Impacts of Urban Three-Dimensional Morphology on Seismic Vulnerability and its Driving Mechanisms: A XGBoost-SHAP Explainable Analysis in Jiangyou City, Southwestern China

As cidades não são apenas mapas planos de ruas e quarteirões; são paisagens tridimensionais de paredes elevadas e espaços lotados. Quando o chão treme, a forma como uma cidade é construída em altura e densidade importa tanto quanto a qualidade dos tijolos e da argamassa. Durante décadas, cientistas tentaram prever quais edifícios têm maior probabilidade de falhar durante um terremoto, focando frequentemente em estruturas individuais ou em fatores simples, como a idade de um edifício. No entanto, esses métodos tradicionais muitas vezes perdem as relações complexas e ocultas entre a forma geral de um bairro e a sua sobrevivência a um tremor. Eles têm dificuldade em capturar as formas não lineares pelas quais um grupo de edifícios altos pode interagir com um grupo de edifícios baixos, ou como o mero adensamento de um distrito altera o risco para todos nele contidos. Compreender esses padrões espaciais é crucial para os planejadores urbanos que desejam projetar cidades capazes de resistir a desastres, mas as ferramentas para visualizar esses padrões com clareza têm sido limitadas.

Num estudo recente focado na Cidade de Jiangyou, no sudoeste da China, uma equipa de investigadores abordou este desafio combinando aprendizagem computacional avançada com um mergulho profundo na forma física da cidade. Jiangyou é um lugar onde a ameaça de terremotos é real e presente; situa-se ao longo de uma importante falha geológica e sofreu perdas devastadoras durante um grande terremoto em 2008. A cidade caracteriza-se principalmente por edifícios de alvenaria de baixa e média altura, oferecendo um contraste distinto aos arranha-céus imponentes das megacidades. Os investigadores queriam compreender como o arranjo tridimensional específico destes edifícios — a sua densidade, variações de altura e o quão compactos estão uns com os outros — influencia a sua vulnerabilidade ao abalo sísmico. Para isso, não confiaram em suposições simples ou equações lineares que assumem uma relação direta de causa e efeito. Em vez disso, construíram um modelo digital sofisticado que poderia aprender com os dados, descobrindo as regras subtis e complexas que regem a resposta das formas urbanas ao stress.

A equipa começou por recolher informações detalhadas sobre quase 3.000 edifícios na cidade, registando a sua altura, área de piso, tipo estrutural e idade. Como o número de edifícios reais era demasiado pequeno para treinar um modelo computacional poderoso por si só, utilizaram uma técnica para gerar milhares de exemplos sintéticos realistas que espelhavam as características da cidade real. Isto permitiu-lhes alimentar uma enorme quantidade de dados num algoritmo de aprendizagem automática conhecido como XGBoost, que é desenhado para encontrar padrões em dados complexos e de alta dimensão. Uma vez que o modelo aprendeu a prever a vulnerabilidade sísmica com elevada precisão, os investigadores utilizaram uma ferramenta especial chamada SHAP para abrir a "caixa negra" do algoritmo. Esta ferramenta atuou como um holofote, revelando exatamente quais as características da forma da cidade que estavam a impulsionar as previsões e o quanto cada uma delas importava. Também mapearam os resultados para verificar se as áreas vulneráveis estavam agrupadas ou dispersas aleatoriamente pelo território.

Os resultados pintaram um quadro claro e surpreendente de como a forma da cidade dita a segurança. O fator mais poderoso que influenciou a vulnerabilidade de um edifício não foi a sua altura ou idade, mas algo que os investigadores chamaram de "grau de aglomeração espacial". Esta métrica mede o quão apertados os edifícios estão distribuídos no espaço tridimensional ao seu redor. O estudo descobriu que uma maior aglomeração geralmente reduzia a vulnerabilidade, sugerindo que bairros densos e compactos proporcionam uma espécie de suporte estrutural mútuo que ajuda os edifios a resistir ao abalo. Em contraste, características como a variação nas alturas dos edifícios e a rácio entre a área de piso e a área de terreno mostraram efeitos não lineares complexos. Por exemplo, embora ter uma mistura de alturas de edifícios possa por vezes ajudar a dispersar a energia sísmica, variações extremas ou combinações específicas de edifícios altos e baixos poderiam, de facto, aumentar o risco. Os investigadores descobriram que a relação entre a forma de uma cidade e a sua segurança não é uma regra simples de "mais é melhor" ou "menos é melhor". Em vez disso, depende de encontrar um equilíbrio; configurações extremas, como uma densidade muito alta combinada com uma variação de volume muito baixa, tendiam a amplificar o risco, enquanto layouts mais coordenados e equilibrados tendiam a baixá-lo.

Quando os investigadores observaram o mapa de Jiangyou, viram que estes riscos não estavam distribuídos uniformemente. Identificaram zonas distintas onde áreas de alto risco eram rodeadas por áreas de baixo risco, e vice-versa, revelando um padrão de transbordamento espacial. Algumas áreas apresentavam um padrão "alto-baixo", onde um núcleo de desenvolvimento denso e intenso se situava ao lado de bairros esparsos e de baixa densidade, criando uma transição brusca que poderia ser perigosa. Outras áreas eram "baixo-alto", onde edifícios pequenos e simples eram rodeados por estruturas maiores e mais complexas, criando um gradiente de risco. O estudo confirmou que os pontos mais vulneráveis eram frequentemente aqueles com características morfológicas desequilibradas ou extremas, tais como áreas com densidade de edifícios muito elevada mas baixa variedade estrutural, ou regiões onde as alturas dos edifícios eram amplamente inconsistentes. O modelo computacional que construíram provou ser muito mais preciso do que os métodos anteriores, prevendo corretamente os níveis de vulnerabilidade com um elevado grau de precisão, o que sugere que estas relações espaciais complexas são, de facto, a chave para compreender o risco de terremotos.

Em última análise, esta investigação oferece uma nova forma de olhar para a segurança urbana. Ela vai além da ideia de que só podemos proteger edifícios individuais e sugere que a forma coletiva de um bairro é um fator crítico para a resiliência perante desastres. O estudo indica que, ao gerir cuidadosamente a forma como os edifícios são dispostos em três dimensões — garantindo uma mistura equilibrada de densidade, altura e volume — as cidades podem naturalmente reduzir a sua exposição a danos causados por terremotos. As descobertas fornecem uma base científica para que os planeadores urbanos projetem bairros que não sejam apenas funcionais, mas inerentemente mais seguros. Ao compreender as formas específicas como a aglomeração espacial e as variações de altura interagem, as cidades podem evitar as configurações extremas que levam ao desastre e, em vez disso, promover layouts que absorvam e distribuam a energia dos tremores da terra, protegendo as pessoas que nelas habitam.