Des chercheurs du Laboratoire de traitement d'images (IPL) de l'Université de Valence ont développé une approche d'apprentissage automatique pour modéliser et prédire les changements à court terme du niveau de la mer dans les régions côtières du Pacifique, Océans Indien et Atlantique. L'étude, particulièrement utile pour la protection côtière, a été publié dans Rapports scientifiques sur la nature .

Tous les bassins océaniques ont connu un réchauffement et une élévation du niveau de la mer importants au cours des dernières décennies, entraînée par le changement climatique. Cependant, il existe des différences régionales importantes, résultant de différents processus sur différentes échelles de temps, tels que ceux associés aux changements de température dus à des causes naturelles.

Pour mieux interpréter les observations des variations du niveau de la mer sur les régions côtières au niveau local, l'équipe de Verónica Nieves, Chercheur émérite du programme GenT au Laboratoire de traitement d'images (IPL) de l'Université de Valence, a développé une approche d'apprentissage automatique qui exploite les estimations de la température de la mer pour modéliser la variabilité du niveau de la mer côtière et l'incertitude associée sur une gamme d'échelles de temps allant de quelques mois à plusieurs années.

L'étude maintenant publiée dans la revue Rapports scientifiques sur la nature montre également que les relations physiques entre les variables de température dans les couches supérieures des régions de haute mer et les estimations des anomalies du niveau de la mer sur les sites côtiers de ces régions peuvent être utilisées en combinaison avec des méthodes d'apprentissage automatique pour faire des prévisions à court terme raisonnablement précises de la mer tendance au niveau (depuis une à plusieurs années).

Ils concluent que, à ce jour, les variations régionales à court terme du niveau de la mer côtière sont encore largement influencées par les processus naturels dans les grandes régions océaniques, comme l'océan ouvert, la température change dans la colonne d'eau à 700 mètres, qui sont étroitement liés à la variabilité naturelle interne du climat. Ces processus se superposent à l'influence d'autres effets, comme les marées hautes ou les tempêtes, entre autres.

« Le climat est un système très complexe et dynamique qui peut changer naturellement de manière inattendue ; et, dans ce sens, les méthodes d'apprentissage automatique peuvent fournir des informations utiles pour mieux interpréter les données qui présentent des modèles non linéaires complexes et identifier les changements régionaux du niveau de la mer à court terme, " a déclaré Verónica Nieves, premier auteur de l'article et responsable du groupe AI4OCEANS, à l'IPL, où cette ligne de recherche est poursuivie. « Nos modèles fonctionnent particulièrement bien dans les zones côtières les plus influencées par la variabilité climatique interne, mais ils sont largement applicables pour évaluer les modèles de montée et de baisse du niveau de la mer dans de nombreux endroits du monde, " a ajouté Cristina Radin, membre de l'équipe avec laquelle le professeur Gustau Camps-Valls a également collaboré.

Il s'agit de la première étude à utiliser des techniques d'intelligence artificielle dans les océans pour faire ce type de prédictions. La modélisation et l'anticipation des changements du niveau de la mer dans les années à venir sont cruciales pour la prise de décision à court terme et la planification stratégique des mesures de protection côtière.

L'équipe a également développé une carte interactive, en tant qu'outil de support qui permettra d'inspecter les régions individuelles où la prédiction du modèle d'apprentissage automatique a été faite.

Des chercheurs du Laboratoire de traitement d'images (IPL) de l'Université de Valence ont développé une approche d'apprentissage automatique pour modéliser et prédire les changements à court terme du niveau de la mer dans les régions côtières du Pacifique, Océans Indien et Atlantique. L'étude, particulièrement utile pour la protection côtière, a été publié dans Rapports scientifiques sur la nature .

Tous les bassins océaniques ont connu un réchauffement et une élévation du niveau de la mer importants au cours des dernières décennies, entraînée par le changement climatique. Cependant, il existe des différences régionales importantes, résultant de différents processus sur différentes échelles de temps, tels que ceux associés aux changements de température dus à des causes naturelles.

Pour mieux interpréter les observations des variations du niveau de la mer sur les régions côtières au niveau local, l'équipe de Verónica Nieves, Chercheur émérite du programme GenT au Laboratoire de traitement d'images (IPL) de l'Université de Valence, a développé une approche d'apprentissage automatique qui exploite les estimations de la température de la mer pour modéliser la variabilité du niveau de la mer côtière et l'incertitude associée sur une gamme d'échelles de temps allant de quelques mois à plusieurs années.

L'étude maintenant publiée dans la revue Rapports scientifiques sur la nature montre également que les relations physiques entre les variables de température dans les couches supérieures des régions de haute mer et les estimations des anomalies du niveau de la mer sur les sites côtiers de ces régions peuvent être utilisées en combinaison avec des méthodes d'apprentissage automatique pour faire des prévisions à court terme raisonnablement précises de la mer tendance au niveau (depuis une à plusieurs années).

Ils concluent que, à ce jour, les variations régionales à court terme du niveau de la mer côtière sont encore largement influencées par les processus naturels dans les grandes régions océaniques, comme l'océan ouvert, la température change dans la colonne d'eau à 700 mètres, qui sont étroitement liés à la variabilité naturelle interne du climat. Ces processus se superposent à l'influence d'autres effets, comme les marées hautes ou les tempêtes, entre autres.

« Le climat est un système très complexe et dynamique qui peut changer naturellement de manière inattendue ; et, dans ce sens, les méthodes d'apprentissage automatique peuvent fournir des informations utiles pour mieux interpréter les données qui présentent des modèles non linéaires complexes et identifier les changements régionaux du niveau de la mer à court terme, " a déclaré Verónica Nieves, premier auteur de l'article et responsable du groupe AI4OCEANS, à l'IPL, où cette ligne de recherche est poursuivie. « Nos modèles fonctionnent particulièrement bien dans les zones côtières les plus influencées par la variabilité climatique interne, mais ils sont largement applicables pour évaluer les modèles de montée et de baisse du niveau de la mer dans de nombreux endroits du monde, " a ajouté Cristina Radin, membre de l'équipe avec laquelle le professeur Gustau Camps-Valls a également collaboré.

Il s'agit de la première étude à utiliser des techniques d'intelligence artificielle dans les océans pour faire ce type de prédictions. La modélisation et l'anticipation des changements du niveau de la mer dans les années à venir sont cruciales pour la prise de décision à court terme et la planification stratégique des mesures de protection côtière.

L'équipe a également développé une carte interactive, en tant qu'outil de support qui permettra d'inspecter les régions individuelles où la prédiction du modèle d'apprentissage automatique a été faite.