VALÊNCIA 28 out. (EUROPA PRESS) -
Uma colaboração internacional entre a Universidade de Valência (UV) e a Texas A&M University-Corpus Christi alcançou um "grande avanço" no estudo das mudanças sazonais e plurianuais do nível do mar. Com o uso de técnicas de inteligência artificial (IA), as equipes conseguiram ampliar significativamente as escalas de tempo de previsão dessas variações, fortalecendo a capacidade de planejamento costeiro e a cooperação científica no estudo dos oceanos.
Os resultados desse trabalho, publicados no Journal of Ocean & Coastal Management, destacam um uso inovador da inteligência artificial para prever as mudanças no nível do mar ao longo da Costa do Golfo do Texas, uma região que abriga alguns dos maiores portos e comunidades do país, cada vez mais vulneráveis a inundações, subsidência de terras e aumento do nível do mar.
"A necessidade de previsão para as próximas semanas e meses está se tornando cada vez mais importante à medida que aumenta a frequência de inundações ao longo de nossa costa", diz Philippe Tissot, co-investigador principal do projeto AI2ES (Trustworthy AI in Weather, Climate, and Coastal Oceanography) e professor de Coastal AI no Conrad Blucher Institute of Surveying and Science (CBI) da Texas A&M University-Corpus Christi TAMU-CC.
"Os métodos tradicionais de previsão são normalmente projetados para condições de curto prazo, como marés ou tempestades, cobrindo escalas de tempo de apenas algumas horas ou alguns dias. Este trabalho se concentra em estender essas escalas de tempo para meses ou até anos, fornecendo uma perspectiva complementar para melhorar a preparação", acrescenta o cientista.
Para criar o modelo de IA, as equipes de pesquisa combinaram décadas de dados de marégrafos e satélites com um método estatístico avançado de agrupamento regional desenvolvido por Verónica Nieves, diretora do grupo AI4OCEANS da Universitat de València e co-investigadora principal do projeto, e Cristina Radin, então estudante de doutorado na UV.
"Capturar um sinal regional compartilhado foi essencial para entender como os padrões oceânicos de larga escala influenciam todas as estações costeiras", diz Verónica Nieves. "Essa abordagem nos permitiu identificar os processos mais amplos que moldam a variabilidade do nível do mar ao longo da costa do Texas", acrescenta.
Cristina Radin e Marina Vicens-Miquel, então pesquisadora de doutorado no CBI, treinaram a IA para reconhecer os padrões ao longo da costa do Texas que influenciam o aumento e a queda do nível do mar ao longo do tempo.
"O modelo de IA foi capaz de aprender padrões que podem ajudar a prever o nível do mar com meses e até anos de antecedência", diz Vicens-Miquel. "Isso pode fornecer às regiões costeiras indicadores antecipados e ajudar a orientar o planejamento para os próximos anos, especialmente em áreas onde os dados são limitados", acrescenta Radin.
De acordo com o estudo, o modelo de IA, que pode ser extrapolado para outras regiões costeiras, gerou previsões com maior precisão e confiabilidade do que os métodos preditivos existentes na região, proporcionando um valioso tempo de antecedência para que os planejadores costeiros e os gerentes de recursos antecipem períodos de níveis mais altos de água e apoiem decisões de gerenciamento de longo prazo.
Além de seus resultados científicos, o projeto destaca a importância da colaboração internacional na abordagem de desafios ambientais complexos. Tanto o AI2ES quanto o AI4OCEANS são reconhecidos mundialmente por promoverem o uso da IA na pesquisa oceânica e climática.
FORTALECIMENTO DA RESILIÊNCIA COSTEIRA
Em um momento de desafios crescentes para o financiamento de pesquisas, o sucesso dessa colaboração demonstra, destaca o artigo, como a cooperação intercontinental pode impulsionar a inovação e fortalecer a resiliência costeira em todo o mundo.
Apoiado por uma iniciativa da National Science Foundation (NSF), o projeto envolve o grupo AI4OCEANS da Universitat de València (UV), na Espanha, e uma equipe de pesquisadores do NSF AI2ES (AI Institute for Research on Trustworthy AI In Weather, Climate, and Coastal Oceanography), afiliado à Texas A&M University-Corpus Christi (TAMU-CC).
Esta notícia foi traduzida por um tradutor automático