.
De acordo com pesquisadores da Universidade da Califórnia, em Irvine, agências governamentais, seguradoras e planejadores de desastres dependem de modelos nacionais de risco de inundações do setor privado que não são confiáveis em níveis menores, como bairros e propriedades individuais.
Em um artigo publicado recentemente na revista American Geophysical Union O futuro da TerraEspecialistas do Departamento de Engenharia Civil e Ambiental da Universidade da Califórnia em Irvine alertam que dados relativamente novos sobre inundações em escala nacional fornecem uma representação inadequada da topografia e infraestrutura locais, fatores conhecidos por controlar a propagação de inundações em áreas urbanas.
“Em nossa análise do Condado de Los Angeles, que tem uma população maior que 40 estados dos EUA e inclui mais de 80 municípios separados, descobrimos que as estimativas de exposição a inundações em todo o condado a partir dos dados nacionais são, na verdade, semelhantes ao que encontramos com nossos modelos mais detalhados. No entanto, as previsões de quais comunidades e propriedades estão em risco são marcadamente diferentes”, disse o autor principal Brett Sanders, professor de engenharia civil e ambiental da UC Irvine Chancellor e professor de planejamento urbano e política pública.
“Além disso, essas diferenças entre modelos implicam uma disparidade na desigualdade de exposição entre grupos sociais, incluindo negros, brancos e setores desfavorecidos da sociedade”, disse ele. “Pontos críticos de exposição e desigualdades sociais são fatores-chave que informam o planejamento de risco de inundação urbana, e a confiança excessiva nesses dados pode levar à má adaptação de medidas de proteção.”
Sanders e colegas da UC Irvine e da Universidade de Miami desenvolveram um modelo mais detalhado chamado PRIMo-Drain que, segundo eles, melhora a precisão das previsões de inundações ao incluir dados topográficos de alta resolução; informações sobre diques e condições de canais; e detalhes sobre infraestrutura de águas pluviais, como bueiros, tubulações subterrâneas e bueiros de rua.
“Comparando avaliações de exposição com modelos de dados nacionais versus PRIMo-Drain, descobrimos que as estimativas cidade por cidade diferiam por um fator de 10”, disse Sanders. “Além disso, descobrimos que há apenas uma chance de 1 em 4 de que os dados nacionais e os dados da UC Irvine concordem sobre quais propriedades correm risco de mais de 30 cm de inundação devido a um evento extremo.”
Os programas federais para mapear riscos de inundações nos EUA não conseguiram acompanhar as mudanças no uso da terra e no clima, disse ele, enquanto os governos em todos os níveis e o setor de seguros precisam urgentemente dessas informações para gerenciar os riscos.
“Novas fontes de dados nacionais surgiram do setor privado para atender a essa demanda, mas, infelizmente, esses modelos não têm o nível de detalhes necessário para mapear riscos de inundação com precisão em áreas urbanas”, disse Sanders. “Novos modelos se beneficiariam da inclusão de representações mais completas da infraestrutura de drenagem, como diques, canais de inundação, bueiros e drenos pluviais, bem como dados batimétricos e hidrológicos.”
Ele e seus colegas também apontam para uma nova estratégia para melhores dados nacionais.
“A modelagem colaborativa de inundações, com cientistas e engenheiros usando modelos regionais de ponta em coordenação com as partes interessadas, pode criar uma economia de escala que reduz a sobrecarga necessária para cobrir comunidades menores e menos ricas, ao mesmo tempo em que aumenta a conscientização e a preparação para inundações entre as populações impactadas”, disse Sanders. “A conscientização sobre o risco de inundações é essencial para a participação em programas de seguro contra inundações; dados mais precisos ajudarão as seguradoras a identificar propriedades seguráveis; e os proprietários de imóveis estarão mais bem informados sobre a relação custo-benefício da proteção contra inundações.”
Juntando-se a Sanders neste projeto estavam Jochen Schubert, um especialista em pesquisa da UC Irvine em engenharia civil e ambiental, e Katharine Mach da University of Miami. A equipe recebeu assistência de dados da First Street Foundation e suporte de computação de alto desempenho do NCAR-Wyoming Supercomputing Center, que recebe financiamento da National Science Foundation.
.
