Share |
|
Please use this identifier to cite or link to this item:
https://tede.unioeste.br/handle/tede/6920
Tipo do documento: | Tese |
Title: | Identificação de áreas vulneráveis a movimentos de massa com base em aprendizado de máquina, Rio Ligeiro (Pato Branco – PR) |
Other Titles: | Identification of vulnerable areas to landslides based on machine learning, Ligeiro River (Pato Branco – PR) |
Autor: | Pontes, Priscila da Silva Victorino |
Primeiro orientador: | Paisani, Julio Cesar |
Primeiro membro da banca: | Paisani , Julio Cesar |
Segundo membro da banca: | Pontelli, Marga Eliz |
Terceiro membro da banca: | Fujita, Rafaela Harumi |
Quarto membro da banca: | Sordi, Michael Vinicius de |
Quinto membro da banca: | Lima, Vanderlei Aparecido de |
Resumo: | Estudos envolvendo a ocorrência de Movimento de Massa ainda são pouco frequentes nos municípios do Sudoeste do Paraná, os quais apresentavam baixa taxa populacional até a década de 1970, entretanto, essa região tem demonstrado um aumento expressivo de urbanização nas últimas décadas, principalmente nos polos da região, como Francisco Beltrão, Palmas e Pato Branco. O relevo da mesorregião Sudoeste é marcado por uma homogeneidade morfológica decorrente do predomínio de feições planas, onduladas e uma porção de áreas fortemente onduladas. Desta forma, visto que a ocorrência de Movimento de Massa tem sido recorrente em locais de crescimento urbano e que o Sudoeste do Paraná apresenta características particulares de relevo e tem registrado diversas ocorrências de deslizamentos, este trabalho busca aplicar uma metodologia para a identificação de áreas suscetíveis e vulneráveis ao Movimento de Massa. Para a realização dos experimentos foi considerada uma área teste do município de Pato Branco – PR correspondente ao limite da bacia do Rio Ligeiro. Foram levantadas as possíveis condicionantes, naturais e antrópicas, causadoras de Movimento de Massa, e aplicada a técnica de aprendizado de máquina para a descoberta de padrões de ocorrência entre estes condicionantes. Os algoritmos aplicados foram o Floresta Randomica (FR), LibSVM e LazyKStar, os quais apresentaram bons resultados na modelagem e validação dos dados. A partir dos resultados obtidos pela técnica de aprendizado de máquina, foram gerados mapas de cenários representando as possíveis áreas suscetíveis ao Movimento de Massa na região de interesse. |
Abstract: | Studies involving the occurrence of landslides are still infrequent in municipalities in the Southwest of Paraná, which had a low population rate until the 1970s. However, this region has demonstrated a significant urbanization growth in recent decades, mainly in its hubs, such as Francisco Beltrão, Palmas, and Pato Branco. The relief of the Southwest mesoregion is marked by morphological homogeneity resulting from the predominance of flat, wavy features and a portion of strongly undulating areas. Thus, given the recurrent landslides in places of urban growth and the particular characteristics of the Southwest of Paraná relief , this work seeks to apply a methodology for identifying susceptible and vulnerable areas to landslides. A pilot experiment was carried out in the municipality of Pato Branco – PR at the limit of the Ligeiro River basin. Possible natural and anthropogenic conditions causing landslides were identified and the machine learning technique was applied to discover patterns of occurrence between these conditions. Random Forest (FR), LibSVM, and LazyKStar algorithms were used for data modeling and validation. From the results obtained by the machine learning technique, criterionmaps were generated representing the possible areas susceptible to landslides in the region of interest |
Keywords: | Estabilidade de encosta Aprendizado de máquina Movimento de massa Slope stability Machine learning Landslides |
CNPq areas: | CIÊNCIAS HUMANAS:GEOGRAFIA |
Idioma: | por |
País: | Brasil |
Publisher: | Universidade Estadual do Oeste do Paraná |
Sigla da instituição: | UNIOESTE |
Departamento: | Centro de Ciências Humanas |
Program: | Programa de Pós-Graduação em Geografia |
Campun: | Francisco Beltrão |
Citation: | PONTES, Priscila da Silva Victorino. Identificação de áreas vulneráveis a movimentos de massa com base em aprendizado de máquina, Rio Ligeiro (Pato Branco – PR). 2023. 117 f. Tese (Doutorado em Geografia) - Universidade Estadual do Oeste do Paraná, Francisco Beltrão, 2023. |
Tipo de acesso: | Acesso Aberto |
Endereço da licença: | http://creativecommons.org/licenses/by-nc-nd/4.0/ |
URI: | https://tede.unioeste.br/handle/tede/6920 |
Issue Date: | 19-Sep-2023 |
Appears in Collections: | Doutorado em Geografia (FBE) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Priscila da S. V. Pontes 23.pdf | 6.66 MB | Adobe PDF | View/Open Preview |
Items in TEDE are protected by copyright, with all rights reserved, unless otherwise indicated.