Dinâmica espaço-temporal de sedimentos em suspensão na Região Hidrográfica do Paraguai/Pantanal : abordagens envolvendo aprendizado de máquinas e sensoriamento remoto

A bacia do Alto Paraguai (BAP) possui a maior área úmida tropical do mundo: o Pantanal, marcado por um regime hidrológico de inundação sazonal e uma grande biodiversidade de fauna e flora. A BAP é considerada uma região bastante heterogênea, em termos de relevo, tipos de solo, cobertura vegetal e usos da terra. Essa heterogeneidade física, bem como o regime hidrológico sazonal resultam em rios com águas que vão desde transparentes a turvas, em diferentes regiões, caracterizando uma dinâmica hidrossedimentológica bastante complexa e ainda pouco compreendida. Pouco se sabe sobre os fatores causadores da variabilidade espaçotemporal que ocorre na BAP. Apesar da grande importância ambiental dessa região, a caracterização de impactos, assim como o desenvolvimento de estudos relacionados ao transporte de sedimentos são prejudicados pela escassez de dados de sedimentos in situ. Outra questão de interesse ambiental que vem ganhando atenção nessa região é o aumento de pequenos empreendimentos hidrelétricos nos rios tributários do Pantanal. Os impactos dessas estruturas menores no transporte de sedimentos foram pouco investigados. O uso de aprendizado de máquinas e de técnicas de sensoriamento remoto vem ganhando cada vez mais espaço nos estudos de fenômenos não lineares e de grande complexidade, como os fenômenos relacionados aos sedimentos. Neste sentido, o objetivo desta pesquisa foi desenvolver técnicas originais baseadas em máquinas de aprendizado e sensoriamento remoto para avaliar, compreender e caracterizar a dinâmica espaço-temporal de sedimentos suspensos na BAP. Um modelo regional baseado em redes neurais artificiais (RNAs) foi desenvolvido para estimar a concentração de sedimentos suspensos (CSS) em rios sem monitoramento desta variável, a partir de outras variáveis obtidas via sensoriamento remoto e via estações fluviométricas de domínio público. Também foram avaliados os efeitos de hidrelétricas no transporte de CSS, identificando relações entre diferentes características da bacia hidrográfica, características da barragem e variações hidrológicas que podem influenciar os efeitos causados pelas instalações hidrelétricas. Os efeitos foram avaliados por meio de uma metodologia original desenvolvida para interpretação de bancos de regras de sistemas de inferência fuzzy. Por fim, foi elaborado um mapeamento abrangente da dinâmica de CSS nos rios e lagoas do Pantanal, utilizando a plataforma Google Earth Engine, juntamente com imagens do Sentinel-2 e do Landsat-8/9, e modelos de RNAs. As abordagens desenvolvidas proporcionaram uma caracterização abrangente do comportamento dos sedimentos suspensos ao longo do Pantanal, da influência da sazonalidade hidrológica nesse comportamento, bem como da influência dos empreendimentos hidrelétricos na dinâmica de sedimentos da BAP.

The Upper Paraguay River Basin (UPRB) holds the world's largest tropical wetland area: the Pantanal, characterized by a seasonal flooding hydrological regime and a rich biodiversity of fauna and flora. The UPRB is considered a highly heterogeneous region in terms of topography, soil types, vegetation cover, and land use. This physical heterogeneity, associated with the seasonal hydrological regime, leads to rivers ranging from clear to turbid waters across different areas, defining a highly complex hydrosedimentological dynamic that is still poorly understood. Limited knowledge exists regarding the factors causing the spatial and temporal variability in the UPRB. Despite the environmental importance of this region, understanding the impacts and conducting sediment-related studies is hindered by the scarcity of in situ sediment data. Another environmental concern gaining attention in this region is the rise of small hydropower projects in the tributaries of the Pantanal. The impacts of these smaller structures on sediment transport have been poorly investigated. The use of machine learning and remote sensing techniques has been increasingly integrated into studies of nonlinear and highly complex phenomena, such as those related to sediments. In this context, the objective of this research was to develop original techniques based on machine learning and remote sensing to assess, understand, and characterize the spatio-temporal dynamics of suspended sediments in the UPB. A regional model based on artificial neural networks (ANNs) was developed to estimate suspended sediment concentration (SSC) in rivers without monitoring of this variable, using other variables obtained via remote sensing and from publicly available river gauging stations. The effects of hydropower plants on sediment transport were also evaluated, identifying relationships among different characteristics of the hydrographic basin, dam features, and hydrological variations that can influence the effects caused by hydropower facilities. The effects were assessed using an original methodology developed for interpreting rule banks of fuzzy inference systems. Finally, a comprehensive mapping of suspended sediment dynamics in the rivers and lakes of the Pantanal was developed using the Google Earth Engine platform, along with Sentinel-2 and Landsat-8/9 imagery, and artificial neural network models. The developed approaches provided a comprehensive characterization of the behaviour of suspended sediments along Pantanal, the influence of hydrological seasonality on this behaviour, as well as the influence of hydropower projects on the hydro-sedimentology of the UPRB.