determinação e cartografia da perigosidade associada à ... · g. estrutura: relacionando a...

CRIAÇÃO E IMPLEMENTAÇÃO DE UM SISTEMA DE

MONITORIZAÇÃO NO LITORAL ABRANGIDO PELA

ÁREA DE JURISDIÇÃO DA ADMINISTRAÇÃO DA

REGIÃO HIDROGRÁFICA DO TEJO

Estudo do litoral na área de intervenção da

APA, I.P. /ARH do Tejo

Determinação e cartografia da

perigosidade associada à ocorrência de

fenómenos de instabilidade em arribas à

escala regional.

Entregável 1.3.1.a

Junho 2013

CRIAÇÃO E IMPLEMENTAÇÃO DE UM SISTEMA DE

MONITORIZAÇÃO NO LITORAL ABRANGIDO PELA

ÁREA DE JURISDIÇÃO DA ADMINISTRAÇÃO DA

REGIÃO HIDROGRÁFICA DO TEJO

Este relatório corresponde ao Entregável 1.3.1.a do projeto “Consultoria para a Criação e

Implementação de um Sistema de Monitorização do Litoral abrangido pela área de Jurisdição da

ARH do Tejo”, realizado pela Faculdade de Ciências da Universidade de Lisboa (FCUL), para a

Agência Portuguesa do Ambiente, I.P. / Administração da Região Hidrográfica do Tejo (APA, I.P.

/ARH do Tejo).

AUTORES

Nuno Penacho (2)

Fernando M.S.F. Marques (1), (2)

Sónia Queiroz (2)

Luís Gouveia (2)

Rita Matildes (2), (3)

Paula Redweik (2), (3)

(1) Departamento de Geologia (FCUL)

(2) Centro de Geologia da Universidade de Lisboa

(3) Departamento de Engenharia Geográfica, Geofísica e Energia (FCUL)

CRIAÇÃO E IMPLEMENTAÇÃO DE UM SISTEMA DE MONITORIZAÇÃO NO LITORAL ABRANGIDO PELA ÁREA DE JURISDIÇÃO DA ADMINISTRAÇÃO DA REGIÃO HIDROGRÁFICA DO TEJO

4 Entregável 1.3.1.a Junho de 2013

REGISTO DE ALTERAÇÕES

Nº Ordem Data Designação

1 Junho de 2013 Versão inicial


Entregável 1.3.1.a 5 Junho de 2013

Índice

1 INTRODUÇÃO ....................................................................................................................................... 7

2 CRITÉRIOS E METODOLOGIA................................................................................................................ 8

2.1 Teoria estatística ............................................................................................................................. 8

2.2 Metodologia de análise ................................................................................................................... 9

3 RESULTADOS ...................................................................................................................................... 10

4 REFERÊNCIAS BIBLIOGRÁFICAS .......................................................................................................... 26



1 Introdução

Neste Entregável aborda-se a problemática da determinação e cartografia da perigosidade

associada à ocorrência de fenómenos de instabilidade em arribas à escala regional, pela

aplicação de métodos de base estatística. A aplicação de métodos de base estatística para a

determinação da suscetibilidade à ocorrência de instabilidades em vertentes em ambiente não

costeiro está abundantemente tratada na literatura científica internacional (ver por exemplo

Frattini et al., 2010 e Guzzetti et al., 2005, e referências neles contidas), porém, a sua aplicação

no contexto específico das arribas com o desenvolvimento e calibração de métodos e

processamento de informação de base tem caracter inovador e foi iniciada por Marques et al.

(2011), substancialmente melhorada em Marques et al. (2013), e já utilizada por outras

equipas (Epifânio et al., 2013).

Em termos gerais, existem diversas formas para avaliação e produção de mapas de

perigosidade de instabilidades em vertentes (Frattini et al., 2010), com diferenças operacionais

e concetuais tanto ao nível das unidades de terreno, como das ferramentas de análise e

construção desses modelos, entendendo-se a perigosidade como a probabilidade de

ocorrência de um fenómeno potencialmente perigoso num dado local (componente espacial,

suscetibilidade), num dado período de tempo (componente temporal) (Varnes, 1984) e com

uma dada magnitude (Guzzetti et al., 2005). Neste trabalho aborda-se a determinação da

probabilidade de ocorrer uma instabilidade numa dada arriba, ou seja, a suscetibilidade, sem

quaisquer implicações temporais ou de período de retorno, ou de dimensão ou magnitude,

que pode ser ponderada utilizando métodos estatísticos para correlacionar as condições locais

do terreno, designadas de fatores de predisposição, com as instabilidades inventariadas

(Brabb, 1984; Carrara, 1993; Soeters e Van Westen, 1996).

Neste Entregável, adotou-se pois uma aproximação de tipo estatístico, inspirada nos estudos

de instabilidades em vertentes, em contexto não costeiro, seguindo princípios e métodos

propostos em Marques et al. (2011, 2013), que se destina a determinar a suscetibilidade à

ocorrência de instabilidades capazes de provocar recuos da crista das arribas.

