Geoprocessamento aplicado à análise de aptidão à urbanização do município de Joinville-SC frente à ocorrência de movimentos de massa e inundações

Abstract

É verificado o aumento de casos de grandes desastres associados a eventos hidrogeológicos atípicos nas últimas décadas. Em Joinville/SC, eventos relacionados a processos como movimentos de massa e inundações são recorrentes ao longo dos anos. Em novembro de 2008, se registrou mais de 800 eventos de deslizamentos no município. Este número elevado traz consigo questionamento sobre a sustentabilidade do crescimento urbano do município. Esta dissertação traz uma análise sobre a aptidão à urbanização do centro urbano de Joinville/SC e suas áreas de expansão associando modelos de suscetibilidade de movimentos de massa (SMM) e inundações (MSI). O modelo de SMM foi obtido através de Redes Neurais Artificiais (RNA) partindo de um inventário de cicatrizes. As variáveis explicativas utilizadas para aplicação da RNA foram divididas em três grupos: variáveis morfométricas, distâncias horizontais entre estradas e lineamentos estruturais e base de dados cartográficos geoambientais. Foram realizados testes com cinco configurações de RNA. Para validação, foram utilizadas as métricas: área sob a curva ROC (AUC) e acurácia global (ACC), em que a melhor modelagem apresentou valores de AUC igual a 0,90 e ACC igual a 0,84. Este resultado foi obtido utilizando-se de todas as variáveis explicativas excetuando-se o uso e cobertura da terra, que ocasionou leve enviesamento na RNA. A geologia teve papel fundamental para determinação da SMM. O MSI foi obtido através da analise hierárquica AHP associada a Logica Fuzzy. As variáveis selecionadas para ponderação foram: Mapa de Padrões de Relevo, Distância Vertical entre Canais de Drenagem (VDCN), Declividade e Distância Horizontal entre Canais de Drenagem (VDCN). O mapa de Padrões de Relevo foi gerado através da compartimentação da área de estudo, utilizando informações de Altimetria, Declividade, Geologia e Pedologia. As variáveis foram escalonadas para intervalo de 0 a 1 através da Lógica Fuzzy possibilitando a soma destas. A matriz pareada indicou maior peso para a variável Relevo, seguido de VDCN e Declividade empatados entre si e por último HDCN. A Razão de Consistência mostrou uma relação coerente entre as variáveis (RC<10%). Conclui-se que a variável relevo foi importante para melhor classificação da suscetibilidade em áreas aplainadas como as do município. A análise de aptidão urbana foi realizada através da associação dos resultados dos modelos de SMM e MSI. Se converteu as classes de suscetibilidade para as classes de aptidão, de forma inversamente proporcional, posteriormente, se sobrepôs o MSI sobre o modelo de SMM, ambos já reclassificado, preponderando a categoria de aptidão mais baixa. As classes de aptidão para as áreas aplainadas se mostraram coerente. Já as classes de aptidão em áreas de relevo de maior amplitude se mostraram superestimadas. Apesar da capacidade de generalização das RNAs, atribui-se esta distorção ao processo de amostragem através de sensoriamento remoto, não sendo possível, a amostragem de pequenos deslizamentos, comuns aos centros urbanos.

There has been an increase in the occurrence of major disasters associated with atypical hydrogeological events in recent decades. In Joinville/SC, events related to processes such as mass movements and floods have been recurring over the years. In November 2008, over 800 landslides were recorded at the municipality's borders. This high number raises questions about the sustainability of urban growth in the city. This dissertation presents an analysis of the suitability for urbanization in the urban center of Joinville/SC and its expansion areas, combining landslide susceptibility models (LSM) and flood susceptibility models (FSM). The LSM model was obtained using Artificial Neural Networks (ANN) based on a scar inventory survey. The explanatory variables used for ANN application were divided into three groups: morphometric variables, horizontal distances between roads and structural lineaments, and geo-environmental cartographic database. Tests were conducted with five ANN configurations. For validation, the metrics used were the area under the ROC curve (AUC) and overall accuracy (ACC), with the best modeling showing AUC values of 0.90 and ACC of 0.84. This result was obtained using all explanatory variables except land use and land cover, which caused a slight bias in the ANN. Geology played a fundamental role in determining LSM. FSM was obtained through the Analytic Hierarchy Process (AHP) combined with Fuzzy Logic. The selected variables for weighting were: Relief Patterns Map, Vertical Distance between Drainage Channels (VDCN), Slope, and Horizontal Distance between Drainage Channels (HDCN). The Relief Patterns Map was generated by compartmentalizing the study area using elevation, slope, geology, and pedology information. The variables were scaled to a range of 0 to 1 using Fuzzy Logic, allowing their summation. The paired matrix indicated a higher weight for the Relief variable, followed by VDCN and Slope tied with each other, and lastly HDCN. The Consistency Ratio showed a coherent relationship between the variables (CR <10%). It is concluded that the relief variable was important for a better classification of susceptibility in flat areas like those in the municipality. Urban suitability analysis was performed by associating the results of LSM and FSM models. Susceptibility classes were converted into suitability classes in an inversely proportional manner. Subsequently, FSM was overlaid on the LSM model, both already reclassified, with the lowest suitability category prevailing. Suitability classes for flat areas were coherent, while suitability classes in areas with greater relief amplitude were overestimated. Despite the generalization capabilities of ANNs, this distortion is attributed to the remote sensing sampling process, which does not allow for the sampling of small landslides common in urban centers.