Entre 2021 e 2026 o Governo enviou mais de 1000 milhões euros literalmente para o lixo e em 2027 vai enviar mais 150 milhões

 

Há quase dez anos atrás, em conjunto com três professores estrangeiros (Reino Unido, Itália e Austrália), fui editor de um livro sobre a reciclagem de resíduos de plástico em betão, publicado pela prestigiada Elsevier. Em 2024, voltei a coordenar, uma nova edição, imagem supra, sobre esta temática. Recordo estes antecedentes porque o conhecimento científico disponível torna particularmente difícil aceitar a resignação com que Portugal continua a pagar pelo seu desperdício. Segundo um artigo publicado hoje no jornal Público, Portugal terá pago mais de mil milhões de euros à União Europeia, entre 2021 e 2026, pelos resíduos de plástico que não recicla. E para 2027, a proposta de Orçamento do Estado apresentada pelo Governo de Montenegro à Assembleia da República vai reservar mais 150,7 milhões de euros para pagar pela não reciclagem de cerca de 200 mil toneladas de resíduos de plástico.

Tendo porém em conta que a indústria da construção consome, em Portugal, aproximadamente 7 milhões de metros cúbicos de betão pronto e 3 milhões de toneladas de misturas betuminosas por ano, seria de esperar que o aproveitamento destes setores para reciclar plástico merecesse uma mobilização à altura da fatura. Num cenário ilustrativo em que aquele volume de betão fosse produzido em formulações estruturais, incorporando 1% de plástico em massa, seria possível reciclar aproximadamente 168 mil toneladas de plástico por ano. Já a incorporação de 1% de resíduos nas misturas betuminosas acrescentaria 30 mil toneladas, elevando a capacidade teórica conjunta para quase 200 mil toneladas anuais. 

Num país onde qualquer investimento público é sujeito a intermináveis sermões sobre rigor orçamental, seria esclarecedor perceber por que razão há tanta facilidade em reservar milhões para pagar pelo desperdício e tanta dificuldade em mobilizar conhecimento científico para o combater. O Governo de Montenegro deveria ser chamado a explicar por que razão prevê desperdiçar, no próximo ano, 150,7 milhões de euros para pagar pela não reciclagem de resíduos de plástico, uma verba que é 240% superior à verba que a presidência da FCT decidiu reservar para contratar investigadores no concurso CEEC, como se financiar as consequências do desperdício merecesse maior prioridade do que contratar quem pode contribuir para o combater.  Infelizmente neste desgraçado país, a ciência tem de demonstrar permanentemente a sua utilidade, enquanto a incompetência política pode renovar todos os anos a sua dotação orçamental, sem vergonha nem consequências.

Luís Neves deve fazer duas coisas: pedir desculpa ao país e, a seguir, demitir-se

Há algo de politicamente repugnante em assistir à gravíssima crise da habitação e descobrir que uma das respostas mais musculadas do Estado se destina precisamente a quem protesta contra ela. Para quem não consegue pagar uma casa, acumulam-se dificuldades, promessas e recomendações de paciência; para desocupar uma praça, aparecem meios, determinação e bastões. Um Governo deveria sentir vergonha quando consegue mobilizar tanta força para dispersar o desespero e revela tão pouca capacidade para lhe dar resposta.

E onde está essa valentia das bastonadas na zona entre Tróia e Melides, na rica Comporta, perante os condicionamentos ao acesso a praias públicas? Onde está o zelo pela ordem quando é preciso enfrentar interesses privados abastados? A autoridade do Estado torna-se politicamente desprezível quando exibe os músculos diante de quem protesta por uma casa e perde a voz à porta do luxo. Luís Neves deve explicar esta firmeza tão seletiva, tanta pressa em retirar tendas das praças e tão pouca determinação em defender o acesso de todos às praias públicas. Se a defesa do espaço público depende da fortuna de quem o ocupa, estamos perante uma vergonhosa submissão do poder político ao poder do dinheiro.

Ao classificar, com um cinismo intolerável, como "pedagógica" a atuação policial, conforme noticia hoje o jornal Público, Luís Neves fez mais do que desvalorizar os acontecimentos, revestiu o uso da força de uma arrogante missão educativa, como se aos cidadãos sem fortuna nem influência fosse necessário ensinar, à bastonada, o lugar que lhes está reservado. Que miserável conceção de autoridade leva um governante a ver na força de bastonadas uma lição para quem protesta por não conseguir pagar uma casa? Os cidadãos deste país não são súbditos do senhor ministro, as praças deste país não são o recreio do seu gabinete e o direito à manifestação não depende da sua licença nem da sua condescendência. Nem de propósito, no mesmo jornal Público de hoje, os constitucionalistas Reis Novais e Teresa Violante consideram que esse direito tem sido ostensivamente violado.

PS - Mas porque a indignação perante a crise da habitação também deve ser acompanhada pela discussão de soluções capazes de lhe dar resposta, depois do post anterior sobre a importância da construção pré-fabricada, aproveito agora para divulgar o último livro que editei, acabado de publicar pela prestigiada Elsevier e que reúne contributos de autores de 13 países, o qual aborda o elevado potencial da IA para tornar o ambiente construído simultaneamente mais sustentável e mais resiliente às alterações climáticas. https://19-pacheco-torgal-19.blogspot.com/2026/11/ai-driven-solutions-for-greening-built.html

AI-Driven Solutions for Greening the Built Environment: Integrating Circular Economy, Smart Technologies, and Resilience

 

Find below the 19-chapter structure of this newly published Elsevier book, bringing together international contributions from authors affiliated with institutions across 13 countries.

https://www.amazon.com.br/AI-Driven-Solutions-Greening-Built-Environment-ebook/dp/B0H4YXVX2L

Chapter 1. Artificial intelligence transforming low-carbon buildings into engines of innovation and youth employment

1.1 An unavoidable climate emergency
1.2 Harnessing AI for a sustainable built environment
1.3 AI rewiring the built environment into a startup engine
1.4 Conclusions
1.5 Outline of the book
Acknowledgments
References

Part 1 — Leveraging AI for a circular economy

Chapter 2. Advancing circular construction through artificial intelligence: A multilayered approach integrated within Royal Institute of British Architects plan of work

2.1 Introduction
2.2 Lifecycle approach for AI-supported circular construction
2.3 Integrating AI-driven circular construction within the Royal Institute of British Architects and layers framework
2.4 Discussion
2.5 Conclusion
References

Chapter 3. An AI-integrated approach to reducing environmental footprints in construction and demolition

3.1 Introduction
3.2 Research methodology
3.3 Model development
3.4 Results
3.5 Discussion
3.6 Conclusion
CRediT authorship contribution statement
Declaration of competing interest
Acknowledgments
Data availability statement
References

Chapter 4. Materials passport to enhance circular economy in residential buildings

4.1 Introduction
4.2 Design and implementation of material passports in residential construction
4.3 Data mining and AI integration potential
4.4 Implementation challenges and the way forward
4.5 Concluding remarks
References

Chapter 5. AI-assisted mix design optimization for recycled aggregate concrete

5.1 Introduction
5.2 Dataset characterization
5.3 Compressive strength prediction by Tabular Prior-Data Fitted Network
5.4 Sustainability-related evaluation
5.5 Recycled aggregate concrete mix design optimization
5.6 Conclusion and discussion
Acknowledgments
References

Chapter 6. Major artificial intelligence challenges and shortcomings in construction and demolition waste management

6.1 Introduction: why “AI shortcomings” matter in construction and demolition waste management
6.2 Construction and demolition waste management system and artificial intelligence opportunity landscape
6.3 Core artificial intelligence shortcomings across the artificial intelligence pipeline
6.4 Socio-technical, governance, and responsible-artificial intelligence barriers to adoption
6.5 Evidence from practice: cases, failures, and lessons learnt
6.6 Conclusions and stakeholder recommendations
References

Part 2 — AI-enabled smart technologies

Chapter 7. Artificial intelligence for hazard prediction in Construction and Demolition Waste

7.1 Introduction
7.2 From the bulk composition to the leachates
7.3 Leaching of construction waste
7.4 Leaching forecasts
7.5 Environmental metrics
7.6 Clustering of compositional data
7.7 Dealing with compositional data analysis
7.8 Multivariate statistical methods
7.9 Machine learning clustering
7.10 Unsupervised clustering
7.11 Supervised clustering
7.12 Machine learning prediction of leachates
7.13 From compositional clusters to leaching predictions
7.14 Data harmonisation and standardisation strategies
7.15 Conclusions
References

Chapter 8. Artificial intelligence in building energy efficiency and management

8.1 Introduction
8.2 Background and related work
8.3 Method
8.4 Results
8.5 Conclusion and implications
Data and ethics
References

Chapter 9. Artificial intelligence-enhanced strategies for energy-efficient and affordable housing

9.1 Introduction
9.2 Background and necessity
9.3 AI-enhanced strategies and implementations
9.4 Cross-cutting issues, ethics, and research gaps
9.5 Conclusion
References

