Comparação de dados derivados de LiDAR e VANT para o mapeamento de suscetibilidade de deslizamento usando o algoritmo Random Forest

• Ano de defesa: 2022
• Autor(a) principal: Pereira, Felicia França [UNESP]
• Orientador(a): Mendes, Tatiana Sussel Gonçalves, Simões, Silvio Jorge Coelho [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: floresta aleatória; modelo de suscetibilidade a deslizamentos; MDT; LiDAR; VANT
• Palavras-chave em Inglês: random forest; landslide susceptibility model; DTM; UAV
• Link de acesso: http://hdl.handle.net/11449/237072

Impulsionados pela tectônica, clima e/ou atividade humana, os deslizamentos de terra são onipresentes. Este fenômeno é uma das principais ameaças ao desenvolvimento econômico e social das zonas montanhosas, muitas vezes resultando em vítimas e consequências econômicas. O mapeamento de suscetibilidade a deslizamentos é considerado uma importante ferramenta para os gestores locais localizarem as áreas que possuem maior probabilidade de ocorrência de eventos e pensarem em estratégias de redução de risco. O Modelo Digital de Terreno (MDT) é um dos dados fundamentais para os modelos de predição e é usado para derivar importantes fatores condicionantes para análises de suscetibilidade de deslizamento em escala detalhada. Desse modo, a utilização de técnicas de Sensoriamento Remoto e Fotogrametria, usando as tecnologias de varredura a LASER (Light Detection and Range - LiDAR) e de imageamento por Veículo Aéreo Não-Tripulado (VANT), podem impulsionar esse levantamento, produzindo dados de altíssima resolução. Nesse sentido, este estudo teve como objetivo comparar mapas de suscetibilidade a deslizamentos gerados pelo algoritmo de aprendizado de máquina floresta aleatória (Random Forest - RF) com dados de LiDAR e VANT. Para tanto, o desempenho alcançado na previsão foi avaliado usando medidas de avaliação estatística baseadas em conjuntos de dados de treinamento e validação. Os resultados obtidos mostraram que a precisão de ambos os modelos é maior que 0,70, a área sob a curva (AUC) é maior que 0,80, e o modelo gerado a partir dos dados LiDAR é mais preciso. Os resultados também mostraram que os dados do VANT têm potencial para uso no mapeamento de suscetibilidade a deslizamentos em escala intraurbana, contribuindo para estudos em áreas de risco sem dados disponíveis.