Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | Araújo, João Paulo de Carvalho | - |
Autor(es): dc.creator | Barella, Cesar Falcão | - |
Autor(es): dc.creator | Zêzere, José Luís | - |
Autor(es): dc.creator | Fernandes, Nelson Ferreira | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:44:38Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:44:38Z | - |
Data de envio: dc.date.issued | 2024-10-08 | - |
Data de envio: dc.date.issued | 2024-10-08 | - |
Data de envio: dc.date.issued | 2022 | - |
Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/18810 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.20502/rbgeomorfologia.v24i3.2305 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1023049 | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | 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. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | Esta obra está sob uma Licença Creative Commons Atribuição 4.0 Internacional (http://creativecommons.org/licenses/by/4.0/) – CC BY. Esta licença permite que outros distribuam, remixem, adaptem e criem a partir do seu trabalho, mesmo para fins comerciais, desde que lhe atribuam o devido crédito pela criação original. Fonte: PDF do artigo. | - |
Palavras-chave: dc.subject | Movimentos gravitacionais de massa | - |
Palavras-chave: dc.subject | Sistemas de detecção e alcance da luz | - |
Palavras-chave: dc.subject | Sistemas de escaneamento aerotransportado por laser | - |
Título: dc.title | Implementação de uma topografia pré-ruptura na predição estatística bivariada de escorregamentos. | - |
Título: dc.title | Pre-failure topography implementation to predict landslides using a bivariate statistical model. | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: