Modelagem de Risco para chuvas intensas em Santa Catarina

Transcrição

1 Modelagem de Risco para chuvas intensas em Santa Catarina Equipe Carlos Eduardo Salles de Araujo EPAGRI Juliana Mio de Souza EPAGRI Luiz Fernando Vianna EPAGRI Rafael Censi Borges EPAGRI Rosandro Boligon Minuzzi CNPQ - MCT ARAUJO, C.E.S. de, VIANNA, L.F., SOUZA, J.M. de, BORGES, R.C., MINUZZI, R.B. Modelagem de risco para chuvas intensas em Santa Catarina. Florianópolis - SC: Epagri, p. (Relatório do Projeto

2 1. - Introdução. Os avisos e alertas divulgados pelos centros de previsão de tempo são baseados principalmente no monitoramento de valores limites críticos para algumas variáveis meteorológicas. Dentro do objetivo geral do Projeto 14 optou-se por desenvolver um sistema de alertas para as chuvas intensas baseado num conceito mais amplo de risco, envolvendo não apenas as ameaças meteorológicas, mas também as vulnerabilidades locais a estas ameaças. Rylander & Mégevand (1993) definem risco como a probabilidade da ocorrência de danos e/ou perdas sociais e econômicas. Segundo estes autores, o risco pode também ser expresso por uma ameaça e a existência de condições de vulnerabilidades. De acordo com Franco (1999) o risco é a probabilidade de ocorrência de um fenômeno natural, com potencial destrutivo. Segundo este autor, o risco depende das ameaças, e da vulnerabilidade a estas ameaças conforme a equação abaixo apresentada: RISCO = Ameaça Vu ln erabilidade A ameaça é definida por Rylander & Mégevand (1993) como a probabilidade de um fenômeno de origem natural ou causado pela ação humana ocorrer em um determinado tempo e região. Segundo estes autores a vulnerabilidade é entendida como o conjunto de condições sociais, culturais, econômicas e produtivas, nas quais a população se encontra para enfrentar uma ameaça. Cardona (1993) define ameaça como um fator de risco externo de um indivíduo ou sistema, associado a um fenômeno de origem natural ou tecnológica. Este mesmo autor conceitua a vulnerabilidade como sendo um fator de risco interno de um indivíduo ou sistema exposto a uma ameaça e correspondente a sua predisposição intrínseca de ser afetado ou tornar-se susceptível de sofrer uma perda. 2. Objetivos. Determinar o risco decorrente das chuvas intensas, considerando as ameaças (totais de precipitação acumulada em um período de tempo) e as vulnerabilidades de cada região do Estado de Santa Catarina, frente a estas ameaças. 1

3 3. Metodologia. O risco chuvas intensas foi construído de acordo com a equação abaixo: RISCO = Ameaça Vu ln erabilidade A metodologia para a determinação do risco, portanto, está dividida em duas etapas. A primeira envolve a geração de um modelo para as ameaças meteorológicas (chuva) e a segunda a construção de um modelo baseado na vulnerabilidade do ambiente (impacto das chuvas). A érea de estudo abrange o Estado de Santa Catarina, e todos os mapas foram gerados em formato matricial e com resolução espacial de 90 metros, permitindo análises numa escala de 1: Nesta escala de trabalho são possíveis análises para planejamento e mitigação de cunho estadual e regional Cálculo da ameaça meteorológica. A ameaça meteorológica foi definida a partir do cálculo da chuva efetiva para um período de três dias, computada com o uso de um conjunto de dados de monitoramento e previsão de chuva. Para o monitoramento foram utilizados dados de estimativas de precipitação obtidas pelo satélite GOES, com resolução temporal de ½ hora e espacial 4km. Os dados de previsão foram obtidos através da rodada das 0:00 TMG do modelo atmosférico WRF, com uma resolução de grade de 15 km. Ambos foram combinados em uma grade de 4 km para o cálculo de uma previsão de chuva efetiva de 24 horas através da equação 1. PWRF j + PGOES j 1 PWRF j + PGOES j 1 + PGOES j 2 PE = j PWRF j + + (1) 2 3 Em que: PE = precipitação efetiva j = índice do dia corrente; PWRF = precipitação prevista pelo modelo WRF PGOES = precipitação estimada pelo satélite GOES Para a obtenção da ameaça, os valores de PE foram convertidos para uma escala percentual entre 0 e 1, através do ajuste de funções matemáticas aos histogramas de freqüências acumuladas da chuva efetiva computadas para as estações da Agência 2

