Marcello Guerreiro Gonçalves
Resumo
Deslizamento de terra é considerado um dos perigos naturais mais difundidos no mundo, resultando em um grande número de perdas de vida e prejuízos econômicos. A localização, o tamanho e a duração desses processos são caracteristicamente difíceis de prever e avaliar. Nesse sentido, novos métodos de mapeamento estão emergindo a partir da utilização de tecnologias de sensoriamento remoto. O objetivo deste trabalho foi desenvolver uma metodologia para a extração automática de cicatrizes de deslizamentos, ocasionadas por eventos recentes de chuvas intensas, mediante técnicas de classificação de imagens de satélite de alta resolução e de modelos de classificação do terreno. Foram empregadas, na análise, imagens do satélite Geoeye, adquiridas antes e depois do evento de deslizamentos que ocorreu em janeiro de 2011, com o suporte de cinco índices de detecção de mudanças: o índice de vegetação NDVI, a análise de componentes principais, o índice de áreas construídas, a diferença da razão entre as bandas vermelha e azul e o cálculo da fração de ruído mínimo. Os modelos do terreno calibrados baseiam-se em técnicas estatísticas multivariadas, regressão logística e análise discriminante. A aplicação dessa metodologia revelou ser possível desenvolver uma abordagem sistemática de mapeamentos de deslizamentos, possibilitando a construção automática de bases de dados, para o uso em análises de risco e suscetibilidade à ocorrência de deslizamentos.
Abstract
Landslide is considered one of the most widespread natural hazards in the world, resulting in a large number of losses of life and economic damage. The location, size and duration of these processes are characteristically difficult to predict and evaluate. In this sense, new mapping methods are emerging from the use of remote sensing technologies. The aim of this study was to develop a methodology for the automatic extraction of landslide scars, caused by recent heavy rainfall events, using techniques of image classification of high resolution satellite and terrain classification models. In this research we used Geoeye images, acquired before and after the event of landslides that took place during January, 2011, with the support of five change detection techniques: the NDVI vegetation index, the principal component analysis, the ratio of built-up areas, the difference of the ratio between the red and blue bands and the calculation of minimum noise fraction. The terrain classification calibrated models are based on multivariate statistical techniques, logistic regression and discriminant analysis. The application of this methodology has proved possible to develop a systematic approach for mapping of landslides, allowing the automatic construction of databases, for use in risk assessment and landslides susceptibility mapping.
