Previsão de riscos de alagamentos e inundações com uso de inteligência artificial

Authors

  • Sabrina Bergoch Monteiro Sambatti Climatempo - Agência Brasileira de Meteorologia
  • Renata Renata Genova Martins Climatempo - Agência Brasileira de Meteorologia
  • Ricardo Batista Vilela Climatempo - Agência Brasileira de Meteorologia
  • Frank Moshe Cotacallapa Climatempo - Agência Brasileira de Meteorologia
  • Alex Sandro Aguiar Pessoa Climatempo - Agência Brasileira de Meteorologia
  • Jussara Dias Climatempo - Agência Brasileira de Meteorologia
  • Danielle de Almeida Bressiani
  • Gilca Palma Climatempo - Agência Brasileira de Meteorologia

DOI:

https://doi.org/10.13037/ria.vol15n1.6985

Abstract

A prevenção e mitigação dos danos provocados por eventos hidrometeorológicos severos em áreas urbanas, como a Região Metropolitana de São Paulo (RMSP), são estratégias necessárias para que as cidades se tornem mais inteligentes e resilientes. No entanto, a previsão de riscos de alagamentos e inundações em áreas populosas é desafiador. Usando o k-vizinhos mais próximo (k-Nearest Neighbor - kNN), um algoritmo de aprendizado de máquina, foi possível mostrar a viabilidade do uso de técnicas de inteligência artificial para a previsão de riscos de alagamentos e inundações. A RMSP foi escolhida como área de estudo devido sua importância social e econômica, sendo a região de maior aglomeração urbana do Brasil e por sofrer a influência de eventos hidrometeorológicos severos e seus impactos.

Downloads

Download data is not yet available.

References

BATTAN, L. J. Radar observation of the at-mosphere. 1973.

BRESSIANI, D. d. A.Coping with hydrolo-gical risks through flooding risk index, com-plex watershed modeling, different calibration techniques, and ensemble streamflow forecas-ting. Tese (Doutorado) — Universidade de SãoPaulo, 2016.

BROLLO, M. J.; TOMINAGA, L. K. Desas-tres naturais e riscos geológicos no estado de são paulo: cenário de referência–2012.Bole-tim No, 2012.

COCCHIA, A. Smart and digital city: A sys-tematic literature review. In:Smart city. [S.l.]:Springer, 2014. p. 13–43.

COVER, T.; HART, P. Nearest neighbor pat-tern classification.IEEE transactions on infor-mation theory, IEEE, v. 13, n. 1, p. 21–27,1967.

DIAS, M. A. F. S. et al. Changes in extremedaily rainfall for são paulo, brazil.Climatic Change, Springer, v. 116, n. 3-4, p. 705–722,2013.

FACELI, K. et al.Inteligência Artificial: UmaAbordagem de Aprendizado de Máquina. [S.l.:s.n.], 2011.

FARR, T. G. et al. The shuttle radar topo-graphy mission.Reviews of geophysics, WileyOnline Library, v. 45, n. 2, 2007.

HADDAD, E. A.; TEIXEIRA, E. Economicimpacts of natural disasters in megacities: Thecase of floods in são paulo, brazil.Habitat In-ternational, Elsevier, v. 45, p. 106–113, 2015.

HAN, J.; MICHELINE, K.; PEI, J.Data mi-ning: concepts and techniques. [S.l.]: Elsevier,2011.

HORITA, F. et al. Determining flooded areasusing crowd sensing data and weather radarprecipitation: a case study in brazil. In: 15THINTERNATIONAL CONFERENCE ON IN-FORMATION SYSTEMS FOR CRISIS RESPONSE AND MANAGEMENT (ISCRAM).Rochester, USA, 2018.

HORITA, F. et al. Uso de dados colabora-tivos na determinação de alagamentos. In:XVII ENCONTRO DOS ALUNOS DE PÓS-GRADUAÇÃO EM METEOROLOGIA DOCPTEC/INPE. Cachoeira Paulista, SP, 2018.

LEE, A. An experimental study of the remotelocation of lightning flashes using a vlf arri-val time difference technique.Quarterly Jour-nal of the Royal Meteorological Society, Wi-ley Online Library, v. 112, n. 471, p. 203–229,1986.

