Aplicação de redes neurais com variáveis geomorfológicas para mapeamento da susceptibilidade a deslizamentos de terra em Lagoa Encantada - PE

Abstract

Este trabalho aborda a aplicação de redes neurais artificiais (RNAs) na criação de mapas de susceptibilidade a deslizamentos de terra para a comunidade de Lagoa Encantada, localizada em Recife/PE, destacando sua eficácia e rapidez em comparação com métodos tradicionais. A crescente incidência de deslizamentos de terra e a necessidade de métodos precisos para avaliar e mitigar esses riscos motivaram esta pesquisa, que visa contribuir para a segurança da população e a gestão de desastres naturais. O objetivo principal deste estudo é desenvolver um mapa de susceptibilidade a deslizamentos de terra da comunidade de Lagoa Encantada, utilizando técnicas de inteligência artificial, especificamente RNAs, juntamente a programas de código aberto como QGIS e Python. Para alcançar este objetivo, foram geradas as variáveis geomorfológicas do local de estudo com o QGIS e foram utilizadas bibliotecas como Pandas para análise e tratamento de dados, Scikit-learn para normalização, pré-processamento, treinamento e validação dos modelos utilizando o Python. Os resultados demonstraram que as Redes Neurais Artificiais são altamente eficazes na geração de mapas de suscetibilidade com boa precisão. As principais métricas de avaliação, incluindo acurácia, precisão, revocação e F1 Score, todas superaram a marca de 90%. Além disso, a área sob a curva ROC (AUC) também apresentou valores acima de 0,9, tanto no conjunto de treino quanto no conjunto de teste. Esses resultados confirmam a robustez e a confiabilidade das RNAs na previsão de áreas suscetíveis a deslizamentos. Uma avaliação dos erros do resultado também foi realizada a fim de identificar a causa principal, permitindo que, no futuro, os fatores mapeados sejam levados em consideração para aprimorar o modelo e reduzir a ocorrência de erros similares em análises subsequentes. Conclui-se que a utilização de RNAs representa uma abordagem promissora para a avaliação de susceptibilidade a deslizamentos de terra, oferecendo uma alternativa rápida e eficiente aos métodos convencionais. Este estudo contribui para o avanço das técnicas de mapeamento de riscos geotécnicos e reforça a importância da integração de inteligência artificial em estudos de engenharia civil.