Autores

Listo, F.L.R. (USP E ANHEMBI MORUMBI) ; Ramos, H. (USP) ; Vieira, B.C. (USP)

Resumo

Um dos métodos utilizados em diversas áreas para previsão de áreas suscetíveis a escorregamentos rasos são os modelos matemáticos em bases físicas, que descrevem fisicamente os processos por meio de equações matemáticas. O objetivo deste trabalho foi avaliar a suscetibilidade à ocorrência de escorregamentos translacionais rasos, utilizando os modelos SHASLTAB e TRIGRS em uma bacia no município de Caraguatatuba (SP), afetada por vários escorregamentos e corridas de detritos em março de 1967. Foi gerado um cenário para cada modelo utilizando parâmetros topográficos e geotécnicos obtidos na literatura. O mapa de cicatrizes de escorregamentos foi utilizado para avaliar o desempenho de ambos os modelos usando os índices de (i) Concentração de Cicatrizes e (ii) Potencial de Escorregamentos. Em ambos os modelos foi verificada uma concordância entre as áreas mais instáveis e as cicatrizes; indicando um alto percentual de acerto.

Palavras chaves

SHALSTAB; TRIGRS; Escorregamentos translacionais rasos

Introdução

Em razão de perdas materiais e vítimas, diversos métodos vêm sendo desenvolvidos e aprimorados para a avaliação de áreas instáveis a escorregamentos translacionais rasos, comuns no Brasil, especialmente durante os períodos mais chuvosos. Nesse contexto, o uso de modelos matemáticos para a previsão de áreas instáveis pode ser uma ferramenta extremamente objetiva e de baixo custo no auxílio à redução das situações negativas geradas por estes processos. Estes modelos possuem como base a combinação de modelos de estabilidade e hidrológicos, baseados em leis físicas para quantificar a suscetibilidade a escorregamentos rasos (MORGENSTER e SANGREY, 1978; SELBY, 1993; TERLIEN et al., 1995; GUZZETTI et al., 1999; van WESTEN, 2004; entre outros). Nesta linha de pesquisa, se destacam os modelos SHALSTAB (Shallow Landslide Stability) (MONTGOMERY e DIETRICH, 1994); TRIGRS (Transient Rainfall Infiltration and Grid-based Regional) (IVERSON, 2000 e BAUM et al., 2002); entre outros. O modelo SHASLTAB, que calcula a quantidade de chuva necessária para a deflagração de escorregamentos, considerando o fluxo em subsuperfície paralelo à superfície, a condutividade hidráulica e a espessura do solo uniforme para toda a bacia (MONTGOMERY e DIETRICH, 1994), já foi aplicado com sucesso nos Estados Unidos (MONTGOMERY e DIETRICH, 1994), na Argentina (RAFAELLI et al., 2001), na Itália (SANTINI et al., 2009) e na Nova Zelândia (CLAESSENS et al., 2005). Em paisagens tropicais brasileiras foi utilizado por Ramos et al. (2002); Guimarães et al. (2003); Fernandes et al. (2004); Redivo et al. (2004); Gomes (2006); Zaidan e Fernandes (2009), Vieira et al. (2010); Listo e Vieira (2012); Michel et al. (2014) e Vieira e Ramos (2015). O modelo TRIGRS possui uma característica transiente e calcula a estabilidade a escorregamentos translacionais rasos em diferentes espessuras do solo conforme o avanço da infiltração decorrente da intensidade e da duração da chuva ao longo do tempo (IVERSON, 2000; BAUM et al., 2002). Este modelo já foi aplicado por Godt et al. (2006) na região de Seattle (EUA) e, no Brasil, por Rabaco (2005); Vieira et al. (2010) e Listo e Vieira (2015). A Serra do Mar é frequentemente afetada por escorregamentos rasos, destacando-se os eventos ocorridos em Caraguatatuba em 1967, Cubatão em 1985, Santa Catarina em 2008, Angra dos Reis em 2010 e nas Regiões Serranas do Rio de Janeiro e do Paraná em 2011. Em função disto, o objetivo deste trabalho foi avaliar a estabilidade das encostas utilizando-se os modelos SHASTAB e TRIGRS na Bacia do Rio Guaxinduba em Caraguatatuba (SP) na região da Serra do Mar a partir de valores geotécnicos e hidrológicos da literatura. A bacia do Rio Guaxinduba (24 km2) foi uma das mais afetadas pelos escorregamentos de 1967 em todo o município. Apresenta ângulos superiores à 30º e inferiores a 20º, localizados na área de planalto e na planície alveolar, a jusante. Predominam encostas retilíneas e convexas e em menor percentual as côncavas (VIEIRA e RAMOS, 2015). Há predomínio de solos do tipo Latossolo Vermelho e Amarelo, Argissolos Vermelho-Amarelos e Neossolos poucos desenvolvidos com textura média argilosa e alguns fragmentos de Espodossolos e Neossolos quartzarênicos (DE PLOEY e CRUZ, 1979). Os solos da bacia apresentam valores altos para as frações de areia (80%) com uma composição granulométrica variável (FERREIRA, 2013). A condutividade hidráulica (Ksat) varia entre 10-4m/s e 10-7m/s e, embora os valores sejam relativamente homogêneos, ocorrem algumas descontinuidades hidráulicas em função de variações granulométricas ao longo dos perfis e mudanças na porosidade (GOMES, 2012). O ângulo de atrito interno varia entre 25º a 36º e os valores de coesão entre 2kPa a 11kPa (FERREIRA, 2013). Segundo Guidicini e Iwasa (1976), a bacia possui uma média anual de precipitação em torno de 2000 mm, condicionando uma cobertura vegetal de Mata Atlântica (OKIDA, 1996).

Material e métodos

Ambos os modelos calculam a suscetibilidade aos escorregamentos translacionais utilizando parâmetros topográficos e geotécnicos. Assim, foi gerado um cenário de suscetibilidade para cada modelo a partir de dados da literatura, que foram posteriormente validados utilizando-se um mapa das cicatrizes dos escorregamentos de 1967. É importante destacar que os modelos apesentam algumas diferenças em suas estruturas matemáticas, sobretudo em relação ao modelo hidrológico, à variável tempo e aos parâmetros pluviométricos (necessários somente ao modelo TRIGRS). Em relação aos parâmetros topográficos, no modelo SHALSTAB foi utilizado um Modelo Digital do Terreno (MDT) com resolução de 5m2 elaborado no módulo Topo to Raster (ArcGIS) a partir da digitalização de seis cartas topográficas em escala 1:10.000. No TRIGRS, os valores topográficos foram obtidos por meio de um MDT com resolução de 25m2 fornecido pela EMPLASA (2011). Neste caso, o MDT foi elaborado utilizando-se a tecnologia LiDAR (Light Detection and Ranging) por meio de nuvens de pontos coletados. Nos parâmetros geotécnicos, o modelo SHASLTAB necessita de quatro parâmetros (coesão, densidade e espessura do solo e ângulo de atrito), obtidos a partir de pesquisas de Cruz (1974) e Wolle e Carvalho (1989), que realizaram estudos em áreas com características geomorfológicas, geotécnicas e hidrológicas próximas àquelas encontradas na Bacia do Guaxinduba. Já para o TRIGRS são necessários oito parâmetros (coesão, densidade e espessura do solo, ângulo de atrito, altura inicial do lençol freático, taxa de infiltração inicial, difusidade hidráulica e condutividade hidráulica), que foram retirados do melhor cenário de suscetibilidade obtido por Vieira et al. (2010) na Bacia da Copebrás (Cubatão) também a partir da coleta in situ realizada por Wolle e Carvalho (1989). Os parâmetros pluviométricos (modelo TRIGRS) foram extraídos de três postos pluviométricos do Sistema SIGRH/DAEE (Sistema Integrado de Gerenciamento de Recursos Hídricos do Estado de São Paulo/Departamento de Águas e Energia Elétrica), considerando a consistência dos dados; a localização geográfica do posto em relação à Bacia do Guaxinduba e as séries temporais (chuvas diárias e mensais) relativas aos escorregamentos de 17 e 18 de março de 1967. Para a validação dos cenários foi realizada uma análise de concordância com o mapa de cicatrizes dos escorregamentos de 1967 de Vieira e Ramos (2015). Estes autores identificaram 188 cicatrizes, das quais, foram calculados os índices baseados em Gao (1993): Concentração de Cicatrizes (CC) e Potencial de Escorregamentos (PE). Em cada cenário também foi calculado o índice Frequência de Distribuição (FD) (porcentagem de classes de estabilidade previstas pelos modelos). Especificamente para o SHALSTAB foi realizada uma análise de sensibilidade conforme Michel (2010), na qual, mensurou-se o grau de resposta do modelo a partir da variação em intervalos regulares para mais e para menos de cada um dos parâmetros (HAMMOND et al.,1992), definindo-se um valor central. Também específico para o TRIGRS, foram calculados os percentuais das áreas instáveis (FS entre 0,4 e 1,0) sem presença de cicatrizes e das áreas estáveis (FS entre 1,0 e 7,0) com a presença de cicatrizes, conforme Salciarini et al. (2006). De acordo com esses autores, existem dois tipos de erros de previsão: aquele que prevê a instabilidade, mas não ocorreram escorregamentos; e outro no qual é feita a previsão de estabilidade, no entanto, existem cicatrizes.

