupos hidrológicos de solo, as condições antecedentes da
bacia, a cobertura da terra e as práticas conservacionistas (Hawkins, 1975). Em bacias
hidrográficas que não possuem dados de monitoramento de chuva e vazão para a calibração
do parâmetro CN, é comum que sua seleção seja feita em função do grupo hidrológico do
solo, do uso e manejo da solo, utilizando a tabela original publicada em manuais dos EUA
(Sartori, 2010).
Por sua vez, o CN é utilizado para determinar o quanto de chuva infiltrou no solo e quanto
tornou-se escoamento superficial. Se o valor do número da curva for alto significa que houve
baixa infiltração e que alta quantidade de chuva se tornou escoamento, essas características
são comumente encontradas em áreas urbanas. Quando o valor da curva for baixo, significa
dizer que houve alta infiltração e baixo escoamento, podendo indicar uma área rural ou de
solo seco (Zhan e Huang, 2004).
Desta forma, o escoamento superficial direto gerado em uma bacia hidrográfica é

consequência de uma certa quantidade de precipitação. E os modelos conhecidos como
chuva-vazão são utilizados para estimar o escoamento superficial indicando a relação entre
a quantidade de chuva e o escoamento superficial direto em uma bacia hidrográfica. Para
melhor compreender esses modelos descreve-se sua formulação de forma mais detalhada,
no item a seguir.
Zhan e Huang (2004) desenvolveram estudos sobre a ferramenta ArcCN-Runoff (ArcCN-

escoamento), uma extensão do software ArcGIS, que pode ser aplicada na determinação dos
valores de CNs e no cálculo do escoamento ou da infiltração para um evento de precipitação
em um divisor de águas, baseado na variação espacial de informações de solo e uso do solo.
Ao contrário do modo matricial (raster), o ArcCN-Runoff pode ser utilizado o formato de
qualquer polígono, mantendo os limites irregulares da bacia inalterados. Há um banco de
dados de CN implementado e o usuário pode desenvolver seu próprio banco de dados. A
implementação de técnicas de geoprocessamento, como dissolução, intersecção e tabelas de
referência CN melhoram a eficiência e reduzem o tempo de processamento para o cálculo
do escoamento superficial.
Nagarajan e Poongothai (2012) buscaram avaliar a quantidade de escoamento superficial de

uma bacia hidrográfica na Índia utilizando o modelo SCS-CN com técnicas de
55
sensoriamento remoto e SIG. Para calcular e prever o escoamento da bacia foram
considerados os dados de uso e cobertura do solo, o grupo hidrológico do solo e os fatores
de condição de umidade antecedente. No modelo SCS-CN baseada em SIG, o CN e valores
diários de precipitação foram usadas como entradas para calcular o escoamento diário. Os
autores concluíram que integração de dados de sensoriamento remoto e aplicação do modelo
SCS-CN em um ambiente SIG é uma ferramenta poderosa para a estimar o escoamento
superficial.
Kalantari et al. (2014) analisaram as mudanças na vazão de pico e escoamento total

resultante de seis medidas de uso do solo simuladas em uma bacia hidrográfica na Noruega,
combinado com uma série de dados meteorológicos e um modelo hidrológico distribuído
(MIKE SHE), aplicado para quantificar o efeito de cenários de uso do solo na vazão de pico
e no escoamento total, de forma a identificar as melhores medidas para reduzi-los. Para isso,
determinou-se: o impacto do desmatamento na quantidade e na intensidade do escoamento
superficial; a eficácia das medidas simuladas a montante (reflorestamento, buffers de
vegetação e hidrovias gramadas) em reduzir a quantidade e a intensidade do escoamento
superficial. Para definir o tamanho e a intensidade da precipitação em períodos específicos
de tempo de retorno, foi utilizada a curva IDF e a precipitação máxima de curto prazo entre
os anos de 1974 e 2008. Os períodos de retorno utilizados foram 2, 5, 10 e 50 anos, para a
realização da modelagem foi escolhido um evento de tempestade especifico para cada um
deles.
Concluiu-se então que, a implementação de diferentes medidas de uso do solo apresentou

diferentes impactos sobre a resposta hidrológica e a quantidade de escoamento superficial.
Das medidas corretivas testadas, o reflorestamento foi a mais eficiente em reduzir o pico de
vazão e o escoamento superficial total, principalmente em tempestades pequenas. O
reflorestamento próximo a saída da bacia foi mais eficiente do que a montante da bacia,
indicando a importância do planejamento das medidas de uso considerando sua distribuição
espacial.
Já os estudos desenvolvidos por Ozdemir e Elbas (2015) em duas bacias hidrográficas

urbanas e vizinhas em Istambul, Turquia, buscaram compreender os impactos causados pela
mudança de uso do solo no escoamento direto aplicando o Método do SCS. Utilizou-se dados
diários de precipitação, grupos hidrológicos do solo e uso do solo de três diferentes datas
(1982, 1996 e 2012). O impacto da mudança do uso do solo e desempenho do modelo foram
56
avaliados com a regressão chuva-vazão, o coeficiente de determinação e o teste de eficiência
Nash–Sutcliffe usando dados de escoamento de referência com base nas condições de uso
da terra em 1982. Observou-se, entre os anos de 1996 e 2012, um aumento das superfícies
impermeáveis em ambas as bacias, concluindo-se que essas mudanças de uso da terra nas
duas bacias impactaram diretamente na distribuição CN e nas condições do escoamento
superficial, e que as diferentes decisões de uso do solo, por parte de autoridades políticas,
influenciam de forma diferente o escoamento superficial gerado pela bacia hidrográfica.
Conclui-se também que a lâmina de escoamento superficial é mais influenciada pelas

mudanças de uso do solo em superfícies impermeáveis na bacia urbana do que por
características de chuva. Já que o mesmo tipo de precipitação resulta em distintas lâminas
de escoamento superficial para bacias urbanas com diferentes condições de uso do solo.
O modelo hidrológico SWAT (Soil and Water Assessment Tool) foi utilizado por Rodrigues
et al. (2015) para analisar a dinâmica da vazão, buscando avaliar o impacto provocado pelas
alterações de uso do solo na disponibilidade de água da bacia do Rio Pará, em Minas Gerais.
O modelo SWAT permite para avaliar os impactos de mudanças no uso do solo em diferentes
variáveis do ciclo hidrológico, tais como escoamento superficial, fluxo de águas
subterrâneas, evapotranspiração, geração de sedimentos, nutrientes e qualidade da água. Para
ajustar o modelo hidrológico foram utilizados dados de topografia, uso da terra, cobertura
vegetal, pedologia, hidrologia, fluviometria, precipitação, temperatura, vento, umidade do
ar e radiação solar. Para elaboração do mapa de uso e cobertura do solo, utilizou-se métodos
de classificação temática e reconhecimento de padrões de um mosaico de três imagens
orbitais do Landsat 5 TM. A alteração no uso do solo pela supressão da vegetação original
de Cerrado e de Floresta Estacional Semidecidual para implantação de pastagem em 38% do
território da bacia resultou na diminuição em média de 8,36% na evapotranspiração e no
aumento de cerca de 10% na vazão da bacia.
Conforme apresentado por esta revisão bibliográfica, diferentes metodologias e modelos

podem ser empregados para avaliar os impactos causados nos componentes do ciclo
hidrológico pela alteração do uso e cobertura do solo. Nota-se também que para realizar a
previsão de escoamento superficial direto diante dos cenários prospectivos de uso e
cobertura do solo necessita-se de uma série histórica de dados com medição mais frequente
do que mensal, que atualmente está disponível para a bacia de estudo. A insuficiência de
dados hidrológicos da bacia hidrográfica do Córrego Taquari, como precipitação e vazão,
57
voltados a modelagem hidrológica, impossibilita a calibração do modelo de previsão de
escoamento superficial. Sendo assim, a proposta desta pesquisa é realizar de uma análise de
sensibilidade de aplicação do Método do SCS, visto a importância que as alterações de uso
e cobertura do solo podem representar sobre a alteração no escoamento superficial direto de
uma bacia.
4.6.1. Relação chuva-vazão
De acordo com USDA-NRCS (2004) a versão inicial da relação chuva-vazão foi descrita
por Mockus (1949), que apresentou o gráfico de escoamento total versus a chuva total
durante uma tempestade com uma tendência côncava para cima e indicou que, em casos de
pequenas chuvas, não há escoamento superficial devido à totalidade de sua infiltração. Com
o aumento da precipitação a tendência é que a curva se torne assintótica a uma linha paralela
à linha de igualdade.
Para determinar uma equação que descreve o padrão da curva considerou-se que a condição
em que não houvesse abstração inicial, ou seja, 𝐼𝑎 = 0, desse forma, a curva apropriada
resultou da hipótese que a relação entre a perda efetiva por infiltração no solo e a capacidade
máxima de perda por infiltração após o escoamento iniciar é igual a relação entre o
escoamento superficial direto e o volume máximo possível de escoar, ou seja:
𝐹 𝑄
= Equação (4.4)
𝑆 𝑃
Onde:
𝐹 = Volume de água retido no solo após o escoamento iniciar, em polegadas
𝑆 = Potencial máxima retenção após escoamento iniciar (𝑆 ≥ 𝐹), em polegadas
𝑄 = Escoamento real, em polegadas
𝑃 = Precipitação real (𝑃 ≥ 𝑄), em polegadas
Para satisfazer a conservação de massa, tem-se:
𝐹 = 𝑃−𝑄 Equação (4.5)
Substituindo a definição de 𝐹 da Equação (4.5) na Equação (4.4) e isolando 𝑄, tem-se:
𝑃2
𝑄= Equação (4.6)
𝑃+𝑄
58
A Equação (4.6) representa a relação entre a precipitação e o escoamento, sem conter o termo
de abstração inicial (𝐼𝑎 ) que envolve a parcela de chuva que é interceptada, infiltrada antes
do escoamento iniciar e armazenada em depressões superficiais. Quando a abstração inicial
não é zero, a quantidade de chuva disponível para o escoamento não é mais 𝑃 e sim (𝑃 − 𝐼𝑎 ).
Substituindo 𝑃 por (𝑃 − 𝐼𝑎 ) na Equação (4.4) obtém-se:
𝐹 𝑄
= Equação (4.7)
𝑆 𝑃 − 𝐼𝑎
A retenção total para uma chuva consiste em 𝐼𝑎 e 𝐹, de modo que a equação conservação de
massa, Equação (4.5), pode ser expressa por:
𝐹 = (𝑃 − 𝐼𝑎 ) − 𝑄 Equação (4.8)
Substituindo 𝐹 da Equação (4.8) na Equação (4.7) e isolando 𝑄 a equação de escoamento

superficial resultante é a seguinte:
(𝑃 − 𝐼𝑎 )2
𝑄= Equação (4.9)
(𝑃 − 𝐼𝑎 ) + 𝑆
A partir de eventos chuva-vazão observados em pequenas bacias, onde o tempo de

retardamento é mínimo, pode se determinar a abstração inicial, sendo ela a precipitação que
ocorre antes do escoamento superficial começar. A infiltração durante o início da chuva é
bastante variável e depende de fatores como selamento superficial, intensidade da chuva e
umidade do solo. Já a interceptação e o armazenamento nas depressões superficiais pode ser
estimado a partir das condições reais de cobertura e superfície do solo. Pela dificuldade de
estimar a infiltração, estabelecer uma relação para estimar as abstrações iniciais torna-se uma
tarefa complexa. Por esse motivo assumiu-se que 𝐼𝑎 é uma função do parâmetro 𝑆, ficando
estabelecida a seguinte relação:
𝐼𝑎 = 0,2 ∙ 𝑆 Equação (4.10)
A relação chuva-vazão é obtida substituindo Equação (4.10) para a abstração inicial na

Equação (4.9), tem-se:
(𝑃 − 0,2 ∙ 𝑆)2
𝑄= 𝑝𝑎𝑟𝑎 𝑃 ≥ 0,2 ∙ 𝑆 Equação (4.11)
𝑃 + 0,8 ∙ 𝑆
59
𝑄=0 𝑝𝑎𝑟𝑎 𝑃 ≤ 0,2 ∙ 𝑆
Para tornar o método mais indutivo com o parâmetro que reflita as condições da terra, foi
proposta a seguinte equação, que é a transformação do parâmetro 𝑆 em polegadas:
1000
𝐶𝑁 = Equação (4.12)
10 + 𝑆
Onde CN é adimensional e representa o número da curva de escoamento superficial, 10 e

1000 são números em polegadas escolhidos para que o novo parâmetro variasse
positivamente com o escoamento e dentro de um limite, de zero a 100, 𝑆 em polegadas. Para
utilizar o parâmetro 𝑆 em milímetros, USDA-NRCS (2004) recomenda a seguinte equação:
1000
𝐶𝑁 = Equação (4.13)
𝑆
10 +
25,4
Isolando o S, tem-se:
25400
𝑆= − 254 Equação (4.14)
𝐶𝑁
O escoamento superficial direto é gerado a partir de uma precipitação, para efeito de cálculo
defini-se uma chuva de projeto conforme apresentado no item 4.6.4. Já o parâmetro CN será
escolhido em função do uso e manejo do solo e também do grupo hidrológico, no qual o solo
foi classificado, para tanto são utilizadas tabelas de escolha do CN apresentadas no item a
seguir.
4.6.2. Grupos hidrológicos de solos (GHS)
O solo é classificado em quatro grupos hidrológicos de acordo com o potencial de

escoamento superficial, sendo denominados como A, B, C e D, onde A se refere ao grupo
com menor potencial de escoamento e D o grupo de maior potencial. O escoamento
superficial é influenciado pelas características do solo, dessa forma, de acordo com a
combinação de suas propriedades, diferentes tipos de solo podem causar o mesmo tipo de
influência na geração do escoamento superficial (Sartori, 2010).
O objetivo da classificação do solo é indicar a influência das características do solo no

processo de geração de escoamento superficial, desta maneira, independente da declividade
60
da bacia hidrográfica e de sua cobertura vegetal, é possível classificar os solos de acordo
com as propriedades que governam os processos hidrológicos da bacia hidrográfica (Sartori,
2010).
Originalmente os grupos hidrológicos de solo foram atribuídos com base em medições de

precipitação e escoamento para estimar a infiltração, proposto por Musgrave (1955).
Segundo o mesmo autor, a infiltração pode ser estimada para cada combinação entre tipo de
solo e cobertura vegetal, ou seja, para cada complexo hidrológico solo-cobertura. Essa
estimativa pode ser usada para calcular o excesso de precipitação, para cada área da bacia, e
a combinação desses cálculos é utilizada para estimar o escoamento de toda a bacia
hidrográfica. O escoamento estimado pode ser comparado com eventos registrados de chuva
e vazão, dessa forma as divergências no cálculo da infiltração podem sofrer reajuste até que
o escoamento superficial observado esteja de acordo com o calculado, em seguida a
estimativa da infiltração pode ser aplicada para a bacia hidrográfica. Com este estudo,
baseado na infiltração, foi observado que as características gerais dos solos poderiam ser
descritas em quatro grupos hidrológicos, a saber:
Grupo A – inclui areia muito permeável e profunda, silte bem agregado e profundo, de
origem eólica, ambos apresentam pouca argila e coloides. O silte contém quantidade
suficiente de matéria orgânica para fornecer boa agregação. A taxa de filtração mínima maior
7,62 mm/h.
Grupo B – inclui solos arenosos e franco siltosos de profundidade moderada e com

infiltração acima da média. A capacidade mínima de infiltração varia de 3,81 a 7,62 mm/h.
Grupo C – inclui solos rasos em todas as classes texturais, com taxa de filtração mínima
abaixo da média (1,27 a 3,81 mm/h).
Grupo D – inclui solo de elevada taxa de expansão na superfície ou na subsuperfície devido

ao alto teor de argila ou coloide. A capacidade mínima de infiltração é de aproximadamente
1,27 mm/h.
A classificação feita por Musgrave (1955) sofreu algumas modificações para incluir
características dos solos que não estavam sendo contempladas por ela, e assim ela foi
incorporada ao Método do SCS (SCS, 1972) e hoje é internacionalmente conhecida por
definir os grupos hidrológicos da seguinte forma:
61
Grupo A – inclui solos com baixo potencial de escoamento superficial e altas taxas de
infiltração, mesmo quando completamente molhados. São essencialmente de areias e
cascalhos, ambos profundos e muito bem drenados e com alta taxa de transmissão de água.
Grupo B – inclui solos que, quando completamente molhados, apresentam taxas moderadas
de infiltração. São solos de moderadamente profundos a profundos, moderadamente
drenados a bem drenados, com textura moderadamente fina a moderadamente grossa, e com
moderada taxa de transmissão de água.
Grupo C – inclui solos que, quando completamente molhados, apresentam baixas taxas de
infiltração, consistem essencialmente de solos com uma camada que impede o movimento
da água para baixo e de solos com textura moderadamente fina a fina, e com baixa taxa de
transmissão de água.
Grupo D – inclui solos com alto potencial de escoamento. Quando estão completamente
molhados eles têm baixas taxas de infiltração e consistem essencialmente de solos argilosos
com elevado potencial de expansão. Solos com lençol subterrâneo permanentemente
elevado, solos com uma densa camada de argila ou camada de argila na superfície ou
próxima dela, e solos rasos sobre material quase impermeável, e com taxa de transmissão de
água muito baixa.
A aplicação dos dois tipos de classificação apresentados está atrelada à taxa mínima de
infiltração na área de estudo, dados que nem sempre são medidos e estão disponíveis. Um
critério mais simples, baseada na classe textural do solo, foi proposto por Brakensiek e Rawls
(1983) e em uma publicação do SCS (1986) para associar os solos aos grupos hidrológicos.
Grupo A – Areia, Areia franca ou Franco arenoso; Grupo B – Franco ou Franco siltoso;
Grupo C – Franco argilo arenoso; e, Grupo D – Franco argiloso, Franco argilo siltoso, Argila
arenosa, Argila siltosa ou Argila.
A classe textural silte não é apresentada nessa classificação, porém ela é considerada como
uma extensão do grupo hidrológico B. Quando não existem outros critérios que possam ser
utilizados na classificação, este método baseado na classe textural é bastante utilizado.
Entretanto em solo que tenham mudança textural ao longo do perfil a classificação pode se
tornar complexa, já que é baseada apenas na textura superficial do solo, não considerando
seus diferentes horizontes (Sartori, 2010).
62
A atual publicação da USDA-NRCS (2009) que revisa a classificação hidrológica dos solos
buscando diminuir a subjetividade do processo, é baseada na condutividade hidráulica
saturada (Ks) do horizonte menos permeável do perfil de solo, na profundidade da camada
impermeável e na profundidade do nível d’água subterrâneo, não sendo considerada a
inclinação da superfície. O solo é classificado de acordo com as seguintes características:
Grupo A – Quando o solo está completamente molhado apresenta baixo potencial de

escoamento. Apresenta alta permeabilidade, pois a água é transmitida livremente através do
solo. O solo possui menos que 10 % de argila e mais que 90 % de areia ou cascalho. Solos
pertencentes as classes texturais areia franca, franco arenoso, franco, ou franco siltoso podem
ser incluídos neste grupo caso tenham mais de 35 % de fragmentos rochosos ou sejam bem
agregados, de baixa densidade.
Grupo B – Os solos neste grupo, quando estão completamente molhados, têm potencial
moderadamente baixo de escoamento. Transmissão de água através do solo é desimpedida,
ou seja, apresenta permeabilidade moderadamente alta. Os solos apresentam entre 10 e 20
% de argila e 50 a 90 % de areia. A textura de areia franca ou franco arenoso. Alguns solos
pertencentes às classes texturais franco, franco siltoso, silte, ou franco argilo arenoso podem
ser classificados neste grupo se forem bem agregados, de baixa densidade, ou se
apresentarem mais que 35 % de fragmentos rochosos.
Grupo C – Solos neste grupo, quando completamente molhados, têm potencial

moderadamente elevado de escoamento superficial. A sua permeabilidade é moderadamente
baixa, pois a transmissão de água através do solo é um pouco restrita. Os solos normalmente
possuem entre 20 e 40 % de argila e menos de 50 % de areia e são de textura franco, franco
siltoso, franco argilo arenoso, franco argiloso, e franco argilo siltoso. Alguns solos
pertencentes às classes texturais argila, argila siltosa, ou argila arenosa podem ser incluídos
neste grupo se forem bem agregados, de baixa densidade, ou se apresentarem mais que 35
% de fragmentos rochosos.
Grupo D – Solos neste grupo, quando estão completamente molhados, têm potencial elevado
de escoamento superficial. O movimento de água através do solo é restrito ou muito restrito,
ou seja, apresenta permeabilidade baixa ou muito baixa. Os solos têm tipicamente mais que
40 % de argila e menos que 50 % de areia e são de textura argilosa. Em algumas áreas, eles
também têm elevado potencial de contração-expansão. Todos os solos com profundidade a
63
uma camada impermeável menor que 50 cm e todos os solos com lençol subterrâneo dentro
dos primeiros 60 cm de profundidade pertencem a este grupo.
Grupos hidrológico duplo – Alguns solos são classificados no grupo D baseado somente na
presença de lençol d’água subterrâneo menor que 60 cm de profundidade, apesar da
condutividade hidráulica saturada ser favorável para a transmissão de água. No caso desses
solos depois de encharcados estiverem adequadamente drenados podem ser atribuídos aos
grupos hidrológicos duplos (A/D, B/D, e C/D), com base na sua condutividade hidráulica
saturada e na profundidade do lençol freático. A primeira letra se aplica às condições após
drenagem e a segunda letra se aplica à condição natural não drenada.
Se os dados de condutividade hidráulica saturado são disponíveis e considerados confiáveis,

eles devem ser usados juntamente com a profundidade do lençol freático para classificação
do solo em um grupo hidrológico, as informações apresentadas na Tabela 4.1 podem ser
usadas para determinar o grupo hidrológico de um solo. (USDA-NRCS, 2009).
64
Tabela 4.1 – Critérios para classificação hidrológica de solos
(USDA-NRCS, 2009)
Profundidade Profundidade do Ks da camada Ks intervalo GHS(3)
da camada lençol menos permeável de
impermeável(1) subterrâneo(2) (µm/s) profundidade
< 50 cm − − − D
50 a 100 cm < 60 cm > 40 µm/s 0 a 60 cm A/D
>10 a ≤ 40 µm/s 0 a 60 cm B/D
>1 a ≤ 10 µm/s 0 a 60 cm C/D
≤1 µm/s 0 a 60 cm D
≥ 60 cm > 40 µm/s 0 a 50 cm A
> 10 a ≤ 40 µm/s 0 a 50 cm B
> 1 a ≤ 10 µm/s 0 a 50 cm C
≤ 1 µm/s 0 a 50 cm D
> 100 cm < 60 cm > 10 µm/s 0 a 100 cm A/D
> 4 a ≤ 10 µm/s 0 a 100 cm B/D
> 0,40 a ≤ 4 µm/s 0 a 100 cm C/D
≤ 0,40 µm/s 0 a 100 cm D
60 a 100 cm > 40 µm/s 0 a 50 cm A
> 10 a ≤ 40 µm/s 0 a 50 cm B
> 1 a ≤ 10 µm/S 0 a 50 cm C
≤ 1 µm/s 0 a 50 cm D
> 100 cm > 10 µm/s 0 a 100 cm A
> 4 a ≤ 10 µm/s 0 a 100 cm B
> 0,40 a ≤ 4 µm/s 0 a 100 cm C
≤ 0,40 µm/s 0 a 100 cm D
(1)
Uma camada impermeável tem um Ksat menor do que 0,01 µm/s.
(2)
Lençol freático alto durante qualquer mês durante o ano.
(3)
GHS duplo é aplicado somente para solos úmidos (lençol freático menor de 60 cm de profundidade). Se estes
solos podem ser drenados, um GHS menos restritivo pode ser atribuído, dependendo da Ksat.
Alguns pesquisadores apresentaram estudos visando adaptar a classificação hidrológica dos

solos para os solos brasileiros. Essas adaptações se tornam necessárias visto que os solos
brasileiros apresentam taxas mínimas de infiltração mais elevadas e características que não
se enquadram na classificação norte-americana. As tabelas a seguir trazem a classificação
proposta por Sartori et al. (2005) para solos brasileiros.
65
Tabela 4.2 – Grupos hidrológicos do SCS segundo condições de solos brasileiros
(Sartori et al., 2005 adaptado por Bielenki Júnior e Barbassa, 2012)
Característica A B C D
Muito profundo Profundo (1 a 2 m)

Profundidade Solo raso
(>2) ou Profundo (1 a 2 m) ou pouco profundo
do solo (<0,5 m)
profundo (1 a 2 m) (0,5 a 1 m)
Resistência e
tolerância a Alta Moderada Baixa Pouquíssima
erosão
- Alta taxa de
infiltração
Taxa de
Taxa mínima - Solos bem Moderada taxa de Baixa taxa de
infiltração
de infiltração drenados ou infiltração infiltração
muito baixa
excessivamente
drenados
São solos com

Solos porosos com Solos porosos com gradiente textural >
Razão
baixo gradiente gradiente textural 1,5 comumente Muito variável
textural
textural < 1,2 de 1,2 a 1,5 com mudança
textural abrupta
66
Tabela 4.3 – Classificação hidrológica para solos brasileiros
(Sartori et al., 2005 adaptado por Bielenki Júnior e Barbassa, 2012)
GHS Pedologia e textura Características
A Latossolo amarelo, latossolo vermelho- -Solos de textura média;

amarelo, latossolo vermelho, ambos de -Solos de textura argilosa ou muito argilosa
textura argilosa ou muito argilosa e com alta desde que a estrutura proporcione alta
macroporosidade; latossolo amarelo e macroporosidade em todo o perfil;
latossolo vermelho-amarelo, ambos de -Solos com argila de atividade baixa,
textura média, mas com horizonte minerais de argila 1:1;
superficial não arenoso. -Textura dos horizontes superficial e
subsuperficial: média/média,
argilosa/argilosa e muito argilosa/muito
argilosa.
B Latossolo amarelo e latossolo vermelho- -Solos de textura arenosa ao longo do perfil

amarelo, ambos de textura média, mas com ou de textura média com horizonte superficial
horizonte superficial de textura arenosa; arenoso;
latossolo bruno; nitosssolo vermelho; -Solos de textura argilosa ou muito argilosa
neossolo quartzarênico; desde que a estrutura proporcione boa
argissolo vermelho ou vermelho-amarelo de macroporosidade em todo o perfil;
textura arenosa/média, média/argilosa, -Solos com argila de atividade baixa,
argilosa/argilosa ou argilosa/muito argilosa minerais de argila 1:1;
que não apresentam mudança textural -Textura dos horizontes superficial e
abrupta. subsuperficial: arenosa/arenosa,
arenosa/média, média/argilosa,
argilosa/argilosa e argilosa/muito argilosa.
Argissolo pouco profundo, mas não

apresentando mudança textural abrupta ou
argissolo vermelho, argissolo vermelho- -Solos associados a argila de atividade baixa;
amarelo e argissolo amarelo, ambos -Textura nos horizontes superficial e
profundos e apresentando mudança textural subsuperficial pode ser: arenosa/média e
C
abrupta; cambissolo de textura média e média/argilosa apresentando mudança
cambissolo háplico ou húmico, mas com textural abrupta; arenosa/argilosa e
características físicas semelhantes aos arenosa/muito argilosa.
latossolos (latossólico); espodossolo
ferrocárbico; neossolo flúvico.
D Neossolo litólico; organossolo; gleissolo; -Solos pouco profundos associados à

chernossolo; planossolo; vertissolo; alissolo; mudança textural abrupta ou solos profundos
luvissolo; plintossolo; solos de mangue; apresentando mudança textural abrupta
afloramentos de rocha; demais cambissolos aliada à argila de alta atividade, minerais de
que não se enquadram no grupo C; argissolo argila 2:1;
vermelho-amarelo e argissolo amarelo, -Solos argilosos associados à argila de
ambos pouco profundos e associados à atividade alta;
mudança textural abrupta. -Solos orgânicos.
67
A definição do valor de CN é realizada após os solos estarem devidamente classificados de
acordo classificação hidrológica do solo. Para isso serão apresentadas no item a seguir
tabelas que relacionam o uso e cobertura do solo com os GHS resultando na indicação de
um valor de CN, que será posteriormente utilizado para calcular o escoamento superficial
direto.
4.6.3. Parâmetro CN
Conforme apresentado no item 4.6, o parâmetro CN é função das características

hidrológicas, uso e cobertura do solo e condições de umidade antecedente (AMC -
Antecedent Moisture Conditions). As Tabela 4.4 e Tabela 4.5 apresentam os valores de CN
para os GHS em termos de uso, ocupação, percentual de impermeabilização para condições
de umidade antecedente médias (AMC II).
Tabela 4.4 – CN em função da descrição da área e do GHS com AMC II para área urbana
(SCS, 1986 adaptado por Bielenki Júnior e Barbassa, 2012)
CN
Descrição das Áreas Grupos
hidrológicos
Uso, ocupação, impermeabilização e condições hidrológicas A B C D

