Pesquisadores do Cemaden produzem glossário sobre indicadores e índices de secas e a Inteligência Artificial

O estudo das secas é essencial para o planejamento e a gestão dos recursos hídricos, especialmente em um contexto de mudanças climáticas e eventos extremos,  cada vez mais frequentes. Com esse objetivo, pesquisadores do Centro Nacional de Monitoramento e Alertas de Desastres Naturais (Cemaden)-  unidade de pesquisa do Ministério da Ciência, Tecnologia e Inovação (MCTI) - desenvolveram um glossário abrangente, em forma de ebook,  que apresenta os principais indicadores e índices de seca, bem como metodologias de aprendizado de máquina aplicadas a pesquisas na área.

O Glossário Indicadores e Índices de Secas e Aprendizado da Máquina foi compilado na forma de um ebook, diagramado e editado pelo pesquisador do Cemaden,  Ricardo S. Oyarzabal, Bolsista do projeto "Inteligência Artificial para Previsão de Condição de Seca em Áreas de Produção Agrícola Familiar", sob a supervisão do pesquisador do Cemaden, Leonardo B. L. Santos.

“Este glossário organiza e sistematiza definições, conceitos, indicadores e índices relacionados às secas, além de metodologias de aprendizado de máquina aplicadas à previsão e ao monitoramento desses fenômenos”, afirma o pesquisador Oyarzabal.

O pesquisador explica que essa área envolve conceitos complexos e termos provenientes de diferentes domínios do conhecimento. A elaboração desse glossário facilita a interação entre especialistas de diversas formações, permitindo que se familiarizem com novos conceitos e compreendam melhor suas relações, principalmente ao ingressarem em uma nova frente de pesquisa.

Estudantes e profissionais da computação que aplicam aprendizado de máquina em estudos ambientais frequentemente enfrentam desafios ao lidar com terminologias específicas da hidrologia e da climatologia. “Por ser um tema multidisciplinar, a compilação desse glossário contribui para que pesquisadores de diversas áreas tenham acesso unificado a termos e conceitos técnicos fundamentais”, complementa o pesquisador do Cemaden,Leonardo Santos.

Além de sistematizar o conhecimento sobre indicadores e índices de seca, o ebook destaca as diversas possibilidades de aplicação da inteligência artificial na previsão desses eventos e na avaliação de seus impactos na gestão de riscos. O crescimento expressivo no número de publicações científicas sobre previsão de secas e métodos de aprendizado de máquina nos últimos anos reforça a relevância desse campo de pesquisa.

Nesse sentido, o grupo de pesquisadores do Cemaden publicou, recentemente, um artigo que corrobora essa tendência na revisão sistemática intitulada “Forecasting drought using machine learning: a systematic literature review” (Previsão de Secas Usando Aprendizado de Máquina: uma Revisão Sistemática da Literatura”). O artigo pode ser acessado pelo link:

 https://link.springer.com/article/10.1007/s11069-025-07195-2?utm_source=rct_congratemailt&utm_medium=email&utm_campaign=nonoa_20250307&utm_content=10.1007%2Fs11069-025-07195-2.

Diante das mudanças climáticas, que estão alterando padrões conhecidos de eventos extremos ao redor do mundo, o glossário  torna-se uma ferramenta essencial para a disseminação do conhecimento científico e a organização da informação nessa área tão crucial para a segurança hídrica e a gestão de riscos.

O Glossário Indicadores e Índices de Secas e Aprendizado de Máquina é uma iniciativa do projeto Inteligência Artificial para Previsão de Condição de Seca em Áreas de Produção Agrı́cola Familiar, projeto que faz parte do Projeto Institucional Monitoramento dos Impactos das Secas: Estratégias para Redução de Risco em Setores Produtivos no Brasil, Cemaden/MCTI. Contribuições, comentários e revisão vieram da pesquisadora da área de secas, Ana Paula M. A. Cunha,  e do pesquisador Glauston R. T. de Lima. A redação, edição e a diagramação foi realizada por Ricardo S. Oyarzabal. A coordenação geral foi dada pelo pesquisador Leonardo B. L. Santos.

Anexo, abaixo, o Glossário Indicadores e Índices de Secas e Aprendizado de Máquina;

Fonte: Ascom/Cemaden (MRO)