{"id":108253,"date":"2026-02-05T12:29:52","date_gmt":"2026-02-05T15:29:52","guid":{"rendered":"https:\/\/wiy.com.br\/noticias\/modelo-de-ia-preve-estresse-termico-em-corais-com-semanas-de-antecedencia\/"},"modified":"2026-02-05T12:30:16","modified_gmt":"2026-02-05T15:30:16","slug":"modelo-de-ia-preve-estresse-termico-em-corais-com-semanas-de-antecedencia","status":"publish","type":"post","link":"https:\/\/wiy.com.br\/noticias\/modelo-de-ia-preve-estresse-termico-em-corais-com-semanas-de-antecedencia\/","title":{"rendered":"Modelo de IA prev\u00ea estresse t\u00e9rmico em corais com semanas de anteced\u00eancia"},"content":{"rendered":"


\n<\/p>\n

Um artigo publicado na revista Environmental Research Communications <\/em><\/a>apresenta um novo modelo de Intelig\u00eancia Artificial (IA) capaz de prever, com semanas de anteced\u00eancia, o estresse t\u00e9rmico em recifes de coral. Essa condi\u00e7\u00e3o \u00e9 um dos principais sinais de alerta para o branqueamento, fen\u00f4meno que amea\u00e7a a sobreviv\u00eancia dos corais em v\u00e1rias regi\u00f5es do planeta.<\/p>\n

O estudo foi desenvolvido por cientistas que analisaram recifes ao longo da chamada Grande Barreira de Corais da Fl\u00f3rida, EUA. Segundo os autores<\/a>, o sistema consegue indicar a chegada do estresse t\u00e9rmico moderado com at\u00e9 seis semanas de anteced\u00eancia, com previs\u00f5es que, na maioria dos casos, erram por no m\u00e1ximo uma semana.<\/p>\n

Branqueamento de corais p\u00f5e em risco a sa\u00fade do ecossistema. Cr\u00e9dito: Jennifer Lorena Varner – Shutterstock<\/figcaption><\/figure>\n

O objetivo central da pesquisa \u00e9 oferecer uma ferramenta pr\u00e1tica para gestores ambientais, cientistas e profissionais envolvidos na restaura\u00e7\u00e3o de recifes. Ao antecipar o problema, \u00e9 poss\u00edvel planejar a\u00e7\u00f5es de resposta e reduzir danos antes que o branqueamento se instale de forma mais severa.<\/p>\n

A autora principal do estudo, Marybeth Arcodia, pesquisadora e professora da Universidade de Miami, explica que o modelo indica n\u00e3o apenas se o estresse t\u00e9rmico vai ocorrer, mas tamb\u00e9m quando ele deve come\u00e7ar. Essa informa\u00e7\u00e3o \u00e9 considerada crucial para decis\u00f5es r\u00e1pidas em campo, especialmente em per\u00edodos de calor extremo.<\/p>\n

Antecipa\u00e7\u00e3o permite planos de emerg\u00eancia na prote\u00e7\u00e3o dos corais<\/strong><\/h2>\n

Um diferencial do trabalho \u00e9 o uso de \u201cIA explic\u00e1vel\u201d. Isso significa que o sistema n\u00e3o funciona como uma caixa-preta: ele mostra quais fatores ambientais mais influenciam cada previs\u00e3o. Assim, pesquisadores conseguem entender por que o risco aumenta em determinado recife e em um momento espec\u00edfico.<\/p>\n

O pesquisador de p\u00f3s-doutorado Richard Karp, coautor do estudo, destaca que o modelo identifica os fatores que mais contribuem para o estresse t\u00e9rmico em cada local. Com isso, gestores podem reconhecer pontos cr\u00edticos e ajustar planos de emerg\u00eancia, melhorando a efici\u00eancia das a\u00e7\u00f5es de prote\u00e7\u00e3o dos recifes.<\/p>\n

