Els resultats d'aquest treball, publicats en Journal of Ocean & Coastal Management, destaquen un ús innovador de la intel·ligència artificial per a pronosticar els canvis en el nivell de la mar al llarg de la costa del Golf de Texas, una regió on se situen alguns dels ports i comunitats més grans del país, cada vegada més vulnerables a les inundacions, l'enfonsament del terreny i l'elevació dels nivells de la mar.

“La necessitat de realitzar prediccions per a les pròximes setmanes i mesos va cobrant importància a mesura que augmenta la freqüència de les inundacions al llarg de la nostra costa”, afirma Philippe Tissot, coinvestigador principal del projecte AI2ES (Trustworthy AI in Weather, Climate, and Coastal Oceanography) i catedràtic d’IA Costanera en l'Institut Conrad Blucher de Topografia i Ciència (CBI) de la Universitat Texas A&M-Corpus Christi TAMU-CC. “Els mètodes de predicció tradicionals solen estar dissenyats per a condicions a curt termini, com a marees o tempestes, cobrint terminis de només unes hores o uns pocs dies. Aquest treball se centra en ampliar eixos terminis a mesos i fins i tot anys, proporcionant una perspectiva complementària per a millorar la preparació”, afig el científic.

Per a crear el model d’IA, els equips de recerca van combinar dècades de dades de mareògrafs i satèl·lits amb un avançat mètode estadístic d'agrupació regional desenvolupat per Verónica Nieves, directora del grup AI4OCEANS de la Universitat de València i coinvestigadora principal del projecte, i Cristina Radin, llavors estudiant de doctorat en la UV. “Captar un senyal regional compartit era essencial per a comprendre com els patrons oceànics a gran escala influeixen en totes les estacions costaneres”, comenta Verónica Nieves. “Aquest enfocament ens va permetre identificar els processos més amplis que modelen la variabilitat del nivell de la mar al llarg de la costa de Texas”.

Cristina Radin i Marina Vicens-Miquel, que en eixe moment era investigadora doctoral en el CBI, van entrenar a la IA perquè reconeguera els patrons de la costa de Texas que influeixen en l'augment i la disminució dels nivells de la mar al llarg del temps. “El model d’IA va ser capaç d'aprendre patrons que poden ajudar a predir els nivells de la mar amb mesos i fins i tot anys d'antelació”, assenyala Vicens-Miquel. “Això pot proporcionar a les regions costaneres indicadors més primerencs, així com ajudar a orientar la planificació per als pròxims anys, especialment en zones on les dades són limitades”, afig Radin.

Segons l'estudi, el model d’IA, que és extrapolable a altres regions costaneres, va generar previsions amb major precisió i fiabilitat que els mètodes predictius existents a la regió, la qual cosa proporciona un valuós marge de temps als planificadors costaners i als gestors de recursos per a anticipar els períodes de major nivell de l'aigua i recolzar les decisions de gestió a més llarg termini.

Més enllà dels seus resultats científics, el projecte posa en relleu la importància de la col·laboració internacional a l'hora d'abordar reptes mediambientals complexos. Tant AI2ES com AI4OCEANS són reconeguts a nivell mundial per promoure l'ús de la IA en la investigació oceànica i climàtica. En una època marcada pels creixents reptes per al finançament de la investigació, l'èxit d'aquesta col·laboració demostra, segons destaca l'article, com la cooperació intercontinental pot impulsar la innovació i enfortir la resiliència costanera a tot el món.

Amb el suport d'una iniciativa de la Fundació Nacional per a la Ciència (NSF), participen en el projecte el grup AI4OCEANS de la Universitat de València (UV), a Espanya, i un equip d'investigadors de l'Institut NSF AI2ES (AI Institute for Research on Trustworthy AI In Weather, Climate, and Coastal Oceanography), afiliats a la Universitat Texas A&M–Corpus Christi (TAMU-CC).

Referència:

Enhancing coastal resilience: AI-driven seasonal to multi-year water level predictions for the Texas Gulf Coast. Marina Vicens-Miquel, Cristina Radin, Veronica Nieves, Philippe E. Tissot. Ocean & Coastal Management. https://doi.org/10.1016/j.ocecoaman.2025.107946