Multicriteria Analysis and Machine Learning Algorithm for Definition of Areas for Micro-Dam, Southeastern Brazil

Abstract

As barraginhas são eficientes no controle da erosão e aumentam a taxa de infiltração de água no solo. Este estudo visa prever áreas potenciais para alocação de barraginhas. Preparamos o mapa de áreas potenciais para alocação de barraginhas a partir da análise multicritério (AHP) usando dados topográficos e uso do solo. Além disso, desenvolvemos uma estrutura metodológica com algoritmo Random Forest (RF) para prever áreas potenciais de barraginhas a partir de pontos extraídos do mapa gerado por AHP e auxiliados pela inserção de covariáveis; e também aplicamos a sobreposição dos dois mapas (AHP + RF). O método AHP superestima as áreas de alto potencial em zonas sem potencialidade. O modelo de RF usou sete covariáveis ​​topográficas, e elas estão relacionadas aos fluxos hidrológicos. O desempenho de R2 no RF foi de 0,43, estaticamente satisfatório, mas espacialmente subestimou as classes de potencial muito baixo e muito alto. A superposição da classe de baixo potencial do método AHP no mapa de RF favoreceu uma redução de 99% das áreas de muito alto potencial em zonas não adequadas para alocação de micro-barragens. Portanto, a combinação do método AHP e ML gera resultados espaciais mais consistentes.