evidoria

← Voltar à navegação

Boa prática Importada

Um Protótipo Comunitário de Previsão de Cheias com Aprendizagem Automática para o Distrito de Kasese, Uganda

Uganda · Kasese · Ver o perfil de Uganda

Evidência: Descritivo / autorreportado Top 88% 33/100 · Pergunte a Evidence Copilot sobre esta prática

Investigadores e partes interessadas do distrito de Kasese construíram um protótipo de baixo custo, alimentado por sensores e aprendizagem automática (regressão linear e k-vizinhos mais próximos), que prevê o risco de cheias do rio Nyamwamba a partir da chuva, temperatura e humidade, enviando alertas por SMS — mas o estudo publicado classifica-o como uma prova de conceito não validada, e não como um sistema operacional já escalado.

Detalhes

Maturidade
Piloto
Promotor
Kasese District Local Government (with local university researchers and community stakeholders)
Período
2023–2025 (proof-of-concept)
Palavras-chave
disaster risk management, flood early warning, local government

Contexto

O distrito de Kasese, no oeste do Uganda, é repetidamente inundado pelo rio Nyamwamba, que desce das montanhas Rwenzori até à principal cidade do distrito, levando investigadores e partes interessadas locais a procurar uma opção de alerta precoce acessível, adequada a uma zona rural com recursos limitados.

Objetivos

O projeto propôs-se construir um sistema de aprendizagem automática de baixo custo, baseado em sensores, capaz de prever o risco de inundação no rio Nyamwamba e avisar os residentes a tempo de agir.

Atividades

Através de uma abordagem participativa de design científico envolvendo partes interessadas do distrito e estudantes da área afetada, a equipa combinou sensores económicos e placas Arduino com a plataforma ThingSpeak para recolha de dados em tempo real, e treinou modelos de regressão linear e k-vizinhos-mais-próximos com dados de precipitação, temperatura e humidade para prever níveis de inundação, enviando alertas por SMS e redes sociais.

Resultados

Uma avaliação revista por pares, publicada em 2025 na Journal of Flood Risk Management, relata que o protótipo recolheu e analisou com sucesso dados de sensores em tempo real e produziu previsões de níveis de inundação, destacando o seu baixo custo e a dependência da cobertura móvel já existente como pontos fortes para uma implementação rural.

Conclusões

Os próprios autores do estudo descrevem o sistema como uma prova de conceito ainda não validada, construída sobre um conjunto restrito de indicadores climáticos, exigindo validação adicional antes de qualquer alargamento.

Implementação
Custo indicativo
Baixo (< 50 mil €)
Tempo até resultados
Médio (1–3 anos)
Equipa e competências
Kasese District Local Government, local university researchers, community stakeholders and students from the affected area

Condições de sucesso

  • Participatory design-science process involving district officials and affected-community students
  • Low-cost, off-the-shelf hardware (sensors, Arduino boards) suited to a resource-constrained district
  • Reliance on existing mobile-phone penetration for SMS-based alerts rather than new infrastructure

Modos de falha comuns

  • Built on a narrow set of climate indicators (rainfall, temperature, humidity only)
  • Requires further validation before any wider rollout, per the study authors
  • No formal government agency ownership, funding line or sustainability plan documented

Habitualmente financiado por

Own resources / municipal budget Philanthropic / foundation funding

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Práticas semelhantes que podem ser úteis