4 Nacional de Águas (ANA) no Estado de Santa Catarina. Utilizou-se um conjunto com 25 estações pluviométricas em diferentes regiões climáticas do Estado de Santa Catarina, considerando-se o grau de homogeneidade da distribuição espaço-temporal da chuva, no período de 1975 a Os dados de chuva foram obtidos diretamente do endereço eletrônico do Sistema de Informações Hidrológicas da ANA ( Cálculo da vulnerabilidade. Para a definição dos parâmetros do modelo de vulnerabilidade foi realizado um seminário em 14 de abril de 2008 na sala de reuniões da Epagri/Ciram com o propósito de selecionar e hierarquizar os parâmetros necessários ao mapeamento da vulnerabilidade a chuvas intensas. As variáveis foram estruturadas no aplicativo Expert Choice cuja função é auxiliar na tomada de decisão e na construção de consensos, através do Processo Analítico Hierárquico (AHP) (SAATY, 2001), fornecendo uma avaliação por intermédio de pesos atribuídos às variáveis inseridas. Na definição dos parâmetros foram considerados os principais fenômenos que as chuvas intensas provocam no Estado: enchentes, inundações, alagamentos, enxurradas e deslizamentos. Outro aspecto importante considerado foi a disponibilidade de obtenção / determinação da distribuição espacial das variáveis para todo o Estado na escala de mapeamento adotada no Projeto. Os parâmetros selecionados foram hierarquizados e ponderados através da atribuição de pesos. Para tal, empregou-se o método da comparação pareada do grau de importância relativa das variáveis com relação ao risco dos fenômenos considerados. Em face às dificuldades encontradas para se conciliar atribuição e ponderação de risco das variáveis, de forma única, para todos os fenômenos, optou-se em dividir o modelo de vulnerabilidade em dois: um sub-modelo para representar os fenômenos característicos das áreas planas (enchentes, inundações e alagamentos) e outro submodelo para representar os fenômenos característicos das áreas inclinadas (enxurradas e deslizamentos). Desta forma, a vulnerabilidade final é dada pela soma simples entre os sub-modelos de áreas planas e inclinadas, de acordo com a equação abaixo: Vulnerabilidade = Vulnerabilidade A plana + Vulnerabilidade A inclinada 3

5 Foram gerados mapas para cada parâmetro selecionado, escalonando-os no intervalo entre 0 e 1, de acordo com o grau de vulnerabilidade individual para os fenômenos característicos considerados. As etapas para a definição da vulnerabilidade foram as seguintes: a) Seleção e hierarquização dos parâmetros necessários ao mapeamento da vulnerabilidade a chuvas intensas. b) Construção dos sub-modelos de vulnerabilidade de forma analítica, através da definição de pesos, obedecendo a um critério de importância relativa destes parâmetros. c) Produção dos mapas individuais para cada parâmetro selecionado d) Aplicação do modelo hierárquico-analítico definido e avaliação dos resultados obtidos. 4

