Modelagem de áreas suscetíveis a movimentos gravitacionais de massa: uma abordagem probabilística para suporte à tomada de decisão em planejamento territorial

Abstract

A presente dissertação tem como objetivo o desenvolvimento de uma metodologia probabilística para a avaliação da estabilidade de encostas em um âmbito regional. A metodologia, denominada SHALSPROB, utiliza conceitos probabilísticos para transformar as informações determinísticas e incertas relacionadas ao cálculo do SHALSTAB em probabilidades. O modelo faz uso de funções densidade de probabilidade para variar, dentro do espaço amostral, os parâmetros de resistência ao cisalhamento e condutividade hidráulica saturada das unidades geotécnicas da área de estudo. Para levar em consideração a não linearidade envolvida no processo, foram implementadas duas funções de ativação às saídas do modelo SHALSTAB, de duas formas distintas. As unidades geotécnicas foram em um primeiro momento definidas através de sensoriamento remoto e posteriormente confirmadas em campo, isto se deu, pois, o modelo foi testado para duas situações distintas, o caso bancos de dados genéricos (BD) e dados de campo locais (BST). Como resultados, foram gerados dois mapas determinísticos estáticos SHALSTAB, utilizando os valores médios dos dados; seis mapas estatísticos determinísticos SHALSTAB; dois mapas probabilísticos e um mapa de precipitações críticas. O último foi gerado através de uma relação entre as probabilidades SHALSTAB e uma distribuição cumulativa de probabilidades da precipitação local. Para a validação dos resultados, aplicaram-se 3 métodos o Receiver Operating Characteristic (ROC) e Area Under the ROC Curve (AUC); os índices de acerto (IA) e erro (IE) e a entropia cruzada, a última mede a distância da probabilidade efetiva real em relação a predição. Para o modelo banco de dados, o mapeamento probabilístico a razão IA/IE resultou em 2,87, o AUC foi de 0,887 e através da entropia cruzada, constatou-se subestimação do modelo. Já o modelo apoiado em dados de campo obteve uma razão IA/IE de 2,73 e um AUC de 0,896. O principal diferencial entre a utilização de dados de campo em vez de um banco de dados genéricos foi a possibilidade de elevação do limiar de instabilidade de 60% para 80%, foi possível verificar que o modelo com limiar em 60% mapeia apenas 9,6% a mais as cicatrizes do que o modelo BST com o limiar em 80%, demonstrando uma superioridade do segundo em relação ao primeiro. Ainda assim, ambos os modelos foram capazes de superar incertezas e trazer bons resultados.

Abstract: This dissertation aims at developing a probabilistic methodology for the assessment of slope stability at a regional level. The methodology, called SHALSPROB, uses probabilistic concepts to transform the deterministic and uncertain information related to the SHALSTAB calculation into probabilities. The model makes use of probability density functions to vary, within the sample space, the shear strength and saturated hydraulic conductivity parameters of the geotechnical units of the study area. To take into account the non-linearity involved in the process, two activation functions were implemented to the outputs of the SHALSTAB models. The geotechnical units were first defined through remote sensing and later confirmed in the field, this was because the model was tested for two different situations, the case of generic databases (DB) and local field data (BST). As results, two static deterministic SHALSTAB maps were generated using the mean values of the data; six statistical deterministic SHALSTAB maps; two probabilistic maps and one critical rainfall map. The latter was generated by relating the SHALSTAB probabilities to a cumulative probability distribution of local rainfall. For the validation of the results, three methods were applied: the Receiver Operating Characteristic (ROC) and Area Under the ROC Curve (AUC); the hit (AI) and error (IE) indices and the cross entropy, the latter measuring the distance of the actual effective probability from the prediction. For the database model, the probabilistic mapping the AI/IE ratio resulted in 2.87, the AUC was 0.887 and through the cross entropy, it was found underestimation of the model. On the other hand, the model based on field data obtained an AI/IE ratio of 2.73 and an AUC of 0.896. The main difference between the use of field data instead of a generic database was the possibility of raising the instability threshold from 60% to 80%, it was possible to verify that the model with a threshold of 60% maps only 9,6% more scars than the BST model with a threshold of 80%, demonstrating a superiority of the second in relation to the first. Even so, both models were able to overcome uncertainties and provide good results.