@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"
}