Mapeamento do risco de ravinamento na área de proteção ambiental Fernão Dias, Sudeste do Brasil, a partir de lógica de decisão Fuzzy

Abstract

É apresentado um modelo espacial que utiliza regressão logística, classificação fuzzy e SIG, para mapear o risco de ravinamento. Este modelo utiliza os mapas: índice de vegetação; declividade; densidade de lineamentos estruturais e de estradas vicinais. A possibilidade de ocorrência de um evento de ravinamento, em relação a estes mapas, foi estimada através do odd ratio (OR). O modelo calcula o risco de ravinamento em cada pixel, a partir da soma ponderada de mapas temáticos, e utiliza como peso o valor de r2 obtido pela frequência de pontos de ravinamento observados em cada classe dos mapas temáticos.

Se propone un modelo espacial basado en SIG para mapear el riesgo de barrancos, utilizando índice de vegetación; declive; densidad de lineamientos estructurales y carreteras locales. La posibilidad de ocurrencia de un barranco se estimó, para estos mapas, mediante la odds ratio (OR). El modelo calcula el riesgo de barranco en cada pixel mediante la suma ponderada de mapas temáticos, y se utiliza como un peso el valor de r2 obtenido por frecuencia de puntos de barrancos observada en los mapas temáticos.

Il est proposé un modèle spatial utilisant SIG pour cartographier le risque pour lede ravin, en utilisant des cartes de indice de végétation, de pente et la de densité des linéaments structuraux et de routes. La possibilité dechance occurrence en faveur d'un événement de ravin, de dans ces carte,s a été estimé par le rapport de odd ratio. Le risque de ravinement est calculée selon la somme pondérée des cartes, et utilisé comme poids les r2 obtenue par les points de fréquence de ravins observés dans chaque classe de cartes.

A spatial model is presented using logistic regression, fuzzy classification and GIS, to map the risk to the ravine. This model uses the maps: vegetation index, slope, and structural lineaments and roads density maps. The chance in favour of a gully event for these maps was estimated using odds ratio. The model calculates the risk of gully in each pixel, from the weighted sum of fuzzy maps, and uses r2 value obtained by frequency ravine points observed in each class of thematic maps as weight values.