El uso de machine learning para enfrentar inundaciones
un estudio de caso en el municipio de Pelotas
DOI:
https://doi.org/10.21874/rsp.v76i3.11285Palabras clave:
aprendizaje automático, redes neuronales artificiales, gestión de desastres, políticas públicas, toma de decisionesResumen
Este estudio evalúa la efectividad de la aplicación de redes neuronales artificiales como herramienta de apoyo para la toma de decisiones durante desastres naturales, con un enfoque en las inundaciones ocurridas en Pelotas, Río Grande del Sur, en 2024. A través de un enfoque de aprendizaje automático, el estudio analiza si las decisiones tomadas por el gobierno municipal fueron conservadoras o flexibles, comparando las predicciones de los niveles del agua con las acciones implementadas. Basándose en datos de series temporales del Canal São Gonçalo, los resultados indican que las predicciones del modelo, en general, estuvieron alineadas con las políticas públicas, aunque sobreestimaron ligeramente los niveles de agua. Los hallazgos sugieren que la integración de modelos predictivos basados en inteligencia artificial puede mejorar la efectividad de las políticas públicas y la gestión de riesgos durante emergencias climáticas. Este estudio contribuye a la literatura al demostrar el potencial de las técnicas de ciencia de datos para los gestores públicos, ayudando en la mitigación de daños y en la formulación de estrategias proactivas de protección civil.
Descargas
Citas
Aguilar, A., & Vicarelli, M. (2022). El niño and children: Medium-term effects of early-life weather shocks on cognitive and health outcomes. World Development, v. 150, p. 105690.
Benson, C., & Clay, E. (2004). Understanding the economic and financial impacts of natural disasters. [s.l.] The World Bank.
Brasil. (2011). Lei nº 12.527, de 18 de novembro de 2011. Regula o acesso a informações previsto no inciso XXXIII do art. 5º, no inciso II do § 3º do art. 37 e no § 2º do art. 216 da Constituição Federal. Diário Oficial da União: seção 1, Brasília, DF, ano CXLVIII, n. 221, p. 1, 18 nov. 2011. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12527.htm. Acesso em: 9 jun. 2025.
Cavallo, E. et al. (2013). Catastrophic natural disasters and economic growth. Review of Economics and Statistics, v. 95, n. 5, p. 1549–1561.
Goodfellow, Ian, Bengio, Yoshua, & Courville, Aaron. (2016). Deep learning. Cambridge: MIT Press.
Greene, William H. (2012). Econometric analysis. 7. ed. Upper Saddle River, NJ: Pearson Education.
Gujarati, D. N., & Porter, D. C. (2022). Basic econometrics. 6. ed. New York: McGraw-Hill Education.
Hallegatte, Stéphane, Hourcade, Jean-Charles, & Dumas, Patrice. (2007). Why economic dynamics matter in assessing climate change damages: illustration on extreme events. Ecological Economics, v. 62, n. 2, p. 330–340.
Horwich, G. (2000). Economic lessons of the Kobe earthquake. Economic development and cultural change, v. 48, n. 3, p. 521–542.
Hsiang, Solomon M., & Jina, Amir S. (2014). The causal effect of environmental catastrophe on long-run economic growth: evidence from 6,700 cyclones. NBER Working Paper.
IBGE. (2024). Instituto Brasileiro de Geografia e Estatística. Panorama do município de Pelotas, RS. Disponível em: https://cidades.ibge.gov.br/brasil/rs/pelotas/panorama. Acesso em: 24 jul. 2024.
Imberman, S. A., Kugler, A. D, & Sacerdote, B. I. (2012). Katrina’s children: Evidence on the structure of peer effects from hurricane evacuees. American Economic Review, v. 102, n. 5, p. 2048–2082.
Lima, Marcelo, & Barbosa, João. (2018). The economic impact of the 2008 flood in Santa Catarina, Brazil: Direct and indirect effects. Journal of Environmental Economics, v. 12, n. 2, p. 345–367,.
Liu, W., Ouyang, C., Tang, Y., & He, S. (2024). Reproduction of the chain process of debris flow blocking river at a catchment scale: a numerical study. Bulletin of Engineering Geology and the Environment, 83(12), 1–16.
Martínez, Francisco, Charte, Francisco, Frías, Maria Pílar, & Martínez-Rodriguez, Ana María. (2022). Strategies for time series forecasting with generalized regression neural networks. Neurocomputing.
Melecky, Martin, & Raddatz, Claudio. (2015). Fiscal responses after catastrophes and the enabling role of financial development. World Bank Economic Review, v. 29, n. 1, p. 129–149.
Mori, Hiroshi, Kimura, Ryo, & Tanaka, Koji. (2020). Flood forecasting with machine learning: A case study in Japan. Natural Hazards and Earth System Sciences.
