📄 other

Development of a Regional Landslide Forecast Model for Slowly Moving Landslides in the Western Canada Sedimentary Basin

Este artigo apresenta o desenvolvimento e a validação de um modelo regional de previsão de deslizamentos para a Bacia Sedimentar do Oeste do Canadá, que integra décadas de dados de deslocamento de infraestrutura com condicionantes hidroclimáticos para criar um índice de atividade capaz de realizar o retrocálculo de eventos passados e prever riscos futuros de deslizamentos para a mitigação proativa de infraestruturas.

Autores originais: Michael Porter, Corey Froese, Caio Stringari, Vincenzo Coia

Publicado 2026-07-27

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Michael Porter, Corey Froese, Caio Stringari, Vincenzo Coia

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O Grande Aperto da Terra: Por que o Solo se Move e Como Podemos Prevê-lo

Imagine que o chão sob nossos pés não é tão sólido quanto uma rocha, mas sim mais parecido com uma esponja gigante em câmera lenta. Em algumas partes do mundo, especificamente sob a Bacia Sedimentar do Oeste do Canadá, esta "esponja" é feita de camadas de argila antiga e rocha macia que foram espremidas por geleiras ao longo de milhares de anos. Com o tempo, essas camadas começaram a deslizar colina abaixo, muito lentamente, como uma geleira feita de lama. Estes não são os deslizamentos assustadores e instantâneos que você vê em filmes, que desabam em segundos; estes são "Deslizamentos de Movimento Profundo" (DSLs - Deep-Seated Landslides). Eles se movem tão lentamente que você pode não notar por anos, mas são implacáveis.

Por que deveríamos nos importar? Porque esse aperto em câmera lenta está acontecendo exatamente onde o nosso mundo moderno vive. Oleodutos, estradas e linhas de energia são construídos atravessando essas encostas que deslizam. Embora os engenheiros que constroem essas coisas saibam que o solo pode se mover um pouco, existe um limite. Se o solo se mover demais, ou se mover rápido demais, os canos podem rachar e as estradas podem sofrer deformações, custando milhões de dólares para consertar. A grande questão que os cientistas têm feito é: Podemos prever quando esses gigantes de movimento lento vão acelerar? Se soubermos que o solo está prestes a ficar mais "úmido" e pesado, podemos consertar os canos antes que eles quebrem, economizando dinheiro e mantendo as pessoas seguras. Este artigo é sobre construir uma bola de cristal para o solo, usando dados de chuva e neve para adivinhar quando a terra começará a deslizar mais rápido.

A Previsão do Tempo da Terra: Uma Nova Maneira de Observar os Deslizamentos

A equipe por trás deste estudo, liderada por pesquisadores da BGC Engineering e da Universidade de Alberta, decidiu parar de adivinhar e começar a medir a relação entre o clima e o solo que desliza. Eles perceberam que, assim como uma esponja fica mais pesada e escorregadia quando absorve água, esses deslizamentos profundos aceleram quando o solo fica úmido. Mas, em vez de apenas olhar para a chuva caindo hoje, eles precisavam entender a "memória" do solo — o quão úmido ele estava no ano passado, no ano anterior e como a neve derreteu na primavera.

Para fazer isso, eles reuniram uma quantidade massiva de dados. Eles analisaram mais de 30 anos de registros de movimento de mais de 500 sensores (chamados inclinômetros de encosta) enterrados profundamente dentro desses deslizamentos em todo o oeste do Canadá. Esses sensores lhes disseram exatamente o quão rápido o solo se movia a cada ano. Em seguida, eles combinaram esses dados de movimento com um modelo de supercomputador do clima da Terra chamado ERA-5. Este modelo atua como um diário global gigante de umidade do solo, degelo de neve e chuva, retrocedendo até 1950. Ao comparar o movimento da "esponja" com seu "diário de água", a equipe tentou encontrar a receita secreta que faz os deslizamentos acelerarem.

