Radar via satélite e IA estão antecipando falhas em barragens de rejeito

Interferometria de radar (InSAR) combinada a modelos de IA passou a distinguir acomodação normal de deformação por cisalhamento — o sinal que precede uma ruptura.

Fornecedores de monitoramento geotécnico estão combinando radar de abertura sintética via satélite (InSAR) com modelos de aprendizado de máquina para vigiar barragens de rejeito continuamente, em vez de por inspeções periódicas.

A parte tecnicamente relevante não é só a resolução do radar — é o que a IA faz com o dado. O InSAR sozinho gera muito ruído: qualquer acomodação natural do terreno aparece como deslocamento. O modelo de machine learning é treinado para separar esse ruído da deformação por cisalhamento, o padrão de movimento que historicamente precede uma ruptura estrutural. Isso transforma um dado bruto de sensoriamento remoto em um alerta acionável, com semanas ou meses de antecedência em vez de dias.

Barragens de rejeito em áreas remotas ou de difícil acesso terrestre agora podem ser monitoradas do espaço, com a mesma granularidade de sensores instalados fisicamente. Para operações com múltiplas estruturas de risco espalhadas geograficamente, isso muda a equação de custo de monitoramento — e reduz a dependência de uma única equipe de campo conseguir chegar a tempo.