IA prevê estresse térmico e alerta sobre branqueamento de corais no Recife de Coral da Flórida até seis semanas antes

Recifes de coral não ficam brancos de uma hora para outra. O branqueamento costuma começar depois de semanas de aumento do estresse térmico. Agora, cientistas desenvolveram um modelo de inteligência artificial capaz de avisar gestores de recifes sobre esse risco com semanas de antecedência.

O sistema recém-criado consegue prever estresse térmico moderado - um sinal inicial de branqueamento - com até seis semanas de antecedência ao longo do Recife de Coral da Flórida. Na maioria das situações, a previsão continua alinhada ao acontecimento real com uma margem de cerca de uma semana.

A pesquisa, conduzida por uma equipa da Universidade de Miami, propõe uma nova forma de proteger recifes ao oferecer tempo para que medidas sejam tomadas antes que o dano se torne grave.

Alertas antecipados ajudam a proteger recifes

Recifes de coral são ecossistemas vivos: sustentam peixes, ajudam a proteger a linha de costa e dão suporte a economias locais. Ao mesmo tempo, os corais são extremamente sensíveis ao calor.

Quando a temperatura do oceano permanece alta demais por tempo prolongado, os corais entram em estresse e podem branquear. O branqueamento enfraquece os corais e pode levar à morte se as condições não melhorarem.

Na Flórida e no Caribe, os recifes passaram a enfrentar estresse térmico com mais frequência do que no passado. Episódios como a onda de calor marinha recorde de 2023 mostram como o cenário pode tornar-se perigoso em pouco tempo.

Para agir a tempo, gestores precisam de alertas antecipados que funcionem em locais específicos - e não apenas avisos regionais amplos. É exatamente essa lacuna que o novo modelo de IA pretende preencher.

A IA mapeia o risco de calor no Recife de Coral da Flórida

O estudo apresenta um sistema de aprendizagem de máquina que é, ao mesmo tempo, específico por local e explicável, pensado para apoiar cientistas de corais e equipas de restauração.

Em vez de gerar previsões genéricas, o modelo foca em pontos individuais de recife ao longo do Recife de Coral da Flórida.

“Este modelo dá a cientistas de corais e gestores de recursos um aviso antecipado sobre se o estresse térmico tende a ocorrer numa estação - e, mais importante, sobre a semana em que é mais provável que ele comece”, afirmou a autora principal do estudo, Marybeth Arcodia, professora assistente na Universidade de Miami.

Ao usar IA explicável, os investigadores conseguem indicar quais fatores ambientais estão por trás das previsões em cada local de recife. Essa capacidade de justificar o resultado diferencia o sistema de muitas IAs do tipo “caixa-preta”.

Dados ambientais alimentam a IA

A equipa reuniu conhecimentos de ciência atmosférica, ecologia de corais e ciência de dados. A meta era transformar essa combinação numa ferramenta prática, aplicável à gestão de recifes no mundo real.

Para prever quando o estresse térmico moderado em corais começaria em três locais de recife, foi utilizado um modelo de aprendizagem de máquina XGBoost. O treino do sistema recorreu a dados ambientais de 1985 a 2024.

O modelo avaliou diversos sinais, incluindo variações na temperatura da superfície do mar, temperatura do ar, padrões de vento, radiação solar e grandes características oceânicas, como a Corrente de Loop e o El Niño. Os dados vieram do Observatório de Recifes de Coral da NOAA e de outras fontes públicas.

Com séries históricas longas e múltiplos indicadores ambientais, o sistema aprendeu como o estresse térmico se forma em cada local.

O que provoca o estresse térmico

Os resultados indicaram desempenho elevado. A IA entregou previsões úteis com até seis semanas de antecedência. Na maioria dos casos, as estimativas coincidiram com o início real do estresse térmico dentro de cerca de uma semana.

“O nosso sistema de previsão produziu previsões competentes com até seis semanas de antecedência e, na maioria dos casos, foi preciso dentro de cerca de uma semana em relação a quando o estresse térmico de facto começou”, disse o coautor Richard Karp, investigador de pós-doutorado na Universidade de Miami.

O modelo também superou duas abordagens de referência - um modelo de regressão logística múltipla e um método baseado em frequência - tanto ao prever se haveria estresse térmico quanto ao estimar quando ele se iniciaria. Essa precisão adicional aumenta a confiança dos gestores ao planear respostas.

O estresse térmico muda de recife para recife

A equipa aplicou ainda métodos de IA explicável conhecidos como SHAP para compreender quais variáveis ambientais tiveram maior peso em cada previsão.

Essa etapa mostrou que os fatores que impulsionam o estresse térmico variam entre locais e também mudam conforme o horizonte da previsão (o quanto se antecipa o evento).

A temperatura do ar à superfície apareceu de forma consistente entre os preditores mais fortes. Outros fatores, porém, oscilaram conforme o local e o momento. O achado reforça por que previsões locais tendem a funcionar melhor do que modelos “tamanho único”.

“O nosso modelo identifica fatores potenciais que influenciam o estresse térmico num determinado local de recife”, afirmou Karp. “Essa informação dá aos gestores a oportunidade de identificar pontos de disparo em planos de ação de emergência, o que pode apoiar o planeamento e as decisões de resposta.”

Alertas antecipados viabilizam ações

O principal trunfo desta IA está no tempo de reação que ela oferece: os avisos chegam cedo o suficiente para permitir intervenção.

“Esses insights são entregues em escalas de tempo nas quais ações de gestão ainda são possíveis”, disse Karp. “Eles ajudam a priorizar o monitoramento, a informar quando iniciar ações de emergência e a orientar onde os recursos são direcionados de forma mais eficaz.”

Com essa informação, gestores podem intensificar o monitoramento, proteger viveiros de corais mais vulneráveis ou preparar etapas de resposta emergencial antes que o estresse térmico atinja o pico.

Complemento ao monitoramento atual de recifes

Os investigadores enfatizam que esta nova estrutura não substitui ferramentas atuais, como o Observatório de Recifes de Coral da NOAA. Em vez disso, acrescenta uma camada de detalhe local e sazonal.

Ao indicar quando o estresse térmico tende a começar em recifes específicos, o modelo ajuda a converter alertas antecipados em decisões práticas.

À medida que as temperaturas oceânicas continuam a subir, ferramentas como este sistema de IA podem tornar-se essenciais para dar aos recifes de coral uma chance real de resistir.