Tecnologia da USP aprimora previsão de condições oceânicas em áreas portuárias

Cidades litorâneas são impactadas diretamente pelo comportamento do oceano. Fenômenos como ressacas, em que a água chega até o nível das ruas, provocam impactos na vida da população.

Em Santos, no litoral de São Paulo, os efeitos das mudanças climáticas somados ao comportamento do mar afetam as operações do porto, considerado o principal do Brasil e uma importante porta de entrada para o comércio internacional.

Especialistas afirmam que prever o comportamento do oceano contribui para otimizar o funcionamento dos portos. Saber, por exemplo, quais navios poderão entrar ou sair de acordo com as condições de maré, neblina e vento adequadas para as manobras pode ajudar a garantir a continuidade do trabalho.

Cientistas do Centro de Inteligência Artificial (C4AI) da Universidade de São Paulo (USP) desenvolveram novos algoritmos capazes de prever condições meteorológicas e oceânicas com uma precisão 20% maior em comparação aos métodos convencionais. Os algoritmos são códigos de computador que executam determinada tarefa.

“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, como chuvas intensas, temperaturas mais altas, 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, em comunicado.

Os especialistas explicam que 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 Eduardo Aoun Tannuri, professor da Escola Politécnica (Poli) da USP e também membro do C4AI.

Avanço na previsão

Sistemas de previsão mais confiáveis permitem o desenvolvimento de ações portuárias mais sustentáveis, segundo os cientistas. Medidas como a dragagem, que trata da remoção de partes do fundo do mar para torná-lo mais fundo para receber navios de grande porte, podem ser otimizadas e ter reduzidos seus impactos ambientais.

“Podemos aumentar o calado [parte submersa do navio] com menor dragagem e impacto ambiental, aumentando a capacidade de operação do porto”, completa o professor.

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.

Realizar estimativas e previsões pelos métodos tradicionais, utilizando apenas modelos físicos, pode ser complexo e demorado diante de inúmeras informações obtidas por meio de sensores e de outras fontes. Pensando nisso, os cientistas da USP uniram duas áreas do conhecimento: a inteligência artificial (IA) e a física. No estudo, foram utilizados dados de machine learning, engenharia costeira e 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 uma inovação. A metodologia diferencia-se de análises que já são realizadas com o modelo em outros locais, como em represas.

As pesquisas do C4AI contam com apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) em parceria com a IBM.

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.

Os especialistas apontam que 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.

(Com informações do Jornal da USP)