Resultado e discussão

Modelo SHALSTAB Na análise da sensibilidade do modelo, a Fig. 1 mostra um aumento expressivo das áreas instáveis, sobretudo com a alteração dos parâmetros ângulo de atrito interno (aumento de 60% da área instável) e coesão (aumento de 30% da área instável). Esse padrão foi também encontrado por Michel et al. (2014), em que a análise de sensibilidade apresentou um aumento expressivo com a redução dos valores destes dois parâmetros e uma tendência à estabilização em torno de 4%. Vale destacar que na visualização dos resultados espacializados pelo modelo, quando os valores de coesão e ângulo de atrito interno foram elevados, os mapas apresentaram áreas incondicionalmente estáveis cada vez mais expressivas, abrangendo quase a totalidade da bacia. Com relação à profundidade do solo, variando os valores entre 0,5m e 3,5m, com ponto central em 2m, notou-se uma redução de até 15% da área instável considerando os solos mais rasos, e uma ampliação de 15% da mesma área à medida que o solo foi considerado mais profundo. A densidade do solo também apresentou tendência a se estabilizar. A amplitude de sua variação registrou apenas 13% entre o valor mais baixo e o mais alto sendo possível notar uma redução da área instável com a redução do valor deste parâmetro. Com relação ao mapa de suscetibilidade (Fig. 2), houve uma distribuição das cicatrizes por todas as classes de instabilidade. Em relação aos valores de CC (Fig. 2) aproximadamente 55% das cicatrizes dos escorregamentos se concentraram nas classes mais instáveis, sendo elas: 16% (incondicionalmente instável), 13% (log Q/T <-3,1), 12% (log Q/T -3,1 à -2,8) e 14% (log Q/T -2.8 à -2,5). Adicionalmente, 45% das cicatrizes se concentraram nas classes “estáveis”, sendo elas; 16% (incondicionalmente estável), 10% (log Q/T >-2,2) e 18% (log Q/T -2,5 à -2,2). As diferenças entre o planalto e as escarpas podem explicar os resultados, uma vez que o planalto concentrou uma parte da área classificada como incondicionalmente estável com a presença de cicatrizes de escorregamentos. Outra explicação seria a existência, nessa área de planalto, de cicatrizes de escorregamentos rotacionais não previstos pela estrutura matemática do SHALSTAB. Os percentuais de CC são bastante similares àqueles encontrados na literatura. Na Serra de Cubatão, Vieira et al. (2010) encontraram também valores superiores a 50% de CC nas áreas instáveis. Montgomery e Dietrich (1994), em estudos realizados em Berkeley (EUA), reportaram que de 83% a 100% do total das cicatrizes atingiram limites de log (Q/T) <-2.5. Os valores de PE (Fig. 2) confirmaram a eficiência do modelo, pois houve um maior percentual nas classes mais instáveis, com destaque para classe incondicionalmente instável (8%). Valores bem aproximados foram verificados por Teixeira et al. (2014) em estudos recentes realizados na bacia do rio Tibo, noroeste de Portugal, onde mais de 80% de cicatrizes coincidiram com classes mais instáveis. Modelo TRIGRS Neste modelo (Fig. 3) a classe mais instável (0,4 e 0,8) possui