Uso de descritores de terreno para o mapeamento de áreas suscetíveis à inundação

Abstract

O estado de Santa Catarina apresenta um longo histórico de eventos de inundação, com prejuízos bilionários acumulados até o dia de hoje. As áreas propensas a inundar podem ser mapeadas com o uso de descritores de terreno. Entretanto, o mapeamento em alta resolução no estado é dificultado pelo grande tempo de processamento no cálculo desses descritores. O objetivo deste trabalho foi avaliar a performance dos descritores em mapear a inundação no estado de Santa Catarina. Foram utilizados oito descritores de terreno (declividade, índice topográfico, índice topográfico modificado, downslope index, distância horizontal até a rede de drenagem, HAND, Geomorphic Flood Index (GFI) e Local Flood Index (LFI)) no estudo. Para lidar com a limitação do tempo de processamento, foi desenvolvido um pacote de funções em para o cálculo dos oitos descritores, com implementações paralelas em GPU e CUDA para acelerar o processo. Também foram implementados métodos da avaliação de performance dos descritores em simular a inundação. Foram utilizados três MDE (Modelo Digital de Elevação) no estudo, SRTM 3 arco-segundos com resolução de 90 metros, SRTM 1 arco-segundo com 30 metros e ALOS PALSAR com 12,5 metros. As manchas de inundação produzidas pelo Banco Mundial foram utilizadas no trabalho para a calibração e avalição de performance dos descritores. A implementação paralela apresentou menores tempos em relação à implementação sequencial, sendo entre 2,4 e 18 vezes mais rápida na maior resolução. Apenas o descritor declividade apresentou perda na velocidade. No mapeamento das áreas de inundação no estado, os descritores apresentaram baixos índices de performance, com valores de índice de ajuste abaixo de 0,5, indicando mais células classificadas erradas do que certas. O mesmo foi observado em uma menor escala, na bacia do rio Itajaí. Os descritores que apresentaram melhores resultados foram o HAND e GFI, com índices de ajuste próximos a 0,42 no estado e 0,51 na bacia. Comparando a calibração do descritor HAND em três escalas (estado, bacia e município), nota-se que a taxa de acerto é maior em áreas menores, com um índice de ajuste de 0,83 no município. A utilização de MDE de maior resolução não apresentou benefícios, reduziu a performance de alguns descritores e levou mais tempo de processamento para o cálculo dos descritores.

Abstract: The state of Santa Catarina, Brazil, has a long story of flood events, and to this day, has accumulated huge losses. Flood prone areas can be mapped by using terrain descriptors. However, high resolution mapping in the state is hindered by high computation run times. The objective of this study was to evaluate descriptors performance in mapping the flood prone areas in the state of Santa Catarina. Eight terrains descriptors (slope, topographic index, modified topographic index, downslope index, distance to the nearest drainage, HAND, Geomorphic Flood Index (GFI) and Local Flood Index (LFI)) were used in the study. To overcome the computational limitations, a python package was developed, equipped with GPU based parallel functions to calculate the descriptors. Methods to evaluate the mapping performance were also added to the toolbox. Three different digital elevation models were used and compared: SRTM 3 arcsec (90 meter resolution); SRTM 1arcsec (30m); and ALOS PALSAR (12.5). World Bank flood maps were used as benchmark map for calibration and validation. The parallel implementation presented faster results when compared to its sequential counterpart, with speedup ratio ranging from 2.4 to 18 times faster in the highest resolution. Only the slope descriptor presented a slower time. The descriptors presented a low capability to map flood prone areas in the state, with results of fit index below 0.5, indicating more errors than correct classification. The same occurred in Itajaí river basin. The descriptors HAND and GFI presented the best results, with a fit index close to 0.42 at the state and 0.51 at the basin. By observing the calibration step in three scales (state, basin and county), it was noted that descriptors perform better in smaller areas, where a fit index of 0.83 was obtained in the county. Comparing the results of three resolutions, it was not observed benefit of using higher resolutions as it led to a loss of performance for some descriptors and took more computational time.