ANÁLISIS BIBLIOMÉTRICO DEL USO DE HERRAMIENTAS SIG EN ESCENARIOS DE DESLIZAMIENTOS EN BRASIL
DOI:
https://doi.org/10.15359/rgac.74-1.16Palavras-chave:
Catástrofes ambientais, fenômenos climáticos, suscetibilidade a deslizamentos de terra, sistemas de informação geográfica (SIG)Resumo
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).
Referências
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
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Arthur Pereira dos Santos, Darllan Collins da Cunha e Silva, Luis Armando de Oro Arenas, Roberto Wagner Lourenço
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Política proposta para revistas que oferecem Acesso Aberto
Os autores que publicam nesta revista concordam com os seguintes termos:
a. Os autores mantêm os direitos autorais e garantem à revista o direito de ser a primeira publicação do trabalho, sob a Licença Creative Commons https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es, que permite que outros compartilhar com reconhecimento da autoria do trabalho e da publicação inicial nesta revista.
b. Os autores podem estabelecer separadamente acordos adicionais para a distribuição não exclusiva da versão do trabalho publicado na revista (por exemplo, colocá-la em repositório institucional ou publicá-la em livro), com reconhecimento de sua publicação inicial nesta revista. Esses acordos adicionais devem respeitar os termos da licença: ou seja: não envolver lucro e compartilhar com a mesma licença.
c. Os autores são incentivados a arquivar a versão/PDF pós-impressão ou do editor em repositórios de acesso aberto.
REVGEO está licenciado sob 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}
