Integração de análises geoespaciais e o método floresta aleatória para a análise de suscetibilidade a escorregamentos: estudo de caso na bacia do córrego Piracuama, município de Campos do Jordão (SP)

• Ano de defesa: 2021
• Autor(a) principal: Santos, Tatiany Correia da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Suscetibilidade a escorregamentos; Aprendizado de máquina; Sistema de Informação Geográfica; Desastres naturais; Floresta aleatória; Landslide susceptibility; Machine learning; Random forest; Geographic Information System; Natural disasters
• Link de acesso: http://hdl.handle.net/11449/215647

O desafio dos entes federativos brasileiros em gerir e conviver com o risco de desastres é uma pauta cada vez mais constante e necessária na administração pública. A região Sudeste do Brasil está significativamente relacionada à ocorrência de movimentos gravitacionais de massa, que representam o segundo maior tipo de desastre que causa óbitos nessa região. Dessa forma, o desenvolvimento e utilização de métodos que auxiliem na previsão desses processos podem ser grandes aliados no planejamento urbano dos municípios. Dentre os diversos métodos utilizados para mapear a suscetibilidade a escorregamentos, as técnicas baseadas em aprendizado de máquina possuem uma grande vantagem, uma vez que permitem lidar com grande volume e diversidade de dados, além de trabalhar amplamente com fatores que condicionam a deflagração de escorregamentos. A combinação dessas técnicas com ambientes SIG permite otimizar e superar limitações de processamento e espacialização dos dados. Diante de diversos algoritmos de aprendizado de máquina, a Floresta Aleatória vem sendo cada vez mais utilizada nessa temática e apresentando bons resultados para a predição de suscetibilidade. Dessa forma, o objetivo desse trabalho consiste em analisar a suscetibilidade a escorregamentos da Bacia do Córrego Piracuama, localizada no município Campos do Jordão, SP, usando o algoritmo Floresta Aleatória. A partir do inventário de cicatrizes, foram definidas 200 amostras de forma aleatória (100 de ocorrência e 100 de não ocorrência), destinadas ao treino/validação e teste do modelo de predição, em uma proporção de 70:30. Quatorze fatores condicionantes de escorregamentos, divididos em morfométricos e temáticos, foram selecionados como variáveis de entrada para a construção do modelo de predição por Floresta Aleatória e, dentre essas variáveis, o Índice de Rugosidade do Terreno (TRI) e a declividade foram as que apresentaram, respectivamente, as melhores importâncias no modelo. Com a finalidade de alcançar a melhor parametrização do algoritmo, foi aplicado a técnica busca em grade, que identificou que os melhores parâmetros para a Floresta Aleatória foram 300 árvores e 4 variáveis testadas em cada nó. Após a construção do modelo, diversas métricas de avaliação foram utilizadas para analisar a sua performance que, de acordo com os resultados, apresentou uma boa capacidade no mapeamento da suscetibilidade a escorregamentos. Por fim, o mapa de suscetibilidade obtido pelo método proposto foi comparado com mapas já existentes para a área, porém produzidos através de diferentes técnicas de mapeamento. Esse trabalho permitiu identificar que modelagens baseadas em aprendizado de máquina devem ser cada vez mais exploradas na gestão de riscos de desastres, visto que configuram ferramentas importantes na elaboração de estratégias, políticas públicas e conhecimento territorial..