IA preditiva identifica áreas de alto risco de contaminação de águas subterrâneas no Brasil

São PauloPesquisadores aprimoraram o monitoramento da qualidade da água subterrânea com uma nova ferramenta de aprendizado de máquina. Esta ferramenta ajuda a identificar áreas de alto risco de contaminação, mesmo com dados limitados. Ela está sendo inicialmente aplicada no Arizona e na Carolina do Norte, mas pode ser ajustada para outras regiões. A água subterrânea pode conter substâncias nocivas como arsênio e chumbo, por isso o monitoramento é crucial. Testar essa água pode ser caro e complicado, o que torna essa nova abordagem essencial.

Modelo de IA Revela Insegurança nos Níveis de Qualidade da Água Subterrânea

O modelo de aprendizado de máquina analisa um conjunto enorme de registros de qualidade de água subterrânea dos últimos 140 anos, envolvendo mais de 20 milhões de pontos de dados e abarcando mais de 50 parâmetros de qualidade. Com esses dados, a inteligência artificial é capaz de prever a presença e concentração de diversos poluentes inorgânicos, mesmo quando apenas alguns parâmetros estão disponíveis. Os resultados iniciais mostram uma discrepância entre os dados atuais e as previsões da IA sobre quais locais atendem aos padrões de segurança. Dados de campo indicam que 75-80% dos locais passam nos testes de segurança, mas a IA estima que somente entre 15-55% deles poderiam ser realmente seguros.

Leia também:

14 de novembro de 2024 · 21:13

Estudo revela: IA na medicina pode ampliar precisão diagnóstica dos médicos e trazer desafios

O modelo auxilia na alocação de recursos e foca nas áreas de maior risco, levando em conta os seguintes fatores:

• Relação com dados geológicos e ambientais
• Padrões históricos de ocorrência de poluentes específicos
• Elementos que são benéficos na agricultura, mas prejudiciais em outros contextos

A estratégia visa auxiliar agências estaduais e governos locais a direcionar recursos para as regiões que mais precisam, tornando mais eficazes os testes e o tratamento da água. Com a atualização contínua do modelo a partir de diversos dados dos Estados Unidos e novas informações ambientais, os pesquisadores esperam aumentar sua precisão ao longo do tempo.

O estudo investiga como o modelo pode monitorar os níveis de fósforo, elemento crucial para a agricultura, mas prejudicial ao meio ambiente. O objetivo principal é que o modelo auxilie no gerenciamento do uso de fósforo em diferentes ecossistemas. Ao aprimorar essa ferramenta de IA, os cientistas visam tornar a água mais segura em todo o mundo, promovendo melhorias na saúde ambiental e pública. Os pesquisadores esperam que isso também facilite o monitoramento de novos poluentes.