Uso de redes neurais artificiais na elaboração de mapas de suscetibilidade para escorregamentos planares rasos.

• Ano de defesa: 2022
• Autor(a) principal: Azevedo, Caio da Silva
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado computacional; Artificial neural network; Cidades inteligentes; Desatres naturais; Escorregamento dos solos; Landslide; Machine learning; Natural disaster; Redes neurais; Smart city; Susceptibility map
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3136/tde-11052022-103227/

Os escorregamentos de terra podem provocar sérias consequências ambientais, econômicas e sociais. Um dos primeiros passos na gestão de risco e prevenção desses eventos é o mapeamento das suscetibilidades naturais e antrópicas do território, que fornece subsídios para o planejamento territorial e indicações para expansão urbana. Nesse sentido, o mapeamento de áreas suscetíveis atua como uma importante ferramenta para os gestores locais, a fim de localizar as áreas mais sensíveis a esses desastres naturais e pensar estratégias para o uso do solo. Entre as técnicas atualmente utilizadas para esse mapeamento, destaca-se a de redes neurais artificiais (RNA), considerada uma das mais precisas por conta da sua elevada acurácia, capacidade de aprendizagem e generalização dos resultados. Assim, este estudo teve como objetivo a proposição de uma metodologia para o mapeamento de áreas suscetíveis a escorregamentos planares rasos, por meio de redes neurais artificiais, contribuindo para o contexto das cidades inteligentes. Como dados de entrada para treinamento das redes, foram utilizados sete atributos, a maioria extraídos dos modelos digitais de terreno (MDT): declividade, aspecto, elevação, uso do solo, litologia, topographic wetness index (twi) e curvatura, a partir de um inventário de cicatrizes de escorregamentos do tipo planar raso, ocorridos no município litorâneo do Guarujá-SP no ano de 2020, período atípico, com condições climáticas extremas, caracterizado por índices pluviométricos acima de 200 mm. O número equivalente de amostras foi criado para os pontos de não ocorrência em diferentes cenários. Em seguida, foram avaliadas a importância dos atributos, concluindo-se que sua relevância varia conforme o conjunto de dados utilizado para treinamento da RNA. Por fim, dentre as melhores configurações das redes neurais, treinadas com algoritmo de retropropagação, obteve-se a acurácia de 98,50% e 95,43%, métrica superior à média de 86,74% identificado nos trabalhos da literatura e, para uma amostra não utilizada no treinamento das redes, os mapas gerados com RNA também tiveram desempenho superior ao mapa do IPT, instituto responsável pela mitigação de escorregamentos no estado de São Paulo, cuja acurácia foi de 68,3%, demonstrando que o modelo proposto atende ao objetivo de identificar áreas suscetíveis a movimentos de massa.