Segmentación de concentraciones de hielo marino
La predicción de concentraciones de hielo consiste en el análisis de imágenes SAR en zonas polares para la identificación de densidades de hielo en áreas de grandes masas de agua congeladas, permitiendo así realizar una planificación de ruta informada a través de dichas zonas, evitando posibles cambios en el itinerario o daños sobre las embarcaciones.
Tradicionalmente se han empleado para esta tarea las cartas de hielo como la mostrada en la Figura 1, publicadas por instituciones especializadas, que proporcionan información sobre las propiedades del hielo y su concentración. La extracción automática de esta información es especialmente relevante por la lentitud, coste y dependencia de personal especializado en el estudio del hielo que, sumado al dinamismo del mismo y a la necesidad de disponer de manera ágil de información actualizada, justifica la necesidad de un enfoque automatizado que proporcione información en tiempo real, permitiendo decisiones más rápidas y eficientes.
Imágenes de entrada (SAR)
El estudio del hielo se realiza a través de imágenes SAR (Synthetic Aperture Radar), que presentan la información procedente del rebote sobre la superficie de la tierra de pulsos de microondas enviados por el sensor. Mientras que las cámaras ópticas requieren de luz solar, los sensores SAR generan sus propias señales en bandas frecuenciales capaces de atravesar nubes y otras condiciones climáticas adversas, frecuentes en las zonas polares de interés.
Particularmente para el análisis de hielos, las imágenes SAR en modo EW presentan pares de polarizaciones HH y HV que son especialmente reflectantes sobre la superficie del hielo, lo que las hace las más adecuadas para este tipo de estudios. Para su implementación en SEDA, las imágenes SAR se procesan siguiendo un procedimiento del estado del arte para la eliminación de ruido y corrección de artefactos que puedan distorsionar la calidad de los datos, asegurando que la información utilizada por el modelo sea precisa y confiable.
Aun así, en el caso concreto de segmentación de hielos, aparecen algunas limitaciones dadas por la influencia de factores ambientales como el viento o el derretimiento de los hielos, lo que hace que la energía reflejada sea parcialmente disipada y se reduzca la información detectada de vuelta en el radar.
Salida del modelo de Inteligencia Artificial
SEDA incluye una solución basada en redes neuronales convolucionales (CNN) para analizar imágenes SAR, produciendo a su salida un mapa detallado de la concentración de hielo marino en cada píxel, utilizando una escala del 0/10 al 10/10 al igual que en las cartas de hielo. El mapa generado proporciona una visión clara e inmediata de la situación del hielo en grandes áreas. Podemos ver un ejemplo de una salida del modelo ya implementado en SEDA en la Figura 2,
Siguiendo la leyenda de colores mostrada en la Figura 3, las zonas con mayores concentraciones de hielo aparecen con un tono más blanco que las zonas de aguas abiertas, indicadas en azul oscuro. El mapa generado puede descargarse desde SEDA obteniendo un archivo TIFF, pudiendo así cargar el resultado en otros visores GIS o herramientas de interés.
Conclusión
Con la información proporcionada por SEDA sobre la concentración de hielo, los sistemas de planificación de rutas pueden diseñar trayectorias más seguras y eficientes para las embarcaciones, evitando zonas de alto riesgo y reduciendo significativamente la posibilidad de colisiones o desvíos inesperados. Esto no solo protege a las embarcaciones y su tripulación, sino que también permite un ahorro considerable de tiempo y recursos, mejorando la eficiencia operativa. Otras aplicaciones prácticas incluyen estudios climáticos sobre la evolución del estado del hielo en una zona de interés, siendo otro de los campos de principal interés del análisis de hielos.
Este enfoque no solo mejora la seguridad en el Ártico y otras regiones polares, sino que también marca un hito significativo en la utilización de inteligencia artificial y datos satelitales para resolver problemas del mundo real. Al integrar esta tecnología en la plataforma SEDA, obtenemos una herramienta avanzada para el estudio continuo y preciso de las condiciones del hielo.
ES 
EN