Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/3115
Título : Análise da setorização de fatores de predisposição derivados topograficamente na modelagem estatística de susceptibilidade a escorregamentos : estudo de caso na região de Jequeri, Minas Gerais.
Autor : Carvalho, Júlia Bruno
metadata.dc.contributor.advisor: Barella, César Falcão
metadata.dc.contributor.referee: Barella, César Falcão
Xavier, Mateus Oliveira
Eiras, Cahio Guimarães Seabra
Palabras clave : Solos e Rochas - escorregamentos
Meio ambiente - modelagem estatística
Engenharia ambiental
Fecha de publicación : 2021
Citación : CARVALHO, Júlia Bruno. Análise da setorização de fatores de predisposição derivados topograficamente na modelagem estatística de susceptibilidade a escorregamentos: estudo de caso na região de Jequeri, Minas Gerais. 2021. 38 f. Monografia (Graduação em Engenharia Ambiental) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
Resumen : Os escorregamentos estão entre os principais desastres naturais que assolam o território brasileiro. Na região sudeste do Brasil, estes eventos são responsáveis por causar diversos prejuízos financeiros e humanos, atingindo milhares de pessoas, direta e indiretamente. Este trabalho teve por objetivo gerar uma carta de suscetibilidade a escorregamentos de massa, para uma área de estudos localizada na região sudeste do estado de Minas Gerais. Deste modo, a partir de um inventário de cicatrizes, foi elaborado um modelo de suscetibilidade a escorregamentos, utilizando os parâmetros de predisposição escolhidos pelo Serviço Geológico do Brasil – CPRM através do método estatístico bivariado do valor informativo (VI). A validação contou com a utilização das áreas abaixo das curvas (AAC) de Sucesso e de Predição. Esta carta foi gerada utilizando os parâmetros ângulo das encostas, curvatura e a densidade de lineamentos positivos. A carta resultante apresentou boa aderência aos dados (AAC de Sucesso = 0,733) e boa capacidade preditiva (AAC de Predição = 0,750), sendo que 43% da área de estudo é capaz de prever até 80% dos escorregamentos mapeados, além de maximizar a área de baixa suscetibilidade, que corresponde a 37% da região investigada. O modelo gerado por este estudo pode ser efetivamente aplicado a outras regiões do estado e do país, já que a metodologia aplicada pode ser facilmente replicada.
metadata.dc.description.abstracten: The landslides are among the main natural disasters that plague the Brazilian territory. In the southeastern region of Brazil, these events are responsible for causing several financial and human losses, affecting thousands of people, directly and indirectly. This work aimed to generate a letter of susceptibility to landslides, for a study area located in the southeastern region of the state of Minas Gerais. In this way, a statistical model of susceptibility to landslide was elaborated, using the predisposition parameters chosen by the Geological Survey of Brazil - CPRM through the bivariate method of the informative value (VI). The validation relied on the use of the Success and Prediction Curves. This chart was generated using the slope angle, curvature and density of positive lineaments and scars inventory parameters. The resulting chart showed good adherence to the data (AAC of Success = 0.733) and good predictive capacity (AAC of Prediction = 0.750), with 43% of the study area capable of predicting up to 80% of the mapped landslides, in addition to maximizing the low susceptibility area, which corresponds to 37% of the investigated region. The model generated by this study can be effectively applied to other regions of the state and the country, since the applied methodology can be easily replicated.
URI : http://www.monografias.ufop.br/handle/35400000/3115
Aparece en las colecciones: Engenharia Ambiental

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_AnaliseSetorizaçãoFatores.pdf5,82 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons