Direitos para esta edição cedidos à Atena Editora pelos autores. Open access publication by Atena Editora Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição-Não-Comercial-NãoDerivativos 4.0 Internacional (CC BY-NC-ND 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do Conselho Editorial desta Editora, tendo sido aprovados para a publicação com base em critérios de neutralidade e imparcialidade acadêmica.A Atena Editora é comprometida em garantir a integridade editorial em todas as etapas do processo de publicação, evitando plágio, dados ou resultados fraudulentos e impedindo que interesses financeiros comprometam os padrões éticos da publicação. Situações suspeitas de má conduta científica serão investigadas sob o mais alto padrão de rigor acadêmico e ético.
Human and economic losses caused by landslides have attracted the interest of the scientific community for the identification of the threatened areas and preventing their consequences. The goal of the landslide susceptibility analysis is the identification of zones prone to produce slope failures, their size, and run-out, which is the first step of landslide risk management. During the last years new methods have been developed for landslide susceptibility assessment and zoning. Even though most of them yield satisfactory results few analyses exist on their performance and validation of the results. In this Thesis it has been performed a comparative analysis of three well known landslide susceptibility assessment methods: discriminant analysis (DA), logistic regression (LR) and neural networks (ANN). In order to compare, it has been required using a common metrics, the probability of slope failure, to express the terrain susceptibility; the same input data; and the analysis of the results cell by cell. The existing codes for LR and ANN allow the determination of the landslide susceptibility in terms of probability while for DA it has required a post-process of the results using the Bayes Theorem. The comparative study is based on the same input variables for the three procedures meaning that differences in the results should be the consequence of the discriminant capability of the generated models. The algorithm generated in this Thesis, based on the application of Boolean functions for all the possible combinations of the models selected and for all the susceptibility levels defined has the goal of comparing the results cell by cell. This has allowed concluding that the relative density indexes or the ROC curves show a similar global behaviour for all the models: However, the analysis cell by cell highlights significant differences on the performance of the models. All the methods have been applied to a pilot area of La Pobla de Lillet, Eastern Pyrenees, Spain. The results obtained with all three methods are similar, being the best performance that of discriminant analysis model closely followed by the rest for both the data sample used to generate the model and for the sample used for validation. The coincidence rate between models exceeds 87%. In order to evaluate the robustness of the methods used, it has been performed an external validation in the area of Berga located 20km Southwards from the former. In this application the coincidence level between models have been reduced to a slightly more than 66%. The results obtained in both pilot areas show a significant disagreement between the ANN and the other methods. It is particularly relevant that a percentage (although small) of cells considered of low landslide susceptibility are identified as of high susceptibility by the rest of the models and viceversa. The agreemnt between the DA and LR is much more consistent. Finally, the study has highlighted the sensitivity of all the models to the quality and resolution of the input data, in particular to the Digitial Elevation Model, the landslide inventoryand to the map of surficial formation. It was found that changing the minimum size of the inventoried failures allows a significant improvement of the results of the landslide susceptibility map Las pérdidas humanas y económicas causadas por los deslizamientos en todo el mundo, ha despertado un interés creciente de la comunidad científica por la identificación de las áreas más afectadas y prevenir sus consecuencias. El análisis de la susceptibilidad de terreno a los deslizamientos tiene por objetivo identificar las zonas propensas a producir roturas, sus dimensiones y alcance, y constituye el primer eslabón de la gestión del riesgo. En los últimos años se han desarrollado diversos métodos para la evaluación y zonación de la susceptibilidad. Si bien la mayoría de ellos proporcionan resultados que han sido evaluados como satisfactorios, apenas se han realizado análisis que permitan comparar su desempeño y validar los resultados de sus predicciones. En la presente Tesis se ha realizado un estudio comparativo de tres métodos muy extendidos de evaluación de la susceptibilidad: el análisis discriminante (AD), la regresión logística (RL) y las redes neuronales (RN). Para poder proceder a su comparación ha sido necesario utilizar una métrica común, la probabilidad de rotura, para expresar la susceptibilidad del terreno; los mismos datos de entrada y un análisis de los resultados celda a celda. Las aplicaciones existentes para la RL y las RN permiten obtener directamente la susceptibilidad de cada celda en términos de probabilidad mientras que para el AD ha sido necesario un tratamiento posterior aplicando el Teorema de Bayes. El estudio comparativo ha considerado las mismas variables de entrada para los tres procedimientos, por lo que las diferencias en los resultados deberían ser consecuencia de la capacidad discriminante de los modelos generados. El algoritmo desarrollado en la Tesis, basado la aplicación de funciones booleanas para todas las combinaciones posibles de los diferentes modelos elegidos y los diferentes