Notícia

Inteligência Artificial mostra que o nível socioeconômico condiciona migrações devido a catástrofes ambientais

Fonte

Universidade de Valência

Data

quinta-feira, 21 dezembro 2023 15:15

Áreas

Cidades. Ciência Ambiental. Clima. Desigualdade Socioambiental Engenharia Ambiental. Geociências. Geografia. Inteligência Artificial. Meteorologia. Modelagem Climática. Monitoramento Ambiental. Políticas Públicas. Sociedade.

Um artigo do grupo de pesquisa ‘Processamento de Imagens e Sinais’ da Universidade de Valência, na Espanha, liderado pelo Dr. Gustau Camps-Valls e que tem utilizado a Inteligência Artificial (IA) como ferramenta, concluiu que o nível socioeconômico explica os movimentos populacionais que ocorrem após catástrofes geradas por fenômenos naturais extremos, como inundações, vendavais e deslizamentos de terra.

O trabalho foi publicado na revista científica Nature Communications e para isso foi criada uma base de dados global com inundações, vendavais ou deslizamentos de terra durante o período de 2016 a 2021.

A equipe de pesquisa utilizou técnicas ​​explicáveis de aprendizado de máquina para modelar e compreender os fluxos e padrões de deslocamento interno da população em escala global, com base apenas em dados observacionais fornecidos por colaboradores do Centro de Monitoramento de Deslocamentos Internos (IDMC) de Genebra, o centro de referência internacional para monitorar  deslocamentos internos da população de cada país.

O trabalho mostrou que os movimentos populacionais podem ser atribuídos principalmente à combinação de más condições locais e fortes chuvas, e fornece um meio de quantificar deslocamentos e mitigar seus efeitos com base em dados, com base em IA e inferência causal, um processo de identificação e compreensão de relações de causa-efeito entre variáveis.

O Dr. Gustau Camps-Valls, professor do Departamento de Engenharia Eletrônica da Universidade de Valência e coordenador do grupo de pesquisa ‘Processamento de Imagens e Sinais’ da Universidade de Valência, explicou que o estudo “evidencia a vulnerabilidade diferencial a eventos climáticos extremos: nem todas as comunidades enfrentam os mesmos riscos e quantificamos estas diferenças, o que proporciona uma base sólida para estratégias de mitigação e adaptação baseadas em evidências. Este estudo demonstrou isso ao gerar um banco de dados único e metodologias inovadoras de IA e Causalidade, com grande potencial para contribuir para decisões informadas”.

Relativamente às aplicações práticas do estudo, a Dra. Eva Sevillano salientou que a metodologia e resultados “podem ser um ponto de partida para o avanço de estratégias de adaptação e mitigação, que permitirão às comunidades e aos decisores políticos construir soluções resilientes e antecipar-se para identificar áreas vulneráveis ​​e compreender os fatores casuais”.

O Dr. Michele Ronco e José María Tárraga, responsáveis ​​técnicos pelo estudo e também pesquisadores do Laboratório de Processamento de Imagens da Universidade de Valência, sublinharam a importância das metodologias utilizadas. O Dr. Michele Ronco destacou: “O uso de técnicas explicáveis ​​de aprendizado de máquina nos permitiu decifrar esse complexo quebra-cabeça de interações entre vulnerabilidade, exposição e desastres naturais. Isto proporciona uma compreensão mais profunda dos impulsionadores do deslocamento populacional”.

Por sua vez, José Tárraga sublinhou que os métodos de inteligência artificial explicáveis ​​e causais têm sido uma ferramenta essencial para analisar situações tão complicadas de enfrentar. “Isso nos permitiu ir além das limitações dos modelos paramétricos tradicionais”, enfatizou. Além disso, o pesquisador apontou ‘as dificuldades’ existentes durante a pesquisa: “Reunir e combinar dados de fatores tão heterogêneos que descrevem as condições ambientais, climáticas e socioeconômicas em nível global e a relevância de ter informações precisas e confiáveis ​​em condições climáticas extremas foram desafios significativos”.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página da Universidade de Valência.

Fonte: Universidade de Valência. Imagem: Nova Orleans, Louisiana/EUA após passagem do furacão Katrina, em 2005. Fonte: Wikimedia Commons.