Chapter 10. Artificial intelligence assisted cost prediction for climate-responsive and affordable green housing

10.1 Introduction
10.2 Artificial intelligence techniques for cost prediction
10.3 Research methodology
10.4 Data requirements for artificial intelligence cost prediction
10.5 Benefits of artificial intelligence-assisted cost prediction
10.6 Case studies
10.7 Challenges of artificial intelligence cost prediction
10.8 Optimizing affordable housing design with artificial intelligence cost prediction models
10.9 Conclusion
References

Chapter 11. Artificial intelligence contribution for diagnosis for renovation measures identification—from reality capture to generative retrofitting workflows

11.1 Introduction
11.2 Materials and methods
11.3 Analysis
11.4 Conclusions
Acknowledgments
References

Chapter 12. Beyond digital costing: a self-optimising cost system for sustainable off-site construction

12.1 Introduction
12.2 Theoretical framing: from digital costing to autonomous regulation
12.3 Self-optimzing cost system-5 architecture: a constraint-aware autonomous cost system
12.4 Methodology
12.5 Results
12.6 Discussion and theoretical implications
12.7 Conclusion, limitations, and research agenda
References

Chapter 13. Artificial intelligence-integration of digital twins and blockchain for smart building management

13.1 Introduction
13.2 Safety management for smart home
13.3 Roadmap
13.4 Technological implications
13.5 Economic implications
13.6 Social implications
13.7 Ethical and legal implications
13.8 Implications for sustainability from local to global levels
13.9 Explainable AI application
13.10 Green AI versus Red AI
13.11 Challenges due to approaching postquantum security
13.12 Directions of further research
13.13 Conclusions
Acknowledgments
References

Chapter 14. AI-assisted classification and Pareto optimization for cost-effective renovation

14.1 Regulatory framework and decarbonization targets in the German building sector
14.2 The TABULA building typology
14.3 Methodological design
14.4 Case study
14.5 Conclusion
14.6 Discussion
14.7 Conclusions and future outlook
14.8 Future outlook
14.9 Concluding remark
References

Part 3 — Harnessing AI solutions to strengthen building resilience

Chapter 15. Artificial intelligence and performance prediction of climate-resilient building materials: a review

15.1 Introduction
15.2 Review methodology
15.3 AI for predicting material degradation under climate stress
15.4 Extreme event performance
15.5 AI-driven discovery of resilient materials
15.6 Smart and adaptive materials
15.7 Integration with structural and lifecycle models
15.8 Cross-cutting limitations and research gaps
15.9 Comparative assessment of AI methods
15.10 Industrial adoption, regulatory barriers, and case studies
15.11 Conclusions
15.12 Priority research agenda
Acknowledgments
References

Chapter 16. Artificial intelligence-driven design and optimisation of resilient construction materials for extreme climate conditions: a review

16.1 Introduction
16.2 Methodology
16.3 Mechanical property prediction for high-performance concrete
16.4 Durability prediction under extreme climate conditions
16.5 Geopolymer and alkali-activated materials
16.6 Fiber-reinforced polymer composites
16.7 Multiobjective mix-design optimization
16.8 Life cycle assessment and embodied-carbon minimization
16.9 Self-healing and smart protective materials
16.10 Phase change materials and building thermal resilience
16.11 Explainable artificial intelligence and physics-informed methods
16.12 Conclusions
Acknowledgments
References

Chapter 17. Integrated machine learning, life cycle assessment, and circular economy frameworks for climate-resilient buildings under energy and climate uncertainty: a review

17.1 Introduction
17.2 Theoretical foundations
17.3 Machine learning approaches in building life cycle assessment and energy performance
17.4 Multiobjective optimization in building design
17.5 Emerging integrated frameworks: machine learning, life cycle assessment, and circular economy
17.6 Research gaps and positioning of the present study
17.7 Synthesis and chapter conclusions
17.8 Future research agenda
Acknowledgments
References

Chapter 18. AI-driven storm-resistant housing resilience

18.1 Introduction
18.2 Literature review
18.3 Methodology: rank-based sensitivity screening and explainable AI-guided machine learning for early building design
18.4 Results and discussion
18.5 Conclusions
References

Chapter 19. Artificial intelligence approaches for evaluating resilience loss in reinforced concrete structures under aftershocks

19.1 Introduction
19.2 Recurrent transformer network
19.3 Resilience assessment considering mainshock-aftershocks
19.4 Illustrative example: 5-story prefabricated reinforced concrete frame building
19.5 Conclusion and future trends
Acknowledgments
References