LIU, C.; HECKMAN, S. Total lightning dataand real-time severe storm prediction. In:Proc. Conf. on Meteorological EnvironmentalInstrument and Methods of Observation Ma-nagement Froup (10th session). [S.l.: s.n.],2012.

MITCHELL, T. M. et al. Machine learning.1997.Burr Ridge, IL: McGraw Hill, v. 45,n. 37, p. 870–877, 1997.

NEGNEVITSKY, M.Artificial intelligence: aguide to intelligent systems. [S.l.]: PearsonEducation, 2005.

NOBRE, A. D. et al. Height above the nearestdrainage–a hydrologically relevant new terrainmodel.Journal of Hydrology, Elsevier, v. 404,n. 1-2, p. 13–29, 2011.

NOBRE, A. D. et al. Hand contour: a newproxy predictor of inundation extent.Hydro-logical Processes, Wiley Online Library, v. 30,n. 2, p. 320–333, 2016.

NOBRE, C. A. et al. Vulnerabilidades das me-gacidades brasileiras às mudanças climáticas:Região metropolitana de são paulo.Embai-xada Reino Unido, Rede Clima e ProgramaFAPESP em Mudanças Climáticas, 2010.

OHATA, A. T."MAPEAMENTO DE CO-BERTURA DA TERRA DO ESTADO DESÃO PAULO – 2010 - ESCALA 1:100.000-COORDENADORIADEPLANEJA-MENTO AMBIENTAL, SECRETARIA DOMEIO AMBIENTE DO ESTADO DE SÃOPAULO. 2013. Disponível em: <https://www.infraestruturameioambiente.sp.gov.br/cpla/>.

OLIVEIRA, J. B. de et al.Mapa pedológicodo Estado de São Paulo: legenda expandida.[S.l.]: Empresa Brasileira de Pesquisa Agro-pecuaria, Campinas, SP (Brasil). Centro,1999.

RIMBA, A. B. et al. Physical flood vulnera-bility mapping applying geospatial techniquesin okazaki city, aichi prefecture, japan.UrbanScience, Multidisciplinary Digital PublishingInstitute, v. 1, n. 1, p. 7, 2017.

RODRIGUEZ, C. A. M.; NEVES, J.; AN-SELMO, E. Sferics timing and rangingnetwork-starnet: evaluation over south ame-rica.ICAE 2011: Abstracts and Program,2011.

SAATY, T. L. How to make a decision:the analytic hierarchy process.Interfaces, In-forms, v. 24, n. 6, p. 19–43, 1994.

TARBOTON, D. G.; SAZIB, N.; DASH, P.TauDEM 5.3 quick start guide to using theTauDEM, ArcGIS, Toolbox. 2015.

VICENTE, G. A.; SCOFIELD, R. A.; MEN-ZEL, W. P. The operational goes infrared rain-fall estimation technique.Bulletin of the Ame-rican Meteorological Society, v. 79, n. 9, p.1883–1898, 1998.

VILELA, R. et al. Sistema para previsão deriscos de alagamentos e inundações: um es-tudo de caso para a região metropolitana desão paulo (rmsp). In: XVII ENCONTRO DOSALUNOS DE PÓS-GRADUAÇÃO EM ME-TEOROLOGIA DO CPTEC/INPE. CachoeiraPaulista, SP, 2018.

WITTEN, I. H.; FRANK, E.; MARK, A. Hall.2011.Data mining: Practical machine lear-ning tools and techniques, v. 3, 2011.

Downloads

Published

2020-06-15

Issue

Vol. 15 No. 1 (2019)

Section

Artigos

License

Os autores que publicam trabalhos na RIA estão de acordo com os seguintes termos:

  1. Autores mantêm seus direitos autorais e concedem à RIA o direito à primeira publicação. Admite-se o compartilhamento do referido trabalho, desde que seja reconhecida sua autoria e publicação inicial nesta revista.
  2. Autores podem fechar contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicado na RIA, com reconhecimento de sua autoria e publicação inicial nesta revista.
  3. Autores podem publicar e distribuir seu trabalho online, antes ou durante o processo editorial.