uma FD de 61% da área total, sendo, portanto, a classe mais frequente (Fig. 3). A classe seguinte, FS entre 0,8 e 1,0, apresentou percentual em torno de 11%. Com a soma dessas duas classes (FS≤1), a bacia possui 72% de áreas instáveis. As classes estáveis (FS>1) totalizaram um percentual de 28%. Em relação à CC, 54% coincidiram com a classe mais instável (0,4 e 0,8) e a classe seguinte (0,8 e 1,0) apresentou 13%. Juntas (FS≤1) este índice alcançou cerca de 67% (Fig. 3). O PE foi alto (8%) para as classes instáveis (FS≤1), confirmando a eficiência do modelo (Fig. 3). A distribuição espacial da maior parte das áreas de instabilidade (FS≤1) encontra-se nas encostas com duas grandes classes de áreas de contribuição (1,81m² a 2,30m² e 2,31m² a 6,32m²), ângulos acima de 30º e 40º e predomínio de formas retilíneas. O intervalo de 20º a 30º representa a classe que obteve o maior número de cicatrizes, aproximadamente 37%; as encostas retilíneas obtiveram 45% do total de cicatrizes e com relação à área de contribuição, a classe 1,81m² a 2,30m² capturou cerca de 50% das cicatrizes. Comparando-se a outros valores encontrados na literatura, Vieira et al. (2010) verificaram índices de FD mais elevados nas classes mais estáveis (FS>1), cerca de 57%. Entretanto, a CC foi mais elevada nas classes de maior instabilidade, aproximadamente 25% na classe 0,4 e 0,8 e 40% na segunda classe mais instável (0,8 e 1,0). Assim, o somatório da CC das classes mais instáveis equivaleu a aproximadamente 65%. Da mesma forma, o PE apresentou o valor mais elevado em classes instáveis com aproximadamente 6,5%, indicando um alto percentual de acerto. Bisanti et al. (2005) aplicaram o TRIGRS em uma região da Suíça também utilizando dados da literatura. No caso da espessura de solos, por exemplo, este valor foi retirado a partir de um mapa de ângulo, correspondendo a 3m nas áreas íngremes, ou seja, coincidindo com o mesmo valor de espessura de solo utilizado neste cenário. De acordo com esses autores, o modelo capturou cerca de 40% do total de escorregamentos, considerando-se que apenas cerca de 13% da área foi prevista como instável. Godt et al. (2006) aplicaram o modelo na região de Seattle (EUA) e observaram que cerca de 90% dos escorregamentos mapeados coincidiram com a região prevista como instável. O modelo apresentou 30% de áreas instáveis sem a presença de cicatrizes e 9% de áreas estáveis com cicatrizes. Resultados semelhantes foram verificados por Vieira et al. (2010), que encontraram entre 30% e 40% de áreas instáveis sem a presença de cicatrizes e menos de 1% de áreas estáveis com cicatrizes. No caso das áreas instáveis sem a presença de cicatrizes, os autores verificaram uma influência significativa entre os cenários avaliados em função do aumento da espessura do solo, que gerou um acréscimo de 10% no valor destas áreas.

Fig. 1

Análise de sensibilidade do SHALSTAB.

Fig. 2

Mapa de suscetibilidade gerado pelo modelo SHALSTAB e índices de FD; CC e PE. Parâmetros utilizados: c’ = 5,5kPa; ρs = 14,5kN/m³; Zmax = 2m; ϕ = 28º.

