SENSORIAMENTO REMOTO APLICADO A MOVIMENTOS DE MASSA UMA REVISÃO SISTEMÁTICA

Barra lateral de artigos

PDF
Publicado: 05-11-2025
DOI: https://doi.org/10.56914/vigiles.v8n1a9
Palavras-chave:
Sensoriamento remoto, deslizamento de terra, mapeamento de área de risco geológico

Conteúdo do artigo principal

Peter Américo Peny Machado
Corpo de Bombeiros Militar do Rio Grande do Norte
https://orcid.org/0000-0002-2154-1098
Carlos Eduardo Guilarducci Fonseca
Corpo de Bombeiros Militar de Minas Gerais
https://orcid.org/0000-0002-7547-0176

Resumo

Este estudo investiga a aplicabilidade de técnicas de sensoriamento remoto para o mapeamento de deslizamentos de terra. Com o objetivo de aprimorar a produção de mapas de risco geológico, a pesquisa analisa as técnicas mais utilizadas atualmente, incluindo fotogrametria, radar de abertura sintética interferométrica (InSAR) e LiDAR (light detection and ranging). A metodologia adotada consistiu em uma revisão sistemática da literatura, seguindo o protocolo PRISMA, focando em estudos dos últimos cinco anos que utilizam tecnologias disponíveis no Brasil. Foram selecionados 30 artigos que atendiam aos critérios de inclusão, excluindo-se aqueles que demandam alto desempenho computacional, uso de inteligência artificial (IA) ou métodos geofísicos não focados em deslizamentos de terra. Os resultados indicaram que as três técnicas de sensoriamento remoto estudadas no trabalho apresentam diferenças significativas em termos de método de aquisição, processamento de dados e custo-benefício. A análise geográfica dos estudos incluídos revelou uma concentração maior de pesquisas no continente asiático, especialmente na China, seguida pela Europa e Estados Unidos. Este artigo contribui para a gestão e redução do risco de desastres, oferecendo uma base para a escolha de técnicas de sensoriamento remoto mais eficazes para o mapeamento de áreas de risco de deslizamentos de terra.

Detalhes do artigo

Edição

v. 8 n. 1 (2025): Vigiles

Seção

Artigo de Revisão Sistemática
Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Biografia do Autor

Peter Américo Peny Machado, Corpo de Bombeiros Militar do Rio Grande do Norte

Técnico em geologia pelo Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (2012), bacharel em Geofísica pela Universidade Federal do Rio Grande do Norte (2017), Mestre em Ciências e Engenharia do Petróleo na Unicamp e atualmente aluno do Curso de Formação de Oficiais no Corpo de Bombeiros Militar de Minas Gerais através do Corpo de Bombeiros Militar do Rio Grande do Norte. foi bolsista no programa Ciência sem Fronteiras durante a graduação na Portland State University de junho de 2014 a junho de 2015, participou no curso de geofísica aplicada Summer of Applied Geophysical Experience (SAGE) em Santa Fe, NM, EUA e estagiou na Université du Québec à Rimouski, financiado pelo programa Emerging Leaders in the Americas (ELAP), do governo do Canadá, de outubro de 2016 a março de 2017.

Carlos Eduardo Guilarducci Fonseca, Corpo de Bombeiros Militar de Minas Gerais

Doutorando (2024) e mestre em Administração pela Universidade Federal de Viçosa (2023), possui especialização em Gestão Pública (2015) e bacharelado em Administração Pública pela Universidade Federal de Juiz de Fora (2015). Graduado no Curso de Formação de Oficiais Bombeiro Militar, pela Academia de Polícia Militar de Minas Gerais (2011). Experiência profissional em gerenciamento de desastres, gestão de unidade de execução operacional do CBMMG (Pelotão e Companhia) nas cidades de São João del Rei e Ubá e atuação na linha de frente no municípios de Belo Horizonte e Muriaé. Exerceu docência em cursos de qualificação do CBMMG e especialização em Gestão Pública de Proteção e Defesa Civil pela UFJF e IFSudeste - Campus Santa Luzia, como docente convidado. Atualmente exerce a função de subchefia de divisão operacional, em comando intermediário, em Juiz de Fora.

Como Citar

MACHADO, Peter Américo Peny; FONSECA, Carlos Eduardo Guilarducci. SENSORIAMENTO REMOTO APLICADO A MOVIMENTOS DE MASSA: UMA REVISÃO SISTEMÁTICA. Vigiles, Belo Horizonte, Brasil, v. 8, n. 1, p. 1–31, 2025. DOI: 10.56914/vigiles.v8n1a9. Disponível em: https://vigiles.bombeiros.mg.gov.br/index.php/cbmmg/article/view/86. Acesso em: 6 nov. 2025.

Referências

AN, B. et al. A multi-source remote sensing satellite view of the February 22nd Xinjing landslide in the mining area of Alxa left Banner, China. Landslides, v. 20, n. 11, p. 2517–2523, 1 nov. 2023. Disponível em: https://link.springer.com/article/10.1007/s10346-023-02150-3. Acesso em: 22 fev. 2024.

BABBEL, B. J. et al. Evaluation of uncrewed aircraft systems’ LiDAR data quality. ISPRS International Journal of Geo-Information, v. 8, n. 12, 27 nov. 2019. Disponível em: https://www.mdpi.com/2220-9964/8/12/532. Acesso em: 18 fev. 2024.

BARBARELLA, M. et al. Use of DEMs derived from TLS and HRSI data for landslide feature recognition. ISPRS International Journal of Geo-Information, v. 7, n. 4, 1 abr. 2018. Disponível em: https://www.mdpi.com/2220-9964/7/4/160. Acesso: em 24 jan. 2024.

BRASIL. Lei nº 12.608, de 10 de abril de 2012. Institui a Política Nacional de Proteção e Defesa Civil - PNPDEC. Diário Oficial da União, Brasília, DF; 10 de abril de 2012; 191º da Independência e 124º da República. Disponível em: https://legislacao.presidencia.gov.br/atos/?tipo=LEI&numero=12608&ano=2012&ato=cf8ETRU1kMVpWT18a. Acesso em: 10 jan. 2024.

CAREY, J. A. et al. Analysis of Landslide Kinematics Using Multi-Temporal Unmanned Aerial Vehicle Imagery, La Honda, California. Environmental & Engineering Geoscience. 2019; 25 (4): 301–317. Disponível em: https://doi.org/10.2113/EEG-2228. Acesso em: 30 fev. 2024.

CASAGLI, N. et al. Landslide detection, monitoring and prediction with remote-sensing techniques. Nature Reviews Earth and Environment, v. 4, n. 1, p. 51–64, 1 jan. 2023. Disponível em: https://www.nature.com/articles/s43017-022-00373-x. Acesso em: 15 fev. 2024.

CHUDÝ, F. et al. Identification of micro-scale landforms of landslides using precise digital elevation models. Geosciences (Switzerland), v. 9, n. 3, 1 mar. 2019. Disponível em: https://www.mdpi.com/2076-3263/9/3/117. Acesso em: 11 fev. 2024.

COUTINHO, M. P. et al. Instrumentos de planejamento e preparo dos municípios brasileiros à Política de Proteção e Defesa Civil. Revista Brasileira de Gestão Urbana, v. 7, n. 3, p. 383–396, 2015. Disponível em: https://www.scielo.br/j/urbe/a/bG4wp9kjcjPLmk6GLNXzQ6b/. Acesso em: 20 fev. 2024.

CROSETTO, M. et al. Monitoring soil creep landsliding in an urban area using persistent scatterer interferometry (El Papiol, Catalonia, Spain). Landslides, v. 15, n. 7, p. 1317–1329, 1 jul. 2018. Disponível em: https://link.springer.com/article/10.1007/s10346-018-0965-5. Acesso em: 22 fev. 2024.

