Ciência para a Redução das Desigualdades
15 a 20 de outubro de 2018
Trabalho 10670
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Engenharia/Tecnologia |
| Setor | Departamento de Solos |
| Bolsa | Outros |
| Conclusão de bolsa | Não |
| Apoio financeiro | Outros |
| Primeiro autor | Lucas Vieira Silva |
| Orientador | ELPIDIO INACIO FERNANDES FILHO |
| Outros membros | Raiza Moniz Faria |
| Título | Mapeamento de cicatrizes de deslizamento após evento catastrófico na microrregião de Rio Casca |
| Resumo | Desastres naturais ocorrem de maneira repentina dificultando assim, sua prevenção. Entende-se por desastre natural, o resultado de eventos adversos sobre um ecossistema causando danos ambientais. Desastres como enchentes e deslizamentos de terra podem ser mapeados, uma vez que existem metodologias para esta finalidade. Esse tipo de mapeamento é fundamental para aumentar a capacidade dos órgãos responsáveis por monitorar e gerir recursos para a prevenção de desastres. Neste trabalho tivemos por objetivo realizar o mapeamento das cicatrizes de deslizamento, ocorridos após um evento chuvoso na microrregião da cidade Rio Casca ocorrido na primeira semana de dezembro de 2018, através de técnicas de sensoriamento remoto e geoprocessamento de imagens. Para tal foram utilizadas uma imagem do satélite Sentinel, sensor MSI com data de aquisição de 23 de agosto de 2017 usada como referência das áreas antes do evento, e outra imagem do satélite Landsat, sensor OLI com data de aquisição de 20 de janeiro de 2018 usada no processo de classificação das cicatrizes de deslizamento. Todo o processamento foi mesmo para as duas imagens. Para o treinamento do algoritmo classificador, foram coletadas de 30 a 80 amostras por classe, distribuídas amplamente dentro da área de estudo. Para a imagem Sentinel foram coletadas as classes: mata, pastagem, solo exposto, água, agricultura, afloramento rochoso e sombra de relevo. Já para a imagem Landsat foram coletadas as classes mata, pastagem, solo exposto, água, agricultura, afloramento rochoso e cicatrizes de deslizamento. A classe sombra de relevo foi implementada à imagem Sentinel devido a confusão gerada com a classe solo exposto, o que não ocorreu com a imagem Landsat, pois a mesma não apresentava sombras. O processo de classificação deu-se a partir do algoritmo Random Forest implementado à linguagem de programação R. Para isso foram estabelecidos quais parâmetros seriam utilizados a fim de garantir o melhor resultado possível. Dentre todos os parâmetros, a morfologia vem se destacando em vários trabalhos como o principal, ou muitas vezes a única variável implementada no estudo, o que pode não trazer resultados confiáveis. Desta forma, a declividade, o modelo digital de elevação (MDE), aspecto do relevo, e o mapa de solos e os Índices de Vegetação da Diferença Normalizada (NDVI) e o Ajustado ao Solo (SAVI) são inseridos como covariáveis de classificação. Os resultados foram muito satisfatórios uma vez que as cicatrizes com menores áreas foram delineadas. A área total atingida foi de 52.5 km² o que equivale a aproximadamente 2,17% de toda a área de estudo. A correlação entre o mapa de deslizamentos a declividade da área e o mapa de solos da região mostrou bem o comportamento desses eventos. Pôde-se observar que a grande maioria das cicatrizes encontram-se nas áreas de latossolo vermelho amarelo e argissolo vermelho amarelo com declividade variando de 33 a 55 graus. |
| Palavras-chave | sensoriamento remoto, classificação de imagens, cicatrizes de deslizamento |
| Forma de apresentação..... | Painel |