Os cientistas introduziram um novo método que pode rastrear as correntes superficiais oceânicas em grandes áreas com mais detalhes do que antes. A tecnologia, chamada GOFLOW (Geostationary Ocean Flow), utiliza aprendizado profundo para analisar imagens térmicas capturadas por satélites meteorológicos já em órbita. Como o método depende de satélites existentes, representa um avanço significativo no monitoramento dos oceanos sem a necessidade de novos equipamentos no espaço.
A pesquisa foi liderada por Luc Lenain, do Scripps Institution of Oceanography da UC San Diego, e pelo ex-aluno do Scripps, Kaushik Srinivasan, agora na UCLA. Suas descobertas foram publicadas em geociências naturais. Os coautores Roy Bukan, da Universidade de Tel Aviv, e Nick Pizzo, da Universidade de Rhode Island, também treinaram na Scripps. O financiamento veio do Escritório de Pesquisa Naval dos EUA, da NASA e do Conselho Europeu de Pesquisa.
Por que as correntes oceânicas são importantes para o clima e a vida
As correntes oceânicas são vitais para o funcionamento da Terra. Eles transferem calor ao redor do globo, transferem carbono entre a atmosfera e as profundezas do oceano e reciclam nutrientes que sustentam os ecossistemas marinhos. Eles também desempenham papéis críticos em situações do mundo real, como operações de busca e salvamento e rastreamento de derramamentos de petróleo.
Apesar da sua importância, a medição precisa de correntes em grandes áreas continua difícil. Alguns satélites estimam as correntes oceânicas indiretamente, observando mudanças na altura da superfície do mar, mas normalmente revisitam a mesma área apenas a cada 10 dias, o que é demasiado lento para captar as correntes oceânicas que se formam e recuam em poucas horas. Os radares marítimos e costeiros podem detectar mudanças rápidas, mas apenas em áreas limitadas.
O elo perdido na mistura oceânica
Esta limitação deixa os cientistas com um grande ponto cego nas escalas em que ocorre a mistura vertical. A mistura vertical ocorre quando a água superficial cai ou a água mais profunda sobe e é impulsionada por características que mudam rapidamente com menos de 10 quilômetros (6 milhas) de diâmetro.
Compreender esse processo é crucial. Traz nutrientes das profundezas do oceano para a superfície, sustentando a vida marinha, e transporta dióxido de carbono para baixo, onde pode ser armazenado a longo prazo. A maioria das actividades continua a ser difícil de medir directamente sem observações detalhadas.
Converta imagens de satélite em mapas de fluxo oceânico
A ideia do GOFLOW começou em 2023, quando Lenain examinou imagens térmicas do Atlântico Norte a partir do satélite GOES-East, que é comumente usado para monitoramento meteorológico. Capturadas a cada cinco minutos, as imagens mostram nuvens e padrões de água quente e fria movendo-se pela superfície do oceano.
Lenan observou que as principais correntes oceânicas, como a Corrente do Golfo, podem ser vistas nestes padrões de temperatura. Esta observação despertou a ideia de traduzir esses padrões em novas formas de medir as correntes oceânicas.
Como a inteligência artificial rastreia as correntes oceânicas
Para conseguir isso, a equipe treinou uma rede neural para identificar como os padrões de temperatura na superfície do oceano mudam e mudam de forma sob a influência das correntes oceânicas. O sistema aprende com simulações computacionais detalhadas da circulação oceânica que vinculam padrões específicos de temperatura a velocidades conhecidas da água.
Após o treinamento, o modelo analisa sequências de imagens de satélite e rastreia como esses padrões mudam ao longo do tempo. A partir deste movimento, pode-se determinar a corrente subjacente que causa a mudança.
“Os satélites meteorológicos têm observado a superfície do oceano há muitos anos”, disse Lenan. “O avanço foi aprender como traduzir lapsos de tempo em mapas horários de fluxo de corrente, rastreando como os padrões de temperatura se curvam, se esticam e se movem de uma hora para a outra.”
Teste a precisão em relação a dados do mundo real
Os investigadores avaliaram o GOFLOW comparando os seus resultados com medições diretas recolhidas por navios na região da Corrente do Golfo em 2023, bem como com métodos tradicionais de satélite baseados na topografia oceânica. Os resultados concordam bem com ambas as fontes.
No entanto, o GOFLOW fornece detalhes mais nítidos, especialmente para recursos pequenos e de movimento rápido, como redemoinhos e camadas limites. Os primeiros métodos normalmente suavizavam esses recursos em uma média ampla. Com resolução aprimorada, a equipe foi capaz de detectar padrões estatísticos importantes nas correntes pequenas, mas fortes, que impulsionam a mistura vertical. Até agora, esses padrões foram vistos principalmente em simulações, e não em observações diretas.
“Isso abre uma gama de possibilidades interessantes para a oceanografia física que, até agora, só eram possíveis através de simulações”, disse Lenan. “Usando o GOFLOW, podemos agora medir as principais características destas pequenas mas fortes correntes oceânicas com observações reais, em vez de depender quase inteiramente de simulações. Isto abre a porta para testar ideias de longa data sobre como o oceano absorve calor e carbono.”
Não são necessários novos satélites
Como o GOFLOW utiliza dados de satélites geoestacionários existentes, não há necessidade de lançar novos instrumentos ao espaço. Com o tempo, o método poderá ser integrado em sistemas de previsão do tempo e modelos climáticos. Ao capturar as correntes oceânicas em rápida mudança, pode melhorar as previsões relacionadas com as interações ar-mar, o movimento de detritos oceânicos e a dinâmica dos ecossistemas.
Desafios e expansão futura
A cobertura de nuvens continua sendo uma limitação porque bloqueia as imagens térmicas nas quais o GOFLOW depende. A equipa planeia combinar fontes adicionais de dados de satélite para preencher estas lacunas e obter uma cobertura mais consistente.
Já estão em curso trabalhos para dimensionar esta abordagem a uma escala global. A equipe também disponibilizou publicamente seus produtos de dados e código, o que pode ajudar outros cientistas a desenvolver o método e explorar novas aplicações.
