Como lidar com depressões em modelos digitais de elevação
Depressão relevo é um problema real que todo mundo que trabalha com DEMs (Modelos Digitais de Elevação) encontra. Aparece nos dados quando certos pixels ficam cercados por valores mais altos em todas as direções, mas não têm saída natural para a água escoar. O resultado são bacias que parecem absurdas no fluxo hidrológico gerado — a água simplesmente some. Eu passei semanas tentando rastrear por que meu modelo de bacia hidrográfica estava produzindo resultados sem sentido num mapa de relevo da Serra do Mar. As linhas de drenagem cortavam morros e depois paravam do nada, como se o terreno tivesse virado um prato fundo.
O que causa depressão relevo
As depressões surgem de três formas principais em dados de elevação. A primeira é ruído de sensoriamento — pontos LiDAR ou radar que retornam valores errados por interferência atmosférica, vegetação ou erro de georreferenciamento. A segunda é o próprio processo de interpolação usado ao criar o DEM. Quando você transforma pontos discretos em uma malha contínua, algoritmos como IDW ou krigagem podem criar vagüens artificiais nas zonas de transição entre elevações muito diferentes. A terceira causa é mais chata: dados brutos de fontes abertas, especialmente SRTM eASTER GDEM, vêm com artefatos de preenchimento onde o sinal foi perdido. Um detalhe que poucos mencionam: depressões relevo não aparecem só em áreas planas. Eu descobri isso na marra quando processei dados de uma região montanhosa com declividade acima de 30 graus. As depressões estavam disfarçadas dentro de vales estreitos, onde o gradiente natural de elevação criava células que pareciam válidas mas na verdade eram armadilhas de fluxo. O HydroEnforce do ArcGIS não pegou metade delas porque o limiar padrão dele ignora depressões com volume menor que o parâmetro de tolerância.
Detecção prática
A detecção começa com uma ferramenta chamada Fill Depression. Ela modifica o DEM preenchindo as depressões artificialmente para garantir que cada célula tenha um caminho de saída. O comando existe no ArcGIS Spatial Analyst e no QGIS através do GRASS s.watershed ou da ferramenta r.fill.stats. Mas o ponto importante é que você precisa rodar a detecção ANTES do preenchimento, porque o próprio fill destrói a evidência das depressões que ele está corrigindo. No QGIS, o caminho mais direto é usar Processamento > > GRASS > r.flow com o parâmetro depression para identificar as células problemáticas. No ArcGIS, o Sequence Fill no Spatial Analyst faz o mesmo. A saída é um raster onde cada pixel depressa mostra a profundidade da depressão — ou seja, quanto o terreno precisa ser elevado para que a água escorra normalmente.
O que eu aprendi na prática é que a maior armadilha é confiar cegamente no resultado do fill. O algoritmo preenche depressões mas não te avisa quando ele está distorcendo características reais do terreno. Em áreas de planície alagável, por exemplo, depressões verdadeiras de preservação ambiental podem ser tratadas como erros e niveladas, o que elimina completamente a função hidrológica real daquele trecho. Eu já perdi uma área de brejo inteira num modelo porque o preenchimento automático não fez distinção entre depressão topográfica e depressão hidrológica legítima.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Workaround que funcionou pra mim
Quando precisei processar dados SRTM de uma bacia no interior de Minas Gerais com mais de duzentas depressões espúrias, o fill padrão simplesmente não resolveu. O volume total preenchido equivalia a cerca de oito metros de elevação em média, o que era fisicamente impossível para aquela topografia. O que funcionou foi um processo em três etapas. Primeiro, rodei o detection de depressões e gerei um raster de profundidade. Depois, apliquei um filtro de mediana de 3x3 pixels nessa camada de profundidade para eliminar ruídos isolados. Só as depressões persistentes e com volume coerente com a escala do dado foram mantidas. Por fim, usei o fill mas com um limiar máximo de profundidade baseado na resolução espacial do DEM — no meu caso, configurei para não preencher depressões mais rasas que dois metros, que era a variação mínima esperada entre células adjacentes naquela resolução de 30 metros.
O resultado reduziu o número de depressões corrigidas de duzentas e setenta e seis para onze. E o modelo de fluxo hidrográfico ficou coerente com o mapa hidrológico da região. A diferença é que você perde a precisão absoluta em algumas áreas, mas ganha um modelo que não gera absurdos visuais nas saídas.
Pegadinhas avançadas
Dois problemas que passam despercebidos. O primeiro é a dependência da direção de fluxo. Os algoritmos padrão de fluxo (D8, D) tratam depressões de formas diferentes. O D8 é mais agressivo na identificação porque só considera oito direções, então uma depressão que seria detectada como tal pode simplesmente virar um canal artificial no D. Se você está comparando resultados entre softwares, verifique qual método de fluxo cada um usa por padrão. O segundo é a questão do tratamento de borda. Depressões relevo próximas à borda do seu DEM muitas vezes não são depressões de verdade — são artefatos de corte. O algoritmo vê uma célula na borda com valor mais baixo que os vizinhos internos e cria uma "depressão" que na realidade é só o fato de o modelo terminar ali. A solução é adicionar uma margem de borda com valores extremos antes de processar, ou simplesmente recortar oDEM para uma área menor onde as bordas não interfiram.
Se o seu dado tem resolução muito grossa — acima de cem metros — e a área é complexa, o fill pode não resolver tudo. Nesse caso, o mais honesto é usar dados de LiDAR ou pelo menos combinar múltiplas fontes, como SRTM corrigido com dados batimétricos para áreas de planície. Depressão relevo em dados de baixa resolução é basicamente um problema que não tem solução limpa, só aproximações. O link para baixar o QGIS com o pacote GRASS incluído, onde todas as ferramentas mencionadas aqui já vêm prontas para uso, é gratuito e funciona tanto em Windows quanto Linux. Para quem usa ArcGIS, a licença do Spatial Analyst é necessária mas o tutorial oficial da Esri cobre o Sequence Fill passo a passo.