Niquito, Teresa et al. (2021). Human-made disasters and economic impact for a developing economy: evidence from Brazil. Natural Hazards, v. 35, n. 1, p. 89–101.
Noy, I. (2009). The macroeconomic consequences of disasters. Journal of Development economics, v. 88, n. 2, p. 221–231.
Oliveira, V. H. de, Lee, I., & Quintana-Domeque, C. (2023). Natural disasters and early human development: Hurricane Catarina and infant health in Brazil. Journal of Human Resources, v. 58, n. 3, p. 819–851.
Pelotas. (2024). Decreto nº 6.871, de 11 de maio de 2024. Autoriza a comunicação entre sistemas e o consumo automatizado de dados para acesso e compartilhamento, regulamentando a identificação de pessoas, gestão de informações e necessidades de desabrigados, no âmbito do Município de Pelotas. Pelotas: Prefeitura Municipal de Pelotas, 2024.
Pelotas. (2024). Decreto nº 6.873, de 13 de maio de 2024. Dispõe sobre medidas complementares em razão do estado de calamidade pública no Município de Pelotas, pelo evento adverso Chuvas Intensas, conforme Decreto Municipal nº 6.872, de 13 de maio de 2024. Pelotas: Prefeitura Municipal de Pelotas, 2024.
Pelotas. (2024). Decreto nº 6.874, de 13 de maio de 2024. Institui medidas e procedimentos para recebimento de doações relacionadas à situação de anormalidade declarada no Município de Pelotas, visando a mitigação dos danos relacionados ao estado de calamidade, instituído pelo Decreto Municipal nº 6.872, de 13 de maio de 2024. Pelotas: Prefeitura Municipal de Pelotas, 2024.
Pelotas. (2024). Lei nº 7.354, de 17 de julho de 2024. Institui o programa de estímulo à recuperação dos danos sociais e materiais dos atingidos pelas adversidades decorrentes do estado de calamidade pública, denominado Força Pelotas. Regulamentada pelo Decreto nº 6.901/2024. Pelotas: Prefeitura Municipal de Pelotas, 2024.
R Core Team. (2024). R: A language and environment for statistical computing. Version 4.4.2. Vienna: R Foundation for Statistical Computing, 2024. Available at: https://www.r-project.org/.
Ribeiro, F. G. et al. (2014). O impacto econômico dos desastres naturais: o caso das chuvas de 2008 em Santa Catarina. Planejamento e Políticas Públicas, n. 43.
Skidmore, M., & Toya, H. (2002). Do natural disasters promote long‐run growth? Economic inquiry, v. 40, n. 4, p. 664–687.
Souza, R. M., & Cerqueira, D. (2019). Desastres e desempenho econômico: avaliação do impacto do rompimento da barragem de Mariana. Geosul, v. 34, n. 70, p. 406–423. Disponível em: <https://periodicos.ufsc.br/index.php/geosul/article/view/2177-5230.2019v34n70p406/38527>. Acesso em: 29 nov. 2024.
Toya, H., & Skidmore, M. (2007). Economic development and the impacts of natural disasters. Economics letters, v. 94, n. 1, p. 20–25.
Wink Junior, M. V. et al. (2023). Natural disasters and poverty: evidence from a flash flood in Brazil. Environment, Development and Sustainability, p. 1–22.
Zhang, B., Ouyang, C., Cui, P., Xu, Q., Wang, D., Zhang, F., & Zhang, Q. (2024). Deep learning for cross-region streamflow and flood forecasting at a global scale. The Innovation, 5(3).
Xu, Q., Shi, Y., Bamber, J. L., Ouyang, C., & Zhu, X. X. (2024). Large-scale flood modeling and forecasting with FloodCast. Water Research, 264.
Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. 2. ed. Cambridge, MA: MIT Press.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Revista do Serviço Público
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
- A RSP adota a licença Creative Commons (CC) do tipo Atribuição – Uso Não-Comercial (BY-NC).
- A licença permite que outros remixem, adaptem e criem obra licenciada, sendo proibido o uso com fins comerciais.
- As novas obras devem fazer referência ao autor nos créditos e não podem ser usadas com fins comerciais, porém não precisam ser licenciadas sob os mesmos termos dessa licença.
- Ao publicar o artigo na RSP, o autor cede e transfere para a ENAP os direitos autorais patrimoniais referentes ao artigo.
- O artigo publicado na RSP não poderá ser divulgado em outro meio sem a devida referência à publicação de origem.
- O autor que tiver o artigo publicado na RSP deverá assinar o Termo de Concessão de Direitos Autorais (em momento oportuno a editoria da Revista entrará em contato com o autor para assinatura do Termo).
