Novo modelo de IA baseado em satélites pode acelerar pesquisas sobre clima, agricultura e meio ambiente

Os programas de observação da superfície da Terra geram grandes volumes de dados todos os dias por meio de satélites que monitoram continuamente o planeta. Esses catálogos incluem imagens multiespectrais, medições de radar e informações coletadas em diferentes escalas espaciais e temporais. A análise manual ou por métodos tradicionais ficou cada vez mais difícil à medida que a quantidade de dados cresce. Com isso, a Inteligência Artificial (IA) surgiu como uma ferramenta capaz de extrair informações e identificar padrões de forma mais eficiente.

A capacidade de identificar padrões nesses conjuntos de dados é importante para compreender como o planeta está mudando ao longo do tempo. Alterações na cobertura vegetal, expansão urbana, secas, enchentes e transformações nos ecossistemas podem ser monitoradas por meio de observações da superfície terrestre. Essas informações ajudam em pesquisas sobre climatologia, monitoramento ambiental e gestão de recursos naturais.

Recentemente, pesquisadores desenvolveram um modelo de IA chamado Tessera que foi treinado com dados de satélites. O sistema foi treinado usando dados do programa Copernicus com os satélites Sentinel-1 e Sentinel-2. Enquanto o Sentinel-1 fornece medições por radar capazes de observar a superfície, o Sentinel-2 registra imagens ópticas em múltiplos comprimentos de onda. Ao combinar esses dados, o Tessera aprende padrões sobre a dinâmica da superfície terrestre.

Copernicus Sentinel-1 e Sentinel-2

Os satélites Sentinel-1 fazem parte do programa europeu de observação da Terra chamado Copernicus e foram projetados para monitorar continuamente a superfície do planeta com radar. Diferentemente dos sensores ópticos, o radar emite seu próprio sinal e mede o eco refletido pela superfície terrestre. Isso permite realizar observações durante o dia, à noite e mesmo sob cobertura de nuvens. Os dados do Sentinel-1 são usados para monitorar inundações, deslizamentos de terra e alterações na cobertura vegetal.

Já os satélites Sentinel-2 foram desenvolvidos para obter imagens ópticas de alta resolução da superfície terrestre em múltiplos comprimentos de onda. Seus sensores registram informações desde o visível até o infravermelho, permitindo analisar características físicas e biológicas da vegetação, dos solos e dos corpos d'água. Quando combinadas com as observações de radar do Sentinel-1, as imagens do Sentinel-2 fornecem uma visão mais completa da superfície terrestre.

Tessera

O Tessera é um modelo de IA desenvolvido para processar e organizar grandes volumes de dados de observação da Terra. Ele usa informações coletadas pelos satélites Sentinel-1 e Sentinel-2. Em vez de trabalhar diretamente com imagens brutas, o modelo transforma essas observações em representações chamadas embeddings. Esses embeddings preservam as informações mais importantes da superfície terrestre, reduzindo a complexidade dos dados sem perder informação.

Uma das principais características do Tessera é que cada pixel de 10 metros de resolução contém uma série temporal que descreve como aquela região evoluiu ao longo do ano. Isso significa que o modelo não registra apenas a aparência de um local em um instante específico, mas também captura sua dinâmica temporal. Com essa estrutura, pesquisadores podem procurar regiões com comportamentos semelhantes, detectar transformações na paisagem e identificar padrões ambientais.

Como funciona esse modelo?

Durante o treinamento, o modelo analisou dados dos satélites Sentinel-1 e Sentinel-2, aprendendo padrões espaciais, temporais e ambientais presentes na superfície terrestre. Como resultado, os embeddings incorporaram conhecimento sobre mudanças na vegetação, dinâmica de rios, expansão urbana e diversos outros fenômenos observáveis por satélite. Isso significa que os pesquisadores não precisam começar do zero toda vez que desejam resolver um novo problema de sensoriamento remoto.

Outra vantagem importante é que os embeddings gerados pelo Tessera são muito mais leves do que os conjuntos originais de imagens de satélite. O sistema foi projetado para ser utilizado por especialistas em clima, agricultura e meio ambiente. O projeto também possui código aberto, permitindo que pesquisadores adaptem, modifiquem e expandam suas capacidades para diferentes aplicações científicas.

O que é um foundation model?

O Tessera é considerado um foundation model. Um foundation model é um sistema de IA que foi treinado em grandes volumes de dados para aprender representações gerais de um determinado domínio. Diferentemente de modelos desenvolvidos para uma única tarefa específica, esses sistemas são projetados para capturar padrões amplos. Após o treinamento inicial, o modelo pode ser adaptado para diversas aplicações sem precisar ser reconstruído do zero.

Nas áreas científicas, como no caso do Tessera, os foundation models são importantes porque muitos problemas envolvem conjuntos de dados grandes e complexos. Em vez de exigir que cada grupo de pesquisa desenvolva seus próprios modelos a partir do início, esses sistemas fornecem representações já treinadas que podem ser adaptadas para tarefas específicas. Os modelos conseguem identificar padrões sutis e relações complexas que podem passar despercebidos por métodos tradicionais de análise.

Referência da notícia

Feng et al. TESSERA: Temporal Embeddings of Surface Spectra for Earth Representation and Analysis arXiv