Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Automatização de inventários de deslizamentos aplicados à modelagem de suscetibilidade usando métodos de aprendizado de máquina.
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1027789
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Barella, Cesar Falcão | - |
| Autor(es): dc.contributor | Barella, Cesar Falcão | - |
| Autor(es): dc.contributor | Santos, Allan Erlikhman Medeiros | - |
| Autor(es): dc.contributor | Silva, Darllan Collins da Cunha e | - |
| Autor(es): dc.contributor | Araújo, João Paulo de Carvalho | - |
| Autor(es): dc.creator | Xavier, Mateus Oliveira | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:55:54Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:55:54Z | - |
| Data de envio: dc.date.issued | 2025-02-13 | - |
| Data de envio: dc.date.issued | 2024 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/19756 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1027789 | - |
| Descrição: dc.description | Programa de Pós-Graduação em Geotecnia. Núcleo de Geotecnia, Escola de Minas, Universidade Federal de Ouro Preto. | - |
| Descrição: dc.description | Os deslizamentos representam um dos maiores desastres geotécnicos, com impactos devastadores tanto para a segurança das populações quanto para a integridade do meio ambiente. Diante dessa ameaça crescente, esta pesquisa aborda o mapeamento da suscetibilidade a deslizamentos (MSD), com foco em metodologias baseadas em aprendizado de máquina (machine learning – ML) e diferentes tipos de inventários de deslizamentos, visando contribuir para a gestão de riscos e prevenção de desastres. Para isto, foram desenvolvidos três estudos inter-relacionados, que avaliaram e compararam diferentes abordagens e ferramentas aplicadas a uma região montanhosa no município de Mariana, Minas Gerais, Brasil. O primeiro estudo explorou a utilização de redes neurais artificiais (artificial neural networks – ANN) para a detecção automatizada de cicatrizes de deslizamentos causados por intenso evento pluviométrico, utilizando imagens do satélite Sentinel-2A e índices de vegetação. O modelo alcançou alta precisão (89,41%), demonstrando a viabilidade de métodos automáticos baseados em dados para a criação de inventários rápidos, seguros e econômicos. No segundo estudo, foram comparadas as capacidades preditivas de três abordagens de ML aplicadas ao MSD: regressão logística (logistic regression - LR), florestas aleatórias (random forests - RF) e ANN. Nove fatores condicionantes foram considerados, com destaque para a declividade e a geomorfologia. Os resultados indicaram que todas as abordagens apresentaram alta capacidade preditiva, com RF superando ligeiramente LR e ANN em termos de AUC-ROC (0,947), demonstrando a eficácia de métodos de ML na identificação de áreas suscetíveis a deslizamentos. O terceiro estudo avaliou o impacto da qualidade de diferentes inventários de deslizamentos (manual, automático, semiautomático e automatizado com filtragem) no desempenho de modelos RF. Os resultados confirmaram que inventários manuais proporcionam maior acurácia preditiva, mas soluções semiautomáticas e filtragens automatizadas podem equilibrar eficiência e qualidade, alcançando métricas robustas como AUC-ROC de 0,9444 e 0,89519, respectivamente. Os achados desta pesquisa ressaltam a importância da qualidade dos inventários e das abordagens de ML na produção de mapas de suscetibilidade a deslizamentos, sugerindo que, ao integrar essas metodologias, é possível aprimorar significativamente a gestão de riscos e a prevenção de desastres geotécnicos em regiões vulneráveis. | - |
| Descrição: dc.description | Landslides represent one of the most significant geotechnical disasters, with devastating impacts on both population safety and environmental integrity. In light of this growing threat, this research addresses the mapping of landslide susceptibility (LSM), focusing on machine learning (ML)-based methodologies and various types of landslide inventories, aiming to contribute to risk management and disaster prevention. To achieve this, three interrelated studies were developed, evaluating and comparing different approaches and tools applied to a mountainous region in the municipality of Mariana, Minas Gerais, Brazil. The first study explored the use of artificial neural networks (ANN) for the automated detection of landslide scars caused by a heavy rainfall event, using Sentinel-2A satellite imagery and vegetation indices. The model achieved high accuracy (89.41%), demonstrating the feasibility of data- driven automated methods for creating rapid, safe, and cost-effective inventories. The second study compared the predictive capabilities of three ML approaches applied to LSM: logistic regression (LR), random forests (RF), and ANN. Nine conditioning factors were considered, with a focus on slope and geomorphology. The results showed that all approaches exhibited high predictive capability, with RF slightly outperforming LR and ANN in terms of AUC-ROC (0.947), demonstrating the effectiveness of ML methods in identifying landslide-prone areas. The third study evaluated the impact of the quality of different landslide inventories (manual, automatic, semi-automatic, and automated with filtering) on RF model performance. The results confirmed that manual inventories provided higher predictive accuracy, but semi- automatic solutions and automated filtering could balance efficiency and quality, achieving robust metrics such as AUC-ROC of 0.9444 and 0.89519, respectively. The findings of this research highlight the importance of inventory quality and ML approaches in producing landslide susceptibility maps, suggesting that by integrating these methodologies, significant improvements in risk management and geotechnical disaster prevention in vulnerable regions can be achieved. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | aberto | - |
| Direitos: dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | - |
| Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 05/02/2025 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação. | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Avaliação de riscos | - |
| Palavras-chave: dc.subject | Deslizamentos - geologia | - |
| Título: dc.title | Automatização de inventários de deslizamentos aplicados à modelagem de suscetibilidade usando métodos de aprendizado de máquina. | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo