logo RIMA
logo UFRRJ

  1. Repositório de Múltiplos Acervos da UFRRJ
  2. Teses e Dissertações
  3. Programa de Pós-Graduação em Modelagem Matemática e Computacional
  4. Mestrado em Modelagem Matemática e Computacional
Please use this identifier to cite or link to this item: http://rima110.im.ufrrj.br:8080/jspui/handle/20.500.14407/22737
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSilva, Antonio Carlos da-
dc.date.accessioned2025-07-31T13:49:09Z-
dc.date.available2025-07-31T13:49:09Z-
dc.date.issued2025-04-28-
dc.identifier.citationSILVA, Antonio Carlos da. Predição de deslizamento de terra para auxiliar sistemas de alerta. Um estudo de caso contextualizando limiares de precipitação e umidade do solo para região urbana do município de São Bernardo do Campo. 2025. 103 f. Dissertação (Mestrado em Modelagem Matemática e Computacional) - Instituto de Ciências Exatas, Universidade Federal Rural do Rio de Janeiro, Seropédica, 2025.pt_BR
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/22737-
dc.description.abstractO aumento significativo de desastres naturais nas últimas décadas representa um grande desafio para as autoridades governamentais, especialmente os movimentos de massa, que possuem alta letalidade e capacidade de destruição. Sistemas de alerta antecipado são essenciais para a mitigação de riscos, mas muitos adotam limiares de precipitação empíricos sem consenso sobre critérios técnicos. Este estudo propõe um algoritmo para reconstrução objetiva e reproduzível de eventos de precipitação e infiltração, cujos resultados foram utilizados como entrada em modelos de limiar e regressão logística. O objetivo é avaliar a eficácia da inclusão de informações de umidade do solo e aspectos espaciais para aprimorar sistemas de alerta, reduzindo falsos positivos e aumentando a acurácia. A análise abrangeu eventos de movimento de massa em São Bernardo do Campo – SP, considerando dados topográficos, pedológicos, pluviometricos e de umidade do solo até 150 cm de profundidade. A introdução da umidade do solo reduziu os falsos positivos nos níveis ”Alerta”e ”Alerta máximo” em 43,9% e 66,3%, respectivamente. No modelo de regressão logística, apenas a precipitação e a declividade foram variáveis significativas, resultando em um AUC de 0,94 e precisão de 86% para a classe de deslizamento, permitindo a predição da evoluçãoo espaço-temporal da suscetibilidade.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal Rural do Rio de Janeiropt_BR
dc.subjectMovimentos de massapt_BR
dc.subjectSistemas de alerta antecipadopt_BR
dc.subjectPrecipitaçãopt_BR
dc.subjectMass Movementspt_BR
dc.subjectEarly Warning Systemspt_BR
dc.subjectPrecipitationpt_BR
dc.titlePredição de deslizamento de terra para auxiliar sistemas de alerta. Um estudo de caso contextualizando limiares de precipitação e umidade do solo para região urbana do município de São Bernardo do Campopt_BR
dc.title.alternativeLandslide prediction to support warning systems. A case study contextualizing precipitation and soil moisture thresholds for the urban area of the municipality of São Bernardo do Campo.en
dc.typeDissertaçãopt_BR
dc.description.abstractOtherThe significant increase in natural disasters in recent decades poses a major chal- lenge for government authorities, particularly mass movements due to their high lethality and destructive potential. Early warning systems are essential for risk mit- igation; however, many rely on empirical rainfall thresholds without consensus on technical criteria. This study proposes an algorithm for the objective and repro- ducible reconstruction of rainfall and infiltration events, whose outputs were used as inputs in threshold-based and logistic regression models. The aim is to assess