Avaliação do risco de deslizamento sob cenários pluviométricos específicos com base em uma abordagem híbrida CNN-TRIGRS e matriz: estudo de caso de Meishan Town, província de Zhejiang, China

Por que encostas que deslizam importam no dia a dia

Deslizamentos podem soar como catástrofes montanhosas raras, mas em muitas cidades colinas acima de áreas urbanas eles ameaçam casas, estradas e linhas de energia a cada estação chuvosa. Em Meishan Town, no leste da China, tufões frequentes e longos períodos úmidos encharcam rotineiramente as encostas acima das comunidades. Este estudo explora uma nova forma de identificar quais partes da paisagem têm maior probabilidade de ceder sob diferentes tipos de chuva, oferecendo a planejadores locais e moradores orientações mais claras sobre onde o perigo é maior e quando é mais provável que ocorra.

Uma cidade entre encostas íngremes e chuvas intensas

Meishan Town situa-se em uma área de montanha baixa onde as altitudes variam principalmente entre 160 e 250 metros. Camadas de rochas fracas, como xisto, se degradam em solos soltos que repousam sobre um substrato mais resistente e menos permeável. Quando a água da chuva infiltra nesse solo, pode aumentar a pressão ao longo do contato com o leito rochoso, transformando a interface em uma superfície escorregadia. Combinado com taludes íngremes e canais que concentram o escoamento, esse contexto geológico torna a área propensa a deslizamentos rasos que arrancam a camada superior do solo, padrão confirmado por 45 deslizamentos registrados nas colinas circundantes.

Mixando aprendizado inteligente com a física dos taludes

Para entender onde os deslizamentos têm mais probabilidade de começar, os pesquisadores combinaram dois tipos de ferramentas. Primeiro, usaram uma forma de inteligência artificial chamada rede neural convolucional, que aprende padrões diretamente dos dados em vez de depender de regras escolhidas manualmente. Ela analisou dez atributos que podem influenciar a falha do talude, incluindo altitude, declividade, tipo de rocha, distância a rios e estradas e cobertura vegetal, para atribuir a cada faixa de 30 por 30 metros um índice de suscetibilidade. Em segundo lugar, usaram um modelo físico de talude que simula como a chuva infiltra no solo e reduz a margem de segurança do solo em uma encosta, expressa como um fator de segurança. Esse modelo, conhecido como TRIGRS, acompanha como as pressões de água em mudança durante as tempestades podem empurrar um talude de estável para instável.

Testando muitos tipos de tempestade nas mesmas colinas

A equipe concentrou-se em quatro cenários pluviométricos realistas extraídos de uma década de registros meteorológicos locais. Estes variaram de vários dias de chuva moderada constante, passando por chuva forte e torrencial, até pancadas curtas, porém intensas. Para cada cenário, o TRIGRS estimou quanto de cada talude se deslocou para várias classes de estabilidade, de muito estável a muito instável. Os resultados mostraram que a maior parte da área é segura em condições secas, mas chuva de alta intensidade, mesmo por algumas horas, amplia drasticamente as zonas mais instáveis, particularmente em taludes íngremes próximos às bordas das bacias e nas colinas centrais onde deslizamentos passados se concentraram. A duração também importa, mas rajadas intensas de chuva mostraram ser especialmente eficazes em minar rapidamente a resistência do talude.

Uma grade clara para combinar onde e quando

Traduzir todas essas informações em mapas práticos de risco exigiu uma forma de unir a suscetibilidade de longo prazo em cada célula da grade com sua estabilidade de curto prazo sob chuvas específicas. Os pesquisadores construíram uma matriz de decisão simples que cruza cinco níveis de suscetibilidade com cinco níveis de estabilidade. Cada combinação recebe um nível de risco, novamente em cinco graus, de muito baixo a muito alto. Por exemplo, uma célula que seja altamente suscetível e instável sob uma determinada tempestade é marcada como risco alto ou muito alto, enquanto uma célula com baixa suscetibilidade e comportamento estável permanece de baixo risco. Essa tabela baseada em regras torna o resultado combinado fácil de interpretar: cada categoria de risco reflete tanto quão propenso é o solo quanto como ele responde a um padrão pluviométrico específico.

O que isso significa para quem vive em encostas arriscadas

Quando a equipe comparou seus mapas de risco com as localizações conhecidas de deslizamentos, mais de 90% dos deslizamentos passados ocorreram nas zonas de risco alto e muito alto, e quase nenhum ocorreu nas zonas de risco muito baixo. Essa forte correspondência sugere que a abordagem híbrida pode sinalizar de forma confiável áreas perigosas mesmo onde faltam redes de monitoramento detalhadas. Embora o método ainda dependa de bons dados de entrada e não consiga capturar cada pequeno detalhe do terreno, ele oferece às autoridades locais uma maneira eficiente e transparente de planejar o uso do solo, priorizar inspeções de taludes e ajustar alertas precoces a tipos específicos de tempestades, ajudando comunidades como Meishan Town a conviver de forma mais segura com as encostas ao redor.

Citação: Wang, Z., Wang, Z., Shi, F. et al. Assessment of landslide hazard under specific rainfall scenarios based on a hybrid CNN-TRIGRS and matrix approach: a case study of Meishan Town, Zhejiang Province, China. Sci Rep 16, 16200 (2026). https://doi.org/10.1038/s41598-026-46051-6

Palavras-chave: risco de deslizamento, chuvas, estabilidade de taludes, redes neurais, mapeamento de risco