Data Science for Climate Change

Data Science for Climate Change

As alterações climáticas são um dos grandes desafios que a humanidade enfrenta – de que modo é que o uso de ferramentas de Data Science pode ajudar a resolver este problema? Se tens interesse nestas duas áreas, certamente já pensaste em como combinar estas duas temáticas. 

Em Novembro de 2019, um conjunto de 24 investigadores lançou um artigo denominado “Tackling Climate Change with Machine Learning”, com um conjunto de ideias e oportunidades de negócio para esta área. Apresentamos-te aqui três ideias que achamos interessantes! 

Transportes

Os sistemas de transporte formam uma rede complexa fundamental para o funcionamento da sociedade. Atualmente, cerca de ¼ das emissões de CO2 relacionadas com energia são resultantes do setor de transportes, e não tem sido feito grande progresso nesta área, dado que o setor é considerado difícil de descarbonizar. 

Os autores sugerem usar Data Science para estimar a procura em termos de mobilidade. Podemos, por exemplo, aumentar a eficiência operacional de indústrias que emitem muito CO2 nos transportes, como a aviação.

Outra ideia sugerida é estimar o fluxo de transporte diário das pessoas (e.g. usando dados de smartphones ligados às antenas e/ou câmaras nas zonas principais das cidades, que permitem contar e seguir carros usando técnicas de Computer Vision). Deste modo, conseguimos estimar o número de pessoas que precisam de se transportar de uma área para outra, otimizando o fluxo de transportes públicos e as estradas. 

Otimizar o uso de ferramentas para ação

O Machine Learning é altamente eficiente a modelar preferência humana, e podemos usar isto para ajudar a mitigar as alterações climáticas – podemos criar clusters de indivíduos com base no seu conhecimento climático, preferências, demografia e características de consumo, e prever quem vai estar mais disposto a adaptar novas tecnologias mais limpas e a um comportamento sustentável. 

Também, em função do tipo de consumidor (e da sua pegada ecológica), podemos definir prioridades na ordem das intervenções que fazemos, para prioritizar os consumidores com maior pegada ecológica. Tendo conhecimento acerca das preferências pessoais, e fazendo uma oferta personalizada, é possível maximizar a adoção de tecnologias mais limpas. 

Climate analytics

A área de climate analytics tenta prever os efeitos financeiros das alterações climáticas. Consiste, por exemplo, em analisar fundos e empresas para identificar áreas com elevado risco devido a alterações climáticas – como por exemplo, empresas de madeira que podem falir devido a fogos ou poluição das áreas onde extraem materiais. 

Um exemplo dado no artigo foi o uso de técnicas de Natural Language Processing para identificar riscos climáticos e oportunidades de investimento em comunicações feitas por empresas. 

A natureza de dados relacionados com o clima tem associados a si um enorme conjunto de dados e oportunidades. Para muitas das aplicações possíveis, os dados podem ser proprietários ou ter informação sensível, impedindo que sejam tratados por uma comunidade de Data Science, com vista ao acesso open source. Para além disso, havendo dados, as tarefas podem não ser completamente claras ou ser necessário algum conhecimento de domínio. Finalmente, os dados podem não ser representativos de use cases globais – por exemplo, prever os consumos elétricos num país desenvolvido é muito diferente de o fazer num país em desenvolvimento, onde a quantidade de dados varia muito.

Como é que uma associação como o Data Science for Social Good Portugal pode ajudar nisto? Estabelecemos contacto com associações com conhecimento de domínio e com acesso a dados, que efetivamente conseguem fazer algo acionável com as soluções desenvolvidas. Junta-te a nós em www.dssg.pt

Enquanto não temos nenhum projeto nesta área, porque não começares tu o teu próprio?