Este aspeto é de fundamental importância visto que o estudo teve como referência o

inventário de recuos detetados ao longo da crista das arribas, identificados, cartografados e

caracterizados por estudos comparativos de fotografias aéreas utilizando os voos mais antigos

(dos anos 40) e o mais recente (2010) disponíveis, estudos estes realizados no âmbito do

presente projeto e cujos resultados estão contidos no Entregável 1.2.2.1.a Inventário de

instabilidades nas arribas obtido por fotointerpretação. Como consequência das limitações

naturais do método de monitorização utilizado, provavelmente o mais eficiente para a

construção de inventários em escalas temporais alargadas, da ordem de seis décadas, mas que

por razões óbvias não permite identificar movimentos que impliquem recuos da crista

caracteristicamente inferiores a 1m a 2m, e também movimentos que afetem apenas a

fachada das arribas.



Os movimentos inventariados foram correlacionados com um conjunto de fatores de

predisposição para a ocorrência de instabilidades nas arribas, que incluíram fatores

morfométricos das arribas (altura, declive máximo, exposição, curvatura em perfil, curvatura

em planta), geológicos (litologia, estrutura geológica, falhas, filões), geomorfológicos

(proteções de sopé das arribas) e relativos à agitação marítima (potência média anual das

ondas). A cartografia destes fatores de predisposição foi preparada no âmbito deste projeto e,

no que respeita aos níveis de informação sobre a Geologia e Geomorfologia consta do

Entregável 1.2.1.a Caracterização das principais unidades geológicas e da organização

geomorfológica da faixa costeira.

A análise estatística foi realizada utilizando unidades de terreno desenhadas para o efeito, a

partir da linha de crista das arribas e para que cada uma contivesse um comprimento

constante de crista de 50m.

2 Critérios e metodologia

2.1 Teoria estatística

Com o objetivo de determinar a suscetibilidade em arribas ao longo da linha de costa, utilizou-

se o método estatístico multivariado da regressão logística, conjugando o inventário de

instabilidades do último século, com os fatores internos e externos que melhor poderão

justificar essas ocorrências. A seleção do método da regressão logística deveu-se ao facto de

ter ficado provado que, à semelhança do que acontece nos estudos sobre a suscetibilidade à

ocorrência de instabilidades em zonas não costeiras, este é muito mais eficiente do que os

métodos simplificados, mas em que por a correlação entre a presença de instabilidades e os

fatores de predisposição ser efetuada fator a fator, não tem em conta eventuais correlações

estatísticas que existam entre fatores (Marques et al., 2013), além de uma validação estatística

robusta.

Apesar de ser de aplicação simples utilizando programas estatísticos, o seu grau de qualidade e

fiabilidade depende fortemente da discriminação dos dados de entrada, isto é, na precisão da

topografia de base, na qualidade da cartografia geológica e geomorfológica realizada, mas

sobretudo na qualidade e no grau de completamento do inventário de instabilidades

ocorridas, incluindo dimensão e localização das mesmas, e o intervalo temporal de

monitorização realizada.

Esta técnica é útil para estudos em que se pretende prever a presença ou ausência de uma

característica, ou resultado através de uma resposta estatística com base numa série de

variáveis independentes/preditivas, por análise discriminante (Cox, 1958; Menard, 1995;

Hosmer e Lemeshow, 2000). A função usada para estimar a probabilidade de uma

determinada realização j (j = 1, …, n) da variável dependente ser o “sucesso” (P [Yj = 1] = π _̂j),

é:



𝐿𝑜𝑔𝑖𝑡(�̂�𝑗) = 𝐿𝑛 (�̂�

1 − �̂�)

onde o quociente π ̂_j / (1 – π ̂_j) designa-se por rácio das chances (Odd ratio), traduzindo a

razão entre a probabilidade do sucesso (y = 1) face à probabilidade do insucesso (y = 0). O

rácio das chances permite relacionar o número de elementos que possui o objeto de interesse

comparativamente ao número de elementos que não possui esse objeto de análise.

Incorporando e combinando uma série de p fatores preditivos (X_1, …, X_p), o modelo da

regressão logística é:

𝐿𝑜𝑔𝑖𝑡 (�̂�𝑗) = 𝛽0 + 𝛽1𝑋1𝑗 + 𝛽2𝑋2𝑗 + ⋯ + 𝛽𝑝𝑗𝑋𝑝𝑗

em que β_1, β_2, …, β_p são os coeficientes de regressão.

2.2 Metodologia de análise

As regiões onde são realizadas as ponderações para os valores de suscetibilidade designam-se

por unidades de terreno (UT), estas foram definidas para que cada uma abrangesse a

totalidade do perfil transversal da fachada da arriba e um comprimento de crista constante.

Para isso digitalizaram-se as linhas de referência do topo e do sopé das arribas tendo como

referência o levantamento aerofotogramétrico na escala 1:2.000, com equidistância das curvas

de nível de 2 m. O desenho das unidades de terreno foi realizado a partir de segmentos de

comprimento constante de crista (50 m), do topo para a base, com o limite lateral

aproximadamente perpendicular às curvas de nível. De acordo com a divisão da área de

arribas em unidades de terreno foram cartografados os fatores de predisposição para a

ocorrência de instabilidades. Partindo de um modelo digital de terreno (MDT) com unidade de

malha de 1 m, gerado a partir do levantamento aerofotogramétrico do INAG1, na escala

1:2.000, extraíram-se os parâmetros morfométricos das arribas:

a. Altura: altura média da arriba obtida ao longo do alinhamento do limite superior;

b. Declive máximo: valor máximo de todos os pixéis entre o limite superior e inferior da

arriba;

c. Exposição: orientação principal da arriba;

d. Curvatura em perfil: grau de curvatura do perfil transversal das arribas;

e. Curvatura em planta: grau de curvatura do perfil paralelo às arribas.

Por outro lado, recorrendo à informação geológica disponível, interpretação de fotografias

aéreas e reconhecimentos de campo realizados ao longo da totalidade do setor costeiro,

foram cartografados os seguintes elementos de natureza geológica e geomorfológica:

f. Litologia: organizada segundo complexos litológicos;

g. Estrutura: relacionando a atitude da estratificação com o pendor da arriba,

diferenciando “Interior”, situações em que as camadas inclinam em direção ao interior

1 Ex-Instituto da Água, atual APA, I.P.



da arriba; “Exterior”, quando as camadas inclinam em direção ao exterior da arriba; e

“Normal”, quando a inclinação das camadas era inferior a 10° em qualquer direção;

h. Falhas: a existência ou não de acidentes geológicos com expressão significativa,

representando zonas de elevada ou baixa resistência, em função da erodibilidade do

material de preenchimento ou das caixas de falha;

i. Filões: caracterizando zonas de elevada ou baixa resistência resultantes de

intrusões/extrusões massas ígneas;

j. Proteções de sopé: por caracterização tipológica dos elementos que levam à

dissipação energética da ondulação antes de atingir o sopé da arriba.

Além fatores referidos, foram ainda adicionados os valores de fluxo energético longilitoral

provenientes de um regime de agitação marítima médio, modelados recorrendo a uma série

longa (Dodet et al., 2010).

3 Resultados

Na construção do modelo de suscetibilidade utilizaram-se os seguintes programas

informáticos:

a. ArcGIS 10 – permitiu realizar a cartografia geológica e geomorfológica, delimitação dos

rebordos superior e inferior da arriba, construção das unidades de terreno, extração

de parâmetros morfométricos, identificação de áreas de terreno que sofreram

instabilização no último século e intercetaram a crista da arriba, e efetuar análises

espaciais. Pode no entanto ser utilizado outro tipo de software, desde que possibilite a

execução dos trabalhos precedentes;

b. IBM SPSS Statistic 22 – permitiu incorporar os fatores preditivos obtidos através de

análise espacial no ArcGIS 10, e proceder ao cálculo e análise estatística de um

conjunto alargado de dados de forma automática, sem necessidade de programar.

Embora o modelo tenha sido construído recorrendo a um software comercial, poderá

este tipo de análise ser efetuada por um outro qualquer aplicativo do tipo estatístico,

desde que permita trabalhar dados através de regressão logística múltipla e utilização

de testes de averiguação da qualidade de modelos.

O cruzamento dos fatores de preditivos com os recuos registados nas últimas seis décadas,

levou a diferenciação binária de cada uma das 3844 unidades de terreno, separando-se os

1081 elementos com instabilidade (y = 1) dos 2763 elementos sem instabilidade (y = 0). No

processamento de dados para a regressão logística, os fatores foram categorizados de forma

homogénea em decis. As simulações iniciais mostraram que, dada a ausência de tendências

numéricas nas covariantes contínuas, o ajustamento por verossimilhança aponta para uma

participação mais robusta dos fatores categorizados em classes proporcionais.



Na definição das dos fatores que conduzem ao modelo “ótimo”, recorreu-se aos algoritmos de

seleção sequencial de variáveis com poder preditor do tipo Stepwise, onde as variáveis que

pioram o modelo são deixadas de parte da análise e o modelo mais parcimonioso pode então

ser ajustado às restantes, e ao método tradicional de inclusão simultânea das variáveis, sem

qualquer tipo de seleção. Após a avaliação de todos os modelos, aplicando o critério

recomendativo para níveis de significância inferiores a 0.25 na seleção de variáveis (Bendel e

Afifi, 1977; Mickey e Greenland, 1989; Hosmer e Lemeshow, 2000), obteve-se melhores

resultados no método de entrada sucessiva, sendo ligeiramente superior à seleção Forward

baseada no rácio de verosimilhanças, sendo a entrada das variáveis realizada através da

significância da estatística Score e a remoção de em função da significância do teste de Wald.

Considerando apenas o modelo nulo (sem presença de qualquer fator, apenas com a

constante – 𝜷0), a percentagem de casos corretamente classificados é de 71.9 %, o que indica

que é condicionado pelos valores estimados pelos outros coeficientes (𝜒𝑊2

= 684; p < 0.001).

Após a adição dos fatores que condicionam a evolução das arribas, verificou-se um ligeiro

incremento de casos corretamente classificados para 78.9 % (Tabela 1). Conclui-se que existe

pelo menos um fator no modelo com poder preditivo sobre a ocorrência de instabilidades (G2

(161) = 1227; p < 0.001) e um eficaz ajustamento do modelo aos dados, isto é, os valores

estimados pelo modelo são próximos dos valores observados (𝜒𝐶2 = 3340; p ≈ 1.0 e 𝜒𝐻𝐿

2 (8) =

3.634; p = 0.889). Os rácios do ganho de informação estimada pelo modelo completo através

dos pseudo-R2 em comparação com o modelo nulo sugerem que o modelo possui uma

qualidade moderada.

As medidas de influência verificam até que ponto excluir uma observação, normalmente

considerada fora do padrão, terá impacto nos parâmetros da regressão, partindo das

estatísticas que informam a qualidade do ajustamento. A análise do diagrama de resíduos em

função dos valores de probabilidade estimados no modelo, permitiu a identificação de 90

unidades de terreno candidatas a outlier com |rj|> 1.96, ou seja, 2.3 % do total das unidades

de terreno não se enquadram corretamente no modelo (Figura 1). Existem dois grupos de

resíduos (r1 e r2) com tendências de ajustamento distintas e intensidades de associação

bastante razoáveis (R2 próximo de 1). A não perfeição do ajustamento poderá estar

diretamente ligado à ausência de um ou outro fator “invisível” que não está incluído no

modelo, tais como variáveis de natureza geológica ou geotécnica, ou a aperfeiçoamentos

ainda necessários na cartografia de base.



Figura 1. Projeção dos resíduos estudentizados contra os valores de probabilidade estimados no modelo ajustado.



Tabela 1. Variáveis na equação do modelo de suscetibilidade.

Parâmetro Fator Variável Frequência β �̂� 𝜒𝑊2 d.f. p-value Exp(β)

Morfometria

Altura (m)

< 11.1 384 * * 31.537 9 0 *

[11.1; 15.5[ 385 -0.642 0.305 4.417 1 0.036 0.526

[15.5; 21.4[ 384 0.56 0.218 6.598 1 0.01 1.75

[21.4; 27.7[ 385 0.297 0.263 1.27 1 0.26 1.345

[27.7; 35.1[ 384 0.241 0.247 0.956 1 0.328 1.273

[35.1; 44.1[ 385 0.438 0.236 3.452 1 0.063 1.55

[44.1; 52.9[ 384 -0.101 0.231 0.192 1 0.661 0.904

[52.9; 64.3[ 385 0.022 0.215 0.011 1 0.918 1.022

[64.3; 76.4[ 384 0.082 0.216 0.146 1 0.703 1.086

≥ 76.4 384 0.186 0.213 0.762 1 0.383 1.205

Declive

máximo (º)

< 54.0 384 * * 38.562 9 0 *

[54.0; 61.0[ 385 -1.004 0.232 18.644 1 0 0.366

[61.0; 65.0[ 384 -1.152 0.229 25.343 1 0 0.316

[65.0; 67.9[ 385 -1.039 0.224 21.46 1 0 0.354

[67.9; 70.7[ 384 -1.014 0.222 20.77 1 0 0.363

[70.7[ 385 -0.864 0.22 15.404 1 0 0.422

[73.4; 76.1[ 384 -0.519 0.212 6.013 1 0.014 0.595

[76.1; 78.5[ 385 -0.734 0.214 11.804 1 0.001 0.48

[78.5; 80.9[ 384 -0.881 0.216 16.693 1 0 0.414

≥ 80.9 384 -0.542 0.213 6.483 1 0.011 0.582




Exposição

(Quadrante)

E 99 * * 25.715 7 0.001 *

N 220 -1.264 0.429 8.676 1 0.003 0.283

NE 121 0.15 0.202 0.555 1 0.456 1.162

NW 1208 -0.467 0.283 2.718 1 0.099 0.627

S 208 0.054 0.11 0.244 1 0.621 1.056

SE 112 -0.408 0.272 2.262 1 0.133 0.665

SW 527 -0.935 0.492 3.615 1 0.057 0.392

W 1349 -0.516 0.161 10.269 1 0.001 0.597

Curvatura

em perfil (LU)

< -8.22 384 * * 12.747 9 0.174 *

[-8.22; -3.08[ 385 -0.54 0.212 6.5 1 0.011 0.583

[-3.08; -1.19[ 384 -0.24 0.199 1.454 1 0.228 0.787

[-1.19; -0.39[ 385 -0.146 0.212 0.478 1 0.489 0.864

[-0.39; -0.04[ 384 -0.214 0.213 1.011 1 0.315 0.807

[-0.04; 0.29[ 385 0.186 0.229 0.657 1 0.418 1.204

[0.29; 0.79[ 384 -0.366 0.202 3.29 1 0.07 0.693

[0.79; 1.64[ 385 -0.061 0.192 0.1 1 0.752 0.941

[1.64; 3.90[ 384 -0.108 0.186 0.338 1 0.561 0.898

≥ 3.90 384 -0.111 0.203 0.298 1 0.585 0.895

Curvatura

em planta (LU)

< -2.49 384 * * 8.47 9 0.488 *

[-2.49; -1.13[ 385 -0.047 0.219 0.046 1 0.831 0.954

[-1.13; -0.54[ 384 -0.339 0.218 2.417 1 0.12 0.713




[-0.54; -0.20[ 385 -0.016 0.212 0.006 1 0.94 0.984

[-0.21; 0.06[ 384 -0.227 0.225 1.016 1 0.313 0.797

[0.06; 0.34[ 385 -0.256 0.221 1.336 1 0.248 0.774

[0.34; 0.72[ 384 0.024 0.218 0.012 1 0.914 1.024

[0.72; 1.40[ 385 0.056 0.214 0.067 1 0.795 1.057

[1.40; 2.88[ 384 -0.157 0.215 0.532 1 0.466 0.855

≥ 2.88 384 -0.129 0.205 0.394 1 0.53 0.879

Geologia

e

Geomorfologia

Litologia

Areias 18 * * 302.649 69 0 *

Areias e paleossolo orgânico 2 3.108 0.84 13.702 1 0 22.383

Areias finas a grosseiras 17 1.269 0.928 1.871 1 0.171 3.557

Areias micáceas e cascalheiras 51 2.5 0.732 11.664 1 0.001 12.177

Areias. arenitos argilosos. conglomerados e argilas 33 1.408 0.678 4.311 1 0.038 4.088

Arenitos 92 -0.303 0.854 0.126 1 0.723 0.738

Arenitos a conglomerados cauliníferos. com intercalações argilosas 45 -0.837 1.082 0.599 1 0.439 0.433

Arenitos a conglomerados cauliníferos. com intercalações de argilas. lenhites e enxofre 95 0.665 0.823 0.652 1 0.42 1.944

Arenitos argilosos 17 0.33 0.658 0.252 1 0.616 1.391

Arenitos argilosos com níveis de argilas e conglomerados 10 -0.904 1.351 0.448 1 0.504 0.405

Arenitos argilosos. com intercalações argilosas e margosas 86 0.374 0.625 0.357 1 0.55 1.453

Arenitos argilosos. conglomerados e argilas 74 -0.468 0.666 0.493 1 0.483 0.626

Arenitos argilosos. margas arenosas ou siltosas. siltitos argilosos e argilas 26 22.697 28374.35 0 1 0.999 7.2x109

Arenitos e conglomerados 10 0.962 0.71 1.836 1 0.175 2.617




Arenitos e margas 17 -0.009 0.679 0 1 0.99 0.991

Arenitos e siltes argilosos. margas areníticas e calcários arenosos 42 -2.219 1.286 2.975 1 0.085 0.109

Arenitos grosseiros argilosos e argilas arenosas 4 -1.455 0.996 2.134 1 0.144 0.233

Arenitos grosseiros cauliníticos e argilitos 300 -2.771 1.011 7.518 1 0.006 0.063

Arenitos. argilitos e siltitos 101 0.088 0.654 0.018 1 0.893 1.092

Arenitos. margas e argilas 51 -0.055 1.108 0.002 1 0.961 0.947

Arenitos. margas e calcários 167 -19.416 7308.078 0 1 0.998 0

Arenitos. pelitos e calcários 8 0.422 0.68 0.385 1 0.535 1.525

Arenitos. pelitos e dolomitos 18 -18.167 12597.65 0 1 0.999 0

Arenitos. pelitos. calcários margosos e dolomitos 27 21.899 9348.384 0 1 0.998 3.24x109

Arenitos. siltitos e margo-calcárias 165 -18.446 19684.97 0 1 0.999 0

Argila caulinífera com areia 7 1.87 1.788 1.094 1 0.296 6.491

Argilas gipsíferas e salíferas 23 1.214 1.618 0.564 1 0.453 3.368

Argilitos. siltitos com níveis de arenitos 68 -18.012 13289.75 0 1 0.999 0

Basalto 10 -0.021 0.691 0.001 1 0.976 0.979

Brecha basáltica e calcária 4 -1.921 0.656 8.567 1 0.003 0.147

Brecha basáltica. calcária. quartzítica. granítica e gnáissica 8 -21.368 14519.65 0 1 0.999 0

Brecha granítica 15 0.371 0.81 0.21 1 0.647 1.45

Brecha poligénica máfica 9 -1.711 0.685 6.234 1 0.013 0.181

Calcarenitos e margas 26 -0.665 0.896 0.551 1 0.458 0.514

Calcários 319 -17.146 5675.438 0 1 0.998 0




Calcários compactos 7 -0.397 0.649 0.374 1 0.541 0.672

Calcários compactos a margosos 77 0.434 0.999 0.189 1 0.664 1.544

Calcários detríticos. oolíticos e bioclásticos 140 -1.373 0.639 4.623 1 0.032 0.253