6 4. - Resultados Ameaça Os mapas de previsão de chuvas efetiva de 3 dias, obtidos com a aplicação da Equação 1, estão sendo implementados operacionalmente na EPAGRI/CIRAM. Um exemplo da previsão para o dia 24/10/2009 é apresentado na Figura 1. Figura 1 - Previsão para 24/10/2009 da chuva efetiva acumulada por 3 dias. A análise dos histogramas de freqüência acumulada das chuvas efetivas de 3 dias, computadas a partir das séries temporais da ANA dos totais diários de precipitação no período de 1975 a 2004 mostraram um comportamento uniforme (curvas em tom azul claro na Figura 2). Computou-se o histograma médio da distribuição de freqüência acumulada de todas as estações e a este se ajustou uma função matemática (curva em tom azul escuro na Figura 2). Considerando-se que os histogramas das estações estão contidos no intervalo de 95% de confiança (curvas em tom vermelho na Figura 2) da 5

7 curva média ajustada, optou-se por utilizar esta função de ajuste para fazer a conversão dos valores de chuva efetiva para valores de ameaça, numa escala relativa entre 0 e 1. Figura 2 Histogramas de freqüência acumulada para a chuva efetiva de 3 dias. A função escolhida apresentou um excelente ajuste (0,994 para o coeficiente de Pearson corrigido pelo número de graus de liberdade). O erro de ajuste, estimado pela raiz quadrada do erro médio quadrático, foi de 0,017. A função utilizada é apresentada na Equação 2. F(x) = 1/(1 + exp(-(a+b*chvef)) (2) Onde ChvEf é a chuva efetiva em milímetros e a e b são coeficientes com valores expressos pela Tabela 1. Os valores superiores e inferiores apresentados, correspondem ao intervalo de 95 % de confiança para os coeficientes a e b. Tabela 1 Coeficiente Valor médio Valor superior (95%) Valor inferior (95%) a b

8 Vulnerabilidade Para a construção dos sub-modelos de vulnerabilidade os parâmetros foram organizados em duas classes distintas: aspectos físicos e sócio-econômicos. Nos aspectos sócio-econômicos estão inseridas as vulnerabilidades, representado pela distribuição espacial da densidade populacional. Nos aspectos físicos estão representados os riscos relativos aos solos, uso e ocupação da terra, rodovias, e aspectos hidrológicos Vulnerabilidade em áreas planas O modelo hierárquico para as áreas planas, apresentado na Figura 3, inclui em sua concepção a vulnerabilidade a enchentes, inundações e alagamentos. As imagens do Estado de Santa Catarina correspondem a miniaturas dos mapas gerados para cada variável e fator do modelo. Os números presentes na parte inferior das imagens são o peso relativo em cada nível hierárquico. A Tabela 2 mostra uma descrição abreviada das variáveis. No modelo para áreas planas os parâmetros foram agrupados em dois fatores distintos: físico e sócio-econômico. As variáveis que compõe o fator físico são o índice de enchente (IND_ENCH), as áreas suscetíveis à maré enchente (MARE) e as classes de capacidade de drenagem dos solos (CLDRENA). As duas primeiras variáveis foram derivadas de forma pontual a partir do Modelo Digital de Elevação SRTM da NASA. O índice de enchente (IND_ENCH) representa a tendência ao acúmulo de água em regiões planas que possuem grandes áreas de contribuição a montante do fluxo. Foi calculado pela razão entre a área de contribuição e a declividade na direção do fluxo para cada elemento (píxel) do SRTM e os valores obtidos foram normalizados para a escala entre zero e 1 de forma a representar uma escala de vulnerabilidade relativa. 7

9 Figura 3 - Representação do sub-modelo de vulnerabilidade para as áreas planas Tabela 2 - Abreviatura e descrição dos parâmetros utilizados para o sub-modelo de vulnerabilidade em áreas planas. Variável INDENCH CLDRENA USOCOB DENSPOP RODPLAN MARE Descritor Índice de Enchente (área de contribuição / declividade na direção do fluxo) Classes de capacidade de drenagem dos solos Classes de uso e cobertura do solo Densidade Populacional nas áreas urbanas e rurais Proximidade de rodovias em áreas planas ponderada pela declividade Áreas suscetíveis a maré enchente até a cota de 3 metros A variável MARE (áreas suscetíveis à maré) representa a possibilidade de elevação da maré até a cota de 3 metros e conseqüente represamento de águas à jusante do fluxo. Foi 8

