SIG e modelos de escorregamentos: avaliando métodos para reduzir as incertezas de dados de solos e precipitação [GIS and Landslides Models: Assessing Methods for Reducing Soil and Precipitation Data Uncertainties]

Os modelos matemáticos de base física se constituem uma importante ferramenta para auxiliar na previsão e gestão dos escorregamentos. Os dados de entrada (geotécnicos e hidroclimatológicos) destes modelos frequentemente trazem significativa incerteza na sua distribuição espacial. Este trabalho avalia dois métodos probabilísticos - lógica Fuzzy e Geoestatística - para representar as propriedades físicas e hidráulicas dos solos e a precipitação. A comparação entre um método determinístico (inverso do quadrado da distância) e a geoestatística mostrou que este último foi bem mais eficiente para detectar os efeitos da precipitação orográfica existente na região da bacia do Paraíba do Sul além de representar, de forma mais adequada, a complexidade e diversidade do mundo real. Também foi avaliado o grau de interação entre os Sistemas de Informação Geográfica (SIG) e os três modelos de escorregamento regionais (Shalstab, SINMAP e TRIGRS). Os modelos Shalstab e SINMAP possuem maior interação e podem funcionar como extensão no interior de um SIG, possibilitando que os mapas produzidos por métodos probabilísticos possam ser melhor utilizados nos modelos de escorregamentos.

[The physically-based models can be an important tool to contribute to prediction and management of the landslides. Geotechnical and hydro-climatologic data used as input in the landslides models often have a high degree of uncertainty in their spatial distribution. This paper evaluates two probabilistic approaches (Fuzzy and Geostatistics). The comparison between a deterministic method (isohyets) and geostatistics showed that geostatistics is more effi cient in detecting the orographic eff ect in the Paraiba do Sul basin and represents, more adequately, the complexity and diversity of the real world. Three regional landslides models (Shalstab, SINMAP e TRIGRS) were analyzed in order to evaluate their degree of interaction with Geographical Information Systems (GIS). SHALSTAB and SINMAP models have higher degree of interaction and function as a GIS extension making possible that diff erent types of input data can be manipulated within the GIS environment; this facilitates that maps, produced by probabilistic approaches, can be better used in regional Landslide models.]