Suscetibilidade a deslizamento em províncias basálticas continentais usando algoritmo Random Forest

Abstract

Em 5 de janeiro de 2017, a bacia do Rio Mascarada (Estado do Rio Grande do Sul, Brasil), localizada nos Domínios Geomorfológicos do Planalto dos Campos Gerais e da Escarpa da Serra Geral, foi severamente impactada por deslizamentos de terra desencadeados por chuvas intensas acumuladas em um curto período. Este estudo se concentra na previsão da suscetibilidade a deslizamentos de terra nesta bacia combinando fatores condicionantes dinâmicos e estáticos em diferentes cenários. Com base nas cicatrizes de deslizamentos e nas características morfológicas desta área, o estudo explora a generalização e extrapolação de modelos de suscetibilidade para uma área adjacente com o mesmo domínio geomorfológico, situada na borda da Província Estrutural da Bacia Sedimentar do Paraná, uma província basáltica continental. O algoritmo Random Forest foi utilizado em modelos de suscetibilidade considerando a bacia e a área adjacente. Para a área adjacente, dois esquemas de amostragem (generalizado e extrapolado) de não-deslizamento foram testados. O método da Razão de Frequência permitiu reclassificar os fatores condicionantes para ambas as áreas com base nas cicatrizes de deslizamentos mapeadas na bacia e gerar limiares críticos ambientais essenciais para a calibração do modelo de suscetibilidade. O Coeficiente de Correlação Linear de Pearson e a análise ANOVA avaliaram a importância dos fatores condicionantes no modelo de suscetibilidade. Os mapas de suscetibilidade foram avaliados usando métricas estatísticas e ROC AUC com base na matriz de confusão. Entre os cenários para a bacia, o cenário dinâmico que inclui dados de uso e cobertura da terra com dados geológicos, hidrológicos e topográficos apresentou melhor desempenho. O cenário usando o modelo de extrapolação para a área do Domínios Geomorfológicos do Planalto dos Campos Gerais e da Escarpa da Serra Geral obteve maiores valores para Precisão e AUC ROC devido à maior diversidade em amostras de não deslizamento. Além disso, o modelo extrapolado para áreas de características semelhantes demonstrou alta correlação com eventos recentes (2024), indicando que o método é promissor para modelos de suscetibilidade em áreas com inventários limitados de deslizamentos considerando características geomorfológicas semelhantes.

On January 5, 2017, the Mascarada River basin (State of Rio Grande do Sul, Brazil), located in the Geomorphological Domains of the Campos Gerais Plateau and the Serra Geral Escarpment, was severely impacted by landslides triggered by intense rainfall accumulated over a short period. This study focuses on predicting landslide susceptibility in this basin by combining dynamic and static conditioning factors in different scenarios. Based on the landslide scars and morphological characteristics of this area, the study explores the generalization and extrapolation of susceptibility models to an adjacent area with the same geomorphological domain, located at the edge of the Structural Province of the Paraná Sedimentary Basin, a continental basaltic province. The Random Forest algorithm was used in susceptibility models with different sampling schemes considering the basin and the adjacent area. The Frequency Ratio method allowed reclassifying the conditioning factors for both areas based on the landslide scars mapped in the basin and generating critical environmental thresholds essential for the calibration of the susceptibility model. Pearson’s Linear Correlation Coefficient and ANOVA analysis assessed the variable importance in the susceptibility model. Susceptibility maps were evaluated using statistics metrics and ROC AUC based on the confusion matrix. Among the scenarios for the basin, the dynamic scenario that includes land use and land cover data with geological, hydrological, and topographic data presents better performance. The scenario using the extrapolation model for the area of the Geomorphological Domains of the Campos Gerais Plateau and the Serra Geral Escarpment obtained higher values for Precision and AUC ROC due to the greater diversity in non- landslides samples. Furthermore, the model extrapolated to areas with similar characteristics demonstrated a high correlation with recent events (2024), indicating that the method holds promise for susceptibility models in areas with limited landslide inventories considering similar geomorphological characteristics.