Espaços abertos, parque, Em condições ruins, cobertura gramada < 50% 68 79 86 89
jardim, cemitério, campos de Em condições normais, cobertura gramada de 50 a 75% 49 69 79 84
golfe Em boas condições. Cobertura gramada > 75% 39 61 74 80
Estacionamentos, pavimentos, telhados, etc. 98 98 98 98
Ruas e estradas pavimentadas e com sistema de drenagem 98 98 98 98
Ruas e estradas pavimentadas com valas e faixas laterais de
83 89 92 93
Área impermeabilizada servidão
Ruas e estradas com cascalho ou pedregulhos com faixa
76 85 89 91
lateral de servidão
Ruas e estradas de terra com faixa lateral de servidão 72 82 87 89
Área comercial com impermeabilização média de 85% 89 92 94 95
Área industrial com impermeabilização média de 72% 81 88 91 93
2
<500 m e 65% 77 85 90 92
1000 m2 e 38% 61 75 83 87
Área residencial com lote de
1300 m2 e 30% 57 72 81 86
área e impermeabilização
2
2000 m e 25% 54 70 80 85
médias
2
4000 m e 20% 51 68 79 84
8000 m2 e 12% 46 65 77 82
Área terraplanada sem vegetação 77 86 91 94
68
Tabela 4.5 – CN em função da descrição da área e do GHS com AMC II para área rural
(SCS, 1986 adaptado por Bielenki Júnior e Barbassa, 2012)
CN
hidrológicos
Condições
Tipo de cobertura Manejo A B C D
hidrológicas
Área não semeada Solo exposto ---- 77 86 91 94
Com resíduos vegetais Más 76 85 90 93
Boas 74 83 90 93
Plantação em fileira Em fileiras retas Más 72 81 88 91
Boas 67 78 85 89
Em fileira reta e resíduos vegetais Más 71 80 87 90
Boas 64 75 82 85
Ao longo de curvas de nível Más 70 79 84 88
Boas 65 75 82 86
Ao longo de curvas de nível com resíduos Más 69 78 83 87

vegetais
Boas 64 74 81 85
Ao longo de curvas de nível e terraceado Más 66 74 80 82
Boas 62 71 78 81
Ao longo de curvas de nível, terraceado e com Más 65 73 79 81

resíduos vegetais
Boas 61 70 77 80
Plantação de cereais Em fileiras retas Más 65 76 84 88
Boas 63 75 83 87
Em fileira reta e resíduos vegetais Más 64 75 80 84
Boas 60 72 80 84
Boas 61 73 81 84
Ao longo de curvas de nível com resíduos Más 62 73 81 84

vegetais
Boas 60 72 80 83
69
Tabela 4.5 – Continuação...
CN
hidrológicos
Condições
hidrológicas
Plantação de cereais Ao longo de curvas de nível e terraceado Más 61 72 79 81
Boas 59 70 78 81
Ao longo de curvas de nível, terraceado e Más 60 72 78 81

com resíduos vegetais
Boas 58 69 77 80
Plantação de legumes, Em fileira reta Más 66 77 85 89

forragens de rotação via
Boas 58 72 81 85
semeadura manual ou com
equipamento
Boas 55 69 78 83
Ao longo de curvas de nível e terraceado Más 63 73 80 83
Boas 51 67 76 80
Florestas Resíduos florestais, pequenas árvores e mato

são destruídos pela pastagem ostensiva e Más 45 66 77 83
queimada regular
Floresta explorada, mas não queimada, e

Normais 36 60 73 79
alguns resíduos florestais cobrindo o solo
Floresta protegida de exploração; resíduos

florestais e mato cobrem adequadamente o Boas 30 55 70 77
solo
Pastagens de uso contínuo < 50% solo com cobertura ou pastagem

Más 68 79 86 89
ostensiva sem resíduos agrícolas
50 a 75% solo com cobertura sem pastagem

Normais 49 69 79 84
ostensiva
> 75% solo com cobertura e leve ou

Boas 39 61 74 80
ocasional pastagem
Mato, mistura de arbustos, < 50% do solo coberto Más 48 67 77 83

erva-daninha, grama com
50 a 75% do solo coberto Normais 35 56 70 73
predominância de arbustos
> 75% do solo coberto Boas 30 48 65 73
70
Tabela 4.5 – Continuação...
CN
Descrição das Áreas

Grupos
hidrológicos
Condições
hidrológicas
Más 57 73 82 86
Combinação de bosque e gramado como pomar ou floresta manejada

Normais 43 65 76 82
(50% de floresta e 50% de gramado)
Boas 32 58 72 79
Terra com vasta extensão de gramas para lavra e silagem 30 58 71 78
Fazendas: sede, áreas edificadas, ruelas e áreas vizinhas 59 74 82 96
Para o cálculo do escoamento superficial futuro na área de estudo, em função do cenário

prospectivo do uso e cobertura do solo determinado pelo modelamento da dinâmica
ambiental, haverá necessidade de se estabelecer uma previsão da precipitação, por meio do
cálculo da chuva de projeto.
4.6.4. Chuva de projeto
Há um elevado interesse, por parte de profissionais e pesquisadores, no que diz respeito ao

que se pode esperar das chuvas para o futuro, ao invés do que aconteceu no passado. Muitos
tipos de análises hidrológicas exigem a estimativa da intensidade da chuva para certa duração
e frequência de ocorrência, diante disso, o histórico das chuvas é um dado importante para
que, de forma estatísticas, seja determinada as chuvas previstas para o futuro, a chamada
chuva de projeto (Haan et al., 1993).
Para estimar a chuva de projeto considera-se um hietograma de intensidade de precipitação

constante, com duração igual ou superior ao tempo de concentração da bacia hidrográfica,
com o intuito de garantir a contribuição de toda a área drenada. Um dos métodos mais
utilizados para a definição da chuva de projeto consiste na adoção de chuvas padronizadas,
que são obtidas a partir das relações IDF (Intensidade - Duração - Frequência). A intensidade
corresponde à relação entre altura precipitada e sua duração, para uma dada frequência de
71
ocorrência num determinado número de anos, traduzida em período de retorno. Os registros
históricos de alturas de precipitação versus duração são tabulados e processados
estatisticamente, resultando nas curvas IDF de uma determinada localidade (Canholi, 2015).
A partir da equação IDF define-se o total precipitado e a distribuição temporal dos volumes
precipitados que condicionará o volume infiltrado e a forma do hidrograma de escoamento
superficial direto, originado pela chuva excedente. A equação apresentada a seguir foi
proposta pelo GDF (2009a), e relaciona a intensidade média da chuva, sua duração e período
de retorno, período em que o evento é igualado ou superado:
1574,70. 𝑇 0,207
𝐼= Equação (4.15)
(𝐷 + 11)0,884
Onde:
𝐼= Intensidade da chuva, em mm/h

𝑇= Tempo de retorno, em anos
𝐷= Duração da chuva, em min
O tempo de retorno (T) é definido como a recíproca da probabilidade de excedência, e

também reflete o grau de proteção ao qual a população está sujeita. Trata-se, portanto, de
escolher qual o risco aceitável pela comunidade (Tucci, 2000). A equação proposta pela
Companhia Urbanizadora da Nova Capital do Brasil (Novacap) é ajustada para valores
menores de precipitação e, portanto, de tempo de retorno menor ou igual a cinco anos (GDF,
2009a).
A duração da chuva pode ser considerada igual ou maior do que o tempo de concentração
da bacia hidrográfica, que é o tempo necessário para o descolamento da água que precipitou
no ponto mais distante da bacia até a seção principal. É também definido como o tempo entre
o fim da precipitação e o ponto de inflexão do hidrograma. Existem muitas fórmulas para
calcular o tempo de concentração de uma bacia, a Equação (4.16) citada por McCuen et al.
(1984) foi definida para bacias urbanizadas com área inferior a 21 km², comprimento do
canal menor que 11 km e baixa declividade do talvegue.
72
5,862. 𝐿0,6
𝑡𝑐 = Equação (4.16)
𝑆 0,3
Onde:
𝑡𝑐 = Tempo de concentração, em min

𝐿= Comprimento do talvegue, em km
𝑆= Declividade do talvegue, em m/m
O tempo de concentração é necessário para calcular a chuva de projeto, esta, por sua vez,
utiliza-se como a estimativa da precipitação na área da bacia hidrográfica. Para calcular o
escoamento superficial direto, pela relação de chuva-vazão, utiliza-se a precipitação
estimada, juntamente com o potencial de retenção máximo, sendo que este último depende
diretamente do parâmetro CN.
73
5. MATERIAL E MÉTODOS
São descritos a seguir os materiais utilizados e a metodologia aplicada na pesquisa.
5.1. MATERIAL
Para o desenvolvimento das etapas propostas, foram utilizados algoritmos de

geoprocessamento inseridos nos sistemas ArcGIS 10 e Spring 5.4.3 para criação de banco
de dados, classificação temática de imagens e para geração de mapas de vulnerabilidade
ambiental, de temperatura de superfície terrestre e de escoamento superficial. A modelagem
ambiental para formulação de cenários prospectivos de uso e cobertura do solo foi
desenvolvida na plataforma de simulação ambiental Dinamica EGO.
Os dados cartográficos utilizados foram obtidos por meio do processamento das imagens de
sensores orbitais, que estão descritas na Tabela 5.1.
Tabela 5.1 – Imagens de sensores remotos orbitais

Satélite Data Resolução espacial Fonte
Landsat 5 TM, cena 18/09/1985 30 m; 120 m - termal DGI/INPE (2016)
221/71 14/09/1995 / USGS (2016)
09/09/2005
18/07/2009
24/07/2011
Landsat 8 OLI/TIRS, 30 m; 15 m - USGS, 2016
16/07/2014
cena 221/71 pancromático; 100 m -
07/09/2016
termal
Alos AVNIR- 10 m; 2,5 m - -
08/2009
2/PRISM pancromático
RapidEye REIS 01/09/2011 5m MMA, 2016
19/04/2014
Ikonos 30/08/2011 1m Google Earth Pro,
05/09/2014 2016
14/06/2016
Para a análise da área de estudo A foram utilizadas imagens dos satélites Landsat 5 e 8, que
apesar de apresentar baixa resolução espacial dispõem de maior volume de dado, o que
74
possibilitou o estudo da evolução do uso e cobertura do solo de 1985 a 2016. Na área de
estudo B necessitou-se de imagens com melhor qualidade de resolução espacial, devido ao
tamanho da área, por essa razão foram utilizadas imagens dos satélites Alos e RapidEye com
datas diferentes das utilizadas na área de estudo A.
Os produtos cartográficos utilizados foram: os mapas pedológico (Embrapa, 1999),

geomorfológico (Martins e Baptista, 1998), geológico (Freitas-Silva e Campos, 1998); todos
com escala 1:100.000.
Os shapefiles de curva de nível do DF, rede de drenagem, estradas, lagos e limite do DF

foram obtidos da base cartográfica SICAD 1:10.000. O mapa das unidades hidrográficas do
DF, de 1994, elaborado pela extinta SEMATEC em parceria com a CODEPLAN (1994). O
modelo digital de terreno (MDT), Shuttle Radar Topography Mission (SRTM) da National
Aeronautics and Space Administration (NASA) de 30 metros de resolução.
Foram utilizados também dados meteorológicos (precipitação, temperatura máxima, mínima

e média, insolação, umidade relativa do ar média, velocidade do vento média) disponíveis
no site do Instituto de Nacional de Meteorologia (INMET), da Estação Brasília, localizada
nas coordenadas geográficas 15°46'48" de latitude sul e 47°55'12" longitude oeste, com
altitude de 1159,57 m, que se encontra operante desde 12 de setembro de 1961 (INMET,
2017).
5.2. MÉTODOS
Este estudo foi desenvolvido por meio da análise multitemporal do uso e cobertura do solo
da área da bacia hidrográfica do Córrego Taquari e seu entorno; do estudo da vulnerabilidade
ambiental das áreas de estudo; análise das temperaturas da superfície terrestre e sua relação
com o uso e cobertura do solo; da determinação de cenários prospectivos de uso e cobertura
do solo; e da análise da influência da dinâmica de uso e cobertura do solo ao longo dos anos
sobre o escoamento superficial direto. Foi divido em cinco etapas, apresentadas na Figura
5.1 e descritas a seguir.
75
Figura 5.1 – Fluxograma metodológico geral
Na primeira etapa foi realizada a classificação temática do uso e cobertura do solo em uma
escala multitemporal, para analisar sua dinâmica e reconhecer a evolução da paisagem entre
os anos de 1985 e 2016 para a área de estudo A, utilizando imagens do Landsat TM 5 e
Landsat OLI/TIRS 8; e 2009 e 2014 para a área de estudo B, utilizando imagens do ALOS
AVNIR-2/PRISM e RapidEye REIS. Os mapas de uso e cobertura do solo gerados nessa
etapa são o principal subsídio para o estudo e obtenção da vulnerabilidade ambiental das
áreas de estudo.
Na segunda etapa, a partir da classificação temática de uso e cobertura do solo, foi

determinado o grau vulnerabilidade ambiental da área de estudo, de forma a identificar a(s)
área(s) que apresenta maior grau de vulnerabilidade ambiental a processos erosivos,
resultante das modificações causadas pelo processo de ocupação antrópica da bacia de
estudo.
Na terceira etapa foram produzidos mapas de temperatura da superfície a partir de imagens

cujo comprimento de onda apresenta-se na faixa do termal, banda 6 e 10 dos satélites Landsat
TM 5 e Landsat OLI/TIRS 8, respectivamente.
Na quarta etapa foi selecionada a área do Paranoá Parque do GDF, para realizar a simulação
dinâmica ambiental por meio do sistema Dinamica EGO, com isso foram gerados cenários
prospectivos que apresentam os processos envolvidos na dinâmica de uso e cobertura do
solo, representados cartograficamente por meio de mapas de uso e cobertura futura do solo.
Na quinta e última etapa utilizou-se a classificação temática do uso e cobertura do solo e os

cenários prospectivos gerados, respectivamente, na primeira e quarta etapa, para analisar
como a evolução do processo de antropização da área de estudo altera o valor do CN médio
76
da bacia e influencia a geração do escoamento superficial direto resultante de uma
determinada precipitação, segundo o método do SCS.
5.2.1. Produção dos mapas de uso e cobertura do solo
Para a classificação temática do uso e cobertura do solo da área de estudo A, foram utilizadas
as imagens multiespectrais das bandas 1 a 5 e 7 do sensor Thematic Mapper (TM) a bordo
do satélite Landsat 5, para os anos 1985, 1995 e 2005, obtidos pelo site da Divisão de
Geração de Imagens do INPE; cuja cena representa o Distrito Federal e refere-se à órbita
221 e ao ponto 71. Além de imagens multiespectrais das bandas 1 a 9 do sensor OLI a bordo
do satélite Landsat 8, cena 221/71, do ano de 2016, obtidas pelo site da U.S. Geological
Survey.
No que tange à classificação temática do uso e cobertura do solo da área de estudo B, foram
utilizadas imagens multiespectrais de 2009 do satélite ALOS sensor AVNIR-2, que opera
nas regiões espectrais do visível e infravermelho possuindo 4 bandas; e do sensor PRISM
que apresenta uma banda pancromática. As imagens multiespectrais do satélite RapidEye
sensor REIS, bandas 1 a 5, cena 2331802, de 2011 e 2014, adquiridos pelo site do Geo
Catálogo do Ministério do Meio Ambiente. E imagens do satélite Ikonos, baixadas do
Google Earth Pro datadas de 2011 e 2014. A Tabela 5.2 apresenta de forma sucinta as
imagens utilizadas nesta etapa e suas características.
Tabela 5.2 – Imagens utilizadas na classificação temática

Satélite Sensor Bandas espectrais Data
Landsat 5 TM 1, 2, 3, 4, 5 e 7 18/09/1985,
14/09/1995
09/09/2005
Landsat 8 OLI 1a9 07/09/2016
ALOS AVNIR-2 1a4 08/2009
PRISM 1 08/2009
RapidEye REIS 1a5 01/09/2011
19/04/2014
Ikonos - - 30/08/2011
05/09/2014
14/06/2016
77
A metodologia para a produção dos mapas de uso e cobertura do solo consta em Almeida et
al. (2012) e está apresentada na Figura 5.2, cujos passos metodológicos são descritos a
seguir.
Figura 5.2 – Fluxograma metodológico para produção de mapas de uso e cobertura do solo
 Banco de dados: para iniciar a classificação no Spring criou-se um banco de dados e um

projeto, onde foram adicionadas todas as imagens, shapefiles e demais planos de
informação utilizados para o desenvolvimento deste estudo. Foram criados dois projetos
um deles para trabalhar com as imagens do Landsat, com projeção cartográfica UTM e
datum WGS-84; e outro para as imagens do RapidEye com projeção cartográfica UTM
e datum SIRGAS 2000. Sendo que ao final, todos os mapas gerados pela classificação
de uso e cobertura do solo foram transformados para o datum SIRGAS 2000.
 Registro de imagens: trata-se da etapa de transformação geométrica responsável por

relacionar as coordenadas geográficas (latitude e longitude) com as coordenadas da
imagem (linha e coluna), por meio de pontos de controle, a fim de georreferenciar a
imagem a uma base cartográfica. Os pontos de controle foram adquiridos das imagens
multiespectrais do satélite Landsat 8, pois essas imagens são disponibilizadas pelo USGS
78
em bases cartográficas georreferenciadas. As imagens do satélite Ikonos, obtida por meio
do software Google Earth Pro, com 1 metro de resolução espacial, foram registradas para
que em seguida fosse realizado um mosaico de 6 imagens, para compor a cena que
envolve a área de estudo B.
 Composição falsa-cor: para visualizar as imagens, foram relacionadas as bandas

espectrais aos canais coloridos do sistema do Spring: vermelho (R), verde (G) e azul (B).
Para as imagens do Landsat 5 foi realizada a combinação falsa-cor RGB543; a
combinação para as imagens do Landsat 8 foi do tipo falsa-cor RGB654; a composição
colorida para as imagens Alos e RapidEye foram RGB321, que foram as composições
que melhor separaram visualmente as áreas de solo das áreas de vegetação.
 Realce de contraste: esta etapa foi realizada para melhorar a qualidade visual das imagens
sob os critérios subjetivos do olho humano, possibilitando a melhor distinção dos
objetos. O realce foi realizado na composição falsa-cor (da etapa anterior) utilizando o
algoritmo de classe linear para a expansão do histograma.
 Fusão: esta etapa está relacionada a fusão de imagens que apresentam diferentes
resoluções espaciais com objetivo de proporcionar melhor identificação visual, para
tanto, as imagens multiespectrais foram convertidas do espaço de cor RGB (Red-Green-
Blue) para o IHS (Intensity-Hue-Saturation), em seguida o canal “I” foi substituído pela
imagem pancromática com resolução espacial de 15 e de 2,5 metros, do Landsat 8 e do
ALOS, respectivamente. Para a fusão das imagens do RapidEye, o canal “I” foi
substituído pela imagem do satélite Ikonos obtida por meio do software Google Earth
Pro, cuja resolução espacial é de 1 metro. Depois da substituição do canal “I” foi
realizada uma nova conversão para o espaço RGB. Com isso, as imagens do Landsat 8,
do ALOS e do RapidEye foram otimizadas e apresentam resolução espacial de 15, 2,5 e
1 metro, respectivamente.
 Índice de vegetação normalizado: foram utilizadas as bandas espectrais do vermelho e

do infravermelho próximo das imagens de satélites, pois nessas regiões a vegetação
apresenta, respectivamente, sua principal banda de absorção e banda de maior
reflectância. Para realizar esse procedimento foram utilizadas as bandas 3 e 4 do Landsat
5; bandas 4 e 5 do Landsat 8; bandas 3 e 4 do Alos; e bandas 3 e 5 do RapidEye. O índice
de vegetação normalizado (NDVI - Normalize Difference Vegetation Index) aumenta o
79
contraste espectral entre a vegetação e o solo destacando as áreas de vegetação, que são
apresentadas em tons muito claros, das áreas sem cobertura vegetal, que aparecem em
tons mais escuros. Para o seu cálculo foi utilizada a Equação (5.1), com o algoritmo de
operações aritméticas do Spring. Para melhorar a qualidade do contraste da imagem
foram realizados testes que definiram os valores dos parâmetros de ganho e offset mais
adequados e que estão apresentados na Tabela 5.3.
𝐴−𝐵
𝑁𝐷𝑉𝐼 = 𝐺𝑎𝑛ℎ𝑜 ∗ ( ) + 𝑂𝑓𝑓𝑠𝑒𝑡 Equação (5.1)
𝐴+𝐵
Onde:
𝐴= Banda do infravermelho próximo
𝐵= Banda do vermelho
𝐺𝑎𝑛ℎ𝑜 = Fator multiplicativo
𝑂𝑓𝑓𝑠𝑒𝑡 = Fator aditivo
Tabela 5.3 – Valores de ganho e offset utilizados nas imagens NVDI

Satélite Ganho Offset
Landsat 5 350 100
Landsat 8 400 100
ALOS 350 120
RapidEye 2011 350 100
2014 250 100
 Análise por componentes principais: essa é uma técnica de realce que gera um novo
conjunto de imagens cujas bandas individuais apresentam informações não disponíveis
em outras bandas, de forma a reduzir ou remover a redundância espectral. Esse
procedimento foi realizado por meio do algoritmo Componentes Principais do Spring,
utilizando, para as imagens do Landsat 5, as bandas espectrais 1, 2, 3, 4, 5 e 7; para as
imagens do Landsat 8, as bandas espectrais 1 a 7, 9 e as imagens resultantes da fusão;
para as imagens do satélite ALOS, as bandas espectrais 1 a 4 e as imagens resultantes da
fusão; e para as imagens do RapidEye, as bandas espectrais 1 a 5 e as imagens resultantes
da fusão. Foi utilizada a banda espectral resultante de cada uma das análises por
componentes principais, denominada CP-1, por apresentar a maior parte das informações
espectrais.
80
 Segmentação: a imagem foi dividida em regiões que correspondem às áreas temáticas
que serão utilizadas na fase de treinamento da classificação temática por regiões. Essas
regiões são entendidas como um conjunto de "pixels" contíguos, que se espalham
bidirecionalmente e que apresentam uniformidade de resposta espectral. A segmentação
foi realizada utilizando as três primeiras imagens obtidas pelas análises por componentes
principais e a imagem gerada pelo cálculo do índice de vegetação normalizado. Para isso,
foram realizados diversos testes a fim de definir valores dos parâmetros necessários para
o algoritmo de segmentação de imagens: o limiar de similaridade e a área mínima dos
polígonos, sendo os valores que melhor se adequaram a segmentação proposta
apresentados na Tabela 5.4.
Tabela 5.4 – Valores de limiar de similaridade e área mínima dos polígonos utilizados nas
imagens segmentadas
Satélite Similaridade Área
Landsat 5 10 100
Landsat 8 10 100
ALOS 20 100
RapidEye 2011 50 50
2014 20 100
 Classificação temática das imagens: esse é o processo de extração de informação em

imagens para reconhecer padrões e objetos homogêneos. Para a classificação temática
utilizou-se a imagem de índice de vegetação normalizado, as três primeiras imagens de
componentes principais e a imagem segmentada. Foi utilizado o classificador
Bhattacharya para a classificação por regiões que utiliza, além de informação espectral
de cada pixel, a informação espacial que envolve a relação entre os pixels e seus vizinhos
obtida a partir da imagem segmentada. Realizou-se a fase de treinamento de amostras de
diferentes tipos de usos do solo, na área de estudo A utilizou-se sete classes temáticas:
agricultura, área urbanizada, campo, cerrado, corpo d’água, mata ciliar/galeria e solo
exposto; a área de estudo B foi classificada em quatro classes temáticas: área urbanizada,
campo e solo exposto, corpo d’água e vegetação, sendo que a última engloba áreas de
silvicultura (área de reflorestamento com Pinus sp.), cerrado e mata ciliar/galeria. A
redução do número de classes temáticas de sete para quatro foi necessária, pois, a área
de estudo B foi utilizada para simulação da dinâmica ambiental no sistema Dinamica
81
EGO, que requer menor número de classes temáticas possível devido à complexidade da
modelagem ambiental.
5.2.2. Vulnerabilidade ambiental
Para determinar a vulnerabilidade ambiental à processos erosivos das áreas de estudo A e B

a ser representada em um mapa cartográfico, foram utilizados em formato shapefile, o mapa
de uso e cobertura do solo resultante do item 5.2.1, as curvas de nível do DF, os mapas de
pedologia, geomorfologia e geologia. Os passos metodológicos estão apresentados na Figura
5.3.
Figura 5.3 – Fluxograma para obtenção dos mapas de vulnerabilidade ambiental
A metodologia para produção dos modelos digitais de terreno (MDT) das áreas de estudo A
e B consta de Almeida et al. (2012) e os mesmos estão apresentados nas Figura 5.4 e Figura
5.5, e foram obtidos a partir das curvas de nível de 5 metros do Distrito Federal, para isso
utilizou-se as ferramentas 3D Analyst Tools e Create TIN do software ArcGIS gerando assim
uma grade triangular, que em seguida foi convertida para o formato raster.
82
Figura 5.4 – Modelo digital de terreno - área de estudo A
Figura 5.5 – Modelo digital de terreno - área de estudo B
83
A hierarquização da vulnerabilidade ambiental de cada classe ou tema será considerada a
distribuição dos seus valores que variam entre 1,0 (estável) a 3,0 (vulnerável), por meio de
ponderações de valores ou pesos de caráter analítico e individual a cada tema, os fatores e
critérios que serão analisados para determinar a vulnerabilidade ambiental da área estão
apresentados na Tabela 5.5.
Tabela 5.5 – Fatores e critérios que serão analisados

Fatores Critério
Uso e cobertura do solo Proteção da paisagem
Declividade Graus de declividade
Pedologia Maturidade pedogenética
Geomorfologia Altimetria e declividade
Geologia Análise litológica
5.2.2.1. Ponderação dos valores de vulnerabilidade natural
A ponderação dos valores para elaborar o mapa de vulnerabilidade ambiental a processos

erosivos, a partir dos fatores apresentados na Tabela 5.5, foi proposto por Crepani et al.
(2001). Com os valores aqui indicados, os mapas temáticos de uso e cobertura do solo, de
declividade, de pedologia, de geomorfologia e de geologia foram reclassificados por meio
da ponderação para que todos os fatores ambientais apresentem escala numérica de um a
três. Em seguida esses mapas foram transformados em imagens temáticas, cujo valor do
pixel corresponde ao peso atribuído na ponderação. A vulnerabilidade se dividi em 5 classes,
conforme explicitado na Tabela 5.6.
Tabela 5.6 – Valor e classe de vulnerabilidade

(Crepani et al., 2001, adaptado)
Valor Classe Grau de vulnerabilidade
1,0 a 1,3 Muito baixa Estável
1,4 a 1,7 Baixa Moderadamente estável
1,8 a 2,2 Moderada Medianamente estável/vulnerável
2,3 a 2,6 Alta Moderadamente vulnerável
2,7 a 3,0 Muito alta Vulnerável
84
a) Uso e cobertura do solo
A ponderação para o fator uso e cobertura do solo foi realizada de acordo com o grau de
interferência das ações antrópicas sobre a área de interesse, observando a presença ou
ausência de cobertura vegetal, edificações e impermeabilização do solo. Para tanto, foi
analisado a relação entre a classe de uso e cobertura do solo e o impacto ambiental que pode
ser causado por processos erosivos. Para classes que apresentam menor influência antrópica
e menor grau de impacto ambiental foram atribuídos valores próximos a 1,0 e para as áreas
mais antropizadas foram atribuídos valores próximo a 3,0, conforme apresentados na Tabela
5.7.
Tabela 5.7 – Valor de vulnerabilidade natural para uso e cobertura do solo