DAI, K. et al. Identification and evaluation of the high mountain upper slope potential landslide based on multi-source remote sensing: the Aniangzhai landslide case study. Landslides, v. 20, n. 7, p. 1405–1417, 1 jul. 2023. Disponível em: https://link.springer.com/article/10.1007/s10346-023-02044-4. Acesso em: 1 fev. 2024.

DAI, K. et al. Post-disaster assessment of 2017 catastrophic Xinmo landslide (China) by spaceborne SAR interferometry. Landslides, v. 16, n. 6, p. 1189–1199, 1 jun. 2019. Disponível em: https://link.springer.com/article/10.1007/s10346-019-01152-4. Acesso em: 1 fev. 2024.

DONG, X. et al. Identifying Potential Landslides on Giant Niexia Slope (China) Based on Integrated Multi-Remote Sensing Technologies. Remote Sensing. MDPI, 1 dez. 2022. Disponível em: https://www.mdpi.com/2072-4292/14/24/6328. Acesso em: 3 fev. 2024.

DU, Q. et al. Route Plans for UAV Aerial Surveys according to Different DEMs in Complex Mountainous Surroundings: A Case Study in the Zheduoshan Mountains, China. Remote Sensing, v. 14, n. 20, 1 out. 2022. Disponível em: https://www.mdpi.com/2072-4292/14/20/5215. Acesso em: 21 jan. 2024.

FULLIN, N. et al. Quantitative Characterization of Coastal Cliff Retreat and Landslide Processes at Portonovo–Trave Cliffs (Conero, Ancona, Italy) Using Multi-Source Remote Sensing Data. Remote Sensing, v. 15, n. 17, 1 set. 2023. Disponível em: https://www.mdpi.com/2072-4292/15/17/4120. Acesso em: 27 jan. 2024.

GÖRÜM, T. Landslide recognition and mapping in a mixed forest environment from airborne LiDAR data. Engineering Geology, v. 258, 14 ago. 2019. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0013795219303539. Acesso em: 12 fev. 2024.

GUO, C. et al. Geohazard Recognition and Inventory Mapping Using Airborne LiDAR Data in Complex Mountainous Areas. Journal of Earth Science, v. 32, n. 5, p. 1079–1091, 1 out. 2021. Disponível em: https://link.springer.com/article/10.1007/s12583-021-1467-2. Acesso em: 23 dez. 2023.

GUPTA, S. K.; SHUKLA, D. P. Application of drone for landslide mapping, dimension estimation and its 3D reconstruction. Journal of the Indian Society of Remote Sensing, v. 46, n. 6, p. 903–914, 1 jun. 2018. Disponível em: https://link.springer.com/article/10.1007/s12524-017-0727-1. Acesso em: 17 jan. 2024.

HU, X. et al. Internal kinematics of the Slumgullion landslide (USA) from high-resolution UAVSAR InSAR data. Remote Sensing of Environment, v. 251, 15 dez. 2020. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0034425720304272. Acesso em: 2 fev. 2024.

HUNG, C. L. J. et al. Multi-temporal high-resolution landslide monitoring based on uas photogrammetry and UAS lidar geoinformation. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives. International Society for Photogrammetry and Remote Sensing, 20 ago. 2019. Disponível em: https://scispace.com/pdf/multi-temporal-high-resolution-landslide-monitoring-based-on-3qpbul0bgx.pdf. Acesso em: 19 dez. 2023.

JOHAN EDEN, T.; ALIMUDDIN, I.; AZIKIN, B. Modeling vulnerability density of landslide using IFSAR DEM in Manuju and Bungaya District Gowa Regency, South Sulawesi. IOP Conference Series: Earth and Environmental Science. Institute of Physics Publishing, 3 jul. 2020. Disponível em: https://iopscience.iop.org/article/10.1088/1755-1315/500/1/012048. Acesso em: 11 dez. 2023.

