No processo de evapotranspiração, a umidade torna-se visível em uma camada saturada de ar próxima à superfície terrestre. Crédito:Maria Chu. Quando os cientistas analisam a água disponível na Terra para serviços ecossistémicos, não olham apenas para a precipitação. Eles também devem levar em conta o movimento da água do solo para a atmosfera, um processo conhecido como evapotranspiração (ET).
A ET inclui a evaporação do solo e de reservatórios de águas abertas, como lagos, rios e lagoas, bem como a transpiração das folhas das plantas. A diferença entre a precipitação e a ET indica o balanço hídrico disponível para as necessidades da sociedade, incluindo a produção agrícola e industrial. No entanto, medir a ET é um desafio. Um novo estudo da Universidade de Illinois Urbana-Champaign apresenta um modelo de computador que utiliza inteligência artificial (IA) para previsão de ET com base em estimativas de sensoriamento remoto.
"As estimativas terrestres de ET capturam os fluxos locais de água transferidos para a atmosfera, mas são limitadas em escala. Em contraste, os dados de satélite fornecem informações ET em escala global. Ainda assim, muitas vezes são incompletos devido a nuvens ou mau funcionamento dos sensores, e o o ciclo de satélite sobre uma área pode levar vários dias."
"Conduzimos esta pesquisa para prever dados faltantes e para gerar dados diários contínuos de ET que explicam a dinâmica do uso da terra e do movimento do ar atmosférico", disse o autor principal Jeongho Han, estudante de doutorado no Departamento de Engenharia Agrícola e Biológica (ABE) , parte da Faculdade de Ciências Agrícolas, do Consumidor e Ambientais e da Grainger College of Engineering em Illinois.
Os pesquisadores criaram o "Algoritmo de Modelo Dinâmico de Evapotranspiração de Cobertura Terrestre" (DyLEMa) com base em modelos de aprendizado de máquina de árvore de decisão. Este algoritmo tem como objetivo prever dados espaciais e temporais perdidos de ET usando modelos de aprendizado de máquina sazonais treinados. DyLEMa foi avaliado na escala de Illinois em uma grade diária de 30 x 30 metros durante 20 anos usando dados da NASA, do Serviço Geológico dos EUA e da Administração Oceânica e Atmosférica Nacional.
"O DyLEMa é muito mais detalhado e complexo do que outros modelos. Ele distingue entre diferentes usos da terra, incluindo floresta, cidade e agricultura, e diferentes culturas, como milho e soja. O modelo inclui precipitação, temperatura, umidade, radiação solar, vegetação estágio e propriedades do solo."
“Isso nos permite capturar com precisão a dinâmica da superfície e prever a ET com base em múltiplas variáveis. Isto é especialmente importante para paisagens agrícolas onde as culturas mudam rapidamente”, disse o co-autor Jorge Guzman, professor assistente de pesquisa na ABE.
Os pesquisadores testaram a precisão do modelo comparando seus resultados com os dados existentes. Para validação ao longo do tempo, utilizaram medições terrestres de 2009 a 2016 em quatro locais em Illinois. Além disso, para testar a precisão espacial, criaram cenários artificiais onde inseriram uma nuvem sintética numa imagem sem nuvens, depois aplicaram o seu algoritmo e compararam os resultados com os dados originais.
No geral, o DyLEMA reduziu a incerteza da previsão de ET nas estimativas acumuladas de ET de uma média de +30% (sobreprevisto) para cerca de -7% (subprevisto) em comparação com as medições existentes, indicando uma precisão muito maior.
O estudo faz parte de um projeto maior sobre erosão do solo. Maria Chu, professora associada da ABE, é a investigadora principal desse projeto e coautora do novo artigo.
"A ET controla o teor de umidade do solo e vice-versa, o que impacta os processos superficiais, como escoamento superficial e erosão hídrica. Nosso próximo passo é integrar nossos dados em um modelo hidrológico distribuído para melhor estimativa da erosão do solo", disse Chu.
"Um dos desafios das práticas de gestão de terras é que as pessoas podem não ver os benefícios da implementação de mudanças imediatamente. Mas com este modelo, podemos mostrar que o que estamos a fazer agora terá um impacto a longo prazo, por exemplo, 10 ou Daqui a 20 anos e em locais distantes da sua exploração agrícola, este é o poder da utilização de dados e da capacidade informática para envolver as comunidades e informar as medidas políticas", acrescentou Chu.
A pesquisa foi publicada na revista Computers and Electronics in Agriculture .