Área de estudo A Área de estudo B Grau de vulnerabilidade
Mata ciliar/galeria Vegetação 1,0
Cerrado
Agricultura - 1,5
Área urbanizada Área urbanizada 2,0
Campo Campo e solo exposto 2,5
Solo exposto
b) Declividade
Para produzir o mapa de declividade o primeiro passo foi corrigir e preencher erros de
depressão que resultaram do processo de interpolação que gerou o MDT e que não
correspondem a um corpo hídrico. Para isso utilizou-se no sistema ArcGIS o comando Fill
pertencente a ferramenta Spatial Analyst Tools/Hydrology. Em seguida a declividade foi
produzida no ArcGIS por meio do comando Slope pertencente a ferramenta 3D Analyst
Tools/Raster Surface. O modelo de declividade foi, então, reclassificado em 5 classes,
usando a ferramenta Spatial Analyst Tools/Reclass e o comando Reclassify do ArcGIS,
conforme classificação prevista por Crepani et al. (2001) apresentada na Tabela 5.8.
85
Tabela 5.8 – Valor de vulnerabilidade natural para classes de declividade
(Crepani et al., 2001)
Classes morfométricas Declividade (%) Valores de vulnerabilidade
Muito Baixa <2 1,0
Baixa 2–6 1,5
Média 6 –20 2,0
Alta 20 - 50 2,5
Muito Alta > 50 3,0
c) Pedologia
A pedologia participa da caracterização morfodinâmica das unidades de paisagem natural e

a maturidade dos solos (Crepani et al., 2001). As condições de estabilidade permitem o
predomínio de solos bem desenvolvidos, maduros e lixiviados, e caso prevaleçam os
processos erosivos modificadores de relevo e que geram solos jovens e pouco desenvolvidos,
então a unidade é considerada vulnerável. A Tabela 5.9 apresenta os valores de
vulnerabilidade natural para a pedologia.
86
Tabela 5.9 – Valor de vulnerabilidade natural dos solos
Classificação de solos Classificação de solos
Vuln.
(Camargo et al., 1987) (Embrapa, 1999)
Latossolos Amarelos Latossolos Amarelos 1,0
Latossolos Vermelho-Amarelos Latossolos Vermelho-Amarelos
Latossolos Vermelho-Escuros Latossolos Vermelhos
Latossolos Roxos Latossolos Vermelhos
Latossolos Brunos Latossolos Brunos
Latossolos Húmicos Latossolos (...) Húmicos
Latossolos Húmicos Brunos Latossolos Bruno (...) Húmicos
Podzólicos Amarelos Argissolos 2,0
Podzólicos Vermelho-Amarelos Argissolos Vermelho-Amarelos
Podzólicos Vermelho-Escuros Argissolos Vermelho
Terras Roxas Estruturadas Nitossolos
Brunos Não-Cálcicos Luvissolos
Brunizéns Chernossolos
Brunizéns Avermelhados Chernossolos
Rendzinas Chernossolos
Planossolos Planossolos
Solos Hidromórficos (abrúptico) Planossolos
Podzóis Hidromórficos Espodossolos
Cambissolos Cambissolos 2,5
Solos Litólicos Neossolos Litólicos 3,0
Solos Aluviais Neossolos Flúvicos
Regossolos Neossolos Regolíticos
Areias Quartzosas Neossolos Quartzarênicos
Vertissolos Vertissolos
Solos Orgânicos Organossolos
Solos Hidromórficos (não abúptico) Gleissolos
Glei Húmico Gleissolos Plintossolos
Glei Pouco Húmico Gleissolos Plintossolos
Plintossolo Plintossolos
Laterita Hidromórfica Distrófica Plintossolos
Solos Concrecionários Lateríticos Plintossolos
Afloramento Rochoso Afloramento Rochoso
87
d) Geomorfologia
Martins e Baptista (1998) propuseram uma compartimentação geomorfológica baseada nas

características descritivas do relevo como altimetria e declividade, levando em consideração
os sistemas morfodinâmicos, que são entendidos como os processos morfogenéticos atuantes
sobre a paisagem. Desta maneira, as áreas representativas dos compartimentos
geomorfológicos são as chapadas elevadas, rebordos, escarpas, planos intermediários e
planícies.
Baseado nos princípios da Ecodinâmica (Tricart, 1977), Crepani et al. (2001) apresentaram
um modelo que buscou, de forma empírica e relativa, avaliar o estágio de evolução
morfodinâmica das unidades territoriais básicas, atribuindo valores de estabilidade às
categorias morfodinâmicas. Unindo os conceitos da compartimentação geomorfológica de
Martins e Baptista (1998) e da evolução morfodinâmica de Crepani et al. (2001) propôs-se
os valores de vulnerabilidade natural conforme apresentado na Tabela 5.10.
Tabela 5.10 – Valor de vulnerabilidade natural para geomorfologia

Compartimento Relação
Vulnerabilidade
geomorfológico pedogênese/morfogênese
Chapada Elevada Prevalece a pedogênese 1,0
Plano Intermediário
Rebordo Equilíbrio pedogênese/ 2,0
morfogênese
Escarpas Prevalece a morfogênese 3,0
Planícies
e) Geologia
De acordo com Crepani et al. (2001) os critérios que devem ser levados em consideração
para a atribuição de valores de vulnerabilidade natural com relação à geologia, são a própria
evolução do ambiente geológico e as informações relativas ao grau de coesão das rochas. Os
valores da vulnerabilidade natural das unidades geológicas foram atribuídos a partir de uma
análise litológica e estão apresentadas na Tabela 5.11.
88
Tabela 5.11 – Valor de vulnerabilidade natural para litologia
Litologia Vulnerabilidade
Quartzitos ou metaquartzitos 1,0
Riólito, Granito, Dacito 1,1
Granodiorito, Quartzo Diorito, Granulitos 1,2
Migmatitos, Gnaisses 1,3
Fonólito, Nefelina Sienito, Traquito, Sienito 1,4
Andesito, Diorito, Basalto 1,5
Anortosito, Gabro, Peridotito 1,6
Milonitos, Quartzo muscovita, Biotita, Clorita xisto 1,7
Piroxenito, Anfibolito Kimberlito, Dunito 1,8
Hornblenda, Tremolita, Actinolita xisto 1,9
Estaurolita xisto, Xistos granatíferos 2,0
Filito, Metassiltito 2,1
Ardósia, Metargilito 2,2
Mármores 2,3
Arenitos quartzosos ou ortoquartzitos, Metarritmito arenoso 2,4
Conglomerados, Subgrauvacas, Calcifilito 2,5
Grauvacas, Arcózios, Metarritmito argiloso 2,6
Siltitos, Argilitos 2,7
Folhelhos 2,8
Calcários, Dolomitos, Margas, Evaporitos, Carbonato 2,9
Sedimentos Inconsolidados: Aluviões, Colúvios etc. 3,0
5.2.2.2. Análise Hierárquica de Processos
Determinou-se a influência mútua entre os fatores compostos pelos mapas temáticos de uso
e cobertura do solo, de declividade, de pedologia, de geomorfologia e de geologia por meio
da análise hierárquica de processos, proposta por Saaty (1980). O processo iniciou com a
construção de uma matriz de comparação pareada denominada matriz de decisão, utilizando
a escala fundamental proposta por Saaty (1980) apresentada na Tabela 5.12, em que a
comparação entre os dois fatores indica qual deles é mais importante e a comparação entre
fatores iguais são considerados de valor igual a um.
89
Tabela 5.12 – Valores de AHP para comparação pareada
(Saaty, 1980, adaptado)
Escala de valor Definição Explicação
Os dois fatores contribuem
1 Importância igual
igualmente para o objetivo
Importância moderada de Um fator é ligeiramente mais
3
um sobre o outro importante que o outro
Um fator é claramente fortemente
5 Importância essencial
mais importante que o outro
Um fator é muito fortemente
7 Importância demonstrada favorecido e sua maior relevância
foi demonstrada na prática
A evidência que diferencia os
9 Importância extrema
fatores é da maior ordem possível
Valores intermediários entre Possibilidade de compromissos
1/3, 1/5, 1/7, 1/9
julgamentos adicionais
Cada elemento da matriz indica quanto o fator da linha é importante em relação ao fator
coluna, correspondente. Com base no levantamento bibliográfico e nas escalas cartográficas
dos mapas temáticos, foram escolhidos os valores que definiram o grau de importância
relativa entre os fatores que originaram a matriz de comparação pareada (Saaty, 1980).
𝑎11 𝑎12 ⋯ 𝑎1𝑗

1⁄ 𝑎22 ⋯ 𝑎2𝑗
𝑎12
⋮ ⋮ ⋱ ⋮ Equação (5.2)
1
𝑀𝐶𝑃 = [ ⁄𝑎1𝑗 1⁄ ⋯ 1⁄
𝑎2𝑗 𝑎𝑖𝑗 ]
∑ 𝑎𝑖1 ∑ 𝑎𝑖2 ⋯ ∑ 𝑎𝑖𝑗
Onde:
𝑀𝐶𝑃 = Matriz de comparação pareada
𝑖= Índice que representa a linha
𝑗= Índice que representa a coluna
A matriz normalizada foi calculada pela divisão de cada elemento da matriz de comparação
pareada pela somatória dos elementos da coluna.
90
𝑎11 𝑎12 ⋯ 𝑎1𝑗
1⁄ 𝑎22 ⋯ 𝑎2𝑗
𝑎12
⋮ ⋮ ⋱ ⋮ Equação (5.3)
1⁄ 1⁄ ⋯ 1⁄
[ 𝑎1𝑗 𝑎2𝑗 𝑎𝑖𝑗 ]
𝑀𝑁 =
∑ 𝑎𝑖1 ∑ 𝑎𝑖1 ⋯ ∑ 𝑎𝑖1
Onde:
𝑀𝑁 = Matriz normalizada
𝑖= Índice que representa a linha
𝑗= Índice que representa a coluna
Em seguida foi realizada a normalização desses valores, onde a soma de cada linha da matriz
normalizada foi dividida pela ordem da matriz n, resultando no valor do Peso Relativo (P)
de cada fator. A somatória destes resultados encontrados deve ser igual a 1,0.
𝑎1𝑗
∑ ⁄𝑛 = 𝑃1
𝑎
∑ 2𝑗⁄𝑛 = 𝑃2 Equação (5.4)
⋮ ⋮
𝑎𝑖𝑗
∑ ⁄𝑛 = 𝑃𝑖
O cálculo do 𝜆𝑚𝑎𝑥 indica o valor máximo do autovetor 𝜆, e é obtido pela Equação (5.5)
𝑛
1 [𝐴𝑤]
𝜆𝑚𝑎𝑥 = ∑ Equação (5.5)
𝑛 𝑃𝑖
𝑖=1
Onde [𝐴𝑤] é a matriz resultante do produto da matriz de comparação pareada pela matriz
dos pesos relativos (𝑃𝑖 ).
Quando 𝜆𝑚𝑎𝑥 estiver mais próximo de n implica uma boa estimativa dos coeficientes da
matriz. O Índice de Consistência (IC) estima o grau de consistência da matriz pareada e foi
calculado pela seguinte fórmula:
(𝜆𝑚𝑎𝑥 − 𝑛)
𝐼𝐶 = Equação (5.6)
(𝑛 − 1)
Após o cálculo dos pesos de cada critérios é necessário avaliar sua aceitabilidade por meio
da Razão de Consistência (RC), obtido pela Equação (5.7), que de acordo com Saaty (1980)
deve apresentar valor menor que 0,10.
91
𝐼𝐶
𝑅𝐶 = Equação (5.7)
𝐼𝑅
Sendo IR o Índice Randômico, que é derivado de uma amostra de 500 matrizes recíprocas
geradas de forma randômica. Os valores de IR estão apresentados na Tabela 5.13.
Tabela 5.13 – Valores de IR para matrizes quadradas de ordem n

(Saaty, 1980, adaptado)
n 1 2 3 4 5 6 7 8 9
IR 0 0 0,58 0,9 1,12 1,24 1,32 1,41 1,45
O mapa final da vulnerabilidade ambiental foi obtido por meio de algoritmo de álgebra de
mapas, com o uso da Equação (5.8), a qual contém os pesos calculados pelo método AHP.
No cálculo, utilizou-se a ferramenta Spatial Analyst Tools/Map Algebra e o comando Raster
Calculator do software ArcGIS. O resultado do cruzamento dos mapas temáticos foi
distribuído em cinco classes de vulnerabilidade ambiental conforme apresentado na Tabela
5.6.
𝑉𝐴 = 𝑃1 . 𝐶1 + 𝑃2 . 𝐶2 + 𝑃3 . 𝐶3 + 𝑃4 . 𝐶4 + 𝑃5 . 𝐶5 Equação (5.8)
Onde:
𝑉𝐴 = Vulnerabilidade ambiental
𝑃𝑛 = Peso critério 1, Peso critério 2, Peso critério 3, Peso critério 4, Peso critério 5
𝐶1 = Critério referente ao uso e cobertura do solo
𝐶2 = Critério referente à declividade
𝐶3 = Critério referente à pedologia
𝐶4 = Critério referente à geomorfologia
𝐶5 = Critério referente à geologia
92
5.2.3. Mapas de temperatura da superfície terrestre
5.2.3.1. Temperaturas obtidas com as imagens do Landsat 5
Para o cálculo da temperatura aparente da superfície terrestre utilizou-se banda espectral do

infravermelho termal, cuja resolução espectral é de 10,4 a 12,5 μm, resolução espacial de
120 metros e que se encontra na banda 6 do sensor TM a bordo do satélite Landsat 5, que
foi georreferenciada utilizando a ferramenta registro do Spring, conforme procedimentos
descritos no item 5.2.1. A metodologia para obtenção da temperatura da superfície foi
proposta por Malaret et al. (1985) e converte o número digital (DN - Digital Number)
associado a cada pixel da imagem do canal termal em valores de temperatura aparente da
superfície, por meio da modelo de regressão quadrática apresentado na Equação (5.9).
𝑇𝐾 = 209,831 + 0,834. 𝐷𝑁 − 0,00133. 𝐷𝑁 2 Equação (5.9)

Onde:
𝑇𝐾 = Temperatura aparente da superfície, em Kelvin
𝐷𝑁 = Número digital associado a banda 6
Após os dados de temperatura em Kelvin serem computados e armazenados em uma grade

numérica específica, foram convertidos para graus Celsius (°C), por meio da Equação (5.10).
𝑇𝐶 = 𝑇𝐾 − 273,15 Equação (5.10)

Onde:
𝑇𝐶 = Temperatura aparente da superfície, em graus Celsius
Para produção do mapa de temperatura aparente da superfície, a partir dos novos valores de
Tc obtidos com a aplicação da Equação 5.10, foram utilizados algoritmos específicos de
álgebra de mapas no software ArcGIS.
Esta metodologia não contempla correções relacionadas aos efeitos atmosféricos e de

emissividade, por essa razão pode ocorre subestimação dos valores de temperatura da
superfície (Steinke et al., 2010). Entretanto, Azevedo e Souza (2013) destacam que há uma
alta relação de correspondência entre a temperatura de superfície estimada pelo método aqui
apresentado e pelo algoritmo METRIC desenvolvido por Allen et al. (2005), que utiliza o
DN para obtenção da radiância espectral e da emissividade superficial, parâmetros utilizados
no cálculo da temperatura superficial aparente. Contudo os autores destacam que o método
93
proposto por Malaret et al. (1985) é recomendado por ser mais prático e mais fácil de
implementação computacional.
5.2.3.2. Temperaturas obtidas com as imagens do Landsat 8
Nesta etapa foi utilizada a banda 10 do infravermelho termal do sensor Thermal Infrared
Sensor (TIRS) a bordo do satélite Landsat 8, que apresenta resolução espectral na faixa de
10,6 a 11,19 μm e resolução espacial de 100 metros.
Para o cálculo da temperatura aparente de superfície foram utilizados algoritmos específicos

de álgebra de mapas no software ArcGIS e as equações fornecidas no website do United
State Geological Survey (USGS), onde são descritos os procedimentos para utilização de
produtos do Landsat 8. A metodologia apresentada a seguir foi descrita por USGS (2017).
Os dados de DN apresentados na banda 10 foram convertidos em radiação do topo da

atmosfera (TOA - Top Of Atmosphere) usando os fatores de redimensionamento de radiação
fornecidos pelo arquivo de metadados (ML e AL) e por meio da seguinte equação:
𝐿𝜆 = 𝑀𝐿 . 𝑄𝑐𝑎𝑙 + 𝐴𝐿 Equação (5.11)

Onde:
𝐿𝜆 = Radiância espectral TOA, em Watts/(m².srad. μm)
𝑀𝐿 = Fator de redimensionamento multiplicativo da banda 10
𝑄𝑐𝑎𝑙 = Nível de cinza associado a banda 10 (DN)
𝐴𝐿 = Fator de redimensionamento aditivo da banda 10
Em seguida a radiância espectral foi convertida para temperatura aparente de superfície

usando as constantes térmicas fornecidas do arquivo de metadados (K1 e K2), por meio da
seguinte fórmula:
𝐾2
𝑇𝐶 = [ ] − 273,15 Equação (5.12)
𝐾1
𝑙𝑛 ( 𝐿 + 1)
𝜆
Onde:
𝑇𝐶 = Temperatura aparente da superfície, em graus Celsius
𝐿𝜆 = Radiância espectral TOA, em Watts/(m².srad. μm)
𝐾1 = Constante de conversão térmica da banda 10
94
𝐾2 = Constante de conversão térmica da banda 10
A importância do estudo da temperatura da superfície terrestre vem da relação e da

associação feita com as condições de uso e cobertura do solo. Com o processo de
urbanização, a vegetação dá espaço à casas, edifícios, pavimentação e calçamento, o que
implica na elevação da temperatura local e pode causar desconforto térmico, além de
desequilíbrio do microclima local. Buscou-se também relacionar a temperatura da superfície
terrestre com as informações meteorológicas locais, as características do solo e sua
capacidade de infiltração.
95
5.2.4. Modelagem da dinâmica ambiental do uso e cobertura do solo
Foi desenvolvida a modelagem da dinâmica de uso e cobertura do solo na área de estudo B

e suas subdivisões, que são apresentadas neste trabalho. Para tanto, foi utilizado o sistema
Dinamica EGO de acordo com metodologia de Dias (2011), e conforme passos descritos a
seguir e apresentados na Figura 5.6.
Figura 5.6- Fluxograma da modelagem da dinâmica ambiental do uso e cobertura do solo
5.2.4.1. Dados de entrada
Os dados utilizados como entrada no modelo fornecem informações sobre o uso e cobertura
do solo, como áreas urbanas e rurais, vegetação, drenagem, rede viária e declividade. Para
tanto, utilizou-se os mapas de uso e cobertura do solo dos anos 2009, 2011 e 2014 da área
de estudo B gerados conforme o item 5.2.1, que indicam as variações temporais entre as
diferentes classes temáticas avaliadas.
No sentido de otimizar o processo de modelagem os mapas sofrem adaptação, tendo seu

número de classes temáticas reduzido de sete para cinco, pois quanto maior o número de
atividades distintas usadas maior tende a ser a complexidade do modelo (Batty et al., 1999).
As classes temáticas utilizadas nesta etapa foram: área urbanizada, campo e solo exposto,
96
corpos d’água e vegetação, e esta última resultante da união das classes temáticas de cerrado,
de mata ciliar/galeria e de silvicultura.
Utilizou-se também nesta etapa os mapas estáticos, sendo eles, o da rede de drenagem, o de
estradas e o de declividade. Foram elaborados mapas de distância (buffers) a partir dos mapas
de drenagem e estradas. Para isso, utilizou-se a ferramenta Buffer Wizard do software
ArcGIS para o cálculo de buffers, com faixas de 200 e 100 metros, respectivamente, de forma
a representar as áreas de influência ao redor da feição a uma distância específica. Em
seguida, os mapas estáticos foram convertidos para o formato matricial e, utilizando o
functor Create Cube Map, foram compactados em um só arquivo denominado “cubo raster”,
onde são dispostos em camadas no software Dinamica EGO.
Além dos mapas estáticos, foram utilizados os mapas dinâmicos, que são assim denominados
por serem atualizados durante a iteração do modelo. Na execução, foram incluídas as
variáveis distância até a classe 1, 2, 3, 4 e 5, por meio do functor Calc to Distance Map, que
recebeu como entrada o mapa de uso e cobertura do solo do ano 2009 e gerou um mapa de
distância de fronteira (distância mais próxima) entre as células de cada classe do mapa de
entrada.
Todos os mapas foram convertidos para o formato TIFF, com a mesma resolução espacial e
o mesmo número de colunas e linhas, por meio da função de conversão de formato do
software ArcGIS, com as mesmas coordenadas no espaço geográfico, sendo o sistema de
referência espacial GCS SIRGAS 2000, com datum D_SIRGAS_2000.
5.2.4.2. Calibração do modelo
Nessa etapa foram realizados testes no sistema Dinamica EGO buscando identificar, em um
determinado período de tempo, parâmetros que definam o melhor ajuste entre o modelo e a
realidade observada do mapa de uso e cobertura do solo. Para isso, a calibração foi realizada
em duas etapas, sendo a primeira o cálculo das matrizes de transição, e a segunda a
determinação dos pesos de evidência.
a) Matriz de transição
Nesta etapa foram elaboradas as matrizes de transição para analisar as mudanças ocorridas
no uso e cobertura do solo em um período de tempo, denominadas de matriz de passo único
97
e de passos múltiplos. A matriz de passo único representa as mudanças ocorridas durante
todo o período analisado e a matriz de passos múltiplos corresponde às mudanças que
ocorreram em uma unidade de tempo, ou seja, em um ano.
As taxas de transição foram calculadas para os períodos compreendidos entre os anos 2009
e 2011, e entre os anos de 2011 e 2014, por meio do algoritmo Determine Transition Matrix,
que executa uma tabulação cruzada entre as classes temáticas dos mapas de uso e cobertura
do solo nos anos estudados.
b) Pesos de evidência
Para a obtenção dos pesos de evidencia primeiramente foram definidos os intervalos para a
derivação dos mesmos utilizando o modelo Determine Weights of Evidence Ranges, para
tanto, foram calculadas faixas que classificam as variáveis em escalas contínuas de cinza.
Nesta etapa utilizou-se os mapas de uso e cobertura do solo para o instante final e inicial e
os mapas de variáveis estáticas e dinâmicas. Obteve-se como resultado um arquivo esqueleto
dos pesos de evidência. Em seguida, foram calculados os coeficientes dos pesos de
evidência, utilizando-se o mesmo conjunto de dados do passo anterior e com o arquivo
esqueleto dos pesos de evidência, por meio do modelo Determine Weights of Evidence
Coefficients.
Pressupõe-se que os mapas das variáveis utilizados, para o método dos Pesos de Evidência,
sejam independentes entre si. Para avaliar a existência de dependência ou associação entre
diferentes variáveis de dois mapas, o sistema Dinamica EGO emprega diferentes métodos,
sendo aqui utilizado o Índice de Cramer. A alta correção indica que uma variável é muito
semelhante a outra e seu uso não traz benefícios a simulação, sendo assim, as variáveis
altamente correlacionadas não serão consideradas no modelo e o cálculo da correlação foi
realizado utilizando o modelo Weights of Evidence Correlation do sistema Dinamica EGO.
5.2.4.3. Construção do modelo de simulação e validação
a) Modelo de simulação
No sistema Dinamica EGO, após a realização dos procedimentos anteriormente

mencionados, o modelo de simulação de uso e cobertura do solo para o ano escolhido (função
do mapa de uso e cobertura do solo) foi ajustado, por meio dos algoritmos de autômatos
98
celulares, o Patcher e o Expander, que produzem os padrões espaciais de mudanças na
transição do uso do solo. Foi também estabelecida a quantidade de células a serem alteradas
para cada função de transição, ou seja, a quantidade considerada para a expansão de manchas
existentes e a quantidade considerada para a criação de novas manchas.
Por meio da variação dos parâmetros de entrada das funções Expander e Patcher são
formadas manchas representativas das transições com uma variedade de tamanhos e formas.
Os parâmetros de entrada dessas funções são denominados de Mean Patch Size (tamanho
médio), Patch Size Variance (variância) e Patch Isometry (isometria). O tamanho médio e a
variância da mancha são dados em hectares (Trentin e Freitas, 2010) e a isometria pode
variar entre zero a dois, sendo que quanto mais próximo de dois mais isométrica são as
manchas, ou seja, são mais agregadas (Soares-Filho et al., 2007).
b) Validação do modelo de simulação
A validação do modelo de simulação envolve a elaboração de modelos de diferença e de

similaridade. Para a validação do modelo compara-se o mapa de referência (mapa de uso e
cobertura do solo do ano escolhido) com o mapa simulado, de forma a quantificar o grau de
semelhança entre ambos, sendo a comparação feita por meio de método baseados em
proximidade. Para Soares-Filho et al. (2009), mesmo os mapas que não são exatamente
semelhantes podem apresentar padrões similares e concordância espacial nas proximidades
de uma célula.
Foi desenvolvido por Hagen (2003) um método para avaliar a similaridade de um conjunto
de mapas com dados categóricos, por meio de lógica Fuzzy denominado de kfuzzy, e envolve
tanto a incerteza da localização quanto a incerteza da categoria. O algoritmo utilizado no
sistema Dinamica EGO é uma modificação do método proposto por Hagen (2003),
denominado Calc Reciprocal Similarity, no qual a representação de uma célula é
influenciada por ela mesma e, em menor proporção, pelas células vizinhas. A validação é
feita utilizando uma função de decaimento exponencial com a distância para ponderar a
distribuição do estado da célula ao redor de uma célula central (Soares-Filho et al., 2009). O
procedimento de comparação é resumidamente apresentado na Figura 5.7.
99
5.2.4.4. Obtenção de cenários prospectivos do uso e cobertura do solo
Nesta etapa realizou-se a simulação de cenários prospectivos por meio de mapas de uso e
cobertura do solo para curto prazo, a partir dos padrões do modelo calibrado e validado no
sistema Dinamica EGO. Não é recomendável realizar o cenário prospectivo de longo prazo,
pois as mudanças são complexas de serem previstas e sujeitas a erros por alterações
inesperadas. Assim, a simulação de cenários prospectivos por meio de mapas de uso e
cobertura do solo foi realizada para um curto prazo de até cinco anos, a partir do ano de
simulação e calibração do modelo que é o mapa de uso do solo mais atual.
100
Figura 5.7 – Representação do método de comparação Fuzzy
(Soares-Filho et al., 2009 modificado por Salazar, 2015)
101
5.2.5. Método do SCS
5.2.5.1. Parâmetros da bacia hidrográfica
Além dos parâmetros hidrológicos relacionados à cobertura do solo, são obtidos também
parâmetros da morfologia fluvial da bacia do Córrego Taquari, tais como: área da bacia,
comprimento dos talvegues e declividade dos canais, todos calculados em ambiente de SIG,
conforme a formulação definida por Almeida et al. (2013):
 Área da bacia: calcula-se a área do polígono que representa a bacia, em km²;
 Comprimento do talvegue: calcula-se a partir da vetorialização dos córregos visíveis na

imagem de satélite, onde será medido o comprimento dos mesmos, em km;
 Declividade do talvegue: obtém-se a partir dos vetores que representavam os córregos e

as curvas de nível que compõe a planta planialtimétrica, em m/m, pela seguinte fórmula:
𝛥𝐻
𝑆= Equação (5.13)
𝐿
Onde:
𝑆= Declividade do talvegue, em m/m
𝛥𝐻 = Diferença entre a cota maior e menor, em m
𝐿= Comprimento do talvegue
5.2.5.2. Parâmetro CN
O cálculo do escoamento superficial direto foi realizado na bacia hidrográfica do Córrego

Taquari conforme os procedimentos representados na Figura 5.8 e descritos a seguir.
102
Figura 5.8 – Fluxograma do cálculo do escoamento superficial direto
Para determinar o grupo hidrológico do solo conforme definido pelo Método do SCS, no
ambiente computacional do ArcGIS, foi realizada uma sobreposição do PI limite da bacia
hidrográfica do Córrego Taquari no mapa temático de pedologia, de forma a identificar os
tipos de solo presentes na bacia. Com o auxílio da Tabela 4.3, que apresenta a classificação
hidrológica dos solos brasileiros para Método do SCS segundo Sartori (2005) definiu-se os
GHS para os tipos de solo presentes na bacia, resultando em um PI que apresente os GHS,
para a área da bacia.
Em seguida, utilizou-se a ferramenta Spatial Analyst Tools/Map Algebra e o comando Raster

