Aplicação de um modelo de redes neuronais na elaboração de mapas de susceptibilidade a movimentos de vertente : Um exemplo numa área a sul de Coimbra (Portugal Central)

Abstract

Na sequência de um primeiro trabalho sobre cartografia de riscos naturais através da utilização de ferramentas SIG, para uma pequena área a Sul de Coimbra, procura-se agora aprofundar a aplicação de novas metodologias de tratamento de informação (Redes Neuronais) que permitam superar algumas debilidades evidenciadas nessa primeira abordagem. Utilizou-se uma ferramenta SIG para criar uma base de dados espacial onde foi registada a localização dos movimentos ocorridos no Inverno de 2000/2001, as características topográficas da área (declive), o uso do solo e a litologia. Depois, procedeu-se ao treino do algoritmo da rede neuronal, confrontando as matrizes representativas das variáveis utilizadas com a matriz onde estavam registados os movimentos ocorridos. O mapa de susceptibilidade obtido, comparado com os elaborados através de outras metodologias para a mesma área, mostra uma concordância muito mais acentuada entre as metodologias qualitativas e a modelação baseada na rede neuronal, o que nos parece traduzir uma maior fiabilidade desta última metodologia relativamente aos métodos estatísticos antes utilizados.

After a first work on the cartography of natural risks through the use of GIS tools, that two of the authors had published in the magazine Territory n. 9 (2002), we intend now to develop a methodology to assessment landslide susceptibility based on the use of a Artificial Neural Network applied to the same study area (South of Coimbra – Central of Portugal). As the basic analysis tool, a Geographic Information System (SIG) was used for spatial data management and manipulation. Landslide locations and landslide-related factors such as slope, soil use and litology were used for analyzing landslide susceptibility. A statistic method was used to calculating the rating of the relative importance of each factor class to landslide occurrence. For calculating the weight of the relative importance of each factor to landslide occurrence, an artificial neural network method was applied. With these methods, the landslide susceptibility index was calculated using the rating and weight, and a landslide susceptibility map was produced. The comparison with the landslide susceptibility maps made with others methodologies in the same area, shows an agreement much more clear between the qualitative methodology based on a close knowledge of the study area, and the neural network methodology, what seems to translate a bigger reliability of this last methodology to model the susceptibility to landslides.