10 calculada aplicando-se uma função exponencial para modelar o risco decrescente entre as cotas de elevação do terreno de zero a 3 metros. A variável CLDRENA representa a susceptibilidade a alagamentos em função das diferentes classes de drenagem dos solos. As classes foram definidas de acordo a metodologia da EMBRAPA (EMBRAPA, 2004) e classificados em quatro grupos principais de acordo com a infiltração: A - Solos com alta capacidade de infiltração (ou baixo potencial de runoff) quando totalmente molhados, consistindo de camadas de areias e cascalhos profundos, de drenagem boa a excessiva. Tais solos apresentam alta taxa de transmissão de água. B - Solos com capacidade de infiltração moderada quando totalmente molhados, consistindo de solos de profundidade moderada a alta, drenagem moderada a alta, textura moderadamente fina a moderadamente grosseira. Tais solos apresentam taxas moderadas de transmissão de água. C - Solos com baixa capacidade de infiltração quando totalmente molhados, consistindo de solos contendo camadas impermeáveis que impedem o movimento descendente da água, ou solos de textura moderadamente fina a fina. Tais solos apresentam baixas taxas de transmissão de água no perfil. D - Solos com capacidade de infiltração muito baixa (alto potencial de runoff) quando totalmente molhados, consistindo de solos argilosos com alto potencial de intumescimento, ou com lençol freático permanentemente superficial, ou com camada de impedimento superficial, ou solos rasos assentados sobre estrato impermeável. Tais solos apresentam taxa de transmissão de água muito baixa. As classes de drenagem foram mapeadas para uma escala de susceptibilidade através da atribuição dos pesos apresentados na Tabela 3. 9

11 Tabela 3- Mapeamento das classes de drenagem para escala de vulnerabilidade Classe de drenagem A (alta) B (média) C (baixa) D (muito baixa) Escala de susceptibilidade / vulnerabilidade 0,20 (baixa) 0,45 (média) 0,85 (alta) 1,00 (muito alta) As variáveis que compõe o fator de vulnerabilidade sócio-econômica para áreas planas são oriundas da densidade populacional nas áreas urbanas e rurais (DENSPOP) e da proximidade de rodovias em áreas planas (RODPLAN) e das classes de uso e cobertura do solo (USOCOB). A densidade demográfica representa a concentração de pessoas no espaço físico, o que constitui um elemento de vulnerabilidade. Foi calculada por setores censitários utilizando-se os dados disponíveis no site do IBGE. As geometrias foram obtidas em ftp://geoftp.ibge.gov.br/mapas/malhas_digitais/, enquanto as tabelas estão disponíveis em ftp://ftp.ibge.gov.br/censos/censo_demografico_2000/dados_do_universo/agregado_por_setores_cen sitarios. Os arquivos originais, obtidos no IBGE, encontram-se divididos em rurais e urbanos, e possuem sistemas de referência diferentes. Para efeito de padronização, os arquivos shape dos setores sensitários (rurais e urbanos) foram projetados para UTM-SAD69 e convertidos para uma malha de pontos através da geração dos centróides que foram conectados às tabelas de população pelo código do setor. O cálculo da densidade foi feito utilizando-se a extensão Spatial Analyst do ArcGis. No módulo de interpolação de densidade (Density) aplicaram-se as distâncias de 2,25 Km de raio para os setores urbanos e 5 Km para os rurais. Foram geradas, então, duas matrizes de 90x90m com valores de densidade demográfica urbana e rural, interpolados a partir dos valores de população existente no centróide de cada setor. Finalmente, estas matrizes foram integradas através do operador valor máximo e o resultado obtido foi escalonado para uma escala de vulnerabilidade entre zero e 1, deforma que áreas mais populosas apresentem uma maior vulnerabilidade. Este escalonamento foi realizado ajustando-se uma função (equação 3) à curva da distribuição das freqüências acumuladas, calculadas para as densidades demográficas medidas nos 5829 setores censitários de Santa Catarina. 10

