Um método relativamente simples de análise estatística pode prever com mais precisão o risco de deslizamentos de terra causados por chuvas intensas, segundo estudo coordenado por pesquisadores do Instituto de Ciências Matemáticas e de Computação da USP e do Instituto Nacional de Pesquisas Espaciais.
A estratégia foi validada a partir de um evento real: as tempestades que atingiram São Sebastião, no Litoral Norte de São Paulo, em fevereiro de 2023, quando áreas inteiras do município foram afetadas por deslizamentos.
Os resultados foram publicados na revista científica Scientific Reports.
Um método relativamente simples de análise estatística pode prever com mais precisão o risco de deslizamentos de terra causados por chuvas intensas, segundo estudo coordenado por pesquisadores do Instituto de Ciências Matemáticas e de Computação da USP e do Instituto Nacional de Pesquisas Espaciais.
A estratégia foi validada a partir de um evento real: as tempestades que atingiram São Sebastião, no Litoral Norte de São Paulo, em fevereiro de 2023, quando áreas inteiras do município foram afetadas por deslizamentos.
Os resultados foram publicados na revista científica Scientific Reports.
Comparação com método tradicional indica melhor classificação de risco
No estudo, a equipe comparou o novo procedimento com o método tradicional mais utilizado nesse tipo de avaliação, o Processo de Hierarquia Analítica (AHP). De forma geral, a nova abordagem apresentou desempenho ligeiramente superior, principalmente na classificação das áreas de risco em diferentes níveis de suscetibilidade.
“Embora os ganhos quantitativos sejam modestos, o método apresenta vantagens importantes, como a redução de ambiguidades e maior alinhamento com o comportamento real dos deslizamentos”, explica Rômulo Marques-Carvalho, doutorando do ICMC-USP e primeiro autor do trabalho.
O que muda com o AHP Gaussiano
O AHP tradicional utiliza comparações pareadas entre variáveis, combinando dados técnicos com a avaliação subjetiva de especialistas. No caso dos deslizamentos, são analisados 16 fatores, entre eles:
inclinação e elevação do terreno
proximidade de rios e estradas
tipo de cobertura do solo
presença de construções
No novo estudo, os pesquisadores aplicaram o chamado AHP Gaussiano, que substitui essas comparações por métodos estatísticos baseados na distribuição normal (curva de Gauss).
Segundo Cláudia Maria de Almeida, pesquisadora do Inpe e coautora do estudo, o uso da distribuição gaussiana permite definir os pesos das variáveis de forma mais objetiva, a partir da média e do desvio-padrão dos dados, reduzindo interferências subjetivas.
São Sebastião como laboratório real
São Sebastião foi escolhida para validar o método por ser um dos municípios paulistas mais suscetíveis a deslizamentos, conforme o Índice de Vulnerabilidade aos Desastres Naturais Relacionados com Deslizamento de Terra (IVDDT).
A análise utilizou um inventário detalhado de imagens aéreas produzidas após o desastre de 2023, com resolução de 10 centímetros, complementado por registros do Google Earth e da plataforma PlanetScope.
Entre os dados mapeados estão:
983 crown points, pontos iniciais dos deslizamentos
1.070 polígonos de cicatriz, delimitando toda a área afetada
Resultados mostram avanço na previsão
Com base nesse conjunto de informações, o AHP Gaussiano classificou 26,31% da área analisada como de suscetibilidade muito alta, enquanto o AHP tradicional apontou 23,52%. A diferença indica maior capacidade do novo método em identificar áreas críticas antes da ocorrência do desastre.
Outro ponto relevante foi a mudança no peso das variáveis. Enquanto o método tradicional prioriza inclinação e posição das encostas, o AHP Gaussiano destacou a geomorfologia e a proximidade de rios e estradas como fatores mais determinantes.
“A construção de estradas em áreas de relevo acidentado envolve cortes e aterros que tendem a gerar instabilidade nas encostas”, explica Almeida.
Aplicação prática e prevenção de desastres
De acordo com André Ferreira de Carvalho, orientador do estudo, a abordagem pode ser aplicada também ao monitoramento de outros problemas ambientais, como incêndios, desmatamento, rebaixamento de solo e desertificação, fenômenos que tendem a se intensificar com as mudanças climáticas.
Segundo os autores, o método é simples de implementar. Uma prefeitura precisaria apenas de dados geoespaciais básicos e de um computador comum com QGIS, software livre de análise georreferenciada.
O trabalho teve apoio da FAPESP.
Ferramenta acessível para gestão pública
Ao reduzir a dependência de avaliações subjetivas e exigir infraestrutura mínima, o novo modelo surge como uma ferramenta viável para gestão pública, planejamento urbano e prevenção de desastres, especialmente em regiões vulneráveis a eventos extremos.
Em um cenário de chuvas mais intensas e frequentes, a capacidade de antecipar riscos pode representar diferença direta entre prevenção e tragédia.
.png){kind=spacer}