I modelli AI aiutano a prevedere grandi onde tropicali e correnti oceaniche

Un team di ricercatori ha recentemente progettato un modello AI in grado di prevedere fenomeni oceanici che si estendono per centinaia di miglia/chilometri, come le onde di instabilità tropicale (TIW). Le onde di instabilità tropicale (TIW) sono un evento oceanico che si verifica nell’Oceano Pacifico, vicino all’equatore. Le TIW del Pacifico coinvolgono il movimento di onde curve e triangolari che si muovono verso ovest lungo i bordi della lingua fredda tropicale – una regione dei tropici notevolmente più fredda dell’oceano circostante.

I fattori ambientali che danno origine alle TIW sono estremamente complessi e il fenomeno è difficile da prevedere. La previsione delle TIW viene tradizionalmente effettuata con modelli statistici e fisici complessi. Tuttavia, un team di ricercatori ha recentemente progettato un modello AI destinato a prevedere meglio le TIW e altri fenomeni oceanici.

Secondo Phys.org, il team di ricerca era guidato dal professor LI Xiaofeng dell’Istituto di Oceanologia dell’Accademia cinese delle Scienze (IOCAS) e includeva membri di varie divisioni oceanografiche cinesi come l’Università di Shanghai e il Secondo Istituto di Oceanologia del Ministero delle Risorse Naturali. Il team ha utilizzato dati satellitari per progettare un modello di apprendimento profondo destinato ad analizzare le onde di instabilità mentre si muovono per migliaia di chilometri attraverso l’oceano. Anche con dati satellitari globali, i fattori ambientali che impattano sui fenomeni oceanici possono essere difficili da discernere, ma l’obiettivo è che i modelli AI possano fare un lavoro migliore nel decifrare queste variabili e fare previsioni rispetto ai modelli tradizionali.

Il modello di apprendimento profondo progettato dai ricercatori ha utilizzato dati di temperatura della superficie del mare raccolti da satelliti, analizzando modelli di corrente e confrontandoli con dati di temperatura della superficie raccolti in anni precedenti. I ricercatori hanno addestrato e testato il modello su circa nove anni di dati. Quando i risultati sono stati analizzati, i ricercatori hanno scoperto che il modello era in grado di prevedere con precisione e costanza il cambiamento della temperatura della superficie del mare e prevedere variazioni temporali e spaziali all’interno delle TIW come risultato.

Lo studio implica che i modelli AI supportati da grandi set di dati possono essere metodi affidabili per prevedere anche alcuni dei fenomeni più complessi degli oceani.

“I modelli basati su AI, i modelli statistici e i modelli numerici tradizionali possono complementarsi a vicenda e fornire una prospettiva nuova per lo studio di caratteristiche oceaniche complesse”, ha spiegato LI Xiaofeng secondo Phys.

Si spera che, man mano che il modello viene migliorato e raffinato, possa aiutare nella previsione di grandi onde e tempeste, il che ha applicazioni pratiche per i sistemi di navigazione oceanica e la previsione di eventi meteorologici estremi che possono danneggiare le città costiere. Questo tipo di ricerca è particolarmente prezioso in un mondo in cui il cambiamento climatico sta alterando il modo in cui le correnti oceaniche si muovono e interagiscono con l’ambiente che li circonda. La ricerca condotta da LI Xiaofeng e colleghi fa parte di una tendenza crescente che utilizza algoritmi AI e dati satellitari per apprendere e prevedere il movimento delle correnti oceaniche e fenomeni correlati.

Un altro esempio dell’utilizzo di AI per tracciare e prevedere fenomeni oceanici è uno studio pubblicato all’inizio di quest’anno da un team di ricercatori del Plymouth Marine Laboratory e dell’Università dell’Egeo, che esamina come gli algoritmi di apprendimento automatico e i dati satellitari possano essere utilizzati per identificare aree di concentrazione di rifiuti plastici e tracciare la loro diffusione.

Il team ha preso immagini satellitari di rifiuti plastici e ha addestrato un sistema di identificazione di immagini su di esse, con l’obiettivo di vedere se il sistema potesse discernere con precisione patch di rifiuti plastici da legno, alghe e altri oggetti galleggianti naturali. Secondo i risultati dello studio, l’algoritmo è stato in grado di identificare correttamente i rifiuti circa l’86% del tempo. I ricercatori vogliono migliorare il modello e creare un sistema che possa facilitare l’identificazione e la pulizia dei rifiuti plastici lungo le coste e i fiumi.