Calcários dolomíticos 18 0.653 1.127 0.335 1 0.563 1.921

Calcários e arenitos 101 0.125 0.67 0.035 1 0.852 1.133

Calcários e calcários margosos 8 0.595 0.768 0.6 1 0.439 1.813

Calcários e margas 258 0.315 0.691 0.208 1 0.648 1.371

Calcários e pelitos 5 0.376 0.812 0.215 1 0.643 1.456

Calcários margosos 97 -0.861 1.244 0.479 1 0.489 0.423

Calcários margosos com intercalações arenosas 28 -0.298 0.794 0.141 1 0.707 0.742

Calcários margosos com intercalações de margas siltosas 50 0.047 1.026 0.002 1 0.963 1.049

Calcários margosos e calcários 24 -2.992 1.198 6.236 1 0.013 0.05

Calcários margosos e margas 9 -0.023 0.7 0.001 1 0.974 0.977

Calcários margosos e margas arenosas 30 -19.821 8604.66 0 1 0.998 0

Calcários margosos. calcários arenosos e margas 31 -0.067 0.697 0.009 1 0.924 0.935

Calcários. calcários margosos. calcários arenosos e margas 59 0.529 35658.9 0 1 1 1.696

Calcários. margas e basalto 19 -19.262 22795.4 0 1 0.999 0

Calcários. margas. arenitos e argilas 73 -0.491 1.464 0.112 1 0.737 0.612

Calcários. margas. arenitos e dolomitos 5 -30.006 5799.274 0 1 0.996 0

Dolomitos. arenitos e pelitos 3 -0.161 0.85 0.036 1 0.85 0.852

Granito 162 0.851 0.714 1.422 1 0.233 2.342




Granito de grão médio e ocasionalmente fino 129 0.743 0.59 1.585 1 0.208 2.103

Margas calcárias 24 -0.489 0.748 0.427 1 0.513 0.613

Margas calcárias e calcários margosos 38 -1.472 0.662 4.95 1 0.026 0.229

Margas e arenitos e calcários margosos 43 -19.263 10505.95 0 1 0.999 0

Margas e calcários 168 3.462 1.349 6.583 1 0.01 31.866

Margas evaporíticas com gesso 11 1.526 1.465 1.084 1 0.298 4.598

Margas. arenitos argilosos 6 -0.698 0.719 0.942 1 0.332 0.498

Margas. margas calcárias alternadas com calcários margosos 3 1.139 0.939 1.472 1 0.225 3.125

Pelitos e arenitos 57 -0.791 0.732 1.168 1 0.28 0.453

Pelitos. arenitos e conglomerados 9 -0.424 1.553 0.075 1 0.785 0.654

Pelitos. arenitos. margas e calcários 60 0.303 0.863 0.124 1 0.725 1.355

Sienito 43 2.782 0.799 12.117 1 0 16.152

Siltes. argilas e arenitos 23 0.889 0.7 1.614 1 0.204 2.432

Siltitos. arenitos argilosos. argilas e conglomerados 61 1.985 0.665 8.918 1 0.003 7.28

Estrutura

Exterior 1258 * * 14.934 3 0.002 *

Interior 520 2.404 1.212 3.931 1 0.047 11.067

Normal 1565 2.891 1.213 5.685 1 0.017 18.016

Sem estrutura 501 2.777 1.207 5.297 1 0.021 16.07

Falha Ausente 3449 * * * * * *

Presente 395 -0.571 0.154 13.699 1 0 0.565

Filão Ausente 3691 * * * * * *




Presente 153 0.74 0.312 5.616 1 0.018 2.096

Proteção

de sopé

Acesso à praia 47 * * 56.359 35 0.013 *

Blocos 1055 -0.56 0.72 0.604 1 0.437 0.571

Caverna 9 0.745 0.425 3.073 1 0.08 2.107

Cone de dejeção 22 11.785 14487.38 0 1 0.999 131271.4

Cone de dejeção com edificado 6 0.948 0.679 1.949 1 0.163 2.582

Edificado 2 -0.981 1.072 0.838 1 0.36 0.375

Enrocamento 4 -18.958 28288.58 0 1 0.999 0

Estrutura frontal aderente 3 0.626 1.121 0.312 1 0.577 1.871

Estrutura frontal aderente e blocos 2 17.007 4108.243 0 1 0.997 24333924

Estrutura frontal aderente e edificado 10 -19.519 28186.07 0 1 0.999 0

Leixão 24 -0.456 1.215 0.141 1 0.707 0.634

Leixão e blocos 120 1.185 0.83 2.039 1 0.153 3.272

Leixão e plataforma de abrasão com blocos 6 0.813 0.643 1.598 1 0.206 2.255

Leixão e praia 5 1.106 1.557 0.504 1 0.478 3.022

Leixão e praia com blocos 10 -17.028 17637.44 0 1 0.999 0

Leixão e praia com plataforma de abrasão 4 -17.003 12248.41 0 1 0.999 0

Leixão. praia com plataforma de abrasão e estrutura frontal aderente 1 0.362 1.302 0.077 1 0.781 1.437

