Los científicos están recurriendo a la inteligencia artificial para detectar rápidamente icebergs gigantes en imágenes de satélite con el objetivo de controlar su contracción a lo largo del tiempo. Y a diferencia del enfoque convencional de seguimiento de icebergs, que le toma a un humano unos minutos delinear solo una de estas estructuras en una imagen, la IA logró la misma tarea en menos de 0,01 segundos. Eso es 10.000 veces más rápido.
“Es crucial localizar icebergs y controlar su extensión, para cuantificar la cantidad de agua de deshielo que liberan al océano”, dijo en un comunicado Anne Braakmann-Folgmann, autora principal de un estudio sobre los resultados y científica de la Universidad de Leeds en el Reino Unido. declaración.
A finales de octubre, el Servicio Antártico Británico reportado que las enormes capas de hielo que cubren la Antártida se derretirán a un ritmo acelerado durante el resto del siglo y contribuirán inevitablemente al aumento del nivel del mar en todo el mundo en las próximas décadas. El año pasado, uno de los icebergs más grandes conocidos por los científicos (A68a tenía más de 100 millas de largo y 30 millas de ancho) descongelado en el Océano Atlántico Sur después de estar a la deriva durante cinco años desde su hogar en la Península Antártica, donde se había desintegrado en 2017.
Relacionado:
Además de arrojar 1 billón de toneladas de agua dulce al océano, el iceberg derretido también bombeó nutrientes a su entorno, lo que alterará radicalmente el ecosistema local en los años venideros, dijeron los científicos. Aún no está claro si este cambio tendrá un efecto positivo o negativo en la cadena alimentaria marina.
Los científicos monitorearon los viajes y la contracción de A68a utilizando imágenes de satélites. Identificar con precisión el iceberg, crucial para monitorear los cambios en su tamaño y forma a lo largo de los años, no es una tarea fácil, ya que los icebergs, el hielo marino y nubes son todos blancos. Además, aunque el análisis de una imagen de satélite en busca de icebergs tarda sólo unos minutos, el tiempo se acumula rápidamente cuando miles de imágenes esperan su turno.
“Además, en las imágenes de satélite la costa antártica puede parecerse a icebergs, por lo que los algoritmos de segmentación estándar a menudo seleccionan también la costa en lugar de sólo el iceberg real”, dijo Braakmann-Folgmann.
Entonces, para reducir este proceso laborioso y que requiere mucho tiempo, los investigadores han entrenado, por primera vez, una red neuronal para que haga el trabajo.
El equipo de estudio entrenó a la IA para detectar grandes icebergs utilizando imágenes del Agencia Espacial EuropeaEl satélite Sentinel-1, cuyos ojos de radar pueden capturar Tierrade la superficie independientemente de la nubosidad o la falta de luz.
Excepto por faltar algunas partes de icebergs más grandes que los ejemplos en los que se entrenó a la IA (un problema que tiene solución), los científicos descubrieron que el sistema logró detectar icebergs en imágenes satelitales con una precisión del 99 por ciento. Esto incluyó identificar correctamente siete icebergs que varían en tamaño desde 54 kilómetros cuadrados (aproximadamente el tamaño de la ciudad de Berna en Suiza) hasta 1052 kilómetros cuadrados (tan grande como Hong Kong).
“Este estudio muestra que el aprendizaje automático permitirá a los científicos monitorear partes remotas e inaccesibles del mundo casi en tiempo real”, dijo en el comunicado el coautor del estudio Andrew Shepherd, profesor de la Universidad de Northumbria en Inglaterra.
La herramienta de IA tampoco cometió los mismos errores que otros enfoques automatizados más convencionales, como el error de malinterpretar trozos de hielo individuales como un iceberg colectivo, dicen los investigadores.
“Ser capaz de mapear automáticamente la extensión del iceberg con mayor velocidad y precisión nos permitirá observar cambios en el área del iceberg de varios icebergs gigantes más fácilmente y allanará el camino para una aplicación operativa”, dijo Braakmann-Folgmann.
Esta investigación se describe en un papel publicado el jueves (9 de noviembre) en la revista The Cryosphere.