FLOOD SUSCEPTIBILITY THROUGH MACHINE LEARNING AND CENSUS DATA IN THE ITAJAÍ RIVER BASIN, BRAZIL

Código

XVI-ENAU_VI-SRRU0095

Autores

Manuel Mendoza Colos, Guilherme Palermo Coelho, Saket Pande, Murilo Cesar Lucas

Tema

ENAU - 03 - Gestão de Riscos, Eventos Extremos e Adaptação Climática

Resumo

Este estudo avaliou a suscetibilidade a inundações e a exposição demográfica na bacia do rio Itajaí, Brasil, por meio da integração de aprendizado de máquina, dados geoespaciais e setores censitários. Para isso, foi aplicado o algoritmo Random Forest (RF), incorporando 12 preditores topográficos, hidrológicos, climáticos e antropogênicos, incluindo declividade, elevação, uso e cobertura do solo (LULC), distância dos rios, precipitação, NDVI, geologia e índices derivados do relevo. O modelo apresentou um desempenho excepcional, com precisão de 0,98, recall de 0,97, acurácia de 0,98, F1-Score de 0,98 e AUC de 0,99, confirmando sua capacidade de diferenciar áreas suscetíveis e não suscetíveis a inundações. A análise SHAP (SHapley Additive exPlanations) revelou que a declividade foi o preditor mais influente, seguido pelo LULC, elevação e distância dos rios. Além disso, as interações mostraram que as zonas próximas aos leitos dos rios, com declividade baixa e baixa elevação, aumentam a probabilidade de inundações, especialmente quando coincidem com áreas agrícolas ou urbanizadas. O mapa de suscetibilidade revelou uma concentração de zonas de alta e muito alta suscetibilidade em setores costeiros e urbanizados. Além disso, a análise demográfica mostrou que apenas 4,2% da área total concentra 47,4% da população e 46,8% das residências, enquanto as classes alta e muito alta reúnem 65,5% da população e 64,7% das unidades habitacionais. Esses resultados evidenciam a necessidade de fomentar a resiliência nas zonas mais vulneráveis.