MODELAGEM DE ÁREAS SUSCETÍVEIS A MOVIMENTOS DE MASSA: AVALIAÇÃO COMPARATIVA DE TÉCNICAS DE AMOSTRAGEM, APRENDIZADO DE MÁQUINA E MODELOS DIGITAIS DE ELEVAÇÃO.

Resumen

Métodos de redes neurais artificiais (RNA) e random forest (RF) apresentam bom desempenho para mapear áreas suscetíveis a movimentos de massa. Entretanto, a modelagem é sensível à amostragem, à escala do modelo digital de elevação (MDE), ao conjunto de atributos do terreno e aos seus parâmetros de ajuste, influenciando o mapa final. O objetivo deste artigo foi avaliar e comparar técnicas de amostragem e MDE para a modelagem de áreas suscetíveis a movimentos de massa, utilizando RNA e RF. Foram extraídos sete atributos do terreno, a partir dos MDEs ALOS-PALSAR e ASTER GDEM, consideradas duas áreas amostrais e comparados dois métodos de reamostragem para redução do conjunto de treinamento. As acurácias apresentaram valores entre 0,88 e 0,94, demonstrando que os modelos RNA e RF, combinados com os MDEs ALOS-PALSAR e ASTER GDEM, possibilitam identificar áreas suscetíveis a movimentos de massa. Na modelagem se destacaram os seguintes atributos: elevação, declividade, fator LS e profundidade do vale. A definição de uma área amostral mais abrangente para coleta de amostras de não ocorrência aumenta a acurácia e a capacidade de generalização dos modelos. A redução do conjunto amostral de treinamento diminuiu o tempo de processamento, sem interferir significativamente na acurácia do mapa.