Desempenho preditivo para todos os modelos de Floresta Aleat\u00f3ria XGBoost (XGB; rosa), Regress\u00e3o Log\u00edstica (linear; cinza) e Frequ\u00eancia (frequ\u00eancia; verde) para os tr\u00eas locais de recife com toler\u00e2ncia de 1 semana. Cr\u00e9dito: Environmental Research Communications (2025)<\/figcaption><\/figure>\n

Para construir a ferramenta, a equipe reuniu conhecimentos de ci\u00eancia atmosf\u00e9rica, ecologia de corais e ci\u00eancia de dados. O resultado foi um sistema personalizado, capaz de levar em conta as caracter\u00edsticas pr\u00f3prias de cada recife analisado.<\/p>\n

O modelo utiliza um m\u00e9todo de aprendizado de m\u00e1quina chamado XGBoost<\/a>, que foi treinado com dados ambientais coletados entre 1985 e 2024, abrangendo quase quatro d\u00e9cadas de informa\u00e7\u00f5es sobre clima e condi\u00e7\u00f5es oce\u00e2nicas.<\/p>\n

Entre os dados usados est\u00e3o indicadores de estresse t\u00e9rmico acumulado, anomalias da temperatura da superf\u00edcie do mar, temperatura do ar, ventos e radia\u00e7\u00e3o solar. Tamb\u00e9m foram inclu\u00eddos sinais ligados \u00e0 Corrente do Golfo e ao fen\u00f4meno El Ni\u00f1o, com base em bases p\u00fablicas e no programa Monitoramento de Recifes de Coral, da Administra\u00e7\u00e3o Nacional Oce\u00e2nica e Atmosf\u00e9rica dos Estados Unidos (NOAA).<\/p>\n

Sistema com IA superou m\u00e9todos tradicionais de previs\u00e3o<\/strong><\/h2>\n

Segundo os pesquisadores, o sistema superou m\u00e9todos tradicionais de previs\u00e3o, como modelos estat\u00edsticos simples. Ele foi mais eficiente tanto em prever se o estresse t\u00e9rmico ocorreria quanto em estimar com maior precis\u00e3o o momento de in\u00edcio do problema.<\/p>\n

As an\u00e1lises mostraram que a temperatura do ar pr\u00f3xima \u00e0 superf\u00edcie \u00e9 um dos fatores mais importantes nas previs\u00f5es. Outros elementos ambientais variam conforme o local do recife e o tempo de anteced\u00eancia da previs\u00e3o, refor\u00e7ando a import\u00e2ncia de abordagens espec\u00edficas para cada \u00e1rea.<\/p>\n

Essas previs\u00f5es s\u00e3o apresentadas em prazos considerados \u00fateis para a gest\u00e3o ambiental. Elas ajudam a definir quando intensificar o monitoramento, quando iniciar respostas emergenciais e onde concentrar recursos limitados de forma mais eficaz.<\/p>\n

A cor branca de corais duros \u00e9 o chamado branqueamento de coral, cuja principal causa \u00e9 o estresse t\u00e9rmico resultante de altas temperaturas do mar. Cr\u00e9dito: Acro_phuket – Shutterstock<\/figcaption><\/figure>\n

Os recifes da Fl\u00f3rida e do Caribe v\u00eam enfrentando eventos de estresse t\u00e9rmico cada vez mais intensos, como a onda de calor marinha recorde de 2023. Esse cen\u00e1rio torna ainda mais urgente o desenvolvimento de sistemas de alerta precoce em escala local.<\/p>\n

Os autores ressaltam que a nova ferramenta n\u00e3o substitui sistemas j\u00e1 existentes \u2013 a proposta \u00e9 complementar essas plataformas, oferecendo previs\u00f5es mais detalhadas sobre o momento exato em que o estresse t\u00e9rmico tende a come\u00e7ar em cada recife.<\/p>\n

Leia mais:<\/strong><\/p>\n