Red de Bibliotecas Virtuales de Ciencias Sociales en
América Latina y el Caribe

logo CLACSO

Por favor, use este identificador para citar o enlazar este ítem: https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/42350
Título : Previsão de escorregamentos no município de Maceió (AL) a partir do modelo AHP
Landslides prediction in Maceió city (AL) from AHP model
Palabras clave : Geomorphology;Susceptibility;Landslides;AHP;Brazilian Northeast;Geomorfologia;Suscetibilidade;Escorregamentos;AHP;Nordeste brasileiro
Editorial : Universidade de São Paulo. Faculdade de Filosofia, Letras e Ciências Humanas
Descripción : The prediction of landslides is very relevant for territorial planning, as it indicates the places most likely to be affected by these processes. Thus, the objective of this work is to assess the susceptibility to landslides on the north coast of Maceió, Northeast Brazil, using the AHP model (Analytic Hierarchy Process) in a GIS environment (Geographic Information Systems). In the hierarchy of the model, parameters related to geology, geomorphology, soils, slope and slope shape were used. Spatial analysis was performed using multicriteria methods and map algebra with the weighting of variables via AHP. For the validation of the results, an inventory map with 29 landslide scars mapped from the year 2017 was used. The results showed that the susceptibility map had a predominance of the average susceptibility class, that is, with medium potential for the occurrence of landslides. In this sense, the classes of low, medium and high susceptibility, presented, respectively, a frequency of 26%, 64% and 10%. When validating the results, 69% of the slip scars were concentrated in the high susceptibility class; 30% in the medium susceptibility class and only 1% in the low susceptibility class, indicating success in the forecast made. The mappings indicate that the places most susceptible to landslides are located in the slope areas, especially when correlated with the strong influence of the slope and the concave patterns of the terrain.
A previsão de escorregamentos é bastante relevante para o planejamento territorial, na medida que indica os locais com maior probabilidade de serem atingidos por estes processos. Dessa forma, o objetivo deste trabalho é avaliar a suscetibilidade a escorregamentos no litoral norte de Maceió, Nordeste do Brasil, por meio do modelo AHP (Analytic Hierarchy Process) em ambiente SIG (Sistemas de Informação Geográfica). Na hierarquização do modelo foram utilizados parâmetros relativos à geologia, à geomorfologia, aos solos, à declividade e à forma da encosta. A análise espacial foi realizada por meio de métodos multicritérios e álgebra de mapas com a ponderação das variáveis via AHP. Para a validação dos resultados, foi utilizado um mapa de inventário com 29 cicatrizes de escorregamentos mapeadas do ano de 2017. Os resultados mostraram que o mapa de suscetibilidade apresentou um predomínio da classe de suscetibilidade média, ou seja, com médio potencial para ocorrência de escorregamentos. Nesse sentido, as classes de suscetibilidade baixa, média e alta, apresentaram, respectivamente, uma frequência de 26%, 64% e 10%. Ao validar os resultados, 69% das cicatrizes de escorregamentos concentraram-se na classe de suscetibilidade alta; 30% na classe de suscetibilidade média e, apenas, 1% na classe de suscetibilidade baixa, indicando sucesso na previsão realizada. Os mapeamentos indicaram que os locais mais suscetíveis a escorregamentos se situam nas áreas de encostas, principalmente quando correlacionadas com a forte influência da declividade e dos padrões côncavos do terreno.
URI : http://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/42350
Otros identificadores : https://www.revistas.usp.br/rdg/article/view/161388
10.11606/rdg.v39i0.161388
Aparece en las colecciones: Departamento de Geografia - DG/USP - Cosecha

Ficheros en este ítem:
No hay ficheros asociados a este ítem.


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.