Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Firmino, Glauber Verner [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
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://hdl.handle.net/11449/312622
Resumo: As erosões lineares são processos intensos de degradação dos solos. Pesquisas de mapeamento de suscetibilidade às erosões lineares (GESM) baseados em aprendizado de máquina permitem estimar o potencial e a probabilidade de uma dada paisagem em ser acometida por esses processos. Apesar de seu potencial, ainda se encontram pouco difundidas no Brasil. A presente pesquisa avaliou o desempenho de algoritmos de aprendizado de máquina para análise e mapeamento de suscetibilidade às erosões lineares em áreas rurais no extremo Oeste Paulista, que abrangem áreas no município de Teodoro Sampaio (SP) e adjacências, as quais apresentam grande quantidade de voçorocas e ravinas. A metodologia se baseou na 1) elaboração de um mapa inventário de erosões lineares e no mapeamento temático dos fatores ambientais; 2) seleção de atributos, separação do conjunto de dados em treino e teste na proporção 70-30%; 3) modelagem da suscetibilidade a partir dos algoritmos Random Forest (RF), Logistic Regression (LR), Support Vector Machine (SVM) e Redes Neurais Artificiais Multilayer Perceptron (MLP); e 4) avaliação e seleção de modelo de maior desempenho. Além disso, foram realizados trabalhos de campo sistemáticos para a análise da paisagem e para a elaboração e validação dos mapas temáticos produzidos. Os valores de desempenho indicaram desempenho excelente (AUC = 0,9 a 1,0) para os modelos MLP (0,93) e RF (0,92), e muito bom (0,8 a 0,9) para os modelos LR (0,89) e SVM (0,89). Constataram-se menores valores de suscetibilidade em áreas de formação florestal, padrões de relevo de menores declividades e densidade de drenagem e maior convexidade. Maiores valores ocorreram em áreas de pastagem e proximidade de áreas urbanas, relevos côncavos, planícies e alvéolos, vertentes e rupturas de declive. Os setores norte e nordeste, caracterizados por padrão de relevo associado aos grupos litológicos Bauru e Caiuá, com maior declividade e densidade de drenagem, concentraram maiores níveis de suscetibilidade e de registro de erosões. Através dos resultados, foi possível caracterizar e mapear características ambientais da paisagem e elaborar um mapa de suscetibilidade às erosões lineares, permitindo a compreensão da morfodinâmica através dos diferentes arranjos da paisagem.
id UNSP_de8141fb7dc66a041969d1fa1aba81ac
oai_identifier_str oai:repositorio.unesp.br:11449/312622
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de MáquinaGully erosion susceptibility mapping in the municipality of Teodoro Sampaio (SP) and adjacent areas through Machine LearningErosão linearMachine learningAnálise da paisagemMapeamento de suscetibilidadeRedes neurais artificiaisRandom forestGully erosionMachine learningLandscape analysisSusceptibility mappingArtificial neural networksRandom forestAs erosões lineares são processos intensos de degradação dos solos. Pesquisas de mapeamento de suscetibilidade às erosões lineares (GESM) baseados em aprendizado de máquina permitem estimar o potencial e a probabilidade de uma dada paisagem em ser acometida por esses processos. Apesar de seu potencial, ainda se encontram pouco difundidas no Brasil. A presente pesquisa avaliou o desempenho de algoritmos de aprendizado de máquina para análise e mapeamento de suscetibilidade às erosões lineares em áreas rurais no extremo Oeste Paulista, que abrangem áreas no município de Teodoro Sampaio (SP) e adjacências, as quais apresentam grande quantidade de voçorocas e ravinas. A metodologia se baseou na 1) elaboração de um mapa inventário de erosões lineares e no mapeamento temático dos fatores ambientais; 2) seleção de atributos, separação do conjunto de dados em treino e teste na proporção 70-30%; 3) modelagem da suscetibilidade a partir dos algoritmos Random Forest (RF), Logistic Regression (LR), Support Vector Machine (SVM) e Redes Neurais Artificiais Multilayer Perceptron (MLP); e 4) avaliação e seleção de modelo de maior desempenho. Além disso, foram realizados trabalhos de campo sistemáticos para a análise da paisagem e para a elaboração e validação dos mapas temáticos produzidos. Os valores de desempenho indicaram desempenho excelente (AUC = 0,9 a 1,0) para