Leixões 49 -18.964 40192.97 0 1 1 0

Plataforma de abrasão 297 12.103 8061.965 0 1 0.999 180375.3

Plataforma de abrasão com blocos 425 -0.136 0.454 0.089 1 0.765 0.873




Plataforma de abrasão com blocos e quebra-mar 2 0.961 0.44 4.768 1 0.029 2.615

Plataforma de abrasão e estrutura frontal aderente 3 -18.694 28358.41 0 1 0.999 0

Praia 701 -20.063 42535.45 0 1 1 0

Praia com blocos 385 0.134 0.451 0.088 1 0.766 1.143

Praia com blocos e estrutura frontal aderente 2 0.385 0.45 0.734 1 0.392 1.47

Praia com blocos e leixão 7 -18.585 27810.43 0 1 0.999 0

Praia com blocos e plataforma de abrasão 16 12.529 16163.53 0 1 0.999 276137.6

Praia com cone de dejeção 77 -0.085 0.8 0.011 1 0.916 0.919

Praia com edificado 2 -0.382 0.541 0.5 1 0.48 0.682

Praia com enrocamento 13 0.506 28356.54 0 1 1 1.659

Praia com estrutura frontal aderente 33 1.892 0.819 5.344 1 0.021 6.635

Praia com estrutura frontal aderente e edificado 6 0.685 0.683 1.007 1 0.316 1.984

Praia com plataforma de abrasão 169 -20.144 16288.67 0 1 0.999 0

Praia com plataforma de abrasão e blocos 175 0.538 0.483 1.238 1 0.266 1.712

Praia com plataforma de abrasão e estrutura frontal aderente 5 0.286 0.478 0.358 1 0.55 1.331

Sem proteção 147 -20.134 22127.57 0 1 0.999 0

Agitação

marítima

Potência

média de onda

(W/m)

< 15.355 398 * * 18.164 9 0.033 *

[15.355; 17.428[ 383 -0.579 0.383 2.28 1 0.131 0.561

[17.428; 18.439[ 386 -0.686 0.453 2.295 1 0.13 0.503

[18.439; 19.516[ 379 -0.341 0.376 0.821 1 0.365 0.711

[19.516; 20.829[ 396 0.1 0.362 0.076 1 0.782 1.105




[20.829; 21.633[ 379 -0.385 0.359 1.147 1 0.284 0.681

[21.633; 22.267[ 404 -0.726 0.378 3.695 1 0.055 0.484

[22.267; 23.389[ 366 -0.354 0.368 0.926 1 0.336 0.702

[23.389; 27.082[ 332 -0.259 0.366 0.499 1 0.48 0.772

≥ 27.082 421 -0.615 0.269 5.248 1 0.022 0.541

Constante de regressão - -2.638 1.521 3.009 1 0.083 0.072



Uma forma simples e eficiente de avaliar a qualidade do modelo de suscetibilidade passa por

aplicação da curva característica de operação (Receiver Characteristic Curve – ROC), sendo uma

de várias técnicas de análise discriminatória que permite relacionar regiões com instabilidade

com as regiões sem instabilidade. A precisão do modelo é sumarizada pelo índice da Área

Abaixo da Curva (AUC) (DeLong et al., 1988).

Para um modelo possuir uma discriminação perfeita, este apresentaria uma distribuição

envolvendo toda a área gráfica do espaço ROC, tendo de passar pelo ponto (0; 1), ou seja,

quanto mais perto a curva ROC estiver dessa coordenada ideal, melhor a sua capacidade de

discriminação. Assim, considera-se como discriminação excecional os modelos que projetem

curvas com AUC igual ou superior a 0.9, AUC entre 0.8 e 0.9 como discriminação boa, AUC

entre 0.7 e 0.8 como discriminação aceitável, AUC entre 0.5 e 0.7 como discriminação fraca, e

AUC inferior a 0.5 o poder discriminatório é nulo (Hosmer e Lemeshow, 2000).

A curva ROC aponta para um modelo com uma boa capacidade discriminatória, resultando,

para um intervalo de confiança a 95 %, numa AUC contida entre 0.819 e 0.845 para um erro-

padrão inferior a 0.01, sendo possível justificar todas as instabilidades no ponto (1.0; 0.87)

(Figura 2). A relação sensibilidade versus especificidade permitiu identificar o ponto de corte

ideal (0.31) para efeito de classificação, por cruzamento entre as duas curvas, o qual maximiza

tanto a sensibilidade como a especificidade. (Figura 3).

Figura 2. Avaliação preditiva por análise ROC dos resultados do modelo de suscetibilidade aplicado às arribas compreendidas entre o Cabo Espichel e a praia da Concha.



Figura 3. Relação sensibilidade versus especificidade dos resultados do modelo de suscetibilidade aplicado às arribas compreendidas entre o Cabo Espichel e a praia da Concha.

