ANÁLISIS BIBLIOMÉTRICO DEL USO DE HERRAMIENTAS SIG EN ESCENARIOS DE DESLIZAMIENTOS EN BRASIL
DOI:
https://doi.org/10.15359/rgac.74-1.16Palabras clave:
catástrofes medio ambientales, fenómenos climáticos, susceptibilidad a deslizamientos de tierra, sistemas de información geográfica (SIG)Resumen
Esta investigación consiste en una revisión sistemática de artículos que utilizaron Sistemas de Información Geográfica (SIG) como forma de mapear áreas propensas a deslizamientos en Brasil o que experimentaron esta situación. Se utilizaron los datos disponibles para el análisis en las colecciones de búsqueda Web Of Science y Scopus, y se utilizó el software VOSViewer. Se aplicó una metodología basada en filtros de exclusión, lo que permitió percibir un abordaje multidisciplinario de la temática y una concentración de trabajos publicados en zonas cercanas a la Serra do Mar. Los resultados indican un crecimiento notable en este tema, con más del 60% de los trabajos publicados en los últimos 5 años y que fueron impulsados por el crecimiento de la investigación que involucra predicciones de deslizamientos a través de herramientas de Inteligencia Artificial (IA).
Referencias
Arumugam, T; Kinattinkara, S; Velusamy, S; Shanmugamoothy, M; Murugan, S. (2023). GIS based landslide susceptibility mapping and assessment using weighted overlay method in Wayanad: A part of Western Ghats, Kerala. Urban Climate, 49, s.p. https://doi.org/10.1016/j.uclim.2023.101508
Aslam, B; Zafar, A; Khalil, U. (2023). Comparative analysis of multiple conventional neural networks for landslide susceptibility mapping. Natural Hazards, 115(1), 673-707. https://doi.org/10.1007/s11069-022-05570-x
Barcellos, P; da Silva, F; Vissirini, F; Magalhães, C; Terra, J; Dutra, M; do Amaral, I. (2016). Diagnóstico meteorológico dos desastres naturais ocorridos nos últimos 20 anos na cidade de Duque de Caxias. Revista Brasileira de Meteorologia, 31(3), 319-329. https://doi.org/10.1590/0102-778631320150146
Beillouin, D; Cardinael, R; Berre, D; Boyer, A; Corbeels, M; Abigail, F; Demenois, J. (2022). A global overview of studies about land management, land‐use change, and climate change effects on soil organic carbon. Global change biology, 28(4), 1690-1702. https://doi.org/10.1111/gcb.15998
Bertotti, L. (2016). Geotecnologias aplicadas à análise ambiental. CINECA. http://repositorio.unicentro.br:8080/jspui/handle/123456789/963
Casagli, N; Intrieri, E; Tofani, V; Gigli, G; Raspini, F. (2023). Landslide detection, monitoring and prediction with remote-sensing techniques. Nature Reviews Earth & Environment, 4(1), 51-64. https://doi.org/10.1038/s43017-022-00373-x
Chen, H; Shi, Z. (2020). A spatial-temporal attention-based method and a new dataset for remote sensing image change detection. Remote Sensing, 12(10), s.p. https://doi.org/10.3390/rs12101662
Coelho, L; Nunes, A. (2020). Eventos Recentes de Chuva Intensa na Cidade do Rio de Janeiro: Análise Sinótica. Revista Brasileira de Geografia Física, 13(03), 994-1012. http://dx.doi.org/10.26848/rbgf.v13.3.p994-1012
Cruz-Muñoz, F. (2021). Patrones de expansión urbana de las megaurbes latinoamericanas en el nuevo milênio. EURE (Santiago), 47(140), 29-49. http://dx.doi.org/10.7764/eure.47.140.02
Dereczynski, C; Calado, R; Barros, A. (2017). Chuvas extremas no município do Rio de Janeiro, histórico a partir do século XIX. Anuário do Instituto de Geociências, 40(2), 17-30. http://dx.doi.org/10.11137/2017_2_17_30
Girão, Í; Rabelo, D; Zanella, M. (2018). Análise teórica dos conceitos: riscos socioambientais, vulnerabilidade e suscetibilidade. Revista de Geociências do Nordeste, 4, 71-83. https://doi.org/10.21680/2447-3359.2018v4n0ID13273
Haque, I; Basak, R. (2017). Land cover change detection using GIS and remote sensing techniques: A spatio-temporal study on Tanguar Haor, Sunamganj, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 20(2), 251-263. https://doi.org/10.1016/j.ejrs.2016.12.003
Hong, H; Miao, Y; Liu, J; Zhu, A-Xing. (2019). Exploring the effects of the design and quantity of absence data on the performance of random forest-based landslide susceptibility mapping. Catena, 176, 45–64. https://doi.org/10.1016/j.catena.2018.12.035
Hussain, S; Qin, S; Nasim, W; Bukhari, M; Mubeen, M; Fahad, S; Raza, A; Abdo, H; Aqil,
T; Mousa, B; Mumtaz, F; Aslam, M. (2022). Monitoring the dynamic changes in vegetation cover using spatio-temporal remote sensing data from 1984 to 2020. Atmosphere, 13(10), 1609. https://doi.org/10.3390/atmos13101609
Instituto Brasileiro de Geografia e Estatística. (2018). População em áreas de risco no Brasil. IBGE, São José dos Campos: CEMADEN. https://agenciadenoticias.ibge.gov.br/
Intergovernmental Panel on Climate Change. (2023). AR6 Synthesis Report: Climate Change 2023. IPCC. https://www.ipcc.ch/report/sixth-assessment-report-cycle/
