Inteligência Artificial projeta o avanço de secas rápidas no Nordeste e na Amazônia

O uso de algoritmos de Inteligência Artificial (IA) tem contribuído para aprimorar o planejamento socioambiental ao prever cenários climáticos futuros em escala regional. Um estudo realizado por pesquisadores do Centro Nacional de Monitoramento e Alertas de Desastres Naturais (Cemaden), da Universidade de Pádua (UNIPD), do Instituto Nacional de Técnica Aeroespacial (INTA), da Universidade Politécnica de Madrid (UPM) e do Instituto Nacional de Pesquisas Espaciais (INPE) desenvolveu uma abordagem de aprendizado profundo (deep learning) para monitorar e projetar a dinâmica de secas repentinas — conhecidas como flash droughts —, fenômenos caracterizados pelo rápido estabelecimento de estiagens severas. Intitulado An Artificial Intelligence Framework for Future Soil Moisture Estimation and Flash Drought Duration Assessment, o trabalho foi apresentado no dia 31 de agosto no Expert Forum for Producers and Users of Climate Change-Related Statistics 2026, realizado em Genebra, na Suíça. O fórum foi promovido pela Comissão Econômica das Nações Unidas para a Europa (UNECE, na sigla em inglês).

A ferramenta desenvolvida integra dados físicos de observações por satélite, variáveis meteorológicas e projeções globais de longo prazo do modelo climático CMIP6. Essa integração de dados permite estimar as condições futuras de umidade do solo e calcular o tempo de duração projetado para esses eventos em regiões vulneráveis.

Perspectiva regional e impacto nos biomas

As modelagens indicam variações importantes na intensidade das secas repentinas entre as regiões brasileiras, projetando uma tendência geral de aumento na persistência desses fenômenos extremos.

A Amazônia apresentou a maior tendência de aumento relativo na duração dessas secas rápidas nos cenários simulados. O Nordeste do Brasil também se mantém como área de alta atenção, o que reforça a relevância da metodologia de IA para subsidiar planos de adaptação às mudanças de temperatura e umidade.

A pesquisa dá continuidade ao desenvolvimento de tecnologias preditivas baseadas na fusão de dados observacionais e modelos de Inteligência Artificial, com bases metodológicas previamente publicadas pelos autores na revista científica Earth Systems and Environment (Integration of Soil Moisture and Meteorological Data Using Deep Learning for Flash Drought Detection in Northeastern Brazil).