A carregar...
Publicação
Implementação de uma topografia pré-ruptura na predição estatística bivariada de escorregamentos
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.42 MB | Adobe PDF |
Orientador(es)
Resumo(s)
Movimentos gravitacionais de massa são fenômenos naturais que impactam a economia, a infraestrutura e a vida de
milhares de pessoas. Na modelagem estatística, os Modelos Digitais do Terreno (MDTs) são frequentemente utilizados na
identificação das cicatrizes de escorregamentos e na geração dos mapas temáticos causativos que podem ser analisados
individualmente ou computados em conjunto para gerar o mapa final de susceptibilidade a escorregamentos. Contudo,
quando obtidos após a ocorrência dos movimentos de massa, estes MDTs não mais representarão as características do terreno
que favoreceram a ocorrência das instabilidades (topografia pós-falha). Ademais, o uso de assinaturas morfométricas
arquetípicas de escorregamentos pretéritos em modelos estatísticos implica em erros conceituais relevantes. Uma possível
solução para este problema é assumir que a morfometria pré-ruptura possa ser inferida pelas áreas adjacentes às cicatrizes que
não foram perturbadas pelos escorregamentos. Este trabalho apresenta um método de reconstrução da topografia pré-ruptura
a partir da nuvem de pontos de elevação do último retorno dos pulsos laser de um sensor LIDAR e faz uso do MDT
pré-ruptura na modelagem de predição estatística bivariada (Pesos de Evidência) dos escorregamentos nas bacias do Quitite e
Papagaio, na cidade do Rio de Janeiro. Sete modelos de susceptibilidade a escorregamentos foram produzidos pela
combinação de oito fatores causativos. Cada mapa teve sua capacidade preditiva testada pelo cálculo da área abaixo da curva
(AAC) de predição. O modelo final (AAC = 0,77) evidencia os controles topográficos e hidrológicos diretos e o controle
litológico e estrutural indireto na deflagração dos escorregamentos. Os escorregamentos são condicionados, principalmente
pelas encostas entre os ângulos de 26° e 52°, voltadas para as faces Norte, Nordeste e Noroeste, em forma côncava convergente
e côncava divergente e com área de contribuição entre 𝑙𝑜𝑔101,8m² e 𝑙𝑜𝑔104,1m². Os resultados respeitam os principais
pressupostos do modelo e proporcionam uma visão sintetizada e robusta das áreas susceptíveis a escorregamento, mesmo em
um ambiente de grande complexidade geoambiental, como é o caso da área de estudo.
Landslides are natural phenomena that impact the economy, infrastructure, and the lives of thousands of people. In statistical modeling, Digital Terrain Models (DTMs) are often used to identify landslide scars and to generate causative maps, which can be analyzed individually or computed together to generate a landslide susceptibility map. However, when obtained after the occurrence of the landslides, these DTMs will no longer represent the terrain characteristics that favored the occurrence of the instabilities (post-failure topography). Moreover, the use of archetypical morphometric signatures of past landslides in statistical models implies relevant conceptual errors. A possible solution to this problem is to assume that pre-failure topography can be inferred by the areas adjacent to the scars that have not been disturbed by the landslides. This paper presents a method for topography reconstructing using LIDAR point cloud database - last return – to predict landslides in bivariate statistical modeling (Weights of Evidence) in the Quitite and Papagaio basins, in the city of Rio de Janeiro. Seven landslide susceptibility models were produced by combining eight causative factors. Each map had its predictive ability tested by calculating the area under the predictive rate curve (AUC). The final model (AUC = 0.77) highlights the direct topographic and hydrologic controls and the indirect lithologic and structural control in the triggering of landslides. The landslides are mainly conditioned by the slopes between the angles of 26° and 52°, facing the North, Northeast, and Northwest faces, in a concave slope curvature (convergent and divergent) and with the contributing area between 𝑙𝑜𝑔101.8m² and 𝑙𝑜𝑔104.1m². The results respect the main assumptions of the model and provide a synthesized and robust view of the landslide susceptible areas, even in a highly geodiverse environment, as is the case in the study area.
Landslides are natural phenomena that impact the economy, infrastructure, and the lives of thousands of people. In statistical modeling, Digital Terrain Models (DTMs) are often used to identify landslide scars and to generate causative maps, which can be analyzed individually or computed together to generate a landslide susceptibility map. However, when obtained after the occurrence of the landslides, these DTMs will no longer represent the terrain characteristics that favored the occurrence of the instabilities (post-failure topography). Moreover, the use of archetypical morphometric signatures of past landslides in statistical models implies relevant conceptual errors. A possible solution to this problem is to assume that pre-failure topography can be inferred by the areas adjacent to the scars that have not been disturbed by the landslides. This paper presents a method for topography reconstructing using LIDAR point cloud database - last return – to predict landslides in bivariate statistical modeling (Weights of Evidence) in the Quitite and Papagaio basins, in the city of Rio de Janeiro. Seven landslide susceptibility models were produced by combining eight causative factors. Each map had its predictive ability tested by calculating the area under the predictive rate curve (AUC). The final model (AUC = 0.77) highlights the direct topographic and hydrologic controls and the indirect lithologic and structural control in the triggering of landslides. The landslides are mainly conditioned by the slopes between the angles of 26° and 52°, facing the North, Northeast, and Northwest faces, in a concave slope curvature (convergent and divergent) and with the contributing area between 𝑙𝑜𝑔101.8m² and 𝑙𝑜𝑔104.1m². The results respect the main assumptions of the model and provide a synthesized and robust view of the landslide susceptible areas, even in a highly geodiverse environment, as is the case in the study area.
Descrição
Palavras-chave
Movimentos Gravitacionais de Massa Sistemas de detecção e alcance da luz Sistemas de escaneamento aerotransportado por laser MDT Pré-ruptura MDT Pós-ruptura
Contexto Educativo
Citação
Araújo, J. P. de C., Barella, C. F., Zêzere, J. L. G. M., & Fernandes, N. F. (2023). Implementação de uma topografia pré-ruptura na predição estatística bivariada de escorregamentos. Revista Brasileira De Geomorfologia, 24(3), e2305. https://doi.org/10.20502/rbgeomorfologia.v24i3.230
Editora
União da Geomorfologia Brasileira