Resumo O objetivo deste trabalho foi avaliar a eficiência do uso de Redes Neurais Artificiais (RNA) para a classificação de uso do solo da Bacia Hidrográfica do Rio Japaratuba - SE, a partir de uma imagem de sensoriamento remoto. Uma classificação pelo método Máxima Verossimilhança foi realizada para ser comparada com as classificações geradas por RNA, uma vez que o primeiro método já é consolidado na literatura. Para avaliar a eficiência das classificações foram analisados o índice Kappa, Exatidão Global e Raiz do Erro Médio Quadrático (REMQ). A classificação por Máxima Verossimilhança obteve índice Kappa de 0,95 e Exatidão Global de 96,43%. A RNA cuja arquitetura se mostrou mais eficiente obteve índice Kappa de 0,93, Exatidão Global de 94,14% e REMQ oscilando entre 0,35 e 0,45 durante suas 10000 iterações, sendo o valor estipulado como ótimo igual a 0,10. As RNA se mostraram eficientes na classificação de uso de solo a partir de imagens de sensoriamento remoto, tendo em vista que os resultados dos parâmetros de acurácia apresentaram valores que indicam uma concordância quase perfeita na classificação realizada por seis das oito arquiteturas de RNA testadas. Dessa forma os produtos gerados podem ser utilizados como ferramenta técnico-gerencial para a gestão ambiental da área de estudo.

Abstract The objective of this work was to evaluate the efficiency of the use of Artificial Neural Networks (ANN) for the classification of land use of the Japaratuba River Basin - SE, from a remote sensing image. A classification by the Maximum Likelihood method was performed to be compared with the classifications generated by ANN, since the first method is already consolidated in the literature. To assess the classifications efficiency, the Kappa Index, Global Accuracy and Root Mean Square Error (RMSE) were analyzed. The Maximum Likelihood classification obtained Kappa Index of 0.95 and Global Accuracy of 96.43%. The ANN architecture more efficient obtained a Kappa Index of 0.93, Global Accuracy of 94.14% and RMSE oscillating between 0.35 and 0.45 during its 10,000 iterations, while the value stipulated as excellent was 0.10. The ANN proved to be efficient in the classification of land use from remote sensing images, since the results of the accuracy parameters showed values that indicate an almost perfect agreement in the classification performed by six of the eight ANN's architectures tested. Thus the generated products can be used as a technical-managerial tool for the environmental management of the study area.

Resumo: O objetivo deste trabalho foi modelar a dependência espacial e mapear o índice de erosividade das chuvas (EI30) na região semiárida do Brasil. Foram utilizados registros de erosividade mensal de 210 postos pluviométricos, com série temporal diária igual ou superior a 15 anos. Com base nos valores do EI30, a modelagem da dependência espacial foi realizada pelo ajuste do semivariograma. A partir dos modelos de semivariograma, foram gerados mapas de isolinhas de erosividade com interpolador da krigagem. De acordo com a série histórica de dados, o valor máximo mensal médio do EI30 foi observado em março, e o valor anual variou de 1.439 a 5.864 MJ mm ha-1 por ano, classificado como baixo e moderado, respectivamente. Os maiores valores do EI30 foram obtidos nos extremos norte e sul da região semiárida. Foi observada dependência espacial média para erosividade da chuva, para a maioria dos meses, principalmente com o modelo de semivariograma esférico. O alcance da erosividade variou entre 62 e 1.508 km, para o EI30 mensal, e foi de, aproximadamente, 1.046 km para o anual. A modelagem aplicada, com a validação dos semivariogramas pelo teste de jackknife, permite a espacialização do EI30 para a região semiárida do Brasil.

Abstract: The objective of this work was to model the spatial dependence and to map the rainfall erosivity index (EI30) in the semiarid region of Brazil. Registers of monthly erosivity from 210 rainfall stations were used, with daily time series equal to or greater than 15 years. Based on the values of the EI30, a spatial dependence model was made by adjusting the semivariogram. From the semivariogram models, erosivity isoline maps were generated with a kriging interpolator. According to the historical data series, the maximum monthly average value of the EI30 was observed in March, and the annual value ranged from 1,439 to 5,864 MJ mm ha-1 per year, classified as low and moderate, respectively. The highest EI30 values were obtained in the northern and southern extremes of the semiarid region. Average spatial dependence was observed for rainfall erosivity, in most months, especially with the spherical semivariogram model. The range of erosivity varied from 62 to 1,508 km for the monthly EI30 and was of approximately 1,046 km for the annual one. The applied model, with the validation of the semivariograms using the jackknife test, allows the spatialization of the EI30 for the semiarid region of Brazil.

