Recurrences analysis of natural disasters events based on the Integrated Disaster Information System (S2iD) and historical precipitation series in Brazil : a methodological contribution

Tese (doutorado)—Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-Graduação em Geografia, 2018.Este trabalho apresenta o uso de técnicas de análise e interpretação de grandes volumes de dados, também conhecido como Big Data, na área da geografia relacionada à gestão ambiental e territorial. Propôe-se uma abordagem metodológica de estudo sistemático das (re)ocorrências de eventos extremos de precipitação e desastres naturais, por meio do cruzamento de bases de dados pluviométricos, topográficos e de desastre, visando estabelecer relações entre estas variáveis e a identificação de padrões e limiares críticos de precipitação com potencial real para desencadear episódios de desastres naturais. Foram utilizados o banco de dados de desastres naturais S2iD, do Centro Nacional de Gerenciamento de Riscos e Desastres (CENAD), as estações pluviométricas disponibilizadas pela Agência Nacional de Águas (ANA) e Instituto Nacional de Meteorologia (INMET), um mapa de declividade gerado a partir dos dados da Shuttle Radar Topography Mission (SRTM) com 1 segundo de arco. Após o cruzamento das bases de dados identificou-se 14.209 registros de desastres, distribuídos em 3.096 municípios, que estão localizados próximo a área de influência de 3.746 estações pluviométricas. Identificou-se inúmeros locais sujeitos a ocorrência de desastres naturais ocasionados por eventos de chuvas extremas, entre os quais pode-se citar os desastres ocorridos em Bertioga (SP) em 1992, 1993, e 2013. No dia 17 de janeiro de 1992, por exemplo, a estação nº 2346065 - Represa Itatinga registrou 360 mm/dia, que culminou em episódios de enxurradas e inundações na cidade. Contudo, os resultados evidenciam que somente o estudo das máximas diárias não seria suficiente para explicar os desastres históricos ocorridos em várias regiões, havendo necessidade de se observar os volumes acumulados de chuva nos dias anteriores que levam à saturação do solo. Nesta linha foi constatado que que vários episódios de desastres naturais, entre os quais os ocorridos no Vale do Itajaí (SC), São Luiz do Paraitinga (SP) e Região Serrana (RJ), respectivamente nos anos de 2008, 2010 e 2011, estão associados a eventos extremos de precipitação acumulados que acabaram por ocasionar enxurradas, movimentos de massas e inundações. Para classificação dos eventos de chuva associados aos episódios de desastres foram utilizadas a técnica dos quantis e a técnica de análise de distribuição de frequência. Os resultados mostraram que a classificação das chuvas através da técnica dos quantis, apesar de simples, se mostra bastante adequada a este tipo análise, permitindo o estabelecimento de classes qualitativa das precipitações. Neste trabalho foram estabelecidas 8 classes (Sem chuva (SC), Dia seco (DS), Chuva muito fraca (Cmf), Chuva fraca (Cf), Chuva moderada (CM), Chuva forte (CF), Chuva muito forte (CMF) e Chuva extrema (CE)), que foram relacionadas à probabilidade de ocorrência de desastres. Está técnica pode ser uma alternativa mais direta para auxiliar na definição dos limiares de chuvas extremas associados a desastres naturais, contribuindo no planejamento de sistemas de alerta e ajudando os profissionais que atuam no gerenciamento e redução de risco de desastres.A aplicação da técnica de análise de distribuição de frequência também se mostrou útil para caracterizar os eventos extremos de precipitação, pois permite a estimativa dos Períodos de Retorno (probabilidades de não excedência) dos eventos de precipitação associadas aos desastres. Contudo, sua execução é complexa e muito suscetível a presença de erros ou incongruências nos dados históricos de precipitação. Isto dificulta o processo de automatização em larga escala com consequente aumento no tempo dedicado a este tipo de análise. Espera-se que estes resultados possam contribuir para melhorar o conhecimento na área de desastres naturais, e servir de incentivo para os estudos baseado na análise de grandes massas de dados com uso de técnicas de análise de dados, considerando este ser ainda um campo em evolução na geografia. Como conclusão foram apontadas as maiores necessidades de aprimoramento de base de dados, redes de monitoramento e ferramentas de análise de dados que poderiam contribuir para o desenvolvimento deste tema.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).This paper presents the use of analysis and interpretation techniques applied to large datasets, also known as Big Data, related to environmental and land management. A systematic approach was proposed to study the occurrences of extreme precipitation events and natural disasters, through the intersection of rainfall, topographical and disaster databases, aiming to establish relationships between these variables and the identification of critical precipitation patterns and thresholds with real potential to trigger episodes of natural disasters. Were used the database of natural disasters S2iD from the National Center for Risk and Disaster Management (CENAD), the rainfall stations provided by the National Water Agency (ANA) and the National Institute of Meteorology (INMET), and the slope map generated from the data of Shuttle Radar Topography Mission (SRTM) with 1 second arc. After crossing the databases 14,209 records of disasters were identified, distributed in 3,096 municipalities, which are located near the influence area of 3,746 rainfall stations. Several sites were identified that are subject to natural disasters caused by extreme rainfall events, such as the disasters occurred at Bertioga (SP) in 1992, 1993 and 2013. For example, on January 17, 1992, the station nº 2346065 - Represa Itatinga recorded 360 mm/day, which culminated in episodes of floods and inundations in the city. However, the results show that only the study of daily maximums would not be enough to explain the historical disasters in these regions, and it is necessary to observe accumulated rainfall volumes in the previous days that lead to soil saturation. In this line, it was observed that several natural disasters episodes, such as those occurring in the Vale do Itajaí (SC), São Luiz do Paraitinga (SP) and Serrana Region (RJ) respectively, in 2008, 2010 and 2011, are associated with extreme accumulated precipitation events that eventually caused floods, mass movements and inundations. To proceed the classification of rainfall events associated with episodes of disasters was applied quantile and frequency distribution analysis techniques. The results showed that the classification of rainfall by the quantiles technique, although simple, is quite adequate for this type of analysis, allowing the establishment of qualitative precipitation classes. In this work were established eight class (no Rainfall (SC), Dry Day (DS), Very Weak Rain (Cmf), Weak Rain (Cf), Moderate Rain (CM), Heavy Rain (CF), Very Heavy Rain (CMF) and Extreme Rain (EC)), which were related to the probability of disasters occurrence. This technique can be a more direct alternative to assist in the definition of extreme rainfall thresholds associated with natural disasters, contributing to the planning of warning systems and helping professionals working in disaster risk management and reduction. The application of the frequency distribution analysis technique has also proved useful in characterizing the extreme events of precipitation, since it allows the estimation of the Return Periods (non-x exceedance probabilities) of the precipitation events associated to the disaster’s episodes. However, its execution is complex and very susceptible to errors or inconsistencies in historical precipitation data. This complicates the large-scale automation process with a consequent increase in the time dedicated to this type of analysis. It is expected that this work can help to improve knowledge in the field of natural disasters and motivated studies based on the analysis of large data sets, considering this to be still a growing field in geography. As conclusion, we pointed out the increased needs for database enhancement, monitoring networks and data analysis tools that could contribute to the development of this theme