Um novo mecanismo de IA pode prever eventos El Niño no Oceano Atlântico Sul com meses de antecedência

O fenómeno El Niño no Atlântico Sul e a corrente de Benguela, que corre ao longo da costa ocidental de África, têm impactos significativos no Atlântico tropical. Podem afetar os ecossistemas marinhos, os climas africanos e a Oscilação Sul do El Niño.

Importância dos eventos El Niño

As variações no oceano influenciam os padrões meteorológicos locais e têm impacto nos ecossistemas marinhos. O Niño do Atlântico central ocorre quando há temperaturas quentes à superfície do mar no Atlântico equatorial central. O Niño do Atlântico oriental ocorre quando se regista um aquecimento no Atlântico equatorial oriental perto da costa da África Ocidental.

O Atlântico Sul é uma região com um forte aquecimento do oceano, o que é problemático para a pesca. Por isso, é essencial prever eventos como o Niño Atlântico e o Niño de Benguela. Marie-Lou Bachèlery, que trabalha no Centro Euro-Mediterrânico para as Alterações Climáticas, em Itália, e acaba de publicar um artigo na revista Science Advances, afirma: “Estamos extremamente entusiasmados porque foi a primeira vez que conseguimos produzir previsões úteis para as comunidades, construindo modelos tradicionais e atingindo o objetivo que tínhamos apenas dois anos antes”.

Bachèlery continua: “A minha ideia era fazer previsões desses eventos utilizando modelos climáticos... após um ano e meio de trabalho, apercebemo-nos de que não funcionava e que estávamos numa situação de impasse”. Os modelos climáticos atuais têm dificuldade em prever eventos quentes no Atlântico tropical devido à sua baixa resolução.

Isto significa que os modelos não representam com exatidão a dinâmica do upwelling, que é um processo impulsionado pelo vento que traz à superfície águas mais profundas e mais frias. O upwelling requer uma modelação de alta resolução para captar os processos de escala fina. Existem enviesamentos significativos da temperatura devido à incapacidade de resolver a dinâmica. Estes desvios provocam erros que afetam a temperatura à superfície, o acoplamento atmosférico e as teleconexões. Em geral, isto resulta em previsões incorretas de fenómenos quentes.

Agora uma forma de prever

O Professor Noel Keenlyside, supervisor de Bachèlery, trabalha há anos com previsões. “Pela primeira vez, é efetivamente possível prever estes acontecimentos e ultrapassar a questão dos erros dos modelos utilizando uma abordagem diferente. Há algumas décadas que muitas pessoas tentam prever esta área. É por isso que os resultados de Marie-Lou são entusiasmantes”.

O estudo foi realizado no âmbito do projeto TRIATLAS, com o objetivo de avaliar o estado do ecossistema marinho do Atlântico Sul e tropical e desenvolver um quadro de previsão de alterações futuras numa escala de meses a décadas. Keenlyside explica: “Quando ocorrem fenómenos extremos, os gestores podem limitar a pesca nesta região, para reduzir os efeitos da pressão adicional do ambiente”.

Para fazer uma previsão, a equipa de investigação forneceu à máquina mapas da temperatura da região de interesse. O modelo de machine learning identifica padrões e regiões que fornecem informações, levando a previsões precisas para os próximos 2 meses. Com esta informação, tem a capacidade de representar mecanismos físicos. De acordo com Bachèlery, “a maquinaria não estava a fazer coisas aleatórias; estava a basear-se em mecanismos físicos reais que existem”.

Até agora, o feedback tem sido positivo. Toda a técnica pode ser repetida para qualquer outro sistema. Atualmente, a equipa está a trabalhar para tornar estas previsões disponíveis através de um painel de controlo. Keenlyside explica: “Estamos a dialogar com os utilizadores das previsões do Instituto Nacional de Pescas de Angola (INIP) para melhorar e aperfeiçoar a informação de acordo com as suas necessidades. É particularmente agradável ver que a investigação básica está a tornar-se socialmente relevante”.