Científicos alemanes entrenaron una IA para rastrear glaciares con precisión de metros

Investigadores de la universidad alemana FAU desarrollaron un método que permite a las redes neuronales automatizar el rastreo de glaciares a partir de imágenes satelitales. El nuevo método requiere un mínimo de datos etiquetados y logra una precisión comparable al análisis manual.

Por qué los glaciares son críticos

Los glaciares que desembocan en el océano son una parte crítica del clima terrestre. Cuando se derriten y se desprendan icebergs de los «frentes de desprendimiento» (bordes del glaciar donde el hielo se quiebra hacia el agua), vierten enormes volúmenes de agua dulce en el océano. Esto altera las corrientes marinas, eleva el nivel del mar e interrumpe los sistemas climáticos locales.

Los glaciares blancos cubiertos de hielo reflejan la mayor parte de la radiación solar hacia el espacio. Pero cuando desaparecen, el agua marina oscura expuesta comienza a absorber esa radiación, intensificando el calentamiento del planeta. Es un círculo vicioso: calentamiento → derretimiento de glaciares → oscurecimiento de la superficie → calentamiento aún mayor. Monitorear el estado de miles de glaciares manualmente es una tarea imposible para los analistas. La visión por computadora podría ayudar, pero los modelos existentes funcionaban bien solo con los datos en los que fueron entrenados. Aplicar un modelo entrenado a un nuevo glaciar en una nueva región significaba obtener un error de un kilómetro.

Cómo se logró una precisión de 70 metros

Los investigadores desarrollaron un enfoque adaptativo. En lugar de reentrenar completamente el modelo para cada glaciar, utilizaron una red neuronal ya entrenada y la ajustaron agregando información nueva mínima:

• Una imagen etiquetada manualmente para cada glaciar
• Varios snapshots satelitales de verano sin etiquetar (en verano el hielo está más limpio)
• Un mapa de la base rocosa de datos abiertos

Inicialmente, el modelo entrenado en 681 imágenes de 7 glaciares en la Antártida, Groenlandia y Alaska tenía un error de 1.131 metros al aplicarse a los glaciares de Spitsbergen. Después de agregar una imagen etiquetada para cada uno de los 145 glaciares, el error bajó a 445 metros. Las imágenes de referencia de verano, donde los límites entre hielo y agua son más nítidos, lo redujeron a 205 metros. El mapa de sustrato (que ayuda a distinguir un glaciar de una acumulación de hielo flotante) redujo el error a 103 metros. Un conjunto de cinco versiones del modelo, promediadas juntas, dio la precisión final: 68,7 metros.

«Las personas no son muy consistentes en el etiquetado de bordes, especialmente cuando hay una mezcla de hielo o la calidad de la imagen satelital es baja», explica

Nora Gurmelon, estudiante de posgrado de FAU.

Aplicación: 145 glaciares en nueve años

Los investigadores ya aplicaron el método a 145 glaciares del archipiélago noruego de Spitsbergen, analizando imágenes satelitales de 2015 a 2024. La mayoría de las investigaciones glaciares se realizan en escalas anuales o decenales. Pero gracias a la automatización, fue posible calcular la posición del borde del glaciar para cada mes, más de 203.000 anotaciones en total. Esto proporciona a los climatólogos una visión mucho más detallada, casi como un video, de cómo se mueven y se derriten los glaciares. El equipo ahora planea expandir el enfoque a 1.500 glaciares en el Ártico. Si el satélite y la región permanecen iguales, no se requiere reentrenamiento del modelo, continúa funcionando.

Qué significa esto

El monitoreo de glaciares está pasando de ser un proyecto de investigación laborioso a una herramienta práctica. Si se desarrolla el enfoque más allá, será posible rastrear los cambios climáticos en tiempo real en miles de glaciares, proporcionando a los climatólogos mapas más precisos de derretimiento y pronósticos más confiables del aumento del nivel del mar.