Como evitar enchentes usando inteligência artificial

É possível evitar #enchentes? Se sim, como podemos realizar isso? Inteligência artificial pode ser a palavra-chave.

Em épocas pretéritas, desastres naturais, como inundações, eram tão catastróficos que registros de sua ocorrência podem ser encontrados em diversas culturas.

Atualmente, a impermeabilização do solo e a falta de planejamento nas bacias hidrográficas têm tornado eventos como inundações mais frequentes, o que acaba acarretando em mais danos ambientais, econômicos e humanos.

Existe alguma forma de prevenir inundações? Como podemos evita-las? Como um planejamento pode nos ajudar nisso?

Inundações são definidas como o transbordamento de água proveniente de recursos hídricos superficiais devido a precipitações anormais, diferenciando-se dos conceitos de enchentes, que é a gradual elevação do nível do rio; e enxurrada, a qual ocorre devido a chuvas intensas em curtos períodos de tempo.

Tais fenômenos são potencializados pela alteração do uso do solo, onde a cobertura vegetal original é substituída pelo uso agrícola (que pouco intercepta a precipitação e pode assorear os corpos hídricos) e pelo uso urbano (que impermeabiliza o solo, acarretando no aumento do escoamento superficial e subdimensionamento de dutos locais).

Ole Mark, da empresa DHI, coloca que todas as cidades estão susceptíveis a enchentes, e aponta a necessidade de mapear os locais onde tais riscos são mais elevados, especialmente se considerarmos eventos extremos devido às mudanças climáticas.

No município de Criciúma (Santa Catarina), Paulo Henrique Amboni (em seu TCC) apresentou diversos eventos extremos de precipitação que ocasionaram enchentes e inundações. Esse tipo de desastre responde por mais da metade dos desastres ocorridos e já ocasionaram 6 situações de emergência em 10 anos no município.

Em Criciúma (SC), mais da metade dos desastres estão relacionados à enchentes e inundações.

Tadeu de Souza Oliveira já apontava problemas referentes a inundações bruscas, especialmente para a bacia hidrográfica do rio Criciúma, sendo que para o período analisado pelo autor, as políticas públicas e soluções técnicas não foram satisfatórias para solucionar o problema local.

Outros locais em Santa Catarina também são alvos de inundações, Lages, mais recente, teve mais de 10 bairros afetados e 270 pessoas desabrigadas.

Entretanto, prever onde tais desastres naturais irão ocorrer é uma tarefa árdua, sendo que a relação entre as características naturais e a predisposição dos locais a alagamentos é complexa.

Desta forma, diante da tarefa de reconhecer padrões complexos para elaboração de modelos ambientais, técnicas de aprendizado de maquina (do inglês, Machine Learning) – e outras técnicas de inteligência artificial – vêm sendo adotadas para solucionar tais problemas. O vídeo abaixo mostra um exemplo deste uso, o National Flood Interoperability Experiment.

Entre as ferramentas disponíveis de aprendizado de maquina, têm-se as máquinas de vetor de suporte (do inglês support vector machine – SVM) que apresenta como principais vantagens o uso de algoritmos de treinamento eficientes e podem representar funções complexas não-lineares (não se preocupe, abordaremos as SVM em outra postagem com mais detalhes).

Na Malásia, a pesquisadora Mahyat S. Tehrany e colaboradores fizeram uso de SVM em conjunto com outras técnicas para prever áreas susceptíveis a inundação. Eles utilizaram parâmetros como declividade, topografia, curvatura do relevo, distância do rio, geologia, tipo do solo e outros. O modelo proposto por tais autores obteve sucesso, classificou corretamente as áreas como inundáveis, mais de 95% das vezes.

Muitos dos trabalhos de previsão de enchentes utilizando alguma técnica de inteligência artificial pertencem à Mahyat Shafapour Tehrany. Caso você tenha interesse em se aprofundar no assunto, busque o nome dela no Google.

Por ser um fenômeno que depende de diversos fatores, a inteligência artificial torna-se uma ferramenta essencial na previsão de áreas susceptíveis a enchentes. O resultado do uso desta ferramenta são dados que auxiliam o planejamento urbano e o treinamento em situações de emergências.

Conhecendo as áreas onde há maiores chances de ocorrência de inundações, é possível definir ações para evitar que elas aconteçam e minimizar seus danos à sociedade.

Fontes consultadas:

AMBONI, Paulo Henrique Moliner. Proposição de um sistema de alerta de enchentes para o município de Criciúma/SC. Trabalho de Conclusão de Curso (TCC) – Engenharia Ambiental. UNESC: Criciúma, 2011. 55 p.

CASTRO, Antônio Luiz Coimbra de. Manual de Desastres. Brasília: Ministério da Integração Nacional, 2003. 174 p.

LORENA, Ana Carolina; CARVALHO, André C.P.L.F. Uma introdução às support vector machines. Revista de Informática Teórica e Aplicada. v. 14, n.2. 2007. 25 p.

RUSSEL, Stuart. NORVIG, Peter. Inteligência Artificial. Rio de Janeiro: Elsevier, 2004. 1021 p.

OLIVEIRA, T.S. Aplicação do Cadastro Técnico visando Avaliação de Inundações Urbanas. Tese (Doutorado) – PPG em Engenharia Civil. UFSC, 2012. 355 p.

TEHRANY, M.S. et al. Flood susceptibility mapping using a novel ensemble weights-of-evidence and support vector machines models in GIS. Journal of Hydrology. v. 512, 2014. pg. 332-343.

TEHRANY, M.S. et al. Flood susceptibility assessment using GIS-based support vector machine model with different kernel types. Catena. v. 125, 2015. pg. 91-101.



Clique na figura abaixo e assine nossa lista de emails para receber nosso ebook "Como criar mapas de localização com ArcGIS 10.x".


Author: Fernando BS

Engenheiro Ambiental e de Segurança do Trabalho. Atua nas áreas de recuperação ambiental, geoprocessamento e ciência do solo. Busca soluções utilizando softwares como ArcGIS, R e MATLAB.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *