Resumo Técnico: Alocação Otimizada de Recursos para Múltiplos Incêndios Florestais Considerando Interdependências de Infraestrutura Crítica

Definição do Problema

O artigo aborda o desafio complexo de alocar e programar recursos de combate a incêndios durante múltiplos incidentes de incêndios florestais simultâneos. Diferente dos cenários tradicionais de incêndio único, este problema envolve a distribuição de recursos heterogêneos limitados (aéreos, maquinário e pessoal de solo) entre vários incêndios ativos que podem ter diferentes velocidades de propagação, direções e comportamentos.

Um aspecto crítico do problema é a interdependência da Infraestrutura Crítica (IC). Os incêndios florestais não ameaçam apenas as paisagens naturais, mas também interrompem sistemas essenciais, como redes elétricas, distribuição de água, transporte, telecomunicações e saúde. A interrupção de uma infraestrutura frequentemente reverbera em outras, amplificando o impacto socioeconômico total. O objetivo é determinar uma estratégia de implantação de recursos ideal que minimize o custo total do sistema, definido como a soma de:

1. Custos operacionais: Despesas relacionadas ao deslocamento e uso de recursos de combate a incêndios.
2. Custos de danos: Custos associados ao reparo de infraestruturas e interrupções de serviços, que são dinamicamente influenciados pelas interdependências entre os sistemas.

O problema é ainda mais complicado por restrições dinâmicas, incluindo:

• Restrições de recursos: Disponibilidade limitada, tempos de viagem entre bases e locais de incêndio, e períodos máximos de trabalho (influenciados por níveis de descanso e treinamento).
• Dinâmica do fogo: Os incêndios podem se fundir ao longo do tempo, alterando os tamanhos dos perímetros e os requisitos de contenção.
• Restrições temporais: As decisões devem ser tomadas online conforme o incêndio evolui, com um horizonte de planejamento que normalmente cobre uma janela de 6 horas (36 passos de tempo de 10 minutos cada).

Metodologia

Os autores propõem um framework de otimização online que integra um modelo de Programação Linear Inteira Mista (MILP) com uma ferramenta de simulação chamada i2SIM (Infrastructure Interdependencies Simulator).

1. O Simulador i2SIM

Para quantificar o impacto financeiro dos incêndios florestais nas infraestruturas interconectadas, o estudo utiliza o i2SIM. Esta ferramenta modela o fluxo de recursos entre sistemas usando Tabelas Legíveis por Humanos (HRTs).

• Mecanismo: As HRTs definem as relações de entrada-saída para cada infraestrutura (ex: a capacidade de pacientes de um hospital depende de eletricidade, água, pessoal e integridade física).
• Lógica: Em cada passo de tempo, o nível operacional de uma infraestrutura é determinado pelo seu insumo mais limitante (o "gargalo"). Se um incêndio danifica uma usina de energia, o resultante apagão reduz a capacidade do hospital, o que, por sua vez, aumenta os custos de interrupção de serviço.
• Escopo: O framework modela seis infraestruturas principais: redes elétricas, bombas de gás, rotas de transporte, distribuição de água, torres de telecomunicações e saúde.

2. O Modelo de Otimização MILP

O motor central de tomada de decisão é um modelo MILP projetado para minimizar o custo total ao longo do horizonte de planejamento.

• Função Objetivo: Minimizar a soma dos custos de Mudança de Valor Líquido (NVC - Net Value Change), que inclui danos e interrupção de serviços, e os custos operacionais dos recursos.
• Variáveis de Decisão: O modelo determina a localização e o status de cada recurso $i$ em cada passo de tempo $t$, incluindo:
  • Se um recurso está em um local de incêndio específico ou na base.
  • Se um recurso está se deslocando entre locais.
  • Se um recurso está contendo ativamente um incêndio.
• Restrições:
  • Dinâmica do Fogo: Modela o perímetro restante dos incêndios, contabilizando as taxas naturais de propagação e a redução do perímetro devido aos esforços de contenção.
  • Fluxo de Recursos: Garante que os recursos se movam de forma realista com base nos tempos de viagem ($\tau$) e que não possam estar em dois locais simultaneamente.
  • Limites Operacionais: Impõe períodos máximos de trabalho ($WP_i$) para equipes de solo com base em multiplicadores de eficiência de descanso e treinamento.
  • Fusão de Incêndios: O modelo lida dinamicamente com cenários onde incêndios separados se fundem em um único incêndio maior, recalculando perímetros e requisitos de recursos.
• Passo de Tempo: O modelo opera em um framework de tempo discreto com um passo de tempo de 10 minutos.

3. Configuração Experimental

O framework foi testado utilizando:

• Caso Base: Um cenário específico modelado a partir dos incêndios de Jasper City de 2024, envolvendo três incêndios que se fundem progressivamente.
• Simulações de Larga Escala: 50 cenários distintos com variados perímetros de incêndio, taxas de propagação e configurações espaciais.
• Benchmark: Uma heurística baseada em prioridade foi utilizada para comparação. Esta heurística atribui todos os recursos disponíveis ao incêndio com o maior custo de dano imediato, ignorando compensações (trade-offs) e dinâmicas futuras.
• Solver: Gurobi Optimizer (v13.0.0) com um limite de 600 segundos por execução.

Principais Contribuições

1. Framework Integrado: O artigo introduz o acoplamento inovador de um MILP de contenção de incêndios com o simulador i2SIM. Isso permite uma análise de custo socioeconômico que considera explicitamente as falhas em cascata das infraestruturas críticas, indo além das métricas simples de "área queimada".
2. Escalonamento Dinâmico de Recursos: O modelo lida com a tomada de decisão online, onde as condições do incêndio (fusão, propagação) e as restrições de recursos (tempo de viagem, fadiga) evoluem em tempo real.
3. Tratamento de Fusão de Incêndios: A formulação aborda explicitamente as dinâmicas não lineares da fusão de incêndios, onde o perímetro combinado é menor do que a soma dos perímetros individuais, exigindo reotimização adaptativa.
4. Realismo Operacional: O modelo incorpora fatores humanos realistas, como eficiência de descanso e níveis de treinamento, para calcular os períodos de trabalho efetivos das equipes de solo.

Resultados

• Redução de Custos: O framework de otimização proposto superou significativamente a heurística baseada em prioridade. Ao longo dos 50 cenários de larga escala de incêndios florestais, o modelo de otimização reduziu os custos totais entre 6,6% e 45,1%.
• Retornos Decrescentes: O estudo descobriu que adicionar mais recursos não reduz as perdas de forma linear. O benefício marginal de recursos adicionais diminui à medida que a disponibilidade aumenta.
• Sensibilidade de Recursos:
  • Recursos Aéreos: Aumentar a disponibilidade de recursos aéreos (particularmente helicópteros) gerou a redução mais significativa nos custos de danos devido à sua alta eficiência de contenção e rápida implantação.
  • Tempo de Viagem: O implante precoce de recursos de alta capacidade é crítico. Atrasos nos tempos de chegada aumentaram significativamente os custos totais, destacando a importância da acessibilidade.
• Eficiência Computacional: A abordagem MILP provou ser computacionalmente viável. Apenas 2,78% das instâncias atingiram o limite de 600 segundos sem provar a otimalidade e, mesmo nesses casos, o MIP-Gap foi mínimo (0,02%), indicando que soluções quase ótimas de alta qualidade foram encontradas rapidamente.

Significância e Alegações

O artigo alega que sua principal significância reside em fornecer uma ferramenta de suporte à decisão online e computacionalmente viável para gestores de emergência que enfrentam múltiplos incêndios florestais simultâneos. Ao integrar as interdependências de infraestrutura, o framework oferece uma representação mais precisa do verdadeiro custo dos incêndios florestais, permitindo estratégias que minimizam não apenas a propagação física do fogo, mas também a interrupção social e econômica mais ampla.

Os autores enfatizam que, enquanto os métodos tradicionais frequentemente dependem de pressupostos estáticos ou de incêndio único, sua abordagem captura a natureza dinâmica e interdependente das modernas emergências de incêndios florestais. Os achados sugerem que a priorização estratégica — especificamente o implante precoce de ativos aéreos e a realocação dinâmica de recursos conforme os incêndios se fundem — é essencial para uma gestão de emergência eficaz. O artigo conclui que a simulação preditiva combinada com a otimização é um avanço vital para o planejamento da contenção dinâmica de incêndios sob condições em mudança.