Os cientistas revelaram uma nova maneira de rastrear as correntes superficiais oceânicas em vastas áreas com muito mais detalhes do que antes. A técnica, conhecida como GOFLOW (Geostationary Ocean Flow), utiliza aprendizado profundo para analisar imagens térmicas obtidas por satélites meteorológicos já em órbita. Por se basear em satélites existentes, o método proporciona um grande avanço no monitoramento dos oceanos sem a necessidade de novos equipamentos no espaço.
A pesquisa foi liderada por Luke Lenine, do Scripps Institution of Oceanography da UC San Diego, e Kaushik Srinivasan, um graduado do Scripps que agora está na UCLA. Seus resultados foram publicados em Ciências naturais. Os coautores Roy Barkan, da Universidade de Tel Aviv, e Nick Pizzo, da Universidade de Rhode Island, também treinaram na Scripps. O financiamento veio do Office of Naval Research, da NASA e do European Research Council.
Por que as correntes oceânicas são importantes para o clima e a vida
As correntes oceânicas são muito importantes para o funcionamento do planeta. Eles movimentam o calor ao redor do globo, transportam carbono entre a atmosfera e as profundezas do oceano e fazem circular os nutrientes que sustentam os ecossistemas marinhos. Eles também desempenham um papel importante em situações do mundo real, como busca e salvamento e rastreamento de derramamentos de petróleo.
Apesar da sua importância, a medição precisa das correntes em grandes regiões tem sido difícil. Alguns satélites estimam as correntes indiretamente, observando mudanças na altura da superfície do mar, mas normalmente visitam a mesma área apenas uma vez a cada 10 dias – demasiado lentos para captar correntes que podem formar-se e desaparecer em poucas horas. Os navios e os radares costeiros podem detectar mudanças rápidas, mas apenas em áreas limitadas.
O elo perdido na mistura oceânica
Esta limitação deixou os cientistas com um grande ponto cego nas escalas onde ocorre a mistura vertical. A mistura vertical ocorre quando as águas superficiais descem ou as águas mais profundas sobem, e é impulsionada por formações que podem ter menos de 10 quilómetros (seis milhas) de diâmetro e mudam rapidamente.
Compreender esse processo é muito importante. 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. Sem observações detalhadas, grande parte desta actividade é difícil de medir directamente.
Convertendo imagens de satélite em mapas de correntes oceânicas
A ideia do GOFLOW surgiu em 2023, quando Lenin estudou imagens térmicas do Atlântico Norte a partir do satélite GOES-East, comumente usado para monitoramento meteorológico. Estas imagens são tiradas a cada cinco minutos e mostram nuvens e padrões de água quente e fria movendo-se pela superfície do oceano.
Lenin notou que grandes correntes como a Corrente do Golfo eram visíveis nestes padrões de temperatura. Essa observação levou à ideia de transformar esses padrões em uma nova forma de medir as correntes oceânicas.
Como a IA rastreia as correntes oceânicas
Para tornar isso possível, a equipe de pesquisa treinou uma rede neural para reconhecer como os padrões de temperatura na superfície do oceano mudam e mudam de forma sob a influência das correntes. O sistema aprendeu com simulações computacionais detalhadas da circulação oceânica que vinculavam padrões específicos de temperatura a velocidades conhecidas da água.
Após o treinamento, o modelo analisou sequências de imagens de satélite e rastreou como esses padrões se moviam ao longo do tempo. Por esse movimento ele consegue identificar as principais correntes responsáveis pelas mudanças.
“Os satélites meteorológicos observam a superfície do oceano há anos”, disse Lenain. “O avanço foi aprender como transformar esse período de tempo em mapas atuais de hora em hora, rastreando como os padrões de temperatura se curvam, se esticam e se movem de uma hora para a outra.”
Testes de precisão em relação a dados reais
Os investigadores avaliaram o GOFLOW comparando os seus resultados com medições diretas recolhidas por navios na região da Corrente do Golfo durante 2023, bem como com métodos tradicionais de satélite baseados na topografia oceânica. Os resultados correspondem exatamente a ambas as fontes.
No entanto, o GOFLOW forneceu detalhes muito mais nítidos, especialmente para feições pequenas e de movimento rápido, como redemoinhos e camadas limites. Os métodos anteriores muitas vezes suavizavam essas características em médias amplas. Com a resolução melhorada, a equipe conseguiu revelar padrões estatísticos importantes nas correntes pequenas e intensas que impulsionam a mistura vertical. Até agora, esses padrões foram vistos principalmente em simulações, e não em observações diretas.
“Isto abre uma série de possibilidades interessantes na oceanografia física que até agora só eram acessíveis através de simulações”, disse Lenain. “Usando o GOFLOW, podemos agora medir as principais características desses fluxos pequenos e intensos usando observações do mundo real, em vez de depender quase inteiramente de simulações. Isto abre a possibilidade de testar ideias de longa data sobre como o oceano absorve calor e carbono.”
Não são necessários novos satélites
Como o GOFLOW trabalha com dados de satélites geoestacionários existentes, não requer o lançamento de novos instrumentos ao espaço. Com o tempo, este método poderá ser integrado em sistemas de previsão meteorológica e modelos climáticos. Ao capturar correntes em rápida mudança, pode melhorar as previsões relacionadas com as interações ar-mar, o movimento de detritos marinhos e a dinâmica dos ecossistemas.
Desafios e expansão futura
A cobertura de nuvens continua sendo uma limitação, pois as nuvens bloqueiam as imagens térmicas das quais o GOFLOW depende. A equipa de investigação planeia combinar fontes adicionais de dados de satélite para preencher estas lacunas e alcançar uma cobertura mais consistente.
Já estão em andamento trabalhos para expandir o método em escala global. A equipe também disponibilizou publicamente seus dados e códigos, o que poderia ajudar outros cientistas a desenvolver a abordagem e explorar novas aplicações.
