Susanne Nielsen percebe que provavelmente é apenas uma questão de tempo até que a casa de verão dos seus pais em Slettestrand, no norte da Jutlândia, seja afetada pelas inundações. Porque debaixo da casa, que fica a apenas 400 metros da baía de Jammerbugt, no município com o mesmo nome, o nível das águas subterrâneas é agora tão elevado que existe o risco de que grandes quantidades de chuva não consigam escoar, mas prefiro entrar na casa.



“É uma preocupação que temos se chover muito”, admite ela.

Para dar aos residentes e aos decisores a melhor oportunidade de se protegerem contra as inundações na área, os investigadores da DTU ajudaram o município de Jammerbugt a desenvolver uma ferramenta de alerta precoce. Ele pode fornecer aviso com 48 horas de antecedência sobre inundações locais ao longo de rios, córregos e áreas costeiras do município. É o primeiro desse tipo a fornecer alertas locais de enchentes.

“Isto dar-nos-á tempo para reagir se necessário, por isso será uma grande ajuda”, afirma Susanne Nielsen da sua casa em Aalborg – a cerca de 40 quilómetros da casa de verão que cuida dos seus pais, que vivem na Noruega.

Natureza complexa, cálculos complexos

A ferramenta – o chamado “índice húmido” – baseia-se numa inteligência artificial treinada em dados disponíveis gratuitamente sobre dinâmicas que influenciam o risco de inundações. Os dados provêm de imagens de satélite e previsões meteorológicas, bem como informações sobre os níveis da água subterrânea e do mar e a topografia da paisagem.

No entanto, o movimento e a acumulação de água em paisagens abertas são difíceis de calcular porque muitos parâmetros afectam a forma como a água se move e acumula. Para lidar com essa complexidade, a inteligência artificial foi utilizada no desenvolvimento do modelo por trás do índice úmido.

Ao utilizar princípios de design específicos na construção do modelo e alimentá-lo com dados cuidadosamente selecionados, os pesquisadores incorporaram uma compreensão do movimento, distribuição e interação da água com o ambiente circundante, de acordo com Roland Löwe. Ele é um dos desenvolvedores do índice de umidade e professor associado da DTU, especializado em como a água se comporta.

Altos e baixos

O município de Jammerbugt testou a ferramenta em 2023. Os resultados mostram previsões melhores do que o esperado para os meses chuvosos da primavera. No entanto, durante o período de verão, quando a Dinamarca estava quase assolada pela seca, a ferramenta previu incorretamente inundações nas mesmas áreas que tinham sido inundadas durante a primavera chuvosa.

As previsões incorretas ocorreram porque a ferramenta foi treinada com poucos dados dos meses de verão. Isso ocorre porque os satélites não conseguem registrar a água sob a vegetação e como os campos ficam cobertos por plantas durante o verão, o conjunto de dados nessa época do ano é menor.

"Um alerta precoce precisa ser relativamente preciso para que os cidadãos confiem no sistema. É por isso que optamos por fazer um teste, onde apenas cidadãos selecionados o verificavam regularmente - e onde nós, como município, tínhamos drones no ar para validar as previsões ", explica a gerente de projeto Heidi Egeberg Johansen, do município de Jammerbugt.

No entanto, ela sublinha que a experiência geral é que os parceiros do projecto criaram uma ferramenta com grande potencial. Por isso, o município procura financiamento para requalificar e possivelmente ajustar o modelo, que ficará offline até que as obras sejam realizadas, afirma Heidi Egeberg Johansen.

Cálculos e decisões mais rápidas

Cálculos precisos são cruciais – não só quando os cidadãos e os serviços de emergência precisam de preparar tubos de água e sacos de areia, mas também quando, por exemplo, os municípios precisam de decidir a melhor forma de expandir os seus sistemas de drenagem para lidar com o clima mais húmido do futuro. As simulações tradicionais podem facilmente produzir cálculos sólidos sobre a capacidade dos sistemas de desviar água em diferentes cenários – mas, de acordo com Roland Löwe, levam uma eternidade para serem concluídas.

“Na prática, isto significa que sempre que os planeadores precisam de analisar algo, têm de contratar consultores que desaparecem numa caixa durante dois meses antes de poderem voltar com resultados. E isso é demasiado inconveniente”, explica ele.

Para reduzir o tempo de computação e ao mesmo tempo manter a precisão física, os pesquisadores contam com o aprendizado científico de máquina, um ramo da inteligência artificial que combina duas abordagens diferentes.

Duas abordagens em uma

Um deles é o aprendizado de máquina, em que um computador descobre como analisar uma grande quantidade de dados e faz previsões sem ter uma compreensão teórica dos fenômenos que está analisando. O filtro de spam do seu e-mail ou o recurso de reconhecimento facial do seu telefone são exemplos de aprendizado de máquina.

A outra abordagem é a computação científica, que pode, por exemplo, simular processos físicos, que neste caso é como a água se move por um determinado espaço sob a influência de diversos fatores.

"A vantagem de combinar as duas abordagens é que você obtém modelos de aprendizado de máquina que possuem uma compreensão integrada de como o sistema deve se comportar. Isso ajuda a garantir que os modelos gerem previsões rápidas que façam sentido fisicamente e não sejam todas em todos os lugares, o que pode ser um problema com os modelos de aprendizado de máquina", diz Roland Löwe.

Em um projeto onde o professor, junto com a startup WaterZerv e professor associado da DTU Allan Peter Engsig-Karup, usaram aprendizado de máquina científico para prever o movimento da água em sistemas de drenagem, eles conseguiram realizar cálculos 100 vezes mais rápido do que com modelos tradicionais.

"Portanto, em vez de terceirizar um projeto, você pode reunir os tomadores de decisão relevantes em uma sala para executar os modelos ao vivo e obter os resultados mais ou menos imediatamente. Você pode então sentar e experimentar diferentes opções para encontrar a melhor solução para um projeto. determinada situação", explica.

Fornecido pela Universidade Técnica da Dinamarca