Modelagem espacial do risco aos movimentos de massa nos municípios de Petrópolis e Teresópolis (RJ) através da estatística global e local

Transcrição

1 Modelagem espacial do risco aos movimentos de massa nos municípios de Petrópolis e Teresópolis (RJ) através da estatística global e local Paola Cardozo Junho,

2 Introdução Desastre Natural >>> resultado do impacto de uma catástrofe natural sobre um sistema social que provoca lesões graves ou danos que excedem a capacidade das partes envolvidas para lidar com o impacto (Tobin e Montz, 1997) 2

3 Petrópolis

4 Teresópolis

5 Objetivo Desenvolver um Modelo Espacial de Risco aos movimentos de massa em um recorte que compreende os municípios de Petrópolis e Teresópolis. Arcabouço Conceitual: 5

6 Mataríais e Métodos Área de Estudo Figura 1. Municípios de Petrópolis y Teresópolis (Estado de Rio de Janeiro). 6

7 Metodología Risco Paisagem Humana Vulnerabilidade Social Indicador de Vulnerabilidade das famílias em seus territórios de vida. (Cardozo, 2013) Paisagem Física Indicador de Vulnerabilidade do terreno aos movimentos de massa. (Ribeiro de Arruda e Lopes, 2013) 7

8 Paisagem Humana Dados Censo (2010) IBGE agrupados por setor censitário. Foi criado um Indicador de Vulnerabilidade Social VS = β1*vi + β2*v2 + β3*v βn*vn Modelo Aditivo Variáveis: 1- Idade: População 0-3 anos //População >60 anos 2- Pessoa alfabetizada responsável pelo domicilio 3- Qualidade e numero residencias (presencia de banheiro/sanitário, tipo esgotamento/esgoto a céu aberto ou não) 4- Renda de pessoa responsável Transformações Lineares (Anazawa, 2012) Escala evolutiva para ponderação matemática de cada agrupamento

9 Paisagem Física Técnica Processo Analítico Hierárquico Potencial de corrida = a * 0,603 + b * 0,315 + c * 0,082 Potencial 0= nenhum potencial para geração de corrida e; Potencial 1= potencial máximo para geração de corrida Subprodutos obtidos com o TerraHidro, usando um DEM de 30 m de pixel. (A): Grade do fluxo; (B): área de contribuição; (C): Drenagem; (D): Segmentos do rio; (E): sub-bacias; (F):Redes de drenagem sobrepostas as sub-bacias. Figura 4. Peso geral para o potencial de corrida, contemplando os três parâmetros 9 morfométricos calculados anteriormente.

10 Estimação do Risco Modelo Global dos Mínimos quadrados ordinários (OLS) (Neter et al., 1996) Modelo Local de Regressão Geograficamente Ponderada (GWR) (Fotheringham et al., 2002). Risco = ß 0 +ß 1 VS + ß 2 ST + ɛ i Risco = ß 0 (ui, vi) + ß 1 (ui,vi)v S + ß 2 (ui,vi) ST + ɛ i >>> Entorno de software livre R para computação estatística ( >>> Roger Bivand 10

11 Resultados A) Padrão espacial da Vulnerabilidade Social B) Padrão espacial da Susceptibilidade do terreno aos movimentos de massa.

12 Risco aos movimentos de massa Variável ß Desvio Padrão Estatística-t Constante Modelos OLS Risco = ß 0 +ß 1 VS + ß 2 ST + ɛ i Vulnerabilidade Social Susceptibilidade do terreno Coeficiente de determinação R 2 = 0.97 Teste F: F= ( ) Variável Min. 1st Quartil Mediana 3st Quartil Max. Global Constante Modelos GWR Risco = ß 0 (ui, vi) + ß 1 (ui,vi)v S + ß 2 (ui,vi) ST + ɛ i Vulnerabilidade Social Susceptibilidade do terreno Coeficiente de determinação R 2 = Sigma = AIC = Suma dos residuais quadrados (SSR) = 6.144

13 Superfícies dos coeficientes gerados pelo modelo GWR e residuais da regressão Risco = ß 0 (ui, vi) + ß 1 (ui,vi)v S + ß 2 (ui,vi) ST + ɛ i

14 Avaliação do resíduo A análise gráfica dos resíduos revelou que a distribuição dos resíduos não parece seguir o modelo de probabilidade normal. O Teste de normalidade Jarque Bera resultou significativo (pvalue < 2.2e -16 ) e confirmou a falta de normalidade dos dados, por tanto não é possível confiar totalmente nos resultados previstos porque o modelo é tendencioso.

15 Conclusões Este trabalho constrói modelos de regressão com efeitos espaciais contínuos para investigar como a relação entre a vulnerabilidade social e susceptibilidade do terreno se configuram no espaço para gerar o risco das populações aos movimentos de massa. Os resultados mostraram que o modelo GWR foi mais realista que o modelo OLS, já que permitiu a descrição das variações espaciais locais do risco. No entanto, apresentou uma tendência, sugerindo que uma o mais variáveis podem estar faltando. E preciso identificar variáveis adicionais para incluir no modelo e/ou eliminar os outliers que poderiam estar influenciando a estimação do modelo.

16 Obrigada!