MODELO BASEADO EM DADOS DE SENSORIAMENTO REMOTO E REDES NEURAIS ARTIFICIAIS PARA PREVISÃO ESPACIAL DE INUNDAÇÕES

Código

XXIV-SBRH0695

Autores

GUILHERME GARCIA DE OLIVEIRA, Gabriel Amoretti Franco

Tema

SE09.B - Aprendizado de Máquina na Área de Recursos Hídricos

Resumo

O objetivo deste estudo foi apresentar um modelo baseado em redes neurais artificiais (RNA), com uso de dados obtidos por sensoriamento remoto, para a previsão espacial de inundações em grandes áreas. O modelo foi aplicado à Região Hidrográfica do Guaíba, RS, Brasil. Foram usadas imagens de satélite Landsat para a obtenção dos mapas de inundação de referência e geração das amostras de ocorrência e de não-ocorrência. Como variáveis de entrada na modelagem, foram obtidos 12 atributos do terreno a partir do modelo digital de elevação Shuttle Radar Topography Mission (SRTM) e 7 índices de precipitação antecedente por bacias hidrográficas obtidos a partir do produto de sensoriamento remoto Integrated Multi-satellite Retrievals for Global Precipitation Measurement Mission (IMERG). A modelagem foi realizada por meio de um algoritmo de RNA, tendo como saída uma previsão espacial de inundações. O treinamento da rede foi realizado pelo método retropropagativo com múltiplas camadas. Foram treinadas 500 redes, alterando a divisão das séries de treinamento e validação cruzada, e a complexidade do modelo. O melhor modelo de RNA apresentou excelente taxa de acertos, com acurácia de 87% na previsão das inundações (amostras de teste), índice de sensibilidade de 97% e precisão de 81%. Conclui-se, a partir dos resultados, que é possível ajustar um modelo de RNA, baseado estritamente em dados de sensoriamento remoto, utilizando a chuva antecedente para indicar se uma área será ou não atingida por inundações. O modelo pode ser implementado para previsão em grandes áreas, mesmo na ausência de estações fluviométricas.