Pesquisadores da Universidade Cornell desenvolveram um método que combina inteligência artificial (IA) com modelos hidrológicos convencionais para aprimorar previsões de inundações diante das mudanças climáticas. O estudo está disponível no Journal of Hydrology. A pesquisa demonstrou que os modelos existentes perdem confiabilidade com a intensificação de eventos extremos, necessitando novas abordagens para proteção de infraestruturas.
A equipe criou um ambiente de testes com mil anos de dados sintéticos baseados em condições climáticas atuais e projetadas. Este “hidrolaboratório virtual” permitiu avaliar seis diferentes modelos de previsão de enchentes, incluindo abordagens tradicionais baseadas em equações físicas, modelos de IA e versões híbridas.
O modelo baseado em inteligência artificial apresentou resultados superiores, embora todos tenham mostrado incertezas significativas.
Mudanças climáticas geram novos desafios
As alterações nos padrões climáticos têm aumentado a frequência e intensidade de inundações e secas, criando desafios para engenheiros e planejadores. Tradicionalmente, esses profissionais utilizam modelos validados com dados históricos para projetar pontes, estradas e barragens, mas essas ferramentas não refletem adequadamente as novas condições climáticas.
Sandeep Poudel, doutorando no laboratório do professor associado Scott Steinschneider, do departamento de engenharia biológica e ambiental da Universidade Cornell, conduziu o estudo. A pesquisa buscou avaliar a confiabilidade dos modelos atuais em um contexto de clima em transformação.
Os dados do experimento incluíram eventos extremos como inundações e secas, além de valores diários de condições climáticas e hidrológicas, como temperatura do ar, precipitação, umidade do solo, evaporação e escoamento superficial. Os testes revelaram que projeções agregadas de várias bacias hidrográficas produziram resultados mais robustos, enquanto previsões específicas para cada localidade demonstraram menor confiabilidade.
Uma limitação do estudo é a realização dos testes em ambiente virtual controlado, deixando em aberto como esses modelos se comportariam em aplicações reais.
Cientistas sugerem mudanças na abordagem
A partir dos resultados, os pesquisadores recomendam uma mudança de abordagem. Em vez de tentar prever com precisão alterações em cada bacia hidrográfica específica, sugerem focar em padrões regionais mais amplos, que demonstraram ser significativamente mais estáveis e confiáveis.
“Os modelos são representações simplificadas do mundo real, por isso os validamos com base em observações passadas para garantir que funcionem bem em condições históricas”, explicou Poudel.
“No entanto, as mudanças climáticas estão tornando as secas e inundações mais frequentes e severas. Isso significa que o futuro não será como o passado, o que leva a uma questão crucial: quanta confiança devemos depositar em nossos modelos, validados com base em dados históricos, para fazer projeções para o futuro? E quais modelos são mais adequados para o planejamento de infraestrutura hídrica a longo prazo?”
Steinschneider alertou que, apesar do bom desempenho da IA, não se deve descartar modelos tradicionais. “Em vez de presumirmos que podemos prever com precisão como as inundações irão mudar em cada bacia hidrográfica, devemos reconhecer as limitações dos nossos modelos e procurar padrões que persistam em regiões maiores”, afirmou. “Essa perspectiva mais ampla oferece aos planejadores um guia muito mais confiável para preparar a infraestrutura e proteger as comunidades em um clima em aquecimento”.
O professor também expressou preocupação com os resultados: “Isso é preocupante porque esses são os modelos e dados hidrológicos que usamos comumente hoje para tomar decisões sobre como projetar pontes, estradas e infraestrutura hídrica no futuro — e eles não são bons o suficiente”.