A Receita de uma Montanha em Movimento

Os pesquisadores descobriram que três ingredientes principais na receita do clima eram os mais importantes para prever quando os deslizamentos ficariam ativos:

O quão úmido o solo estava no início da temporada: Especificamente, quanta água havia nas profundezas do solo (cerca de 1 a 3 metros de profundidade) em fevereiro.
A tendência do ano anterior: O solo estava ficando mais úmido ou mais seco nos últimos 12 meses?
O impacto da "Água Total" durante a temporada: Este é o principal. É a quantidade total de água (de chuva e derretimento de neve) que atinge o solo durante uma janela móvel de 90 dias durante a temporada de deslizamentos (março a outubro).

Usando esses três ingredientes, a equipe construiu uma nova ferramenta chamada Índice de Atividade de Deslizamento Regional (RLAI). Pense neste índice como um "semáforo" para o solo, mas em vez de apenas Vermelho, Amarelo e Verde, ele possui quatro níveis: Atividade Baixa, Típica, Alta e Muito Alta.

Veja como funciona: o computador pega os dados meteorológicos e calcula uma pontuação chamada Pontuação de Atividade de Deslizamento Regional (RLAS).

Se a pontuação for baixa (abaixo de 0,95), é um Ano de Atividade Baixa. A maioria dos deslizamentos estará dormindo ou se movendo muito lentamente, como uma tartaruga sonolenta.
Se a pontuação estiver entre 0,95 e 1,40, é um Ano de Atividade Típica. Alguns deslizamentos podem acelerar, mas a maioria está fazendo sua dança lenta habitual.
Se a pontuação estiver entre 1,40 e 1,80, é um Ano de Atividade Alta. É quando o solo fica inquieto. O modelo sugere que cerca de 71% dos deslizamentos na região começarão a se mover mais rápido do que o normal.
Se a pontuação estiver acima de 1,80, é um Ano de Atividade Muito Alta. Esta é a zona de "Alerta Vermelho". O modelo prevê que quase todos os deslizamentos estarão se movendo muito mais rápido do que o normal, como uma multidão de pessoas correndo de repente.

Testando a Bola de Cristal

A equipe não apenas inventou essas regras; eles as testaram contra a história. Eles olharam para anos específicos em que os deslizamentos causaram problemas reais, como os grandes eventos de aceleração em 2017, 2020 e 2021. Eles rodaram seu modelo para trás (um processo chamado "hindcasting") para ver se ele teria previsto esses pontos problemáticos.

Os resultados foram promissores. Por exemplo, em 1997 e 1998, o modelo previu corretamente um ano de "Atividade Muito Alta" antes que o solo realmente começasse a se mover rápido. Em 2020, o modelo alertou que uma enorme parte dos deslizamentos aceleraria, o que foi exatamente o que aconteceu. Os autores observam que, embora o modelo não seja perfeito — às vezes previu um ano "Alto" que acabou sendo "Típico" — ele raramente perdeu um evento importante. É muito melhor em capturar os grandes riscos do que em ignorá-los.

Olhando para Frente: A Previsão de 2026

O artigo conclui mostrando a primeira demonstração real do sistema deles: uma previsão para a temporada de deslizamentos de 2026. Como eles não podem saber exatamente quanta chuva cairá no futuro, usaram um truque estatístico. Rodaram milhares de simulações de computador (chamadas simulações de Monte Carlo) baseadas em 75 anos de histórico climático para adivinhar a gama de resultados possíveis.

O resultado é um conjunto de mapas que mostram a probabilidade de o solo se mover rápido. Em março de 2026, eles lançaram um mapa mostrando a previsão do "percentil 95" — basicamente, o pior cenário que ainda é provável de acontecer. À medida que a temporada avança e os dados de chuva reais chegam, a incerteza diminui e a previsão torna-se mais nítida. Ao final da temporada, eles saberão exatamente quão ativa foi o ano.

O Que Vem a Seguir?

Os autores estão entusiasmados, mas sabem que isto é apenas o começo. No momento, o modelo depende de dados de cerca de 641 pontos específicos. Mas eles planejam torná-lo ainda melhor. Estão adicionando dados de novos sensores que medem o movimento a cada poucas horas e estão aguardando o lançamento de um novo satélite (NISAR) em 2025. Este satélite será capaz de "ver" o solo se movendo do espaço, mesmo em lugares onde não há sensores no solo.