Considerando os resultados obtidos, efetuou-se uma classificação do tipo Likert para cada um

dos intervalos de suscetibilidade contidos no espaço [0; 1]. Desta forma é possível identificar

as áreas de terreno com menor ou maior suscetibilidade, em função do inventário histórico de

instabilidades, e dos fatores internos e externos incorporados na construção do modelo

preditivo. Para valores de probabilidade até 0.50, a arriba possui um potencial moderado de

ocorrência de uma instabilidade com afetação na crista, entre 0.50 e 0.75 considera-se como

suscetibilidade elevada, entre 0.75 e 0.90 como muito elevada, caso a unidade de terreno

apresente um valor acima de 0.90 considera-se como situação extrema.

Os resultados obtidos pela aplicação do modelo da regressão logística foram transferidos de

uma folha de cálculo para a tabela de atributos das respetivas unidades de terreno,

encontrando-se disponíveis em anexo sob forma cartográfica em ficheiro no formato shapefile.

O ficheiro layer contem a classificação das unidades de terreno em classes de suscetibilidade.

Na Figura 4 apresentam-se excertos do mapa de suscetibilidade final, exemplificando setores

costeiros com níveis diferenciados de suscetibilidade à ocorrência de instabilidades maiores

nas arribas.

Apesar do caráter inovador da metodologia utilizada, que carece naturalmente de

refinamentos, os resultados obtidos correspondem a uma abordagem perfeitamente objetiva

e quantificada sobre a possibilidade de ocorrência de instabilidades maiores nas arribas,

assumindo que os processos causadores da evolução das arribas no passado se mantenham no

futuro. Entende-se pois que, para além de inovador, o trabalho produzido corresponde a



grande avanço no sentido da determinação quantitativa da perigosidade associada à evolução

das arribas.



Figura 4. Exemplos cartográficos do resultado do modelo de suscetibilidade à ocorrência de

instabilidades capazes de provocar recuos da crista das arribas, ilustrando situações com diferentes níveis de suscetibilidade, desde moderada a extrema, em áreas urbanas e não urbanas.



4 Referências bibliográficas

Bendel, R. e Afifi, A. 1977. Comparison of stopping rules in forward regression. Journal of the

American Statistical Association, 72, 46-53.

Brabb, E. 1984. Innovative approaches to landslide hazard mapping. Proc. IV International

Symposium, Landslides, Toronto, 1, 307-324.

Carrara, A. 1993. Uncertainty in evaluating landslide hazard and risk. Prediction and Perception

of Natural Hazards, 101-109.

Cox, D. 1958. The regression analysis of binary sequences (with Discussion). J. R. Statist. Soc.,

B, 20, 215-242.

DeLong, E., DeLong, D. e Clarke-Pearson, D. 1988. Comparing the Areas under Two or More

Correlated Receiver Operating Characteristic Curves: A Nonparametric Approach.

Biometrics, 44 (3), 837-845.

Dodet, G., Bertin, X. e Taborda, R. 2010. Wave climate variability in the North-East Atlantic

Ocean over the last six decades. Ocean Modelling, 31, 120-131.

Epifânio, B., Zêzere, J.L. e Neves, N. 2013. Identification of hazardous zones combining cliff

retreat with landslide susceptibility assessment. Journal of Coastal Research, SI, 65,

1681–1686.

Frattini, P., Crosta, G. e Carrara, A. 2010. Techniques for evaluating the performance of

landslide susceptibility models. Engineering Geology, Vol. 111, pp. 62-72.

Guzzetti, F., Reichenbach, P., Cardinali, M., Galli, M. e Ardizzone, F. 2005. Probabilistic

landslide hazard assessment at the basin scale. Geomorphology, 72, (1-4), 272-299.

Hosmer, D. e Lemeshow, S. 2000. Applied Logistic Regression. Wiley, New York, 375 pp.

Marques, F.M.S.F., Matildes, R. e Redweik, P. 2011. Statistically based sea cliff instability

hazard assessment of Burgau-Lagos coastal section (Algarve, Portugal). Int. Coastal

Symposium, ICS 2011. Journal of Coastal Research, SI 64, 927-931.

Marques, F.M.S.F., Matildes, R., e Redweik, P. 2013. Sea cliff instability susceptibility at

regional scale: a statistically based assessment in the southern Algarve, Portugal.

Natural Hazards Earth System Sciences (aceite, em impressão).

Menard, S. 1995. Applied Logistic Regression Analysis, Sage Publications, 98 pp.

Mickey, J. e Greenland, S. 1989. A study of the impact of confounder-selection criteria on

effect estimation. American Journal of Epidemiology, 129, 125-137.

Soeters, R. e Van Westen, C. 1996. Slope Instability Recognition, Analysis and Zonation.

Landslides: Investigation and Mitigation, Transportation Research Board, Special

Report, 247, National Academy Press, Washington D.C., 129-177.



Varnes, D. 1984. Landslide Hazard Zonation: A Review of Principles and Practice. UNESCO

Press, Paris, pp. 63.

determinação e cartografia da perigosidade associada à ... · g. estrutura: relacionando a...

Documents