As florações de algas nocivas (HABs) são colônias de fitoplâncton que podem prejudicar o ecossistema aquático e a saúde humana. A mortandade de peixes, o fechamento de mariscos e a relutância entre os consumidores em comer frutos do mar, muitas vezes causados ​​por essas florações, custam aos EUA uma média de US$ 4,6 bilhões por ano.
Um novo estudo envolvendo a Florida Tech mostra que uma nova abordagem de aprendizado de máquina usando padrões climáticos globais pode melhorar a previsão sazonal de HABs. Essa melhoria pode significar mais tempo para os formuladores de políticas considerarem e adotarem estratégias adequadas de planejamento e mitigação, como restrições na colheita, e ajudar no monitoramento de toxinas em mariscos para manter os produtos contaminados fora do mercado, relatam os pesquisadores.

"Melhor previsão sazonal de florações de algas nocivas usando índices climáticos em larga escala", publicado hoje na revista Communications Earth and Environment , descobriram que a inserção de padrões climáticos globais em uma estrutura baseada em aprendizado de máquina melhorou a previsão sazonal de HABs no Lago Erie. Os pesquisadores também descobriram que o uso de dados de padrões climáticos permitiu que a previsão sazonal aprimorada fosse concluída mais cedo do que o habitual.

“Qualquer progresso na compreensão e previsão de HABs pode ter um impacto significativo nos EUA e em todo o mundo”, disse Pallav Ray, meteorologista e professor associado de engenharia oceânica e ciências marinhas da Florida Tech e coautor do estudo. .

Convencionalmente, a previsão de HAB é realizada usando informações sobre produtos químicos de indústrias e terras agrícolas que são transportados para corpos d'água através do escoamento. No entanto, as previsões HAB que usam esses dados químicos como o principal fator foram consideradas menos precisas durante os anos de floração extrema. A nova pesquisa descobriu que quando um conjunto de padrões climáticos foi usado em uma nova abordagem de aprendizado de máquina junto com esses dados químicos, a precisão da previsão HAB sobre o Lago Erie melhorou drasticamente.

Um número crescente de corpos d'água, incluindo a Lagoa do Rio Indiano, é severamente afetado pela carga excessiva de nutrientes. O Lago Erie é impactado em sua bacia hidrográfica devido à presença de grandes instalações fabris e extensas terras agrícolas. Isso levou a florações cada vez maiores e profundas nas últimas décadas.

O estudo também descobriu que as estruturas oceano-atmosfera em grande escala são distintamente diferentes durante os anos HAB suaves em comparação com os anos HAB severos, sugerindo a influência da circulação em larga escala na evolução sazonal dos HABs sobre o Lago Erie.

"Espera-se que esses resultados ajudem a estender o tempo de espera e melhorar a previsão sazonal de HABs não apenas no Lago Erie, mas também em outros corpos d'água ao redor do mundo, onde os dados químicos podem não estar disponíveis", disse Ray.

O autor principal Mukul Tewari, cientista atmosférico do Centro de Pesquisa IBM Thomas J. Watson em Yorktown Heights, Nova York, disse que a pesquisa também destaca a importância e o valor de ter uma equipe de pesquisa variada. “Qualquer progresso significativo na previsão de HABs requer colaboração interdisciplinar entre especialistas em HABs, ciência climática, aprendizado de máquina e ciências computacionais e de dados”, disse ele. + Explorar mais

A proliferação de algas nocivas torna-se detectável ao longo do oeste do Lago Erie