Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/59356
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | PACHECO, Admilson da Penha | - |
dc.contributor.author | SILVA, Artur Loiola Alves da | - |
dc.date.accessioned | 2025-01-03T15:45:38Z | - |
dc.date.available | 2025-01-03T15:45:38Z | - |
dc.date.issued | 2024-10-26 | - |
dc.date.submitted | 2024-12-20 | - |
dc.identifier.citation | Silva, Artur Loiola Alves da. Avaliação geoespacial da suscetibilidade a inundações em áreas urbanas: um estudo de caso em Rio Formoso, Pernambuco. 2024. 73f. Trabalho de Conclusão de Curso (Graduação) - Curso de Engenharia Cartográfica e Agrimensura, Departamento de Engenharia Cartográfica, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2024. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/59356 | - |
dc.description.abstract | As ações antrópicas têm provocado variações substanciais no clima e na vegetação, contribuindo para mudanças climáticas extremas que afetam milhões de pessoas a cada ano. Um dos principais impactos dessas transformações é o aumento da frequência de cheias e inundações, que causam grandes perturbações sociais e modificam profundamente as áreas atingidas, resultando em perdas significativas tanto na vegetação quanto nas áreas urbanas. Este estudo teve como objetivo identificar áreas vulneráveis a inundações e o comportamento do uso e cobertura do solo no município de Rio Formoso/PE a partir de dados e técnicas de sensoriamento remoto derivados de imagens do Satélite PlanetScope. A metodologia envolveu o algoritmo de aprendizado de máquinas k-Vizinho Mais Próximo (KNN), os índices espectrais (NDVI e NDWI) e o processo de análise espacial Hierarquia Analítica (AHP). As imagens de satélite da área urbana do município de Rio Formoso/PE foram adquiridas pela plataforma Planet para os anos de 2018 e 2019 (correspondentes aos períodos pré e pós-enchente), além dos anos de 2020 e 2023. Posteriormente, as imagens foram submetidas a processos de classificações por meio de índices espectrais e do algoritmo k-vizinho mais próximo (KNN). Adicionalmente, foi gerado um mapa de suscetibilidade para todo o município, utilizando-se o procedimento espacial Hierarquia AHP. Os resultados indicaram que 7% da área estudada apresentaram risco alto ou muito alto de inundações, concentrando-se em regiões de baixa altitude, particularmente na zona urbana do município. A análise da dinâmica do uso do solo, com base no método KNN e nos índices espectrais, revelou uma redução da área urbana entre 3,65% e 5,3%, um aumento de solo exposto entre 0,54% e 4,54%, e uma diminuição da vegetação rasteira entre 6,95% e 14,61%, acompanhada por um aumento da vegetação densa entre 11,72% e 13,72%. Esses resultados indicaram que, apesar da presença de uma cobertura vegetal relativamente densa, existem diferenças expressivas no crescimento da vegetação e na capacidade de sequestro de carbono entre os diversos tipos de cobertura do solo. Portanto, é essencial que futuras análises de mapeamento de suscetibilidade a inundações considerem de forma prioritária a interação entre a cobertura vegetal e o uso do solo. A vegetação desempenha um papel crucial na infiltração de água, controle da erosão e regulação do ciclo hidrológico, influenciando diretamente a capacidade do solo de absorver e drenar as águas pluviais. A promoção desse equilíbrio ecossistêmico pode mitigar os impactos de eventos climáticos extremos, como chuvas intensas, e minimizar os riscos de inundações, sobretudo em áreas que já apresentam maior vulnerabilidade. Dessa forma, a integração de informações geoespaciais e análises multitemporais apresenta-se como uma ferramenta estratégica para o planejamento territorial e para a formulação de políticas públicas voltadas à prevenção e à gestão de desastres naturais. | pt_BR |
dc.format.extent | 74p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Inundação | pt_BR |
dc.subject | Sensoriamento remoto | pt_BR |
dc.subject | Índices espectrais | pt_BR |
dc.subject | KNN | pt_BR |
dc.subject | AHP | pt_BR |
dc.title | Avaliação geoespacial da suscetibilidade a inundações em áreas urbanas: um estudo de caso em Rio Formoso, Pernambuco | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/4075815079179166 | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/2244303605944370 | pt_BR |
dc.description.abstractx | Human actions have caused substantial variations in climate and vegetation, contributing to extreme climate changes that affect millions of people each year. One of the main impacts of these transformations is the increased frequency of floods, which cause major social disruptions and profoundly modify the affected areas, resulting in significant losses in both vegetation and urban areas. This study aimed to identify areas vulnerable to flooding and the behavior of land use and cover in the municipality of Rio Formoso/PE based on data and remote sensing techniques derived from images from the PlanetScope Satellite. The methodology involved the k-Nearest Neighbor (KNN) machine learning algorithm, spectral indices (NDVI and NDWI), and the Analytical Hierarchy (AHP) spatial analysis process. Satellite images of the urban area of the municipality of Rio Formoso/PE were acquired by the Planet platform for the years 2018 and 2019 (corresponding to the pre- and post-flood periods), in addition to the years 2020 and 2023. Subsequently, the images were subjected to classification processes using spectral indices and the k-nearest neighbor (KNN) algorithm. Additionally, a susceptibility map was generated for the entire municipality, using the AHP spatial hierarchy procedure. The results indicated that 7% of the studied area presented a high or very high risk of flooding, concentrated in low-altitude regions, particularly in the urban area of the municipality. The analysis of land use dynamics, based on the KNN method and spectral indices, revealed a reduction in urban area between 3.65% and 5.3%, an increase in exposed soil between 0.54% and 4.54%, and a decrease in undergrowth between 6.95% and 14.61%, accompanied by an increase in dense vegetation between 11.72% and 13.72%. These results indicated that, despite the presence of relatively dense vegetation cover, there are significant differences in vegetation growth and carbon sequestration capacity among the different types of land cover. Therefore, it is essential that future flood susceptibility mapping analyses prioritize the interaction between vegetation cover and land use. Vegetation plays a crucial role in water infiltration, erosion control, and regulation of the hydrological cycle, directly influencing the soil's ability to absorb and drain rainwater. Promoting this ecosystem balance can mitigate the impacts of extreme weather events, such as heavy rainfall, and minimize the risk of flooding, especially in areas that are already more vulnerable. Thus, the integration of geospatial information and multitemporal analyses is a strategic tool for territorial planning and for the formulation of public policies aimed at preventing and managing natural disasters. | pt_BR |
dc.subject.cnpq | Geociências | pt_BR |
dc.degree.departament | ::(CTG-DECart) - Departamento de Engenharia Cartográfica | pt_BR |
dc.degree.graduation | ::CTG-Curso de Engenharia Cartográfica | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
dc.identifier.orcid | https://orcid.org/0009-0005-8308-6667 | pt_BR |
Aparece nas coleções: | (TCC) - Engenharia Cartográfica e Agrimensura |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC ARTUR LOIOLA ALVES DA SILVA.pdf | 4,74 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons