Uma Análise Teórica Sistemática Sobre os Impactos dos Movimentos de Massa em Malhas Viárias
DOI:
https://doi.org/10.21664/2238-8869.2026v15i3.8164Palabras clave:
movimentos de massa, infraestrutura viária, conectividade territorial, gestão de riscosResumen
Os movimentos de massa representam uma ameaça à infraestrutura viária, com consequências para a mobilidade, a conectividade territorial e as atividades econômicas. Assim, este estudo teve como objetivo sistematizar o conhecimento sobre os impactos desses processos nas malhas viárias, considerando seus condicionantes, as consequências socioeconômicas e as estratégias de prevenção e mitigação. A pesquisa adotou uma abordagem qualitativa, fundamentada em revisão bibliográfica e busca de publicações revisadas por pares no Portal de Periódicos CAPES, utilizando os termos “landslides AND roads”, no período de 1965 a 13 de fevereiro de 2025. A busca identificou 4.652 documentos, dos quais foram examinados os 30 primeiros registros, selecionando-se 20 artigos relacionados ao tema para discussão. A análise indicou que os impactos decorrem da interação entre características geológicas e geomorfológicas, precipitação e intervenções humanas, como cortes de encostas e alterações na drenagem. As consequências abrangem danos à infraestrutura, isolamento de comunidades, dificuldades de acesso a serviços essenciais e prejuízos ao transporte de insumos e produtos agrícolas. Os estudos também destacaram a contribuição do sensoriamento remoto, do geoprocessamento e da modelagem de suscetibilidade para identificar setores críticos e subsidiar intervenções. Conclui-se que a gestão dos riscos deve integrar a avaliação das encostas à vulnerabilidade e à conectividade das redes de transporte, orientando ações de manutenção preventiva, monitoramento e recuperação. A síntese oferece fundamentos para pesquisas aplicadas ao contexto brasileiro, especialmente às áreas afetadas pelos eventos de 2024 no Rio Grande do Sul.
Citas
Agrolink RS. 2024. Perdas safra de caqui ameaçam produtores. Disponível em: https://www.agrolink.com.br/noticias/perdas-safra-de-caqui-ameacam-produtores_491358.html. Acesso em: 28 mar. 2025.
Aleotti, P.; Chowdhury, R. 1999. Landslide hazard assessment: summary review and new perspectives. Bulletin of Engineering Geology and the Environment, v. 58, p. 21-44.
Almeida, A. C.; Medeiros, T. M.; Ferreira, M. C. 2020. Impactos das mudanças climáticas sobre deslizamentos de terra no Brasil. Revista Brasileira de Geografia Física, v. 13, p. 2045-2062.
Bateleur.2024. Macro Impactos Econômicos das Enchentes no Rio Grande do Sul. Disponível em: https://www.bateleur.com.br/public/files/uUbjnQk1CkeLm7wypXBu5Qj8SvrN9ilsHlXbPz6m.pdf. Acesso em: 07 jul. 2024.
Berlin, M. A.; Anand, S. 2014. Direction based Hazard Routing Protocol (DHRP) for disseminating road hazard information using road side infrastructures in VANETs. Springer Plus. 3, 173. https://doi.org/10.1186/2193-1801-3-173
Bíl, M. et al. 2015. Evaluating road network damage caused by natural disasters in the Czech Republic between 1997 and 2010. Transportation Research Part A: Policy and Practice, 80, 90–103. https://doi.org/10.1016/j.tra.2015.07.006
Bordoni, M.; et al. 2018. Estimation of the susceptibility of a road network to shallow landslides with the integration of the sediment connectivity, Nat. Hazards Earth Syst. Sci., 18, 1735–1758. https://doi.org/10.5194/nhess-18-1735-2018
Bozhinova-Haapanen, A. 2016. Stabilizing the Landslide on Road E87 Burgas – Malko Tarnovo, Bulgaria. Procedia Engineering. 143, Pages 650-657. https://doi.org/10.1016/j.proeng.2016.06.092
Burrough, P. A.; Mcdonnell, R. A.; Lloyd, C. D. 2015. Principles of geographical information systems. 3. ed. Oxford: Oxford University Press.
Câmara, G.; Davis, C. (Org.). 2001. Geoprocessamento para Projetos Ambientais. São José dos Campos: INPE. Disponível em: http://www.dpi.inpe.br/gilberto/livro/. Acesso em: 05 fev. 2025
Cardenal, J.; et al. 2019. Measurement of Road Surface Deformation Using Images Captured from UAVs. Remote Sens. 11, 1507. https://doi.org/10.3390/rs11121507
Carvalho, R. C.; et al. 2019. Geomorphological and cover land conditioning factors of the mass movementsin the mountainous region of Rio de Janeiro. Caderno de Geografia, v.29, n.56. https://doi.org/10.5752/P.2318-2962.2019v29n56p27
Casagli, N.; Tofani, V. 2025. Landslide science for sustainable development. Landslides. https://doi.org/10.1007/s10346-025-02459-1
Chau, K. T.; et al. 2004. Landslide hazard analysis for Hong Kong using landslide inventory and GIS. Computers & Geosciences. 30, 4. https://doi.org/10.1016/j.cageo.2003.08.013
Cemaden/MCTI. 2025. Centro Nacional de Monitoramento e Alertas de Desastres Naturais. Risco Hidrológico. Disponível em: https://www.gov.br/cemaden/pt-br/assuntos/riscos-geo-hidrologicos/04-05-e-06-05-2024-previsao-de-riscos-geo-hidrologicos?utm_source=chatgpt.com. Acesso em: 29 mar 2025.
Coelho Netto, A. L.; Lins-De-Barros, F. M.; Macedo, E. S. 2013. Processos geo-hidrológicos e desastres naturais: lições da tragédia na Serra Fluminense, Sudeste do Brasil, em janeiro de 2011. Revista Brasileira de Geomorfologia, v. 14, p. 3-20.
Collischonn, W.; et al. 2024. Unprecedented April-May 2024 rainfall in South Brazil sets new record. Brazilian Journal of Water Resources, Technical Note. Porto Alegre, v. 29, e50. https://doi.org/10.1590/2318-0331.292420240088
Defesa Civil - Ministério Da Integração Nacional Secretaria Nacional De Defesa Civil. 2007. Manual para a decretação de situação de emergência ou de estado de calamidade pública. Volume I. Brasília. Disponível em: https://www.defesacivil.rs.gov.br/upload/arquivos/201511/04145516-02-manual-para-decretacao-de-situacao-de-emergencia-ou-de-estado-de-calamidade-publica-volume-1.pdf. Acesso em: 07 jul. 2024.
Defesa Civil – Casa Militar. 2024. Enchentes: Defesa Civil atualiza balanço das enchentes no RS – 20/8. Disponível em: https://www.estado.rs.gov.br/defesa-civil-atualiza-balanco-das-enchentes-no-rs-20-8. Acesso em: 23 jan. 2025.
DNIT. Departamento Nacional de Infraestrutura de Transportes. 2020. Normas para estabilização de taludes rodoviários. Brasília: DNIT. Disponível em: https://www.gov.br/dnit/pt-br/assuntos/planejamento-e-pesquisa/ipr/coletanea-de-normas/coletanea-de-normas/especificacao-de-servico-es/dnit_074_2006_es.pdf. Acesso em: 28 mar 2025.
Eker, R.; Aydin, A. Assessment of forest road conditions in terms of landslide susceptibility: a case study in Yığılca Forest Directorate (Turkey). Turkish Journal of Agriculture and Forestry, Vol. 38: No. 2, Article 14. 2014.
Emater. Relatório de perdas agrícolas – Maio/2024. Disponível em: https://www.emater.tche.br/. Acesso em: 4 abril 2025.
Emberson, R.; et al. 2022. Insights from the topographic characteristics of a large global catalog of rainfall-induced landslide event inventories. Nat. Hazards Earth Syst. Sci., 22, pp. 1129-1149. https://doi.org/10.5194/nhess-22-1129-2022
Fang, K.; et al. 2023. Centrifuge modelling of landslides and landslide hazard mitigation: A review. Geoscience Frontiers. Volume 14, Issue 1, January, 101493. https://doi.org/10.1016/j.gsf.2022.101493
Fell, R.; et al. 2008. Guidelines for landslide susceptibility, hazard and risk zoning for land-use planning. Engineering Geology, v. 102, n. 3-4, p. 85-98.
Fernandes, N. F.; Amaral, C. P. 2019. Geologia e processos de instabilidade em encostas tropicais. Revista de Geociências Aplicadas, v. 7, p. 35-49.
G1. 2024. Chuvas interditam 48 trechos em estradas federais do RS, diz ministro; reconstrução já começou. Disponível em: https://g1.globo.com/rs/rio-grande-do-sul/noticia/2024/05/03/chuvas-interditam-48-trechos-em-estradas-federais-do-rs-diz-ministro-reconstrucao-ja-comecou.ghtml. Acesso em: 13 fev. 2025.
