Cartographie de la susceptibilité aux glissements de terrain dans la région de Nova Friburgo (État de Rio de Janeiro, Brésil). Une étape vers l’évaluation et la gestion du risque

Les glissements de terrain sont considérés comme un risque majeur au Brésil, comme en témoigne la catastrophe récente de janvier 2011 dans l’État de Rio de Janeiro, faisant plus de 1500 victimes et causant de nombreux dégâts aux infrastructures urbaines et rurales de la région. En vue d’une meilleur...

Cijeli opis

Spremljeno u:
Bibliografski detalji
Izdano u:URI:https://journals.openedition.org/bagf,
Glavni autori: Bétard, François, Delbart, Nicolas, Piel, Clément
Format: Article ou chapitre numérique
Jezik:Français
Izdano: Bulletin de l’association de géographes français 2018
Teme:
Online pristup:Accès Université d'Orléans et IFPM
Accès Université d'Orléans et IFPM
Opis
Sažetak:Les glissements de terrain sont considérés comme un risque majeur au Brésil, comme en témoigne la catastrophe récente de janvier 2011 dans l’État de Rio de Janeiro, faisant plus de 1500 victimes et causant de nombreux dégâts aux infrastructures urbaines et rurales de la région. En vue d’une meilleure gestion du risque, les décideurs doivent pouvoir disposer de cartes de susceptibilité, leur permettant d’identifier les zones de leur territoire où de nouveaux glissements de terrain auront une plus forte probabilité de se déclencher dans le futur. Cette étude propose de tester une méthode de cartographie prédictive de la susceptibilité aux glissements dans la zone de Nova Friburgo – l’une des plus touchées par la catastrophe de janvier 2011 – en utilisant une approche probabiliste basée sur un modèle d’analyse spatiale bivariée (théorie de l’évidence). Après une procédure de calage et de validation statistique du modèle construit comme une combinaison de facteurs de prédisposition à l’occurrence de glissement de terrain, les résultats ont permis de réaliser une carte de la susceptibilité finale en cinq classes et d’interpréter le poids respectif de chacun des facteurs utilisés comme variables explicatives.