Cientistas estudam mais de 149 geleiras usando Inteligência Artificial (IA)
Cientistas utilizaram inteligência artificial para analisar 125.000 imagens de satélite de geleiras em Svalbard para aprender mais sobre os padrões sazonais de derretimento. A análise também abrange a perda de massa de gelo de geleiras terminando no mar.
A IA ajudará a prever a dinâmica das geleiras e sua contribuição para o aumento do nível do mar à medida que chega em outras regiões. Contudo, a qualidade no input de informações é extremamente importante para um resultado mais preciso.
Um novo estudo analisando o recuo das geleiras no arquipélago de Svalbard, na Noruega, visa melhorar a compreensão dos mecanismos por trás do encolhimento das geleiras. Porém, o estudo visa ampliar seu objeto de estudo.
A perda de massa das geleiras é um contribuinte significativo para o aumento global do nível do mar.
Svalbard ofereceu aos cientistas um local ideal para estudar o impacto que o clima mais quente tem sobre as geleiras, pois o arquipélago está experimentando impactos amplificados das mudanças climáticas.
Porém, outros prejuízos podem ser contabilizados como a Linguagem Sami que publicamos anteriormente.
Nos últimos 30 anos, o aquecimento sete vezes maior que a média global tem significativamente acelerado o recuo das geleiras em Svalbard, resultando em cerca de 1,7 graus Celsius de aumento a cada 10 anos no arquipélago. Porém, se não contornarmos essa situação, os dados poderão só piorar.
Análise da Situação Atual
Estudo publicado no Journal of Earth System Science utilizou tecnologia de aprendizado profundo para montar um catálogo de imagens de satélite de quase 125.000 posições de geleiras entre 1985 e 2023.
Os cientistas identificaram um recuo generalizado entre as 149 geleiras analisadas, exceto por algumas geleiras em Nordaustlandet.
Os cientistas conseguiram descrever um padrão complexo de comportamento das geleiras como parte dos padrões sazonais de desprendimento, o que ajudará a melhorar as estimativas de quanta massa das geleiras estão perdendo no mar como resultado das mudanças climáticas.
Este tipo de perda de gelo ainda não foi incluído na maioria dos modelos de geleiras. Porém é questão de tempo até sair de uma estimativa e obtermos um resultado de maior acurácia.
As geleiras perdem massa de gelo de várias maneiras à medida que se afinam e recuam.
Este estudo visa entender melhor a “ablação frontal”, que descreve a perda de gelo na frente da geleira como resultado de derretimento e desprendimento – onde enormes blocos se desprendem em eventos singulares.
Este tipo de perda de gelo ainda não foi incluído na maioria dos modelos de geleiras.
Coleta de dados
A falta de dados é especialmente prevalente para geleiras terminando em oceanos devido à dificuldade de observar rotineiramente os eventos de desprendimento. Contudo, os dados presentes já são suficientes para algumas conclusões.
O estudo introduz um processo automatizado inovador usando aprendizado profundo e redes neurais para mapear o desprendimento de geleiras.
Este novo método, intitulado Mapeamento de Contornos por Adaptação Recorrente (COBRA – Charting Outlines by Recurrent Adaptation), supera os modelos anteriores de segmentação de imagens. Além de ter o auxílio de uma tecnologia ‘machine learning‘.
A nova tecnologia mostrou-se eficaz na identificação e delimitação precisa da frente da geleira em todo o conjunto de dados de 125.000 imagens. Porém, temos que lembrar que isso é apenas uma pequena amostra perto da representatividade de todo o círculo polar Ártico.
Os cientistas basearam-se em dados brutos de três plataformas de satélite visuais diferentes, Landsat, Terra-ASTER e Sentinel 2, e imagens de radar do Sentinel 1.
Exemplos de traços frontais de formação de geleira pós-processados para diferentes imagens de satélite das quatro plataformas de satélite. As linhas vermelhas sólidas são os locais finais do término da geleira após o pós-processamento. (Fonte: Tian Li et al.)
