@InProceedings{AmaralQuevPiro:2023:FlAlAp,
               author = "Amaral, Francisco Helter Fernandes do and Quevedo, Renata Pacheco 
                         and Piroli, Edson Lu{\'{\i}}s",
          affiliation = "{Universidade Estadual Paulista (UNESP)} and {Instituto Nacional 
                         de Pesquisas Espaciais (INPE)} and {Universidade Estadual Paulista 
                         (UNESP)}",
                title = "Floresta aleat{\'o}ria aplicada ao mapeamento de suscetibilidade 
                         a movimento de massa na Bacia Hidrogr{\'a}fica do Rio Palena, 
                         Chile",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz 
                         Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
                pages = "e156328",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Aprendizagem de m{\'a}quina, desastre natural, SIG, modelagem 
                         espacial, risco, Machine learning, natural disaster, GIS, spatial 
                         modeling, risk.",
             abstract = "O mapeamento de suscetibilidade a deslizamentos de terra s{\~a}o 
                         uma importante ferramenta para a redu{\c{c}}{\~a}o de risco de 
                         desastres. Apesar da dissemina{\c{c}}{\~a}o de pesquisas 
                         utilizando m{\'e}todos de aprendizagem de m{\'a}quina para 
                         mapeamento de deslizamentos de terra ao redor do mundo, poucos 
                         foram desenvolvidos para a Am{\'e}rica do Sul. Assim, o presente 
                         estudo teve como objetivo a modelagem de suscetibilidade a 
                         deslizamentos de terra na bacia hidrogr{\'a}fica do rio Palena, 
                         localizado no sul do Chile, a partir do modelo Random Forest. Com 
                         base nos resultados, foi observado que o modelo alcan{\c{c}}ou um 
                         n{\'{\i}}vel de excel{\^e}ncia em seu desempenho (AUC = 
                         0.9937). Al{\'e}m disso, o mapeamento permitiu verificar uma 
                         maior presen{\c{c}}a de {\'a}reas altamente suscet{\'{\i}}veis 
                         junto {\`a}s zonas de maior declividade, a montante da bacia. Por 
                         fim, pode-se inferir que o RF apresenta potencial para prever a 
                         suscetibilidade a deslizamentos de terra. ABSTRACT: Landslide 
                         susceptibility mapping is an important tool for disaster risk 
                         reduction. Despite the dissemination of research using machine 
                         learning methods to map landslide susceptibility around the world, 
                         few of them were developed for South America. Thus, the present 
                         study aimed to model and map landslide susceptibility in the 
                         Palena River basin, located Southern Chile, using the Random 
                         Forest model. According to the results, it was observed that the 
                         generated model reached a level of excellence in its performance 
                         (AUC = 0.9937). Moreover, the mapping showed a greater presence of 
                         high and very high landslide susceptible areas along the steepest 
                         areas, mainly in the upstream portion of the basin. Finally, we 
                         could infer that the RF has the potential to predict landslide 
                         susceptibility.",
  conference-location = "Florian{\'o}polis",
      conference-year = "02-05 abril 2023",
                 isbn = "978-65-89159-04-9",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/492U9SS",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/492U9SS",
           targetfile = "156328.pdf",
                 type = "Modelagem espacial",
        urlaccessdate = "13 maio 2024"
}