Calculator do software ArcGIS para realizar o cruzamento entre o PI de GHS e o mapa de
uso e cobertura do solo dos anos, 2011, 2014 e 2019 (cenário simulado), destacando as
informações de classes de usos e cobertura do solo, conforme informações contidas nas
Tabela 4.4 e Tabela 4.5, Desta forma, esta etapa resultou em três PIs em formato raster com
os valores de CNs da bacia hidrográfica do Córrego Taquari, referente aos anos de 2011,
2014 e 2019.
5.2.5.3. Cálculo do escoamento superficial
Após determinar os valores de CN da bacia para os três anos de estudo, foi estimado o
escoamento superficial direto por meio de uma determinada precipitação, conforme
anteriormente apresentado no item 4.6.1, para isso foi necessário calcular: i) o tempo de
concentração pela Equação (4.16), para os três anos de estudo; ii) utilizando este parâmetro,
foi calculada a intensidade da chuva de projeto pela Equação (4.15), para tempo de retorno
103
de 5 anos; e iii) o potencial máxima retenção (S) pela Equação (4.14), que é função do
parâmetro CN, para cada tempo, que resultou em três imagens raster com informação do
potencial máxima retenção em cada pixel. O escoamento superficial direto (𝑄) foi, então,
calculado pela Equação (4.11).
Ao final foi realizada uma análise de sensibilidade do escoamento superficial direto gerado
por uma chuva de projeto e calculado pelo Método do SCS, para um mapa antigo de uso e
cobertura do solo (2011), para um mapa mais atual de uso e cobertura do solo (2014) e para
um cenário prospectivo de uso e cobertura do solo (2019), de forma a identificar o
comportamento do escoamento superficial direto em resposta da urbanização da bacia
hidrográfica.
104
6. RESULTADOS E DISCUSSÃO
Os resultados obtidos pela metodologia proposta estão descritos neste item.
6.1. USO E COBERTURA DO SOLO
A classificação temática das imagens de sensores remotos produziu os mapas de uso e

cobertura do solo conforme os procedimentos metodológicos descritos no item anterior.
6.1.1. Mapas de uso e cobertura do solo da área de estudo A
Para a área de estudo A foram gerados mapas de uso e cobertura do solo para os anos de
1985, 1995, 2005 e 2016 conforme apresentados nas Figura 6.1, Figura 6.2, Figura 6.3 e
Figura 6.4.
Figura 6.1 – Mapa de uso e cobertura do solo da área de estudo A para o ano 1985
105
Os valores de áreas das classes temáticas foram relacionados e analisados nesses diferentes
períodos de tempo evidenciando as modificações ocorridas no uso e cobertura do solo em
cada uma delas. A Tabela 6.1 apresenta a análise da alteração de área das classes temáticas
no período compreendido entre os anos de 1985 e 1995, onde observou-se o decréscimo de
64,54% da área de agricultura, que passou de 80,59 para 28,58 km2, em contrapartida a área
de solo exposto aumentou 6,83 km2, representando uma taxa de variação de 21,04%. O
acréscimo de cerca de 40 km2 na área de campo, representa uma variação de 2,31% em sua
área, o que indica que grande parte da área de agricultura foi transformada em campo e solo
exposto. A área urbanizada apresentou um aumento de 4,57%, passando de 134,45 para
140,59 km2, sendo essa a menor variação observada da classe temática área urbanizada
durante todo o período de análise, ou seja, entre 1985 a 2016. As demais classes tiveram
pouca ou nenhuma alteração de área durante o período de análise.
106
período 1985 - 1995
Área em 1985 Área em 1995 Variação
Classes temáticas
km2 % km2 % (%)
Agricultura 80,59 3,59 28,58 1,27 -64,54
Área urbanizada 134,45 5,98 140,59 6,25 4,57
Campo 1.732,33 77,07 1.772,42 78,81 2,31
Cerrado 87,15 3,88 87,16 3,88 0,00
Corpo d’água 45,47 2,02 45,62 2,03 0,34
Mata ciliar/galeria 135,22 6,02 135,29 6,02 0,05
Solo exposto 32,48 1,44 39,31 1,75 21,04
Total 2.247,68 100,00 2.248,97 100,00 -
De forma geral as alterações observadas principalmente com a diminuição de área destinadas

a agricultura e com o aumento do campo e da área urbanizada pode estar relacionada ao
processo de urbanização da área vivido na Região do Centro-Oeste do país, e principalmente
no Distrito Federal. Segundo o Censo Demográfico de 1991 do IBGE a população do Centro-
Oeste era de 9.427.601 habitantes e o Distrito Federal era de 1.601.094 habitantes (IBGE,
2013).
A dinâmica de evolução das classes temáticas durante os anos de 1995 e 2005 encontra-se
detalhada na Tabela 6.2 e pode ser visualizada nos mapas de uso e cobertura do solo obtidas
pela classificação temática das imagens nas Figura 6.2 e Figura 6.3. Assim como observado
na análise anterior, houve uma redução na classe agricultura e aumento de área urbanizada.
A diminuição na área de agricultura foi cerca de 12 km2, representando uma variação de
41,05%. Já a área urbanizada passou de 140,59 para 178,05 km2, sendo 26,65% de
acréscimo. O solo exposto teve a maior taxa variação de área durante o período de análise,
sendo sua diminuição de 74,68%. As classes campo, cerrado, corpo d’água e mata
ciliar/galeria não apresentaram alterações significativas.
Na Contagem Populacional de 1996 o Distrito Federal contava com 1.806.354 habitantes, o

que representou um aumento de 12,82% da população entre 1991 e 1996. Já no Censo
Demográfico realizado no ano 2000, o Distrito Federal tinha população de 2.051.146
habitantes, representando aumento de 13,55% no contingente populacional quando
comparado com a Contagem Populacional de 1996. Entre os anos de 1991 e 2000 a região
107
Centro-Oeste aumentou a população em 23,43%, passando a ter 11.636.728 habitantes
(IBGE, 2013).
período 1995 - 2005
Classes temáticas
km2 % km2 % (%)
Agricultura 28,58 1,27 16,85 0,75 -41,05
Área urbanizada 140,59 6,25 178,05 7,92 26,65
Campo 1.772,42 78,81 1.774,57 78,95 0,12
Cerrado 87,16 3,88 87,04 3,87 -0,13
Corpo d’água 45,62 2,03 46,03 2,05 0,90
Mata ciliar/galeria 135,29 6,02 135,23 6,02 -0,05
Solo exposto 39,31 1,75 9,95 0,44 -74,68
Total 2.248,97 100,00 2.247,72 100,00 -
108
A Tabela 6.3 apresenta a análise da evolução das classes temáticas para o período de 2005 a
2016 e pode ser visualizada nos mapas de uso e cobertura do solo obtidas pela classificação
temática das imagens nas Figura 6.3 e Figura 6.4, indicando que entre os dois períodos já
analisados, este teve a maior taxa de variação da área urbanizada, 43,68%, o que representa
um aumento de 77,77 km2 nesta classe. No solo exposto houve um incremento de 27,89 km2
em sua área, sendo esta a classe que apresentou maior taxa de variação no referido período
de análise. A variação no tamanho de área representada pela classe solo exposto relaciona-
se as queimadas ocorridas em áreas de campo, o que é bastante comum na região,
principalmente no período de seca, que inicia em meados de maio e se estende até setembro.
Observa-se também um decréscimo de 106,81 km2 na área de campo que, de forma geral,
foi a classe temática que mais perdeu área para as atividades antrópicas (área urbanizada,
solo exposto e agricultura).
Dados do IBGE (2013) demonstram que entre os anos de 2000 e 2007 houve um crescimento
de 19,73% na população do Distrito Federal, passando a ter 2.455.903 habitantes, já entre os
anos 2007 e 2010 o crescimento populacional foi de apenas 4,65%, contabilizando
população de 2.570.160 habitantes no Censo Demográfico de 2010. A região Centro-Oeste
do Brasil continuou seguindo a tendência de crescimento populacional, de 20,81% entre
2000 e 2010, passando para 14.058.094 habitantes contabilizados no Censo Demográfico de
2010.
período 2005 - 2016
Classes temáticas
km2 % km2 % (%)
Agricultura 16,85 0,75 20,20 0,90 19,91
Área urbanizada 178,05 7,92 255,82 11,38 43,68
Campo 1.774,57 78,95 1.667,76 74,20 -6,02
Cerrado 87,04 3,87 86,60 3,85 -0,51
Corpo d’água 46,03 2,05 44,19 1,97 -3,99
Solo exposto 9,95 0,44 37,84 1,68 280,24
Total 2.247,72 100,00 2.247,67 100,00 -
109
A análise do período completo que compreende os anos de 1985 a 2016 está apresentada na
Tabela 6.4. No ano de 1985 as classes temáticas mais representativas na área de estudo A
eram o campo e a mata ciliar/galeria que, juntas, somavam cerca de 83% da área total. Já no
ano de 2016 as classes temáticas de campo e da área urbanizada foram as mais
representativas, com cerca de 86% da área total. De maneira geral houve uma pequena
diminuição do campo e um significativo aumento na área urbanizada, o que reforça a
ocorrência do processo de urbanização da área. A área urbanizada foi a classe temática que
teve maior incremento de área com 121,38 km2, passando de 134,45 para 255,82 km2. As
classes temáticas de campo e agricultura diminuíram sua área em 64,58 km2 e 60,39 km2,
respectivamente. Apesar da variação ao longo dos anos na análise geral do período, ou seja,
entre os anos de 1985 e 2016, o solo exposto aumentou sua área em apenas 5,36 km2,
passando de 32,48 para 37,84 km2.
Com a consolidação de Brasília, a nova Capital do Brasil, foi gradualmente implantado, pela
Secretaria de Agricultura, na Bacia Hidrográfica do Lago Paranoá, o Plano Agrícola do
Distrito Federal, onde foram criados 25 núcleos rurais, colônias agrícolas e combinados
agrourbanos, que por mais de trinta anos foi de grande importância para Brasília no
110
suprimento de hortaliças, frutas, leite e ovos. Entretanto, durante os anos 80, mas,
principalmente na década de 1990, a maior parte dessas áreas agrícolas sofreram
parcelamento, ocasionando expansão urbana por meio de loteamentos irregulares (Cruz et
al., 2001). Muitos desses núcleos rurais foram implantados na área de estudo, e por essa
razão observou-se durante o período de análise (1985-2016) houve um aumento significativo
da área urbanizada e, em contrapartida, a diminuição de áreas destinadas a agricultura.
período 1985 - 2016
Classes temáticas
km2 % km2 % (%)
Agricultura 80,59 3,59 20,20 0,90 -74,93
Área urbanizada 134,45 5,98 255,82 11,38 90,28
Campo 1.732,33 77,07 1.667,76 74,20 -3,73
Cerrado 87,15 3,88 86,60 3,85 -0,63
Corpo d’água 45,47 2,02 44,19 1,97 -2,80
Solo exposto 32,48 1,44 37,84 1,68 16,52
Total 2.247,69 100,00 2.247,67 100,00 -
Apesar de apresentar uma das maiores taxas de crescimento populacional da última década,
a região Centro-Oeste corresponde apenas com 7,37% da população nacional em 2010. É
caracterizado pelo predomínio de densidade populacional linear ao longo de estradas, onde
as baixas densidades convivem com densas manchas urbanas, representadas pelas capitais
estaduais e distrital, e com uma dispersão dos demais centros urbanos. O crescimento
populacional está associado a geografia da agricultura mecanizada que, apesar de ser
responsável por um espaço rural com baixas densidades demográficas, ocasionou também
um crescimento demográfico de diversos municípios, por meio de elevadas taxas anuais de
crescimento populacional, sobretudo em suas áreas urbanas. Esses fatos reafirmam uma
estreita associação entre as dinâmicas agrícola e demográfica, com forte repercussão no
crescimento dos centros urbanos nessa região (IBGE, 2013).
6.1.2. Mapas de uso e cobertura do solo da área de estudo B
Os mapas de uso e cobertura do solo dos anos 2009, 2011 e 2014, para a área de estudo B,
estão apresentados nas Figura 6.5, Figura 6.6 e Figura 6.7.
111
Figura 6.5 – Mapa de uso e cobertura do solo da área de estudo B para o ano 2009
O processo evolutivo de alteração do uso e cobertura do solo dentro do período de análise

(anos entre 2009-2014) foi subdivido em períodos menores. A primeira análise está
apresentada na Tabela 6.5, formada pela tabulação cruzada das classes temáticas entre os
112
anos de 2009 e 2011. A classe temática de área urbanizada foi a que sofreu maior alteração
neste período, com aumento de 3,79% de área, que corresponde ao acréscimo de 0,28 km²,
e a classe temática vegetação reduziu cerca de 1,70% de sua área, passando de 12,08 para
11,87 km². Por sua vez, as áreas das classes temáticas do campo e solo exposto tiveram
modificações muito pequenas, com redução de apenas 0,05 km².
período 2009 - 2011
Classes temáticas
km2 % km2 % (%)
Área urbanizada 7,29 15,34 7,56 15,92 3,79
Campo e solo exposto 25,22 53,10 25,17 52,98 -0,20
Corpo d’água 2,91 6,12 2,90 6,11 -0,15
Vegetação 12,08 25,43 11,87 24,99 -1,70
Total 47,49 100,00 47,51 100,00 -
A Tabela 6.6 apresenta as alterações ocorridas no uso e cobertura do solo entre os anos de
2011 e 2014, representadas nas Figura 6.6 e Figura 6.7, respectivamente, sendo a vegetação
113
a classe temática que sofreu a maior alteração, com redução de cerca de 8,64% de sua área,
passando de 11,87 para 10,85 km². As classes temáticas de campo e solo exposto e da área
urbanizada tiveram aumento de área de 0,57 e 0,43 km², respectivamente.
período 2011 - 2014
Classes temáticas
km2 % km2 % (%)
Área urbanizada 7,56 15,92 7,99 16,83 5,72
Campo e solo exposto 25,17 52,98 25,74 54,21 2,28
Corpo d’água 2,90 6,11 2,90 6,11 0,03
Vegetação 11,87 24,99 10,85 22,84 -8,64
Total 47,51 100,00 47,49 100,00 -
Tanto na análise visual dos mapas como na tabulação cruzada das classes temáticas
apresentada nas Tabela 6.5, Tabela 6.6 e Tabela 6.7, nota-se que a maior alteração ocorrida
nas classes temáticas de uso e cobertura do solo foi a redução da vegetação observada entre
os anos de 2011 e 2014, devido a implantação e construção da Plano de Expansão do
Paranoá, denominado Paranoá Parque. Na Tabela 6.7 nota-se que a classe temática de
vegetação sofreu uma redução de 10,19%, o que implica em dizer que houve redução de
1,23 km² de área desta classe, que se transformou em área urbanizada e em campo e solo
exposto com acréscimo de 0,71 e 0,43 km², respectivamente.
período 2009 - 2014
Classes temáticas
km2 % km2 % (%)
Área urbanizada 7,29 15,34 7,99 16,83 9,72
Corpo d’água 2,91 6,12 2,90 6,11 -0,12
Vegetação 12,08 25,43 10,85 22,84 -10,19
Total 47,49 100,00 47,49 100,00 -
114
6.2. VULNERABILIDADE AMBIENTAL
Por meio da metodologia descrita no item 5.2.2, foi realizada a ponderação dos valores de
vulnerabilidade natural, que resultou na produção dos mapas temáticos de vulnerabilidade
natural baseados nas características de uso e cobertura do solo, de declividade, de pedologia,
de geomorfologia e de geologia. Esses mapas temáticos ponderados foram utilizados para
produzir mapa de vulnerabilidade ambiental das área de estudo A e B, a fim de analisar como
o processo histórico de urbanização pode ter influenciado os aspectos ambientais das áreas
estudadas.
6.2.1. Ponderação dos valores de vulnerabilidade natural
Será apresentado a seguir cada um dos fatores considerados para este estudo e sua devida
ponderação, tanto para a área de estudo A como para B. A reclassificação da vulnerabilidade
foi definida de acordo com a Tabela 5.6, sendo que a classe muito baixa foi definida com
grau de vulnerabilidade estável e com valores de 1,0 a 1,3; a classe baixa representa áreas
com grau de vulnerabilidade moderadamente estável e com valores de 1,4 a 1,7; a classe
moderada representa áreas com grau de vulnerabilidade medianamente estável/vulnerável e
com valores entre 1,8 e 2,2; a classe alta representa áreas com grau de vulnerabilidade
moderadamente vulnerável e com valores de 2,3 a 2,6; por fim, a classe muito alta representa
áreas com grau de vulnerabilidade vulnerável e com valores de 2,7 a 3,0.
a) Uso e cobertura do solo
Baseado no critério de interferência antrópica e de suas consequências em processos erosivos

na área de estudo foi realizada a ponderação do fator uso e cobertura do solo de acordo com
valores de vulnerabilidade natural para o tema, conforme apresentado na Tabela 5.7.
A Figura 6.8 representa o mapa de distribuição da vulnerabilidade natural de acordo com as

características de uso e cobertura do solo para o ano de 2016 na área de estudo A, indicando
que a vulnerabilidade natural classificada como muito baixa está presente em 11,84% da
área de estudo, porcentagem que equivale a 266,05 km²; 0,9% da área de estudo (20,20 km²)
é classificada como baixa vulnerabilidade; a classe de vulnerabilidade natural moderada
representa 11,38% da área total, ou seja, 255,82 km². A classe de vulnerabilidade natural alta
representa 75,88% da área total, ou seja, 1705,60 km², sendo esta a classe mais representativa
da área de estudo A. A classe de vulnerabilidade muito alta não tem representação na área.
115
estudo A
A Figura 6.9 indica a distribuição espacial das classes de vulnerabilidade natural, por meio
das características do uso e cobertura do solo para o ano de 2014 na área de estudo B, sendo
que 13,75 km² (28,95%) faz parte da classe muito baixa de vulnerabilidade natural; a
vulnerabilidade natural classificada como moderada é a de menor representação com apenas
7,99 km², ou seja, 16,83% da área total; a vulnerabilidade natural classificada como alta
representa a maior parte da área de estudo B, com 54,21%, o que equivale a 25,74 km², esta
área é classificada como área de campo e solo exposto, que devido à ausência de vegetação
ou sua baixa densidade pode contribuir para o erosão do solo. Não há representação das
classes baixa e muito alta vulnerabilidade natural.
116
estudo B
b) Declividade
Por meio da utilização do MDT gerou-se o mapa de declividade em porcentagem da área de

estudo, representados nas Figura 6.10 e Figura 6.12, para a área de estudo A e B,
respectivamente. Para a reclassificação destes mapas considerou-se a divisão de cinco
classes de vulnerabilidade natural conforme descrito na Tabela 5.8 que resultou nos mapas
de vulnerabilidade natural segundo a declividade, para as duas áreas de estudo, apresentadas
nas Figura 6.11 e Figura 6.13, respectivamente.
A Figura 6.11 é a representação da vulnerabilidade natural segundo a declividade para a área

de estudo A, onde cerca de 91% da área total de estudo está classificada entre as classes de
vulnerabilidade natural muito baixa, baixa e moderada, sendo a porcentagem e a área de,
18,44% (415 km²), 45,45% (1022,78 km²) e 27,44% (617,39 km²), respectivamente. A classe
de vulnerabilidade natural alta representa 7,57% da área total, o que equivale a 170,37 km²
e a classe de vulnerabilidade natural muito alta corresponde apenas 24,73 km² (1,1%).
117
Figura 6.10 – Mapa de declividade - área de estudo A
Figura 6.11 – Mapa de vulnerabilidade natural segundo a declividade - área de estudo A
118
A distribuição espacial das classes de vulnerabilidade natural segundo a declividade para a
área de estudo B, está representada na Figura 6.13, indica que 6,39 km² (13,46%) da área
pertence à classe de vulnerabilidade natural muito baixa; enquanto 29,21 km² (61,53%) da
área é classificada com de vulnerabilidade natural baixa, sendo esta a classe mais
representativa; a classe de vulnerabilidade natural moderada é indicada em 10,16 km²
(21,39%) da área; 1,69 km² (3,55%) pertence à classe de vulnerabilidade natural alta; e, a
classe de vulnerabilidade natural muito alta é a menos representativa em termo de área, visto
que apenas 0,08% da área pertence a essa classe, o que equivale a 0,037 km².
Figura 6.12 – Mapa de declividade - área de estudo B
119
Figura 6.13 – Mapa de vulnerabilidade natural segundo a declividade - área de estudo B
c) Pedologia
A ponderação dos valores do fator pedologia foi realizado seguindo a descrição da Tabela
5.9 e resultou no mapa de vulnerabilidade natural segundo a pedologia da área de estudo A
apresentado na Figura 6.14, que indica que a grande parte da área de estudo (66,36%)
apresenta vulnerabilidade natural muito baixa, principalmente devido a presença de
latossolo, por ser o tipo de solo mais representativo na área e por não apresentar
características que possam indicar alto grau de vulnerabilidade a erosão. Não há área com
baixa vulnerabilidade natural; a classe moderada encontra-se apenas em 1,05% da área; alta
vulnerabilidade natural é representada por 28,06%, o que equivale a 631,36 km²; e a classe
muito alta corresponde a 4,54% da área total.
120
Figura 6.14 – Mapa de vulnerabilidade natural segundo a pedologia - área de estudo A
A Figura 6.15 é a representação da vulnerabilidade natural segundo a pedologia da área de

estudo B, e assim como apresentado na Figura 6.14, a maior parte da área de estudo B
(76,55%) está representada pela classe de vulnerabilidade natural muito baixa, com área de
36,35 km². Não há área de vulnerabilidade natural classificada como baixa vulnerabilidade
natural; a classe de vulnerabilidade natural moderada é representada por apenas 0,38% da
área total, que equivale a uma área de 0,18 km²; 22,93% da área de estudo B está classificada
como alta vulnerabilidade natural e possui uma área de 10,89 km²; e, a classe de
vulnerabilidade natural muito alta tem a menor representação em área, com 0,14%, ou seja,
0,068 km² da área de estudo B.
121
Figura 6.15 – Mapa de vulnerabilidade natural segundo a pedologia - área de estudo B
d) Geomorfologia
A geomorfologia sofreu ponderação dos valores para sua reclassificação de acordo com a
Tabela 5.10, que resultou nos mapas de vulnerabilidade natural segundo a geomorfologia da
área de estudo A e da área de estudo B, que serão descritos a seguir.
A vulnerabilidade natural segundo à ponderação da geomorfologia da área de estudo A é

apresentada na Figura 6.16 e indicou que 76,27% da área pertence à classe de vulnerabilidade
natural muito baixa, o que equivale a uma área de 1.716,24 km²; não há área cuja
vulnerabilidade natural seja classificada como baixa ou alta; 10,23%, ou seja, 230,29 km² da
área tem vulnerabilidade natural moderada; e o restante da área, cerca de 303,65 km²
pertence à classe de vulnerabilidade natural muito alta. Em termos geomorfológicos, 86,51%
da área de estudo A se define com vulnerabilidade natural de baixa a moderada.
122
Figura 6.16 – Mapa de vulnerabilidade natural segundo a geomorfologia - área de estudo A
A vulnerabilidade natural segundo à ponderação da geomorfologia da área de estudo B é

apresentada na Figura 6.17, onde houve predomínio de áreas classificadas com
vulnerabilidade natural muito baixa, com 81,35% da área total, que equivale a 38,63 km²;
8,74 km² (18,40%) pertence à classe vulnerabilidade natural moderada; e com menor
representação está a classe de vulnerabilidade natural muito alta, com 0,12 km² (0,25%); não
houve área com vulnerabilidade natural baixa ou alta.
123
Figura 6.17 – Mapa de vulnerabilidade natural segundo a geomorfologia - área de estudo B
e) Geologia
O fator de geologia foi reclassificado de acordo com a análise da litologia local e com o
auxílio da Tabela 5.11. A distribuição espacial das classes de vulnerabilidade natural
segundo a geologia para as áreas de estudo A e B está apresentada nas Figura 6.18 e Figura
6.19, respectivamente.
A vulnerabilidade natural segundo à ponderação da geologia da área de estudo A é

apresentada na Figura 6.18, indica que cerca de 8,24% da área ou 85,53 km² é classificada
com vulnerabilidade natural muito baixa; não há área de baixa vulnerabilidade natural; a
classe de vulnerabilidade natural moderada é a que mais representa geologicamente a área
de estudo A, visto que 1253,96 km² da área está enquadrada nessa classe, o que representa
55,73% da área total. Por sua vez, a classe de vulnerabilidade natural alta possui uma área
de 743,74 km²; e a classe de vulnerabilidade natural muito alta é a menos representativa em
termos de área, pois apenas 66,95 km² pertencem a esta classe.
124
Figura 6.18 – Mapa de vulnerabilidade natural segundo a geologia - área de estudo A
A vulnerabilidade natural segundo à ponderação da geologia da área de estudo B é

apresentada na Figura 6.19, e indica que 11,01 km² (23,19%) pertence à classe de
vulnerabilidade natural muito baixa. Por sua vez, 2,19 km² (4,62%) pertence à classe de
vulnerabilidade natural moderada; e a classe de vulnerabilidade natural alta abrange 72,20%
da área total de estudo, o equivalente a 34,29 km², sendo assim é, em termos de área, a mais
representativa das classes de vulnerabilidade natural, e as unidades de metarritmito, arenoso
e argiloso são as que conferem essa característica. Não houve na área de estudo B
representação das classes de vulnerabilidade natural baixa e muito alta.
125
Figura 6.19 – Mapa de vulnerabilidade natural segundo a geologia - área de estudo B
6.2.2. Análise Hierárquica de Processos
Os critérios utilizados para definir o grau de importância dos cinco fatores analisados foram,
o levantamento bibliográfico, a escala e a resolução espacial dos dados utilizados, que
resultaram na construção da matriz de comparação pareada apresentada na Tabela 6.8. A
relação entre os fatores é definida pela comparação dos mesmos, de forma pareada, sendo
assim, o método AHP interpreta matematicamente esses valores e define uma hierarquização
imparcial (Pinese Júnior e Rodrigues, 2012).
O uso e cobertura do solo foi definido como o fator de maior importância, por estar associado
aos impactos ambientais resultantes da ação antrópica, principalmente com relação a retirada
da cobertura vegetal, fato observado com a classificação temática das imagens das áreas de
estudo. A declividade é o fator seguinte em grau de importância, devido sua influência nas
formas de relevo, podendo favorecer o arraste de sedimentos da superfície do solo decorrente
principalmente da ação da chuva, potencializada em áreas com maiores declividades.
Em termos de importância, depois da declividade, encontra-se a pedologia e geomorfologia,

definidas com o mesmo grau de importância, pois, as características do solo e de relevo da
126
paisagem influenciam na definição de vulnerabilidade ambiental, em especial, em se
tratando de processos erosivos do solo. As unidades litológicas definem a geologia de uma
área e exercem significativa influência sobre a formação do solo, porém tal fato é observado
com o passar de muitos anos. Devido ao curto período de análise, principalmente, da área de
estudo B, este fator foi definido como o de menor importância para a análise da
vulnerabilidade ambiental.
Tabela 6.8 – Matriz de comparação pareada

Uso e
Fatores cobertura Declividade Pedologia Geomorfologia Geologia
do solo
Uso e cobertura
1 3 5 5 7
do solo
Declividade 1/3 1 3 3 5
Pedologia 1/5 1/3 1 1 3
Geomorfologia 1/5 1/3 1 1 3
Geologia 1/7 1/5 1/3 1/3 1
Somatória 1,88 4,87 10,33 10,33 19,00
A Tabela 6.9 apresenta a matriz normalizada e o peso relativo de cada fator considerado,
sendo que a primeira foi definida por meio da divisão de cada elemento da matriz de
comparação pareada pela somatória da coluna em questão; já o peso relativo foi obtido por
meio da somatória de cada linha da matriz normalizada dividido pela ordem da matriz.
Tabela 6.9 – Matriz normalizada

Uso e
Pesos
Fatores cobertura Declividade Pedologia Geomorfologia Geologia
relativos
do solo
Uso e cobertura
0,533 0,616 0,484 0,484 0,368 0,497
do solo
Declividade 0,178 0,205 0,290 0,290 0,263 0,245
Pedologia 0,107 0,068 0,097 0,097 0,158 0,105
Geomorfologia 0,107 0,068 0,097 0,097 0,158 0,105
Geologia 0,076 0,041 0,032 0,032 0,053 0,047
Somatória - - - - - 1,000
De acordo com Pinese Júnior e Rodrigues (2012), o procedimento de ponderação e

normalização dos dados decorrentes da aplicação do método AHP podem reduzir os erros
127
de julgamento, o que resulta em mapas de vulnerabilidade ambiental com certa
imparcialidade nos resultados e com boa diferenciação dos níveis de vulnerabilidade de uma
área quanto aos processos geoambientais e antrópicos. Assim, para o cálculo do autovetor
λmax é necessário calcular a matriz Aw, que é resultante do produto da matriz de comparação
pareada pela matriz de pesos relativos, conforme demonstrado a seguir:
1 3 5 5 7 0,497 2,614
1/3 1 3 3 5 0,245 1,277
𝐴𝑤 = 1/5 1/3 1 1 3 𝑥 0,105 = 0,532
1/5 1/3 1 1 3 0,105 0,532
[1/7 1/5 1/3 1/3 1] [0,047] [0,273]
Por meio da Equação (5.5) calculou-se o λmax:
𝑛
1 [𝐴𝑤]
𝜆𝑚𝑎𝑥 = ∑
𝑛 𝑃𝑖
𝑖=1
1 2,614 1,277 0,532 0,532 0,273

𝜆𝑚𝑎𝑥 = [ + + + + ] = 5,1274
5 0,497 0,245 0,105 0,105 0,047
O Índice de consistência foi calculado pela Equação (5.6):
(𝜆𝑚𝑎𝑥 − 𝑛)
𝐼𝐶 =
(𝑛 − 1)
(5,1274 − 5)
𝐼𝐶 =
(5 − 1)
𝐼𝐶 = 0,0318
Para verificar a consistência no desenvolvimento do método, calculou-se a Razão de

