Detalhes bibliográficos
Ano de defesa: |
2024 |
Autor(a) principal: |
Dobal, Camila Henrici Dias |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://app.uff.br/riuff/handle/1/33764
|
Resumo: |
Através de registros de ocorrências de movimentos de massa no município de Niterói, são comparados 5 modelos de estimativa de susceptibilidade: Análise Multicritério, Support Vector Machine, Máxima Entropia, Artificial Neural Network e Regressão Lógica. Também é avaliada a significância de cada variável, sendo estas: Aspecto, Curvatura, Declividade, Distância de Rios, Distância de Estradas, Índice de Diferença Normalizada da Vegetação (NDVI), Elevação, o Topographic Wetness Index (TWI), Litologia, Solos e Uso do Solo. Para esta avaliação foram utilizados dois testes, o teste T para dados em escala de razão e o teste de Kolmogorov-Smirnov para os dados em escala nominal. As ocorrências foram mais sensíveis à distância das estradas, ao NDVI e à elevação, em seguida foram gerados oito cenários de combinação de variáveis explanatórias para os quais foram rodados os cinco modelos, obtendo 40 mapeamentos de susceptibilidade à ocorrência de movimentos de massa. Diferenças significativas entre os resultados obtidos através dos modelos são verificadas pelo teste de aderência, enquanto o desempenho é avaliado pela frequência de pontos de validação nas classes de maior susceptibilidade. Desta forma, o melhor resultado foi obtido pelo Support Vector Machine (SVM), sendo seguido pela Análise Multicritério, Regressão Lógica, Máxima Entropia (MaxEnt) e Redes Neurais Artificiais (ANN). |