Dados da Submissão

Título

DELIMITAÇÃO DE ZONA DE RASTEJO POR ABORDAGEM ESTATÍSTICA E APRENDIZADO DE MÁQUINA APLICADO A DADOS INSAR, ESTUDO DE CASO DE OURO PRETO (MG)

Texto do resumo

Áreas de risco geológico-geotécnico em zonas urbanas impactam significativamente o planejamento urbano, bem como a segurança da população local. Áreas de risco geológico-geotécnico são aquelas sujeitas a danos por efeitos adversos relativos à ocupação territorial e desequilíbrios da natureza. A cidade de Ouro Preto (MG), patrimônio histórico pela UNESCO, foi classificada pelo Serviço Geológico Brasileiro (SBG), em 2016, como a cidade com maior quantidade de áreas mapeadas com risco geológico alto ou muito alto em todo Brasil. Segundo o levantamento, aproximadamente 3.006 pessoas ocupam áreas de risco geológico dentro do perímetro urbano da cidade. Dentre essas zonas, destaca-se o movimento de massa do tipo rastejo - nomeadamente conhecidos como deslizamentos, presente na região dos bairros Morro Santana, Piedade e Taquaral. Nesses cenários, é fundamental a tomada de decisão assertiva para, em curto prazo, orientar programas de monitoramento de riscos, instituições responsáveis (e.g. defesa civil), a população, e, em longo prazo, apoiar o desenvolvimento de políticas públicas. O presente estudo teve dois propósitos: i) investigar a aplicação de técnicas de processamento e análise de dados, incluindo aprendizagem de máquina automatizada; ii) analisar a viabilidade das informações obtidas através de algoritmos de treinamento de dados de radar para reconhecimento e demarcação da zona de rastejo. Deslocamentos superficiais de ordem milimétrica são detectados e monitorados por radares interferométricos orbitais (InSAR). A partir da coleta e empilhamento sucessivo de imagens complexas de radar obtém-se a coleção de observações feitas sequencialmente, ou seja, séries temporais longas. Pela regressão linear das séries temporais são estimadas as velocidades médias associadas a cada refletor persistente. Assim, os dados fornecidos por esse monitoramento apresentam grande potencial para suporte na tomada de decisão sobre áreas de risco urbanas. Inicialmente foram aplicadas técnicas para delimitação de outliers de velocidade baseada na distância interquartil e na distância de Mahalanobis. Além disso, foi aplicada a clusterização, utilizando-se, o algoritmo não supervisionado k-means para agrupamento de velocidades médias. A partir de cada abordagem aplicada foi interpretado uma delimitação para a zona de rastejo e as áreas totais, para via de comparação com o mapeamento inicial (CPRM, 2016). Os resultados permitiram o agrupamento de velocidades e delimitação orientada a dados da zona de rastejo. A partir da metodologia proposta, observou-se uma zona afetada consideravelmente maior, potencialmente decorrente da precisão fornecida pelo satélite quando comparado ao mapeamento de campo. Os algoritmos observados indicaram uma área de deformação até 41% maior que a prevista no mapeamento inicial. O estudo apresenta-se como significativa contribuição à literatura visto a escassez de abordagens quantitativas para a região - ou seja, com capacidade de quantificar as magnitudes do rastejo. Ressalta-se ainda que a abordagem de análise orientada a dados se mostra uma técnica capaz de reduzir a subjetividade na delimitação da zona de movimento de massa. Entre as limitações do estudo, destaca-se a necessidade de avaliação por abordagens complementares, como observações quantitativas de campo que sustentem a decisão pelo melhor algoritmo. Admite-se potencial discrepância dos dados devido à desatualização do mapeamento e evolução do movimento das áreas de rastejo.

Palavras Chave

Rastejo; InSAR; estatística; Aprendizado de máquina.