Totes les conques oceàniques han experimentat un escalfament significatiu i un augment de el nivell de la mar, en les últimes dècades, impulsats pel canvi climàtic. No obstant això, hi ha importants diferències regionals, resultants de diferents processos en diferents escales de temps, com ara els associats a canvis de temperatura per causes naturals
[foto]
Verónica Nieves i Crsitina Radin, investigadores de l’Image Processing Laboratory (IPL) de la Universitat de València han aconseguit modelitzar, mitjançant aprenentatge automàtic, els canvis en la variabilitat de el nivell de la mar en diverses regions costaneres dels oceans Pacífic, Índic i Atlàntic, i realitzar prediccions raonablement precises de la tendència a curt termini a cada zona. L’estudi, especialment útil en matèria de protecció de costes, apareix publicat a Nature Scientific Reports.
Per interpretar i comprendre millor les variacions de el nivell de la mar a les zones costaneres a nivell local, l’equip de Verónica Neus, Investigadora Distingida de el Programa Gent al Image Processing Laboratory (IPL) de la Universitat de València, ha desenvolupat sofisticades tècniques basades en aprenentatge automàtic (machine learning) que exploten estimacions de la temperatura marina, per modelitzar la variabilitat de el nivell de la mar en zones costaneres, i la incertesa associada a través d’un rang d’escales temporals que van de mesos a diversos anys. L’estudi també mostra que les relacions físiques entre les variables de temperatura en les capes superiors de regions d’alta mar -o mar obert- i les estimacions de el nivell de la mar en els emplaçaments costaners d’aquestes regions es poder ser combinats amb eines de machine learning per realitzar prediccions raonablement precises de la tendència de el nivell de la mar a cada regió a curt termini (un o diversos anys).
I conclouen que, a dia d’avui, les variacions a curt termini de l’nivell de la mar a les costes es veuen influenciades en gran mesura pels processos naturals que tenen lloc en les regions d’alta mar més properes a aquesta costa, com són els canvis de temperatura a la columna d’aigua fins als 700 metres de profunditat en alta mar, lligats a la variabilitat climàtica natural interna. Aquests processos es sumen a altres efectes, com els associats a les marees altes o a les tempestes, entre d’altres.
El clima és un sistema dinàmic molt complex que pot canviar naturalment de manera inesperada; i en aquest sentit, els mètodes d’aprenentatge automàtic poden proporcionar una visió útil per interpretar dades que exhibeixen patrons no lineals complexos i identificar canvis futurs de el nivell de la mar “, comenta Verónica Neus, primera autora de l’article i responsable de el grup AI4OCEANS, al IPL, des d’on es porta a terme aquesta línia d’investigació. “els nostres models funcionen especialment bé a les zones costaneres més influenciades per la variabilitat climàtica interna, però també són aplicables, en molts llocs de la planeta, a l’avaluació dels patrons de pujada i baixada de el nivell de la mar associats als canvis de temperatura “, afegeix Cristina Radin, membre de l’equip amb el qual, a més, ha col·laborat el físic i catedràtic d’Enginyeria Electrònica Gustau Camps-Valls.
