Estudo desenvolve modelo com inteligência artificial para detectar secas-relâmpagos
Novo estudo do Lapis da Ufal, coordenado pelo professor Humberto Barbosa, foi publicado no periódico Atmosphere
Ascom Ufal
Os recentes avanços nas técnicas de inteligência artificial, bem como na resolução dos dados de satélite, já permitem desenvolver modelos de aprendizagem automática, baseados em séries históricas, para detectar eventos climáticos extremos. Em um novo estudo publicado no periódico Atmosphere, o Laboratório de Análise e Processamento de Imagens de Satélites (Lapis) da Universidade Federal de Alagoas (Ufal) deu novos passos no desenvolvimento de tecnologias para detecção das secas-relâmpago no Brasil.
Segundo o professor Humberto Barbosa, coordenador do Lapis, a “Seca-relâmpago” (do inglês, flash drought) é um extremo climático de curta duração e forte intensidade, geralmente associado a altas temperaturas. “Trata-se de uma nova tipologia de seca, decorrente da mudança climática, que causa grandes impactos ambientais e prejuízos econômicos”, alerta o pesquisador.
Os primeiros estudos sobre o problema no Brasil e na América Latina também foram publicados pelo Laboratório Lapis, desde o ano passado. Com base em inteligência artificial, mais precisamente em “deep learning” (ou aprendizado profundo), a equipe desenvolveu um modelo computacional para detectar as secas-relâmpago.
O meteorologista informa que o aprendizado profundo é um avanço na pesquisa tradicional de aprendizado de máquina (machine learning), projetada para permitir que o computador aprenda as características de um grande conjunto de dados, a partir de um conjunto de dados de amostra. Depois do treinamento com dados da amostra, a classificação é feita de forma abrangente, para todo o universo dos dados.
Com o enorme volume de dados utilizados, o modelo desenvolvido na nova pesquisa do Laboratório Lapis, chega para aprimorar a detecção do risco de secas-relâmpago no Brasil. No estudo, foram identificados primeiro os eventos extremos na região, no período 2010-2022. A análise foi feita com base em índices de seca: percentual da umidade do solo, Índice de Vegetação por Diferença Normalizada (NDVI) e Índice Normalizado de Precipitação-Evaporação (SPEI).
“Em seguida, foi utilizado como amostra um conjunto de índices ambientais e hidroclimáticos, baseados em dados de satélites, referentes à grande seca de 2012 no Semiárido brasileiro. Esses dados foram usados para treinar, desenvolver e validar o modelo computacional. Uma das contribuições do novo estudo do Laboratório Lapis é de natureza tecnológica, ao avançar no uso de inteligência artificial, combinada com dados de sensoriamento remoto, para detectar eventos climáticos extremos no Brasil.
“Uma das consequências da mudança climática é o aumento das secas, especialmente das secas-relâmpago. A combinação de tecnologias de sensoriamento remoto com inteligência artificial pode desempenhar um papel crucial na previsão de eventos climáticos extremos e adaptação à mudança climática.Os satélites fornecem um enorme volume de dados sobre variáveis climáticas, como temperatura, umidade do solo, precipitação, vegetação e evapotranspiração. Para analisar esses dados e estabelecer correlações, algoritmos são aplicados no desenvolvimento de modelos de monitoramento e previsão climática.
Detectar uma seca-relâmpago requer arquiteturas de rede capazes de aprender representações complexas e explorar interconexões no espaço/tempo. Por isso, na pesquisa do Laboratório Lapis, as secas-relâmpago no Semiárido brasileiro foram identificadas a partir de Redes Neurais Convolucionais (CNNs), uma das arquiteturas de “deep learning” mais utilizadas.
O mapeamento da seca de 2012 apresentou variações de intensidade em todo o Nordeste brasileiro: o sudoeste da região experimentou secas-relâmpago mais frequentes, enquanto a área semiárida enfrentou condições mais intensas desse tipo de seca. Além disso, o estudo analisou os impactos retardados da seca sobre a cobertura vegetal e os ecossistemas, a partir de uma melhor compreensão da resposta da umidade do solo ao déficit hídrico. O estudo também foi importante para definir a umidade do solo como a variável mais adequada para classificação das secas-relâmpago.
“O ‘deep learning’ oferece alta precisão e eficácia no processamento de grandes volumes de dados. Trabalhar com inteligência artificial propiciou análises mais complexas para entendermos os extremos climáticos de seca no Brasil. Encontramos sinais claros de eventos não registrados, destacando os benefícios do método de detecção proposto. A abordagem utilizada pode contribuir para melhorar os algoritmos de detecção de secas-relâmpago, o que é muito importante para o país, no atual contexto da mudança climática”, ressalta Humberto Barbosa, responsável pelo estudo.
Detectar secas-relâmpago com precisão ainda é um desafio para a ciência, em razão da sua curta duração. Os métodos convencionais de monitoramento da seca têm dificuldade para captar com precisão esse fenômeno, que se intensifica rapidamente. “É por isso que os modelos de aprendizado profundo são cada vez mais úteis para detectar esse tipo de seca, após serem treinados com dados”, alerta o meteorologista.
Na segunda etapa do estudo, foram examinados eventos de seca-relâmpago para a quadra chuvosa do Semiárido brasileiro (fevereiro-maio), no período de 2024 a 2050., tendo como resultado, a variabilidade espacial considerável das secas-relâmpago em todo o Nordeste brasileiro, para o período. Essa distinção permitiu identificar, em particular, que a Bacia do Rio São Francisco será afetada por secas-relâmpago mais severas, em futuro próximo.
“As nossas descobertas demonstram que, nas próximas décadas, as secas-relâmpago serão mais extremas na Bacia do Rio São Francisco, devido às consequências do aquecimento global. Isso impõe desafios significativos à gestão dos recursos hídricos em toda a região Nordeste, além da redução na produtividade da agricultura e da deterioração dos ecossistemas nessas áreas”, explica Humberto Barbosa.
As projeções de mudanças climáticas sugerem que as futuras secas-relâmpago serão mais severas. Na quadra chuvosa do Semiárido brasileiro, as atividades agrícolas que dependem de uma quantidade significativa de água, devem enfrentar perturbações que podem afetar o rendimento das colheitas e a produção global de alimentos.“A grande dependência da estação chuvosa para a produção agrícola, com quantidade adequada de água, levanta preocupações sobre o risco que a mudança climática e as chuvas insuficientes representam para toda a economia do Nordeste brasileiro. Os impactos serão drásticos para a região”, finaliza ele.
O estudo do Laboratório Lapis é o primeiro que utiliza ferramentas de IA com avanços consistentes para detecção de secas-relâmpago no Semiárido brasileiro. A infraestrutura computacional utilizada para executar a metodologia do estudo foi do European Weather Cloud (EWC), a partir de uma cooperação bilateral do Lapis com a University of Cologne, na Alemanha.
Fonte: Associação dos Municípios Alagoanos