the effectiveness of incorporating soil moisture and spatial features to enhance warning systems by reducing false positives and improving accuracy. The analysis focused on mass movement events in São Bernardo do Campo, São Paulo, using topographic, pedological, pluviometric, and soil moisture data up to a depth of 150 cm. The inclusion of soil moisture data reduced false positives in the ”Alert” and ”Maximum Alert” levels by 43.9% and 66.3%, respectively. In the logistic regression model, only precipitation and slope were statistically significant variables, yielding an AUC of 0.94 and an accuracy of 86% for the landslide class, enabling the prediction of the spatiotemporal evolution of susceptibility.en
dc.contributor.advisor1Ceddia, Marcos Bacis-
dc.contributor.advisor1IDhttps://orcid.org/0000-0002-8611-314Xpt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2115137917689655pt_BR
dc.contributor.advisor2Silva, Felipe Leite Coelho da-
dc.contributor.advisor2IDhttps://orcid.org/0000-0002-7090-5716pt_BR
dc.contributor.advisor2Latteshttp://lattes.cnpq.br/9601624302826678pt_BR
dc.contributor.referee1Ceddia, Marcos Bacis-
dc.contributor.referee1IDhttps://orcid.org/0000-0002-8611-314Xpt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2115137917689655pt_BR
dc.contributor.referee2Oliveira, Rosane Ferreira de-
dc.contributor.referee2IDhttps://orcid.org/0000-0003-0495-7339pt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/1677695285426749pt_BR
dc.contributor.referee3Brandão, Diego Nunes-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/5882024148867913pt_BR
dc.creator.Lattes-pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Ciências Exataspt_BR
dc.publisher.initialsUFRRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacionalpt_BR
dc.relation.referencesAHMED, M., TANYAS, H., HUSER, R., et al., 2023, “Dynamic rainfall-induced landslide susceptibility: a step towards a unified forecasting system”, In- ternational Journal of Applied Earth Observation and Geoinformation, v. 125, pp. 103593. ALCANTARA, E., BAI ˆ AO, C. F., GUIMAR ̃ AES, Y. C., et al., 2025, “Machine ̃ Learning Reveals Lithology and Soil as Critical Parameters in Landslide Susceptibility for Petr ́opolis (Rio de Janeiro State, Brazil)”, Natural Ha- zards Research. ALEOTTI, P., 2004, “A warning system for rainfall-induced shallow failures”, En- gineering geology, v. 73, n. 3-4, pp. 247–265. AUGUSTO FILHO, O., 1992, “Caracterização geológico-geotécnica voltada `a es- tabilização de encostas: uma proposta metodológica”. In: Conferência Brasileira sobre Estabilidade de Encostas-COBRAE. Anais, pp. 721–733. BAUM, R. L., SAVAGE, W. Z., GODT, J. W., 2002, TRIGRS: a Fortran program for transient rainfall infiltration and grid-based regional slope-stability analysis. US Geological Survey Reston, VA, USA. BERTI, M., MARTINA, M., FRANCESCHINI, S., et al., 2012, “Probabilistic rainfall thresholds for landslide occurrence using a Bayesian approach”, Journal of Geophysical Research: Earth Surface, v. 117, n. F4. BERTONI, J., LOMBARDI NETO, F., 1999, “Eros ̃ao”, BERTONI, J.; LOM- BARDI NETO, F. Conserva ̧c ̃ao do Solo. 4a. ed. S ̃ao Paulo: ́Icone. Cap, v. 7, pp. 68–93. BITAR, O. Y., 2014, Cartas de suscetibilidade a movimentos gravitacionais de massa e inundações-1: 25.000: nota técnica explicativa. Relatório técnico, IPT; CPRM. BONGIOVANNI, L. A., FUKUMOTO, M. M., ANTONIO, C. A., et al., 2011, “Opera ̧c ̃ao guarda-chuva: preven ̧c ̃ao e resposta a desastres naturais em S ̃ao Bernardo do Campo-SP”. In: 13o Congresso Brasileiro de Geologia de Engenharia e Ambiental. São Paulo, Associação Brasileira de Geologia de Engenharia e Ambiental. BRABB, E., 1984, “Innovative approaches to landslide hazard and risk mapping”. In: