Inteligência Artificial Transforma Satélites Meteorológicos em Rastreadores de Correntes Oceânicas Inéditas

Cientistas introduziram uma nova maneira de rastrear as correntes de superfície do oceano em vastas áreas com um nível de detalhe sem precedentes. A técnica, conhecida como GOFLOW (Fluxo Oceânico Geoestacionário), utiliza deep learning para analisar imagens térmicas capturadas por satélites meteorológicos que já estão em operação. Por depender de satélites existentes, o método representa um grande avanço no monitoramento dos oceanos sem a necessidade de lançar novos equipamentos ao espaço.

A pesquisa foi liderada por Luc Lenain, do Scripps Institution of Oceanography da Universidade da Califórnia em San Diego (UC San Diego), e Kaushik Srinivasan, ex-aluno do Scripps e atual pesquisador da UCLA. O estudo foi publicado na revista Nature Geoscience.

As correntes oceânicas são fundamentais para o funcionamento do planeta, sendo responsáveis por mover calor ao redor do globo, transferir carbono entre a atmosfera e o oceano profundo, e circular nutrientes vitais para os ecossistemas marinhos. Historicamente, medir essas correntes em grandes regiões tem sido um desafio. Métodos de satélite anteriores baseados na altura da superfície do mar atualizavam os dados apenas a cada 10 dias, um tempo muito lento para capturar correntes menores que podem se formar e desaparecer em horas.

Essa limitação criava um ponto cego para os cientistas em relação à mistura vertical — um processo onde as águas da superfície descem ou as águas profundas sobem, impulsionado por características que podem ter menos de 10 quilômetros e mudar rapidamente. A mistura vertical é crucial por trazer nutrientes para a superfície e levar dióxido de carbono para armazenamento de longo prazo nas profundezas.

A ideia do GOFLOW surgiu em 2023, quando Lenain analisou imagens térmicas do Atlântico Norte capturadas pelo satélite GOES-East, que tira fotos a cada cinco minutos. Ao notar que correntes como a Corrente do Golfo eram visíveis nesses padrões de temperatura, a equipe treinou uma rede neural para reconhecer como esses padrões mudam de forma sob a influência das correntes. O sistema aprendeu com simulações computacionais e, uma vez treinado, passou a analisar sequências de imagens de satélite reais para determinar as correntes subjacentes.

Testes comparando o GOFLOW com medições diretas de navios realizadas em 2023 confirmaram a precisão da IA, que forneceu detalhes muito mais nítidos de características pequenas e rápidas, como redemoinhos. Embora a cobertura de nuvens continue sendo uma limitação (pois bloqueia as imagens térmicas), a equipe planeja combinar outras fontes de dados de satélite para preencher essas lacunas e expandir o método para uma escala global no futuro.

Fonte: University of California - San Diego. "AI just revealed ocean currents we’ve never been able to see." ScienceDaily (April 22, 2026). Baseado em publicação na Nature Geoscience.