Quando os dados antecipam a tragédia: tecnologia a favor da prevenção urbana

Deslizamentos provocados por chuvas intensas raramente acontecem ao acaso. Em geral, atingem exatamente as áreas que estudos técnicos já indicavam como vulneráveis. O grande entrave é que muitos municípios brasileiros não possuem equipes especializadas nem estrutura para produzir mapas de risco detalhados. Sem essa base técnica, o planejamento urbano acaba sendo reativo — age depois da catástrofe, não antes dela.

Nos últimos anos, pesquisadores têm buscado métodos mais eficientes para identificar, com maior precisão, onde deslizamentos tendem a ocorrer em ambientes urbanos. Uma das abordagens mais promissoras é o chamado AHP Gaussiano, uma adaptação estatística do tradicional AHP (Analytic Hierarchy Process), técnica amplamente utilizada em estudos ambientais e processos de tomada de decisão.

Tenho trabalhado diretamente na aplicação desse método ao planejamento urbano e à gestão de riscos. Recentemente, testamos essa abordagem em São Sebastião, no litoral norte paulista — município que ganhou destaque nacional após as chuvas extremas de fevereiro de 2023, consideradas uma das maiores tragédias climáticas recentes do país.

Reduzindo a subjetividade nos mapas de risco

Mapas de suscetibilidade a deslizamentos combinam variáveis como inclinação do terreno, tipo de solo, proximidade a rios, cobertura vegetal, presença de estradas e intensidade de chuvas. Tradicionalmente, o método AHP integra esses fatores com base na avaliação de especialistas, que atribuem pesos relativos a cada variável.

Embora seja uma ferramenta consolidada, o modelo tradicional depende fortemente da experiência e da percepção dos avaliadores. Isso pode gerar diferenças significativas nos resultados, além de dificultar sua aplicação quando há grande volume de dados ou áreas urbanas extensas.

O AHP Gaussiano surge justamente para enfrentar essa limitação.

Como funciona o AHP Gaussiano

Em vez de depender exclusivamente da comparação subjetiva entre fatores, o método utiliza estatísticas simples extraídas dos próprios dados espaciais.

De forma resumida:

• Cada variável é analisada pixel a pixel;

• Calculam-se média e variabilidade espacial;

• Fatores que apresentam maior variação — e, portanto, ajudam melhor a diferenciar áreas seguras de áreas vulneráveis — recebem maior peso automaticamente.

Na prática, é uma forma de permitir que os dados “falem” com mais autonomia. Isso reduz vieses humanos, aumenta a reprodutibilidade dos resultados e facilita o uso de múltiplas camadas de informação sem tornar o processo excessivamente complexo.

O teste em São Sebastião

No estudo realizado em São Sebastião, utilizamos 16 variáveis ambientais e urbanas, além de um inventário detalhado dos deslizamentos ocorridos durante o evento extremo de 2023.

Ao comparar o AHP tradicional com o AHP Gaussiano, observamos que ambos identificaram corretamente as áreas mais críticas. No entanto, o modelo estatístico apresentou vantagens importantes:

• Maior precisão geral na identificação das áreas suscetíveis;

• Melhor separação das zonas intermediárias, evitando mapas visualmente confusos;

• Maior sensibilidade a fatores urbanos concretos, como proximidade de rios e estradas — locais onde os deslizamentos realmente se concentraram.

O ganho estatístico foi discreto, mas consistente. O resultado final foi um mapa mais estável, coerente e fácil de interpretar — qualidade essencial quando se trata de orientar decisões públicas.

Impacto direto nas políticas públicas

No Brasil, municípios de pequeno e médio porte enfrentam limitações técnicas e orçamentárias. Ainda assim, precisam cumprir exigências legais, elaborar planos diretores, identificar áreas de risco e planejar reassentamentos.

Nesse contexto, o AHP Gaussiano apresenta vantagens estratégicas:

• Utiliza dados públicos já disponíveis (modelos digitais de terreno, mapas geológicos e imagens de satélite);

• Pode ser automatizado;

• Produz resultados reproduzíveis;

• Reduz a dependência de avaliações puramente subjetivas.

Com isso, torna-se possível:

• Priorizar obras de drenagem e contenção;

• Orientar a expansão urbana;

• Definir restrições de construção em áreas frágeis;

• Integrar mapas de risco a sistemas de alerta e planos diretores.

Em vez de reagir à tragédia, os gestores podem agir preventivamente.

Um caminho intermediário viável

É importante destacar que o AHP Gaussiano não substitui modelos avançados de inteligência artificial, que em certos casos alcançam níveis ainda mais elevados de precisão. Contudo, esses modelos exigem grande volume de dados rotulados, equipes altamente especializadas e infraestrutura computacional robusta — realidade distante de muitos municípios brasileiros.

A proposta ocupa um ponto de equilíbrio: mais objetiva e robusta que métodos tradicionais, mas suficientemente simples para integrar a rotina do planejamento urbano.

Planejamento urbano é também política climática

Com o avanço das mudanças climáticas, eventos extremos tendem a se tornar mais frequentes. Paralelamente, a urbanização continua avançando sobre encostas e margens de rios.

Mapear risco não é apenas um exercício técnico. É instrumento de prevenção de mortes, de proteção social e de uso inteligente do território.

Tornar esses mapas mais transparentes, confiáveis e atualizáveis é um passo decisivo para transformar políticas públicas de caráter emergencial em estratégias estruturais de prevenção.

Rômulo Marques-Carvalho é doutorando em Ciência da Computação no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (USP).

Com informações de O Globo

Foto reprodução