KAKAVAS, M.; KYRIOU, A.; NIKOLAKOPOULOS, K. G. Assessment of freely available DSMs for landslide-rockfall studies. SPIE-Intl Soc Optical Eng, 17 set. 2020. Disponível em: https://www.spiedigitallibrary.org/conference-proceedings-of-spie/11534/115340R/Assessment-of-freely-available-DSMs-for-landslide-rockfall-studies/10.1117/12.2573604.short. Acesso em: 26 dez. 2023.

KOTSI, E. et al. Using UAS-Aided Photogrammetry to Monitor and Quantify the Geomorphic Effects of Extreme Weather Events in Tectonically Active Mass Waste-Prone Areas: The Case of Medicane Ianos. Applied Sciences (Switzerland), v. 13, n. 2, 1 jan. 2023. Disponível em: https://www.mdpi.com/2076-3417/13/2/812. Acesso em: 4 fev. 2024.

KOVANIČ, L. et al. Analysis of the suitability of high-resolution dem obtained using ALS and UAS (SfM) for the identification of changes and monitoring the development of selected geohazards in the alpine environment—A case study in high tatras, Slovakia. Remote Sensing, v. 12, n. 23, p. 1–25, 1 dez. 2020. Disponível em: https://www.mdpi.com/2072-4292/12/23/3901. Acesso em: 11 fev. 2024.

LIU, G. et al. Landslide movement monitoring with ALOS-2 SAR data. IOP Conference Series: Earth and Environmental Science. Institute of Physics Publishing, 4 mar. 2019. Disponível em: https://iopscience.iop.org/article/10.1088/1755-1315/227/6/062015. Acesso em: 16 jan. 2024.

LIU, M. et al. InSAR-based method for deformation monitoring of landslide source area in Baihetan reservoir, China. Frontiers in Earth Science, v. 11, 2023. Disponível em: https://www.frontiersin.org/journals/earth-science/articles/10.3389/feart.2023.1253272/full. Acesso em: 29 jan. 2024.

LIU, X. et al. Multi-temporal loess landslide inventory mapping with C-, X- and L-band SAR Datasets-A case study of Heifangtai loess landslides, China. Remote Sensing, v. 10, n. 11, 1 nov. 2018. Disponível em: https://www.mdpi.com/2072-4292/10/11/1756. Acesso em: 27 jan. 2024.

MINAS GERAIS. Plano de Comando. 5. Ed. Belo Horizonte: Corpo de Bombeiros Militar de Minas Gerais, 2023. Disponível em: https://www.bombeiros.mg.gov.br/storage/files/13/PLANO%20DE%20COMANDO%205%C2%AA%20EDI%C3%87%C3%83O%20-%202023-2024%20(vers%C3%A3o%20Web).pdf. Acesso em: 13 fev. 2024.

MOHAN, A. et al. Review on remote sensing methods for landslide detection using machine and deep learning. Transactions on Emerging Telecommunications Technologies, v. 32, n. 7, 1 jul. 2021. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1002/ett.3998. Acesso em: 20 fev. 2024.

MOHER, D. et al. Preferred Reporting Items for Systematic Reviews and Meta-Analyses: The PRISMA Statement. PLoS Med. 2009 Jul 21;6(7):e1000097. Disponível em: https://pubmed.ncbi.nlm.nih.gov/19621072/. Acesso em: 13 dez. 2023.

MUHADI, N. A. et al. The Use of LiDAR-Derived DEM in Flood Applications: A Review. Remote Sensing. MDPI AG, 1 jul. 2020. Disponível em: https://www.mdpi.com/2072-4292/12/14/2308. Acesso em: 23 dez. 2023.

RAMIREZ, R.; LEE, S. R.; KWON, T. H. Long-term remote monitoring of ground deformation using sentinel-1 interferometric synthetic aperture radar (INSAR): Applications and insights into geotechnical engineering practices. Applied Sciences (Switzerland), v. 10, n. 21, p. 1–20, 1 nov. 2020. Disponível em: https://www.mdpi.com/2076-3417/10/21/7447. Acesso em: 7 jan. 2024.