Gall, M. D.; Gall, J. P.; Borg, W. R. 2013. Applying educational research: How to read, do and use research to solve problems of practice. 7th edition. Pearson.
Gamba, P.; Marchese, F. 2019. Remote sensing for disaster management: applications and perspectives. Proceedings of the IEEE, v. 107, p. 1494-1515.
Gariano, S. L.; Guzzetti, F. 2016. Landslides in a changing climate. Earth-Science Reviews. Volume 162, November, Pages 227-252. https://doi.org/10.1016/j.earscirev.2016.08.011
Gomez, R.; Gutierrez, M. 2023. Remote sensing for landslide hazard assessment: advances and future perspectives. Landslides, v. 20, p. 1-15
Guzzetti, F.; Rossi, M.; Peruccacci, S. 2020. Rainfall thresholds for landslide occurrence: a systematic review. Environmental Research Letters, v. 15, p. 1-15.
Habumugisha, J. M.; et al. Dewan, A. 2022. Landslide Susceptibility Mapping with Deep Learning Algorithms. Sustainability. 14, 1734. https://doi.org/10.3390/su14031734
Haigh, M.; Rawat, J. S. 2011. Landslide causes: Human impacts on a Himalayan landslide swarm. Belgeo [En ligne], 3-4. https://doi.org/10.4000/belgeo.6311
Highland, L. M.; Bobrowsky, P. 2008. The landslide handbook – A guide to understanding landslides. U.S. Geological Survey (USGS). Reston, Virginia, (Circular 1325). Disponível em: https://pubs.usgs.gov/circ/1325/pdf/C1325_508.pdf. Acesso em: 03 fev. 2025.
Hungr, O.; Leroueil, S.; Picarelli, L. 2024.The Varnes classification of landslide types, an update. Landslides, 11(2), 167-194. https://doi.org/10.1007/s10346-013-0436-y
IPCC. Intergovernmental Panel on Climate Change. 2021. Climate Change 2021: The Physical Science Basis. Geneva: IPCC.
Jalooli A.; et al. 2014. Retracted: Public Alerts Landslide Natural Disaster Using Vehicular Communications. International Journal of Distributed Sensor Networks. 10(6). https://doi.org/10.1155/2014/969864
Jensen, J. R. 2009. Sensoriamento Remoto do Ambiente: Uma perspectiva em Recursos Terrestres. São José Dos Campos: Parentese.
Kargel, J. S. et al. 2016. Geospatial analysis of the 2015 Nepal earthquake-induced landslides. Geomorphology, v. 278, p. 239-252.
Laimer, H. J. 2017. Anthropogenically induced landslides – A challenge for railway infrastructure in mountainous regions. Engineering Geology. 222, 18 May, Pages 92-101. https://doi.org/10.1016/j.enggeo.2017.03.015
Li, B.; et al. 2024. Early warning of landslides based on statistical analysis of landslide motion characteristics and AI Earth Cloud InSAR processing system: a case study of the Zhenxiong landslide in Yunnan Province, China. Landslides. https://doi.org/10.1007/s10346-024-02350-5
Li, P.; Shi, Y.; Zhang, H. 2020. Hyperspectral remote sensing for landslide detection and risk assessment: a review. Remote Sensing, v. 12, p. 1638.
Liu, J.; Hu, P.; Guo, C. 2021. Effects of rainfall infiltration on landslide stability: a numerical analysis based on field monitoring. Landslides, v. 18, p. 2953-2967.
Liu, Q.; et al. 2022. Total probabilistic measure for the potential risk of regional roads exposed to landslides. Reliability Engineering & System Safety. 228, December, 108822. https://doi.org/10.1016/j.ress.2022.108822
Liu, Y.; Zhao, L.; Bao, A.; L. I., J.; Yan, X. 2022. Chinese High Resolution Satellite Data and GIS-Based Assessment of Landslide Susceptibility along Highway G30 in Guozigou Valley Using Logistic Regression and MaxEnt Model. Remote Sens. 14, 3620. https://doi.org/10.3390/rs14153620
Lu, D.; et al. 2016. Techniques and Methods in Urban Remote Sensing. Remote Sensing, 8(4), 358, p.5.
Marc, O.; et al. 2018. Initial insights from a global database of rainfall-induced landslide inventories: the weak influence of slope and strong influence of total storm rainfall. Earth Surf. Dyn., 6, pp. 903-922. https://doi.org/10.5194/esurf-6-903-2018
Marengo, J. A.; et al. 2024. O maior desastre climático do Brasil: chuvas e inundações no estado do Rio Grande do Sul em abril-maio 2024. Mudanças climáticas, Estudos Avançados / Scielo. 38 (112). https://doi.org/10.1590/s0103-4014.202438112.012
Meneses, B. M.; Pereira, S.; Reis, E. 2019. Effects of different land use and land cover data on the landslide susceptibility zonation of road networks. Natural Hazards and Earth System Sciences, 19, 471–487. https://doi.org/10.5194/nhess-19-471-2019
Nahayo, L.; et al. 2019. Landslides Hazard Mapping in Rwanda Using Bivariate Statistical Index Method. Environ. Eng. Sci. 36, 892–902. https://doi.org/10.1089/ees.2018.0493
Nery, J. T.; Reis, R. V. 2014. Desastres naturais na região Sudeste brasileira, associados a eventos climáticos extremos. Revista Ibero-Americana de Ciências Ambientais. Ourinhos: Universidade Estadual Paulista "Júlio de Mesquita Filho", Câmpus Experimental de Ourinhos. Disponível em: http://observatoriogeograficoamericalatina.org.mx/egal14/Procesosambientales/Climatologia/21.pdf. Acesso em: 29 mar 2025.
Novellino, A.; et al. 2024. Mapping landslides from space: A review. Landslides, 21, 1041–1052. https://doi.org/10.1007/s10346-024-02215-x
Novo, E. M. L. M. 2010. Sensoriamento Remoto: Princípios e Aplicações. 4ª edição, ISBN: 9788521205401.
Oliveira, M. M. 2007. Como fazer pesquisa qualitativa. Rio de Janeiro: Vozes.
Paulo, R. F.; Silva, D. F.; Meneses, P. R. 2022. Landslide susceptibility mapping using machine learning models and GIS techniques: an approach applied to southern Brazil. Natural Hazards and Earth System Sciences, v. 22, p. 1211-1230.
Pecoraro, G.; et al. 2023. Combining Statistical, Displacement and Damage Analyses to Study Slow-Moving Landslides Interacting with Roads: Two Case Studies in Southern Italy. Appl. Sci. 13, 3368. https://doi.org/10.3390/app13053368
Petley, D. 2012. Global patterns of loss of life from landslides. Geology. 40 (10): 927–930. doi: https://doi.org/10.1130/G33217.1
Postance, B.; et al. 2017. Extending natural hazard impacts: an assessment of landslide disruptions on a national road transportation network. Environ. Res. Lett. 12, 014010. https://doi.org/10.1088/1748-9326/aa5555
Quevedo, R. P.; et al. 2019. Modelagem de áreas suscetíveis a movimentos de massa: avaliação comparativa de técnicas de amostragem, aprendizado de máquina e modelos digitais de elevação. São Paulo, UNESP, Geociências, v. 38, n. 3, p. 781 - 795. https://doi.org/10.5016/geociencias.v38i3.14019
Reyes, J. C.; Soares, P. S. 2021. Public policies and risk management for landslide mitigation: lessons from Brazil. Journal of Disaster Risk Reduction, v. 55, p. 102030.
Riffel, E. S.; Guasselli, L. A.; Bressani, L. A. 2016. Desastres associados a movimentos de massa: uma revisão de literatura. Boletim Goiano de Geografia, Goiânia, v. 36, n. 2, p. 301. DOI: 10.5216/bgg.v36i2.42796.
Rio Grande do Sul. 2024. Decreto nº 57.626, de 21 de maio de 2024. Disponível em: https://www.diariooficial.rs.gov.br/materia?id=1000161. Acesso em: 07 out. 2024.
Rodrigue, J.-P.; Comtois, C.; Slack, B. 2020. The geography of transport systems. 5. ed. New York: Routledge.
Rossi, G.; Oliveira, P. R. 2022. Geological factors influencing landslide occurrences in southern Brazil. Geosciences Journal, v. 26, p. 132-148.
Sharma, P. D.; et al. 1991. Water and Sediment Yields into the Sutlej River from the High Himalaya. Mountain Research and Development, vol. 11, no. 2, pp. 87–100. JSTOR. https://doi.org/10.2307/3673569
Sidle, R. C.; Ziegler, A. D. 2012. The dilemma of mountain roads. Nature Geoscience, v. 5, n. 7, p. 437–438, DOI: 10.1038/ngeo1512.
