Análise de suscetibilidade a inundação em grandes cidades atráves do método de florestas aleatórias: Estudo de caso no município de São Paulo (SP)
dc.contributor.advisor | Simões, Silvio Jorge Coelho [UNESP] | |
dc.contributor.author | Carvalho, Beliana Cavalcante Sawada de | |
dc.contributor.coadvisor | Mendes, Tatiana Sussel Gonçalves [UNESP] | |
dc.date.accessioned | 2024-03-12T15:05:12Z | |
dc.date.available | 2024-03-12T15:05:12Z | |
dc.date.issued | 2024-02-02 | |
dc.description.abstract | O aumento da frequência de chuvas intensas devido aos efeitos das mudanças climáticas e o acelerado processo de expansão urbana, como compactação e impermeabilização do solo, são fatores que contribuem para a incidência de desastres naturais como inundações, alagamentos e deslizamentos de encostas. Atualmente, os eventos de inundação são a principal causa de danos em todo o mundo. Esses eventos apresentam tendência de aumento quando comparados à média anual de eventos no passado e podem ser agravados em cenários de variação climática. Considerando uma das cidades mais importantes do Brasil, São Paulo tem características peculiares relacionadas a áreas densamente ocupadas sobre e margeando os rios. Este trabalho tem como objetivo a análise suscetibilidade a inundação usando o método Floresta Aleatória em uma região do município de São Paulo. O método proposto usa como base dois inventários, um com 75 pontos de inundação e outro com 578 pontos de inundação e alagamento. O mapa de precipitação é um dos fatores condicionantes usados como dados de entrada no modelo. Para estimar a precipitação média anual para o município, foi utilizado o método geoestatístico de krigagem ordinária. Um MDT, derivado de dados LiDAR, foi usado para gerar a maioria dos fatores condicionantes. Ao todo, 10 fatores condicionantes foram usados, sendo: altitude, amplitude do relevo, aspecto, curvatura, curvatura em perfil, curvatura plana, declividade, litologia, pluviométrico e TWI. Os resultados foram comparados com um mapa geotécnico disponível para a área. O modelo gerado a partir dos pontos de inundação e alagamento apresentou melhor desempenho em termos de acurácia, AUC, sensibilidade e especificidade. Os resultados dos modelos revelam que as áreas de suscetibilidade à inundação vão além das classes de planície de inundação e área sujeita a inundação apresentadas no mapa geotécnico. | pt |
dc.description.abstract | The increase in the frequency of heavy rains due to the effects of climate change and the accelerated process of urban expansion, such as soil compaction and sealing, are factors that contribute to the incidence of natural disasters such as flooding, flooding and landslides on slopes. Currently, flood events are the main cause of damage worldwide. These events present an upward trend when compared to the annual average of events in the past and can be worsened in climate variation scenarios. Considering one of the most important cities of Brazil, São Paulo has peculiar characteristics related to densely occupied areas over and bordering rivers. This work aims to analyze flood susceptibility using the Random Forest method in a region of the city of São Paulo. The proposed method uses two inventories, one with 75 flooding points and the other with 578 flooding and flash flood points. The precipitation map is one of the conditioning factors used as input data in the model. To estimate the average annual precipitation in the municipality of São Paulo, the geostatistical method of ordinary kriging was used. DTM derived from LiDAR data was used to generate most of the conditioning factors. In all, 10 conditioning factors were used, namely: altitude, relief amplitude, aspect, curvature, profile curvature, plan curvature, slope, lithology, rainfall and TWI. The results were compared with a geotechnical map available for the area. The model generated from the flood and flash flood points better showed the highest performance in terms of accuracy, AUC, sensitivity and specificity. The results of the models reveal that the flooding susceptibility areas go beyond the classes of floodplain and area subject to flooding classes presented on the geotechnical map. | en |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | |
dc.description.sponsorshipId | 88887.825359/2023-00 | |
dc.identifier.lattes | 2872924763978075 | |
dc.identifier.orcid | https://orcid.org/0009-0005-6774-1908 | |
dc.identifier.uri | https://hdl.handle.net/11449/253643 | |
dc.language.iso | por | |
dc.publisher | Universidade Estadual Paulista (Unesp) | |
dc.rights.accessRights | Acesso restrito | |
dc.subject | Aprendizado em máquina | pt |
dc.subject | Florestas aleatórias | pt |
dc.subject | Desastres naturais | pt |
dc.subject | Inundações | pt |
dc.subject | São Paulo | pt |
dc.subject | Machine learning | en |
dc.subject | Random forests | en |
dc.subject | Natural disasters | en |
dc.subject | Flooding | en |
dc.subject | Sao Paulo | en |
dc.title | Análise de suscetibilidade a inundação em grandes cidades atráves do método de florestas aleatórias: Estudo de caso no município de São Paulo (SP) | |
dc.title.alternative | Analysis of susceptibility to flooding in large cities using the random forest method: a case study in the city of Sao Paulo (SP) | en |
dc.type | Dissertação de mestrado | |
unesp.campus | Universidade Estadual Paulista (Unesp), Instituto de Ciência e Tecnologia, São José dos Campos | |
unesp.embargo | 24 meses após a data da defesa | |
unesp.examinationboard.type | Banca pública | |
unesp.graduateProgram | Desastres Naturais - ICT 33004145083P2 | |
unesp.knowledgeArea | Desastres naturais | |
unesp.researchArea | Instrumentação e análise de dados |
Arquivos
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 3.06 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: