Exposição na mancha de inundação da bacia do rio Itajaí: um contraste entre bases de dados oficiais e informações geográficas voluntárias

Abstract

As constantes inundações na bacia do rio Itajaí expõem a situações de risco milhares de pessoas, centenas de estruturas e milhões de reais em recursos públicos. Diante desse cenário de vulnerabilidade, a gestão de desastres na região demanda um levantamento de dados espaciais o mais preciso possível. O presente trabalho analisa as diferenças nos levantamentos de dados entre bases cartográficas oficiais e a plataforma colaborativa OpenStreetMap (OSM) na identificação de infraestruturas de ensino e saúde, inseridas dentro e fora da mancha de inundação de tempo de retorno de 50 anos em Blumenau, Gaspar e Ilhota. Para isso, a pesquisa realizou o cruzamento espacial dos pontos vetoriais das diferentes fontes entre si e com a mancha de inundação de TR de 50 anos no softwareQGIS, aplicando uma validação remota através do Google Mapse Google Street View. O estudo constatou que, apesar de quantitativos semelhantes, houve divergências quanto aos atributos dos pontos identificados. O OSM apontou estabelecimentos em risco omitidos pelas bases oficiais, além de revelar que o engajamento da plataforma colaborativa varia conforme o perfil demográfico no escopo municipal analisado. A investigação conclui que o OSM configura-secomo uma ferramenta complementar às bases cartográficas oficiais na identificação de infraestruturas de ensino e saúde em risco de inundação, permitindo o aprimoramento das políticas de prevenção de desastres na região analisada.

Frequent flooding in the ItajaíRiver basin demands precise spatial data for disaster management. This study analyzed locational discrepancies and complementarities between official databases (INEP and CNES) and OpenStreetMap (OSM) regarding education and health infrastructures exposed to a 50-year return period flood in Blumenau, Gaspar, and Ilhota. Methodologically, vector points were spatially cross-referenced in QGIS, followed by remote validation via Google Maps and Google Street View. Results revealed that despite similar total counts, significant spatial and attribute discrepancies exist. OSM identified at-risk facilities omitted by public authorities, whereas official databases exhibited obsolete duplications but higher hospital completeness. Furthermore, collaborative mapping engagement varied according to municipal demographic profiles. In conclusion, OSM operates as a vital complementary tool to mitigate cartographic underreporting, enhancing flood disaster prevention policies.