Consistência (RC) por meio da Equação (5.7), sendo IR igual a 1,12 obtido pela Tabela 5.13.
𝐼𝐶
𝑅𝐶 =
𝐼𝑅
128
0,0318
𝑅𝐶 =
1,12
𝑅𝐶 = 0,0284
Saaty (1980) defende que o valor de razão de consistência seja menor que 0,10, portanto os
pesos utilizados para o modelo são aceitáveis, visto que a razão de consistência calculada foi
de 0,0284. A diminuição da subjetividade na determinação dos pesos relativos e a análise do
grau de coerência adotado pelo usuário por meio da razão de consistência, são apontados
como vantagens da utilização do método (Pinese Júnior e Rodrigues, 2012).
Com a definição e validação dos pesos dos fatores, o mapa de vulnerabilidade ambiental da
área foi produzido pela Equação (5.8):
𝑉𝐴 = 0,497. (𝑢𝑠𝑜 𝑒 𝑐𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 𝑑𝑜 𝑠𝑜𝑙𝑜) + 0,245. (𝑑𝑒𝑐𝑙𝑖𝑣𝑖𝑑𝑎𝑑𝑒) + 0,105. (𝑝𝑒𝑑𝑜𝑙𝑜𝑔𝑖𝑎)

+ 0,105. (𝑔𝑒𝑜𝑚𝑜𝑟𝑓𝑜𝑙𝑜𝑔𝑖𝑎) + 0,047. (𝑔𝑒𝑜𝑙𝑜𝑔𝑖𝑎)
Os dados descritos e detalhados a seguir fazem referência a Tabela 6.10, que contém a
distribuição das classes de vulnerabilidade ambiental das áreas de estudo A e B, em termos
de área e porcentagem de área.
Tabela 6.10 – Vulnerabilidade ambiental em termos de área e porcentagem

Classe de Área de estudo A Área de estudo B
Valor
vulnerabilidade Área (km²) Área (%) Área (km²) Área (%)
Muito baixa 1,0 – 1,3 126,01 5,61 8,37 17,63
Baixa 1,3 – 1,7 351,49 15,66 11,49 24,20
Moderada 1,7 – 2,2 1.376,05 61,31 24,15 50,87
Alta 2,2 – 2,6 383,86 17,10 3,46 7,30
Muito alta 2,6 – 3,0 7,13 0,32 0,00 0,00
A análise da área de estudo A, por meio da Tabela 6.10 e do mapa de vulnerabilidade

ambiental apresentado na Figura 6.20, indica que 5,61% da área total pertence à classe de
vulnerabilidade ambiental muito baixa o que equivale, em área, a 126,01 km², nessas áreas
identificou-se principalmente a presença de mata ciliar/galeria, cerrado e de corpos d’água,
como lagos e reservatórios. A classe de vulnerabilidade ambiental baixa representa cerca de
15,66% do total de área, ou seja, 351,49 km², isto ocorre principalmente devido a presença
129
de áreas com classe temática de agricultura e área urbanizada. A classe de vulnerabilidade
ambiental moderada representa mais da metade da área de estudo A, com aproximadamente
61,31% da área total, cerca de 1.376,05 km² e está associada a presença de classe temática
campo. As áreas com classe de vulnerabilidade ambiental alta é de 17,10% da área total,
com 383,86 km². A classe de vulnerabilidade muito alta representa 0,32% da área total, ou
seja, 7,13 km².
Figura 6.20 – Mapa de vulnerabilidade ambiental - área de estudo A

A análise da área de estudo B, por meio da Tabela 6.10 e do mapa de vulnerabilidade
ambiental apresentado na Figura 6.21 indica que 17,63% da área total foi definida com
vulnerabilidade ambiental muito baixa, este valor abrange cerca de 8,37 km². Foi
identificada nesta classe, principalmente, área do lago e área com vegetação de
reflorestamento de Pinus sp.; com a presença de latossolo vermelho e, em menor quantidade,
latossolo vermelho-amarelo; com predomínio de declividade até 6% (muito baixa e baixa).
130
Figura 6.21 – Mapa de vulnerabilidade ambiental - área de estudo B
Na área de estudo B há predomínio, então, das classes de vulnerabilidade ambiental baixa,

moderada e alta que, juntas, somam 75,07% da área total. A classe de baixa vulnerabilidade
ambiental representa 24,20% da área de estudo B, o equivalente a 11,49 km², e está associada
principalmente área urbanizada e a área de vegetação de cerrado e mata ciliar/galeria. De
maneira geral, a área urbanizada apresenta declividade de muito baixa a baixa, com a
presença de latossolo vermelho e latossolo vermelho-amarelo, e os fatores geologia e
geomorfologia são bastante variáveis; já as áreas com cerrado e mata ciliar/galeria possuem
declividade de média a alta, por estarem próximas a corpos hídricos, com presença
dominante de cambissolo, e geomorfologia com área de rebordo e plano intermediário e
unidades de metarritmito arenoso e metarritmito argiloso.
A classe de vulnerabilidade ambiental moderada representa 50,87% da área total, ou seja,

24,15 km², e encontra-se principalmente em área com de uso e cobertura do solo classificada
como campo, com declividade de muito baixa a baixa, com solo predominante do tipo
latossolo vermelho e latossolo vermelho-amarelo e geomorfologia predominante de
chapadas elevadas.
131
A classe de vulnerabilidade ambiental alta está presente em 3,46 km², o que representa 7,30%
da área de estudo B, com uso do solo na classe temática campo, com declividade de 2 a 20%,
ou seja, de baixa a média, presença de latossolo vermelho, latossolo vermelho-amarelo e
cambissolo, sendo a geomorfologia e a geologia com características variadas. Não há
representação da classe de vulnerabilidade ambiental muito alta. Pinese Júnior e Rodrigues
(2012) corroboram os resultados obtidos, já que concluíram que nas áreas classificadas com
vulnerabilidade muito alta os riscos ambientais aumentam.
6.3. MAPAS DE TEMPERATURA DA SUPERFÍCIE TERRESTRE
Os mapas de temperatura da superfície terrestre foram elaborados de acordo com os

procedimentos metodológicos descritos no item 5.2.3.
6.3.1. Área de estudo A
Os mapas de temperatura aparente da superfície terrestre elaborados para a área de estudo

A, em datas específicas, para os anos de 1985, 1995, 2005 e 2016 estão apresentados nas
Figura 6.22, Figura 6.23, Figura 6.24 e Figura 6.25. Os dados de temperatura de solo foram
relacionados com os dados de precipitação disponíveis no site do INMET, da Estação
Brasília e com as características de uso e cobertura do solo.
Por meio da análise visual do mapa de temperatura da superfície terrestre da Figura 6.22
observou-se para data de obtenção da imagem Landsat, 18 de setembro de 1985, que as
temperaturas predominantes na área da imagem variavam entre 29 a 33 ºC, com média de
temperatura em torno de 30 ºC. Não houve precipitação neste dia, nem nos dias antecedentes
a este, e foi registrado durante o mês de setembro 55,2 mm de precipitação, distribuído
durante sete dias.
As temperaturas mais baixas foram identificadas em áreas representados pela classe temática
corpo d’água, sendo elas de no máximo 21 °C; as classes temáticas de agricultura e mata
ciliar/galeria apresentaram temperatura de superfície terrestre entre 21 a 25 °C; a classe
temática área urbanizada tiveram as temperatura variando entre 27 a 31 °C; as classes
temáticas com temperaturas mais elevadas e mais variáveis, acima de 27 °C foram campo,
cerrado e solo exposto; indicativo de que áreas vegetadas tendem a apresentar temperaturas
mais baixas do que área com pouca ou sem nenhuma vegetação.
132
1985 - área de estudo A
Por meio da análise visual do mapa de temperatura da superfície terrestre, na Figura 6.23,
observou-se para data de obtenção da imagem Landsat, 14 de setembro de 1995, que as
temperaturas predominantes estavam em torno de 27 a 29 °C, sendo a média de
aproximadamente 28 ºC. Não houve precipitação neste dia, nem nos dias antecedentes a este,
e a precipitação mensal foi a mais baixa registrada (0,6 mm) entre os meses de setembro de
1985, 1995, 2005 e 2016, que se distribuiu em apenas 2 dias. Apesar da densidade
populacional, o Plano Piloto de Brasília é bastante arborizado, e de acordo com Jenerette et
al. (2016) a vegetação tem significativo efeito de resfriamento em área urbanizada, o que
justifica o predomínio de temperatura de superfície em torno de 26 a 28 °C.
A Figura 6.23 demonstra que a classe temática corpo d’água apresenta as menores
temperaturas, entre 19 a 23 °C; em seguida tem-se as classes temáticas de agricultura e mata
cilar/galeria, com temperaturas de superfície terrestre variando entre 21 a 25 °C; a classe
temática cerrado apresentou temperatura variando entre 25 e 27 °C; a classe temática área
urbanizada tiveram as temperatura variando entre 25 e 29 °C; as classes temáticas campo e
133
solo exposto apresentaram temperaturas variando entre 27 a 37 °C, e assim como observado
em 1985 estas foram as classes temáticas com temperaturas mais elevadas.

Por meio da análise visual do mapa de temperatura da temperatura da superfície terrestre da

Figura 6.24, observou-se para data de obtenção da imagem Landsat, 09 de setembro de 2005,
que o mapa revela que as temperaturas predominantes estavam na faixa de 21 a 23 °C e a
temperatura média era de 22,5 °C. A precipitação mensal registrada foi de 55,9 mm. Assim
como nos anos anteriores não houve precipitação no dia em que a imagem da banda espectral
do infravermelho termal do Landsat TM 5 foi obtida, porém registrou-se uma precipitação
no dia 07 de setembro de 2005, que pode ter contribuído para a redução na temperatura da
área, visto que este foi o mapa que apresentou as temperaturas mais baixas.
A Figura 6.24 demonstra que a classe temática corpo d’água apresenta as menores
temperaturas, sendo elas no máximo 17 °C; em seguida tem-se as classes temáticas de
agricultura e mata cilar/galeria, com temperaturas de superfície terrestre variando entre 17 a
134
19 °C; as classes temáticas cerrado, campo, área urbanizada e solo exposto apresentaram
temperatura variando entre 21 e 29 °C.

Por meio da análise visual do mapa de temperatura da superfície terrestre da Figura 6.25,
observou-se para data de obtenção da imagem Landsat, 07 de setembro de 2016, a maior
parte das temperaturas estavam em torno de 29 a 33 °C, sendo a temperatura média para este
dia de 31,5°C. A precipitação registrada neste mês é exatamente igual a setembro de 2005,
que foi distribuída em 5 dias, não havendo registro de volume precipitado no dia 07, nem
nos dias antecedentes a este no mês de setembro.
Comparando as temperaturas aparentes da superfície terrestre de 1985, 1995, 2005 e 2016,

observou-se que, neste último, as temperaturas foram mais elevadas para toda a área de
estudo A, corroborando os dados obtidos por Steinke et al. (2010), que demonstram que a
metodologia de Malaret et al. (1985), utilizada nas imagens do Landsat 5, ou seja, nos três
primeiros anos analisados, pode subestimar os resultados obtidos. A Figura 6.25 demonstra
que a classe temática corpo d’água apresenta as menores temperaturas, entre 21 a 23 °C; em
135
seguida tem-se as classes temáticas de agricultura e mata ciliar/galeria, com temperaturas de
superfície terrestre variando entre 23 a 27 °C; a classe temática área urbanizada tiveram as
temperatura variando entre 27 e 31 °C; as classes temáticas campo, cerrado e solo exposto
apresentaram temperaturas superiores a 27 °C.

Observou-se que no período de 11 anos houve aumento da temperatura média da superfície

terrestre, passando de 22,5 °C, em 2005, para 31,5 °C, em 2016. A elevação da temperatura
da superfície terrestre pode estar associada a ausência de precipitação nos dias antecedentes
a obtenção da imagem de satélite, ao processo de urbanização da área, com crescimento das
classes temáticas área urbanizada e solo exposto, assim como apresentado no item 6.1.1, ou
ainda devido a subestimação da temperatura pela metodologia proposta por Malaret et al.
(1985), utilizada para calcular a temperatura de superfície terrestre dos anos 1985, 1995 e
2005.
A precipitação registrada para os meses de setembro dos anos estudados esteve em torno de
55 mm, o valor se aproximou da média para o mês, de 43,81 mm, calculada a partir da série
136
histórica de precipitação, entre os anos de 1980 e 2016. O ano de 1995 é uma exceção ao
observado neste estudo, já que a precipitação registrada foi muito abaixo da média, inferior
a 1 mm, fato este que não é incomum para a região, pois já foram registrados meses de
setembro que não houve precipitação (0 mm), podendo estar relacionado a fenômenos
climáticos, como El Niño e La Niña.
6.3.2. Área de estudo B
O mês de julho foi escolhido para proceder com as análises de temperatura da superfície
terrestre, por essa razão, foram utilizadas imagens do infravermelho termal do Landsat 5 de
18/07/2009 e 24/07/2011; e do Landsat 8 de 16/07/2014.
A escolha do mês e do dia das imagens utilizadas nesta etapa dependeu dos dados históricos,
de 1980 a 2016, disponíveis no website do INMET (2017), da estação meteorológica mais
próxima ao local de estudo, a Estação Brasília. Por meio da análise da precipitação da série
histórica observou-se que a média mensal foi de 5,13 mm em junho, 5,35 mm em julho,
20,07 mm em agosto e 43,81 mm em setembro. Desta forma o mês de junho foi, em média,
o que apresentou menor precipitação, porém para os anos de interesse, o mês de julho foi o
com menores índices pluviométricos, e por isso foi o escolhido, sendo que neste mês não
houve precipitação em 2009 e 2011, e em 2014 a precipitação foi de 7,9 mm. Os demais
dados meteorológicos da Estação Brasília para a data que as imagens do Landsat foram
adquiridas estão apresentadas na Tabela 6.11.
Tabela 6.11 – Dados meteorológicos na data da aquisição das imagens

(INMET, 2017)
Precip¹ Precip Temp² Temp Temp UR³ Vel³ Vento
Insolação
Data diária mensal Máxima Mínima Compensada Média Média
(horas)
(mm) (mm) (°C) (°C) Média (°C) (%) (mps)
18/07/2009 0 0 25,6 14,2 19,00 9,8 56,00 1,33
24/07/2011 0 0 23,3 13,6 17,66 9,2 52,00 5,00
16/07/2014 0 7,9 25,9 11,4 18,66 9,1 52,75 2,00
4
¹Precipitação; ²Temperatura; ³Umidade Relativa; Velocidade
Os mapas de temperatura da superfície terrestre confeccionados conforme procedimentos

descritos no item 5.2.3 estão apresentados nas Figura 6.26, Figura 6.27 e Figura 6.28.
137
Por meio da análise visual do mapa de temperatura da superfície terrestre, da Figura 6.26,
observou-se para a data da obtenção da imagem Landsat, 18 de julho de 2009, que a área de
estudo B apresenta uma temperatura média de 24,2 ºC, com mínima de 19,65 °C e máxima
de 30,98 °C, onde observou-se predomínio de temperatura na faixa de 25 a 26 °C.
Como esperado, a classe temática corpo d’água foi a que apresentou as menores
temperaturas, inferiores a 22 °C. Com relação a classe temática vegetação, onde apresentou-
se mais densa, principalmente na área de reflorestamento de Pinus sp., a temperatura foi
mais amena, entre 19 a 21 °C, e observou-se ainda que do centro para as bordas da classe de
vegetação houve um aumento gradativo da temperatura até a faixa de 24 °C, sendo assim a
classe temática de vegetação teve variação de temperatura de 19 a 24 °C.
Por sua vez, a classe temática de área urbanizada apresentou temperaturas entre 25 a 29 °C.
A classe temática campo e solo exposto foi a que indicou temperaturas mais elevadas, acima
de 27 a 31 °C, devido à baixa densidade de vegetação e a presença áreas degradadas onde o
solo apresenta-se exposto sem nenhum tipo de cobertura vegetal, corroborando os resultados
obtidos por Sousa e Ferreira (2012) que relataram que áreas com cobertura de solo exposto,
como áreas de plantio, queimadas e bairros sem cobertura asfáltica respondem pelas maiores
temperaturas registradas.
138
área de estudo B
A análise visual do mapa de temperatura da superfície terrestre da Figura 6.27 observou-se

para data de obtenção da imagem Landsat, 24 de julho de 2011, a temperatura média de 22,1
ºC, com mínima de 13,4 °C e máxima de 30,09 °C com predomínio de temperatura menores
que 20 °C. Apesar deste mapa ter apresentados as menores temperaturas entre os anos
estudados mostrou-se com as mesmas tendências do anterior, sendo que as classes temáticas
corpo d’água (inferior a 22 °C) e vegetação (16 a 25 ºC) tiverem temperaturas mais baixas
enquanto as classes temáticas área urbanizada (18 a 25 ºC) e campo e solo exposto (19 a 30
ºC) apresentaram as temperaturas mais elevadas.
Kauwe et al. (2013) afirmaram que a maior variabilidade na temperatura da superfície

terrestre é resultante das variações diárias na velocidade do vento, alteração da radiação da
superfície devido à presença de nuvens e poeira, além de erros aleatórios no processamento
das imagens. Isso pode explicar as temperaturas mais baixas em grande parte do mapa de 24
de julho de 2011, já que neste ano foram registrados a maior velocidade média do vento e a
menor temperatura média, quando comparada aos demais anos analisados, conforme
apresentado na Tabela 6.11.
139
área de estudo B
Por meio da análise visual do mapa de temperatura as superfície terrestre da Figura 6.28
observou-se que, para data de obtenção da imagem Landsat, 16 de julho de 2014, as
temperaturas predominantes estavam em torno de 23 e 24 °C, sendo a média de
aproximadamente 23 ºC, a mínima de 18,6 °C e máxima de 31,26 °C.
Na Figura 6.28, assim como o mapa de temperatura da superfície terrestre de 18 de julho de

2009, a classe temática corpo d’água apresentou temperatura inferior a 22 °C. Na classe
temática vegetação observou-se temperaturas mais baixas, porém variáveis, entre 19 ºC a 23
°C, com destaque para a área de reflorestamento de Pinus sp. que, em grande parte,
apresentou temperatura entre 19 e 20 °C. A classe temática área urbanizada teve sua
temperatura variando entre 24 a 27 °C, e a classe temática campo e solo exposto teve as
temperaturas mais variáveis, entre 22 a 31 °C.
140
área de estudo B
Quando se compara os mapas de temperatura da superfície terrestre em 18 de julho de 2009

e 16 de julho de 2014 observa-se, no geral, que o primeiro apresentou temperaturas da
superfície mais elevadas, justificada pelo registro de dados meteorológicos como,
temperatura mínima e média, insolação e umidade relativa, que apresentaram valores mais
elevados.
Os latossolos presentes predominantemente na área de estudo B são solos com alta

permeabilidade de água (Reatto et al., 2004), e quando possuem uma maior granulometria
aumentam sua capacidade de infiltração devido ao maior número de espaços vazios na
estrutura do solo, com consequente maior drenagem das águas pluviais e menor escoamento
superficial, o que pode resultar em condições favoráveis para o aquecimento da superfície
quando não houver eventos de precipitação. Já em áreas com temperaturas de superfície
terrestre mais amenas, pode indicar a presença de latossolo com granulometria mais fina, o
que implica em infiltração e drenagem mais lenta e maior escoamento superficial,
acarretando que as águas pluviais permaneçam por mais tempo no solo, retardando, assim,
a elevação da temperatura de superfície do solo. Para a comprovar estas afirmativas, seria
141
interessante a realização de análises granulométricas da área de estudo B para pesquisar a
sua relação com a variação da temperatura da superfície do solo, o que fica como indicação
para trabalhos de pesquisas futuros.
O comportamento espectral na região do infravermelho termal da cobertura do solo é um

fator relevante e que deve ser considerado para a análise da resposta termal e da capacidade
de infiltração das águas pluviais, visto a variação durante o dia e a noite, devido,
principalmente, à capacidade térmica dessa cobertura do solo em si, que determina a variação
de temperatura de acordo com a quantidade de calor recebida. Os solos e rochas, por
exemplo, apresentam baixa capacidade térmica com pico de emissão térmica entre as 12
horas e 16 horas, por essa razão aparecem mais quentes em imagens diurnas; a água, no
entanto, por possuir alta capacidade térmica, apresenta baixa variação de temperatura
durante as 24 horas do dia (Jensen, 2009). Corroborando os resultados de Jensen (2009),
observou-se temperaturas de cobertura do solo mais elevadas em área temática de solo
exposto e temperaturas mais amenas no trecho do Lago Paranoá, na área de estudo B.
Os fatores relacionados com as diferenças entre a natureza dos alvos da imagem, a

emissividade desses alvos e os efeitos atmosféricos podem dificultar a determinação mais
precisa da temperatura superfície terrestre em diversas escalas cartográficas. Segundo
Steinke et al. (2010), um possível erro introduzido por não proceder com as correções
atmosféricas e de emissividade dos alvos, pode ser considerado baixo quando a área de
estudo é pequena e a imagem do infravermelho termal tiver sido obtida em um dia com
tempo estável condições que se assemelham as aqui apresentadas.

DO SOLO
Os procedimentos da modelagem da dinâmica ambiental do uso e cobertura do solo

aplicados nesta etapa, na área de estudo B, foram descritos no item 5.2.4 e os resultados
obtidos são apresentados a seguir.
6.4.1. Preparação dos mapas de entrada
Os mapas de entrada utilizados para o desenvolvimento da modelagem da dinâmica

ambiental do uso e cobertura do solo foram: mapa de uso e cobertura do solo dos anos de
2009, 2011 e 2014; e as variáveis estáticas: declividade, distância até as estradas e distância
142
até à rede de drenagem. Todos os mapas foram convertidos para formato TIFF, reamostrados
para apresentar mesma resolução e mesmo número de linhas e colunas.
6.4.2. Calibração do modelo
Para otimizar a modelagem e realiza-la de maneira mais satisfatória possível, nesta etapa,
foram realizados 6 diferentes testes de modelagem de dinâmica ambiental, que serão
descritos a seguir na Tabela 6.12.
Tabela 6.12 – Testes de modelagem da dinâmica ambiental do uso e cobertura do solo

Mapa de uso e Maior similaridade Área de
Nº de classes
Teste cobertura obtido para janela Resolução simulação
temáticas
Inicial Final 15x15 pixels (km²)
T1 2009 2011 5 0,41 1m 47,49
T2 2009 2011 4 0,46 1m 47,49
T3 2009 2011 4 0,73 5m 47,49
T4 2011 2014 5 0,50 1m 47,49
T5 2011 2014 4 0,38 1m 47,49
T6 2011 2014 3 0,46 1m 5,44
T6_inf 2011 2014 3 0,61 1m 2,72
T6_sup 2011 2014 3 0,60 1m 2,72
A partir da análise dos testes de modelagem realizados e apresentados, resumidamente, na

Tabela 6.12 observa-se que, comparando os testes T1 e T2, houve um pequeno aumento no
valor de similaridade; entretanto, não o suficiente para definir a modelagem como
satisfatória. Os mapas de uso e cobertura do solo utilizados no T2 passaram pelo processo
de pós-classificação, onde foram corrigidos possíveis erros decorrentes do processo de
classificação temática e, além disso, diminuiu-se uma das classes temáticas agregando-se
duas classes temáticas, campo e solo exposto, nos mapas de uso e cobertura do solo, visto
que quanto maior o número de classes temáticas mais complexa e imprecisa se torna a
modelagem da dinâmica ambiental (Batty et al., 1999). Os resultados do T2 demonstram
que considerando a janela com tamanho de 15x15 pixels, ou seja, quando se observa uma
janela com resolução de 15 metros, a similaridade entre o mapa simulado e o mapa real foi
de apenas 46%.
143
As dificuldades de alcançar resultados satisfatórios na fase de simulação decorrem da alta
resolução espacial das imagens de satélite utilizadas na confecção dos mapas de uso e
cobertura de solo (1 metro), que torna a modelagem dinâmica ambiental mais demorada e
menos precisa. Considerando isto, os mapas de entrada do teste T3 foram reamostrados para
que o pixel passasse de 1 metro para 5 metros de resolução espacial, com isso a similaridade
entre o mapa real e simulado foi de 73% para a janela com tamanho de 15x15 pixels. Porém,
considerando que nessa janela a resolução é de 75 metros, esta abordagem acaba por não ser
muito interessante visto que a alta similaridade foi alcançada em detrimento da qualidade da
resolução espacial.
Por sua vez, entre os anos de 2009 e 2011 não houveram mudanças representativas no uso e
cobertura do solo, afirmativa que não representa o observado entre os anos de 2011 e 2014.
Diante disto, mesmo que a simulação utilizando os mapas de uso e cobertura do solo dos
anos de 2009 e 2011 alcançasse um valor de similaridade acima de 50%, a revalidação da
simulação, feita utilizando os mesmos parâmetros dos autômatos celulares (AC), Patcher e
Expander, e probabilidade, para os mapas de uso e cobertura do solo dos anos de 2011 e
2014 não representaram de forma adequada as mudanças nesse período, já que estas datas
foram mais significativas devido à retirada de vegetação para implantação do Plano de
Expansão do Paranoá. Por essas razões, buscou-se construir o modelo da dinâmica ambiental
do uso e cobertura do solo utilizando os mapas de uso e cobertura do solo dos anos de 2011
e 2014, como mapa inicial e final, respectivamente.
O teste T4, indicou que a similaridade encontrada foi de no máximo 50%, utilizando os
mapas de uso e cobertura dos anos de 2011 e 2014 que não haviam passado pelo processo
de pós-classificação, estando ainda com cinco classes temáticas. Com as imagens pós-
classificadas realizou-se o T5, que indicou valores de similaridade muito baixa, em torno de
38%. Na busca da otimização, buscou-se focar a modelagem da dinâmica ambiental na área
que mais houve mudanças durante o período de análise, ou seja, nas proximidades do
Paranoá Parque. Esta análise foi proposta visto que em 2014 o empreendimento não havia
sido concluído e a área ainda estava sujeita às pressões antrópicas e, portanto, às mudanças
no uso e cobertura do solo, e, a partir desses dados podem ser gerados os cenários
prospectivos de curto prazo.
Foi realizado, então, o teste T6, onde notou-se aumento da similaridade entre o mapa real e
o mapa simulado, alcançando 46%. No teste T6 os mapas de uso e cobertura do solo foram
144
recortados em uma área menor, envolvendo apenas as proximidades do Paranoá Parque
como apresentado na Figura 6.29, que foram utilizadas na simulação 3 classes temáticas de
uso e cobertura do solo, as classes temáticas área urbanizada, campo e solo exposto e
vegetação.
Figura 6.29 – Mapa das áreas utilizadas na modelagem da dinâmica ambiental do uso e
cobertura do solo da área de estudo B
Com a finalidade de obter o melhor o valor de similaridade as imagens foram recortadas

traçando-se uma diagonal do canto superior esquerdo ao canto inferior direito (Figura 6.29),
denominadas apenas imagens inferior (inf) e superior (sup). Os testes T6_inf e T6_sup foram
realizados aplicando os parâmetros de AC, Patcher e Expander, e probabilidade do T6, que
teve melhor valor de similaridade, resultando em similaridade de 0,61 e 0,60,
respectivamente.
Nas etapas seguintes está representada a modelagem dinâmica ambiental do uso e cobertura
do solo da área de estudo B para os testes T5 e T6 e os testes com corte diagonal (T6_inf e
T6_sup). Os procedimentos para calibração do modelo foram divididos em duas etapas, o
cálculo das matrizes de transição e a obtenção dos pesos de evidência, que são apresentados
a seguir.
145
a) Cálculo das matrizes de transição
As matrizes de transição de passo único e de passos múltiplos, dos testes T5, T6, T6_inf e
T6_sup, estão apresentadas e descritas a seguir. A Tabela 6.13 representa a matriz de
transição de passo único para o T5, considerando o período (passo) de tempo de três anos.
A maior taxa de transição foi observada da classe temática de vegetação para classe temática
de campo e solo exposto, de 7,15%, seguida de 1,76% que corresponde a taxa de transição
estimada da classe temática de vegetação para a classe temática de área urbanizada e, por
fim, a mudança da classe temática campo e solo exposto para classe temática de área
urbanizada, definida com 1,07% de porcentagem de transição. Para as demais classes
temáticas, a taxa de transição foi de zero, ou próxima a zero, o que significa de não houve
mudanças significativas no período para essas classes temáticas.
Tabela 6.13 – Matriz de transição de passo único – T5

