RESUMO Dados topográficos de levantamentos LiDAR (Light Detection and Ranging) estão disponíveis de forma crescente. Esta pesquisa avalia limitações e potencialidades de um Modelo Digital do Terreno (MDT) LiDAR para representação topográfica de bacias hidrográficas e extração de rede de drenagem, considerando alta resolução espacial (1 m) e versões reamostradas (2, 5, 10 e 30 m) e a bacia do rio das Garças (4.100 km2; Pernambuco) como estudo de caso. A representação do terreno com o MDT de 1m e a rede de drenagem apresentam excelente qualidade, e a reamostragem para até 30 m supera o obtido com dados SRTM. O MDT LiDAR reamostrado para 2, 5, 10 e 30 m levou a encurtamentos do rio principal de 0,1%, 0,3%, 1,2% e 4%, respectivamente, enquanto a diferença entre LiDAR 1m e SRTM foi de 12%. O custo computacional para processar MDT de 1m foi proibitivo ao usar computador comum de baixo custo, enquanto alguns algoritmos mostraram-se muito eficientes (até 100x mais rápido) quando rodados em máquina mais robusta. A reamostragem do MDT é um meio de equilibrar qualidade da informação e exigências computacionais.
ABSTRACT Topographic data is increasingly available from LiDAR (Light Detection and Ranging) surveys. This research evaluates the limitations and capabilities of a LiDAR Digital Terrain Model (DTM) regarding catchment topography representation and river drainage network derivation, considering high-resolution (1 m) and resampled versions (2, 5, 10, and 30 m), and the Garças river basin (4,100 km2; Pernambuco state) as a study case. The terrain representation of the 1m-DTM and the derived network present outstanding quality, and its coarsening up to 30m resolution still outperforms the results obtained with SRTM data. LiDAR DTM coarsened to 2, 5, 10 and 30 m led to river length shortening of 0.1%, 0.3%, 1.2%, and 4%, respectively, while the difference between LiDAR 1m and SRTM was about 12%. The computational cost for 1m-DTM processing was prohibitive when using a typical low-cost computer, while some algorithms proved to be largely efficient (100 times faster) when running on a more powerful machine. DTM coarsening is an alternative to achieving a better balance between data quality and computer requirements.