Application of deep learning for high-resolution flood mapping in urban watersheds (2023)
- Authors:
- Autor USP: LAGO, CESAR AMBROGI FERREIRA DO - EESC
- Unidade: EESC
- Sigla do Departamento: SHS
- DOI: 10.11606/T.18.2023.tde-18042024-113247
- Subjects: APRENDIZAGEM PROFUNDA; REDES NEURAIS; INUNDAÇÕES
- Keywords: Chuva no grid; Mapeamento de inundações de alta resolução; Modelos de inundações rápidos
- Agências de fomento:
- Language: Inglês
- Abstract: Eventos de inundação ameaçam ambientes urbanos, causando danos econômicos e perda de vidas. A previsão e o mapeamento desses eventos são cruciais para uma mitigação eficaz. No entanto, os atuais modelos hidrodinâmicos usados para a previsão de inundações são caros e muitas vezes impraticáveis para previsão em tempo real ou simulações em grande áreas pelos longos tempos de simulação. Esta tese explora modelos de Deep Learning (DL) como uma alternativa viável para a previsão de inundações e o mapeamento de planícies de inundação, abordando a lacuna nas práticas atuais de modelagem de inundações. A pesquisa foi dividida em três capítulos, focando no desenvolvimento e aplicação de Redes Neurais Artificiais (ANNs) para a previsão de inundações. Os capítulos 1 e 2 usam uma rede adversarial generativa condicional desenvolvida para previsões rápidas de inundações pluviais (cGAN-Flood). O Capítulo 1 demonstra uma nova aplicação de DL - aprimorar a resolução do mapeamento de inundações a partir de modelos hidrodinâmicos existentes usando cGAN-Flood. O Capítulo 2 avalia o desempenho do cGAN-Flood em ambientes topológicos distintos, especificamente bacias hidrográficas em São Paulo, comparado ao seu treinamento original em San Antonio, Texas. Por fim, o Capítulo 3 descreve a criação de um novo modelo que prevê mapas de inundações fluviais usando ANN, requerendo apenas Modelos Digitais de Elevação (DEM) e hidrogramas. Os resultados mostrados nos capítulos mostram uma eficácia promissora das ANNs na previsão de inundações e no mapeamento de de inundação. As ANNs demonstraram a capacidade de emular modelos hidrodinâmicos com alta precisão. Enquanto a aplicação do cGAN-Flood mostrou uma performance satisfatórias, mesmo em regiões geograficamente distintas e topologicamente diferentes, o novo modelo proposto no Capítulo 3 se comparou favoravelmente aos mapas de planícies de inundação da FEMA,apesar da simplicidade de seus dados de treinamento. Em conclusão, a pesquisa demonstra que os modelos DL, com mais desenvolvimento e treinamento, têm o potencial para aprimorar previsão de planícies de inundação, devido a simulações mais rápidas e estendendo a aplicabilidade a diferentes localizações sem re-treinamento. Esta pesquisa destaca o potencial desses modelos em preencher as lacunas nas práticas atuais de modelagem de inundações, o que é particularmente significativo para a previsão de inundações em tempo real e o desenvolvimento de estratégias de mitigação, especialmente em regiões em desenvolvimento, onde os recursos podem ser escassos, ou em maior escala
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 13.09.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LAGO, César Ambrogi Ferreira do. Application of deep learning for high-resolution flood mapping in urban watersheds. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18138/tde-18042024-113247/. Acesso em: 01 jun. 2024. -
APA
Lago, C. A. F. do. (2023). Application of deep learning for high-resolution flood mapping in urban watersheds (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18138/tde-18042024-113247/ -
NLM
Lago CAF do. Application of deep learning for high-resolution flood mapping in urban watersheds [Internet]. 2023 ;[citado 2024 jun. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18138/tde-18042024-113247/ -
Vancouver
Lago CAF do. Application of deep learning for high-resolution flood mapping in urban watersheds [Internet]. 2023 ;[citado 2024 jun. 01 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18138/tde-18042024-113247/ - Impactos da mudanças climáticas sobre a drenagem urbana subtropical com técnicas compensatórias
- Stormwater volume reduction and water quality improvement by bioretention: potentials and challenges for water security in a subtropical catchment
- Bioretention performance under different rainfall regimes in subtropical conditions: a case study in São Carlos, Brazil
- Learning from the operation, pathology and maintenance of a bioretention system to optimize urban drainage practices
- Performance of bioretention experimental devices: contrasting laboratory and field scales through controlled experiments
- HydroPol2D: distributed hydrodynamic and water quality model - challenges and opportunities in poorly-gauged catchments
- Nature-based solutions and real-time control: challenges and opportunities
- Evaluating low impact development practices potentials for increasing flood resilience and stormwater reuse through lab-controlled bioretention systems
Informações sobre o DOI: 10.11606/T.18.2023.tde-18042024-113247 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas