p Os tipos de terra ao nosso redor desempenham um papel importante na forma como as grandes tempestades se desdobram - as águas das enchentes podem viajar de forma diferente entre as áreas rurais e urbanas, por exemplo. Contudo, é um desafio obter uma imagem precisa dos tipos de terra usando apenas dados de imagens de satélite porque são muito difíceis de interpretar. p Pesquisadores da Escola de Engenharia Cockrell têm, pela primeira vez, aplicou um algoritmo de aprendizado de máquina para medir a rugosidade da superfície de diferentes tipos de terreno com um alto nível de detalhe. A equipe usou um tipo de imagem de satélite que é mais confiável e fácil de capturar do que as fotografias ópticas típicas, mas também mais difícil de analisar. E eles estão trabalhando para integrar esses dados em modelos de ondas de tempestade para dar uma imagem mais clara do que acontecerá durante os principais eventos climáticos.

p "Você pode imaginar que quando uma tempestade se aproxima da terra, ela se moverá muito mais rápido e mais longe em terras abertas ou áridas, "disse Ke Wang, um pesquisador graduado no laboratório de Ann Chen, professor adjunto do Departamento de Engenharia Aeroespacial e Engenharia Mecânica. "E, em contraste, as tempestades se movem mais lentamente sobre superfícies mais ásperas, como florestas densamente vegetadas. "

p Hoje, a principal fonte de dados sobre tipos de terra vem da Administração Oceânica e Atmosférica Nacional. Mas esses dados só são atualizados a cada cinco ou seis anos, tornando difícil obter uma imagem clara de como a terra muda ao longo do tempo. Os pesquisadores pretendem tornar seus dados de terras capazes de, pelo menos, atualizações anuais, e idealmente, mais frequente do que isso.

p Para seu experimento, a equipe analisou o radar de abertura sintética disponível ao público, ou SAR, imagens tiradas de um satélite japonês. As imagens SAR são diferentes das câmeras potentes de outros satélites porque iluminam ativamente o solo usando sinais de radar, em vez de depender da luz do sol, que pode ser limitado à noite ou quando há cobertura de nuvens.

p Padrão, os modelos baseados na física têm se esforçado para analisar com precisão esses tipos de imagens. Mas o algoritmo de aprendizado de máquina da equipe foi capaz de criar uma imagem suficientemente clara dos dados de rugosidade do terreno para que as informações pudessem ser usadas na modelagem de tempestades.

p Usando essas imagens de satélite publicamente disponíveis, o algoritmo classifica automaticamente diferentes tipos de terreno, analisando características como topografia e brilho dos dados de satélite. A pesquisa se concentrou principalmente em áreas ao longo da Costa do Golfo ao redor de Nova Orleans e Houston, onde mudanças rápidas de terras e aumento de tempestades colocam essas grandes cidades em maior risco de danos significativos.

p A equipe está trabalhando com Clint Dawson, professor e presidente do Departamento de Engenharia Aeroespacial e Mecânica de Engenharia e líder do Grupo de Hidráulica Computacional do Oden Institute, para adaptar os dados para seus modelos de ondas de tempestade.

p "Ondas de tempestade são uma competição entre o vento que empurra a água em direção à costa, e a capacidade da costa de suportar a força da onda, "Disse Dawson." Há uma grande diferença na onda de tempestade quando a costa é coberta com grama flexível em comparação com árvores grossas, como manguezais. A costa do Texas é particularmente vulnerável ao aumento repentino porque é principalmente um pântano e pradarias baixas. Portanto, conhecer o tipo de cobertura do solo em uma região costeira é essencial para ser capaz de mitigar e prever o aumento das tempestades. "

p Esses dados podem ajudar os tomadores de decisão a contemplar métodos para reduzir o impacto das tempestades, disse Chen, quem é o investigador principal do artigo publicado em Transações IEEE em Geociências e Sensoriamento Remoto . Por exemplo, os legisladores há muito debatem a possibilidade de construir "paredes verdes" de vegetação para proteger as áreas do interior de furacões e outras tempestades potencialmente perigosas. Essas informações podem ajudar a descobrir os melhores lugares para colocar essas paredes verdes para proteger áreas vulneráveis.

p Embora esta pesquisa se concentre principalmente em modelos de ondas de tempestade, existem várias outras aplicações. Ele poderia ser usado para examinar as florestas e classificar as árvores para entender quanto potencial de suprimento de madeira existe e os impactos da extração de madeira. E pode algum dia ajudar a rastrear como a terra muda ao longo do tempo, seja devido a coisas como desmatamento, desenvolvimento urbano ou aumento do nível do mar.

p Mas isso exigiria melhorias nos dados de satélite. O algoritmo dos pesquisadores precisa de aproximadamente 10 imagens para fazer uma caracterização precisa do terreno. Se demorou um ano para obter essas 10 imagens, poderia dizer que tipo de terreno existe naquele lugar, mas não conseguiu analisar como a terra mudou ao longo do ano. Contudo, A NASA está no meio de um programa para atualizar e atualizar os satélites necessários para capturar essas imagens. Eles coletarão dados com mais regularidade em uma resolução mais alta.

p "Os dados de imagem espacial que temos agora são muito mais do que tínhamos há 10 anos, "Disse Chen." E nos próximos 10 anos, com a qualidade e quantidade dos dados que vamos ter, será um momento de crescimento exponencial. "