Influence of Digital Elevation Models on Landslide Susceptibility with Logistic Regression Model

Autores

  • Ana Oliveira University of Porto. Faculty of Arts
  • Joana Fernandes University of Porto. Faculty of Arts
  • Carlos Bateira Riskam, CEG, IGOT, ULisboa/FLUP, UP
  • Ana Faria University of Porto. Faculty of Arts
  • José Gonçalves University of Porto

DOI:

https://doi.org/10.11606/rdg.v36i0.150111

Palavras-chave:

Modelação Estatística, Movimentos de Vertente, Terraços Agrícolas, Região Demarcada do Douro

Resumo

O artigo demonstra a influência dos Modelos Digitais de Elevação na avaliação da suscetibilidade a movimentos de vertente em terraços agrícolas, utilizando o modelo de base estatística -Regressão Logística. O estudo foi realizado numa bacia hidrográfica localizada na Quinta das Carvalhas, no Vale do Douro, utilizando um inventário de 109 movimentos de vertente. Para analisar a influência da resolução do Modelo Digital de Elevação (MDE), utilizaram-se três MDE’s, (A), (B) e (C). Os MDE’s (A) e (B) foram obtidos diretamente pelo processamento de imagens aéreas e extração de diferentes resoluções, 1 e 5 metros, respetivamente. O MDE (C), com resolução de 5 m, foi processado com o método de interpolação Topo to Raster, utilizando como dados de entrada curvas de nível com equidistância de 10 metros, pontos cotados e a hidrografia. A Regressão Logística foi realizada utilizando dois modelos que se distinguem pela diferente seleção das variáveis independentes. No modelo 1 utilizaram-se o declive, curvatura, inclinação do talude, altura do talude, área contributiva e índice topográfico de humidade. No Modelo 2, removeram-se as variáveis independentes relacionadas com a geometria do terraço, nomeadamente a inclinação do talude e a altura do talude. Os resultados indicam que não existe influência significativa na modelação da suscetibilidade com métodos estatísticos, a uma pequena escala, utilizando diferentes resoluções dos MDE´s. As variáveis independentes, inclinação do talude e altura do talude, fornecem informações relativas à geometria e técnicas de construção dos terraços, e permitem um processo de modelação com informações mais detalhadas.

Downloads

Não há dados estatísticos.

Referências

Ayalew, L., & Yamagishi, H. (2005). The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan. Geomorphology, 65(1), 15-31. DOI: https://doi.org/10.1016/j.geomorph.2004.06.010

Carrara, A. (1983). Multivariate models for landslide hazard evaluation. Mathematical geology, 15(3), 403-426.

Carrara, A., Cardinali, M., Detti, R., Guzzetti, F., Pasqui, V., & Reichenbach, P. (1991). GIS techniques and statistical models in evaluating landslide hazard. Earth surface processes and landforms, 16(5), 427-445. DOI: 10.1002/esp.3290160505

Claessens, L., Heuvelink, G. B. M., Schoorl, J. M., & Veldkamp, A. (2005). DEM resolution effects on shallow landslide hazard and soil redistribution modelling. Earth Surface Processes and Landforms, 30(4), pp. 461-477. DOI: 10.1002/esp.1155

Costanzo, D., Chacón, J., Conoscenti, C., Irigaray, C., & Rotigliano, E. (2014). Forward logistic regression for earth-flow landslide susceptibility assessment in the Platani river basin (southern Sicily, Italy). Landslides, 11(4), pp. 639-653. DOI: 10.1007/s10346-013-0415-3

Esteves, A. F. M. (2006). As Rochas Metamórficas na Região de Viseu.

Fawcett, T. (2006) An Introduction to ROC anlysis. Pattern Recognition Letters. 27 (8), pp. 861-874.

Fernandes, J.; Bateira, C.; Soares, L.; Faria, A.; Oliveira, A; Hermenegildo, C.; Moura, C.; Gonçalves, J. (2017). SIMWE model application on susceptbility anlysis to bank gully erosion in Alto Douro Wine Region agriculture terraces. Catena, Vol. 153, pp. 39-49. DOI: https://doi.org/10.1016/j.catena.2017.01.034

Folk, R. L. (1954). The distinction between grain size and mineral composition in sedimentary-rock nomenclature. Journal of Geology. ISSN 0022-1376. Vol. 62, n.º 4, 344 p. DOI: 10.1086/626171

Guns, M., & Vanacker, V. (2012). Logistic regression applied to natural hazards: rare event logistic regression with replications. Natural Hazards and Earth System Sciences, 12(6), 1937-1947. DOI:10.5194/nhess-12-1937-2012

Guzzetti, F., Carrara, A., Cardinali, M., & Reichenbach, P. (1999). Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy. Geomorphology, 31(1–4), 181-216. doi:http://dx.doi.org/10.1016/S0169-555X(99)00078-1

Hutchinson, M. F. (1989). A new procedure for gridding elevation and stream line data with automatic removal of spurious pits. journal of Hydrology, 106(3-4), 211-232.

Jun, L., & Cheng-hu, Z. (2003). Appropriate Grid Size for Terrain Based Landslide Risk Assessment in Lantau Island,Hong Kong.

Landau, S., & Everitt, B. S. (2004). A Handbook of Statistical Analyses Using SPSS: Taylor & Francis

Lee, S., Choi, J., & Woo, I. (2004). The effect of spatial resolution on the accuracy of landslide susceptibility mapping: a case study in Boun, Korea. Geosciences Journal, 8(1), 51-60. doi:10.1007/BF02910278

Mora, O. E., Lenzano, M. G., Toth, C. K., & Grejner-Brzezinska, D. A. (2014). Analyzing the Effects of Spatial Resolution for Small Landslide Susceptibility and Hazard Mapping. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40(1), 293. DOI:10.5194/isprsarchives-XL-1-293-2014

Ribeiro, A. (1979). Introduction à la géologie générale du Portugal: Serviços geológicos de Portugal.

Sangchini, E. K., Nowjavan, M. R., & Arami, A. (2015). Landslide susceptibility mapping using logistic statistical regression in Babaheydar Watershed, Chaharmahal Va Bakhtiari Province, Iran. Journal of the Faculty of Forestry Istanbul University| İstanbul Üniversitesi Orman Fakültesi Dergisi, 65(1), 30-40. DOI: 10.17099/jffiu.52751

Sangchini, E. K., Nowjavan, M. R., & Arami, A. (2015). Landslide susceptibility mapping using logistic statistical regression in Babaheydar Watershed, Chaharmahal Va Bakhtiari Province, Iran. Journal of the Faculty of Forestry Istanbul University| İstanbul Üniversitesi Orman Fakültesi Dergisi, 65(1), 30-40.

Stefanescu, E.R., Bursik, M., Patra, A.K. (2012). Effect of digital elevation model on Mohr-Coulomb geophysical flow model output. Natural Hazards, 62, pp. 635-656. DOI:10.1007/s11069-012-0103-y

Tarboton, D. G. (1997). A new method for the determination of flow directions and upslope areas in grid digital elevation models. Water Resources Research, 33(2), 309-319

Tian, Y., XiaO, C., Liu, Y., & Wu, L. (2008). Effects of raster resolution on landslide susceptibility mapping: A case study of Shenzhen. Science in China Series E: Technological Sciences, 51(2), 188-198. doi:10.1007/s11431-008-6009-y

World reference base for soil resources. (2006). International soil classification system for naming soils and creating legends for soil maps. World soil resources reports no. 106, FAO, Rome.

Zêzere, J.; Pereira, S.; Melo, R.; Oliveira, S.; Garcia, R. (2017) Mapping landslide susceptibility using data-driven methods. Sci. Total Environ, 589, pp. 250–267. DOI: https://doi.org/10.1016/j.scitotenv.2017.02.188

Zhang, W., & Montgomery, D. R. (1994). Digital elevation model grid size, landscape representation, and hydrologic simulations. Water Resources Research, 30(4), 1019-1028. DOI:10.1029/93WR03553

Downloads

Publicado

2018-12-20

Como Citar

Oliveira, A., Fernandes, J., Bateira, C., Faria, A., & Gonçalves, J. (2018). Influence of Digital Elevation Models on Landslide Susceptibility with Logistic Regression Model. Revista Do Departamento De Geografia, 36, 33-47. https://doi.org/10.11606/rdg.v36i0.150111

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)