I ricercatori dell'Image Processing Laboratory (IPL) dell'Università di Valencia hanno sviluppato un approccio di apprendimento automatico per modellare e prevedere i cambiamenti a breve termine del livello del mare nelle regioni costiere del Pacifico, Oceano Indiano e Atlantico. Lo studio, particolarmente utile per la protezione delle coste, è stato pubblicato in Rapporti scientifici sulla natura .

Tutti i bacini oceanici hanno subito un significativo riscaldamento e aumento del livello del mare negli ultimi decenni, guidato dal cambiamento climatico. Però, ci sono importanti differenze regionali, risultanti da processi diversi su scale temporali diverse, come quelli associati agli sbalzi di temperatura dovuti a cause naturali.

Per interpretare meglio le osservazioni delle variazioni del livello del mare sulle regioni costiere a livello locale, la squadra di Veronica Nieves, Illustre Ricercatore del Programma GenT presso l'Image Processing Laboratory (IPL) dell'Università di Valencia, ha sviluppato un approccio di apprendimento automatico che sfrutta le stime della temperatura del mare per modellare la variabilità del livello del mare costiero e l'incertezza associata su una gamma di tempi che vanno da mesi a diversi anni.

Lo studio ora pubblicato sulla rivista Rapporti scientifici sulla natura mostra anche che le relazioni fisiche tra le variabili di temperatura negli strati superiori delle regioni di mare aperto e le stime delle anomalie del livello del mare sui siti costieri di queste regioni possono essere utilizzate in combinazione con metodi di apprendimento automatico per fare previsioni a breve termine ragionevolmente accurate del mare tendenza al livello (da uno a più anni).

Concludono che, ad oggi, le variazioni regionali a breve termine del livello del mare costiero sono ancora largamente influenzate dai processi naturali nelle grandi regioni oceaniche aperte, come l'oceano aperto, la temperatura cambia lungo la colonna d'acqua fino a 700 metri, strettamente legate alla variabilità climatica naturale interna. Questi processi si sovrappongono all'influenza di altri effetti, come le alte maree o le tempeste, tra gli altri.

"Il clima è un sistema altamente complesso e dinamico che può cambiare naturalmente in modi inaspettati; e, in questo senso, i metodi di apprendimento automatico possono fornire informazioni utili per interpretare meglio i dati che mostrano modelli non lineari complessi e identificare i cambiamenti regionali del livello del mare nel prossimo futuro, " disse Veronica Nieves, il primo autore dell'articolo e capo del gruppo AI4OCEANS, nell'IPL, dove si sta portando avanti questa linea di ricerca. "I nostri modelli si comportano particolarmente bene nelle aree costiere maggiormente influenzate dalla variabilità climatica interna, ma sono ampiamente applicabili per valutare i modelli di aumento e diminuzione del livello del mare in molti luoghi in tutto il mondo, " ha aggiunto Cristina Radin, un membro dell'équipe con cui ha collaborato anche il professor Gustau Camps-Valls.

Questo è il primo studio ad utilizzare le tecniche di intelligenza artificiale negli oceani per fare questo tipo di previsioni. Modellare e anticipare i cambiamenti del livello del mare nei prossimi anni è fondamentale per il processo decisionale a breve termine e la pianificazione strategica delle misure di protezione delle coste.

Il team ha anche sviluppato una mappa interattiva, come strumento di supporto che consentirà di ispezionare le singole regioni in cui è stata effettuata la previsione del modello di apprendimento automatico.

I ricercatori dell'Image Processing Laboratory (IPL) dell'Università di Valencia hanno sviluppato un approccio di apprendimento automatico per modellare e prevedere i cambiamenti a breve termine del livello del mare nelle regioni costiere del Pacifico, Oceano Indiano e Atlantico. Lo studio, particolarmente utile per la protezione delle coste, è stato pubblicato in Rapporti scientifici sulla natura .

Tutti i bacini oceanici hanno subito un significativo riscaldamento e aumento del livello del mare negli ultimi decenni, guidato dal cambiamento climatico. Però, ci sono importanti differenze regionali, risultanti da processi diversi su scale temporali diverse, come quelli associati agli sbalzi di temperatura dovuti a cause naturali.

Per interpretare meglio le osservazioni delle variazioni del livello del mare sulle regioni costiere a livello locale, la squadra di Veronica Nieves, Illustre Ricercatore del Programma GenT presso l'Image Processing Laboratory (IPL) dell'Università di Valencia, ha sviluppato un approccio di apprendimento automatico che sfrutta le stime della temperatura del mare per modellare la variabilità del livello del mare costiero e l'incertezza associata su una gamma di tempi che vanno da mesi a diversi anni.

Lo studio ora pubblicato sulla rivista Rapporti scientifici sulla natura mostra anche che le relazioni fisiche tra le variabili di temperatura negli strati superiori delle regioni di mare aperto e le stime delle anomalie del livello del mare sui siti costieri di queste regioni possono essere utilizzate in combinazione con metodi di apprendimento automatico per fare previsioni a breve termine ragionevolmente accurate del mare tendenza al livello (da uno a più anni).

Concludono che, ad oggi, le variazioni regionali a breve termine del livello del mare costiero sono ancora largamente influenzate dai processi naturali nelle grandi regioni oceaniche aperte, come l'oceano aperto, la temperatura cambia lungo la colonna d'acqua fino a 700 metri, strettamente legate alla variabilità climatica naturale interna. Questi processi si sovrappongono all'influenza di altri effetti, come le alte maree o le tempeste, tra gli altri.

"Il clima è un sistema altamente complesso e dinamico che può cambiare naturalmente in modi inaspettati; e, in questo senso, i metodi di apprendimento automatico possono fornire informazioni utili per interpretare meglio i dati che mostrano modelli non lineari complessi e identificare i cambiamenti regionali del livello del mare nel prossimo futuro, " disse Veronica Nieves, il primo autore dell'articolo e capo del gruppo AI4OCEANS, nell'IPL, dove si sta portando avanti questa linea di ricerca. "I nostri modelli si comportano particolarmente bene nelle aree costiere maggiormente influenzate dalla variabilità climatica interna, ma sono ampiamente applicabili per valutare i modelli di aumento e diminuzione del livello del mare in molti luoghi in tutto il mondo, " ha aggiunto Cristina Radin, un membro dell'équipe con cui ha collaborato anche il professor Gustau Camps-Valls.

Questo è il primo studio ad utilizzare le tecniche di intelligenza artificiale negli oceani per fare questo tipo di previsioni. Modellare e anticipare i cambiamenti del livello del mare nei prossimi anni è fondamentale per il processo decisionale a breve termine e la pianificazione strategica delle misure di protezione delle coste.

Il team ha anche sviluppato una mappa interattiva, come strumento di supporto che consentirà di ispezionare le singole regioni in cui è stata effettuata la previsione del modello di apprendimento automatico.