Ferramenta para estimativa de estabilidade de encostas utilizando QGIS : desenvolvimento e análise de desempenho

Abstract

Os desastres relacionados a movimentos de massa e produção de sedimentos são motivo de grande preocupação atualmente, pois representam risco de vida à população e, também, são responsáveis por grandes volumes de solo erodido e degradação da qualidade da água. O desenvolvimento tecnológico possibilitou a criação de diversas ferramentas para o mapeamento, a caracterização e a avaliação de áreas de risco. Modelagens computacionais aliadas ao Sistema de Informação Geográfica (SIG) auxiliam na predição de escorregamentos. Existem diversos modelos para a identificação de áreas suscetíveis a movimentos de massa, dentre eles, um dos mais utilizados, é o SHALSTAB (Shallow Landsliding Stability Model). Este trabalho tem como objetivo o desenvolvimento de uma ferramenta de análise de suscetibilidade a movimentos translacionais. Trata-se de uma adaptação do modelo SHALSTAB, para o ambiente do software livre QGIS, utilizando linguagem de programação Python e incluindo na análise o efeito da vegetação. A incorporação do modelo na plataforma do software QGIS, a partir de uma sequência de cálculos sobre arquivos em formato raster, que permite a entrada de dados discretizados, visa aprimorar e atualizar o processo de aplicação da ferramenta. Para a análise de desempenho utilizou-se a bacia do rio Mascarada, no nordeste do Rio Grande do Sul, região que sofreu com diversos movimentos de massa em 2017. O método de avaliação é o de curvas ROC (Receiver Operating Characteristics), com índice de acertos e erros e comparação da área abaixo da curva (AUC). Foram realizadas simulações com diferentes valores para os parâmetros de entrada. Para cada simulação realizada, com alteração nos parâmetros de entrada, houve variação nos índices de acerto e erro e, consequentemente, no valor de AUC, indicando a possibilidade de otimização da ferramenta com a realização de simulações em lote e análise de curvas ROC. Os valores para os parâmetros de entrada, que melhor representaram o evento de 2017, são resultados de ensaios realizados na bacia, com AUC de 0,80, IA de 75% e IE de 23%, confirmando a importância do monitoramento em campo. De modo geral, o modelo proposto conseguiu representar os fenômenos estudados. A ferramenta demonstrou eficácia e acurácia, quando confrontada com as cicatrizes de escorregamentos. A modelagem de estabilidade de encostas é um instrumento muito útil para o gerenciamento da ocupação territorial. A previsão de escorregamentos poderia diminuir, e muito, os impactos gerados.

Disasters related to landslides and sediments currently are of great concern, representing risks to the lives of the population and are also responsible for large volumes of eroded soil and water quality degradation. The development in technology made the creation of many mapping, description and evaluation of risk areas possible. Computational modeling combined with the Geographic Information System (GIS), help in the prediction of landslides. There are many models that work with the identification of areas susceptible to landslides, and among them is the SHALSTAB model (Shallow Landsliding Stability Model), one of the most used for this end. This undergraduate project aims to develop a shallow landslide susceptibility analysis tool as an adaptation of the SHALSTAB model, made for the QGIS free software environment, using python as its programming language and adding to the final analysis the effects of the vegetation. The goal is to improve this tool through the incorporation of the model for the QGIS software platform, using a sequence of calculations on files in raster format, allowing for discretized data entry. For the performance analysis, the Mascarada river basin, in the northeast of Rio Grande do Sul was used. This region suffered with many landslides in 2017. The valuation method uses ROC curves (Receiver Operating Characteristics), with an index of results and area comparison under the AUC Curve. Simulations were performed with different values for input parameters. For each simulation performed, with changes in the input parameters, there was a variation in the success rates and, consequently, in the AUC value, indicating the possibility of an optimization in the tool by performing batch simulations and the analysis of the ROC curves. The values for the input parameters, which best represented the 2017 event, are the results of tests carried out in the basin, with AUC of 0.80, IA of 75% and IE of 23%, confirming the importance of field monitoring. In general, the proposed model was able to successfully represent the studied phenomena. The tool also represented accuracy and efficiency with landslide scars calculations. The slope stability model is a very useful tool for managing land use, and the prediction of landslides could greatly reduce those impacts.