RADIAN: uma proposta de arquitetura de referência de sistemas de suporte à decisão para gerenciamento de desastres naturais

Abstract

Desastres naturais (DN) têm se tornado cada vez mais frequentes e, com variados tipos e intensidades, têm provocado impactantes consequências sociais, econômicas e ambientais. Nas últimas décadas, em várias parte do mundo, inclusive no Brasil, o aumento da intensidade dos fenômenos e mudanças climáticas extremas têm gerado incontáveis situações de perigo e de risco de DN. Todavia, as decisões envolvidas nos diferentes tipos de DN, os inúmeros cenários possíveis de ações a serem tomadas, as inúmeras e complexas análises ponderadas sobre o que fazer (e seus impactos) ao longo das fases de um DN conforme sua gravidade e abrangência, e o usual grande número de atores a terem que ser envolvidos nas análises, planejamentos e operações conforme seus diferentes papéis, recursos e poderes de decisão, tornam o processo de decisão bastante complexo. A literatura existente carece de sistemas de suporte à decisão (DSS) mais abrangentes, capazes de lidar com a diversidade de DN e suas múltiplas fases. Apesar de muitas defesas civis (ou seus órgãos equivalentes) usarem basicamente sistemas de monitoração e alertas, estudos mostram um crescente uso de DSS para auxiliá-las em suas análises e decisões sobre DN. Por outro lado, esses mesmos estudos apontam a necessidade de se ter DSS concebidos para lidarem com o problema de DN de forma mais holística, sistêmica, e integrada para que as ações possam ser mais ágeis, rápidas, articuladas, viáveis e efetivas, além de auditáveis. Observa-se igualmente que as inúmeras propostas teóricas e implementações de DSS para DN cobrem apenas partes isoladas do problema, sendo voltadas basicamente a um certo tipo de DN, ou são demasiado genéricas nas suas descrições. Não foram encontrados trabalhos que mostrassem o que seria um DSS ?genérico? completo para quaisquer tipos de DN, suas funcionalidades e inter-relações. Esta ausência dificulta o desenvolvimento de sistemas mais abrangentes, escaláveis e globalmente consistentes, capazes de orientar, tanto organizações de defesa civil, quanto desenvolvedores de softwares, quando do desenvolvimento ou melhorias de DSS para DN. No sentido de contribuir no escopo dessa lacuna, esta tese propõe uma arquitetura de referência denominada RADIAN (Reference Architecture for DecisIon support system for Natural disaster), concebida para abarcar DSS para o gerenciamento de diversos tipos de DN em suas diferentes fases. Desta forma, visa atuar como um blueprint para derivações de DSS particulares, adotando-se uma visão de arquitetura e ecossistemas abertos e distribuídos, e baseados em decisões multi-ator com governança. Ainda, que possa também servir como um roteiro para a derivação de DSS voltados à gestão de DN, incluindo uma indicação das funcionalidades que fariam sentido serem usadas apenas por usuários em treinamento na gestão de DN via um DSS derivado. A validação da RADIAN foi realizada através da derivação de dois DSS protótipos computacionais - um climatológico e um hidrológico - posteriormente avaliados por especialistas. Os resultados demonstraram que a RADIAN tem o potencial de reduzir o tempo, custos e riscos de desenvolvimento de DSS para DN, além de servir como base para um roadmap tecnologicamente aberto, agnóstico e escalável.

Abstract: Natural Disasters (ND) have become increasingly frequent and, with varying types and intensities, have caused significant social, economic, and environmental impacts. Over the past decades, in several parts of the world, including Brazil, the intensification of extreme phenomena and climate change has generated countless situations of danger and risk. However, decision-making in different types of ND scenarios is highly complex due to the wide range of possible actions, the numerous and intricate analyses required to assess what should be done (and their consequences) throughout the different phases of an ND, depending on its severity and scope, and the typically large number of stakeholders involved in analyses, planning, and operations according to their roles, resources, and decision-making authority. The existing literature lacks more comprehensive Decision Support Systems (DSS) capable of addressing the diversity of ND and their multiple phases. Although many civil defense agencies (or equivalent institutions) mainly rely on monitoring and alert systems, studies show a growing use of DSS to support their analyses and decisions. On the other hand, these same studies highlight the need for DSS designed to address ND challenges in a more holistic, systemic, and integrated manner, so that actions can be faster, better coordinated, more feasible, effective, and auditable. It was also observed that the numerous theoretical proposals and DSS implementations for ND generally cover only isolated parts of the problem, usually focusing on a specific type of ND, or being too generic in their descriptions. No studies were found that define what a complete ?generic? DSS for any type of ND would look like, including its functionalities and interrelationships. This gap hinders the development of more scalable, comprehensive, and globally consistent systems that could guide both civil defense organizations and software developers in the design or enhancement of DSS for ND. To contribute to filling this gap, this thesis proposes a reference architecture called RADIAN (Reference Architecture for DecisIon support system for NAtural disaster), designed to tackle DSS for managing different types of ND across their various phases. In this sense, it intends to serve as a blueprint for deriving specific DSS, adopting an open and distributed architecture and ecosystem perspective, and based on multi-actor decision-making with governance. Furthermore, it may also serve as a roadmap for deriving DSS for ND management, including guidance on functionalities that should be available only for users in training on ND management by a derived DSS. The validation of RADIAN was carried out through the derivation of two computing DSS prototypes - one climatological and one hydrological - which were further evaluated by experts. The results demonstrated that RADIAN has the potential to reduce the time, costs, and risks of DSS development for ND while serving as a foundation for a technologically open, agnostic, and scalable roadmap.