Científicos alemanes entrenan una IA para seguir glaciares con precisión de metros

Investigadores de la universidad alemana FAU han desarrollado un modo de que las redes neuronales automaticen el seguimiento de glaciares a partir de imágenes de satélite. El nuevo método requiere un mínimo de datos etiquetados y alcanza una precisión comparable a la del análisis manual.

Por qué importan los glaciares

Los glaciares que desembocan en el océano son una pieza crítica del clima terrestre. Cuando se derriten y se desprenden icebergs en los «calving fronts» (los bordes del glaciar donde el hielo se rompe y cae al agua), liberan enormes volúmenes de agua dulce al océano. Eso altera las corrientes marinas, eleva el nivel del mar y desajusta los sistemas climáticos locales.

Los glaciares blancos, cubiertos de hielo, devuelven al espacio gran parte de la radiación solar. Pero cuando desaparecen, el agua oscura del mar queda expuesta y empieza a absorber esa radiación, lo que intensifica el calentamiento del planeta. Es un círculo vicioso: calentamiento → deshielo → superficie más oscura → aún más calentamiento.

Vigilar a mano miles de glaciares es una tarea inabarcable para los analistas. La visión por computador podría ayudar, pero los modelos existentes solo funcionaban bien con los datos con los que se habían entrenado. Aplicar un modelo entrenado a un glaciar nuevo en otra región suponía un error de un kilómetro.

Cómo se llegó a una precisión de 70 metros

Los investigadores desarrollaron un enfoque adaptativo. En lugar de reentrenar el modelo por completo para cada glaciar, tomaron una red neuronal ya entrenada y la ajustaron con un mínimo de información nueva:

• Una imagen etiquetada a mano por cada glaciar
• Varias imágenes de satélite de verano sin etiquetar (en verano el hielo está más limpio)
• Un mapa del lecho rocoso a partir de datos abiertos

Al principio, el modelo, entrenado con 681 imágenes de 7 glaciares de la Antártida, Groenlandia y Alaska, se equivocaba en 1131 metros al aplicarlo a los glaciares de Svalbard. Tras añadir una imagen etiquetada para cada uno de los 145 glaciares, el error bajó a 445 metros. Las imágenes de referencia de verano, en las que los límites entre hielo y agua se ven con más nitidez, lo redujeron a 205 metros. El mapa del sustrato (ayuda a distinguir un glaciar de un amasijo de hielo flotante) llevó el error a 103 metros. Un conjunto de cinco versiones del modelo, promediadas, dio la precisión final: 68.7 metros.

«Las personas tampoco somos muy consistentes al etiquetar los límites, sobre todo cuando hay una maraña de hielo o la calidad de la imagen de satélite es baja», explica

Nora Gourmelon, doctoranda de la FAU.

Aplicación: 145 glaciares en nueve años

Los investigadores ya han aplicado el método a 145 glaciares del archipiélago noruego de Svalbard, con imágenes de satélite de 2015 a 2024. La mayor parte de la investigación glaciar se hace a escala anual o de décadas. Gracias a la automatización, sin embargo, se pudo calcular la posición del frente glaciar para cada mes, con más de 203 000 anotaciones en total. Eso ofrece a los climatólogos una imagen mucho más detallada, casi como un vídeo, de cómo se mueven y se derriten los glaciares.

El equipo planea ahora extender el enfoque a 1500 glaciares del Ártico. Si el satélite y la región siguen siendo los mismos, no hace falta reentrenar el modelo: sigue funcionando.

Qué significa

La vigilancia de glaciares pasa de ser un proyecto de investigación laborioso a una herramienta práctica. Si el enfoque sigue desarrollándose, podría permitir seguir en tiempo real el cambio climático en miles de glaciares y ofrecer a los climatólogos mapas de deshielo más precisos y pronósticos de subida del nivel del mar más fiables.