niveles de susceptibilidad establecidos, tiene como finalidad la comparación de los resultados obtenidos celda a celda. Esto ha permitido concluir que, si bien los índices de densidad relativa o las curvas ROC muestran un comportamiento similar en todos modelos a nivel global, el análisis celda a celda pone en evidencia diferencias significativas en el desempeño de los mismos. Los tres métodos han sido aplicados en un área piloto de La Pobla de Lillet, Pirineo Oriental. Los resultados obtenidos con los tres métodos son bastantes similares, siendo el modelo discriminante de forma general, el de mejor desempeño, seguido muy de cerca por los demás modelos, tanto en la muestra de datos utilizados para los cálculos como en la reservada para la validación, como considerando toda la extensión del área de estudio. El nivel de coincidencia entre los modelos supera el 87%. Para evaluar la robustez de los métodos utilizados se ha realizado una validación externa en el área de Berga, situada 20km al Sur de la anterior. En esta aplicación, el nivel de coincidencia entre los modelos se ha reducido a poco más del 66%. Los resultados obtenidos en las dos áreas de aplicación muestran también una notable desavenencia entre las RN y los demás modelos de carácter estadístico. Es especialmente relevante que un porcentaje (aunque pequeño) celdas consideradas de muy baja susceptibilidad por las RN son identificadas como de muy alta susceptibilidad por los otros modelos y viceversa. La concordancia entre los resultados del AD y RL es sensiblemente más consistente. Finalmente, el estudio ha puesto en evidencia la sensibilidad de todos los modelos a la calidad y resolución de los datos de entrada, en particular el Modelo Digital de Elevaciones, el inventario de roturas y el mapa de formaciones superficiales. Se ha podido comprobar que un cambio en el tamaño mínimo de las roturas inventariadas, permite mejorar de manera significativa los resultados de los mapas de susceptibilidad
Landslide susceptibility and water balance in the soil, in the community of Lagoa Encantada, Recife Metropolitan Area, Brazil, were assessed using the computational models SINMAP and HYDRUS-1D. The SINMAP input parameters were the physical and hydrodynamic characteristics of the soil, evidence of landslides and the DEM; and for the HYDRUS-1D model, the hydraulic parameters of the soil. For both programs, simulations were also carried out, based on the rain recorded in the area. The soil was classified using the Unified Soil Classification System (USCS). To assess infiltration processes that cause landslides, HYDRUS-1D was used, under the same scenarios simulated by the SINMAP model and also in the evaluation of the infiltrated volume, in real landslides. The SINMAP results (susceptibility maps) show a 71% increase in the susceptible area (SI < 1; SI = stability index) between the two precipitation scenarios, and are consistent with evidence of landslides. The HYDRUS-1D results complement SINMAP results and suggest that infiltration values for simulated scenarios were similar to those of real landslides. It is concluded that it is possible to map areas of greater instability and to predict possible landslides in different precipitation scenarios, by quantitatively assessing the infiltrated volume that contributes to the destabilization of the soil.
RESUMO: O presente trabalho tem como objetivo avaliar o melhoramento de solos compactados com adição de materiais alternativos, como pó de pedra e fibras de polipropileno, a fim de determinar e avaliar as características físicas e a resistência dos solos a compressão não confinada, antes e depois da estabilização. Para isso foram coletadas duas amostras deformadas distintas de um mesmo talude da Formação Cabo, no Cabo de Santo Agostinho. O melhoramento do solo por meio do reforço físico-granulométrico foi realizado adicionando aos solos secos 5% de pó de pedra, 0,75% de fibras de polipropileno e uma adição conjunta com 5% de pó de pedra e 0,75% de fibras de polipropileno. Os solos foram classificados pelo Sistema Unificado de Classificação dos Solos como SM (solo 1) e um MH (solo 2), ambos com massa específica dos grãos de 2,65 g/cm³. Os ensaios de compressão simples determinaram o ganho de resistência para o solo 1, tendo seu pico na mistura com o pó de pedra com um ganho em média de 117%. Para o solo 2, a fibra obteve resultados expressivos com relação ao solo natural, sendo obtido um ganho de resistência médio de 99,0%. A junção do pó de pedra com a fibra no solo 1, não teve alteração significativa, enquanto no solo 2 ocorreu um aumento de 6,7%, ambos comparados a inserção apenas da fibra, e de 112,25% com o solo natural. Concluiu-se que os materiais utilizados auxiliam no melhoramento de um solo, sendo as técnicas de estabilização física adotadas uma alternativa tecnicamente viável que pode ser utilizada para solos em camadas de base de aterros, pavimentos, etc.
Neste trabalho foi feita uma comparação da utilização de programas gratuitos e pagos para a avaliação e o zoneamento de susceptibilidade de ocorrência de deslizamentos superficiais. O método de avaliação utilizado neste trabalho foi o de Redes Neurais Artificiais, que é um modelo de Inteligência Artificial. Foram utilizados os programas gratuitos Neural Designer para elaboração do modelo preditivo e o QGIS para pré e pós-processamento. Para uma melhor comparação dos programas os dados utilizados foram provenientes do trabalho de AMORIM (2012) que utilizou os programas pagos IBM SPSS Statistics e o ArcGis. Os resultados obtidos neste trabalho com os programas gratuitos mostraram uma economia de aproximadamente R$ 5.531,98 obtendo ainda resultados não só semelhantes como em alguns aspectos melhor. O trabalho mostrou que é possível realizar análises de susceptibilidade ao deslizamento de qualidade utilizando softwares gratuitos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.