Physically interpretable flood susceptibility mapping using spatial cross-validation and SHAP-derived environmental thresholds: A statistically validated framework

Nos sopés do Himalaia, onde as montanhas íngremes e rochosas encontram as planícies planas e férteis, a água comporta-se de formas que podem ser tanto vitais quanto devastadoras. Esta zona de transição, conhecida como Siwalik-Terai, é um lugar onde os rios, inchados pelas fortes chuvas de monções, transportam quantidades massivas de sedimentos das colinas em erosão. À medida que estes rios chegam às terras planas, diminuem a velocidade, depositam a sua carga de areia e silte e, frequentemente, transbordam as suas margens, inundando as aldeias e explorações agrícolas que ladeiam os seus caminhos. Durante décadas, cientistas tentaram prever onde estas cheias ocorreriam a seguir. Eles utilizam programas de computador que aprendem com eventos passados, analisando fatores como a inclinação do terreno, a proximidade de um local em relação a um rio e a quantidade de chuva que cai numa área. No entanto, estes modelos de computador agem frequentemente como "caixas pretas": fornecem um resultado, mas não explicam por que chegaram a essa conclusão, e por vezes cometem erros porque confundem padrões que ocorrem próximos uns dos outros num mapa com padrões que realmente causam inundações.

Um novo estudo foca-se na Bacia Hidrográfica do Rio Triyuga, no sudeste do Nepal, uma região que ilustra perfeitamente estes desafios. Os investigadores propuseram-se construir um sistema de previsão de cheias que não fosse apenas preciso, mas também transparente e fundamentado na realidade física da paisagem. Em vez de depender de um único algoritmo de computador, testaram quatro métodos diferentes para ver qual deles conseguiria melhor aprender com o histórico de cheias na área. Crucialmente, desenharam o seu processo de teste para garantir que o computador não estivesse simplesmente a memorizar o mapa, mas sim a aprender as regras do terreno. Ao combinar estes testes rigorosos com uma técnica que revela exatamente quais os fatores ambientais que impulsionam as previsões, criaram uma nova forma de identificar áreas perigosas. O resultado é um mapa que não mostra apenas uma probabilidade de inundação, mas destaca condições específicas e mensuráveis — como estar a uma determinada distância de um rio ou situar-se abaixo de uma elevação específica — que devem estar presentes para que uma cheia ocorra.

O estudo começou com uma recolha cuidadosa de dados relativos aos locais onde as cheias realmente ocorreram entre 2014 e 2025. A equipa reuniu 240 localizações confirmadas de inundações passadas, verificadas através de imagens de satélite e registos históricos. Para ensinar o computador o que é uma área segura, tiveram de criar um conjunto de pontos de "não-inundação". Este é um passo complexo na ciência das cheias, pois as verdadeiras zonas seguras são difíceis de definir; um lugar que não inundou no ano passado pode inundar no próximo. Os investigadores resolveram isto restringindo a procura de pontos seguros a áreas que eram fisicamente capazes de inundar, mas que simplesmente não o fizeram desta vez. Procuraram terrenos que fossem baixos o suficiente e próximos o suficiente do rio para estarem em risco, mas excluíram o próprio canal do rio. Em seguida, testaram quatro métodos diferentes de aprendizagem de computador: uma abordagem estatística chamada Regressão Logística, e três modelos de aprendizagem automática mais complexos conhecidos como Random Forest, XGBoost e Support Vector Machine.

Para garantir que os resultados fossem dignos de confiança, os investigadores não dividiram os seus dados de forma aleatória. Utilizaram um método chamado validação cruzada espacial, que divide o mapa em cinco blocos geográficos distintos. O computador aprende com quatro blocos e é testado no quinto, rotacionando através de todas as combinações. Isto evita que o modelo aprenda a localização específica de uma inundação em vez da causa subjacente. Quando executaram estes testes, os dois modelos baseados em árvores, Random Forest e XGBoost, tiveram o melhor desempenho, atingindo um AUC de 0,905. Surpreendentemente, o modelo mais simples, a Regressão Logística, teve um desempenho quase tão bom, sugerindo que as regras que regem as cheias nesta área não são incrivelmente complexas. O quarto modelo, o Support Vector Machine, teve um desempenho significativamente inferior, indicando que não era a ferramenta adequada para este cenário específico.

O avanço mais significativo do estudo ocorreu quando os investigadores perguntaram ao computador para explicar as suas decisões. Utilizando uma técnica chamada SHAP, que decompõe a lógica do modelo, descobriram que cinco fatores ambientais específicos eram os principais impulsionadores das cheias. O computador identificou que estar a menos de 226 metros de um rio, estar abaixo de uma elevação de 119 metros, ter uma inclinação inferior a 4,57 graus, ter um índice de humidade topográfica acima de 8,33 e receber mais de 1.359 milímetros de precipitação anual eram os limiares críticos. Estas não são estimativas vagas; são fronteiras precisas onde o risco de inundação muda drasticamente. Por exemplo, a distância de 226 metros corresponde de perto à largura típica da planície de inundação ativa do rio, enquanto a elevação de 119 metros marca a transição das colinas íngremes para as planícies planas onde a água se acumula.

Os investigadores combinaram então estas cinco regras num indicador único e fácil de compreender. Criaram um mapa onde cada localização é pontuada com base em quantas destas cinco condições críticas cumpre. Um local que cumpre nenhuma das condições é considerado de risco muito baixo, enquanto um local que cumpre todas as cinco é classificado como de perigo extremo. Os resultados foram impressionantes. Quando verificaram este novo mapa face ao registo histórico de cheias, constataram que 85 por cento de todas as localizações de cheias passadas se encontravam em áreas que cumpriam pelo menos três destes limiares. Mais revelador ainda, as localizações que cumpriam as cinco condições eram 141 vezes mais propensas a ter sofrido uma inundação do que as áreas que não cumpriam nenhuma. Isto provou que a inundação nesta região não é causada por apenas um fator, como a chuva ou a distância ao rio isoladamente, mas pela presença simultânea de várias condições específicas.

O estudo também produziu um mapa mostrando onde o computador tinha incertezas. Estas áreas de alta incerteza foram encontradas principalmente nas margens onde as planícies de inundação planas encontram os terraços ligeiramente mais elevados. Nestas zonas de transição, as condições ambientais são ambíguas, tornando difícil para qualquer modelo ter certeza. Os investigadores sugerem que estes são precisamente os locais onde os esforços de monitorização futuros devem ser focados, pois representam as fronteiras onde o risco de inundação é mais dinâmico. Ao identificar estas zonas, o estudo fornece um guia claro sobre onde investir recursos para uma melhor recolha de dados e sistemas de alerta precoce.

Este trabalho oferece um novo modelo para gerir o risco de cheias em regiões montanhosas com escassez de dados. Ao contrário de estudos anteriores que dependiam de algoritmos complexos sem explicar a sua lógica, esta abordagem fornece um conjunto transparente de regras que os planeadores locais podem compreender e utilizar. As descobertas confirmam que, na Bacia Hidrográfica do Rio Triyuga, o risco de inundação é governado pela forma física da terra e pela quantidade de chuva, e não por forças misteriosas ou imprevisíveis. O estudo demonstra que, ao combinar testes rigorosos com inteligência artificial explicável, é possível criar mapas de inundação que sejam simultaneamente cientificamente robustos e praticamente úteis para proteger as comunidades no Himalaia. O modelo desenvolvido aqui pode ser aplicado a outras bacias hidrográficas da região, oferecendo uma forma fiável de identificar áreas perigosas e orientar decisões de uso do solo sem a necessidade de extensos dados históricos ou modelos hidráulicos complexos.