Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais
Em regiões áridas e semiáridas, como o Norte de Minas Gerais (NMG) no Brasil, as águas subterrâneas servem como um recurso crucial. Devido ao aumento previsto na procura destes recursos, é vital conceber estratégias eficazes para a gestão e análise dos recursos hídricos. O objetivo desse estudo foi...
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidade Federal de Uberlândia
2023-11-01
|
| Series: | Revista Brasileira de Cartografia |
| Subjects: | |
| Online Access: | https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/65381 |
| _version_ | 1797449986251685888 |
|---|---|
| author | Cristiano Marcelo Pereira Souza Lucas Augusto Pereira Silva Marcos Esdras Leite Gustavo Vieira Veloso Elpídio Inácio Fernandes-Filho |
| author_facet | Cristiano Marcelo Pereira Souza Lucas Augusto Pereira Silva Marcos Esdras Leite Gustavo Vieira Veloso Elpídio Inácio Fernandes-Filho |
| author_sort | Cristiano Marcelo Pereira Souza |
| collection | DOAJ |
| description |
Em regiões áridas e semiáridas, como o Norte de Minas Gerais (NMG) no Brasil, as águas subterrâneas servem como um recurso crucial. Devido ao aumento previsto na procura destes recursos, é vital conceber estratégias eficazes para a gestão e análise dos recursos hídricos. O objetivo desse estudo foi realizar predição espacial de áreas potenciais de água subterrânea no NMG empregando seis Algoritmos de Aprendizado de Máquina baseados em dados de 4.028 poços tubulares. A modelagem foi auxiliada por covariáveis ambientais que possuem conexão com dinâmica da água (clima, geologia, relevo, solo e vegetação). A técnica de seleção de covariáveis (RFE- Recursive Feature Elimination) selecionou as mais importantes. O modelo Random Forest (RF) foi o mais eficiente na predição (R2 0,16 e um RMSE de 17,50 m3/h), o modelo capturou a influência de importantes covariáveis ambientais. Espacialmente, as regiões central e oeste do NMG possuem maior potencial de água subterrânea, com valores de fluxo de poços tubulares nessas áreas 620% maiores em comparação com as regiões situadas a leste. As variações possuem conexão ao predomínio de rochas sedimentares psamíticas e carbonáticas com alta porosidade e fissuras, extensos planaltos facilitando a recarga e maior pluviosidade nas regiões centro e oeste. Os resultados do mapeamento realizado podem servir como uma ferramenta para a gestão pública, definindo áreas aptas para uso das águas subterrâneas no NMG. Incentivamos estudos futuros para possíveis avanços e melhorias nos processos de modelagem de águas subterrâneas na região.
|
| first_indexed | 2024-03-09T14:33:00Z |
| format | Article |
| id | doaj.art-bf906e7439f2435eb42b83cd8220db49 |
| institution | Directory Open Access Journal |
| issn | 0560-4613 1808-0936 |
| language | English |
| last_indexed | 2024-03-09T14:33:00Z |
| publishDate | 2023-11-01 |
| publisher | Universidade Federal de Uberlândia |
| record_format | Article |
| series | Revista Brasileira de Cartografia |
| spelling | doaj.art-bf906e7439f2435eb42b83cd8220db492023-11-27T19:23:35ZengUniversidade Federal de UberlândiaRevista Brasileira de Cartografia0560-46131808-09362023-11-01750a10.14393/rbcv75n0a-65381Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados AmbientaisCristiano Marcelo Pereira Souza0Lucas Augusto Pereira Silva1Marcos Esdras Leite2Gustavo Vieira Veloso3Elpídio Inácio Fernandes-Filho4Universidade Estadual de Montes ClarosUniversidade Federal de UberlândiaUniversidade Estadual de Montes ClarosUniversidade Federal de ViçosaUniversidade Federal de Viçosa Em regiões áridas e semiáridas, como o Norte de Minas Gerais (NMG) no Brasil, as águas subterrâneas servem como um recurso crucial. Devido ao aumento previsto na procura destes recursos, é vital conceber estratégias eficazes para a gestão e análise dos recursos hídricos. O objetivo desse estudo foi realizar predição espacial de áreas potenciais de água subterrânea no NMG empregando seis Algoritmos de Aprendizado de Máquina baseados em dados de 4.028 poços tubulares. A modelagem foi auxiliada por covariáveis ambientais que possuem conexão com dinâmica da água (clima, geologia, relevo, solo e vegetação). A técnica de seleção de covariáveis (RFE- Recursive Feature Elimination) selecionou as mais importantes. O modelo Random Forest (RF) foi o mais eficiente na predição (R2 0,16 e um RMSE de 17,50 m3/h), o modelo capturou a influência de importantes covariáveis ambientais. Espacialmente, as regiões central e oeste do NMG possuem maior potencial de água subterrânea, com valores de fluxo de poços tubulares nessas áreas 620% maiores em comparação com as regiões situadas a leste. As variações possuem conexão ao predomínio de rochas sedimentares psamíticas e carbonáticas com alta porosidade e fissuras, extensos planaltos facilitando a recarga e maior pluviosidade nas regiões centro e oeste. Os resultados do mapeamento realizado podem servir como uma ferramenta para a gestão pública, definindo áreas aptas para uso das águas subterrâneas no NMG. Incentivamos estudos futuros para possíveis avanços e melhorias nos processos de modelagem de águas subterrâneas na região. https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/65381Recurso hídricoHidrogeologiaSemiárido mineiroModelagem espacialRandom Forest |
| spellingShingle | Cristiano Marcelo Pereira Souza Lucas Augusto Pereira Silva Marcos Esdras Leite Gustavo Vieira Veloso Elpídio Inácio Fernandes-Filho Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais Revista Brasileira de Cartografia Recurso hídrico Hidrogeologia Semiárido mineiro Modelagem espacial Random Forest |
| title | Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais |
| title_full | Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais |
| title_fullStr | Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais |
| title_full_unstemmed | Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais |
| title_short | Modelagem Espacial do Potencial Hídrico Subterrâneo no Norte de Minas Gerais, Brasil: Uma Abordagem Integrada Usando Machine Learning e Dados Ambientais |
| title_sort | modelagem espacial do potencial hidrico subterraneo no norte de minas gerais brasil uma abordagem integrada usando machine learning e dados ambientais |
| topic | Recurso hídrico Hidrogeologia Semiárido mineiro Modelagem espacial Random Forest |
| url | https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/65381 |
| work_keys_str_mv | AT cristianomarcelopereirasouza modelagemespacialdopotencialhidricosubterraneononortedeminasgeraisbrasilumaabordagemintegradausandomachinelearningedadosambientais AT lucasaugustopereirasilva modelagemespacialdopotencialhidricosubterraneononortedeminasgeraisbrasilumaabordagemintegradausandomachinelearningedadosambientais AT marcosesdrasleite modelagemespacialdopotencialhidricosubterraneononortedeminasgeraisbrasilumaabordagemintegradausandomachinelearningedadosambientais AT gustavovieiraveloso modelagemespacialdopotencialhidricosubterraneononortedeminasgeraisbrasilumaabordagemintegradausandomachinelearningedadosambientais AT elpidioinaciofernandesfilho modelagemespacialdopotencialhidricosubterraneononortedeminasgeraisbrasilumaabordagemintegradausandomachinelearningedadosambientais |