La Inteligencia Artificial analiza icebergs 10.000 veces más rápido que los humanos
En un desarrollo innovador, investigadores de la Universidad de Leeds han desarrollado una red neuronal que puede trazar con rapidez y precisión la extensión de grandes icebergs antárticos en las imágenes de satélite, realizando la tarea en tan solo 0,01 segundos
Según informa la ESA, este novedoso enfoque contrasta marcadamente con los laboriosos y lentos esfuerzos manuales que se necesitaban anteriormente.
Anne Braakmann-Folgmann, autora principal de los hallazgos publicados en The Cryosphere, realizó su investigación durante su mandato como estudiante de doctorado en la Universidad de Leeds en el Reino Unido. Ahora, que trabaja en la Universidad Ártica de Noruega en Tromsø, destacó la importancia de los grandes icebergs en el medio ambiente antártico.
“Los icebergs gigantes son componentes importantes del medio ambiente antártico. Afectan a la física oceánica, la química, la biología y, por supuesto, las operaciones marítimas. Por lo tanto, es crucial localizar los icebergs y monitorear su extensión, para cuantificar cuánta agua de deshielo liberan al océano”.
Analizando icebergs en cualquier tipo de tiempo con la Inteligencia Artificial
Proporcionando imágenes de icebergs independientemente de la cobertura de nubes y la falta de luz natural, la misión del radar Copernicus Sentinel-1 desempeña un papel fundamental en el enfoque innovador de utilizar la inteligencia artificial para mapear icebergs.
En imágenes de satélites que llevan instrumentos similares a cámaras, los icebergs, el hielo marino y las nubes aparecen blancos, lo que dificulta distinguir los icebergs reales.
Mientras que en la mayoría de las imágenes de radar, obtenidas por Sentinel-1, los icebergs aparecen como objetos brillantes contra el océano más oscuro y el fondo de hielo marino.
Sin embargo, cuando el entorno es complejo, a veces todavía puede resultar difícil diferenciar los icebergs del hielo marino o incluso de la costa.
El Dr. Braakmann-Folgmann explicó: “A veces hemos tenido dificultades para separar los icebergs del hielo marino circundante, que es más rugoso y antiguo y, por lo tanto, parece más brillante en las imágenes de satélite. Lo mismo se aplica al océano agitado por el viento.
“Además, los fragmentos de iceberg más pequeños, que se encuentran frecuentemente cerca de los icebergs porque pierden constantemente trozos de hielo alrededor de sus bordes, se agrupan fácilmente con el iceberg principal por error.
"Por otra parte, la costa antártica puede parecerse a los icebergs en las imágenes de satélite, por lo que los algoritmos de segmentación estándar a menudo seleccionan también la costa en lugar de solo el iceberg real".
Sin embargo, el nuevo enfoque de redes neuronales sobresale en el mapeo de la extensión del iceberg incluso en estas condiciones desafiantes. Su poder reside en la capacidad de las redes neuronales para comprender relaciones no lineales intrincadas y tener en cuenta todo el contexto de la imagen.
Para rastrear eficazmente los cambios en el área y el espesor de los icebergs, esencial para comprender cómo los icebergs se disuelven y liberan agua dulce y nutrientes en el océano, es crucial identificar un iceberg gigante específico para un monitoreo continuo.
La red neuronal introducida en este estudio es muy competente a la hora de identificar el iceberg más grande en cada imagen, a diferencia de los métodos comparativos, que con frecuencia seleccionan icebergs ligeramente más pequeños en las proximidades.
La arquitectura de la red neuronal se basa en el reconocido diseño U-net. Fue entrenada meticulosamente utilizando imágenes de Sentinel-1 que exhiben icebergs gigantes en varios entornos, con contornos derivados manualmente como objetivo.
A lo largo del proceso de entrenamiento, el sistema refina continuamente sus predicciones, ajustando sus parámetros en función de la diferencia entre el esquema derivado manualmente y el resultado previsto. La formación cesa automáticamente cuando el sistema alcanza su rendimiento óptimo, asegurando su adaptabilidad y éxito en nuevos ejemplos.
El algoritmo ha sido probado en siete icebergs, cuyo tamaño varía entre 54 kilómetros cuadrados y 1.052 kilómetros cuadrados, aproximadamente equivalente a las áreas de la ciudad de Berna en Suiza y Hong Kong, respectivamente.
Se compiló un conjunto de datos diverso, que incorpora entre 15 y 46 imágenes de cada iceberg, que abarcan varias estaciones y los años 2014-2020.
Se utilizó una única imagen Sentinel-1 por mes y por iceberg para garantizar la variedad del conjunto de datos. Con una precisión del 99%, los resultados han sido impresionantes.
El Dr. Braakmann-Folgmann añadió: "Poder mapear automáticamente la extensión del iceberg con mayor velocidad y precisión nos permitirá observar cambios en el área del iceberg para varios icebergs gigantes con mayor facilidad y allanará el camino para una aplicación operativa".