Banca de DEFESA: ICARO ANDRADE SOUZA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ICARO ANDRADE SOUZA
DATA : 08/12/2025
HORA: 08:30
LOCAL: http://meet.google.com/bpe-rkfx-zwmfoi
TÍTULO:

Modelagem Hidrológica para Previsão de Riscos a Inundações: Um Estudo nas Bacias Hidrográficas dos Rios Almada e Cachoeira, Sul da Bahia – Brasil

PALAVRAS-CHAVES:

Previsão de Inundações; Aprendizado de Máquina; Modelagem Híbrida Multiescalar; Bacias Hidrográficas Tropicais; Long Short-Term Memory

PÁGINAS: 166
RESUMO:

As inundações constituem um dos desastres naturais mais recorrentes e impactantes no Brasil, com expressivos prejuízos humanos, econômicos e ambientais. Nas regiões tropicais úmidas, como o Sul da Bahia, a combinação entre a intensificação de eventos extremos, expansão urbana desordenada e por efeito a alta variabilidade hidrológica tem acentuado a vulnerabilidade das bacias hidrográficas, exigindo estratégias de modelagem preditivas integradas. Ao realizar uma revisão sistematizada da literatura sobre previsão de inundações no Brasil, foram identificadas lacunas metodológicas e limitações no desenvolvimento de modelos preditivos em contextos tropicais. Nesse contexto, o presente estudo tem como objetivo desenvolver e avaliar um modelo de previsão hidrológica de longo prazo fundamentado em aprendizado de máquina e modelagem híbrida multiescalar, capaz de representar a dinâmica conjunta das bacias dos rios Almada e Cachoeira aprimorar a estimativa de cotas de inundações máximas mensais em horizontes ampliados na região. A metodologia integrou séries históricas de cotas e diversas variáveis climáticas com técnicas de aprendizado supervisionado, decomposição wavelet e redes neurais do tipo Long Short-Term Memory (LSTM). A inovação central consiste na adoção de uma arquitetura regionalizada de múltiplas entradas (multi-grid), na qual um único modelo é treinado com dados de diversas estações fluviométricas, permitindo previsões individualizadas e simultaneamente coerentes entre diferentes pontos da bacia. Os resultados corroboram desempenho superior dos modelos híbridos em relação aos diretos, com maior estabilidade, menor erro e maior capacidade de reprodução dos picos de cotas (nível d’água). A combinação Wavelet+LSTM reduziu a subestimação de eventos críticos e mostrou robustez para horizontes de previsão de até 60 meses. As análises espaciais e temporais demonstraram forte coerência entre as respostas hidrológicas das bacias, indicando aprendizado regional efetivo. As projeções futuras com base em dados do CMIP6 apontaram intensificação da variabilidade hidrológica e aumento da frequência de eventos extremos sob cenários tendenciais de altas emissões. Os achados confirmam o potencial da modelagem híbrida multi-entrada como ferramenta avançada para previsão de inundações de longo prazo em regiões tropicais úmidas, oferecendo subsídios científicos e técnicos para o aprimoramento de sistemas de alerta antecipado, planejamento territorial e políticas de adaptação frente aos impactos das mudanças climáticas.

 

MEMBROS DA BANCA:
Presidente - 1993763 - VINICIUS DE AMORIM SILVA
Interno - 1649867 - FABRICIO BERTON ZANCHI
Interno - 1956163 - NADSON RESSYE SIMOES DA SILVA
Externo ao Programa - 1932539 - JOAO BATISTA LOPES DA SILVA - UFSBExterna à Instituição - ANDREA SOUSA FONTES - UFBA
Externo à Instituição - EDVALDO OLIVEIRA - UESB
Externo à Instituição - PABLO SANTANA SANTOS - UFBA
Externo à Instituição - BRUNO ARAÚJO TORRES - UNICAMP