RODRIGUES, S. C.; AUGUSTIN, C. H. R. R.; NAZAR, T. I. S. M. Mapeamento Geomorfológico do Estado de Minas Gerais: uma proposta com base na morfologia. Revista Brasileira de Geomorfologia, v. 24, n. 1, 1 jan. 2023. Disponível em: https://rbgeomorfologia.org.br/rbg/article/view/2233. Acesso em: 15 jan. 2024.

SASSA, K.; MIKOS, M.; YIN, Y. Advancing Culture of Living with Landslides. [s.l.] Springer International Publishing, 2017. v. 1. Disponível em: https://link.springer.com/book/10.1007/978-3-319-59469-9. Acesso em: 7 fev. 2024.

TIWARI, A. et al. Multi-sensor geodetic approach for landslide detection and monitoring. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Copernicus GmbH, 15 nov. 2018. Disponível em: https://www.researchgate.net/publication/329007663_MULTI-SENSOR_GEODETIC_APPROACH_FOR_LANDSLIDE_DETECTION_AND_MONITORING. Acesso em: 20 fev. 2024.

UFSC. Universidade Federal de Santa Catarina. Centro Universitário de Estudos e Pesquisas sobre Desastres. Capacitação Básica em Defesa Civil. 2. ed. Brasília: CEPED UFSC, 2011. Disponível em: https://www.ceped.ufsc.br/wp-content/uploads/2012/01/Capacita%C3%A7%C3%A3o-B%C3%A1sica-em-Defesa-Civil-livro-texto.pdf. Acesso em: 8 jan. 2024.

WU, B. Photogrammetry for 3D Mapping in Urban Areas. Urban Book Series. [s.l.] Springer Science and Business Media Deutschland GmbH, 2021. p. 401–413. Disponível em: https://link.springer.com/chapter/10.1007/978-981-15-8983-6_23. Acesso em: 19 jan. 2024.

WU, Y. et al. Landslide and Debris Flow Disasters in China. SHI, P. (Ed.). Beijin: Springer Nature, 2016. p. 73–101. Disponível em: https://link.springer.com/chapter/10.1007/978-3-662-50270-9_3. Acesso em: 1 fev. 2024.

WUBALEM, A. Landslide Inventory, Susceptibility, Hazard and Risk Mapping. Landslides. [s.l.] IntechOpen, 2022. Disponível em: https://www.intechopen.com/chapters/79383. Acesso em: 3 fev. 2024.

XU, Q. et al. Mapping and characterizing displacements of landslides with InSAR and airborne LiDAR technologies: A case study of Danba county, southwest China. Remote Sensing, v. 13, n. 21, 1 nov. 2021a. Disponível em: https://www.mdpi.com/2072-4292/13/21/4234. Acesso em: 28 jan. 2024.

XU, Y. et al. Landslide monitoring and runout hazard assessment by integrating multi-source remote sensing and numerical models: an application to the Gold Basin landslide complex, northern Washington. Landslides, v. 18, n. 3, p. 1131–1141, 1 mar. 2021b. Disponível em: https://link.springer.com/article/10.1007/s10346-020-01533-0. Acesso em: 6 jan. 2024.

YI, Y. et al. Landslide Detection Using Time-Series InSAR Method along the Kangding-Batang Section of Shanghai-Nyalam Road. Remote Sensing, v. 15, n. 5, 1 mar. 2023. Disponível em: https://www.mdpi.com/2072-4292/15/5/1452. Acesso em: 24 jan. 2024.

ZAKHAROV, A.; ZAKHAROVA, L. The Bureya Landslide Recent Evolution According to Spaceborne SAR Interferometry Data. Remote Sensing, v. 14, n. 20, 1 out. 2022. Disponível em: https://www.mdpi.com/2072-4292/14/20/5218. Acesso em: 2 fev. 2024.

ZHAO, C. et al. Insar Application to Baige Landslide Event, China, from Fast Rescue to Catchment Investigation. [s.l]. 1 jul 2019. Disponível em: https://ieeexplore.ieee.org/document/8899168. Acesso em: 28 dez. 2023.

Artigos Semelhantes

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.