DIAGNÓSTICO DA EROSÃO EM ÁREAS DE MANANCIAL VIA GEOTECNOLOGIAS E INTELIGÊNCIA ARTIFICIAL: UMA ABORDAGEM INTEGRADA COM RPA, REDES U-NET E VALIDAÇÃO RUSLE

O artigo apresenta uma metodologia integrada de diagnóstico erosivo para áreas de manancial rural, combinando sensoriamento remoto por Aeronave Pilotada Remotamente (RPA), atributos espectrais derivados das bandas RGB e segmentação semântica por rede neural convolucional U-Net. O estudo aplicou essa metodologia a 59,24 hectares em área do entorno de nascentes do Arroio Fundo, manancial de abastecimento público de Marechal Cândido Rondon (PR) a partir de ortomosaico com resolução de 3,7 cm/pixel obtido pela RPA DJI Phantom 4 RTK. Seis atributos derivados ampliam a capacidade discriminativa do modelo, treinado e calibrado ao longo de dez versões experimentais. O Modelo V9 foi selecionado por apresentar acurácia de validação de 76,7% e eliminar confusões semânticas críticas entre classes de cobertura. O diagnóstico do cenário em 2025 indicou que 60,31% da área apresenta Alto Risco erosivo, com 1,61 hectares de erosão ativa e perda média de solo de até 114,52 t ha⁻¹ ano⁻¹, valor obtido por comparação com a Equação Universal de Perda de Solo Revisada (RUSLE) como verificação de consistência. A simulação do cenário prospectivo (2035), baseada na restauração das Áreas de Preservação Permanente, projeta a eliminação das áreas de Risco Crítico e a redução de 72,8% nas áreas de Alto Risco. A metodologia, construída majoritariamente com software gratuito e de código aberto, mostra potencial de replicação por equipes técnicas municipais, contribuindo para o planejamento territorial orientado ao desenvolvimento rural sustentável. Limitações relativas à avaliação por classe e à independência da validação são discutidas como direções para trabalhos futuros.