Please use this identifier to cite or link to this item:
https://dspace.sti.ufcg.edu.br/handle/riufcg/45838| Title: | Vulnerabilidade natural e socioambiental relacionando eventos de precipitação na região metropolitana do Recife-PE. |
| Other Titles: | Natural and socio-environmental vulnerability related to precipitation events in the metropolitan region of Recife-PE. |
| ???metadata.dc.creator???: | BEZERRA, Aline Pessoa. |
| ???metadata.dc.contributor.advisor1???: | SANTOS, Carlos Antonio Costa dos |
| ???metadata.dc.contributor.referee1???: | BARBOSA, Dayse Luna. |
| ???metadata.dc.contributor.referee2???: | ARAÚJO, Sergio Murilo Santos de. |
| ???metadata.dc.contributor.referee3???: | SANTOS, Celso Augusto Guimarães. |
| ???metadata.dc.contributor.referee4???: | SANTANA, Cicero Fellipe Diniz de. |
| Keywords: | Redução de risco;Movimento de massa;Machine learning;Limiares críticos;Desastres naturais;Risk reduction;Mass movement;Machine learning;Critical thresholds;Natural disasters |
| Issue Date: | 6-Feb-2026 |
| Publisher: | Universidade Federal de Campina Grande |
| Citation: | BEZERRA, Aline Pessoa. Vulnerabilidade natural e socioambiental relacionando eventos de precipitação na região metropolitana do Recife-PE. 2026. 195 f. TESE (Doutorado em Engenharia e Gestão de Recursos Naturais.) – Programa de Pós-Graduação em Engenharia e Gestão de Recursos Naturais, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande, Paraíba, Brasil, 2026. |
| ???metadata.dc.description.resumo???: | Movimentos de massa são desastres naturais frequentemente desencadeados por precipitação, com expressivos impactos socioeconômicos em áreas urbanas, especialmente quando associados à suscetibilidade natural e à vulnerabilidade populacional. Este estudo tem como objetivo analisar a influência de fatores naturais e socioeconômicos na ocorrência desses eventos na Região Metropolitana do Recife (PE), entre 2016 e 2022. A área foi escolhida por sua reconhecida vulnerabilidade durante períodos chuvosos. A metodologia adotada seguiu uma abordagem multidisciplinar estruturada em cinco etapas: (1) elaboração e espacialização do inventário de movimentos de massa a partir de dados do CEMADEN; (2) determinação de limiares pluviométricos críticos com base nos dados da APAC, considerando as relações intensidade-duração (I–D) e precipitação acumulada-duração (E–D) em intervalos de 24-, 48-, 72-, 96-, e 120-horas; (3) avaliação da suscetibilidade natural mediante fatores topográficos, geomorfológicos, ambientais e antrópicos, com aplicação comparativa de modelos de machine learning (Random Forest, KNN, XGBoost e Naïve Bayes); (4) elaboração do mapa de vulnerabilidade social com indicadores do IBGE; e (5) integração dos mapas de suscetibilidade e vulnerabilidade para a definição do risco socioambiental. Foram identificados 221 movimentos de massa, com limiares críticos de precipitação estabelecidos. A relação E-D apresentou maior correlação com as ocorrências (R² > 97,5%) que a relação I–D (R² < 90,5%). Entre os fatores condicionantes, o uso do solo e a altitude mostraram-se os mais relevantes. O modelo Random Forest obteve o melhor desempenho (AUC = 0,935), seguido por XGBoost (0,875), Naïve Bayes (0,828) e KNN (0,799). A construção do mapa de vulnerabilidade Socionatural, integrou fatores físicos e socioeconômicos. Cinco classes de risco foram identificadas, sendo que as classes alta e muito alta (16,5% da área) concentraram 85% das ocorrências. Bairros como Ibura (Recife) e Cavaleiros (Jaboatão dos Guararapes) destacaram-se pela combinação de elevada densidade populacional, infraestrutura precária e alta suscetibilidade natural. Os resultados indicam que o período crítico de precipitação é de até três dias, principalmente para a Z2 com um volume acumulado crítico de 15,4 mm, ressaltando a necessidade de políticas públicas voltadas à mitigação em zonas urbanas com sobreposição de vulnerabilidades social e natural. O estudo contribui com uma base metodológica integrada para aprimorar o monitoramento, o planejamento urbano e as estratégias de redução de riscos na Região Metropolitana do Recife. |
| Abstract: | Mass movements are natural disasters often triggered by precipitation, causing significant socioeconomic impact in urban areas, especially when combined with natural susceptibility and local population vulnerability. This study aims to analyze the influence of natural and socioeconomic factors on the occurrence of these in the Metropolitan Region of Recife (Pernambuco, Brazil), associated with rainfall events, between 2016 and 2022. The region was selected due to its recognized vulnerability during rainy periods. The methodology followed a multidisciplinary approach structured in five stages: (1) compilation and spatialization of the mass movement inventory based on CEMADEN data; (2) determination of critical rainfall thresholds using APAC data, considering the intensity–duration (I–D) and accumulated precipitation–duration (E–D) relationships at 24-, 48-, 72-, 96-, and 120-hour intervals; (3) assessment of natural susceptibility based on topographic, geomorphological, environmental, and anthropogenic factors, with a comparative application of machine learning models (Random Forest, KNN, XGBoost, Naïve Bayes); (4) development of a social vulnerability map based on IBGE socioeconomic indicators; and (5) integration of the susceptibility and vulnerability maps to define Socionatural risk. A total of 221 mass movements were identified, and critical precipitation thresholds were established. The E–D relationship showed a higher correlation with the occurrences (R² > 97.5%) than the I–D relationship (R² < 90.5%). Among the conditioning factors, land use and altitude proved to be the most relevant. The Random Forest model achieved the best performance (AUC = 0.935), followed by XGBoost (0.875), Naïve Bayes (0.828), and KNN (0.799). The construction of the Socionatural risk map integrated physical and socioeconomic factors. Five risk classes were identified, with the “high” and “very high” classes (16.5% of the area) concentrating 85% of the recorded occurrences. Neighborhoods such as Ibura (Recife) and Cavaleiros (Jaboatão dos Guararapes) exhibited critical risk due to high population density, inadequate infrastructure, and elevated natural susceptibility. The results indicate that the critical rainfall period corresponds to accumulations of up to three days, particularly for Z2, with a critical accumulated rainfall of 15.4 mm, highlighting the need for public policies should prioritize urban areas with overlapping social and natural vulnerabilities, thereby providing a technical basis for proactive measures to mitigation the impacts of mass movements in the Metropolitan Region of Recife. |
| Keywords: | Redução de risco Movimento de massa Machine learning Limiares críticos Desastres naturais Risk reduction Mass movement Machine learning Critical thresholds Natural disasters |
| ???metadata.dc.subject.cnpq???: | Engenharia e Gestão de Recursos Naturais |
| URI: | https://dspace.sti.ufcg.edu.br/handle/riufcg/45838 |
| Appears in Collections: | Doutorado em Engenharia e Gestão de Recursos Naturais. |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ALINE PESSOA BEZERRA - TESE - (PPGEGRN) 2026.pdf | 11.66 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