Resumo Os índices de sustentabilidade são importantes ferramentas no processo de gestão dos recursos hídricos. Este trabalho objetivou calcular um índice de sustentabilidade para a bacia hidrográfica do rio Japaratuba, no Estado de Sergipe, Brasil. A bacia hidrográfica do rio Japaratuba tem área igual a 1.687,67 km2. O Índice de Sustentabilidade de Bacias Hidrográficas (WSI) considerou as dimensões hidrológica, ambiental, social e política, organizando-as por meio da estrutura Pressão-Estado-Resposta. O WSI calculado para a bacia em estudo foi 0,66, o que indica que a bacia está em um nível intermediário em relação à sustentabilidade. Destaca-se que os indicadores que receberam menor pontuação foram: Hidrológico quantitativo, relacionado à baixa disponibilidade hídrica per capita, e Hidrológico qualitativo, que está relacionado à coleta e tratamento de esgotos nos municípios da bacia.

Abstract Sustainability indexes are important tools in water resource management. The aim of the current study is to calculate the sustainability index of the Japaratuba River watershed, Sergipe State, Brazil. The Japaratuba River watershed comprises a 1.687,67 km2 area. The watershed sustainability index (WSI) has taken into consideration hydrographic, environmental, life, and political dimensions, according to the pressure-state-response methodology. The WSI value was 0.66. Such value indicates that the watershed shows intermediate sustainability level. The indexes showing the lowest scores were the quantitative hydrological index, which is related to water availability per capita, and the qualitative hydrological index, which is related to the wastewater treatment in the cities belonging to the watershed region.

Resumen Los índices de sostenibilidad son herramientas importantes en la gestión de los recursos de agua. Este estudio tuvo como objetivo calcular un índice de sostenibilidad de la cuenca del río Japaratuba en el Estado de Sergipe, Brasil. La cuenca tiene un área de Japaratuba igual a 1.687,67 km2. El índice de sostenibilidad del Cuenca Hidrográfica (WSI) considera la Presión-Estado- Respuesta hidrológica, ambiental, social y política a través de la organización de ellos la estructura. El WSI calculado para la cuenca en estudio fue de 0,66, lo que indica que la cuenca está en un nivel intermedio en relación con la sostenibilidad. Es de destacar que los indicadores que recibieron las puntuaciones más bajas fueron cuantitativa Hidrológico, relacionado con la baja disponibilidad de agua por habitante y Hidrológico cualitativa, que está relacionada con la recogida y el tratamiento de las aguas residuales en los municipios de la cuenca.

O processo erosivo constitui-se na principal causa de degradação dos solos e é acelerado por intervenções humanas nas bacias hidrográficas, resultando em prejuízos ao setor agrícola e ao meio ambiente. Para a previsão dos impactos de ações antrópicas ou de mudanças climáticas sobre os processos hidrossedimentológicos, os modelos distribuídos e de base física têm sido bastante eficazes. Neste estudo, aplicou-se o modelo SWAT à sub-bacia do Rio Japaratuba Mirim, em Sergipe, nas seções de medição das estações Fazenda Pão de Açúcar (PA) e Fazenda Cajueiro (CJ), com áreas de contribuição respectivamente de 137,3 e 277,8 km², visando à parametrização das duas bacias aninhadas por meio dos processos de calibração e de validação. Foram realizadas simulações do escoamento na bacia menor (PA), a partir dos parâmetros calibrados na bacia maior (CJ), e, reciprocamente, do escoamento na bacia maior (CJ). Em seguida, foram também realizadas simulações do escoamento e da produção de sedimentos para o período de dados de vazão disponíveis (1985 a 2000), para a seção CJ. Os resultados evidenciaram que o modelo calibrado simulou bem o escoamento superficial e conseguiu prever, de forma coerente, a produção de sedimentos com base nos 12 parâmetros mais sensíveis do modelo. A transposição dos parâmetros da bacia maior para a menor e, vice-versa, resultou em índices de Eficiência de Nash-Sutcliffe (NSE) e de Tendência Percentual (PBIAS), considerados satisfatórios para o primeiro caso e insatisfatório para o segundo.

Erosion has been recognized as the main cause of soil degradation and is accelerated by human intervention in watersheds, causing losses to the agricultural sector and damaging the environment. To estimate the impacts caused by land use or climate changes on hydrosedimentological processes, physically-based distributed models have been shown to be quite effective. In this study, the SWAT model was calibrated and validated for two subwatersheds of the Japaratuba Mirim river watershed, one located upstream of the Fazenda Pão de Açúcar - PA (137.3 km²), and another located upstream of Fazenda Cajueiro - CJ (277.8 km²) in the state of Sergipe, to simulate runoff and soil erosion. To test the sensitivity of the calibrated parameters, the runoff was also simulated by a cross application of the 12 most sensitive parameters in the two watersheds, from 1985 to 2000. The results showed that the model was able to simulate the runoff and forecast, in a consistent way, the sediment yield. However, while the cross application of the parameters from the bigger (CJ) to the smaller watershed (PA) resulted in satisfactory Nash-Sutcliffe efficiency (NSE) and percent bias (PBIAS), the opposite was not true.