Mapeamento de áreas susceptíveis aos processos erosivos a partir da aplicação de algoritmos de aprendizagem de máquina, utilizando índices morfométricos.
MDT, parâmetros morfométricos, SIG, aprendizado de máquina, processos erosivos.
Os processos erosivos são fenômenos naturais que causam a remoção e transporte de solo, tendo como fatores naturais o clima, o relevo, a vegetação e a geologia. No entanto, a interferência humana tem contribuído significativamente na intensificação desses fenômenos. Em particular nas cidades, o processo de urbanização altera o comportamento do escoamento superficial devido a convergência do fluxo d´água e da impermeabilização do solo causada pela implantação de estruturas urbanas. Nesse contexto, o presente trabalho tem como objetivo delimitar as áreas susceptíveis a ocorrência de processos erosivos, nas áreas urbanas do Distrito Federal, a partir de parâmetros morfométricos, derivados de um Modelo Digital de Terreno (MDT) na escala de detalhe, utilizando algoritmos de aprendizado de máquina. A metodologia foi dividida nas seguintes etapas: a) Obtenção e definição dos parâmetros morfométricos; b) mapeamento de feições ocasionadas pelos processos erosivos; c) treinamento de amostras; d) aplicação de dois métodos de aprendizado de Máquina supervisionados, Forest Based e Gradiente Boosted), e) validação. Os resultados obtidos demonstram que os métodos utilizados apresentam eficácia em relação à predição. Ambos os métodos tiveram melhor desempenho quando foi acrescentado os parâmetros que definem as áreas úmidas. Na comparação dos resultados, o método Gradient Boosted produziu um modelo de previsão com maior grau de acerto, mesmo delimitando uma área susceptível menor, com maior velocidade de processamento. O mapeamento obtido fornece uma visão holística das áreas de vulnerabilidade, servindo de subsídio para orientar as tomadas de decisão no planejamento urbano, prevenindo prejuízos sociais e econômicos.