Os terremotos são eventos que podem causar danos significativos às pessoas e ao meio ambiente, por isso a sua previsão é, atualmente, objeto de extensa pesquisa científica. O alerta atempado da população pode permitir a evacuação e salvar vidas humanas, bem como proporcionar a tomada de medidas para proteger propriedades, minimizando os possíveis danos. A notificação precoce da proteção civil e dos serviços de emergência proporciona tempo para uma preparação preliminar, uma melhor coordenação e uma resposta mais eficaz por parte dos envolvidos nestas atividades. Por esta razão, já são estudados vários fenómenos e processos, potenciais precursores da atividade sísmica, procurando métodos para fazer a previsão de sismos uma realidade, com auxílio de modelos matemáticos.
Durante séculos, comportamentos animais invulgares foram relatados antes de eventos críticos, como os sismos. As observações incluem a diminuição da atividade entre mamíferos e aves até três semanas antes de um sismo (Grant, 2015), comportamento animal estranho sem vocalizações e casos de vários animais a dar à luz dias ou quase um mês antes de grandes sismos. Outros estudos documentaram mudanças incomuns no reino animal dias e horas antes de grandes sismos, incluindo ansiedade, movimentos caóticos ou mesmo migrações em massa (Hayakawa, 2024). Os animais são particularmente sensíveis às alterações físicas e químicas do ambiente. Antes de um sismo, são observadas anomalias eletromagnéticas, alterações da pressão atmosférica, alterações das águas subterrâneas e outros fenómenos. Estas alterações e anomalias inesperadas estão a ser investigadas e estudadas como potenciais precursoras de sismos.
Kushwaha, em 2024, estuda fatores geofísicos e astronómicos, como as forças gravitacionais da Terra-Lua, as suas distâncias variáveis e as flutuações gravitacionais localizadas, utilizando estes dados para desenvolver modelos matemáticos de regressão linear. A relação entre o clima espacial e os sismos, bem como o potencial desencadeamento de atividade sísmica devido à ocorrência de fortes erupções solares, também foi investigada por Novikov, em 2020. Os investigadores Yan & Chen, em 2023, trabalham com dados que correlacionam as marés e sismos, sugerindo que as forças de maré podem ser utilizadas como preditor de potenciais eventos sísmicos.
Durante o desenvolvimento de um processo sísmico, observam-se perturbações no campo geomagnético. Volvach et al., em 2025, utilizaram dados de campo magnético para identificar alterações nos campos geofísicos associados a sismos de magnitude superior a sete. Verificaram que a ressonância paramétrica das oscilações geomagnéticas de superfície poderia ser considerada um precursor de sismos.
A forma como o solo treme e os danos que um sismo pode causar dependem das propriedades do solo e das rochas que se encontram por baixo dele. Um dos indicadores mais importantes disto é a chamada velocidade da onda (Vs), que mostra a rapidez com que as ondas sísmicas viajam através do solo ou da rocha. Comina et al., em 2024, utilizaram uma combinação de modelação geológica e medições geofísicas para criar uma base de dados de valores de velocidade de ondas de cisalhamento para a região do Piemonte, em Itália. Esta informação pode ser utilizada para previsões mais precisas de movimentos sísmicos na região; no entanto, características geológicas específicas limitam a sua aplicação universal a outras áreas. Rău et al., em 2024, desenvolveram um modelo para estudar como as ondas sísmicas (ondas P e S) se propagam através das camadas da Terra. Isto melhora a compreensão da atividade sísmica em zonas propensas a sismos e ajuda a determinar com maior precisão a localização e as características dos sismos. Ji et al., em 2025, investigaram os mecanismos e o ambiente dos enxames de sismos, analisando dados sobre a propagação de ondas sísmicas através de camadas subterrâneas. Criaram modelos tridimensionais da velocidade da onda P (ondas que se propagam primeiro), da velocidade da onda S (ondas mais lentas, mas mais destrutivas) e da razão entre elas (Vp/Vs). Estes modelos revelaram que, abaixo da área altamente sismicamente ativa de Changdao, na China, existem anomalias significativas com valores elevados de Vp/Vs a atingir profundidades até 30–75 km.
Mesmo com o auxílio de modelos matemáticos muito sofisticados e de complexidade matemática elevada, uma revisão completa da literatura científica mostra que a previsão de sismos ainda é um processo em construção, tentando estabelecer e identificar algum tipo de padrão numa grande variedade de potenciais precursores sísmicos, geodésicos, geoquímicos, geológicos, atmosféricos, geomagnéticos, elétricos, entre outros. Por outro lado, as condições únicas em cada região sísmica também desempenham um papel significativo no desenvolvimento de um sismo. Isto inclui características específicas da região, como o tipo de solo, o declive do terreno, a estrutura de falhas e a espessura das camadas sedimentares. As atividades humanas, como a construção, as alterações nas infraestruturas urbanas, a mineração e o desenvolvimento de instalações hídricas, também podem influenciar a forma como as ondas sísmicas se propagam. As características específicas das diferentes regiões motivam o desenvolvimento de modelos matemáticos individuais para a previsão de sismos adaptados a cada área específica. Não é necessário examinar todas as características ambientais possíveis como preditores. Em vez disso, é suficiente identificar e analisar os fatores que têm a correlação mais forte com a atividade sísmica na região específica.
Referências, de acesso livre:
Volvach, A. E. (2025) https://doi.org/10.1016/j.pce.2024.103802
Ji, G. (2025) https://doi.org/10.6038/cjg2024S0207
Grant, R. A (2015) https://doi.org/10.1016/j.pce.2015.02.012
Hayakawa, M. (2024) https://doi.org/10.3390/app14104317
Comina, C. (2024) https://doi.org/10.5194/essd-2024-413
Kushwaha, A. (2024) https://doi.org/10.63227/276.674.45
Rău, A., Dinescu, R., Popa, M., Radulian, M., & Lungu, M. A Proposed Velocity Model Applied for Banat and Danubian Seismic 643 Zones. Romanian Journal of Physics 2024
Yan, R. (2023) https://doi.org/10.1016/j.geog.2022.06.005
Novikov, V. (2020) https://doi.org/10.4401/ag-7975
Por: João MG Cabral
