Distribuição de icebergs no oceano austral através de inteligência artificial: uma contribuição para o entendimento da sua influência na circulação e no clima

Abstract

Icebergs são complexos e importantes elementos do ambiente polar. Corpos de gelo de origem continental, estes são aptos a interagir com o ambiente no seu entorno de distintas formas incluindo interações com o leito oceânico e margens continentais, transporte de nutrientes e em decorrência da adição de água fria e doce proveniente do derretimento, impactar a estrutura termohalina local. Embora de similar magnitude com o derretimento basal das plataformas de gelo flutuantes, os icebergs desempenham um papel ainda não inteiramente compreendido no balanço de calor e água doce no ambiente Antártico. Em parte, devido à complexidade operacional e tecnológica para monitoramento em grande escala no ambiente polar. Neste sentido, esta tese apresenta (i) um novo método autônomo para monitoramento e análise de icebergs em grande escala a partir de imagens de Radar de Abertura Sintética (SAR) baseada em inteligência artificial; na sequência a aplicação cientifica do método para (ii) investigar e documentar integralmente a distribuição de icebergs na região costeira do continente Antártico, assim como, a variabilidade interanual, relacionando com as principais regiões de ruptura de icebergs e formação de água densa de fundo; por fim, (iii) apresenta e discute a extensão método para o rastreamento automático de icebergs ao longo do tempo assim como, sua aplicabilidade para monitorar potencial injeção de água doce através de imagens SAR. Como resultados, o método provou-se altamente adaptável sendo capaz de distinguir icebergs dos demais elementos presentes nas cenas polares com acurácia média de 97,5 ± 0,6%. Como primeira aplicação científica, documenta e investiga a evolução espacial da distribuição de tamanho (e massa) de icebergs integralmente sobre a plataforma continental e região costeira Antártica para os anos de 1997, 2000 e 2008. Por fim, apresenta e discute a capacidade e aplicabilidade do método para rastreamento de icebergs em um estudo de caso no mar de Weddell, Antártica. Ao todo, esta tese destaca a aplicabilidade de métodos de inteligência artificial para o complexo problema de classificação de icebergs. Desta forma, preenchendo uma lacuna entre esforços observacionais e de modelagem numérica, que pode ser um passo essencial para futuros estudos acerca da variabilidade espaço-temporal do aporte de água doce a partir do derretimento de icebergs e seu possível impacto nas mudanças climáticas.

Icebergs are complex and important features of the polar environment. Bodies of continental ice they are able to interact with their surroundings in numerous ways. This includes interactions with the seabed and continental margins, transport of nutrients and terrigenous material, as well as interactions by impacting the thermohaline structure through cooling and freshwater input from melting icebergs. Being of similar magnitude to ice shelf basal melting, icebergs plays an important and not yet fully understood role in the heat and freshwater balance of the Antarctic environment, this knowledge gap does not close due to the operational and technological complexity associated with a reliable monitoring of icebergs in the polar environment. In this sense, this thesis presents (i) a new autonomous method for large-scale monitoring and analysis of icebergs from Synthetic Aperture Radar (SAR) based on artificial intelligence; next steps are the scientific application of the developed method in order to (ii) investigate and document the pan-Antarctic nearcoastal iceberg distribution and its variability between years and to relate it with the main Antarctic calving fronts and bottom water formation sites; the final goal is (iii) to present an extension of the detection method that allows to automatically track icebergs over time and to observe their potential freshwater input via satellites. As results, the method proved to be highly adaptable and capable of distinguishing icebergs with a high average accuracy of 97.5 ± 0.6%. As a first scientific application, it was possible to document and investigate the spatial evolution of the size distribution (and mass) of pan-Antarctic icebergs on the continental shelf and in the near-coastal region for the years of 1997, 2000 and 2008. Finally, this thesis presents and discusses the tracking capabilities of the method proposed for a case study of the Weddell Sea, Antarctica. The extended method allows no only to monitor drifting icebergs but also their potential freshwater input over time automatically. Altogether, this work sheds light on the applicability of novel artificial intelligence methods to the complex iceberg classification problem. It bridges the gap between observational and numerical modeling efforts, which could be an essential step for future studies of the spatio-temporally changing freshwater input from Antarctic icebergs and thus climate change.