Mensuração das áreas suscetíveis a inundações: estudo de caso na área urbana da microbacia do Igarapé Moura, Castanhal-PA

• Ano de defesa: 2023
• Autor(a) principal: Amaral, Francisco Helter Fernandes do
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Eventos hidrometeorológicos; Aprendizagem profunda; Aprendizagem de máquina; Vulnerabilidade; Problemas socioambientais; Hydrometeorological events; Deep learning; Machine learning; Vulnerability; Socio-environmental problems
• Link de acesso: https://hdl.handle.net/11449/252957; https://lattes.cnpq.br/9700131086845592

Nas últimas cinco décadas, a recorrência das inundações no Brasil tem despertado a atenção da população e da gestão pública, especialmente dos órgãos de proteção e defesa civil. Nesse contexto, a presente pesquisa objetiva realizar um estudo de caso acerca dos espaços urbanos suscetíveis às inundações na microbacia do Igarapé Moura localizada no município de Castanhal-PA. Inicialmente, foram realizadas revisões na literatura, levantamento das características pluviométricas e avaliação da expansão urbana e modificação das condições de uso e cobertura da terra. Também fez-se um inventário das áreas inundadas entre 2020 e 2022, sendo identificados 600 pontos de inundação e não-inundação. Além disso, de 14 fatores preditores de inundação, propostos inicialmente, apenas 9 foram empregados na modelagem final da suscetibilidade usando os algoritmos de aprendizagem de máquina Random Forest (RF), Support Vector Machine (SVM) e Artificial Neural Network (ANN). O treinamento e validação dos modelos utilizou 70% e 30% do total de amostras de inundação e não-inundação, respectivamente. Os resultados apontam, um processo de urbanização intenso sobre a microbacia, além disso, as chuvas acima de 100 mm em até 24 horas, geralmente resultam em inundações, a condição estrutural do sistema de macrodrenagem também aparece como agente condicionante para o desenvolvimento do fenômeno. Quanto a validação dos modelos, realizada por meio da Curva ROC, mostra que os valores mais precisos de suscetibilidade à inundação foram atribuídos ao modelo de RF (AUC = 0,993) seguindo pelo SVM (AUC = 0,979) e ANN (AUC = 0,932).