International Landslide Symposium Proceedings, Toronto, Canada, v. 1, pp. 17–22. BRUNETTI, M. T., PERUCCACCI, S., ROSSI, M., et al., 2010, “Rainfall th- resholds for the possible occurrence of landslides in Italy”, Natural Ha- zards and Earth System Sciences, v. 10, n. 3, pp. 447–458. CAINE, N., 1980, “The rainfall intensity-duration control of shallow landslides and debris flows”, Geografiska annaler: series A, physical geography, v. 62, n. 1-2, pp. 23–27. CEMADEN, 2022. “Mapa Interativo”. Website. Dispon ́ıvel em www.cemaden.gov. br/mapainterativo. Acesso em: 20 de novembro 2023. CHAE, B.-G., PARK, H.-J., CATANI, F., et al., 2017, “Landslide prediction, mo- nitoring and early warning: a concise review of state-of-the-art”, Geosci- ences Journal, v. 21, pp. 1033–1070. CHLEBORAD, A. F., BAUM, R. L., GODT, J. W., et al., 2008, “A prototype system for forecasting landslides in the Seattle, Washington, area”, Geo- logical Society of America, p. 103–120. CHUNG, M. C., TAN, C. H., CHEN, C. H., 2017, “Local rainfall thresholds for fore- casting landslide occurrence: Taipingshan landslide triggered by Typhoon Saola”, Landslides, v. 14, n. 1, pp. 19–33. CIARAPICA, L., TODINI, E., 2002, “TOPKAPI: A model for the representation of the rainfall-runoff process at different scales”, Hydrological Processes, v. 16, n. 2, pp. 207–229. COTTING, A. L. M., CANIL, K., HORITA, F., et al., 2024, “An ́alise das inovações metodol ́ogicas nos planos municipais de redu ̧c ̃ao de riscos, 2020-2021, de S ̃ao Bernardo do Campo e Franco da Rocha, estado de S ̃ao Paulo, Brasil”, Revista Ecologias Humanas, v. 10, n. 12, pp. 65–83. CROZIER, M. J., 1999, “Prediction of rainfall-triggered landslides: A test of the antecedent water status model”, Earth Surface Processes and Landforms: The Journal of the British Geomorphological Research Group, v. 24, n. 9, pp. 825–833. CRUDEN, D. M., VARNES, D. J., 1996, “Landslide types and processes”, Lands- lides: investigation and mitigation, Transportation research board special report, v. 247, pp. 36–57. CUNHA, M., FARAH, F., CERRI, L., et al., 1991, Ocupacao de encostas. Publica- cao IPT. IPT. Dispon ́ıvel em: <https://books.google.com.br/books? id=mREqmgEACAAJ>. DOS SANTOS ALVALA, R. C., DE ASSIS DIAS, M. C., SAITO, S. M., et al., 2019, ́ “Mapping characteristics of at-risk population to disasters in the context of Brazilian early warning system”, International Journal of Disaster Risk Reduction, v. 41, pp. 101326. EFRON, B., 1992, “Bootstrap methods: another look at the jackknife”. In: Breakth- roughs in statistics: Methodology and distribution, Springer, pp. 569–593. EFRON, B., TIBSHIRANI, R. J., 1994, An introduction to the bootstrap. Chapman and Hall/CRC. FABBRI, A. G., CHUNG, C.-J. F., CENDRERO, A., et al., 2003, “Is prediction of future landslides possible with a GIS?” Natural Hazards, v. 30, pp. 487– 503. FAWCETT, T., 2006, “An introduction to ROC analysis”, Pattern recognition letters, v. 27, n. 8, pp. 861–874. FIGUEIRA, C. V., 2006, Modelos de regress ̃ao log ́ıstica. Disserta ̧c ̃ao de mestrado, Universidade Federal do Rio Grande do Sul, Porto Alegre, Brasil. FRATTINI, P., CROSTA, G., SOSIO, R., 2009, “Approaches for defining th- resholds and return periods for rainfall-triggered shallow landslides”, Hy- drological Processes: An International Journal, v. 23, n. 10, pp. 1444– 1460. FREDLUND, D., MORGENSTERN, N. R., WIDGER, R., 1978, “The shear strength of unsaturated soils”, Canadian geotechnical journal, v. 15, n. 3, pp. 313–321. GUIDICINI, G., NIEBLE, C. M., 1976, Estabilidade de taludes naturais e de escavação. Editora Blucher. GUZZETTI, F., REICHENBACH, P., CARDINALI, M., et al., 2005, “Probabilis- tic landslide hazard assessment at the basin