os modelos MLP (0,93) e RF (0,92), e muito bom (0,8 a 0,9) para os modelos LR (0,89) e SVM (0,89). Constataram-se menores valores de suscetibilidade em áreas de formação florestal, padrões de relevo de menores declividades e densidade de drenagem e maior convexidade. Maiores valores ocorreram em áreas de pastagem e proximidade de áreas urbanas, relevos côncavos, planícies e alvéolos, vertentes e rupturas de declive. Os setores norte e nordeste, caracterizados por padrão de relevo associado aos grupos litológicos Bauru e Caiuá, com maior declividade e densidade de drenagem, concentraram maiores níveis de suscetibilidade e de registro de erosões. Através dos resultados, foi possível caracterizar e mapear características ambientais da paisagem e elaborar um mapa de suscetibilidade às erosões lineares, permitindo a compreensão da morfodinâmica através dos diferentes arranjos da paisagem.Gully erosions are intense processes of soil degradation. Machine learning-based gully erosion susceptibility mapping (GESM) research allows for estimating the potential and probability of a given landscape being affected by these processes. Despite their potential, these methods are still not widely disseminated in Brazil. This study evaluated the performance of machine learning algorithms for the analysis and mapping of gully erosion susceptibility in rural areas in the far west of São Paulo state, encompassing areas in the municipality of Teodoro Sampaio (SP) and its surroundings, which exhibit a large number of gullies. The methodology was based on: 1) the preparation of a gully erosion inventory map and thematic mapping of environmental factors; 2) attribute selection, and dataset splitting into training and testing sets in a 70-30% proportion; 3) susceptibility modeling using Random Forest (RF), Logistic Regression (LR), Support Vector Machine (SVM), and Multilayer Perceptron Artificial Neural Networks (MLP) algorithms; and 4) evaluation and selection of the best-performing model. Furthermore, systematic fieldwork was conducted for landscape analysis and for the preparation and validation of the thematic maps produced. Performance values indicated excellent performance (AUC = 0.9 to 1.0) for the MLP (0.93) and RF (0.92) models, and very good performance (0.8 to 0.9) for the LR (0.89) and SVM (0.89) models. Lower susceptibility values were observed in forest formation areas, relief patterns with lower slopes and drainage density, and greater convexity. Higher values occurred in pasture areas and near urban areas, concave reliefs, plains and depressions, hillslopes, and slope breaks. The northern and northeastern sectors, characterized by a relief pattern associated with the Bauru and Caiuá lithological groups, with higher slope and drainage density, concentrated higher susceptibility levels and erosion occurrences. The results allowed for the characterization and mapping of environmental landscape characteristics and the creation of a gully erosion susceptibility map, enabling the understanding of morphodynamics through different landscape arrangements.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)CAPES: 001Universidade Estadual Paulista (Unesp)Nunes, João Osvaldo Rodrigues [UNESP]Faculdade de Ciências e Tecnologia (FCT Unesp)Universidade Estadual Paulista (Unesp)Firmino, Glauber Verner [UNESP]2025-08-01T20:30:42Z2025-06-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfFIRMINO, Glauber Verner. Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina. Orientador: João Osvaldo Rodrigues Nunes. 2025. 147 f. Tese (Doutorado em Geografia) - Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2025.https://hdl.handle.net/11449/31262233004129042P300058658333004380000-0003-2905-0346porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2025-10-22T18:05:47Zoai:repositorio.unesp.br:11449/312622Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462025-10-22T18:05:47Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
Gully erosion susceptibility mapping in the municipality of Teodoro Sampaio (SP) and adjacent areas through Machine Learning
title Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
spellingShingle Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
Firmino, Glauber Verner [UNESP]
Erosão linear
Machine learning
Análise da paisagem
Mapeamento de suscetibilidade
Redes neurais artificiais
Random forest
