Publication: Avaliação de risco de inundação em área urbana integrando dados LiDAR e de vulnerabilidade socioambiental
Loading...
Date
Authors
Advisor
Mendes, Tatiana Sussel Gonçalves 
Coadvisor
Graduate program
Undergraduate course
São José dos Campos - ICT - Engenharia Ambiental
Journal Title
Journal ISSN
Volume Title
Publisher
Universidade Estadual Paulista (Unesp)
Type
Undergraduate thesis
Access right
Acesso restrito
Abstract
Abstract (portuguese)
As inundações são um dos desastres naturais mais destrutivos, afetando milhões de pessoas em todo o mundo e causando perdas econômicas significativas. A frequência e a intensidade crescentes das inundações, exacerbadas pelas mudanças climáticas e pela urbanização, representam uma ameaça crescente às cidades. Este estudo se concentra em uma avaliação de risco de inundação para os bairros de Ipiranga e Vila Prudente em São Paulo, Brasil, uma região densamente urbanizada e propensa a inundações recorrentes. O método integra dados LiDAR e de vulnerabilidade socioambiental usando um algoritmo de aprendizado de máquina Random Forest para produzir um mapa de suscetibilidade e dados do Censo para obter um mapa de vulnerabilidade. Este método envolve a coleta de dados de inventário de inundações, definição de fatores condicionantes relevantes (por exemplo, altitude, declive, uso/cobertura do solo) e modelo de previsão de inundações. Um índice de vulnerabilidade baseado em fatores socioeconômicos é usado para avaliar o impacto potencial das inundações na população. Os resultados fornecem um mapa abrangente de risco de inundação para a área de estudo, destacando as regiões mais vulneráveis e o número potencial de domicílios e estabelecimentos expostos ao risco de inundação. A precisão do modelo de suscetibilidade a inundações foi verificada usando métricas estatísticas, atingindo valores de 0,8 para Precisão e F1-score e valor de 0,9 para Area Under Curve (AUC), demonstrando sua eficácia na previsão de eventos de inundação. O mapa de vulnerabilidade mostrou áreas classificadas como Alta e Muito alta vulnerabilidade coincidentes com áreas consideradas aglomerados urbanos subnormais pelo Instituto Brasileiro de Geografia e Estatística. Também foi verificado que aproximadamente 13% dos domicílios estão em zonas de Alta a Muito alta suscetibilidade a inundações. Os resultados desta pesquisa podem contribuir significativamente para a gestão de risco de inundação e planejamento urbano na cidade de São Paulo. O mapa de risco de inundação pode ser usado por tomadores de decisão para implementar estratégias de mitigação direcionadas, priorizar investimentos em infraestrutura e desenvolver sistemas de alerta precoce. Ao identificar as áreas e populações mais vulneráveis, o estudo contribui para a construção de resiliência e redução dos impactos socioeconômicos das inundações na cidade.
Abstract (english)
Floods are one of the most destructive natural disasters, affecting millions of people worldwide and causing significant economic losses. The increasing frequency and intensity of floods, exacerbated by climate change and urbanization, pose a growing threat to cities. This study focuses on a flood risk assessment for the Ipiranga and Vila Prudente neighborhoods in São Paulo, Brazil, a densely urbanized region and prone to recurrent flooding. The method integrates LiDAR and socio-environmental vulnerability data using a Random Forest machine learning algorithm to produce a susceptibility map and Census data to obtain a vulnerability map. This method involves the flood inventory data collection, definition of relevant conditioning factors (e.g., altitude, slope, land use/land cover), and flood prediction model. A vulnerability index based on socioeconomic factors is used to assess the potential impact of floods on the population. The results provide a comprehensive flood risk map for the study area, highlighting the most vulnerable regions and the potential number of households and establishments exposed to flood hazard. The flood susceptibility model's accuracy was verified using statistical metrics, reaching values of 0.8 for both Accuracy and F1-score and value of 0.907 for Area Under the Curve (AUC), demonstrating its effectiveness in predicting flood events. The vulnerability map showed areas classified as High and Very high vulnerability coincident with areas considered subnormal urban agglomeration by the Brazilian Institute of Geography and Statistics. Also, it was verified that approximately 13% of the households are in zones of High to Very high flood susceptibility. The findings of this research can contribute significantly to flood risk management and urban planning in Sao Paulo city. The flood risk map can be used by decision-makers to implement targeted mitigation strategies, prioritize infrastructure investments, and develop early warning systems. By identifying the most vulnerable areas and populations, the study contributes to building resilience and reducing the socio-economic impacts of floods in the city.
Description
Keywords
Sistemas de informação geográfica, Inundações, Lidar, Optical radar, Geographical information systems, Inundations
Language
Portuguese
