Mapeamento de suscetibilidade às erosões lineares no município de Teodoro Sampaio (SP) e adjacências por meio de Aprendizado de Máquina
Carregando...
Data
Autores
Orientador
Nunes, João Osvaldo Rodrigues 
Coorientador
Pós-graduação
Geografia - FCT
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
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.
Resumo (inglês)
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.
Descrição
Palavras-chave
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
Idioma
Português
Citação
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.
