Mapas auto-organizáveis permitem identificar fitoplâncton a partir do espaço

Fitoplâncton são organismos microscópicos que formam a base da cadeia alimentar nos oceanos. Eles possuem pigmentos que fazem com que interajam com a luz, tornando-se coloridos, sendo sua presença comumente perceptível em águas rasas. O monitoramento das populações de fitoplâncton fornece informações sobre a dinâmica da cadeia alimentar marinha e o papel do oceano na regulação climática. As regiões de costa costumam ter suas populações de fitoplâncton e flutuações sazonais melhor documentadas, mas é mais difícil colher essas informações em mar aberto.

No mês passado, foi publicado o trabalho de pesquisadores da Universidade de Sorbonne na França, do Centro Nacional para Monitoramento Remoto e do Conselho Nacional para a Pesquisa Científica no Líbano, no qual é desenvolvido um método para catalogar as populações de fitoplâncton nas regiões mais remotas dos oceanos usando inteligência artificial para processar imagens de satélite. A estrutura de rede utilizada foi a de mapas auto-organizáveis, comumente utilizada em estudos ambientais. Esse é um método de classificação não-supervisionado, onde as instâncias formam grupos em função dos valores de suas variáveis. Os autores usaram dois mapas auto-organizáveis em sequência: o primeiro, já publicado anteriormente, capaz de reconhecer os pigmentos a partir dos dados de satélite, e o segundo, desenvolvido nesse trabalho, para estabelecer a relação entre os pigmentos e os organismos portadores presentes na região de estudo, o Mar Mediterrâneo.

Na primeira parte da pesquisa, que eles chamaram de fase operacional, 7600 imagens diárias obtidas de bases de dados de satélite, compreendendo o período de 1997 até 2018, foram processadas para identificação dos pigmentos, o que gerou mais de 3 milhões de pixels representando o Mar Mediterrâneo. Cada pixel, cobrindo uma região de 4 x 4 km, passou a ser representado por um vetor de 9 dimensões, uma para cada pigmento investigado. O valor correspondente a cada dimensão correspondia à concentração do pigmento naquela região do oceano. Na segunda parte, para estimação dos tipos de fitoplâncton, esses vetores foram usados para treinar um mapa auto-organizável dedicado contendo 50 x 20 neurônios. Os autores decidiram que seis classes de organismos eram suficientes para descrever a biodiversidade da região. Então, finalizado o treinamento, eles observaram quais perfis de pigmentos estavam presentes em cada uma das seis classes, e cruzando essas informações com dados de literatura, eles estabeleceram os organismos dominantes em cada classe. A figura abaixo mostra o padrão de ativação nesse segundo mapa auto-organizável com relação a cada um dos 9 pigmentos, e no final a representação das seis classes identificadas.

Padrão de ativação do mapa auto-organizável.
Fonte: artigo original.

Depois de validar o método usando informações obtidas por outros meios, os autores mostraram que seu algoritmo era capaz de revelar as sucessões sazonais nas populações de fitoplâncton, gerando insights inéditos a partir de dados obtidos do espaço.

As sucessões nas populações de fitoplâncton (coluna na direita) nos seis primeiros meses do ano.
Fonte: adaptado do artigo original.

Essa pesquisa demonstra que um dos limites para o surgimento de novas soluções para todo tipo de problema é simplesmente o nível de engenhosidade das pessoas ao fazer uso de ferramentas como aquelas disponibilizadas pelos métodos de inteligência artificial.