Geólogos Utilizam Inteligência Artificial para Melhorar a Previsão de Deslizamentos de Terra

Geólogos da UCLA desenvolveram uma técnica inovadora que utiliza inteligência artificial (IA) para melhorar a previsão de deslizamentos de terra. Este método inovador, descrito num artigo publicado na Communications Earth & Environment, oferece maior precisão e interpretabilidade em comparação com modelos preditivos tradicionais. Ao aproveitar o poder da IA, os geólogos visam proteger vidas e propriedades em regiões propensas a desastres naturais, como a Califórnia, onde a convergência de secas, incêndios florestais e terremotos aumenta o risco de deslizamentos de terra devastadores.

Prever a ocorrência de deslizamentos de terra é uma tarefa complexa influenciada por múltiplos fatores, incluindo a forma do terreno, a inclinação, as áreas de drenagem, as propriedades do solo e da rocha matriz, bem como as condições ambientais como o clima, a precipitação, a hidrologia e o movimento do solo resultante de terremotos. Os geólogos tradicionalmente incorporam estes fatores em modelos físicos e estatísticos para estimar os riscos de deslizamentos. Embora estes modelos possam fornecer previsões razoavelmente precisas, os modelos físicos requerem tempo e recursos significativos e não são adequados para aplicação em larga escala. Por outro lado, os modelos estatísticos carecem de transparência na avaliação dos fatores de risco.

Aproveitando a IA para previsão de deslizamentos

Durante anos, os investigadores têm treinado modelos de aprendizagem automática de IA, especificamente redes neurais profundas (DNNs), para prever deslizamentos de terra. Estas redes interligadas de algoritmos são excelentes no processamento de vastas quantidades de dados e na aprendizagem rápida a partir deles, resultando em previsões altamente precisas. No entanto, as DNNs têm limitações quando se trata de explicar as suas previsões e identificar as variáveis específicas que contribuem para a ocorrência de deslizamentos.

Para abordar as limitações das DNNs, os investigadores da UCLA desenvolveram um método que utiliza um tipo de IA chamado rede neural superponível (SNN). Ao contrário das DNNs, as SNNs separam os resultados de diferentes entradas de dados, permitindo uma análise mais útil dos fatores contribuintes mais importantes para desastres naturais. A equipa de pesquisa alimentou o modelo SNN com dados sobre várias variáveis geoespaciais e climáticas relevantes para as montanhas do Himalaia oriental, uma área conhecida pela sua alta frequência de deslizamentos de terra. O modelo SNN demonstrou precisão comparável às DNNs na previsão da suscetibilidade a deslizamentos, ao mesmo tempo que forneceu insights sobre as variáveis que desempenham papéis significativos nos resultados.

Desvendando variáveis e reduzindo recursos de computação

A capacidade do modelo SNN de identificar variáveis-chave e quantificar as suas contribuições para a suscetibilidade a deslizamentos oferece insights valiosos para os geólogos. Além disso, esta abordagem requer menos recursos computacionais em comparação com as DNNs, tornando-a eficiente e adaptável mesmo com poder de computação limitado. Os investigadores enfatizaram que o seu modelo SNN poderia ser executado em dispositivos tão pequenos como um Apple Watch, eliminando a necessidade de servidores de computador potentes.

Aplicações futuras e sistemas de alerta precoce

A equipa de pesquisa da UCLA planeia expandir o seu trabalho para outras regiões propensas a deslizamentos de terra em todo o mundo. Particularmente em áreas como a Califórnia, onde a combinação de incêndios florestais frequentes e terremotos exacerba os riscos de deslizamentos, o novo modelo de previsão de IA poderia auxiliar no desenvolvimento de sistemas de alerta precoce. Estes sistemas incorporariam múltiplos sinais e preveriam uma variedade de perigos superficiais, incluindo inundações, para melhorar os esforços de preparação e resposta.

Geólogos da UCLA empregaram com sucesso a tecnologia de IA para revolucionar a previsão de deslizamentos de terra. O seu método, utilizando redes neurais superponíveis, oferece maior precisão e interpretabilidade em comparação com modelos tradicionais. Ao identificar variáveis-chave e quantificar as suas contribuições, esta abordagem de IA permite que os geólogos compreendam melhor os fatores que influenciam os deslizamentos. Com a capacidade de ser executado em dispositivos com poder de computação limitado, este modelo tem o potencial de melhorar os sistemas de alerta precoce e proteger vidas e propriedades em regiões propensas a deslizamentos de terra em todo o mundo.