scale”, Geomorphology, v. 72, n. 1-4, pp. 272–299. GUZZETTI, F., PERUCCACCI, S., ROSSI, M., et al., 2007, “Rainfall thresholds for the initiation of landslides in central and southern Europe”, Meteoro- logy and atmospheric physics, v. 98, pp. 239–267. GUZZETTI, F., PERUCCACCI, S., ROSSI, M., et al., 2008, “The rainfall intensity–duration control of shallow landslides and debris flows: an up- date”, Landslides, v. 5, pp. 3–17. HASTIE, T., TIBSHIRANI, R., FRIEDMAN, J. H., et al., 2009, The elements of statistical learning: data mining, inference, and prediction, v. 2. Springer. HE, H., GARCIA, E. A., 2009, “Learning from imbalanced data”, IEEE Transac- tions on knowledge and data engineering, v. 21, n. 9, pp. 1263–1284. HUANG, F., CHEN, J., LIU, W., et al., 2022, “Regional rainfall-induced landslide hazard warning based on landslide susceptibility mapping and a critical rainfall threshold”, Geomorphology, v. 408, pp. 108236. INSTITUTO GEOLOGICO, 2015, ́ Mapeamento de Riscos de Movimentos de Massa e Inunda ̧c ̃oes do Munic ́ıpio de S ̃ao Bernardo do Campo (2015): Relatório Técnico. Relatório técnico, Instituto Geológico, São Paulo. Dis- ponível em: <https://rigeo.sgb.gov.br/handle/doc/15213>. INSTITUTO GEOLOGICO, 2020, ́ Mapeamento de Riscos de Movimentos de Massa e Inunda ̧c ̃oes do Munic ́ıpio de S ̃ao Bernardo do Campo (2020): Relatório Técnico. Relatório técnico, Instituto Geológico, São Paulo. Disponível em: <https://www.sidec.sp.gov.br/map_risco/uploads/ doc1606403526.pdf>. IVERSON, R. M., 2000, “Landslide triggering by rain infiltration”, Water resources research, v. 36, n. 7, pp. 1897–1910. KING, G., ZENG, L., 2001, “Logistic regression in rare events data”, Political analysis, v. 9, n. 2, pp. 137–163. KRAWCZYK, B., 2016, “Learning from imbalanced data: open challenges and future directions”, Progress in artificial intelligence, v. 5, n. 4, pp. 221– 232. LUMB, P., 1975, “Slope failures in Hong Kong”, Quarterly Journal of Engineering Geology and Hydrogeology, v. 8, n. 1, pp. 31–65. MARTELLONI, G., SEGONI, S., FANTI, R., et al., 2012, “Rainfall thresholds for the forecasting of landslide occurrence at regional scale”, Landslides, v. 9, pp. 485–495. MELILLO, M., BRUNETTI, M. T., PERUCCACCI, S., et al., 2015, “An algo- rithm for the objective reconstruction of rainfall events responsible for landslides”, Landslides, v. 12, pp. 311–320. MELILLO, M., BRUNETTI, M. T., PERUCCACCI, S., et al., 2018, “A tool for the automatic calculation of rainfall thresholds for landslide occurrence”, Environmental Modelling & Software, v. 105, pp. 230–243. MENDES, R. M., VALERIO FILHO, M., SANTORO, J., et al., 2020, “Proposição de limiares críticos ambientais para uso em sistema de alertas de deslizamentos”, Revista do Departamento de Geografia, v. 40, pp. 61–77. MIRUS, B. B., BECKER, R. E., BAUM, R. L., et al., 2018, “Integrating real- time subsurface hydrologic monitoring with empirical rainfall thresholds to improve landslide early warning”, Landslides, v. 15, pp. 1909–1919. NOGUEIRA, F. R., CANIL, K., 2017, “ST 8 CARTAS GEOTECNICAS DE AP- ́ TIDAO ̃ A URBANIZAC ̧ ` AO: INSTRUMENTO DE PLANEJAMENTO ̃ PARA PREVENC ̧AO DE DESASTRES E PARA A GEST ̃ AO DO USO ̃ DO SOLO”, Anais ENANPUR, v. 17, n. 1. PERROTTA, M., MARCONATO, A., TURRA, B., et al., 2006, “Mapa geol ́ogico do Estado de S ̃ao Paulo: breve descri ̧c ̃ao das unidades litoestratigr ́aficas aflorantes no Estado de S ̃ao Paulo”, Rio de Janeiro: CPRM. PERUCCACCI, S., BRUNETTI, M. T., LUCIANI, S., et al., 2012, “Lithological and seasonal control on rainfall thresholds for the possible initiation of landslides in central Italy”, Geomorphology, v. 139, pp. 79–90. RAFAELLI, C. B. S. AND FERREIRA, C. J., 2022. “Cadastro de eventos geodinˆamicos e