Sidle, R. C.; Ghestem, M.; Stokes, A. 2014. Epic landslide erosion from mountain roads in Yunnan, China – challenges for sustainable development, Nat. Hazards Earth Syst. Sci., 14, 3093–3104, https://doi.org/10.5194/nhess-14-3093-2014
Silva, L. J. de S.; et al. 2022. Identificação e hierarquização de risco a inundações em áreas de bacias hidrográficas. Revista Geociências - UNG-Ser, 21(2), 21–36. https://doi.org/10.33947/1981-741X-v21n2-5018
Sudmeier-Rieux, K.; Jayawardena, N.; Lee, L. 2021. Landslides and climate change adaptation: bridging science, policy, and practice. Natural Hazards and Earth System Sciences, v. 21, p. 1923-1940.
Smith, H. G; et al. 2023. The influence of spatial patterns in rainfall on shallow landslides. Geomorphology. Volume 437, 15 September, 108795. https://doi.org/10.1016/j.geomorph.2023.108795
Stanley, T.; Kirschbaum, D. B. 2017. A heuristic approach to global landslide susceptibility mapping. Nat. Hazards. 87, 145–164. https://doi.org/10.1007/s11069-017-2757-y
Taylor, M. A. P. 2012. Network vulnerability in large-scale transport networks. Transportation Research Part A: Policy and Practice. 46, 5, 743-745. https://doi.org/10.1016/j.tra.2012.02.001
Tucker, C. J.; Pinzon, J. E.; Brown, M. E. 2018. Global remote sensing for environmental monitoring. Annual Review of Environment and Resources, v. 43, p. 175-204.
Unisdr. United Nations Office For Disaster Risk Reduction. 2017. Terminologia sobre Redução de Risco de Desastres. Genebra: UNISDR. Disponível em: https://www.undrr.org/terminology. Acesso em: 29 mar 2025.
Vasconcellos, E. A. 2014. Mobilidade urbana e transporte público. 1. ed. São Paulo: Manole.
Vuillez, C.; et al. 2018. Land use changes, landslides and roads in the Phewa Watershed, Western Nepal from 1979 to 2016. Applied Geography, Volume 94. https://doi.org/10.1016/j.apgeog.2018.03.003.
Winter, M. G.; et al. 2013. Landslide hazard and risk assessment on the Scottish road network. Proceedings of the Institution of Civil Engineers - Geotechnical Engineering, 166:6, 522-539. https://doi.org/10.1680/geng.12.00063
Winter, M. G.; Shepherd, M.; Macgregor, F. 2018. An overview of landslides and debris flows impacting the road network in Scotland. Quarterly Journal of Engineering Geology and Hydrogeology, v. 51, p. 31-47.
Youssef, B.; et al. 2023. The contribution of the frequency ratio model and the prediction rate for the analysis of landslide risk in the Tizi N'tichka area on the national road (RN9) linking Marrakech and Ouarzazate. CATENA. 232, 107464. https://doi.org/10.1016/j.catena.2023.107464
Yu, L.; Zhou, C.; Wang, Y.; Cao, Y.; Peres, D. J. 2022. Coupling Data- and Knowledge-Driven Methods for Landslide Susceptibility Mapping in Human-Modified Environments: A Case Study from Wanzhou County, Three Gorges Reservoir Area, China. Remote Sens. 14, 774. https://doi.org/10.3390/rs14030774
Zhang, J.; et al. 2024. Deformation stage division and early warning of landslides based on the statistical characteristics of landslide kinematic features. Landslides, 21, 717–735. https://doi.org/10.1007/s10346-023-02192-7
Zhou, G.; et al. 2018. Remote Sensing of Landslides: A Review. Remote Sensing. School of Geology Engineering and Geomatics, Chang’an University, No. 126, Yanta Road, Xi’an 710054. 10(2), 279. https://doi.org/10.3390/rs10020279
Zhou, M.; et al. 2024. Risk analysis of road networks under the influence of landslides by considering landslide susceptibility and road vulnerability: A case study. Natural Hazards Research. 4, 3, 387-400. https://doi.org/10.1016/j.nhres.2023.09.013
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Morvana Machado, Eléia Righi, Clódis de Oliveira Andrades Filho, Guilherme Garcia de Oliveira

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista oferece acesso livre imediato ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização mundial do conhecimento.
A partir da publicação realizada na revista os autores possuem copyright e direitos de publicação de seus artigos sem restrições.
A Revista Fronteiras: Journal of Social, Technological and Environmental Science segue os preceitos legais da licença Creative Commons - Atribuição-NãoComercial 4.0 Internacional.