12 f(x) = a 1 *exp(-((x-b 1 )/c 1 ) 2 ) + a 2 *exp(-((x-b 2 )/c 2 ) 2 ) (3) Onde x = ln (densidade + 0,1) e os coeficientes determinados na regressão assumem os seguintes valores: a 1 = 1,018; b 1 = 9,592; c 1 = 3,346; a 2 = 0,3233; b 2 = 4,399; c 2 = 1,879. A função ajustada ao histograma de freqüências acumuladas e a curva ajustada são apresentados na Figura 4. Figura 4 - Sub-modelo de vulnerabilidade para as áreas planas A vulnerabilidade relativa ao alagamento de rodovias é representada pela variável RODPLAN. Foi aplicada uma função de risco decrescente com relação à distância de até 500 m da rodovia numa grade de 90 x 90 metros. O valor obtido foi ainda ponderado pelo risco apresentado pela declividade. Os valores de declividade foram transformados para uma escala de risco entre zero e 1, de forma que as áreas mais planas apresentem os maiores riscos, de acordo com a equação 4. Declividade (0-1) = 1 (a*exp(b*declividade) + c*exp(d*declividade)) (4) Onde os coeficientes ajustados assumem os seguintes valores: a = 0,555; b = 0,006105; c = -0,5817 e d = -0,

13 A variável USOCOB foi obtida através da atribuição de valores de vulnerabilidade relativa a chuvas intensas para as diferentes classes de uso e cobertura do solo. O mapa com as classes de uso e cobertura foi obtido através da classificação supervisionada de imagens multi-espectrais e ortorretificadas do satélite SPOT4, sensor HRVIR. As seguintes classes de uso foram consideradas: agricultura, campos e pastos, áreas urbanas, solo exposto, capoeiras, florestas, reflorestamentos comerciais, vegetação costeira. O peso de cada classe com relação à vulnerabilidade para áreas planas foi definido utilizando-se o processo analítico hierárquico. No modelo hierárquico adotado, as classes de florestas, reflorestamentos, capoeiras e vegetação costeira foram agrupadas na categoria matas. A Figura 5 apresenta o mapa obtido e os valores de vulnerabilidade relativa para as classes de uso e cobertura do solo. Para as classes da categoria matas os valores da esquerda correspondem às vulnerabilidades somente para a categoria matas e os da direta a vulnerabilidade global. A Figura 6 mostra o peso relativo de todas as variáveis do sub-modelo aditivo final para as áreas planas. O índice de inconsistência geral é uma medida do grau de incongruência entre as comparações pareadas efetuadas no processo de determinação dos pesos. Desta forma, quanto menor o valor deste índice, mais coerente é o modelo obtido. Como exemplo teórico, considere três variáveis imaginárias A, B e C. Se na comparação pareada atribui-se um grau de importância relativa dois da variável A em relação a B e uma importância relativa de três de B em relação C, portanto, A deve ter uma importância relativa de seis em relação a C. Qualquer outra atribuição de A em relação a C gera um valor de inconsistência. A soma ponderada de todas as inconsistências compõe o índice geral apresentado na Figura 6. 12

14 Figura 5 Esquema conventual do modelo analítico hierárquico adotado para a conversão das classes de uso e cobertura do solo em vulnerabilidade relativa a chuvas intensas. 13