Fig. 3

Mapa de suscetibilidade (TRIGRS) e índices FD; CC e PE. (c’=1kPa; ρs=17,1kN/m³; Zmax=3m; ϕ=34º; d=3m; ILT=1,0x10-9m/s; D0=5,5x10-4 m2/s e Ks=10-6m/s).

Considerações Finais

Comparando-se os cenários gerados pelos modelos SHASLTAB e TRIGRS, foi possível verificar que o SHASLTAB apresentou a maior frequência na classe considerada estável; entretanto houve uma porcentagem elevada de CC e de PE na classe mais instável. O TRIGRS, por sua vez, apresentou a maior frequência, concentração e potencial na classe mais instável. Ambos os modelos baseiam-se em equações físicas e a grande vantagem em relação aos demais métodos é a não incorporação de eventos pretéritos em sua análise, como em outros métodos (ex. estatísticos). Nesse sentido, o modelo TRIGRS, mostrou-se mais complexo, por necessitar de um número maior de parâmetros. Ressalta-se que os mapas de suscetibilidade gerados pelos modelos podem ser utilizados na indicação de áreas de monitoramento e de levantamento de algumas propriedades dos solos, sobretudo porque existe uma grande dificuldade de acesso em muitas bacias hidrográficas, além de uma elevada variabilidade espacial pedológica e geotécnica.

Agradecimentos

Os autores agradecem ao CNPq (Edital Universal 480515/2011-5) e à FAPESP (Processo 2014/10109-2) pelo apoio financeiro de parte desta pesquisa. À EMPLASA (Contrato de Licença de uso CLU Nº 049/14) pela doação do MDT do município de Caraguatatuba.

Referências

BAUM; R. L.; SAVAGE, W. Z.; GODT, J. W. TRIGRS: A Fortran Program for Transient Rainfall Infiltration and Grid-Based Regional Slope-Stability Analysis. U.S. Geological Survey Open-File Report, v. 02, 35 pp, 2002.
BISANTI, B.; MOLNAR, P.; BURLANDO,P. Predicting rainfall triggered soil slips: a case study in the Emmental Region (Switzerland). In: 3rd Swiss Geoscience Meeting, 2005, Zurich. Annals of 3rd Swiss Geoscience Meeting, 2005, p- 1-2.
CLAESSENS, L., HEUVELINK, G.B.M., SCHOORL, J.M., VELDKAMP, A. (2005). DEM resolutions effects on shallow landslide hazard and soil redistribution modeling. Earth Surface Processes and Landforms, v. 30, p. 461-477, 2005.
CRUZ, O. A Serra do Mar e o litoral na área de Caraguatatuba: contribuição à geomorfologia litorânea. São Paulo. (Série teses e monografias,n. 11). Tese (Doutorado em Geografia) - Instituto de Geografia - Universidade de São Paulo, 181p, 1974.
DE PLOEY, Y.; CRUZ, O. Landslides in the Serra do Mar, Brazil. Catena, v. 6, p. 111-122, 1979.
EMPRESA PAULISTA DE PLANEJAMENTO METROPOLITANO – EMPLASA. Projeto de Atualização Cartográfica do Estado de São Paulo (Projeto Mapeia São Paulo). Empresa Paulista de Planejamento Metropolitano S/A – Emplasa; Diretoria de Planejamento – DPL e Unidade de Cartografia – UCA, 2011.
FERNANDES, N. F.; GUIMARAES, R. F.; GOMES, R. A. T.; VIEIRA, B. C.; MONTGOMERY, D. R.; GREENBERG, H. Topographic controls of landslides in Rio de Janeiro: field evidence and modeling. Catena, v.55, p. 163-181, 2004.
FERREIRA, S. F. Análise da influência das propriedades físicas do solo na deflagração dos escorregamentos translacionais rasos na Serra do Mar (SP). Dissertação (Mestrado em Geografia Física) - Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo. USP, São Paulo, 112 p., 2013.
GAO, J. Identifi cation of topographic settings conductive to landsliding from Nelson County, Virginia, U.S.A. Earth Surface Processes and Landforms, v. 18, p. 579-591, 1993.
GODT, J. W., BAUM, R.L.; CHLEBORAD, A. F. Rainfall Characteristics for shallow landsliding in Seattle, Washington, EUA. Earth Surface Process Landforms, v. 31, p. 97-110, 2006.
GOMES, M. C. V. Análise da influência da condutividade hidráulica saturada dos solos nos escorregamentos rasos na bacia do rio Guaxinduba (SP). Dissertação (Mestrado em Geografia Física) - Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo. USP, São Paulo, 138 p., 2012.
GOMES, R.A.T. Modelagem de previsão de movimentos de massa a partir da combinação de modelos de escorregamentos e corridas de massa. Tese (Doutorado em Geografia) – Universidade Federal do Rio de Janeiro. UFRJ, Rio de Janeiro, 102 p., 2006.
GUIDICINI, G.; IWASA, O. W. Ensaio de correlação entre pluviosidade e escorregamentos em meio tropical úmido. Simp. Landslides and other mass movements. IAEG-IPT, São Paulo, 1080 p., 1976.
GUIMARÃES, R.F., MONTGOMERY, D. R., GREENBERG, H. M., FERNANDES, N.F., GOMES, R. A.T., CARVALHO JÚNIOR, O.A. Parameterization of soil properties for a model of topographic controls on shallow landsliding: application to Rio de Janeiro. Engineering Geology, v. 69, p. 99-108, 2003.
GUZZETI, F., CARRARA, A; CARDINALI, M; REICHENBACH, P. Landslides hazard evaluation: a review of current techniques and their application in amulti-scale study, Central Italy. Geomorphology, v. 31, p. 181-216, 1999.
HAMMOND, C.; HALL D.; MILLER, S.; SWETIK P. Level I Stability Analysis (LISA) Documentation for Version 2.0. General Technical Report, 1992.
IVERSON, R. M. Landslide triggering by rain infiltration. Water Resources Research, v. 36, p. 1897-1910, 2000.
LISTO, F.L.R.; VIEIRA, B. C. Mapping of risk and susceptibility of shallow-landslide in the city of São Paulo, Brazil. Geomorphology, v. 169–170, p. 30–44, 2012.
LISTO, F.L.R.; VIEIRA, B.C. influência de parâmetros geotécnicos e hidrológicos na previsão de áreas instáveis a escorregamentos translacionais rasos utilizando o modelo TRIGRS. Revista Brasileira de Geomorfologia, São Paulo, v.16, n.3 (Jul-Set), p.485-500, 2015.
MICHEL, G. P., Estudo de Escorregamentos na Bacia do Rio cunha, Rio dos Cedros/SC, com os Modelo Shalstab e Sinmap, Florianópolis: Departamento de Engenharia Ambiental e Sanitária-UFSC, Trabalho de Graduação, 2010.
MICHEL, G.P.; KOBIYAMA, M.; GOERL, R.F. Comparative analysis of SHALSTAB and SINMAP for landslide susceptibility mapping in the Cunha River basin, southern Brazil. Journal of soils and sediments, v.14, p. 1266-1277, 2014.
MONTGOMERY, D.R.; DIETRICH, W.E. A physically-based model for the topographic control on shallow landsliding. Water Resources Research, v. 30, p. 1153-1171, 1994.
MORGENSTERN, N. R.; SANGREY, D. A. Methods of Stability Analysis. In: SCHURTER, R.L.; KRIZEK, R.J. (Eds.). Landslides: Analysis and Controls. TRB Special Reports, Washington, D.C. NAS-NRC, p. 155-171, 1978.
OKIDA, R. Técnicas de sensoriamento remoto como subsídio ao zoneamento de áreas sujeitas a movimentos gravitacionais de massa e a inundações. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais. INPE, São José dos Campos, 125p., 1996.
RABACO, L. M. L. (2005). Avaliação de Modelos de Susceptibilidade a Movimentos Gravitacionais de Massa numa Faixa de Dutos. Dissertação de Mestrado. Universidade do Estado do Rio de Janeiro. Rio de Janeiro, pp. 162.
RAFAELLI, S.G., MONTGOMERY, D.R., GREENBERG, H.M. A comparison of thematic of erosional intensity to GIS-driven process models in an Andean drainage basin. Journal of Hydrology, v. 244, p. 33-42, 2001.
RAMOS, V.M., GUIMARÃES, R.F., REDIVO, A.L., GOMES, R.A.T., FERNANDES, N.F., CARVALHO FILHO, O.A. Aplicação do modelo SHALSTAB em ambiente Arcview para o mapeamento de áreas suscetíveis a escorregamentos rasos na região do Quadrilátero Ferrífero-MG. Espaço e Geografia, v. 5, p. 49-57, 2002.
REDIVO, A.L., RAMOS, V.M., GUIMARÃES, R.F., JÚNIOR, O.A.D.C., GOMES, R.A.T. Determinação de áreas susceptíveis a escorregamentos na BR 256 no município de Ouro Preto-MG. Ciência e Natura, v. 26, p. 31-46, 2004.
SALCIARINI, D.; GODT, J. W.; SAVAGE, W.Z; CONVERSINI, P; BAUM, R.L; MICHAEL, J.L. Modeling regional initiation of rainfall-induced shallow landslides in the eastern Umbria Regional of Central Italy. Landslides, v. 3, p. 181-194, 2006.
SANTINI, M., GRIMALDI, S., NARDI, F., PETROSELLI, A., RULLI, M.C. Pre-processing algorithms and landslide modelling on remotely sensed DEMs. Geomorphology, v. 113, p. 110-125, 2009.
SELBY, M. J. Hillslope: materials & processes. Oxford University Press, New York, USA, edition 02, 480 p., 1993.
TEIXEIRA, M; BATEIRA, C.; MARQUES, F.; VIEIRA, B.C. Physically-Based shallow translational landslide susceptibility analysis in Tibo Catchment – NW of Portugal. Landslides.10.1007/s10346-014-0494-9. 2014.
TERLIEN, M T. J.; ASCH, T. W. J.; VAN WESTEN, C. J. Deterministic modeling in GIS-Based landslide hazard assessment. In: CARRARA, A.; GUZZETTI, F. (Eds.): Geographical Information System in Assessing Hazards. Kluwer Academic Publishers, Dordrecht, p. 57-78, 1995.
VAN WESTEN, C. J. Geo-information tools for landslide risk assessment: an overview of recent development In Landslides: Evaluation and Stabilization. Taylor & Francis Group, Rio de Janeiro, p. 39-53, 2004.
VIEIRA, B. C.; FERNANDES, N. F.; AUGUSTO FILHO, O. Shallow landslide prediction in the Serra do Mar, São Paulo, Brazil. Natural Hazards and Earth System Sciences (Print), v. 10, p. 1829-2010, 2010.
VIEIRA, B.C.; RAMOS, H. Aplicação do modelo SHALSTAB para mapeamento da suscetibilidade a escorregamentos rasos em Caraguatatuba, Serra do Mar (SP). Revista do Departamento de Geografia da Universidade de São Paulo, v. 29, p. 172-185, 2015.
WOLLE, C. M.; CARVALHO, C.S. Deslizamentos em encostas na Serra do Mar - Brasil. Solos e Rochas, v. 12, p.27-36, 1989.
ZAIDAN, R.T.; FERNANDES, N.F. Zoneamento de suscetibilidade a escorregamentos em encostas aplicado à bacia de drenagem urbana do Córrego da Independência – Juiz de Fora (MG). Revista Brasileira de Geomorfologia, v. 10, p. 57-76, 2009.
ZIZIOLI, D.; MEISINA, C.; VALENTINO, R.; MONTRASIO, L. Comparison between different approaches to modeling shallow landslide susceptibility: a case history in Oltrepo Pavese, Northern Italy. Natural Hazards and Earth System Sciences, v. 13, p. 559-573, 2013.