p As técnicas de aprendizado de máquina podem ajudar os cientistas a entender melhor a complexa química dos riachos e monitorar as condições ambientais mais amplas, de acordo com uma equipe de pesquisadores. p Em um estudo, os pesquisadores relatam a nova aplicação de um algoritmo de aprendizado de máquina para analisar como a composição química dos fluxos muda ao longo do tempo, particularmente focando nas flutuações do dióxido de carbono na delicada e complexa química do fluxo.

p Eles acrescentaram que os cientistas podem ser capazes de usar o algoritmo para estudar o papel que os fluxos desempenham no sequestro de dióxido de carbono e liberá-lo de volta para a atmosfera. Compreender esse processo é importante devido ao impacto que esse gás de efeito estufa tem no clima global.

p "A química das correntes muda com o tempo e conforme muda com o tempo, pode nos oferecer muitas informações, "disse Susan Brantley, ilustre professor de geociências na Penn State e um afiliado do Institute for Computational and Data Sciences. "Os riachos também têm informações sobre como o dióxido de carbono está sendo retirado da atmosfera, ou empurrado de volta para a atmosfera por uma variedade de processos. Então, quando olhamos para a química do fluxo mudando com o tempo, podemos aprender mais sobre o dióxido de carbono que entra e sai da atmosfera, relacionado principalmente a processos naturais, mas também, em certa medida, com processos que os humanos causam. "

p O estudo também mostrou a relação entre a química das rochas e a química dos rios, disse Andrew Shaughnessy, doutorando em geociências e primeiro autor do artigo.

p "Descobrimos que os riachos se comportam de maneira muito semelhante à forma como as rochas se comportam, "disse Shaughnessy." Então, podemos usar esse processo - essa interação entre a química do fluxo e a química das rochas - que está acontecendo hoje para inferir esses processos de longo prazo. "

p Entre suas descobertas, os pesquisadores descobriram que a chuva ácida - que é uma chuva excepcionalmente ácida ou outras formas de precipitação - reduziu a capacidade de uma bacia hidrográfica de sequestrar dióxido de carbono. Por exemplo, ácido sulfúrico na chuva ácida pode dissolver materiais de silicato na bacia hidrográfica, que então afeta o processo de sequestro de dióxido de carbono.

p O desafio de monitorar a química do fluxo é sua complexidade, é por isso que um método de aprendizado de máquina pode ser tão valioso, disse Shaughnessy. A rica complexidade dos fluxos é uma espécie de espada de dois gumes, Contudo, ele sugeriu.

p "O bom dos streams é que eles integram muitos processos diferentes, para que você possa medir a química do fluxo e aprender sobre eles, "Shaughnessy disse." O problema com os fluxos é que eles também integram todas essas coisas. Existem muitas fontes de solutos no fluxo e o grande desafio é ser capaz de pegar a química do fluxo e separar todas as diferentes fontes de solutos para poder aprender sobre as reações individuais que ocorrem. Parte deste projeto foi ler a química do fluxo em termos dessas reações minerais. "

p Antes deste método, pesquisadores confiaram em um método chamado análise de mistura de membros finais, ou EMMA, para interpretar as fontes de composição do fluxo, mas as variações nas concentrações e descargas da corrente continuaram difíceis de explicar.

p O aprendizado de máquina pode ajudar a desvendar parte dessa complexidade, de acordo com os pesquisadores, que relataram suas descobertas em uma edição recente da revista Hidrologia e Ciências do Sistema Terrestre .

p A equipe desenvolveu seu modelo com base em um modelo de aprendizagem não supervisionado denominado fatoração de matriz negativa, ou NMF. O modelo também foi usado para entender relacionamentos complexos em campos tão diversos como astronomia e comércio eletrônico. Como o nome sugere, o aprendizado não supervisionado é um tipo de aprendizado de máquina que pode encontrar padrões nos dados, como os produtos químicos no fluxo, que não foram marcados, ou descrito.

p "Na aprendizagem não supervisionada, procuramos padrões nos dados, por exemplo, clusters nos dados e ver quais padrões emergem para poder aprender algo novo sobre o conjunto de dados que já temos, "disse Shaughnessy.

p Para testar o modelo, os pesquisadores reuniram dados de fluxo coletados do Observatório da Zona Crítica de Shale Hills, um laboratório vivo estabelecido em 2007 perto do State College, Pensilvânia, onde os pesquisadores reúnem dados hidrológicos importantes, processos ecológicos e geoquímicos na bacia hidrográfica.

p "É um site operado e financiado pela National Science Foundation há anos, "disse Brantley." Fizemos muitas medições ao longo dos anos, então sabemos muito sobre esse sistema e nosso conjunto de matemática funcionou muito bem para esse sistema, onde sabíamos muito sobre isso. "

p A equipe validou o algoritmo usando dados de dois outros locais do país - East River, um grande, bacia hidrográfica montanhosa localizada perto do gótico, Colorado, e Hubbard Brook, uma série de nove pequenos, bacias hidrográficas com florestas localizadas nas montanhas brancas de New Hampshire.

p "Foi uma coisa boa poder começar o projeto em uma localidade da Penn State, onde tínhamos uma grande quantidade de dados sendo coletados, financiado pela NSF, e, em seguida, mover para outros sites que foram financiados e mantidos por outras pessoas para mostrar que funcionou, "disse Brantley." Isso nos deu diferentes interpretações porque a geologia e outros fatores são diferentes. Mas, a técnica funciona e acho que será uma técnica realmente útil que pode ajudar muitas pessoas a entender a química das correntes. "

p Atualmente, pesquisadores estão usando o algoritmo para investigar a química do fluxo na região de xisto de Marcellus, uma área onde o fraturamento hidráulico e a mineração podem ter impactado os riachos.