Modelagem Hidrológica e de Qualidade da Água Integrada a Geoprocessamento em Nuvem: Uma Abordagem com Python e Google Earth Engine para a Bacia do Rio São Francisco

[PT] Este dataset e framework analítico apresentam uma análise espaço-temporal da Bacia Hidrográfica do Rio São Francisco (1985-2023). Utiliza computação em nuvem (Python/GEE) para simular o balanço hídrico (SWAT), a produção de sedimentos (MUSLE) e a qualidade da água (clorofila-a e turbidez). Os resultados documentam a perda de 19,6% da vegetação nativa e identificam 17.577 km² de áreas críticas para erosão, fornecendo subsídios para a gestão hídrica integrada e monitoramento ambiental contínuo. [EN] This dataset and analytical framework present a spatiotemporal analysis of the São Francisco River Basin (1985-2023). It utilizes cloud computing (Python/GEE) to simulate water balance (SWAT), sediment yield (MUSLE), and water quality (chlorophyll-a and turbidity). The results document a 19.6% loss of native vegetation and identify 17,577 km² of critical areas for erosion, providing support for integrated water management and continuous environmental monitoring. [ZH] 该数据集和分析框架介绍了圣弗朗西斯科河流域(1985-2023 年)的时空分析。它利用云计算(Python/GEE)模拟水平衡(SWAT)、泥沙产量(MUSLE)和水质(叶绿素-a 和浊度)。结果记录了 19.6% 的原生植被丧失,并确定了 17,577 平方公里的侵蚀关键区域,为综合水管理和持续环境监测提供支持。 [ES] Este conjunto de datos y marco analítico presentan un análisis espacio-temporal de la Cuenca del Río São Francisco (1985-2023). Utiliza computación en nube (Python/GEE) para simular el balance hídrico (SWAT), la producción de sedimentos (MUSLE) y la calidad del agua (clorofila-a y turbidez). Los resultados documentan una pérdida del 19,6% de la vegetación nativa e identifican 17.577 km² de áreas críticas para la erosión, brindando apoyo para la gestión hídrica integrada y el monitoreo ambiental continuo. [FR] Ce jeu de données et ce cadre analytique présentent une analyse spatio-temporelle du bassin du fleuve São Francisco (1985-2023). Il utilise l'informatique en nuage (Python/GEE) pour simuler le bilan hydrique (SWAT), la production de sédiments (MUSLE) et la qualité de l'eau (chlorophylle-a et turbidité). Les résultats documentent une perte de 19,6 % de la végétation native et identifient 17 577 km² de zones critiques pour l'érosion, fournissant un soutien à la gestion intégrée de l'eau et à la surveillance environnementale continue. [DE] Dieser Datensatz und analytische Rahmen präsentieren eine räumlich-zeitliche Analyse des Einzugsgebiets des Rio São Francisco (1985-2023). Es nutzt Cloud-Computing (Python/GEE), um die Wasserbilanz (SWAT), den Sedimentaustrag (MUSLE) und die Wasserqualität (Chlorophyll-a und Trübung) zu simulieren. Die Ergebnisse dokumentieren einen Verlust der einheimischen Vegetation um 19,6 % und identifizieren 17.577 km² kritische Erosionsgebiete, was ein integriertes Wassermanagement und eine kontinuierliche Umweltüberwachung unterstützt.