Investigadores de l’Image Processing Laboratory (IPL) de la Universitat de València han aconseguit modelitzar, mitjançant aprenentatge automàtic, els canvis en la variabilitat del nivell de la mar en diverses regions costaneres dels oceans Pacífic, Índic i Atlàntic, i realitzar prediccions raonablement precises de la tendència a curt termini a cada zona. L’estudi, especialment útil en matèria de protecció de costes, apareix publicat a Nature Scientific Reports.
Les conques oceàniques han experimentat un escalfament significatiu i un augment del nivell de la mar, en les últimes dècades, impulsats pel canvi climàtic. No obstant això, hi ha importants diferències regionals, resultants de diferents processos en diferents escales de temps, com ara els associats a canvis de temperatura per causes naturals.
Per interpretar i comprendre millor les variacions del nivell de la mar en les zones costeres a nivell local, l’equip de Verónica Nieves, Investigadora Distingida del Programa GenT a l’Image Processing Laboratory (IPL) de la Universitat de València, ha desenvolupat sofisticades tècniques basades en aprenentatge automàtic (machine learning) que exploten estimacions de la temperatura marina, per modelitzar la variabilitat del nivell del mar en zones costaneres, i la incertesa associada a través d’un rang d’escales temporals que van de mesos a diversos anys.
L’estudi publicat ara a la revista Nature Scientific Reports també mostra que les relacions físiques entre les variables de temperatura en les capes superiors de regions d’alta mar –o mar oberta– i les estimacions del nivell de la mar en els emplaçaments costaners d’aquestes regions es poden usar en combinació amb eines de machine learning per fer prediccions raonablement precises de la tendència del nivell de la mar a cada regió a curt termini (un o diversos anys).
I conclouen que, a dia de hui, les variacions a curt termini del nivell de la mar a les costes es veuen influenciades en gran mesura pels processos naturals que tenen lloc en les regions d’alta mar més properes a aquesta costa, com són els canvis de temperatura a la columna d’aigua fins als 700 metres de profunditat en alta mar, lligats a la variabilitat climàtica natural interna. Aquests processos se sumen a altres efectes, com els associats a les marees altes o a les tempestes, entre d’altres.
“El clima és un sistema dinàmic molt complex que pot canviar naturalment de manera inesperada; i en aquest sentit, els mètodes d’aprenentatge automàtic poden proporcionar una visió útil per interpretar dades que exhibeixen patrons no lineals complexos i identificar canvis futurs del nivell de la mar”, comenta Verónica Nieves, primera autora de l’article i responsable del grup AI4OCEANS, a l’IPL, des d’on es du a terme aquesta línia d’investigació. “Els nostres models funcionen especialment bé a les zones costaneres més influenciades per la variabilitat climàtica interna, però també són aplicables, en molts llocs del planeta, a l’avaluació dels patrons de pujada i baixada del nivell de la mar associats als canvis de temperatura”, afegeix Cristina Radin, membre de l’equip amb el qual, a més, ha col·laborat el físic i catedràtic d’Enginyeria Electrònica Gustau Camps-Valls.
Es tracta del primer estudi que utilitza eines d’Intel·ligència Artificial per fer aquest tipus de prediccions en oceans. Modelitzar i anticipar els canvis del nivell de la mar en els pròximss anys és crucial per a la presa de decisions a curt termini i la planificació estratègica de les mesures de protecció de les costes.
L’equip ha desenvolupat un mapa interactiu, com a eina de suport per a l’avaluació de l’estat del clima en els oceans, que permet visualitzar aquests canvis.
Referència:
Predicting regional coastal sea level changes with machine learning. Veronica Nieves, Cristina Radin, and Gustau Camps-Valls. Image Processing Laboratory, University of Valencia, Valencia, Spain.
https://www.nature.com/articles/s41598-021-87460-z