Un equip de recerca de la Universitat de València ha desenvolupat una metodologia d’Intel·ligència Artificial (IA) que permet generar només amb dades mapes globals d’interacció causal entre regions i variables climàtiques. El treball, publicat a Scientific Reports, trau a la llum relacions concretes fins ara desconegudes que ajudaran a millorar la comprensió del sistema Terra i de la seua evolució.
A diferència de la ja coneguda tècnica de mapeig creuat convergent (CCM), la nova metodologia desenvolupada a l’Image Processing Laboratory (IPL) de la Universitat de València –la Robust CMM (RCMM)– resol les debilitats de la metodologia anterior en portar a escala global el que només podia aplicar-se a escales locals.
L’equip ha aconseguit així generar els primers mapes globals d’interacció causal entre regions i variables com la temperatura o l’estat de la vegetació, i concloure, per exemple, que als ecosistemes boreals la humitat del sòl és més causada per l’evapotranspiració que per les precipitacions; o que, als boscos tropicals, ni la temperatura de l’aire ni la humitat del sòl són factors especialment limitadores de la producció vegetal. Entre altres resultats, l’estudi demostra també que, en determinades zones del planeta, es produeix un cercle viciós causa-efecte, en què no només la radiació és la causant del nivell de fotosíntesi, sinó que el nivell de fotosíntesi té alhora efecte sobre la radiació.
“El sistema Terra és complex i compta amb moltes variables que interactuen espacialment i temporalment en escales diferents. Aquesta nova eina és capaç de generar mapes globals sobre aquestes interaccions causals i amplificar l’estudi tradicional basat simplement en correlació”, comenta Emiliano Diaz, investigador a l’IPL i autor principal del treball.
Tal com explica l’article publicat a Scientific Reports –revista del grup Springer Nature–, abans de cercar i interpretar relacions climàtiques desconegudes, l’estudi va començar per validar, a partir únicament de dades satel·litàries, determinades relacions ja conegudes per la teoria climàtica. Els resultats van ser consistents amb els patrons coneguts en ciències de la Terra i el clima i van donar mostra de l’eficàcia d’aquesta tècnica a l’hora de quantificar i comprendre les interaccions dels fluxos de carboni i aigua.
Naix amb això una eina clau per entendre l’estat actual del planeta, així com la seua evolució en el context de canvi climàtic. “A més, la metodologia és general i pot ser aplicada en altres branques del coneixement, com ara ciències socials, econòmiques i mediambientals”, afegeix el catedràtic d’Enginyeria Electrònica Gustau Camps-Valls, titular de dos projectes ERC en aquest camp i signant també de l’article. “Les aplicacions són innombrables; des de comprovar hipòtesis científiques, validesa de models, o efectes de l’adaptació d’espècies en ecologia, a optimitzar tractaments a la clínica mèdica, o identificar variables com les que dominen els canvis en el sistema econòmic o les que causen la crisi climàtica”, afegeix. “Una possibilitat a futur és fer intervencions en el model causal per veure l’efecte que diferents escenaris d’emissió podrien tindre sobre el Planeta”, conclou el científic.
Referència
Inferring causal relations from observational long-term carbon and water fluxes records. Diaz, E. and Adsuara, J. E. and Moreno-Martinez, A. and Piles, M. and Camps-Valls, G. Scientific Reports 12 :1610, 2022
https://www.nature.com/articles/s41598-022-05377-7