Análise morfométrica e identificação semi-automática de escorregamentos no Brasil utilizando lidar, SfM-MVS e Deep Learning

• Autor(a) principal: Garcia, Guilherme Pereira Bento
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/44/44137/tde-03082023-071204/
• topic: Deep Learnin; Deep Learning; Escorregamentos; Landslides; Lidar; Lidar; Structure-from-Motion-Multi-view Stereo; Structure-from-Motion-Multi-view Stereo

Os escorregamentos sao processos naturais potencialmente destrutivos para a sociedade, responsáveis por desastres socioambientais devastadores causando perdas humanas e materiais. Ocorrem de forma recorrente no Brasil devido às características físicas e climáticas, e geram prejuízos anuais `a sociedade. Dessa forma, os escorregamentos representam um relevante objeto de estudos focados na prevenção e mitigação dos riscos associados a esses eventos. O avanço tecnológico das ultimas décadas promoveu importantes melhorias para os estudos de escorregamentos fornecendo novas ferramentas para coleta, manuseio e análise dos dados. Dados de alta resolução (HR - High Resolution) e de muito alta resolução (VHR - Very High Resolution) tornaram-se referencial de qualidade nos estudos de escorregamentos podendo ser obtidos por diferentes sensores (lidar Light Detection and Ranging, cameras digitais) e plataformas (RPA Remotely Piloted Aircraft, satélites, aeronaves) e analisados por diferentes técnicas de acordo com o objetivo principal de cada trabalho. O principal objetivo desse projeto foi explorar as principais tecnologias existentes para o estudo de escorregamentos e aplicar em diferentes áreas do território brasileiro para avaliar seus resultados em relação a eficácia, precisão, custo benefício e reprodutibilidade. A tese foi elaborada na forma de dois artigos científicos em que cada artigo se refere a um estudo específico de escorregamento com a utilização de diferentes ferramentas para sua execução, diferentes dados de entrada (topográficos ou espectrais) e diferentes escalas de trabalho. A distinção entre dados topográficos e espectrais é importante pois cada tipo de dado permite a execução de estudos específicos. Nesse projeto, o primeiro artigo utiliza dados topográficos (obtidos por lidar e RPA) para a análise morfométrica de um escorregamento enquanto que o segundo artigo utiliza dados espectrais (imagens CBERS4A) para a classificação supervisionada de escorregamentos reliquiares na Serra do Mar. As diferentes ferramentas e técnicas utilizadas em cada artigo são devidamente apresentadas nessa tese. Ambos os artigos obtiveram resultados relevantes sendo capazes de destacar a importância, as especificidades e a aplicabilidade de cada tipo de dado, ferramenta e técnica, além de sugerir a possibilidade de resultados promissores pela integração dos estudos. Os resultados dessa tese corroboram com os estudos mais recentes de escorregamento que demonstram a imensa potencialidade dessas novas ferramentas e técnicas, e indicam a importante contribuição dessas novas tecnologias no aprimoramento dos métodos tradicionais de estudo de escorregamentos. Assim, este trabalho espera contribuir para os estudos de escorregamentos demonstrando formas para aplicação e análise dessas ferramentas e técnicas nas condições específicas apresentadas nos artigos 1 e 2.