Método estatístico prevê com mais precisão risco de deslizamentos de terra

Estratégia formulada por pesquisadores do ICMC-USP, em parceria com o Inpe, define os pesos de cada fator de contribuição objetivamente e foi validada com base nos inventários de deslizamento de São Sebastião, no litoral norte de São Paulo

Reinaldo José Lopes | Agência FAPESP – Um método relativamente simples de análise estatística é capaz de prever com mais precisão o risco de deslizamentos de terra causados por chuva intensa, de acordo com um estudo coordenado por pesquisadores do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, e do Instituto Nacional de Pesquisas Espaciais (Inpe). A estratégia formulada pelos pesquisadores foi validada com base em um evento real: as tempestades que destruíram áreas de São Sebastião, no litoral norte de São Paulo, em fevereiro de 2023.

Em artigo publicado no periódico Scientific Reports, a equipe comparou a eficiência da abordagem com a que é tradicionalmente usada em análises dessa natureza. De maneira geral, a técnica avaliada teve desempenho ligeiramente superior, com destaque para uma melhor classificação das áreas que podem ser afetadas pelos desastres em diferentes categorias.

“Embora os ganhos quantitativos sejam modestos, o método apresenta vantagens significativas: reduz ambiguidades e apresenta maior alinhamento com o comportamento real dos deslizamentos no território”, explica Rômulo Marques-Carvalho, doutorando do ICMC-USP e primeiro autor do estudo.

Em avaliações desse tipo de risco, um dos métodos mais empregados é o chamado AHP, sigla inglesa de “Processo de Hierarquia Analítica”. Nessa abordagem, usa-se uma lista de variáveis consideradas relevantes para o fenômeno investigado – no caso do tema do estudo, são 16 itens, que incluem fatores como elevação do terreno e o quão íngreme e acidentado ele é, a proximidade de rios e estradas, a cobertura do solo (vegetação, construções) etc.

No AHP “clássico”, os fatores desse painel são comparados em pares para avaliar o peso de cada variável, algo que envolve também a opinião de especialistas sobre a importância relativa deles para a ocorrência do evento. No novo estudo, a equipe aplicou o chamado AHP Gaussiano, que usa métodos estatísticos que “substituem totalmente as comparações pareadas do AHP tradicional”, diz Marques-Carvalho.

“O termo se refere ao fato de que o método adotado no trabalho utiliza a distribuição gaussiana ou curva de Gauss, também chamada de distribuição normal”, explica Cláudia Maria de Almeida, coautora do estudo que trabalha no Inpe. “Ela equivale à curva de distribuição de probabilidade, definida por dois parâmetros: a média e o desvio-padrão, o qual indica a dispersão dos dados.” Isso ajuda a definir os pesos de cada fator de forma objetiva, segundo Marques-Carvalho – a lista de fatores em si é a mesma em ambas as abordagens.

Para validar o método, os pesquisadores usaram dados de São Sebastião porque o município é um dos mais suscetíveis a deslizamentos de terra no território paulista, segundo uma análise feita pelos autores de acordo com o Índice de Vulnerabilidade aos Desastres Naturais Relacionados com Deslizamento de Terra (IVDDT). A equipe se baseou num inventário de imagens aéreas feitas após os desastres de fevereiro de 2023, com resolução de 10 cm, que foi complementado com fotos das plataformas Google Earth e PlanetScope.

Entre as principais estruturas catalogadas nas imagens estão 983 crown points – as chamadas coroas dos deslizamentos, no alto de uma encosta, por exemplo, onde o processo começa – e 1.070 “polígonos de cicatriz”, que delimitam toda a área afetada pelo deslizamento.

Com base nesses dados, o AHP Gaussiano atribuiu 26,31% da área analisada à categoria de suscetibilidade muito alta ao deslizamento, contra uma estimativa de 23,52% do AHP tradicional, mostrando que a capacidade de previsão do novo método foi melhor.

O trabalho, apoiado pela FAPESP (processos 24/02748-7, 21/11435-4 e 20/09215-3), também atribuiu pesos diferentes às principais variáveis. A variação da inclinação das encostas e a posição delas aparecem como os fatores mais importantes no AHP tradicional, enquanto na análise com AHP Gaussiano a lista é encabeçada pela geomorfologia (as formas do relevo na superfície) e pelas distâncias da área afetada em relação a rios e estradas.

“A proximidade de estradas é importante porque sua construção em locais de relevo acidentado pressupõe a execução de obras de movimento de terra, como cortes e aterros, que geralmente levam a uma instabilidade das encostas”, explica Almeida.

Segundo o atual orientador de Marques-Carvalho, André Ferreira de Carvalho, a abordagem tem potencial para monitorar e prevenir uma série de outros problemas ambientais, como incêndios, desmatamento, rebaixamento de solo e desertificação. “Por conta das mudanças climáticas, a frequência e a intensidade dessas catástrofes vão aumentar nos próximos anos”, lembra ele.

“O método é simples de aplicar”, destaca o primeiro autor da pesquisa. “Uma prefeitura precisaria apenas dos dados geoespaciais básicos e de um computador comum com QGIS [software livre de análise de dados georreferenciados].”

O artigo Comparative analysis of traditional and Gaussian Analytical Hierarchy Process (AHP) methods for landslide susceptibility assessment pode ser acessado em: www.nature.com/articles/s41598-025-22136-6.