O artigo deixa claro que isso não é uma varinha mágica que impedirá os deslizamentos. O solo continuará se movendo. Mas ao dar aos proprietários de oleodutos e estradas uma maneira melhor de prever quando o solo ficará inquieto, eles podem consertar as coisas antes que quebrem. Trata-se de transformar um desastre surpresa em um trabalho de manutenção planejada, economizando milhões de dólares e mantendo a infraestrutura segura. Os autores sugerem que, com mais dados e melhores modelos, eles poderão eventualmente ser capazes de prever exatamente onde um deslizamento específico vai acelerar, não apenas que toda a região está ficando úmida. Por enquanto, porém, este novo "previsão do tempo para o solo" é um grande passo à frente na compreensão dos gigantes lentos e sorrateiros sob nossos pés.

Resumo Técnico: Desenvolvimento de um Modelo Regional de Previsão de Movimentos de Massa para Deslizamentos de Movimentação Lenta na Bacia Sedimentar do Oeste do Canadá (WCSB)

Definição do Problema
Deslizamentos de grande escala, profundos e de movimentação lenta (DSLs - Deep-Seated Landslides) em toda a Bacia Sedimentar do Oeste do Canadá (WCSB) representam uma ameaça persistente à infraestrutura linear, como oleodutos, e a áreas povoadas em encostas de vales fluviais. Embora esses deslizamentos raramente causem falhas catastróficas súbitas, eles induzem deformações contínuas que levam a perdas econômicas significativas por meio de mitigação e reparos. Os proprietários de infraestrutura possuem tolerâncias de projeto para movimentação, mas acelerações rápidas reduzem a janela para identificação precoce e mitigação proativa. Historicamente, a gestão desses riscos tem sido reativa, com um gasto estimado de US$ 400 milhões anualmente em mitigação. Após acelerações regionais significativas na primavera de 2020, houve a necessidade reconhecida de compreender os vetores de mudança na atividade de deslizamentos para permitir a conscientização e a alocação de recursos de forma proativa e em escala regional.

Metodologia
O estudo desenvolveu um modelo de previsão regional integrando mais de 30 anos de dados históricos de deslocamento com vetores hidroclimáticos. A metodologia procedeu através das seguintes etapas:

Integração e Normalização de Dados:
- Dados de Deslocamento: Foi compilado um conjunto de dados de alta qualidade compreendendo 641 pontos de deslocamento anualizados de mais de 500 inclinômetros de encosta (SIs) em toda a WCSB. Os dados foram triados quanto à qualidade (mínimo de cinco anos de monitoramento, pelo menos um evento de aceleração) e normalizados usando uma abordagem Mínimo-Máximo (escala de 0 a 1) para permitir a comparação entre diferentes velocidades de deslizamento e zonas de cisalhamento.
- Dados Hidroclimáticos: O modelo de reanálise global de terra ERA-5 (1950–presente) foi selecionado para fornecer dados contínuos espacial e temporalmente de umidade do solo e precipitação. O estudo focou na Camada 4 de umidade do solo (100–289 cm de profundidade) para representar condições de recarga de águas subterrâneas profundas relevantes para os DSLs.
Identificação de Vetores:
- A temporada de deslizamento foi definida de março a outubro, dividida em fases (Degelo/Freshet, Primavera Tardia/Início do Verão, Verão Tardio, Outono, Inverno) para compreender a dinâmica do balanço hídrico.
- De 53 variáveis disponíveis do ERA-5, 40 derivadas foram inicialmente consideradas. Através de avaliação estatística e julgamento de especialistas, três vetores primários foram selecionados para o modelo preditivo:
  - Umidade do Solo Normalizada no início da temporada (NSMPLS): Umidade volumétrica média do solo em fevereiro.
  - Tendência de Umidade do Solo do Ano Anterior (NSMTPLS1yr): A tendência da umidade do solo profundo de fevereiro a fevereiro.
  - Acúmulo de Água Total Móvel de 90 dias da Temporada de Deslizamento (TWRA90): Máximo de água total (degelo + precipitação) adicionada em uma janela móvel de 90 dias durante a temporada.
Desenvolvimento do Modelo:
- Pontuação de Atividade de Deslizamento Regional (RLAS): Uma combinação linear ponderada dos três vetores foi calculada: $RLAS = (1,0 \times NSMPLS) + (0,5 \times NSMTPLS1yr) + (1,0 \times TWRA90)$ . A tendência de 1 ano foi ponderada em 0,5 devido ao menor poder preditivo em comparação com as outras variáveis.
- Índice de Atividade de Deslizamento Regional (RLAI): O RLAS (variando de 0 a 2,5) foi classificado em quatro categorias qualitativas representando a distribuição de probabilidade da atividade de deslizamento:
  - Baixa Atividade: RLAS < 0,95 (Maioria dormente ou mais lenta que o típico).
  - Atividade Típica: 0,95 ≤ RLAS ≤ 1,40 (Atividade mista).
  - Alta Atividade: 1,40 < RLAS ≤ 1,80 (Maioria mais rápida que o típico).
  - Muito Alta Atidade: RLAS > 1,80 (A maioria muito mais rápida que o típico).
Validação e Previsão:
- Retroprojeção (Hindcasting): O modelo foi testado contra períodos conhecidos de atividade elevada em locais específicos (ex: 1997–1998, 2013–2014, 2020–2022). As previsões foram geradas usando dados pré-temporada (fevereiro) e atualizadas mensalmente com dados observados.
- Previsão de 2026: O modelo foi aplicado para gerar a primeira previsão operacional para a temporada de 2026 usando simulações de Monte Carlo para estimar o acúmulo de água total de 90 dias desconhecido, produzindo mapas probabilísticos (percentis de 5º, 50º e 95º).