Gully erosion
Machine learning
Landscape analysis
Susceptibility mapping
Artificial neural networks
Random forest
title_short Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
title_full Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
title_fullStr Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
title_full_unstemmed Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
title_sort Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
author Firmino, Glauber Verner [UNESP]
author_facet Firmino, Glauber Verner [UNESP]
author_role author
dc.contributor.none.fl_str_mv Nunes, João Osvaldo Rodrigues [UNESP]
Faculdade de Ciências e Tecnologia (FCT Unesp)
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Firmino, Glauber Verner [UNESP]
dc.subject.por.fl_str_mv Erosão linear
Machine learning
Análise da paisagem
Mapeamento de suscetibilidade
Redes neurais artificiais
Random forest
Gully erosion
Machine learning
Landscape analysis
Susceptibility mapping
Artificial neural networks
Random forest
topic Erosão linear
Machine learning
Análise da paisagem
Mapeamento de suscetibilidade
Redes neurais artificiais
Random forest
Gully erosion
Machine learning
Landscape analysis
Susceptibility mapping
Artificial neural networks
Random forest
description As erosões lineares são processos intensos de degradação dos solos. Pesquisas de mapeamento de suscetibilidade às erosões lineares (GESM) baseados em aprendizado de máquina permitem estimar o potencial e a probabilidade de uma dada paisagem em ser acometida por esses processos. Apesar de seu potencial, ainda se encontram pouco difundidas no Brasil. A presente pesquisa avaliou o desempenho de algoritmos de aprendizado de máquina para análise e mapeamento de suscetibilidade às erosões lineares em áreas rurais no extremo Oeste Paulista, que abrangem áreas no município de Teodoro Sampaio (SP) e adjacências, as quais apresentam grande quantidade de voçorocas e ravinas. A metodologia se baseou na 1) elaboração de um mapa inventário de erosões lineares e no mapeamento temático dos fatores ambientais; 2) seleção de atributos, separação do conjunto de dados em treino e teste na proporção 70-30%; 3) modelagem da suscetibilidade a partir dos algoritmos Random Forest (RF), Logistic Regression (LR), Support Vector Machine (SVM) e Redes Neurais Artificiais Multilayer Perceptron (MLP); e 4) avaliação e seleção de modelo de maior desempenho. Além disso, foram realizados trabalhos de campo sistemáticos para a análise da paisagem e para a elaboração e validação dos mapas temáticos produzidos. Os valores de desempenho indicaram desempenho excelente (AUC = 0,9 a 1,0) para os modelos MLP (0,93) e RF (0,92), e muito bom (0,8 a 0,9) para os modelos LR (0,89) e SVM (0,89). Constataram-se menores valores de suscetibilidade em áreas de formação florestal, padrões de relevo de menores declividades e densidade de drenagem e maior convexidade. Maiores valores ocorreram em áreas de pastagem e proximidade de áreas urbanas, relevos côncavos, planícies e alvéolos, vertentes e rupturas de declive. Os setores norte e nordeste, caracterizados por padrão de relevo associado aos grupos litológicos Bauru e Caiuá, com maior declividade e densidade de drenagem, concentraram maiores níveis de suscetibilidade e de registro de erosões. Através dos resultados, foi possível caracterizar e mapear características ambientais da paisagem e elaborar um mapa de suscetibilidade às erosões lineares, permitindo a compreensão da morfodinâmica através dos diferentes arranjos da paisagem.
publishDate 2025
dc.date.none.fl_str_mv 2025-08-01T20:30:42Z
2025-06-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv FIRMINO, Glauber Verner. Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina. Orientador: João Osvaldo Rodrigues Nunes. 2025. 147 f. Tese (Doutorado em Geografia) - Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2025.
https://hdl.handle.net/11449/312622
33004129042P3
0005865833300438
0000-0003-2905-0346
identifier_str_mv FIRMINO, Glauber Verner. Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina. Orientador: João Osvaldo Rodrigues Nunes. 2025. 147 f. Tese (Doutorado em Geografia) - Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2025.
33004129042P3
0005865833300438
0000-0003-2905-0346
url https://hdl.handle.net/11449/312622
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954763723997184