O que motiva a formação e a evolução de redes de colaboração em emergências por eventos climáticos extremos: uma pesquisa baseada em modelo exponencial de grafos aleatórios

Por que trabalhar juntos durante tempestades importa

Quando uma cidade é atingida por chuvas recordes, nenhuma agência consegue lidar com a crise sozinha. Bombeiros, meteorologistas, responsáveis pelo transporte, voluntários de bairros e muitos outros precisam coordenar-se sob intensa pressão de tempo. Este artigo investiga o que realmente impulsiona essa cooperação no caos de eventos climáticos extremos, usando as chuvas gêmeas de 2021 em Zhengzhou, China, como um experimento natural. Ao comparar uma primeira resposta, mal coordenada, em julho com um esforço bem mais eficaz frente a uma tempestade semelhante em agosto, os autores mostram como as redes de colaboração em emergências se formam, por que às vezes falham e como podem melhorar rapidamente.

Duas grandes tempestades, duas respostas muito diferentes

Em julho de 2021, uma chuva de rara intensidade inundou Zhengzhou, provocando perdas severas e críticas públicas à resposta local. Apenas um mês depois, outra forte chuva atingiu grande parte da mesma área, mas dessa vez a rede de emergência da cidade funcionou de forma mais fluida: menos organizações estiveram envolvidas, porém a coordenação foi mais estreita e rápida. Esse raro desastre consecutivo ofereceu uma oportunidade incomum de observar como os padrões de colaboração mudam em curto espaço de tempo sob condições quase idênticas. Os autores reconstruíram quem trabalhou com quem em cada episódio a partir de centenas de reportagens oficiais e documentos governamentais, e transformaram esses vínculos em dois mapas de colaboração de toda a cidade: a “rede de julho” e a “rede de agosto”.

Como os pesquisadores leram a teia oculta

Para ir além de simples contagens de quem conversou com quem, a equipe usou uma ferramenta estatística chamada Modelo Exponencial de Grafos Aleatórios. Em vez de tratar cada parceria como um evento isolado, esse método pergunta como surge o padrão inteiro de laços. Ele pode testar, por exemplo, se as organizações tendem a favorecer parceiros governamentais, preferem agências de tipos semelhantes, se baseiam em exercícios conjuntos anteriores ou se se agrupam em conjuntos fortemente conectados. Também captura tendências de autoorganização: padrões em estrela ao redor de hubs poderosos, triângulos fechados onde “o amigo de um amigo vira parceiro” e caminhos abertos onde um intermediário liga grupos separados. Ao comparar muitas redes simuladas com as reais, os autores puderam ver quais tendências melhor explicavam os padrões observados em julho e agosto.

O que determina quem se une numa crise

O estudo conclui que tanto as condições externas quanto a estrutura interna importam, mas os padrões internos da rede frequentemente dominam. Em julho, as organizações mostraram preferências claras: eram mais propensas a trabalhar com grupos sem fins lucrativos e com órgãos que tinham papéis de comando ou coordenação, assim como com entidades que controlavam pessoas ou recursos financeiros. Agências no mesmo nível de governo e com tarefas semelhantes também tenderam a se conectar, formando agrupamentos familiares e confortáveis. Ainda assim, essas preferências baseadas em atributos não explicaram totalmente a aparência ou o desempenho da rede. A força mais significativa foi a transitividade: as organizações eram especialmente propensas a colaborar com parceiros que já compartilhavam um colaborador com elas, criando muitos triângulos fortemente interligados. Esse efeito de “amigo do amigo” favoreceu confiança, rapidez no compartilhamento de informação e fluxos de recursos mais confiáveis, enquanto pontes longas em cadeia desempenharam um papel menor do que muitas vezes se supõe.

Aprendendo com exercícios e com a prática

Colaborações pré-desastre deixaram marcas profundas nas redes. Exercícios conjuntos de emergência realizados antes das tempestades tornaram mais fácil a cooperação das organizações quando a primeira chuva atingiu. Ainda mais potente foi a experiência prática recente: a própria rede de resposta de julho tornou-se um forte preditor de quem colaboraria em agosto. Quando a segunda tempestade chegou, as agências já não precisaram depender tanto do alinhamento de funções, tipos de setor ou planos formais. Em vez disso, reutilizaram e simplificaram as parcerias que haviam sido testadas na prática, descartando vínculos menos úteis e reforçando pequenos grupos eficazes. A rede de agosto era menor, porém mais densa, com caminhos mais curtos entre os atores e mais agrupamento — evidência de uma teia mais enxuta e eficiente construída sobre lições muito recentes.

O que isso significa para cidades mais seguras

Para não especialistas, a mensagem central é que o sucesso da resposta a uma tempestade depende menos de organogramas fixos e mais de redes vivas de confiança e familiaridade. Microgrupos estáveis e intersetoriais que treinam juntos, compartilham informação de forma eficaz e já confiam uns nos outros podem ser ativados rapidamente quando o desastre ocorre, tornando o “quem conhece quem” tão importante quanto “quem está no comando”. Planos de emergência e exercícios continuam a ser relevantes, mas apenas se forem atualizados continuamente e conectados a operações reais, para que o aprendizado com crises não se perca. Ao nutrir deliberadamente essas teias colaborativas antes do próximo evento climático extremo, governos municipais podem responder mais rápido, coordenar melhor e proteger mais vidas quando o céu se abrir novamente.

Citação: Qie, Z., Bai, N. & Sun, Y. What motivates the formation and evolution of emergency collaboration networks for extreme weather events: a research based on exponential random graph model. Humanit Soc Sci Commun 13, 461 (2026). https://doi.org/10.1057/s41599-026-06800-4

Palavras-chave: redes de colaboração em emergência, resposta a eventos climáticos extremos, coordenação em desastres, análise de redes sociais, resiliência urbana