15 Figura 6 Peso relativo das variáveis no modelo aditivo final de vulnerabilidade para áreas planas Vulnerabilidade em áreas inclinadas O modelo hierárquico para as áreas inclinadas, apresentado na Figura 7, inclui em sua concepção a vulnerabilidade a enxurradas e deslizamentos. As imagens do Estado de Santa Catarina correspondem a miniaturas dos mapas gerados para cada variável e fator do modelo. Os números presentes na parte inferior das imagens são o peso relativo em cada nível hierárquico. A Tabela 4 mostra uma descrição abreviada das variáveis. No modelo para áreas inclinadas, os parâmetros foram agrupados em dois fatores distintos: físico e sócio-econômico. As variáveis que compõe o fator físico são o Stream Power (STRPOW) e o gradiente textural entre os horizontes B e A dos solos (GRADTEX). 14

16 Figura 7 Representação do sub-modelo de vulnerabilidade para as áreas inclinadas Tabela 4 - Abreviatura e descrição dos parâmetros utilizados para o sub-modelo de vulnerabilidade em áreas inclinadas. Variável STRPOW GRADTEX USOCOB DENSPOP RODINCL Descritor Stream Power (área de contribuição X declividade na direção do fluxo) Gradiente textural (razão entre o teor % de argila dos horizontes B e A do solo) Classes de uso e cobertura do solo Densidade Populacional nas áreas urbanas e rurais Proximidade de rodovias em áreas inclinadas ponderada pela declividade A variável Stream Power (STRPOW) representa a força com que as águas escoam pelas regiões inclinadas. Foi calculado multiplicando-se a área de contribuição de cada 15

17 pixel do modelo de elevação digital SRTM pela a declividade na direção do fluxo. A conversão para uma escala de susceptibilidade relativa entre zero e 1 foi feita subtraindo-se primeiramente todos os valores de STRPOW do valor mínino de STRPOW obtido. O resultado obtido foi dividido pelo intervalo de valores de STRPOW, de acordo com a equação 5. STRPOW(i,j) (0-1) = (STRPOW(i,j) - Min.(STRPOW)) / (Max.(STRPOW) - Min.(STRPOW)) (5) Onde STRPOW(i,j) correspondem a cada elemento em linha e coluna da matriz SRTPOW e Min.(STRPOW) e Max.(STRPOW) correspondem ao máximo e mínimo global da matriz STRPOW. O risco de escorregamento dos solos foi representado pela variável Gradiente Textural (GRADTEX), definida pela razão entre os teores de argila dos horizontes de solo B e A, definidos pela EMBRAPA (2004). Os valores obtidos foram redefinidos entre zero e 1, adotando-se a mesma metodologia utilizada para a variável STRPOW, de forma que os gradientes mais altos apresentam as maiores susceptibilidades a escorregamento. As variáveis que compõe o fator de vulnerabilidade sócio-econômica para áreas inclinadas são oriundas da densidade populacional nas áreas urbanas e rurais (DENSPOP) das classes de uso e cobertura do solo (USOCOB) e da proximidade de rodovias em áreas inclinadas (RODINCL). As duas primeiras variáveis são as mesmas utilizadas no modelo de vulnerabilidade para as áreas planas. A variável RODINCL representa a vulnerabilidade relativa ao deslizamento em margens de rodovias e foi definida de forma similar a variável RODPLAN. Entretanto, para o cálculo de RODINCL, os valores de distância foram ponderados pelo risco apresentado pela declividade de forma que as áreas mais inclinadas apresentem os maiores riscos. Os valores de declividade foram transformados para uma escala entre zero e 1 de acordo com a equação 6. Declividade (0-1) = a*exp(b*declividade) + c*exp(d*declividade) (6) Onde os coeficientes ajustados assumem os seguintes valores: a = 0,555; b = 0,006105; c = -0,5817 e d = -0,