Área Campo e solo
Classes temáticas Corpo d'água Vegetação
urbanizada exposto
Área urbanizada - 0,0052 0,0001 0,0007
Campo e solo exposto 0,0107 - 0,0001 0,0011
Corpo d'água 0,0000 0,0002 - 0,0000
Vegetação 0,0176 0,0715 0,0000 -
A Tabela 6.14 representa a matriz de transição de passos múltiplos para o teste T5, com a
taxa de transição para o passo de tempo de um ano, da classe temática de vegetação para a
classe temática de campo e solo exposto foi de 2,74%; da classe temática de vegetação para
a classe temática de área urbanizada foi de 0,60%; e da classe temática de campo e solo
exposto para classe temática de área urbanizada foi de 0,36%. As transições entre as demais
classes temáticas foram suficientemente pequenas para serem consideradas.
Tabela 6.14 – Matriz de transição de passos múltiplos – T5

Área Campo e solo
Classes temáticas Corpo d'água Vegetação
urbanizada exposto
Área urbanizada - 0,0017 0,0000 0,0002
Campo e solo exposto 0,0036 - 0,0000 0,0004
Corpo d'água 0,0000 0,0000 - 0,0000
Vegetação 0,0060 0,0247 0,0000 -
146
A Tabela 6.15 representa a matriz de transição de passo único para o teste T6, as três
transições mais significativas na área foram, a transição da classe temática de vegetação para
classe temática de campo e solo exposto com taxa de 22,55%; da classe temática de campo
e solo exposto para a classe temática de área urbanizada, a transição foi de 6,57%; e da classe
temática de vegetação para a classe temática de área urbanizada, a transição foi de 5,59%.
Tabela 6.15 – Matriz de transição de passo único – T6

Classes temáticas Área urbanizada Campo e solo exposto Vegetação
Área urbanizada - 0,0095 0,0003
Campo e solo exposto 0,0657 - 0,0010
Vegetação 0,0559 0,2255 -
A Tabela 6.16 representa a matriz de transição de passos múltiplos para o teste T6, a taxa de
8,56% representa a transição da classe temática de vegetação para a classe temática de campo
e solo exposto; a transição da classe temática de campo e solo exposto para a classe temática
de área urbanizada ocorreu com taxa de 2,25%; e da classe temática de vegetação para a
classe temática de área urbanizada foi de 1,87%. Observa-se aumento nos valores de taxa de
transição quando comparados aos dados resultantes do T6, devido à diminuição da área
utilizada na modelagem da dinâmica, onde encontram-se significativas mudanças no uso e
cobertura do solo.
Tabela 6.16 – Matriz de transição de passos múltiplos – T6

Vegetação 0,0187 0,0856 -
A Tabela 6.17 representa a matriz de transição de passo único para o teste T6_inf (imagem
da diagonal inferior), em que a taxa de transição foi de: 2,30% entre a classe temática de
área urbanizada e a classe temática de campo e solo exposto; 1,45% entre a classe temática
de vegetação e a classe temática de campo e solo exposto; 0,8% entre a classe temática de
área urbanizada e a classe temática de vegetação; 0,49% entre a classe temática de campo e
solo exposto e a classe temática de área urbanizada; 0,14% da classe temática campo e solo
exposto para a classe temática de vegetação; e não houve transição entre a classe temática
de vegetação para a classe temática de área urbanizada.
147
Tabela 6.17 – Matriz de transição de passo único – T6_inf
Vegetação 0,0000 0,0145 -
A Tabela 6.18 representa a matriz de transição de passos múltiplos para o teste T6_inf, em
que a taxa de transição foi de 0,77% entre a classe temática de área urbanizada e a classe
temática de campo e solo exposto; 0,49% entre a classe temática de vegetação para a classe
temática de campo e solo exposto; 0,03% entre a classe temática de área urbanizada para a
classe temática de vegetação; 0,17% entre a classe temática de campo e solo exposto para a
classe temática de área urbanizada; 0,05% entre a classe temática de campo e solo exposto
para a classe temática de vegetação; e não houve transição entre a classe temática de
vegetação para a classe temática de área urbanizada.
Tabela 6.18 – Matriz de transição de passos múltiplos – T6_inf

Vegetação 0,0000 0,0049 -
A Tabela 6.19 representa a matriz de transição de passo único para o teste T6_sup (imagem
da diagonal superior), a maior taxa foi representada pela transição entre a classe temática de
vegetação para a classe temática de campo e solo exposto, que foi de 47,81%. Entre a classe
temática de campo e solo exposto para a classe temática de área urbanizada a taxa foi de
12,50%; entre a classe temática de vegetação para a classe temática de área urbanizada, a
taxa de transição foi de 12,27%; entre a classe temática de área urbanizada para a classe
temática de campo e solo exposto, a transição foi de 0,86%; enquanto entre a classe temática
de campo e solo exposto para a classe temática de vegetação foi de 0,05%; e a taxa de
transição entre a classe temática de área urbanizada para a classe temática de vegetação foi
de 0,02%.
148
Tabela 6.19 – Matriz de transição de passo único – T6_sup
Vegetação 0,1227 0,4781 -
A Tabela 6.20 representa a matriz de transição de passos múltiplos para o teste T6_sup, as
taxas de transição foram de: 22,12% entre a classe temática de vegetação para a classe
temática de campo e solo exposto; 4,37% entre a classe temática de campo e solo exposto
para a classe temática de área urbanizada; 4,26% entre a classe temática de vegetação para
a classe temática de área urbanizada; 0,30% entre a classe temática de área urbanizada para
a classe temática de campo e solo exposto; 0,02% entre a classe temática de campo e solo
exposto para a classe temática de vegetação; e 0,01% entre a classe temática de área
urbanizada para a classe temática de vegetação.
Tabela 6.20 – Matriz de transição de passos múltiplos – T6_sup

Vegetação 0,0426 0,2212 -
b) Obtenção dos pesos de evidência
O método dos pesos de evidência foi utilizado para calcular as probabilidades de transição
de cada célula na fase de calibração do modelo da dinâmica ambiental do uso e cobertura do
solo, e por meio dos mapas de variáveis estáticas e dinâmicas foi gerado o esqueleto para o
cálculo dos pesos de evidência. Nesta etapa definiram-se os intervalos ou faixas de distância
das variáveis estáticas para cada transição encontrada, incluindo as distâncias até as classes
de uso identificadas. O esqueleto estabelece as melhores faixas de distância para o cálculo
dos pesos de evidência a partir da função Determine Weights of Evidence Ranges, do sistema
Dinamica EGO. O arquivo com o esqueleto dos pesos foi utilizado juntamente com o cubo
raster e os mapas inicial e final para o cálculo dos coeficientes dos pesos de evidência. Nesse
modelo, o operador Calc Distance Map também foi usado para inclusão dos mapas de
distância até as classes. O cálculo dos coeficientes dos pesos de evidência foi realizado por
meio da função Determine Weights of Evidence Coefficients.
149
Para utilização do método de pesos de evidência, as variáveis devem ser espacialmente
independentes entre si. A correlação entre os pares de variáveis foi verificada pelo cálculo
do Índice de Cramer (V), que como entrada utilizou mapa de uso e cobertura do solo inicial
(ano 2011), os mapas do cubo raster e os coeficientes dos pesos de evidência. As planilhas
resultantes contendo a descrição dos pares de variáveis e o resultado correspondente ao teste
estão apresentadas no Apêndice A.
Como não há consenso na literatura sobre o valor que deve ser considerado para corte da
variável, e considerando que maior correlação é representada quanto maior for o valor,
definiu-se, então, que valores superiores a 0,5 resultaria na exclusão da variável da análise.
Observou-se então, que nenhum dos pares de variáveis apresentou grau de correlação
superior a 0,4, o que indica independência entre os mapas.
6.4.3. Construção do modelo de simulação e validação
Com os procedimentos descritos no item 5.2.4.3 o modelo de simulação foi construído e

procedeu-se com sua a validação, os resultados obtidos estão descritos no item a seguir.
a) Modelo de simulação
A etapa seguinte ao processo de calibração, é a construção do modelo de simulação para

gerar um cenário simulado, utilizando como dados de entrada: o mapa inicial de uso e
cobertura do solo referente ao ano de 2011; os mapas de variáveis, no formato de um mapa
cubo raster; o arquivo contendo os coeficientes dos pesos de evidência; e a matriz de
transição de múltiplos passos.
Foram adotados os valores de área em hectare dos parâmetros Mean Patch Size (tamanho
médio), Patch Size Variance (variância) e Patch Isometry (isometria) para os AC Patcher e
Expander, que são responsáveis pelo surgimento de novas manchas e pela expansão e
contração de manchas de células de cada classe, respectivamente. A escolha desses
parâmetros foi realizada após múltiplas tentativas de variação dos mesmos, de forma a
produzir diferentes padrões espaciais de mapa simulado, que foram comparados ao mapa
real de uso e cobertura, primeiramente por análise visual e, em seguida, por valores de
similaridade, até alcançar valores aceitáveis de similaridade.
150
No teste T5 foram percebidas dificuldade de simulação, principalmente devido à
heterogeneidade espacial da transição das classes temáticas, conforme apresentado no item
anterior, onde determinadas classes temáticas demonstraram elevadas taxas de transição,
enquanto para outras classes temáticas, praticamente não houve mudanças. Por essa razão,
para o T5, os parâmetros dos AC Patcher e Expander foram definidos considerando,
individualmente, a taxa de transição de uma classe para outra, e estão apresentados na Tabela
6.21.
Tabela 6.21 – Parâmetros de Patcher e Expander escolhidos para o teste T5

Mean Patch Size
Classe Área Campo e
Corpo d'água Vegetação
temática urbanizada solo exposto
Área
- 0,010 0,010 0,010
urbanizada
Campo e solo
0,001 - 0,010 0,010
exposto
Corpo d'água 0,010 0,010 - 0,010
Vegetação 0,001 0,001 0,010 -
Patch Size Variance
Área
- 0,020 0,020 0,020
urbanizada
Campo e solo
0,002 - 0,020 0,020
exposto
Corpo d'água 0,020 0,020 - 0,020
Vegetação 0,002 0,002 0,020 -
Patch Isometry
Área
- 1,5 1,5 1,5
urbanizada
Campo e solo
1,5 - 1,5 1,5
exposto
Corpo d'água 1,5 1,5 - 1,5
Vegetação 1,5 1,5 1,5 -
Probabilidade de transição = 0,95
Os valores escolhidos tanto para os AC Expander como para o Patcher, dos testes T6, T6_inf
e T6_sup foram de: 0,01 para Mean Patch Size, 0,02 para Patch Size Variance, 1,5 para
Patch Isometry e 0,8 para a probabilidade de transição. Esses parâmetros apresentados serão
utilizados na obtenção dos cenários prospectivos, descritos a diante. Os mapas de uso e
151
cobertura do solo do ano de 2014 simulados utilizando os parâmetros escolhidos por meio
do Dinamica EGO estão apresentados na Figura 6.30.
Figura 6.30 – Mapas de uso e cobertura do solo simulados para o ano de 2014
152
b) Validação do modelo de simulação
Os mapas de uso e cobertura do solo do ano de 2014 simulados apresentados no item anterior
foram comparados com o mapa de uso e cobertura do solo do ano de 2014 obtido com os
algoritmos de classificação temática de imagens. Nesta etapa aplicou-se o método de
diferença e similaridade baseada na lógica Fuzzy, para calcular os erros e acertos do modelo
da dinâmica ambiental do uso e cobertura do solo. Nesta fase, os mapas de entrada foram os
de uso e cobertura do solo inicial (ano de 2011), final real (ano de 2014) e o simulado (ano
de 2014).
Na Tabela 6.22 observa-se os valores de similaridade mínima obtidos por meio das funções
de decaimento constante com diferentes tamanhos de janela de pixels, para o modelo entre
os anos de 2011 e 2014 dos testes de simulação T5, T6, T6_inf e T6_sup.
Tabela 6.22 – Índices de similaridade mínima para o modelo 2011 – 2014

Windows Índices de similaridade mínima
Resolução
Sizes (janela
Espacial (m) T5 T6 T6_inf T6_sup
de pixels)
1x1 1 0,20 0,35 0,34 0,51
3x3 3 0,24 0,36 0,37 0,52
5x5 5 0,28 0,37 0,41 0,53
7x7 7 0,31 0,39 0,45 0,54
9x9 9 0,33 0,41 0,49 0,56
11x11 11 0,35 0,43 0,53 0,57
13x13 13 0,37 0,44 0,57 0,58
15x15 15 0,38 0,46 0,61 0,60
Na análise dos mapas de uso e cobertura do solo notou-se que a transição de uma classe
temática não se dá de forma homogênea na área de estudo B, indicando mudanças
consideráveis em alguns locais específicos, principalmente, devido a característica de
morfologia dispersa da área urbanizada, resultando na heterogeneidade espacial das
mudanças nas classes temáticas. Isto pode ter incrementado as dificuldades encontradas na
fase de simulação dos dados do teste T5, que resultou em similaridade abaixo de 50%,
mesmo quando foi considerada a janela de pixels de 15 metros.
153
Observou-se ainda que a medida que o tamanho da área utilizada na modelagem da dinâmica
ambiental do uso e cobertura do solo diminuiu, houve um aumento gradativo no valor de
similaridade. O teste T5 realizado na área de estudo B e, portanto, com área de 47,49 km²,
apresentou similaridade máxima de 38%; enquanto a similaridade do teste T6 foi de 46%,
sendo este realizado em área total de 5,44 km², proveniente de um corte na área de estudo
B; já para os testes T6_inf e T6_sup, a maior similaridade encontrada foi de 61% e 60%,
respectivamente, sendo de 2,72 km² a área dos dados de entrada para cada uma das duas
simulações.
No processo de modelagem da dinâmica ambiental do uso e cobertura do solo, áreas com

taxa de transição muito variável podem resultar na subestimação ou superestimação de
formação ou expansão de manchas de classes temáticas, em determinado locais. Nos locais
onde ocorreram poucas mudanças, as mesmas podem sofrer superestimação de formação ou
expansão de manchas devido à influência de locais onde ocorrem muitas mudanças nas
classes temáticas, assim como pode ocorrer subestimação em locais com muitas alterações
na paisagem por influência daqueles onde ocorreram poucas mudanças. A divisão diagonal
da área buscou confirmar essas afirmações, pois foi observado que a evolução de uso e
cobertura do solo comportou-se de maneira distinta no mapa utilizado no T6, com
basicamente dois padrões, o de poucas mudanças (diagonal inferior da imagem, T6_inf), o
de muitas mudanças (diagonal superior da imagem, T6_sup), o que resultou no aumento da
similaridade.
De forma geral, não foram observadas formações de classes temáticas de uso e cobertura do
solo (manchas) em tamanho e quantidade suficiente para representar bem as mudanças que
ocorreram. Quando testou-se aumentar os valores de tamanho médio, variância e isometria,
houve redução de similaridade. Os testes T6_inf e T6_sup obtiveram os melhores valores de
similaridade, o primeiro atingiu similaridade de 50% quando considerada a resolução de 11
metros, já o segundo com a resolução de 1 metro a similaridade foi de 51%. Ambos possuem
mapas iniciais de uso e cobertura do solo com poucas áreas urbanizadas. Corroborando os
resultados de Trentin e Freitas (2010) que destacam o desempenho apropriado do Dinamica
EGO, sobretudo em aplicações relacionadas ao desmatamento; todavia, nas áreas que
concentram maior detalhamento, como em área urbanas, a criação de manchas de classes
temáticas de uso e cobertura do solo pela simulação não representa bem a realidade.
154
No T6_sup o desmatamento de uma grande área de vegetação para o estabelecimento do
Paranoá Parque, ocorrida em um período curto de tempo (2 anos), pode ser um fator que
dificulta a modelagem da dinâmica ambiental do uso e cobertura do solo, e demandaria a
inclusão de variáveis específicas que pudessem explicar espacialmente esse comportamento.
O intuito da modelagem da dinâmica ambiental do uso e cobertura do solo não é a reprodução

fiel da realidade e, sim, a verificação de padrões e determinação das principais tendências
de modificação espacial das características de uso e cobertura do solo (Trentin e Freitas,
2010) que, entre outras coisas, busca auxiliar o planejamento urbano a fim de melhorar a
qualidade de vida da população e reduzir os impactos decorrentes do processo de
urbanização.
Outro fator relevante é a alta resolução das imagens de satélites utilizadas na produção dos
mapas temáticos de uso e cobertura do solo que foi um fator positivo na etapa de
classificação temática, porém pode ter dificultado o processo de modelagem da dinâmica
ambiental do uso e cobertura do solo, tendo em vista a dificuldade de se alcançar valores de
similaridade acima de 50% entre o mapa real de uso e cobertura do solo e o seu
correspondente simulado no sistema Dinamica EGO. O que implica também em um aumento
significativo no tempo requerido nas etapas de simulação computacional, sendo que quanto
maior a imagem e o número de classes temáticas maior também será esse tempo de
processamento.
6.4.4. Obtenção do cenário prospectivo de tendência histórica
No modelamento da dinâmica ambiental do uso e cobertura do solo foram elaborados

cenários prospectivos de tendência histórica, considerando taxas fixas de transição para o
período da modelagem e projetando-as para o futuro. Os prognósticos de mudanças no uso
e cobertura do solo partem dos modelos calibrados no sistema Dinamica EGO para a
simulação do cenário do ano de 2014, pelos testes T5, T6, T6_inf e T6_sup. Foram utilizados
os parâmetros de cada teste, definidos no item 6.4.3 juntamente com o mapa real de uso e
cobertura do solo para o ano de 2014, para gerar cenários para o ano de 2019. Na Figura 6.31
apresenta-se o cenário prospectivo simulado para o uso e cobertura do solo para 2019 a partir
do modelo calibrado pelo teste T5.
155
Figura 6.31 – Mapa de uso e cobertura do solo simulado para o ano de 2019 - teste T5
Na Tabela 6.23 observa-se que apenas a classe temática vegetação diminuiu sua área, em
aproximadamente 14%, enquanto nas demais classes temáticas houve aumento de área em
taxas percentuais de 8,63% e 3,16% para as classes temáticas de área urbanizada e de campo
e solo exposto, respectivamente.
Tabela 6.23 – Área das classes temáticas de uso e cobertura do solo para T5
Classes temáticas
km2 % km2 % (%)
Área urbanizada 7,99 16,83 8,68 18,29 8,63
Corpo d’água 2,90 6,11 2,91 6,13 0,23
Vegetação 10,85 22,84 9,34 19,67 -13,90
Total 47,49 100,00 47,49 100,00 -
A Figura 6.32 apresenta o cenário prospectivo simulado para o uso e cobertura do solo para
2019 a partir do modelo calibrado pelos testes T6, T6_inf e T6_sup. Nas Tabela 6.24, Tabela
6.25 e Tabela 6.26 estão apresentados os valores de área para cada uma das classes temáticas
156
de uso e cobertura do solo, evidenciando assim como as modificações ocorridas entre o mapa
real de uso e cobertura do solo do ano de 2014 e para o mapa simulado para o ano de 2019.
Figura 6.32 – Mapas de uso e cobertura do solo simulados para o ano de 2019 com os
testes T6, T6_inf e T6_sup
A simulação de cenários prospectivos de uso e cobertura do solo pelos parâmetros do teste

T6, indicou, na Tabela 6.24, que entre o ano de 2014 e para o simulado do ano de 2019 pode
ocorrer aumento de cerca de 79,73% da classe temática de área urbanizada, que passaria de
0,60 para 1,07 km²; assim como 18,68% de incremento nas áreas das classes temáticas de
campo e solo exposto, estas alterações ocorreriam em detrimento da diminuição de 42,18%
da área da classe temática de vegetação.
157
Tabela 6.24 – Área das classes temáticas de uso e cobertura do solo para T6
Classes temáticas
km2 % km2 % (%)
Área urbanizada 0,60 10,99 1,07 19,75 79,73
Vegetação 2,27 41,72 1,31 24,12 -42,18
Total 5,44 100,00 5,44 100,00 -
A Tabela 6.25 demonstra que o T6_inf foi o modelo que apresentou como um todo as
menores variações, sendo o aumento de 33,74% da classe temática área urbanizada, a
alteração mais significa, porém com a área utilizada para simulação é pequena o aumento
foi de apenas 0,01 km² do mapa de uso e cobertura do solo do ano de 2014 para o de 2019.
A classe temática campo e solo exposto aumento de área foi de 3,13%, já a classe temática
da vegetação reduziu em 2,29%.
Tabela 6.25 – Área das classes temáticas de uso e cobertura do solo para T6_inf
Classes temáticas
km2 % km2 % (%)
Área urbanizada 0,02 0,81 0,03 1,08 33,74
Vegetação 1,69 62,34 1,66 60,92 -2,29
Total 2,72 100,00 2,72 100,00 -
A Tabela 6.26 demonstra que houve aumento da classe temática área urbanizada, passando
de 0,58 para 0,99 km², assim como na da classe temática campo e solo exposto, que passou
de 1,57 km² em 2014 para 1,60 km² em 2019. Ao contrário da classe temática vegetação,
que diminuiu de 0,57 para 0,13 km², o que representa variação de 78,18%.
Tabela 6.26 – Área das classes temáticas de uso e cobertura do solo para T6_sup
Classes temáticas
km2 % km2 % (%)
Área urbanizada 0,58 21,15 0,99 36,53 72,69
Vegetação 0,57 21,12 0,13 4,61 -78,19
Total 2,72 100,00 2,72 100,00 -
158
Entre os anos de 2011 e 2014 ocorreu a construção do empreendimento Paranoá Parque,
sendo, portanto, incorporado ao processo de modelagem da dinâmica ambiental do uso e
cobertura do solo, podendo resultar no incremento nas taxas de transição das classes
temáticas de vegetação e área urbanizada. Os resultados apresentados demonstraram que,
independente dos parâmetros e do tamanho da área que utilizados para a geração dos cenários
prospectivos, houve aumento da área urbana, o que na maioria das vezes aconteceu em
decorrência da supressão da cobertura vegetal local.
O processo de ocupação antrópica de uma área pode resultar em impactos ambientais e

sociais, tais como: diminuição das taxas de infiltração de água pluvial no solo; aumento do
escoamento superficial; aumento da frequência de enchentes e inundações, causando perdas
materiais e pessoais; carreamento de sedimentos para o leito dos corpos hídricos que causam
seu assoreamento, redução da disponibilidade de água para consumo humano; elevação das
temperaturas da superfície terrestre, com formação de ilhas de calor; entre outros, que no seu
conjunto causam a diminuição de qualidade de vida da população.
A simulação realizada por meio do sistema Dinamica EGO foi considerada satisfatória, já
que os resultados obtidos apontam para a importância do desenvolvimento e aplicação de
políticas públicas de uso e ocupação do solo mais rígidas na região, considerando ainda, a
legislação ambiental pertinente e a capacidade do meio ambiente de absorver as demandas
por infraestrutura. Diante disto, ressalta-se a importância de estudar o comportamento e
evolução da paisagem, por meio de levantamentos de uso e cobertura do solo, visando gerar
resultados que possam auxiliar as lideranças responsáveis por tomar decisões voltadas para
o planejamento da ocupação do território de forma a minimizar os possíveis impactos
gerado.
6.5. BACIA HIDROGRÁFICA DO CÓRREGO TAQUARI
Visando particularizar as análises propostas por este estudo, realizou-se a delimitação da

bacia hidrográfica do Córrego Taquari, definição de seus parâmetros, a modelagem da
dinâmica ambiental do uso e cobertura do solo, a descrição do uso e cobertura do solo para
os anos de 2011, 2014 e o cenário simulado para 2019. Por fim, analisou-se o escoamento
superficial direto para os anos de 2011, 2014 e o cenário simulado para 2019.
159
6.5.1. Delimitação e parâmetros da bacia hidrográfica
A Figura 6.33 representa a bacia hidrográfica do Córrego Taquari e a Tabela 6.27 indica seus
parâmetros morfológicos, ambos foram definidos conforme os procedimentos apresentados
por Almeida et al. (2013), com o auxílio do software ArcGIS.
Figura 6.33 – Bacia do Córrego Taquari
Tabela 6.27 – Parâmetros morfológicos da bacia

Parâmetro Valor
Área da bacia (km²) 14,08
Comprimento do talvegue (m) 3283,69
Cota máxima do talvegue (m) 1120,00
Cota mínima do talvegue (m) 1004,00
Por meio da Equação (5.13) calculou-se a declividade do talvegue:
𝛥𝐻 1120 − 1004
𝑆= = = 0,035 𝑚/𝑚
𝐿 3283,69
160
6.5.2. Modelagem dinâmica ambiental na bacia hidrográfica do Córrego Taquari
A preparação dos dados de entrada para serem utilizados na simulação da dinâmica

ambiental do uso e cobertura do solo, consistiu em fazer um recorte, com o shapefile da bacia
hidrográfica, nos mapas de uso e cobertura do solo dos anos 2011 e 2014 e nos mapas das
variáveis estáticas que compõem o cubo raster (declividade, distância até as estradas e
distância até a drenagem). Esses mapas em formato TIFF, com resolução espacial de 1 m,
foram reamostrados para que apresentassem o mesmo número de linhas e colunas, 4620 e
4180, respectivamente.
A tabulação cruzada dos mapas de uso e cobertura do solo inicial (ano 2011) e final (ano
2014) resultou na matriz de passo único, apresentada na Tabela 6.28, e na matriz de passos
múltiplos, apresentada na Tabela 6.29.
A Tabela 6.28 indica que a maior taxa de transição foi observada da classe temática
vegetação para a classe temática campo e solo exposto, estimada em 2,82%; seguida de
1,85% correspondente a taxa de transição entre a classe temática área urbanizada e a classe
temática campo e solo exposto; a transformação da classe temática campo e solo exposto
para a classe temática área urbanizada foi representada pela taxa de transição de 0,95%; e a
taxa de transição da classe temática vegetação para a classe temática área urbanizada foi de
0,93%. Com isto, observa-se que a alteração mais significativa ocorreu com o desmatamento
da vegetação, transformando-a na classe temática campo e solo exposto.
Tabela 6.28 – Matriz de transição de passo único

Área Campo e solo
Classes temáticas Vegetação
urbanizada exposto
Vegetação 0,0093 0,0282 -
Seguindo as mesmas tendências, a Tabela 6.29 indica que considerando o período de um

ano, a taxa de transição entre a classe temática vegetação para a classe temática campo e
solo exposto foi de 0,95%; a da classe temática área urbanizada para a classe temática campo
e solo exposto a taxa de transição foi de 0,62%; a da classe temática campo e solo exposto
para a classe temática área urbanizada a taxa de transição foi de 0,32%; e da classe temática
161
vegetação para a área urbanizada a taxa de transição foi de 0,31%. As transições entre as
demais classes temáticas foram suficientemente pequenas para serem consideradas.
Tabela 6.29 – Matriz de transição de passos múltiplos

