Cientistas da UC San Diego’s Scripps Institution of Oceanography deram um grande passo em direção a um monitoramento oceânico mais detalhado. Seu novo sistema de inteligência artificial, chamado GOFlow (Geostationary Ocean Flow), traduz imagens térmicas de satélites meteorológicos em mapas de alta resolução de correntes de superfície. O trabalho, apresentado na edição de 13 de abril da Nature Geoscience, marca a primeira vez que pesquisadores conseguiram observar correntes pequenas e de mudança rápida do espaço com o nível de detalhe anteriormente limitado a modelos de computador.

O autor principal Luc Lenain, oceanógrafo da Scripps, descreveu a descoberta como uma forma de “extrair informações físicas que já estão presentes nas observações de satélite, mas que foram difíceis de recuperar com métodos tradicionais.” A equipe treinou a GOFlow em dados simulados de fluxo oceânico antes de aplicá-la a imagens térmicas reais do mundo. Ao rastrear variações de temperatura que surgem à medida que a água se move, a IA inferiu as correntes subjacentes.

Para validar a abordagem, os pesquisadores compararam os resultados da GOFlow com medições coletadas por navios de pesquisa que atravessavam o Golfo do México. Eles também compararam a IA com técnicas de satélite convencionais que dependem de anomalias de altura da superfície do mar. As comparações mostraram um forte acordo, mas a GOFlow forneceu detalhes espaciais mais finos, revelando micro-redemoinhos e recursos transitórios que os métodos mais antigos não detectaram.

“Agora podemos observar correntes oceânicas pequenas e de mudança rápida do espaço com muito mais detalhe e frequência do que antes,” disse Lenain em uma entrevista. Ele acrescentou que essas correntes desempenham um papel crítico no transporte de calor, carbono, nutrientes e poluentes, tornando sua mapeamento preciso essencial para modelos climáticos, ecossistemas marinhos e até rotas de navegação comercial.

Apesar de sua promessa, a GOFlow enfrenta desafios práticos. A cobertura de nuvens pode obscurecer a visão do satélite, impedindo que a IA extraia dados de temperatura em dias nublados. A equipe planeja integrar fontes de satélite adicionais para preencher essas lacunas, visando uma visão global mais contínua.

A transparência é um princípio fundamental do projeto. A equipe liberará o código da GOFlow abertamente, convidando outros cientistas a construir sobre a plataforma. Lenain enfatizou o objetivo de “tornar este trabalho transparente, reprodutível e útil para a comunidade mais ampla.” Ele vê o sistema como um passo em direção ao uso rotineiro de conjuntos de dados de sensoriamento remoto maciços combinados com aprendizado de máquina.

O desenvolvimento da GOFlow se encaixa em uma onda mais ampla de aplicações de IA na observação da Terra. Agências como a NASA e a Agência Espacial Europeia, juntamente com empresas privadas de espaço, estão explorando ferramentas semelhantes para acelerar a análise de dados e melhorar a precisão. À medida que essas tecnologias amadurecem, elas podem redefinir como governos, seguradoras, agricultores e outros stakeholders dependem de informações derivadas de satélites para tomada de decisões.

Usado: News Factory APP - descoberta e automação de notícias - ChatGPT para Empresas