Silva, Alexandre Marco da [UNESP]Giacon Junior, Admir José2022-09-022022-09-022022-08-12http://hdl.handle.net/11449/236415Em razão aos danos associados às inundações, o mapeamento de áreas suscetíveis a esse fenômeno natural assume uma parte primordial na geotecnia ambiental. No Brasil, em virtude das características climáticas e hidrogeológicas, faz com que a inundação seja um dos desastres naturais de maior ocorrência. Nesse contexto, o presente estudo propôs o mapeamento de áreas suscetíveis a inundações da Bacia Hidrográfica do Rio Sorocaba e Médio Tietê (BH-SMT) por meio dos modelos AHP-TOPSIS-2N e Máquinas de Vetores Suporte (Support Vector Machines – SVM). A modelagem considerou 11 fatores condicionantes relacionados às características hidrogeomorfológicas e antropológicas, e 382 pontos inventariados de inundações e não inundações. A validação comparou o resultado gerado com mapeamentos realizados através do método Multicritério e do modelo híbrido AHP-SVM. A eficiência foi analisada através da Área Sob a Curva (Area Under the Curve – AUC). A análise demonstra eficiência do modelo SVM (AUC = 0,930) aplicado no mapeamento de áreas propensas a inundações, tendo como a principal variável a cobertura da terra e uso do solo. Por fim, é possível concluir que o modelo SVM pode ser aplicado como uma ferramenta científica no mapeamento de áreas suscetíveis a inundações por gestores públicos e gestores de riscos, sendo o mapa gerado capaz de fornecer prognósticos a fim de mitigar os impactos negativos relacionados ao evento de inundação.Due to flood damage, the mapping of areas susceptible to this natural phenomenon assumes a primordial part in environmental geotechnics. In Brazil, due to the climatic and hydrogeological characteristics, it makes flooding one of the most frequent natural disasters. In this context, the present study proposed the mapping of areas susceptible to flooding of the Sorocaba and Middle Tietê River Basin (BH-SMT) through the AHP-TOPSIS-2N models and Support Vector Machines (SVM). The modeling considered 11 conditioning factors related to hydrogeomorphological and anthropological characteristics, and 382 historical flood and non-flood points. The efficiency was analyzed through the Area Under the Curve – AUC. The analysis demonstrates the efficiency of the SVM model (AUC = 0.930) applied to the mapping of areas prone to flooding, with the main variable being the land use/land cover. Finally, it is possible to conclude that the SVM model can be applied as a scientific tool in the mapping of areas susceptible to flooding by public managers and risk managers, with the generated map being able to provide a prognosis to mitigate the negative impacts related to the event of flood.porMapeamento de suscetibilidade a inundaçõesPrevisão de inundaçãoBacia hidrográfica do Rio Sorocaba e Médio TietêMáquinas de vetores suporteAHP-TOPSIS-2NFlood susceptibility mappingFlood forecastingSorocaba and Middle Tietê River Hydrographic BasinSupport vector machinesFlood predictionTese de doutoradoAcesso aberto33004056089P5