Área Campo e solo
Classes temáticas Vegetação
urbanizada exposto
Vegetação 0,0031 0,0095 -
Para o cálculo dos coeficientes dos pesos de evidência, realizado por meio da função
Determine Weights of Evidence Coefficients, foram utilizados o arquivo com o esqueleto dos
pesos, o cubo raster e os mapas inicial e final. Os valores dos coeficientes em diferentes
faixas para cada variável, indicam seu efeito na ocorrência de determinada transição, desta
forma, os valores positivos favorecem a transição, enquanto os valores negativos não
favorecem a transição, já os valores próximos de zero não exercem efeito sofre a transição.
As faixas onde os valores são positivos estão descritas a seguir:
 Área urbanizada para campo e solo exposto: esta transição é favorecida pelas
declividades entre 2 e 3%, 4 e 5%, 6 a 9%, 29 e 30%, 33 e 34%; faixas de distância
de 400 a 1.000 m da rede de drenagem; e, as faixas de distância das estradas entre
300 a 500 m e 700 a 900 m.
 Área urbanizada para vegetação: transição favorecida pelas declividades entre 11

a 24%, 25 a 31%, 32 a 33%, 42 a 43%, 48 a 49%; faixas de distância da rede de
drenagem de 400 a 800 m; e, as faixas de distância das estradas entre 400 a 500 m,
800 a 900 m.
 Campo e solo exposto para área urbanizada: transição favorecida pelas

declividades entre 2 a 4% e 5 a 6%; faixas de distância da rede de drenagem de 400
a 1.000 m; e, as faixas de distância das estradas entre 200 a 400 m, 700 a 800 m,
1.100 e 1.200 m.
 Campo e solo exposto para vegetação: esta transição é favorecida por declividades
entre 7 a 42%, 45 a 46%, 50 a 51%; por faixas de distância da rede de drenagem de
400 a 600 m; e, por faixas de distância das estradas entre 400 a 1.300 m.
162
 Vegetação para área urbanizada: esta transição é favorecida por declividades entre
3 a 6%, 16 a 17%, 18 a 20%, 23 a 24%; por faixas de distância da rede de drenagem
de 800 a 1.000 m; e, por faixas de distância das estradas entre 200 a 400 m, 700 a
800 m, 1.100 a 1.200.
 Vegetação para campo e solo exposto: esta transição é favorecida por declividades
entre 2 a 6%, 7 a 8%; por faixas de distância da rede de drenagem de 400 a 600 m,
800 a 1.000 m; e, por faixas de distância das estradas entre 500 a 900 m, 1.200 a
1.400 m.
Por meio do mapa de uso e cobertura do solo inicial (ano de 2011), do cubo raster e dos
coeficientes dos pesos de evidência, verificou-se a correlação existente entre os pares de
variáveis com cálculo do Índice de Cramer (V). Os pares de variáveis não apresentaram alto
grau de correlação, implicando independência entre os mapas. A matriz de correlação
completa está apresentada no Apêndice B.
O modelo de simulação foi construído baseado no teste T6, visto que, com os parâmetros
deste teste obteve-se os maiores valores de similaridade entre o mapa de uso e cobertura do
solo obtido por meio de imagens de satélites e o mapa de uso e cobertura do solo simulado,
conforme apresentado no item 6.4.3. Sendo assim, os valores tanto para o AC Expander
como para o Patcher foram de: 0,01 para Mean Patch Size; 0,02 para Patch Size Variance;
1,5 para Patch Isometry; e 0,8 para a probabilidade de transição. Esses parâmetros foram
utilizados para a simulação do mapa de uso e cobertura do solo de 2014, para a validação do
modelo, assim como para a obtenção do cenário do uso e cobertura do solo simulado para o
ano de 2019, este último apresentada na Figura 6.34. O índice de similaridade mínima entre
o mapa de uso e cobertura do solo obtido na classificação temática e o simulado para o ano
de 2014 foi de aproximadamente 43%, considerando-se a janela de pixels de 15x15 pixels.
163
Figura 6.34 – Mapas de uso e cobertura do solo simulados para os anos 2014 e 2019
A descrição e análise dos mapas de uso e cobertura do solo para os anos de 2011, 2014 e o
cenário simulado de 2019 está apresentado a no item a seguir.
6.5.3. Uso e cobertura do solo da bacia hidrográfica do Córrego Taquari
Os mapas temáticos de uso e cobertura do solo da bacia hidrográfica do Córrego Taquari

para os anos de 2011, 2014 e o simulado de 2019 estão apresentados na Figura 6.35.
164
Figura 6.35 – Mapas de uso e cobertura do solo na bacia hidrográfica do Córrego Taquari
A Tabela 6.30 demonstra a evolução do uso e cobertura do solo por meio das classes
temáticas entre os anos 2011 e 2019. Considerando que o processo de dinâmica ambiental
de uso e cobertura do solo, da bacia do Córrego Taquari, seja regido pelas taxas de transição
definidas no item 6.5.2, observou-se que o processo de urbanização da área, entre os anos de
2011 e 2019, apresentado na Figura 6.35, foi representado por uma taxa de crescimento de
56,1%, o que implicou no incremento de 0,30 km² na área da classe temática de área
urbanizada, sendo esta, a classe temática que apresentou maior taxa de variação. Durante o
mesmo período, a classe temática campo e solo exposto aumentou apenas 0,02 km² em sua
área, indicando a menor taxa de variação entre as classes temáticas, de 0,15%. A classe
temática vegetação, por sua vez, teve redução de 0,32 km² de área, passando de 3,55 km²,
em 2011, para 3,23 km², em 2019, demonstrando taxa de variação de 8,92%. Diante do
apresentado observa-se, em menores proporções, o desenvolvimento do processo de
165
urbanização na bacia hidrográfica do Córrego Taquari, principalmente com a retirada da
vegetação nativa e implantação de edificações.
período 2011 – 2019
Área em 2011 Área em 2014 Área em 2019
Classes temáticas
km2 % km2 % km2 %
Área urbanizada 0,54 3,84 0,66 4,67 0,84 5,99
Campo e solo exposto 9,99 70,95 10,00 71,00 10,01 71,05
Vegetação 3,55 25,22 3,43 24,34 3,23 22,96
Total 14,08 100 14,08 100 14,08 100
6.5.4. Escoamento superficial direto
Algumas consequências da urbanização foram estudas por meio da análise do escoamento

superficial direto pelo Método do SCS, os resultados obtidos com a aplicação da
metodologia descrita no item 5.2.5, estão apresentados a seguir.
Por meio do mapa pedológico, definiu-se os grupos hidrológicos dos solos presentes na
bacia, sendo o GHS A atribuído as áreas com presença de latossolo vermelho e latossolo
vermelho-amarelo e o GHS C atribuído ao cambissolo, conforme apresentado na Figura
6.36.
166
Figura 6.36 – Distribuição espacial dos Grupos Hidrológicos do Solo na bacia hidrográfica
do Córrego Taquari
A Figura 6.37 resultou, então, do cruzamento dos mapas de GHS e uso e cobertura do solo,
pelo algoritmo Raster Calculator da ferramenta Spatial Analyst Tools/Map Algebra do
ArcGIS, onde foram definidos os valores de CN baseando-se na Tabela 4.3.
167
Figura 6.37 – Distribuição espacial dos valores de CN na bacia hidrográfica do Córrego
Taquari
De acordo com a Figura 6.37, o valor mais baixo de CN, 36, é resultante de áreas de
vegetação e GHS A, e indicando ambiente propício para muita infiltração e baixa taxa de
escoamento de água proveniente de uma precipitação. O CN 49 resulta de área da classe
temática de campo e solo exposto com GHS A; o CN 73 é representado por presença da
classe temática vegetação e GHS C; o CN 77 resulta da classe temática área urbanizada com
GHS A; o CN 79 foi identificado em áreas com a classe temática campo e solo exposto com
GHS C; e o CN 90, foi o maior valor de CN da bacia e indica um ambiente propício para
pouca infiltração e alto escoamento de águas provenientes de uma precipitação, é resultante
da classe temática área urbanizada com GHS C.
168
O passo seguinte para obter o escoamento superficial da bacia, foi calcular a chuva de
projeto, para isso foi necessário definir a duração da chuva, considerada igual ao tempo de
concentração da bacia hidrográfica calculada pela Equação (4.16).
3,280,6
𝑡𝑐 = 5,862.
0,0350,3
𝑡𝑐 = 32,69 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
Para o cálculo da chuva de projeto foi utilizada a Equação (4.15):
1574,70. 50,207
𝐼=
(32,69 + 11)0,884
𝐼 = 77,94 𝑚𝑚/ℎ
A intensidade da chuva de projeto e o potencial máximo de retenção foram utilizados na

Equação (4.11), por meio do algoritmo Raster Calculator, para calcular o escoamento
superficial direto na bacia hidrográfica do Córrego Taquari, que resultou no mapa de
escoamento dos anos de 2011, 2014 e 2019, conforme apresentado na Figura 6.38. Pelo
método do SCS esse escoamento é expresso em milímetro de chuva excedente, ou seja, altura
da lâmina d’água produzida por uma precipitação.
169
Figura 6.38 – Distribuição espacial do escoamento superficial direto na bacia hidrográfica
do Córrego Taquari
Na Tabela 6.31 observa-se a distribuição espacial do escoamento superficial direto em

relação a área da bacia hidrográfica do Córrego Taquari, para os anos de 2011, 2014 e 2019
(cenário simulado). O valor de escoamento superficial direto mais baixo, 0,343 mm, está
associado a área com CN mais baixo, CN 36, enquanto áreas com escoamento de 52,153
mm associa-se a locais onde o valor de CN é 90. Analisando o período compreendido entre
2011 e 2019, os locais com escoamento superficial direto de 0,343 mm contabilizam redução
0,16 km² em área, o que representa uma taxa de variação de 25,4%; locais com o escoamento
superficial direto de 2,186 mm reduziram sua área a uma taxa de 0,66%, ou seja, em 0,05
km² de área; já os locais com escoamento superficial direto 23,114 mm reduziram 5,41%,
ou seja, 0,16 km²; os locais com escoamento superficial direto de 28,719 mm foram as que
mais sofreram alteração, aumentando cerca de 0,21 km² em área, sendo sua taxa de variação
170
de 71,19%; enquanto áreas com escoamento superficial direto de 31,667 mm aumentaram
apenas 3,22%, ou cerca de 0,07 km² de área; por fim, as áreas com 52,153 mm de escoamento
superficial direto aumentaram 0,09 km², o que implica em uma taxa de variação de 37,61%.
Tabela 6.31 – Distribuição do escoamento superficial na área da bacia

Escoamento Área em 2011 Área em 2014 Área em 2019
superficial
km2 % km2 % km2 %
(mm)
0,343 0,63 4,47 0,54 3,86 0,47 3,33
2,186 7,95 56,47 7,95 56,45 7,90 56,10
23,114 2,92 20,75 2,88 20,48 2,76 19,63
28,719 0,30 2,10 0,38 2,72 0,51 3,60
31,667 2,04 14,48 2,05 14,54 2,10 14,95
52,153 0,24 1,73 0,27 1,94 0,34 2,39
Total 14,08 100,00 14,08 100,00 14,08 100,00
Observou-se que houve redução nas áreas que apresentavam os valores mais baixos de
escoamento superficial direto (0,343 mm, 2,186 mm e 23,114 mm), que em 2011 somavam
aproximadamente 81,7% da área total da bacia hidrográfica, e em 2019 seria representada
por de 79,1% da área total. No entanto, no mesmo período, houve aumento da áreas que
apresentavam os valores de escoamento superficial direto mais elevados (28,719 mm, 31,667
mm e 52,153 mm), passando de 18,3%, em 2011, para 20,9%, em 2019. O que demonstra
que com o passar dos anos, se o processo de urbanização da bacia hidrográfica do Córrego
Taquari for mantido, o escoamento superficial direto tenderá a aumentar.
O estabelecimento de comunidades junto aos corpos hídricos é corriqueiro e histórico,

porém, pode causar desequilíbrio ambiental, que resulta em enchentes e alagamentos, já que,
durante uma precipitação, o pico de vazão do canal aumenta e é alcançado mais rápido do
que normalmente aconteceria, se o ambiente não tivesse sofrido intervenção antrópica.
Destaca-se ainda que a identificação de elevado escoamento superficial nas proximidades
do corpo hídrico, principalmente devido à construção de residências, que associados a solos
frágeis típicos de vertentes de rios, podem causar o carreamento de sedimentos e
potencializar o processo de erosão do solo e assoreamento do rio, causando a instabilidade
ambiental.
171
7. CONCLUSÕES
As técnicas de geoprocessamento aplicadas permitiram melhorar a resolução das imagens

do satélite do RapidEye por meio do processo de fusão com as imagens do satélite Ikonos,
baixadas pelo Google Earth Pro e georreferenciadas, aprimorando os produtos da
classificação temática. A classificação temática das imagens de satélite e a análise
multitemporal dos mapas e uso e cobertura do solo permitiu observar o processo evolutivo
de mudança no uso e cobertura do solo para os anos 1985-1995, 1995-2005 e 2005-2016,
para a área de estudo A; e 2009-2011 e 2011-2014, para a área de estudo B. O estudo da
evolução de uso e cobertura do solo dividido em diferentes períodos de tempo, permitiu,
definir de forma satisfatória, as mudanças ocorridas em cada uma das classes temáticas,
identificando as taxas de variação de área de cada classe temática. As principais alterações
ocorridas no uso e cobertura do solo demonstram urbanização do território por meio das
transformações de áreas de campo e vegetação em área urbana, reafirmando a tendência de
crescimento urbano do Distrito Federal, sendo a retirada da vegetação mais representativa
na área de estudo B, devido a implantação do Paranoá Parque.
A definição de uma área macro e uma micro para análise das mudanças de uso e cobertura
do solo permitiu o melhor entendimento dos processos de ocupação em diferentes escalas,
principalmente, da bacia do Lago Paranoá, que se refletiu também na bacia hidrográfica do
Córrego Taquari e seu entorno, visto que parte da região está sob proteção e cuidados da
CAESB.
A utilização do método AHP para definir a hierarquização e ponderação dos fatores pela
interpretação matemática dos valores, mostrou-se satisfatório, buscando reduzir erros e
produzir mapas com certa imparcialidade nos resultados. A integração dos fatores naturais
como, declividade, pedologia, geomorfologia e geologia e do fator antrópico como, uso e
cobertura do solo, permitiu adicionar informação relevantes, com relação às características
locais, ao processo de classificação da vulnerabilidade ambiental das áreas de estudo.
Com a distribuição espacial da vulnerabilidade ambiental é possível definir limitações de

uso, principalmente para área mais vulneráveis, assim como propor a implementação de
planos de conservação que busquem reduzir a presença de fatores ligados aos altos índices
de vulnerabilidade ambiental, como o desmatamento e ocupação de área de vegetação nativa
172
nas proximidades do corpo hídrico, já que, naturalmente, o terreno costuma ter maior
declividade e solo mais susceptível a erosão.
Os mapas de temperatura da superfície terrestre da área de estudo A estiveram relacionados

com a precipitação registrada nas datas em que as imagens foram adquiridas, pois quando
houve precipitação nos dias antecedentes ao imageamento observou-se redução na
temperatura da superfície terrestre. Observou-se ainda a influência do uso e cobertura do
solo com a temperatura de superfície terrestre, sendo a cobertura vegetal um fator importante
para a caracterização do microclima local, visto que em áreas que apresentam cobertura
vegetal mais densa verificam-se temperaturas mais amenas, elevando a sensação de conforto
térmico, enquanto área sem vegetação (solo exposto) ou com baixa densidade de vegetação,
apresenta as temperaturas mais elevadas.
Observou-se ainda, que a temperatura da superfície terrestre pode ser associada como
indicador da capacidade de infiltração do solo. Já que na área de estudo B os solos com maior
granulometria apresentam maior capacidade de infiltração e drenagem de águas pluviais e
menor escoamento superficial, indicando condições favoráveis ao aquecimento do solo. Por
sua vez, o solo com menor granulometria apresenta infiltração e drenagem mais lenta
favorecendo o escoamento, o que faz com que as águas pluviais permaneçam por mais tempo
no solo e a temperatura de superfície terrestre seja menor.
A modelagem da dinâmica ambiental do uso e cobertura do solo, por meio do sistema

Dinamica EGO, mostrou-se uma ferramenta eficiente para a elaboração de cenários
prospectivos de curto prazo e apropriada para a análise das tendências de crescimento,
redução e direcionamento das classes temáticas de uso e cobertura do solo. Além de permitir
a usuários e tomadores de decisão uma visão, não somente dos processos atuais, como
também dos processos históricos e de como estes podem afetar o futuro. Entretanto, os
cenários prospectivos gerados pela simulação da dinâmica ambiental do uso e cobertura do
solo, na área de estudo B, implicam na continuidade do processo de ocupação antrópica,
seguindo as tendências observadas, que se não forem mantidas as mesmas condições
apresentadas nesta pesquisa pode haver mudanças nos cenários futuros.
Diante da grande variação das taxas de transição entre as classes temáticas, obtidas nesta
pesquisa, observou-se que com a diminuição do tamanho da área utilizada na modelagem da
173
dinâmica ambiental do uso e cobertura do solo houve aumento na similaridade entre o mapa
de uso e cobertura obtido por classificação temática de imagens de satélite e o simulado.
Pode-se concluir que apesar das diferentes taxas de transição de classes temáticas de uso e
cobertura do solo que uma área possa apresentar, com os devidos ajustes no modelo da
dinâmica ambiental do uso e cobertura do solo, o sistema Dinamica EGO realiza de forma
satisfatória simulação em pequenas áreas que sofrem pressão de fatores externos, mesmo
que estes não sejam considerados como variáveis de entrada na respectiva modelagem.
Conclui-se ainda que, os dados de uso e cobertura do solo com alta resolução espacial,
podem implicar no aumento do tempo computacional demandado para a modelagem da
dinâmica ambiental, além de aumentar a dificuldade de obtenção de uma boa relação de
similaridade entre o mapa de uso e cobertura do solo obtido com a classificação temática das
imagens de sensores remotos e o mapa de uso e cobertura do solo simulado pelo sistema
Dinamica EGO.
Apesar da ausência de dados para calibração do modelo, o estudo do escoamento superficial

direto analisou, de forma empírica, as consequências que podem ser causadas em
decorrência da urbanização local, caso ela ocorra de forma desordenada e sem
implementação de políticas públicas que definam seu planejamento. Considerando que o
processo de urbanização da bacia hidrográfica do Córrego Taquari acontecerá conforme
observado e proposto por este trabalho, poderá haver aumento do escoamento superficial
direto, principalmente decorrente da supressão da vegetação, da impermeabilização do solo
e da construção de edificações nas proximidades do córrego, podendo causar impactos
ambientais e sociais. Diante disso, destaca-se a importância do planejamento habitacional
para o equilíbrio das componentes ambiental e social, visando melhora na qualidade de vida
da população.
Observou-se a importância da visão sistêmica, para o desenvolvimento da pesquisa, que

permitiu compreender a paisagem e as condições socioambientais buscando integrar as
características inerentes dos processos naturais e antrópicos. Desta forma, espera-se que os
resultados apresentados nesta pesquisa possam contribuir com o desenvolvimento de
políticas públicas que auxiliem processo de ocupação ordenada do território na bacia
hidrográfica do Córrego Taquari e seu entorno, minimizando os impactos que poderão ser
causados pela urbanização local.
174
REFERÊNCIAS BIBLIOGRÁFICAS
Adami, S.F., Francisco, C.E.S., Coelho, R.M., Torres, R.B. (2012). “Análise multicriterial
aplicada à priorização para recuperação de Áreas de Preservação Permanente: uma
implantação em Sistemas de Informações Geográficas”. Boletim Campineiro de
Geografia, 2(3), 465-478.
Allen, R.G., Tasumi, M., Morse, A., Trezza, R. (2005). “A Landsat-based energy balance
and evapotranspiration model in Western US water rights regulation and planning”.
Irrigation and Drainage Systems, 19, 251-268.
Almeida, A.T. e Costa, A.P.C.S. (2003). Aplicações com Métodos Multicritério de Apoio a
Decisão. Editora Universitária da UFPE, Recife, PE.
Almeida, W.S., Souza, N.M., Camapum de Carvalho, J. (2012). “Produção de carta
geotécnica preliminar de capacidade de infiltração de água no solo em uma área do
entorno do reservatório da usina hidrelétrica Corumbá IV (GO)” In: Camapum de
Carvalho, J., Neves, G.F., Carvalho, E.T. (orgs.) Tópicos sobre infiltração: teoria e
prática aplicadas a solos tropicais. Série Geotecnia – UnB v. 4. Faculdade de
Tecnologia, Brasília, DF, 581-606.
Almeida, W.S., Souza, N.M., Camapum de Carvalho, J., Reis Junior, D.S. (2013). “Análise
morfométrica em bacias hidrográficas fluviais como indicadores de processos erosivos
e aporte de sedimentos no entorno do reservatório da usina hidrelétrica (UHE)
Corumbá IV”. Revista Brasileira de Geomorfologia, 14(2), 135-149.
Almeida, J.S., Melo, W.F., Andrade, A.B.A., Saldanha, H.G.A.C., Rodrigues, L.M.S.
(2015). “Modelagem da dinâmica de uso e ocupação da terra no município de Pombal
– PB”. Revista Verde de Agroecologia e Desenvolvimento Sustentável, 10(1), 276 –
282.
Amiri, R., Weng, Q., Alimohammadi, A., Alavipanah, S.K. (2009). “Spatial-Temporal
Dynamics of Land Surface Temperature in Relation to Fractional Vegétation Cover
and Land Use/Cover in the Tabriz Urban Area, Iran”. Remote Sensing of Environment,
13, 2606-2617.
Azevedo, G.F. e Souza, N.M. (2013). “Uso de imagens Landsat TM 5 para análise da
temperatura de superfície do Distrito Federal”. Anais XVI Simpósio Brasileiro de
Sensoriamento Remoto, 1869-1876, Foz do Iguaçu, Brasil.
Bana e Costa, C. (1988). “Introdução geral às abordagens multicritério de apoio à tomada de
decisão”. Investigação Operacional, 8(1), 117-139.
175
Baptista, G.M.M. (1998). “Caracterização climatológica do Distrito Federal.” In: Freitas-
Silva, F.H. e Campos, J.E.G. (eds.) Inventário Hidrogeológico e dos Recursos
Hídricos Superficiais do Distrito Federal. IEMA/SEMATEC/UnB. Brasília, DF, Vol.
1, Parte V, 187-208.
Batty, M., Xie, Y., Sun, Z. (1999). “Modeling urban dynamics through GIS-based cellular
automata”. Computers, Environment and Urban Systems, 23(3), 205-233.
Benedetti, A.C.P. (2010). Modelagem dinâmica para simulação de mudanças na cobertura
florestal das serras do sudeste e campanha meridional do Rio Grande do Sul. Tese de
Doutorado em Engenharia Florestal, Universidade Federal de Santa Maria, Centro de
Ciências Rurais, Santa Maria, RS, 166p.
Bielenki Júnior, C. e Barbassa, A.P. (2012). Geoprocessamento e recursos hídricos:
aplicações práticas. EdUFSCar, São Carlos, SP, 257p.
Boas, C.L.V. (2006). Modelo multicritérios de apoio à decisão aplicado ao uso múltiplo de
reservatórios: Estudo da Barragem do Ribeirão João Leite. Dissertação de Mestrado
em Gestão Econômica do Meio Ambiente, Universidade de Brasília, Departamento de
Economia, Brasília, DF, 145p.
Brakensiek, D.L., Rawls, W.J. (1983). “Green-Ampt Infiltration Model Parameters for
Hydrologic Classification of Soils”. In: Borelli, J. (ed.) Specialty Conference on
Advances in Irrigation and Drainage: Surviving external pressures. American Society
of Civil Engineers, Jackson Hole, EUA, 226-233.
Burrough, P.A. e McDonnell, R.A. (2010). Principles of Geographical Information Systems.
Oxford University Press, New York, EUA, 333p.
Camacho-Sanabria, J.M., Juan-Pérez, J.I., Pineda-Jaimes, N.B. (2015). “Modeling of land
use/cover changes: prospective scenarios in the Estado de Mexico. Case study –
Amanalco de Becerra”. Revista Chapingo Serie Ciencias Forestales y del Ambiente,
21(2), 203-220.
Câmara, G. e Medeiros, J.S. (1998). “Princípios básicos em geoprocessamento”. In: Assad.
E.D.; Sano E.E. (eds.) Sistemas de Informações Geográficas: Aplicações na
Agricultura. 2ª Ed., rev. e ampl. Embrapa - SPI, Brasília, DF, 3-11.
Campana, N.A., Monteiro, M.P., Cordeiro Neto, O. e Koide, S. (1998). “Caracterização
sócio-econômica do Distrito Federal”. In: Freitas-Silva, F.H. e Campos, J.E.G. (eds.)
Inventário Hidrogeológico e dos Recursos Hídricos Superficiais do Distrito Federal.
IEMA/SEMATEC/UnB. Brasília, DF, Vol. 2, Cap I, 1- 44.
176
Campos, J.E.G. e Freitas-Silva, F.H. (2001). “Geomorfologia”. In: Fonseca, F.O (org).
Olhares sobre o Lago Paranoá. 1 ed. Secretaria de Meio Ambiente e Recursos Hídricos,
SEMARH, Brasília, DF.
Campos, J.E.G. (2004). “Hidrogeologia do Distrito Federal: bases para a gestão dos recursos
hídricos subterrâneos”. Revista Brasileira de Geociências, 34(1), 41-48.
Canholi, A.P. (2015). Drenagem urbana e controle de enchentes. Oficina de Textos, São
Paulo, 384p.
Castanho, R.B., Teodoro M.A. (2010). “O uso das geotecnologias no estudo do espaço
agropecuário”. Brazilian Geographical Journal: Geosciences and Humanities
research médium, 1, 136-153.
Companhia de Planejamento do Distrito Federal (CODEPLAN). (1984). Atlas do Distrito
Federal, GDF, Brasília.
Companhia de Planejamento do Distrito Federal (CODEPLAN). (1994). Mapa das Unidades
Hidrográficas do DF - 1994 - SEMATEC/CODEPLAN - Escala 1:100.000.
Conway, T.M. e Lathrop, R.G. (2005). “Alternative land use regulations and environmental
impacts: assessing future land use in an urbanizing watershed”. Landscape and Urban
Planning, 71(1), 1-15.
Cordeiro, F.G. (2014). Método para avaliação de risco ambiental de acidentes de trânsito
envolvendo produtos perigosos usando análise multicritério. Dissertação de Mestrado
em Engenharia Civil e Ambiental, Universidade Estadual Paulista, Faculdade de
Engenharia, Bauru, SP, 189p.
Costa, F.H.S., Petta, R.A., Lima, R.F.S., Medeiros, C.N. (2006). “Determinação da
Vulnerabilidade Ambiental na Bacia Potiguar, região de Macau (RN), Utilizando
Sistemas de Informações Geográficas”, Revista Brasileira de Cartografia. (58/02),
119-127.
Crepani, E., Medeiros, J.S., Hernandez, P., Florenzano, T.G., Duarte, V., Barbosa, C.C.
(2001). Sensoriamento remoto e geoprocessamento aplicados ao zoneamento
ecológico–econômico e ao ordenamento territorial. INPE, São Jose dos Campos, SP,
103p.
Cruz, D.M.R., Valadão, L.T., Dolabella, R.H.C. (2001). “Uso e ocupação do solo”. In:
Fonseca, F.O (org). Olhares sobre o Lago Paranoá. 1 ed. Secretaria de Meio Ambiente
e Recursos Hídricos, SEMARH, Brasília, DF.
177
Dias, L.T. (2011). Modelagem dinâmica espacial do uso e ocupação do solo na bacia
hidrográfica do Lago Paranoá-DF: 1998–2020. Dissertação de Mestrado em
Geociências Aplicadas, Universidade de Brasília, Instituto de Geociências, Brasília,
DF, 102 p.
Divisão de Geração de Imagens / Instituto Nacional de Pesquisas Espaciais (DGI/INPE).
(2016). Image Catalog. Disponível em: <http://www.dgi.inpe.br/CDSR/>. Acesso em:
17 out. 2016.
Ecotech Tecnologia Ambiental e Consultoria Ltda. e Direcional Engenharia S/A (2012).
Estudo de Impacto Ambiental e Relatório de Impacto ao Meio Ambiente – EIA/RIMA,
para o parcelamento de solo urbano do Plano de Expansão do Paranoá, Paranoá
Parque. Brasília, DF. 1 CD.
Empresa Brasileira de Pesquisa Agropecuária (Embrapa). (1978). Levantamento de
reconhecimento dos solos do Distrito Federal. Boletim técnico nº 53. 1ª ed. SNLCS.
Rio de Janeiro, RJ, 455p.
Empresa Brasileira de Pesquisa Agropecuária (Embrapa). (1999). Sistema brasileiro de
classificação de solos. Embrapa, Brasília, DF, 412p.
Empresa Brasileira de Pesquisa Agropecuária (Embrapa). (2013). Sistema brasileiro de
classificação de solos. 3 ed. rev. ampl. Embrapa, Brasília, DF, 353p.
Faria, A. (1995). Estratigrafia e sistemas deposicionais do Grupo Paranoá nas áreas de
Cristalina, Distrito Federal e São João D’Aliança-Alto Paraíso de Goiás. Tese de
Doutorado em Geologia, Universidade de Brasília, Instituto de Geociências, Brasília,
DF, 199p.
Ferrante, J.E.T., Rancan, L., Netto, P.B. (2001). Meio físico. In: Fonseca, F.O (org). Olhares
sobre o Lago Paranoá. 1 ed. Secretaria de Meio Ambiente e Recursos Hídricos,
SEMARH, Brasília, DF.
Fitz, P.R. (2008). Geoprocessamento sem complicação. Oficina de Textos, São Paulo,
Brasil, 157p.
Fonseca, F.O. e Netto, P.B. (2001). Parcelamentos Irregulares na Bacia do Lago Paranoá.
In: Fonseca, F.O (org). Olhares sobre o Lago Paranoá. 1 ed. Secretaria de Meio
Ambiente e Recursos Hídricos, SEMARH, Brasília, DF.
Freitas-Silva, F.H. e Campos, J.E.G. (1998). “Geologia do Distrito Federal.” In: Freitas-
Silva, F.H. e Campos, J.E.G. (eds.) Inventário Hidrogeológico e dos Recursos
178
Hídricos Superficiais do Distrito Federal. IEMA/SEMATEC/UnB. Brasília, DF, Vol.
1, Parte I, 1- 44.
Gillett, P.N., Stott, A., Santer, B. (2008). “Attribution of cyclogenesis region sea surface
temperature change to anthropogenic influence”. Geophysical Reserch Letters, 35(9),
1-5.
Google Earth Pro. (2016). Software livre Google Earth Pro. Acesso em: 12 jun. 2016.
Grigio, A. M. (2003). Aplicação de Sensoriamento Remoto e Sistema de Informação
Geográfica na Determinação da Vulnerabilidade Ambiental do Município de
Guamaré (RN): Simulação de Risco às Atividades da Indústria Petrolífera.
Dissertação de Mestrado, Universidade Federal do Rio Grande do Norte, Centro de
Ciências Exatas e da Terra, Natal, RN, 253p.
Governo do Distrito Federal (GDF). (2009a). Plano Diretor de Drenagem Urbana do
Distrito Federal. Diagnóstico do sistema de drenagem, Volume 8, TOMO 1. Brasília,
DF, 73p. Disponível em: <
http://www.adasa.df.gov.br/images/stories/anexos/servico_publicos/PDDUemPDF/1
4%20-%20diagnstico%20do%20sistema%20de%20drenagem%20tomo%20i.pdf>.
Acesso em: 30 mar. 2016.
Governo do Distrito Federal (GDF). (2009b). Lei Complementar nº 803, de 25 de abril de
2009. Aprova a revisão do Plano Diretor de Ordenamento Territorial do Distrito
Federal – PDOT e dá outras providências. Disponível em: <
http://www.segeth.df.gov.br/images/pdot/leis/1at_lcdf_00803_2009_atualizada_lc85
4_2012_sem%20anexos.pdf>. Acesso em:03 mai. 2017.
Governo do Distrito Federal (GDF). (2012). Revisão e Atualização do Plano de
Gerenciamento Integrado de Recursos Hídricos do Distrito Federal, Volume I
Diagnóstico. Brasília, DF, 789p. Disponível em: <
http://www.adasa.df.gov.br/images/stories/anexos/programas/PGIRH2012/volume%
201%20-%20diagnostico_rev01%20alterao%20%20fl.%2003.pdf>. Acesso em: 20
mar. 2016.
Grigio, A. M. (2003). Aplicação de Sensoriamento Remoto e Sistema de Informação
Geográfica na Determinação da Vulnerabilidade Ambiental do Município de
Guamaré (RN): Simulação de Risco às Atividades da Indústria Petrolífera.
Dissertação de Mestrado, Universidade Federal do Rio Grande do Norte, Centro de
Ciências Exatas e da Terra, Natal, RN, 253p.
179
Gusso, A., Fontana, D.C., Gonçalves, G.A. (2007). “Mapeamento da temperatura da
superfície terrestre com uso do sensor AVHRR/NOAA”. Pesquisa Agropecuária
Brasileira, 42(2), 231-237.
Haan, C.T., Barfield, B.J., Hayes, J.C. (1993). Design hydrology and sedimentology for
small catchments. Academic Press, Inc, San Diego, California, 627p.
Hagen, A. (2003). “Fuzzy set approach to assessing similarity of categorical maps”.
International Journal of Geographical Information Science, 17(3), 235-249.
Hawkins, R.H. (1975). “The importance of accurate curve numbers in the estimation of
storm runoff”. Water Resources Bulletin. 11(5), 887–891.
Instituto Brasileiro de Geografia e Estatística (IBGE). (1977). Geografia do Brasil, região
Centro-Oeste, SEC/SEDG, Rio de Janeiro, vol. 4, 310p.
Instituto Brasileiro de Geografia e Estatística (IBGE). (2013). Atlas do censo demográfico
2010. IBGE, Rio de Janeiro, RJ, 156 p.
Instituto de Nacional de Meteorologia (INMET). (2017). BDMEP Dados históricos 1980 a
2016. Disponível em <www.inmet.gov.br/>. Acesso em:05 abr. 2017.
Isaias, F.B. (2008). A sustentabilidade da água: proposta de um índice de sustentabilidade
de bacias hidrográficas. Dissertação de mestrado em Desenvolvimento Sustentável,
Universidade de Brasília, Centro de Desenvolvimento Sustentável, Brasília, DF, 168p.
Jenerette, G.D., Harlan, S.L., Buyantuev, A., Stefanov, W.L., Declet-Barreto, J., Ruddell,
B.L., Myint, S.W., Kaplan, S., Li, X. (2016). “Micro-scale urban surface temperatures
are related to land-cover features and residential heat related health impacts in
Phoenix, AZ USA”. Landscape Ecology, 31(4), 745–760.
Jensen, J.R. (2009). Sensoriamento Remoto do Ambiente: uma perspectiva em recursos
terrestres. 2ª Ed traduzida pelo Instituto Nacional de Pesquisas Espaciais – INPE, São
Paulo, Parêntese, 672 p.
Kalantari, Z., Lyon, S.W., Folkeson, L., French, H.K., Stolte, J., Jansson, P.E., Sassner, M.
(2014). “Quantifying the hydrological impact of simulated changes in land use on peak
discharge in a small catchment”. Science of the Total Environment, 466–467, 741–
754.
Kauwe, M.G., Taylor, C.M., Harris, P.P., Weedon, G.P., Ellis, R.J. (2013). “Quantifying
Land Surface Temperature Variability for Two Sahelian Mesoscale Regions during
the Wet Season”. Journal of Hydrometeorology, 14, 1605-1619.
180
Malaret, E., Bartolucci, L.A, Lozano, D.F., Anuta, P.E., McGillem, C.D. (1985). “Landsat-
4 and Landsat-5 Thematic Mapper Data Quality Analysis”. Photogrammetric
Engineering and Remote Sensing, 51(9), 1407-1416.
Malczewski, J. (2006). “GIS-based multicriteria decision analysis: a survey of literature”.
International Journal of Geographical Information Science, 20(7), 703-726.
Martins, E.S. (1998). “Sistemas pedológicos do Distrito Federal.” In: Freitas-Silva, F.H. e
Campos, J.E.G. (eds.) Inventário Hidrogeológico e dos Recursos Hídricos Superficiais
do Distrito Federal. IEMA/SEMATEC/UnB. Brasília, DF, Vol. 1, Parte III, 1- 25.
Martins, E.S. e Baptista, G.M.M. (1998). “Compartimentação geomorfológica e sistemas
morfodinâmicos do Distrito Federal.” In: Freitas-Silva, F.H. e Campos, J.E.G. (eds.)
Inventário Hidrogeológico e dos Recursos Hídricos Superficiais do Distrito Federal.
IEMA/SEMATEC/UnB. Brasília, DF, Vol. 1, Parte II, 1-53.
Mccuen, R.H., Wong, S.L., Rawls, W.J. (1984). “Estimating urban time of concentration”.
Journal of Hydraulic Engineering, 110(7), 887-904.
Melesse, A.M. e Shih, S.F. (2002). “Spatially distributed storm runoff depth estimation using
Landsat images and GIS”. Computers and Electronics in Agriculture, 37(1), 173-183.
doi:10.1016/S0168-1699(02)00111-4
Mendes, C.A.B. e Cirilo, J.A. (2001). Geoprocessamento em recursos hídricos: princípios,
integração e aplicação. ABRH, Porto Alegre, RS, 536 p.
Miara, M.A. e Oka-Fiori, C. (2007). “Análise por múltiplos critérios para a definição de
níveis de fragilidade ambiental – um estudo de caso: bacia hidrográfica do rio Cará-
Cará, Ponta Grossa/PR”. RA'E GA - O Espaço Geográfico em Análise, 13, 85-98.
Ministério do Meio Ambiente (MMA). (2016). Catálogo de imagens de satélite RapidEye
do Ministério do Meio Ambiente. Disponível em: < http://geocatalogo.mma.gov.br/>.
Acesso em: 26 jul.2016.
Mockus, V. (1949). Estimation of total (and peak rates of) surface runoff for individual
storms. Exhibit A of Appendix B, Interim Survey Report, Grand (Neosho) River
Watershed. USDA Soil Conservation Service.
Moon, G.W., Ajmal, M., Ahn, J.H., Kim, T.W. (2016). “Investigating practical alternatives
to the NRCS-CN method for direct runoff estimation using slope-adjusted curve
numbers”. Journal of Civil Engineering, 00(0), 1-9.
Moreira, F.R., Barbosa, C., Câmara, G., Almeida Filho, R (2016). “Inferência geográfica e
suporte à decisão”. In Câmara, G., Davis, C., Monteiro, A.M.V. (eds.). Introdução à
181
ciência da geoinformação. INPE, São José dos Campos, SP, 1-49. Disponível em:
<http://www.dpi.inpe.br/gilberto/livro/introd/cap9-inferencia.pdf>. Acesso em: 14
mar. 2016.
Musgrave, G.W. (1955). “How much of the rain enters the soil?”. In: USDA. Water: The
yearbook of agriculture. Yearbook. Washington, EUA, 151–159.
Nagarajan, N. e Poongothai, S. (2012). “Spatial Mapping of Runoff from a Watershed Using
SCS-CN Method with Remote Sensing and GIS”. Journal of Hydrologic Engineering,
17(11), 1268-1277.
Novaes Pinto, M. (1987). “Superfícies de aplainamento do Distrito Federal”. Revista
Brasileira de Geografia, 49, 09-27.
Novaes Pinto, M. (1988). “Aplainamento nos trópicos - uma revisão conceitual”. Geografia,
13(26): 119-129.
Novaes Pinto, M. (1994). “Caracterização geomorfológica do Distrito Federal”. In: Novaes
Pinto, M. (org.) Cerrado: caracterização, ocupação e perspectivas. 2 ed. rev. ampl.
UnB: SEMATEC, Brasília, DF, cap 1, 285-344.
Nunes, J.F. e Roig, H.L. (2015). “Análise e mapeamento do uso e ocupação do solo da Bacia
Do Alto Do Descoberto, DF/GO, por meio de classificação automática baseada em
regras e lógica nebulosa”. Revista Árvore, 39(1), 25-36.
Ozdemir, H., Elbas, E. (2015). “Benchmarking land use change impacts on direct runoff in
ungauged urban watersheds”. Physics and Chemistry of the Earth, 79-82, 100-107.
Penteado, M.M. (1976). “Tipos de concreções ferruginosas nos compartimentos
geomorfológicos do Planalto de Brasília”. Notícia Geomorfológica, 16, 39-53.
Pinese Júnior, J.F. e Rodrigues, S.C. (2012). “O método de análise hierárquica – AHP –
como auxílio na determinação da vulnerabilidade ambiental da Bacia Hidrográfica do
Rio Piedade (MG)”. Revista do Departamento de Geografia – USP. 23, 4-26.
Ponce, V.M. e Hawkins, R.H. (1996). “Runoff curve number: Has it reached maturity?”
Journal of Hydrologic Engineering, 1(1), 11-19.
Reatto, A., Martins, E.S., Farias, M.F.R., Silva, A.V., Carvalho Jr O.A. (2004). Mapa
pedológico digital – SIG Atualizado do Distrito Federal escala 1:100.000 e uma síntese
do texto explicativo. Embrapa Cerrados, Planaltina-DF, 31p. (Documentos / Embrapa
Cerrados, ISSN 1517-5111; n. 120).
Reyes, D. A. (2009). Metodologia Multiobjetivo e Multicritério de Auxílio à Outorga de
Recursos Hídricos: Aplicação ao Caso da Bacia do Rio Preto. Dissertação de
182
Mestrado em Tecnologia Ambiental e Recursos Hídricos, Universidade de Brasília,
Departamento de Engenharia Civil e Ambiental, Brasília, DF, 181p.
Rodrigues, E.L., Elmiro, M.A.T., Braga, F.A., Jacobi, C.M., Rossi, R.D. (2015). “Impact of
changes in land use in the flow of the Pará River Basin, MG”. Revista Brasileira de
Engenharia Agrícola e Ambiental, 19(1), 70–76.
Saaty, T.L. (1980). The Analytic Hierarchy Process. McGraw-Hill, New York. 287p.
Salazar, J.P.C. (2015). Determinação de cenários futuros de uso e cobertura do solo e sua
influência na vulnerabilidade ambiental: O caso do município de Formosa – GO.
Dissertação de Mestrado em Tecnologia Ambiental e Recursos Hídricos, Universidade
de Brasília, Departamento de Engenharia Civil e Ambiental, Brasília, DF, 112p.
Salisbury, W., D’aria, D.M. (1992). “Emissivity of terrestrial material in the 8-14m
atmospheric window”. Remote Sensing of Environment, 42, 83-106.
Santos, L.J.C., Fiori, C.O., Canalli, N.E., Fiori, A.P., Silveira, C.T., Silva, J.M.F. (2007).
“Mapeamento da vulnerabilidade geoambiental do estado do Paraná”. Revista
Brasileira de Geociências, 37(4), 812-820.
Santos, N.B.F. (2010). Distribuições espaciais e temporais de temperaturas de superfície no
Bioma Cerrado: Uma análise integrada a partir de dados orbitais de resolução
moderada. Tese de Doutorado em Ciências Ambientais, Universidade Federal de
Goiás, Goiânia, GO, 94p.
Sartori, A., Lombardi Neto, F., Genovez, A.M. (2005). “Classificação hidrológica de solos
brasileiros para a estimativa da chuva excedente com o Método do Serviço de
Conservação do Solo dos Estados Unidos parte 1: Classificação”. Revista Brasileira
de Recursos Hídricos, 10(4), 05-18.
Sartori, A. (2010). Desenvolvimento de critérios para classificação hidrológica de solos e
determinação de valores de referência para o parâmetro CN. Tese de Doutorado em
Engenharia Civil, Universidade Estadual de Campinas, Faculdade de Engenharia
Civil, Arquitetura e Urbanismo, Campinas, SP, 235p.
Sartori, A., Hawkins, R.H., Genovez, A.M. (2011). "Reference curve numbers and behavior
for sugarcane on highly weathered tropical soils”. Journal of Irrigation and Drainage
Engineering, 137(11), 705-711.
Sathish Kumar, D., Arya, D.S., Vojinovic, Z. (2013).”Modeling of urban growth dynamics
and its impact on surface runoff characteristics”. Computers, Environment and Urban
Systems, 41, 124–135.
183
Schroder, T., Pereira, R.S., Zimmermann, A.P.L., Redin, C.G., Fleck, M.D., Machado, L.M.,
Rocha, N.S. (2016). “Dinâmica do uso e cobertura do solo no vale do Rio Pardo, Rio
Grande do Sul”. Revista Eletrônica em Gestão, Educação e Tecnologia Ambiental,
20(1), 372−380.
Shi, Z.-H., Chen, L.-D., Fang, N.-F., Qin, D.-F., Cai, C.-F. (2009). “Research on the SCS-
CN initial abstraction ratio using rainfall runoff event analysis in the Three Gorges
Area, China.” Catena, 77(1), 1-7. doi: 10.1016/j.catena.2008.11.006.
Schwarz, N., Schlink, U., Franck, U., Großmann, K. (2012). “Relationship of land surface
and air temperatures and its implications for quantifying urban heat island indicators—
An application for the city of Leipzig (Germany)”. Ecological Indicators, 18, 693–
704.
Sindicato da Habitação (SECOVI). (2016). Paranoá Parque, o primeiro empreendimento do
Distrito Federal financiado pelo Minha Casa, Minha Vida. Disponível em <
http://www.secovi.com.br/nel/noticias/paranoa-parque-o-primeiro-empreendimento-
do-distrito-federal-financiado-pelo-minha-casa-minha-vida/11485>. Acesso em: 13
mai. 2017.
Soares-Filho, B. S. (1998). Modelagem da dinâmica de paisagem de uma região de fronteira
de colonização amazônica. Tese de Doutorado em Engenharia de Transportes,
Universidade de São Paulo, Escola Politécnica, São Paulo, 299p.
Soares-Filho, B.S., Cerqueira, G.C., Pennachin, C.L. (2002). “DINAMICA – a stochastic
cellular automata model designed to simulate the landscape dynamics in an
Amazonian colonization frontier”. Ecological Modelling, 154(3), 217-235.
Soares-Filho, B.S., Cerqueira, G.C., Araújo, W.L., Voll, E. (2007). “Modelagem de
dinâmica de paisagem: concepção e potencial de aplicação de modelos de simulação
baseados em autômato celular”. Megadiversidade, 3(1-2), 74-86.
Soares-Filho, B.S., Rodrigues, H.O., Costa, W.L. (2009). Modeling Environmental
Dynamics with Dinamica EGO, Guidebook. Centro de Sensoriamento Remoto,
Universidade Federal de Minas Gerais, Belo Horizonte, MG. Disponível em: <
http://csr.ufmg.br/dinamica/dokuwiki/doku.php?id=tutorial:start>. Acesso em: 10
mar. 2016.
Sobrino, J.A., Jiménez-Muñoz, J.C., Paolini, L. (2004). “Land surface temperature retrieval
from LANDSAT TM 5”. Remote Sensing of Environment, 90, 434–440.
184
Soil Conservation Service (SCS). (1972). National Engineering Handbook: Section 4,
Hydrology. USDA.
Soil Conservation Service (SCS). (1986). Urban Hydrology of Small Watersheds. USDA
(Technical Release 55).
Sousa, S.B. e Ferreira, L.G. (2012). “Análise da temperatura de superfície em ambientes
urbanos: um estudo por meio de sensoriamento remoto no município de Goiânia, Goiás
(2002 – 2011)”. Revista Franco-Brasileira de Geografia, (15).
Steinke, V.A., Steinke, E.T., Saito, C.H. (2010). “Estimativa da temperatura de superfície
em áreas urbanas em processo de consolidação: reflexões e experimento em
Planaltina-DF”. Revista Brasileira de Climatologia, 6(6), 37-56.
Tanaka, H. e Entani, T. (2007). “Interval estimations of global weights in AHP by upper
Approximation”. Fuzzy Sets and Systems, 158(17), 1913-1921.
Trentin, G. e Freitas, M.I.C. (2010). “Modelagem da dinâmica espacial urbana: modelo de
autômato celular na simulação de cenários para o município de Americana-SP”.
Revista Brasileira de Cartografia, (62), 291-305.
Tricart, J. (1977). Ecodinâmica. Superintendência de Recursos Naturais e Meio Ambiente,
Rio de Janeiro, Brasil. Disponível em:
<http://biblioteca.ibge.gov.br/visualizacao/monografias/GEBIS%20-
%20RJ/ecodinamica.pdf>. Acesso em: 13 mar 2016.
Tucci, C.E.M. (2000). Hidrologia: Ciência e Aplicação. 2ª Ed. Editora da Universidade
Federal do Rio Grande do Sul: ABRH, Porto Alegre, RS, 943p.
Turner, B.L., Meyer, W. B., Skole, D. (1994). “Global land-use/land cover change: Towards
an integrate study”. Ambio, 23(1), 91-95.
United States Department of Agriculture - Natural Resources Conservation Service (USDA-
NRCS). (2004). “Chapter 10: Estimation of Direct Runoff from Storm Rainfall”. In:
______. National Engineering Handbook: Part 630, Hydrology. Disponível em:
<http://directives.sc.egov.usda.gov/>. Acesso em: 02 mar. 2016.
United States Department of Agriculture - Natural Resources Conservation Service (USDA-
NRCS). (2009). “Chapter 7: Hydrologic Soil Groups”. In: ______. National
Engineering Handbook: Part 630, Hydrology. Disponível em:
<http://directives.sc.egov.usda.gov/>. Acesso em: 03 mar. 2016.
United State Geological Survey (USGS). (2016). “Earth Explorer”. Disponível em:
<https://earthexplorer.usgs.gov/>. Acesso em: 21 set. 2016.
185
United State Geological Survey (USGS). (2017). “Using the USGS Landsat 8 Product”.
Disponível em: <https://landsat.usgs.gov/using-usgs-landsat-8-product>. Acesso em:
19 mar. 2017.
Vaeza, R.F., Oliveira Filho, P.C., Maia, A.G., Disperati, A.A. (2010). “Uso e ocupação do
solo em bacia hidrográfica urbana a partir de imagens orbitais de alta resolução”.
Floresta e Ambiente, 17(1), 23-29.
Vieira, P.A., Ferreira, M.E., Ferreira, L.G. (2015). “Modelagem dinâmica da paisagem
aplicada à análise da cobertura e uso do solo na bacia hidrográfica do Rio Vermelho,
Estado de Goiás”. Revista Brasileira de Cartograﬁa, (67/6), 1217-1230.
Venturieri, A. e Santos, J.R. (1998). “Técnicas de classificação de imagens para análise de
cobertura vegetal”. In: Assad. E.D.; Sano E.E. (eds.) Sistemas de Informações
Geográficas: Aplicações na Agricultura. 2ª Ed., rev. e ampl. Embrapa - SPI, Brasília,
DF, 351-371.
Weng, Q. (2002). “Land use change analysis in the Zhujiang Delta of China using satellite
remote sensing, GIS and stochastic modeling”. Journal of Environmental
Management, 64(3), 273–284.
Wolfram, S. (1983). “Estatistical mechanics of cellular automata”. Reviews of Modern
Physics, 55(3), 601-944.
Wu, Y., Li, S., Yu, S. (2016). “Monitoring urban expansion and its effects on land use and
land cover changes in Guangzhou city, China”. Environmental Monitoring and
Assessment, 188(54), 1-15. doi 10.1007/s10661-015-5069-2
Zanella, M.E., Dantas, E.W.C., “Olímpio, J.L.S. (2011). A vulnerabilidade natural e
ambiental do município de Fortaleza/CE”. Boletim Goiano de Geografia, 31(2), 13-
27.
Zhan, X. e Huang, M.L. (2004). “ArcCN-Runoff: an ArcGIS tool for generating curve
number and runoff maps”. Environmental Modelling & Software, 19, 875-879.
Zhang, J., Wang, Y., Wang, Z. (2007). “Change analysis of land surface temperature based
on robust statistics in the estuarine area of Pearl River (China) from 1990 to 2000 by
Landsat TM/ETM+ data”. International Journal of Remote Sensing, 28(10), 2383–
2390.
186
APÊNDICES
187
APÊNDICE A - CORRELAÇÃO DE VARIÁVEIS PARA SIMULAÇÃO
AMBIENTAL
As tabelas a seguir demonstram o resultado da análise de correlação, pelo Índice de Cramer,

das variáveis estáticas e dinâmicas utilizadas na simulação da dinâmica ambiental para os
testes T5, T6, T6_inf e T6_sup, respectivamente.
Tabela A.1 – Correlação de variáveis pelo Índice de Cramer – T5

Área urbanizada para Campo e solo exposto
Índice Índice
Comparação de Comparação de
Cramer Cramer
declividade/drenagem 0,1595 drenagem/distance_to_4 0,2104
declividade/estradas 0,0796 estradas/distance_to_2 0,1465
declividade/distance_to_2 0,0655 estradas/distance_to_3 0,1548
declividade/distance_to_4 0,0000 distance_to_2/distance_to_3 0,1298
drenagem/estradas 0,1008 distance_to_2/distance_to_4 0,1656
drenagem/distance_to_2 0,1119 distance_to_3/distance_to_4 0,0000
drenagem/distance_to_3 0,1928
Área urbanizada para Corpo d'água
Índice Índice
Cramer Cramer
Área urbanizada para Vegetação
Índice Índice
Cramer Cramer
188
Campo e solo exposto para Área urbanizada
Índice Índice
Cramer Cramer
Campo e solo exposto para Corpo d'água
Índice Índice
Cramer Cramer
Campo e solo exposto para Vegetação
Índice Índice
Cramer Cramer
Corpo d'água para Área urbanizada
Índice Índice
Cramer Cramer
189
Corpo d'água para Campo e solo exposto
Índice Índice
Cramer Cramer
Corpo d'água para Vegetação
Índice Índice
Cramer Cramer
Vegetação para Área urbanizada
Índice Índice
Cramer Cramer
Vegetação para Campo e solo exposto
Índice Índice
Cramer Cramer
190
Vegetação para Corpo d'água
Índice Índice
Cramer Cramer
Tabela A.2 – Correlação de variáveis pelo Índice de Cramer – T6

Índice Índice
Cramer Cramer
declividade/estradas 0,2294 drenagem/distance_to_3 0,1238
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
191
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Tabela A.3 – Correlação de variáveis pelo Índice de Cramer – T6_inf

Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
192
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
193
Tabela A.4 – Correlação de variáveis pelo Índice de Cramer – T6_sup
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
194
Índice Índice
Cramer Cramer
195
APÊNDICE B - CORRELAÇÃO DE VARIÁVEIS PARA SIMULAÇÃO
AMBIENTAL PARA BACIA DO CÓRREGO TAQUARI
Tabela B.5 – Correlação de variáveis pelo Índice de Cramer

Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
Índice Índice
Cramer Cramer
196
Índice Índice
Cramer Cramer
197

Análise Da Dinâmica Do Uso e Cobertura Do Solo Sobre A Vulnerabilidade Ambiental em Área Do Distrito Federal

Enviado por

Direitos autorais:

Formatos disponíveis

Análise Da Dinâmica Do Uso e Cobertura Do Solo Sobre A Vulnerabilidade Ambiental em Área Do Distrito Federal

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Análise Da Dinâmica Do Uso e Cobertura Do Solo Sobre A Vulnerabilidade Ambiental em Área Do Distrito Federal

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DE BRASÍLIA

ANÁLISE DA DINÂMICA DO USO E COBERTURA DO

ALANA DE ALMEIDA VALADARES

ORIENTADOR: WAGNER SANTOS DE ALMEIDA

DISSERTAÇÃO DE MESTRADO EM TECNOLOGIA AMBIENTAL

PUBLICAÇÃO: PTARH.DM - 200/2017

ANÁLISE DA DINÂMICA DO USO E COBERTURA DO SOLO

ALANA DE ALMEIDA VALADARES

DISSERTAÇÃO SUBMETIDA AO DEPARTAMENTO DE

BRASÍLIA/DF, 07 DE JULHO DE 2017

É concedida à Universidade de Brasília permissão para reproduzir cópias desta dissertação

Ao professor Wagner Santos de Almeida pela orientação, ensinamentos, paciência e

A todos os professores, técnicos e demais funcionários do PTARH/UnB pelo convívio e

Ao CNPq pelo auxílio financeiro através da concessão da bolsa de mestrado.

ANÁLISE DA DINÂMICA DO USO E COBERTURA DO SOLO SOBRE A

O Córrego Taquari é destinado para a captação de água para o abastecimento humano e,

ANALYSIS OF DYNAMICS OF SOIL USE AND COVER ON ENVIRONMENTAL

2.1. OBJETIVO GERAL............................................................................................. 5

2.2. OBJETIVOS ESPECÍFICOS .............................................................................. 5

3. ÁREA DE ESTUDO .................................................................................................... 6

3.1. CLIMA DO DF ..................................................................................................... 6

3.2. HIDROGRAFIA DO DF ...................................................................................... 7

3.3. ESCOLHA DA ÁREA DE ESTUDO .................................................................. 8

3.4. CARACTERIZAÇÃO DA ÁREA DE ESTUDO A ......................................... 10

3.4.1. Hidrografia .......................................................................................................... 10

3.4.2. Pedologia .............................................................................................................. 11

3.4.3. Geomorfologia ..................................................................................................... 17

3.4.4. Geologia ............................................................................................................... 19

3.5. CARACTERIZAÇÃO DA ÁREA DE ESTUDO B ......................................... 22

3.5.1. Hidrografia .......................................................................................................... 22

3.5.2. Pedologia .............................................................................................................. 23

3.5.3. Geomorfologia ..................................................................................................... 24

3.5.4. Geologia ............................................................................................................... 25

3.6. PLANO DIRETOR DE ORDENAMENTO TERRITORIAL DO DISTRITO

3.7. PARANOÁ PARQUE......................................................................................... 29

4. FUNDAMENTAÇÃO TEÓRICA ............................................................................ 32

4.1. SENSORIAMENTO REMOTO E GEOPROCESSAMENTO ...................... 32

4.2. USO E COBERTURA DO SOLO ..................................................................... 34

4.3. VULNERABILIDADE AMBIENTAL ............................................................. 37

4.3.1. Análise Hierárquica de Processos (AHP) ......................................................... 40

4.5. MODELAGEM DA DINÂMICA AMBIENTAL DO USO E COBERTURA

4.5.1. Método dos pesos de evidência .......................................................................... 48

4.5.2. Modelo de Autômatos Celulares (AC) .............................................................. 49

4.5.3. Plataforma de Simulação de Dinâmica Ambiental - Dinamica EGO ............ 50

4.6. MÉTODO DO SOIL CONSERVATION SERVICE ......................................... 52

4.6.1. Relação chuva-vazão ........................................................................................... 58

4.6.2. Grupos hidrológicos de solos (GHS) ................................................................. 60

4.6.3. Parâmetro CN ..................................................................................................... 68

4.6.4. Chuva de projeto ................................................................................................. 71

5. MATERIAL E MÉTODOS ....................................................................................... 74

5.1. MATERIAL ........................................................................................................ 74

5.2. MÉTODOS .......................................................................................................... 75

5.2.1. Produção dos mapas de uso e cobertura do solo .............................................. 77

5.2.2. Vulnerabilidade ambiental................................................................................. 82

5.2.2.1. Ponderação dos valores de vulnerabilidade natural ....................................... 84

5.2.2.2. Análise Hierárquica de Processos.................................................................. 89

5.2.3. Mapas de temperatura da superfície terrestre ................................................. 93

5.2.3.1. Temperaturas obtidas com as imagens do Landsat 5 .................................... 93

5.2.3.2. Temperaturas obtidas com as imagens do Landsat 8 .................................... 94