Em 3 de abril de 2024, um terremoto de magnitude 7,4 — o mais forte em Taiwan em 25 anos — abalou a costa leste do país. Códigos de construção rigorosos pouparam a maioria das estruturas, mas vilarejos montanhosos e remotos foram devastados por deslizamentos de terra.

Quando desastres afetam áreas grandes e inacessíveis, os socorristas geralmente recorrem a imagens de satélite para identificar as áreas afetadas e priorizar os esforços de socorro.

Mas mapear deslizamentos de terra a partir de imagens de satélite a olho nu pode ser demorado, disse Lorenzo Nava, que trabalha nos Departamentos de Ciências da Terra e Geografia de Cambridge. "Após um desastre, o tempo realmente importa", disse ele. Usando IA, ele identificou 7.000 deslizamentos de terra após o terremoto em Taiwan, e em até três horas após a aquisição das imagens de satélite.

Desde o terremoto em Taiwan, Nava vem desenvolvendo seu método de IA em conjunto com uma equipe internacional. Ao empregar um conjunto de tecnologias de satélite — incluindo satélites que conseguem enxergar através das nuvens e à noite —, os pesquisadores esperam aprimorar as capacidades de detecção de deslizamentos de terra da IA.

Desencadeados por grandes terremotos ou chuvas intensas, os deslizamentos de terra são frequentemente agravados por atividades humanas, como desmatamento e construções em encostas instáveis. Em certos ambientes, podem desencadear perigos adicionais, como fluxos rápidos de detritos ou inundações severas, agravando seu impacto destrutivo.

O trabalho de Nava se insere em um esforço maior em Cambridge para entender como deslizamentos de terra e outros perigos podem desencadear cadeias de "multirriscos" em cascata. O grupo CoMHaz, liderado por Maximillian Van Wyk de Vries, Professor de Riscos Naturais nos Departamentos de Geografia e Ciências da Terra, utiliza informações de imagens de satélite, modelagem computacional e trabalho de campo para localizar deslizamentos de terra, entender por que eles acontecem e, por fim, prever sua ocorrência.

Eles também estão trabalhando com as comunidades para aumentar a conscientização sobre deslizamentos de terra. No Nepal, Nava e Van Wyk de Vries se uniram a cientistas locais e ao consórcio Climate and Disaster Resilience in Nepal (CDRIN) para pilotar um sistema de alerta precoce para Butwal, que fica abaixo de uma enorme encosta instável.

A Nava está treinando IA para identificar deslizamentos de terra em dois tipos de imagens de satélite: imagens ópticas da superfície do solo e dados de radar, sendo que estes últimos podem penetrar na cobertura de nuvens e até mesmo adquirir imagens à noite.

No entanto, imagens de radar podem ser difíceis de interpretar, pois usam tons de cinza para representar propriedades de superfície contrastantes, e as características da paisagem também podem parecer distorcidas. Esses desafios tornam os dados de radar adequados para análises assistidas por IA, ajudando a extrair características que, de outra forma, poderiam passar despercebidas.

Ao combinar as capacidades de penetração de nuvens do radar com a fidelidade das imagens ópticas, Nava espera construir um modelo alimentado por IA que possa detectar deslizamentos de terra com precisão, mesmo em más condições climáticas.

Seu teste após o terremoto de Taiwan em 2024 mostrou-se promissor, detectando milhares de deslizamentos de terra que, de outra forma, passariam despercebidos sob a cobertura de nuvens. Mas Nava reconhece que ainda há mais trabalho a ser feito, tanto para melhorar a precisão do modelo quanto sua transparência.

Ele quer construir confiança no modelo e garantir que seus resultados sejam interpretáveis e acionáveis pelos tomadores de decisão. "Muitas vezes, os tomadores de decisão não são os que desenvolveram o algoritmo", disse Nava. "A IA pode parecer uma caixa-preta. Sua lógica interna nem sempre é transparente, e isso pode fazer com que as pessoas hesitem em agir com base em seus resultados."

“É importante facilitar para os usuários finais a avaliação da qualidade das informações geradas pela IA antes de incorporá-las em decisões importantes.” 

Isso é algo que ele agora está abordando como parte de uma parceria mais ampla com a Agência Espacial Europeia (AEE), a Organização Meteorológica Mundial (OMM), a Fundação AI for Good da União Internacional de Telecomunicações e a Iniciativa Global sobre Resiliência a Riscos Naturais por meio de Soluções de IA.

Em uma recente reunião do grupo de trabalho no Centro de Observação da Terra da ESA, na Itália, os pesquisadores lançaram um desafio de ciência de dados para angariar fundos para aprimorar o modelo. "Estamos abrindo o espaço e buscando ajuda da comunidade de programação em geral", disse Nava.

Além de melhorar a funcionalidade do modelo, Nava diz que o objetivo é incorporar recursos que expliquem seu raciocínio — potencialmente usando visualizações como mapas que mostram a probabilidade de uma imagem conter deslizamentos de terra para ajudar os usuários finais a entender os resultados.

Em cenários de alto risco, como a resposta a desastres, a confiança nos resultados gerados pela IA é crucial. Com este desafio, pretendemos trazer transparência ao processo de tomada de decisão do modelo, capacitando os tomadores de decisão em campo a agir com confiança e rapidez.