Jacobi, P; Tavares, M; Pierro, B. (2022). O Brasil e as tragédias ambientais anunciadas: a cultura do risco e suas consequências para as cidades brasileiras. Boletín del Grupo de Trabajo Cambio ambiental global, metabolismo social local. https://www.clacso.org/wp-content/uploads/2022/07/V1_Cambio-ambiental-global_N4-1.pdf
Lousada, G; Frias, H. (2014). Desastres Ambientais, Prevenção e Mitigação: um estudo de caso na região de Angra dos Reis/ RJ. Continentes. Revista de Geografia, (5), 131-149. https://revistacontinentes.com.br/index.php/continentes/article/view/57
Mejía, V. (2020). Morfología urbana y proceso de urbanización en Ecuador a través de la imagen satelital nocturna de la Tierra, 1992-2012. EURE (Santiago), 46(138), 191-214. http://dx.doi.org/10.4067/S0250-71612020000200191
Matsuo, P; Silva, R. (2021). Desastres no Brasil? Práticas e abordagens em educação em redução de riscos e desastres. Educar em Revista, 37, 1-22. https://doi.org/10.1590/0104-4060.78161
Menezes, S; Ribeiro, C; Lima, C; Souza, M. (2017). Geotecnologias Aplicadas à Gestão Ambiental. Diversidade e Gestão, 1(1), 57-69. http://costalima.ufrrj.br/index.php/diversidadeegestao/article/view/845
Phong, T; Phan, T; Prakash I; Singh, S; Shirzadi, K; Ly, Hai-Bang; Ho, L; Quoc, N; Pham, B. (2021). Landslide susceptibility modeling using different artificial intelligence methods: A case study at Muong Lay district, Vietnam. Geocarto International, 36(15), 1685-1708. https://doi.org/10.1080/10106049.2019.1665715
Oliveira, O; Cunha, R. (2007). O Sig como ferramenta de análise da paisagem: o caso do mangue no bairro de São Domingos em Ilhéus – BA. Revista Paisagem e ambiente, (24), 39-48. https://www.revistas.usp.br/paam/article/download/85675/88436/120695
Pradhan, B. (2019). Artificial Intelligence and Spatial Modelling in Natural Hazards and Environmental Applications. In: El-Askary, H; Lee, S; Heggy, E; Pradhan, B. (eds) Advances in Remote Sensing and Geo Informatics Applications. CAJG 2018. Advances in Science, Technology & Innovation. (Springer), Cham. https://doi.org/10.1007/978-3-030-01440-7_3
Ribeiro, D; Saito, S; Dos Santos, A. (2022). Disaster vulnerability analysis of small towns in Brazil. International Journal of Disaster Risk Reduction, 68, s.p. https://doi.org/10.1016/j.ijdrr.2021.102726
Rivera-Marin, D; Dash, J; Ogutu, B. (2022). The use of remote sensing for desertification studies: A review. Journal of Arid Environments, 206, s.p. https://doi.org/10.1016/j.jaridenv.2022.104829
São Paulo. (2023). Litoral Norte de SP registrou maior acumulado de chuva da história. Governo do Estado. Defesa Civil. https://www.saopaulo.sp.gov.br/ultimas-noticias/litoral-norte-de-sp-registrou-maior-acumulado-de-chuva-da-historia-2/
Tominaga, L; Santoro, J; Amaral, R. (2015). Desastres naturais: conhecer para prevenir. 3. ed. São Paulo: Instituto Geológico. Brazil.
Ullah, I; Aslam, B; Shah, S; Tariq, A; Qim S; Majeed, M; Havenith, Hans-Balder. (2022). An integrated approach of machine learning, remote sensing, and GIS data for the landslide susceptibility mapping. Land, 11(8), s.p. https://doi.org/10.3390/land11081265
Van Eck, N; Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
Vieira, B; Dos Santos, L; Benini, S. (2021). Análise da detecção de mudança na paisagem ocasionada pela construção da Usina Hidrelétrica das Três Gargantas-Yiling, Hubei, China. Revista Científica ANAP Brasil, 14(34), s.p. https://dokumen.tips/documents/anlise-da-deteco-de-mudana-na-paisagem-ocasionada.html?page=1
Welz, J; Krellenberg, K. (2016). Vulnerabilidad frente al cambio climático en la Región Metropolitana de Santiago de Chile: posiciones teóricas versus evidencias empíricas. EURE (Santiago), 42(125), 251-272. http://dx.doi.org/10.4067/S0250-71612016000100011
XU, G; Wang, Y; Wang, L; Soares, L. (2022). Feature-based constraint deep CNN method for mapping rainfall-induced landslides in remote regions with mountainous terrain: An application to Brazil. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 15, 2644-2659. https://doi.org/10.1109/JSTARS.2022.3161383
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Arthur Pereira dos Santos, Darllan Collins da Cunha e Silva, Luis Armando de Oro Arenas, Roberto Wagner Lourenço
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Política propuesta para Revistas que ofrecen Acceso Abierto
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
a. Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo, bajo la Licencia https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es, que permite a otros compartir con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
b. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista. Esos acuerdos adicionales deben respetar los términos de la licencia: es decir: no involucrar fines de lucro y compartir con la misma licencia.
c. Se anima a los autores a archivar el post-print o versión de editor/PDF en repositorios de acceso abierto.
REVGEO se encuentra bajo la licencia https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
.svg_4.png){kind=logo}
_(1).png){kind=logo}
_(1)_(1)_(1)_1.png){kind=logo}
(2)(1)(1)(1).png){kind=logo}
