Os cientistas criaram um "gémeo digital" da Terra para simular possíveis catástrofes naturais

Uma lição de que todos nos devemos lembrar da escola primária é a explicação do ciclo da água. Mesmo que alguém não se lembre exatamente do que aprendeu, provavelmente tem memórias de algum tipo de vídeo ou diagrama colorido e criativo.

Para alguns de nós é efetivamente difícil esquecer. Mesmo no mundo dos adultos, é fácil e simples pensar nos três componentes do ciclo da água que, como se pretende, se repetem: evaporação, condensação e precipitação.

O nosso planeta não poderia sobreviver sem água, uma substância que constitui 71% de toda a superfície do nosso mundo, com os oceanos a deterem cerca de 97% desse valor. Posto isto, o processo pode tornar-se bastante complicado quando se mistura o clima em constante mudança.

Atualmente, todos conhecemos os desafios que enfrentamos quando se trata de prever catástrofes naturais baseadas na água, incluindo inundações, deslizamentos de terra e secas.

Contudo, para que os cientistas possam fazer previsões o mais exatas possível e compreender melhor o funcionamento deste ciclo, é necessário obter e analisar modelos que contenham o maior número possível de dados de alta resolução. O ideal é que estes dados cubram cada centímetro do planeta, desde os picos das montanhas mais altas até à água enterrada nas profundezas do solo.

E, graças ao financiamento fornecido pela Agência Espacial Europeia, os cientistas estão a construir exatamente isso: um gémeo digital da Terra, e de toda a sua água, que pode ser inspecionado.

Uma Terra digital onde podemos prever catástrofes naturais

Luca Brocca, do Conselho Nacional de Investigação de Itália, que foi o autor principal de um artigo aprofundado sobre este estudo, trabalhou com colegas para criar o gémeo digital. Com este modelo, os cientistas podem introduzir novos dados de forma consistente para simular os melhores e os piores cenários de catástrofes naturais em diferentes ambientes do nosso planeta.

Por exemplo, ao reproduzir um deslizamento de terra, os riscos e condições associados podem ser monitorizados como se estivessem a acontecer em tempo real. Isto pode ajudar ainda mais na preparação para eventos potencialmente destrutivos no futuro, com base no que se aprende em cada teste.

Então, como é que estes modelos são criados?

Foi necessário muito trabalho por parte dos cientistas para aproveitar o máximo de dados de satélite possível, recolhidos através de uma multiplicidade de observações da Terra. Em seguida, misturaram medições da humidade do solo, precipitação, profundidade da neve, evaporação e descarga dos rios, efetuadas em intervalos de tempo específicos, para obter uma imagem nítida da dinâmica das variáveis em todo o planeta. Depois, os dados de alta resolução do modelo podem ser utilizados como uma ferramenta interativa para os cientistas.

Brocca e os seus colegas utilizaram o gémeo digital para modelar o vale do rio Pó, no norte de Itália, e outras partes da bacia do Mediterrâneo. A equipa tem planos futuros para criar modelos semelhantes em toda a Europa antes de colaborarem com cientistas de outros continentes.

O principal objetivo deste projeto é ajudar a prever onde poderão ocorrer inundações e deslizamentos de terras e aprender a gerir melhor os nossos recursos hídricos.

Para combater quaisquer incertezas que possam surgir durante a utilização de dados de satélite, Brocca espera incorporar a inteligência artificial (IA) no seu programa para suavizar algumas das dificuldades. De certa forma, a IA atuaria como um par de olhos extra, se puder ser bem treinada.

Os benefícios desta colaboração incluem a minimização de erros que podem ocorrer por vezes devido a alterações nas condições atmosféricas enquanto as imagens estão a ser captadas. A implementação da IA também pode poupar tempo, permitindo que os engenheiros se concentrem noutras áreas de interesse.

Referência da notícia:
Brocca L., Barbetta S., Camici S., et al. A Digital Twin of the terrestrial water cycle: a glimpse into the future through high-resolution Earth observations. Frontiers in Science (2024).