Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) desenvolveram um sistema que combina inteligência artificial e modelos baseados em física para criar imagens realistas de inundações. A ferramenta utiliza imagens de satélite e previsões meteorológicas para simular cenários de alagamento, oferecendo visualizações detalhadas que podem auxiliar na tomada de decisões governamentais e na prevenção de desastres.
O projeto é liderado por Björn Lütjens, pós-doutorando no Departamento de Ciência da Terra, Atmosfera e Planeta do MIT. A tecnologia utiliza redes neurais generativas adversariais condicionais (GANs), que funcionam a partir da interação entre duas redes. A primeira rede, chamada geradora, cria imagens de inundações baseando-se em fotos reais, enquanto a segunda, a discriminadora, compara essas imagens com as verdadeiras para aprimorar o resultado.
As GANs podem produzir inconsistências conhecidas como “alucinações”, como alagamentos em áreas elevadas onde a água não poderia alcançar. Para corrigir esse problema, os pesquisadores incorporaram um modelo físico que calcula a propagação das águas durante tempestades severas. O sistema foi testado com base na inundação de Houston, nos Estados Unidos, causada pelo Furacão Harvey em 2017.
Inicialmente, as imagens geradas apresentavam falhas, como alagamentos em locais fisicamente inviáveis. Com o modelo físico, as previsões se tornaram comparáveis às imagens reais da inundação. Segundo os cientistas, representações gráficas tradicionais, que marcam áreas afetadas com cores em mapas, podem ser abstratas e menos eficazes para a tomada de decisões.
Ao gerar imagens realistas, o sistema facilita o planejamento de evacuações e a visualização de possíveis danos causados por tempestades. A tecnologia, desenvolvida a partir de experimentos espaciais, demonstra o potencial da ciência para enfrentar desafios climáticos e aprimorar estratégias de mitigação de desastres.
Com informações de IEEE Explore