Principais Contribuições e Resultados

Vinculação Quantitativa: O estudo estabeleceu com sucesso uma relação estatística entre tendências hidroclimáticas regionais (especificamente umidade do solo profunda e acúmulo de água total) e a aceleração de populações de deslizamentos.
Ferramenta Operacional (RLAI): O desenvolvimento do RLAI fornece aos proprietários de ativos uma métrica padronizada para avaliar a probabilidade de aceleração de deslizamentos regionais. A análise de retroprojeção demonstrou que o modelo geralmente se alinha bem com as respostas operacionais observadas; por exemplo, previu corretamente a atividade "Muito Alta" para o período de 2020–2022 e identificou condições de "Alta" atividade para 1997–1998 antes do início do movimento elevado.
Previsão Probabilística: O modelo permite a geração de previsões probabilísticas no início da temporada, com a incerteza diminuindo à medida que os dados de precipitação e degelo observados substituem os valores simulados ao longo da temporada de deslizamento.
Normalização de Dados: A aplicação de uma técnica de normalização Mínimo-Máximo permitiu a integração de conjuntos de dados heterogêneos (diferentes velocidades de deslizamento, diferentes durações de monitoramento) em um modelo regional unificado.

Significância e Alegações
O artigo alega que a principal significância deste trabalho é a mudança da mitigação reativa e específica de cada local para a gestão de risco proativa e de âmbito regional. Ao compreender como as populações de deslizamentos respondem aos forçantes hidroclimáticos, os proprietários de ativos podem melhor triar recursos e planejar cronogramas de manutenção ao longo de períodos plurianuais.

Os autores afirmam explicitamente que o RLAI foi projetado para fornecer conscientização para apoiar a preparação e a tomada de decisão em relação à probabilidade de aumento de atividade em uma região, em vez de servir como um alerta definitivo e específico de cada local para evacuação imediata ou fechamento. O modelo reconhece que fatores locais (erosão do pé da encosta, construção, falha progressiva) podem fazer com que deslizamentos individuais se comportem de forma contrária às tendências regionais.

O estudo conclui que a integração de décadas de dados de deslocamento com modelos de reanálise globais oferece um caminho viável para a previsão da atividade de DSLs. Os autores observam que a precisão e a granularidade espacial do modelo devem melhorar com a futura integração de redes de sensores monitoradas continuamente (Shape Acceleration Arrays) e dados de satélite InSAR de Banda L (NISAR), que fornecerão dados de deslocamento e hidroclimáticos de maior resolução.