Inteligência artificial localiza água “invisível” – Com base na utilização de algoritmos e inteligência artificial, uma equipa de investigação liderada pela Universidade Complutense de Madrid (UCM) na Espanha, concebeu uma ferramenta que, nos seus primeiros testes, conseguiu prever, com uma taxa de sucesso próxima dos 90%, o melhor acesso à água potável subterrânea em África.
Universidade de Madri, na Espanha usa Inteligência artificial para criar ferramenta que indica o melhor acesso para as águas subterrâneas nos países africanos de Mali e Chade
Imagem ilustrativa do Canva
Especificamente, os trabalhos publicados em Hydrology and Earth System Science e Geocarto International descrevem as cartografias hidrogeológicas feitas com o software MLMapper nas regiões de Bamako e Koulikoro (Mali) e na região de Ouaddaï (Chad), respectivamente.
“Garantir a disponibilidade de água e sua gestão sustentável e saneamento para todos” é o Objetivo de Desenvolvimento Sustentável 6.
Na África Subsaariana, a água subterrânea desempenha um papel fundamental no abastecimento de água potável, mas a porcentagem de poços que encontram água é, em muitas ocasiões, menos de 30%.
“Isso se deve principalmente à falta de conhecimento hidrogeológico e a consequência prática é a perda de milhões de euros em ajuda humanitária em perfurações malsucedidas”, destaca Víctor Gómez-Escalonilla Canales, pesquisador do Departamento de Geodinâmica, Estratigrafia e Paleontologia da UCM .
LEIA TAMBEM: ÁGUA POTÁVEL E SANEAMENTO: OS DESAFIOS DO ODS 6 DA ONU EM GRANDES NÚMEROS
O geólogo, um dos autores, acrescenta que a principal contribuição dessas investigações é o “uso de técnicas de machine learning ou aprendizado automático – para a produção de mapas potenciais de recursos aquíferos em regiões remotas”.
Pontos de água anteriores e variáveis explicativas, chaves
Para realizar esses estudos, os pesquisadores partiram de dois tipos de fontes: de um lado, um banco de dados de pontos de água com informações sobre o sucesso dos poços e, por outro, variáveis como o tipo de rocha ou características do terreno, que podem condicionar a presença de poços bem sucedidos.
Os algoritmos de aprendizado automático procuram os padrões dessas variáveis explicativas que levam a um resultado ou outro. Se o processo de validação produzir resultados satisfatórios, é possível extrapolar esses padrões para áreas onde falta informação. Desta forma, pode-se prever se as condições hidrogeológicas são favoráveis ou não nestas regiões.
“Uma das vantagens desse tipo de pesquisa é a possibilidade de realizar grande parte do trabalho a partir do escritório da faculdade, embora os resultados tenham que ser verificados em campo posteriormente. Dessa forma, tanto os custos quanto os riscos associados às campanhas de prospecção hidrogeológica em regiões remotas podem ser reduzidos”, diz Gómez-Escalonilla.
A Universidade de Neuchâtel (Suíça) também participou da concepção da ferramenta e ambas as investigações foram realizadas com projetos financiados pela Agência Suíça de Cooperação e pelo Ministério da Ciência, Inovação e Universidades.
“O próximo passo da pesquisa é tentar prever não apenas áreas positivas e negativas para perfuração, mas também tentar descobrir quais podem ser as áreas mais produtivas, ou seja, onde se poderia esperar o melhor desempenho dos poços. Esta pesquisa já está sendo realizada em colaboração com pesquisadores da Universidade de Bamako”, diz Gómez-Escalonilla.
CLIQUE AQUI para ler o artigo na integra.
Fonte: iagua
Adaptado para Portal Tratamento de Água
Traduzido por Jaqueline Morinelli
