Modelos de IA ajudam a prever ondas tropicais e correntes oceânicas grandes

Uma equipe de pesquisadores projetou recentemente um modelo de IA capaz de prever fenômenos oceânicos que se estendem por centenas de milhas/quilômetros, como ondas de instabilidade tropical (TIW). As Ondas de Instabilidade Tropical (TIW) são um evento oceânico que ocorre no Oceano Pacífico, perto do equador. As TIW do Pacífico envolvem o movimento de ondas triangulares curvas que se movem para o oeste ao longo das bordas da língua fria tropical do Pacífico – uma região dos trópicos notavelmente mais fria do que o oceano ao seu redor.

Os fatores ambientais que dão origem às TIW são extraordinariamente complexos e o fenômeno é difícil de prever. A previsão das TIW é tradicionalmente feita com modelos estatísticos e físicos complexos. No entanto, uma equipe de pesquisadores projetou recentemente um modelo de IA destinado a prever melhor as TIW e outros fenômenos oceânicos.

De acordo com o Phys.org, a equipe de pesquisa foi liderada pelo Professor LI Xiaofeng, do Instituto de Oceanologia da Academia Chinesa de Ciências (IOCAS), e a equipe também incluiu membros de várias divisões de ciências oceânicas chinesas, como a Universidade Oceanográfica de Xangai e o Segundo Instituto de Oceanologia do Ministério de Recursos Naturais. A equipe usou dados de satélite para projetar um modelo de aprendizado profundo destinado a analisar as ondas de instabilidade à medida que se movem por milhares de quilômetros pelo oceano. Mesmo com dados de satélite globais, os fatores ambientais que impactam os fenômenos oceânicos podem ser difíceis de discernir, mas o objetivo é que os modelos de IA possam fazer um melhor trabalho de decifrar essas variáveis e fazer previsões do que os modelos tradicionais.

O modelo de aprendizado profundo projetado pelos pesquisadores usou dados de temperatura da superfície do mar coletados por satélites, analisando padrões atuais e contrastando-os com dados de temperatura da superfície coletados em anos anteriores. Os pesquisadores treinaram e testaram o modelo com aproximadamente nove anos de dados. Quando os resultados foram analisados, os pesquisadores descobriram que o modelo foi capaz de prever com precisão e consistência a mudança na temperatura da superfície do mar e prever variações temporais e espaciais dentro das TIW como resultado.

O estudo implica que os modelos de IA apoiados por grandes conjuntos de dados podem ser maneiras confiáveis de prever até mesmo alguns dos fenômenos mais complexos dos oceanos.

“Modelos baseados em IA, modelos estatísticos e modelos numéricos tradicionais podem complementar-se mutuamente e fornecer uma perspectiva nova para estudar recursos oceânicos complicados”, explicou LI Xiaofeng, de acordo com o Phys.

É esperado que, à medida que o modelo for aprimorado e refinado, ele possa ajudar a prever ondas e tempestades grandes, o que tem aplicações práticas para sistemas de navegação oceânica e previsão de eventos climáticos severos que possam danificar cidades costeiras. Esse tipo de pesquisa é particularmente valioso em um mundo onde a mudança climática está alterando a forma como as correntes oceânicas se movem e interagem com o ambiente ao seu redor. A pesquisa realizada por LI Xiaofeng e colegas faz parte de uma tendência crescente de uso de algoritmos de IA e dados de satélite para aprender e prever o movimento de correntes oceânicas e fenômenos relacionados.

Como outro exemplo de IA sendo usada para rastrear e prever fenômenos oceânicos, no início deste ano, uma equipe de pesquisadores do Laboratório Marinho de Plymouth e da Universidade do Egeu publicou um estudo examinando como algoritmos de aprendizado de máquina e dados de satélite podem ser usados para identificar áreas de resíduos plásticos concentrados e rastrear sua propagação.

A equipe tirou imagens de satélite de resíduos plásticos e treinou um sistema de identificação de imagens para vê-lo, visando determinar se o sistema poderia discernir com precisão patches de lixo plástico de madeira, algas e outros objetos flutuantes naturais. De acordo com os resultados do estudo, o algoritmo foi capaz de identificar corretamente o lixo aproximadamente 86% do tempo. Os pesquisadores desejam melhorar o modelo e criar um sistema que possa facilitar a identificação e limpeza de resíduos plásticos ao longo de costas e rios.