Daniel Pais iniciou o doutoramento em Geologia, ramo de Geodinâmica Externa, em outubro de 2022, na Ciências ULisboa, em cooperação com o Instituto Dom Luiz e com o CoLAB +ATLANTIC. O seu projeto de doutoramento conta com o apoio da FCT, mediante uma bolsa de doutoramento em ambiente não académico. O seu orientador externo é Luís Pedro Almeida. Os orientadores internos são Cristina Ponte Lira e Rui Taborda.

O objetivo do seu programa de doutoramento é desenvolver uma nova ferramenta que integre a deteção da linha de costa, utilizando imagens de satélite, e soluções de modelação de última geração para prever linhas costeiras futuras. O objetivo passa também por traduzir os resultados em indicadores de evolução das praias, que possam ser aplicados universalmente e de forma automática a diferentes ambientes costeiros, incorporando as últimas previsões de alterações climáticas e auxiliando nas soluções de gestão.

No início do seu percurso académico, Daniel Pais interessou-se pela Geologia Costeira e Deteção Remota. Licenciou-se em Geologia - ramo de Geologia Aplicada e do Ambiente - pela Ciências ULisboa, em 2019, e concluiu o mestrado em Geologia Ambiental, Riscos Geológicos e Gestão do Território na mesma instituição, em 2021. No âmbito do seu trabalho de dissertação analisou a evolução do sistema praia/duna de São João da Caparica após as mais recentes operações de alimentação artificial, o que lhe permitiu desenvolver competências de investigação científica e de gestão durante esse período.

Daniel Pais, estudante de doutoramento em Geologia na Ciências ULisboa, é um dos autores do  artigo - “Benchmarking satellite-derived shoreline mapping algorithms” - publicado na Communications Earth & Environment, em setembro passado e que apresenta uma avaliação inédita da precisão na deteção da linha de costa, através de imagens satélites disponíveis ao público.

A deteção remota por satélite, devido à abundância e acessibilidade dos dados, é frequentemente utilizada para monitorizar o litoral, mas, até este artigo, não existia uma comparação estruturada e independente do desempenho dos diferentes algoritmos que, através das imagens captadas pelos satélites, conseguem automaticamente detetar e mapear a linha de costa, ou seja, o contacto entre a terra e o mar.

No âmbito do seu doutoramento, Daniel Pais foi convidado pelo seu coorientador externo - Luís Pedro Almeida -, investigador no laboratório colaborativo português CoLAB +Atlantic, a participar neste projeto inovador e concebido por Kilian Vos, primeiro autor do artigo e investigador na Universidade de Nova Gales do Sul (Austrália). Este trabalho conta ainda com a participação de vários especialistas das seguintes entidades: Universidade Politécnica de Valência (Espanha), Universidade de Queensland (Austrália), Instituto Deltares (Holanda), Universidade Federal de Santa Catarina (Brasil), Universidade de Bordeaux (França) e Centro de Ciências Marinhas e Costeiras do Pacífico do Serviço Geológico dos Estados Unidos (EUA).

Luís Pedro Almeida, Daniel Pais e António Klein (UFSC) testaram a ferramenta CASSIE (acrónimo de Coastal Analyst System from Space Imagery Engine), lançada online em 2021, numa cooperação luso-brasileira ainda em desenvolvimento, que deteta e analisa automaticamente a linha de costa usando imagens de satélite. Segundo o estudante, “a ferramenta CASSIE apresenta uma interface gráfica intuitiva, com indicadores visuais, tornando-a diferenciadora de outras existentes e mais complexas. Qualquer pessoa que não seja especialista na área pode utilizar a ferramenta e perceber o que está a acontecer em determinada zona costeira.”

O trabalho prático durou aproximadamente seis meses. O primeiro objetivo centrou-se na execução da ferramenta CASSIE nos ambientes costeiros de controlo: quatro praias arenosas com condições geológicas e oceanográficas contrastantes. Devido à natureza dinâmica associada à posição da linha de costa houve a necessidade de corrigir os resultados, incorporando as diferenças relacionadas com as marés e as ondas, de forma a aumentar a precisão da deteção. Este aspeto, revelou ainda que existe uma elevada componente dinâmica do indicador utilizado, principalmente nos ambientes costeiros mais complexos.

“Em locais onde a amplitude da maré é maior, os algoritmos tendem a dar piores resultados porque não conseguem detetar corretamente a linha de costa. Uma das conclusões deste artigo é que nestas condições é preciso desenvolver novas técnicas específicas e até, talvez, utilizar um indicador distinto como a fronteira areia seca/areia molhada. Nas zonas com amplitudes de marés menores, os resultados são bastante positivos”, esclarece Daniel Pais.

Uma outra parte importante do trabalho consistiu na validação dos produtos resultantes dos algoritmos de deteção automática da linha de costa com dados in situ recolhidos nos ambientes costeiros em análise. “Isto só foi possível devido ao facto de estes quatro sítios serem monitorizados há largas décadas, com bastante frequência, e destes dados estarem disponíveis publicamente, o que é relativamente raro no mundo. A recolha de dados in situ, no campo, será sempre necessária e é imprescindível para a validação de qualquer modelo”, explica Daniel Pais.

No seu projeto de doutoramento, numa fase mais avançada, Daniel Pais pretende explorar a previsão de linhas de costa, juntando às linhas detetadas por satélite outros fatores como ondas, marés ou o fornecimento sedimentar para elaborar cenários que representem a sua evolução no futuro e torná-los úteis para a comunidade, disponibilizando os resultados às entidades públicas interessadas.

Este projeto abre portas ao desenvolvimento de novos algoritmos, novas técnicas e uma maior compreensão dos ambientes costeiros a nível global, havendo também espaço para melhorar as próprias ferramentas testadas, como a CASSIE.

“A metodologia seguida, totalmente transparente e colaborativa, permite a replicação do trabalho por outros investigadores. Isto é algo importante em ciência e que quisemos passar com este projeto”, conclui Daniel Pais. O próximo passo é melhorar a deteção por meio da Inteligência Artificial, integrando redes neurais na análise de imagens de satélite, e testar este método com satélites de muito alta resolução (3 m) e noutros ambientes litorais.