USP desenvolve técnicas que aprimoram previsão de condições oceânicas em áreas portuárias

Fonte: USP (13 de outubro de 2022)

O comportamento do oceano influencia diretamente a vida humana. As cidades costeiras, em especial, são ainda mais impactadas. Em Santos, litoral de São Paulo, por exemplo, a influência é constante. Fenômenos como ressacas, em que a água chega até o nível das avenidas, assolam frequentemente a população. Os efeitos das mudanças climáticas somados ao comportamento do mar afetam o porto da cidade, considerado o principal do Brasil e uma importante porta de entrada para o comércio internacional no País.

Por essa razão, prever o comportamento do oceano torna-se fundamental para otimizar a operação do porto. Saber, por exemplo, quais navios poderão entrar ou sair de acordo com as condições de maré, neblina e vento adequadas para as manobras são fatores imprescindíveis para o bom funcionamento do local. Diante desse contexto, cientistas do Centro de Inteligência Artificial (Center for Artificial Intelligence – C4AI) da USP desenvolveram novos algoritmos – códigos de computador que executam determinada tarefa – capazes de prever condições meteorológicas e oceânicas com uma precisão 20% maior em comparação aos métodos convencionais.

“A previsão é feita da seguinte forma: nós ensinamos para a inteligência artificial o que aconteceu em séries históricas de fenômenos climáticos. A máquina, então, aprende as consequências de determinadas ocorrências – chuvas intensas, temperaturas mais altas, etc. – e passa a prever os desdobramentos de cada condição, auxiliando na tomada de decisão mais rápida e precisa”, explica Marlon Sproesser Mathias, pesquisador do Instituto de Estudos Avançados (IEA) da USP e membro do C4AI.

Os dados utilizados para as estimativas são obtidos por meio de informações meteorológicas e de sensores que são instalados em diversas partes do oceano, tanto em canais de navegação como em alto-mar. “Nos dias atuais, as previsões oceânicas e meteorológicas de ventos, correntes, ondas, neblinas e das marés estão cada vez melhores, mas há ainda espaço para o aumento dos níveis de agilidade e confiabilidade. Uma melhor previsibilidade permite que o porto tenha mais segurança, tarifas menores, menos tempo de espera e uma logística mais eficiente”, afirma o professor da Escola Politécnica (Poli) da USP e também membro do C4AI, Eduardo Aoun Tannuri.

Com um sistema de previsão confiável, também é possível promover ações portuárias mais sustentáveis. Isso porque medidas como a dragagem – remoção de partes do fundo do mar a fim de torná-lo mais fundo para receber navios de grande porte – podem ser otimizadas e ter seus impactos ambientais reduzidos. Aproveitando a abundância de informações e ampliando o conhecimento a respeito do que deve ser feito a partir das análises do sistema, a capacidade de atendimento de um porto pode ser estendida com menor dano ao meio ambiente. “Podemos aumentar o calado (parte submersa do navio) com menor dragagem e impacto ambiental, aumentando a capacidade de operação do porto”, completa o professor.

 

Porto de Santos – Foto: Canva – c4ai.inova.usp.br

A fusão da física com a inteligência artificial

 

Em meio a tantas informações obtidas por meio de sensores e de outras fontes, realizar estimativas e previsões pelos métodos tradicionais – utilizando apenas modelos físicos – é difícil e demorado. Por isso, os pesquisadores decidiram unir duas áreas do conhecimento: a inteligência artificial (IA) e a física, promovendo a fusão do machine learning com a engenharia costeira e a oceanografia.

 

“Se chover muito em um canal, por exemplo, nós sabemos que essa situação vai acarretar aumento da corrente rio abaixo, isso é uma relação física. Porém, a inteligência artificial leva certo tempo para aprender esse cenário, pois ela precisa que aquilo aconteça muitas vezes para que esta correlação fique clara; por isso, no caso de um evento ainda não ocorrido ou mais extremo, a máquina não terá essa compreensão, o que se torna ainda mais relevante em um cenário com mudanças climáticas cada vez mais intensas. Ao adicionarmos conhecimento físico ao modelo de IA, ele consegue se adaptar melhor a diferentes cenários, pois terá a informação do que é fisicamente possível. Vai além de uma modelagem com dados ou de uma simulação física, tentamos unir o melhor dessas duas abordagens”, explica Mathias.

 

Em termos internacionais, já existem sistemas automáticos de monitoramento ambiental. No entanto, a proposta de utilizar a fusão dos fenômenos físicos com o aprendizado de máquina para previsões oceânicas em áreas portuárias é inédita, diferenciando-se de análises que já são realizadas com o modelo em outros locais, como em represas. Isso faz com que as pesquisas do C4AI, que é financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) em parceria com a IBM, estejam na fronteira do conhecimento.

 

Unindo a física com os dados históricos, as previsões nos portos de Santos e de Paranaguá, no Paraná, onde o método do C4AI tem sido testado, melhoraram consideravelmente. A previsibilidade se tornou mais rápida e confiável, permitindo que, em um futuro próximo, testes em escalas maiores sejam realizados tanto nestes como em outros locais, já que o modelo pode ser aplicado em qualquer porto. Com cada vez mais informações, sensores, sistemas e um tratamento de dados intenso, a tendência é de que as estimativas se tornem ainda mais ágeis e precisas.