18 A Figura 8 mostra o peso relativo de todas as variáveis do sub-modelo aditivo final para as áreas inclinadas. O índice de inconsistência geral obtido mostra que o modelo obteve um bom ajuste. Figura 8 Peso relativo das variáveis no modelo aditivo final de vulnerabilidade para áreas inclinadas. Finalmente, somaram-se elemento a elemento os valores obtidos nas matrizes de vulnerabilidade para áreas planas e inclinadas e o valor final obtido foi escalonado para uma escala relativa entre zero e 1, obtendo-se a vulnerabilidade final a chuvas intensas para o Estado de Santa Catarina. As Figuras 9 e 10 mostram os mapas de vulnerabilidade para áreas planas e inclinadas e a Figura 11 o mapa de vulnerabilidade final obtido. A vulnerabilidade a enchentes, inundações e alagamentos em Santa Catarina, segundo o modelo proposto, é maior na porção litorânea, onde destacam-se as regiões de Joinvile, Médio e Baixo Vale do Itajaí, Grande Florianópolis, e o Sul do Estado, com maior ênfase na Bacia do Rio Araranguá (Figura 9). As região mais vulnerável a deslizamentos (Figura 10) apontada pelo modelo encontrase no Alto e Médio Vale do Itajaí. POorém existem focos de vulnerabilidade espalhados por todo o estado. 17

19 Figura 9 Mapa de vulnerabilidade de áreas planas a chuvas intensas. Figura 10 Mapa de vulnerabilidade de áreas inclinadas a chuvas intensas. 18

20 Figura 11 Mapa de vulnerabilidade final a chuvas intensas. O mapa final de vulnerabilidade mostra que, segundo este modelo, a maior parte do Estado possui vulnerabilidade de média para baixa e as áreas mais susceptíveis às chuvas intensas estão localizadas nos centros urbanos e concentram-se nas regiões que compõem a vertente Atlântica do Estado, principalmente nos municípios de Florianópolis, São José, Araranguá, Tubarão, Blumenau, Itajaí e Joinville. 19

21 5. - Considerações Finais. Os resultados obtidos serviram como um laboratório para testar novas metodologias e precisam ser avaliados e comparados com dados obtidos em campo, de forma que possam validados, pelo menos, em escala regional. Estes dados de campo incluem o registro de desastres naturais e as perdas e danos provocados por estes. Sugere-se a proposição de novos projetos para que esta validação seja efetuada. Devido à escala dos mapas das variáveis de entrada, os modelos de vulnerabilidade resultantes permitem análises numa escala de 1: Nesta escala de trabalho, são possíveis análises para planejamento e mitigação de cunho regional e estadual. A integração de modelos de predição de ameaças com modelos de análise de vulnerabilidade são um incremento importante na gestão de riscos. Mesmo em escala regional, estes modelos operando de forma integrada podem auxiliar nas ações de planejamento para prevenção de catástrofes na eminência de um evento extremo. A primeira etapa para implementar um sistema de alerta de risco foi cumprida neste projeto. Foi desenvolvido um método inovador de integração de dados de previsão de chuvas intensas com mapeamento de vulnerabilidade e os resultados obtidos são promissores em relação ao desenvolvimento de ferramentas operacionais. As proximas etapas devem abranger a validação e os ajustes necessários aos modelos e a operacionalização do sistema de forma automatizada. 20

22 6. - Referências Bibliográficas. Cardona, O. D. Evaluación de la amenaza, la vulnerabilidad y el riesgo: elementos para el ordenamiento y la planeación del desarrollo. In: MASKREY, A. (ed). Los desastres no son naturales. Colombia: LA RED/ITDG, p Empresa Brasileira de Pesquisa Agropecuária EMBRAPA. Solos do Estado de Santa Catarina. Rio de Janeiro, Boletim de Pesquisa e Desenvolvimento; n Franco. E. La gestión de los riesgos de desastre enso desde una perspectiva social. "I Encuentro de Universidades del Pacífico Sur". Perú, Piura 14, 15 y 16 de octubre Herrmann, M.L.P. (Org). Atlas de Desastres Naturais do Estado de Santa Catarina. SEA/DGED, p. Rylander, R.; Mégevand, I. Introdução a medicina do ambiente. Instituto Piaget Saaty, T. L. Decision making for leaders. Vol. II, AHP Series, 315 pp., RWS Publ., 2001 (new ed.) (ISBN X). 21