IDENTIFICAÇÃO DE ÁREAS SUSCEPTÍVEIS A INUNDAÇÕES PLUVIAIS NA BACIA DO RIO ITAJAÍ UTILIZANDO ALGORITMO DE APRENDIZADO DE MÁQUINA

Código

XXVI-SBRH0265

Autores

Manuel Mendoza Colos, Murilo Cesar Lucas, Guilherme Palermo Coelho

Tema

F - Processos Hidrológicos e Monitoramento Integrado de Recursos Hídricos

Resumo

Este estudo aplicou técnicas de sensoriamento remoto e aprendizado de máquina para identificar áreas suscetíveis a inundações pluviais na bacia hidrográfica do Rio Itajaí, localizada em Santa Catarina, Brasil. Utilizou-se o algoritmo Random Forest (RF) devido à sua robustez na manipulação de dados multidimensionais e na modelagem de relações não lineares entre variáveis. Foram consideradas nove variáveis condicionantes, destacando-se altitude, cobertura do solo, declividade e distância ao rio. Os dados foram obtidos de fontes como Shuttle Radar Topography Mission (SRTM), Sentinel-1, Rainfall Estimates from Rain Gauge and Satellite Observations (CHIRPS) e plataformas geoespaciais públicas. Após análise de multicolinearidade, o modelo RF foi treinado e validado com dados georreferenciados, alcançando métricas de desempenho elevadas: AUC de 0,99, precisão de 0,98, sensibilidade de 0,98 e F1-Score de 0,98. A análise revelou que áreas de baixa altitude e proximidade de rios possuem maior suscetibilidade, corroborando a literatura. O mapa gerado identificou zonas de risco com alta acurácia, evidenciando a efetividade da metodologia proposta para apoiar a gestão de riscos hidrológicos. O uso do RF demonstrou ser uma alternativa eficiente às abordagens tradicionais, especialmente em contextos com escassez de dados primários.