desastres do Estado de S ̃ao Paulo 1991-2020.” Pla- nilha eletrˆonica On-line. Dispon ́ıvel em https://docs.google.com/ spreadsheets/d/1uElUITGvYArX23E6YpycYLtObaA_YmdK8559wBCY-TI/ edit?usp=sharing. Acesso em: 20 de novembro 2023. REICHENBACH, P., CARDINALI, M., DE VITA, P., et al., 1998, “Regional hydrological thresholds for landslides and floods in the Tiber River Basin (central Italy)”, Environmental Geology, v. 35, n. 2, pp. 146–159. REICHENBACH, P., ROSSI, M., MALAMUD, B. D., et al., 2018, “A review of statistically-based landslide susceptibility models”, Earth-science reviews, v. 180, pp. 60–91. RICHARDS, L. A., 1931, “Capillary conduction of liquids through porous me- diums”, physics, v. 1, n. 5, pp. 318–333. ROSSI, M., PERUCCACCI, S., BRUNETTI, M., et al., 2012, “SANF: National warning system for rainfall-induced landslides in Italy”. In: Landslide and Engineered Slopes. Protecting society through improved understanding., v. 2, pp. 1895–1899. SANTORO, J., MENDES, R. M., PRESSINOTTI, M. M. N., et al., 2010, “Cor- rela ̧c ̃ao entre chuvas e deslizamentos ocorridos durante a opera ̧c ̃ao do plano preventivo de defesa civil em S ̃ao Paulo, SP”, SIMPOSIO BRA- ́ SILEIRO DE CARTOGRAFIA GEOTECNICA, 7, Maring ́a-PR ́ . SAO BERNARDO, D. C., 2010, “Plano Municipal de Redu ̧c ̃ao de Riscos de S ̃ao ̃ Bernardo do Campo. 2010b”, SBC: PMSBC/FUNEP. SCOTT, D. W., 1992, Multivariate density estimation: theory, practice, and visu- alization. John Wiley & Sons. SEGONI, S., ROSI, A., LAGOMARSINO, D., et al., 2018, “Brief communication: Using averaged soil moisture estimates to improve the performances of a regional-scale landslide early warning system”, Natural Hazards and Earth System Sciences, v. 18, pp. 807–812. SELBY, M., 1993, Hillslope Materials. Oxford University Press, 451p. SILVERMAN, B. W., 1986, Density estimation for statistics and data analysis. Routledge. TATIZANA, C., OGURA, A. T., CERRI, L. D. S., et al., 1987a, “An ́alise de correla ̧c ̃ao entre chuvas e escorregamentos–Serra do Mar, munic ́ıpio de Cubat ̃ao”. In: Congresso Brasileiro de Geologia de Engenharia, v. 5, pp. 225–236, a. TATIZANA, C., OGURA, A. T., CERRI, L. E., et al., 1987b, “Modelamento num ́erico da an ́alise de correla ̧c ̃ao entre chuvas e escorregamentos aplicado `as encostas da Serra do Mar no munic ́ıpio de Cubat ̃ao”. In: En Anais do Congresso Brasileiro de Geologia de Engenharia, pp. 237–248, b. TOLL, D., LOURENC ̧ O, S., MENDES, J., et al., 2011, “Soil suction monitoring for landslides and slopes”. Geological Society of London. TOMINAGA, L. K., SANTORO, J., AMARAL, R., 2009, “Desastres naturais”, S ̃ao Paulo: Editora Instituto Geol ́ogico. TOMINAGA, L. K., SANTORO, J., AMARAL, R., 2015, “Desastres naturais: conhecer para prevenir”, S ̃ao Paulo: Editora Instituto Geol ́ogico. TSAI, T.-L., CHEN, H.-E., YANG, J.-C., 2008, “Numerical modeling of rainstorm- induced shallow landslides in saturated and unsaturated soils”, Environ- mental Geology, v. 55, pp. 1269–1277. VALERIANO, M. D. M., 2008, “Topodata: guia para utiliza ̧c ̃ao de dados geomor- fol ́ogicos locais”, S ̃ao Jos ́e dos Campos: INPE, v. 72. VENABLES, W. N., RIPLEY, B. D., 2002, Modern applied statistics with S-PLUS. Springer Science & Business Media. WICKI, A., LEHMANN, P., HAUCK, C., et al., 2020, “Assessing the potential of soil moisture measurements for regional landslide early warning”, Lands- lides, v. 17, pp. 1881–1896.pt_BR
dc.subject.cnpqProbabilidade e Estatísticapt_BR
dc.subject.cnpqProbabilidade e Estatísticapt_BR
Appears in Collections:Mestrado em Modelagem Matemática e Computacional

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
ANTONIO CARLOS DA SILVA.pdf30.43 MBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.