Usando aprendizado de máquina para ajudar a monitorar riscos induzidos pelo clima: estudo encontra maneira de rastrear a chegada de furacões e outros perigos usando dados de satélite

Início » Ciência » Usando aprendizado de máquina para ajudar a monitorar riscos induzidos pelo clima: estudo encontra maneira de rastrear a chegada de furacões e outros perigos usando dados de satélite

A combinação da tecnologia de satélite com o aprendizado de máquina pode permitir que os cientistas rastreiem e se preparem melhor para riscos naturais induzidos pelo clima, de acordo com pesquisa apresentada no mês passado na reunião anual da União Geofísica Americana.

Nas últimas décadas, o aumento das temperaturas globais fez com que muitos fenômenos naturais, como furacões, tempestades de neve, inundações e incêndios florestais, aumentassem em intensidade e frequência.

Embora os humanos não possam evitar que esses desastres ocorram, o número cada vez maior de satélites que orbitam a Terra a partir do espaço oferece uma oportunidade maior de monitorar sua evolução, disse CK Shum, coautor do estudo e professor do Byrd Polar Research. Center e em ciências da terra na The Ohio State University. Ele disse que potencialmente permitir que as pessoas na área tomem decisões informadas poderia melhorar a eficácia da resposta e gestão local de desastres.

“Prever o futuro é uma tarefa bastante difícil, mas usando sensoriamento remoto e aprendizado de máquina, nossa pesquisa visa ajudar a criar um sistema que será capaz de monitorar esses perigos induzidos pelo clima de uma maneira que permita uma resposta a desastres oportuna e informada, disse Shum.

A pesquisa de Shum usa geodésia – a ciência de medir o tamanho, forma e orientação do planeta no espaço – para estudar fenômenos relacionados à mudança climática global.

Usando dados geodésicos coletados de vários satélites de agências espaciais, os pesquisadores realizaram vários estudos de caso para testar se uma mistura de sensoriamento remoto e análise profunda de aprendizado de máquina poderia monitorar com precisão episódios climáticos abruptos, incluindo inundações, secas e tempestades em algumas áreas do mundo.

Em um experimento, a equipe usou esses métodos para determinar se os sinais de radar do Sistema Global de Satélites de Navegação (GNSS) da Terra, refletidos sobre o oceano e recebidos por receptores GNSS localizados em cidades costeiras no Golfo do México, poderiam ser usados ​​para rastrear evolução do furacão, medindo o aumento do nível do mar após o desembarque. Entre 2020 e 2021, a equipe estudou como sete tempestades, como o furacão Hana e o furacão Delta, afetaram os níveis do mar costeiro antes de atingirem o Golfo do México. Ao monitorar essas mudanças complexas, eles encontraram uma correlação positiva entre os níveis mais altos do mar e a intensidade das tempestades.

Os dados que eles usaram foram coletados pela NASA e pela missão Gravity Recovery And Climate Experiment (GRACE) do Centro Aeroespacial Alemão, e sua sucessora, GRACE Follow-On. Ambos os satélites têm sido usados ​​para monitorar mudanças na massa da Terra nas últimas duas décadas, mas até agora só conseguiram ver o planeta a pouco mais de 400 milhas de altura. Mas, usando análises profundas de aprendizado de máquina, a equipe de Shum conseguiu reduzir essa resolução para cerca de 15 milhas, melhorando efetivamente a capacidade da sociedade de monitorar riscos naturais.

“Aproveitar o aprendizado de máquina profundo significa ter que condicionar o algoritmo para aprender continuamente com várias entradas de dados para atingir o objetivo que você deseja alcançar”, disse Shum. Nesse caso, os satélites permitiram que os pesquisadores quantificassem o caminho e a evolução de duas tempestades induzidas por furacões de categoria 4 no Atlântico durante suas aterrissagens no Texas e na Louisiana, o furacão Harvey em agosto de 2017 e o furacão Laura em agosto de 2020, respectivamente.

Medições precisas desses perigos naturais podem um dia ajudar a melhorar a previsão de furacões, disse Shum. Mas, a curto prazo, Shum gostaria de ver países e organizações disponibilizarem seus dados de satélite mais prontamente para os cientistas, já que projetos que dependem de aprendizado de máquina profundo geralmente precisam de grandes quantidades de dados abrangentes para ajudar a fazer previsões precisas.

“Muitas dessas novas técnicas de satélite exigem tempo e esforço para processar grandes quantidades de dados precisos”, disse Shum. “Se os pesquisadores tiverem acesso a mais recursos, poderemos potencialmente desenvolver tecnologias para melhor preparar as pessoas para a adaptação, bem como permitir que as agências de gerenciamento de desastres melhorem sua resposta a riscos naturais intensos e frequentes induzidos pelo clima”.

Os co-autores do projeto foram Yu Zhang, Yuanyuan Jia, Yihang Ding e Junyi Guo, do estado de Ohio; Orhan Akyilmaz e Metehan Uz da Universidade Técnica de Istambul; e Kazim Atman da Universidade Queen Mary de Londres. Este trabalho foi apoiado pela Agência dos Estados Unidos para o Desenvolvimento Internacional (USAID), a National Science Foundation (NSF), a Administração Nacional de Aeronáutica e Espaço e o Conselho de Pesquisa Científica e Tecnológica de Türkiye (TÜB?TAK).

Com informações de Science Daily.

Avalie este post

Clique nas estrelas

Média da classificação 0 / 5. Número de votos: 0

Nenhum voto até agora! Seja o primeiro a avaliar este post.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *