A IA pode ajudar a prever inundações onde os métodos tradicionais têm dificuldade

Crédito:Unsplash/CC0 Domínio Público

Um modelo de inteligência artificial (IA) poderia melhorar a precisão da previsão de inundações, de acordo com um novo estudo publicado na Nature . O sistema demonstrou ser tão preciso ou uma melhoria em relação aos métodos atuais e pode fornecer avisos antecipados de grandes inundações.

As alterações climáticas causadas pelo homem aumentaram a frequência das inundações em algumas regiões. Os actuais métodos de previsão são limitados pela sua dependência de medidores de fluxo (estações de monitorização ao longo dos rios), que não estão distribuídos uniformemente por todo o mundo. Os rios não medidos são, portanto, mais difíceis de prever, sendo os efeitos negativos sentidos principalmente pelos países em desenvolvimento.

Gray Nearing e colegas desenvolveram um modelo de IA que foi treinado usando 5.680 medidores existentes para prever o fluxo diário em bacias hidrográficas não medidas durante um período de previsão de 7 dias. O modelo de IA foi então testado em relação ao software líder global para previsão de inundações em cenários de curto e longo prazo, o Sistema Global de Conscientização sobre Inundações (GloFAS).

O modelo de IA foi capaz de fornecer previsões de inundações com cinco dias de antecedência que eram tão confiáveis ou melhores que as previsões do sistema atual para o mesmo dia. Além disso, a precisão do modelo de IA na previsão de eventos climáticos extremos com uma janela de retorno de cinco anos foi igual ou uma melhoria nas previsões do GloFAS para eventos com uma janela de retorno de um ano.

Estes resultados sugerem que o modelo de IA pode fornecer avisos de cheias tanto para eventos pequenos como extremos em bacias não medidas com um período de aviso mais longo do que os métodos anteriores e pode melhorar o acesso a previsões de cheias fiáveis para regiões em desenvolvimento.

Mais informações: Gray Nearing et al, Previsão global de inundações extremas em bacias hidrográficas não medidas, Natureza (2024). DOI:10.1038/s41586-024-07145-1
Informações do diário: Natureza

Fornecido por Springer

A assimilação de dados de satélite melhora as previsões de condições meteorológicas severas

Perguntas e respostas:Esclarecendo o mecanismo do terremoto megathrust

Natureza

Lacunas nas limpezas de laboratórios de metanfetamina

Fitoplâncton menor do que o esperado pode significar menos carbono sequestrado no fundo do mar

Lagoas transparentes disfarçam a qualidade da água prejudicada

Ciência

Elétrons que se movem rapidamente criam corrente em células solares orgânicas

Restaurando florestas 1 árvore por vez, para ajudar a reparar o clima

Perspectivas ruins para a biodiversidade da Antártica