Fusing Multi- and Hyperspectral Satellite Data for Harmful Algal Bloom Monitoring with Self-Supervised and Hierarchical Deep Learning

Resumen Técnico: Fusión de Datos Satelitales Multiespectrales e Hiperespectrales para el Monitoreo de Algas Nocivas mediante Aprendizaje Profundo Jerárquico y Auto-supervisado

Planteamiento del Problema
Las floraciones de algas nocivas (FAN) representan riesgos significativos para los ecosistemas marinos, la salud pública y las economías costeras. El monitoreo satelital tradicional depende de algoritmos de recuperación especializados y específicos para cada instrumento que requieren una extensa etiquetación de verdad de terreno y un ajuste manual de parámetros. Estos métodos tienen dificultades con la heterogeneidad de los datos de los sensores (diversas resoluciones espectrales, espaciales y temporales) y a menudo se ven limitados por la escasez de conjuntos de datos etiquetados, particularmente en aguas costeras complejas. Además, los métodos estadísticos existentes de llenado de vacíos carecen de contexto geoespacial, mientras que los enfoques de aprendizaje profundo supervisado demandan grandes conjuntos de etiquetas preexistentes que rara vez están disponibles para la biogeoquímica acuática global.

Metodología: El Marco SIT-FUSE
Los autores presentan SIT-FUSE (Segmentación, Seguimiento de Instancias y Fusión de datos mediante imágenes de múltiples Sensores), un marco de aprendizaje automático auto-supervisado diseñado para detectar, mapear y especiar las FAN sin requerir conjuntos de datos etiquetados por cada instrumento. La metodología avanza a través de cuatro etapas primarias:

1. Aprendizaje de Representación Auto-supervisado: El marco utiliza codificadores, priorizando específicamente las Redes de Creencia Profunda (DBN) por su eficiencia de parámetros (~2 millones de parámetros) en comparación con arquitecturas más grandes. Estos codificadores aprenden patrones genéricos de color oceánico a partir de datos de reflectancia superficial brutos (Nivel-3, con corrección atmosférica) de múltiples instrumentos (VIIRS, MODIS, OLCI y PACE-OCI) y datos de Fluorescencia Inducida por la Solar (SIF) de TROPOMI. Los codificadores mapean vecindades de píxeles (contexto espacial de 3x3) en un espacio de incrustación latente, capturando huellas dactilares espectrales y espaciales sin etiquetas semánticas.
2. Clustering Profundo Jerárquico: Para segmentar las incrustaciones latentes en clases interpretables, el marco emplea el Clustering de Información Invariante (IIC). Este reemplaza el clustering aglomerativo tradicional con una jerarquía de dos niveles estructurada en árbol. El nodo raíz particiona los datos en clases gruesas (por ejemplo, 800 clusters iniciales), mientras que los nodos hijos los refinan en subclases (por ejemplo, 100 por cada padre). Esta estructura permite resolver regímenes de hábitat anidados, distinguiendo tipos de agua amplios de patrones de FAN de alta biomasa.
3. Asignación de Contexto: El significado ecológico se asigna a los clusters libres de contexto utilizando datos in-situ de la base de datos California HABMAP y de la Comisión de Conservación de Vida Silvestre y Pesca de Florida (FWRI). El proceso implica generar histogramas de superposición entre las etiquetas de los clusters y la abundancia de células de fitoplancton por intervalos (por ejemplo, Karenia brevis, Pseudo-nitzschia spp., fitoplancton total) en los sitios de monitoreo. Se genera una tabla de búsqueda para mapear etiquetas de clusters específicas a intervalos de abundancia, un proceso aplicado jerárquicamente para refinar la especificidad desde la Capa 1 (presencia general) hasta la Capa 2 (especie/severidad).
4. Fusión de Datos y Generación de Productos: El sistema genera mapas de segmentación libres de contexto separados para cada flujo de datos (sensores individuales, solo SIF, y fusión OC+SIF). Estos se fusionan en productos diarios y mensuales, acompañados de un Indicador de Calidad de Datos (DQI) que rastrea la fuente de los datos para cada píxel.

Contribuciones Clave

• Eficiencia de Etiquetas: El marco demuestra con éxito que el aprendizaje auto-supervisado puede generar productos de severidad y especiación de las FAN utilizando vastas cantidades de datos no etiquetados, evitando la necesidad de una etiquetación laboriosa y específica para cada instrumento.
• Fusión de Multi-sensores: SIT-FUSE integra flujos de datos heterogéneos (multiespectrales e hiperespectrales) y diferentes resoluciones (por ejemplo, SIF de TROPOMI de 7 km fusionado con color oceánico de 4 km) en una representación unificada, permitiendo un monitoreo continuo incluso cuando existen brechas en los sensores individuales.
• Especiación Jerárquica: Al utilizar un enfoque de clustering estructurado en árbol, el sistema puede distinguir entre la abundancia total de fitoplancton y taxones específicos (por ejemplo, P. delicatissima frente a P. seriata) y mapear niveles de severidad sin datos de entrenamiento de especies explícitos.
• Escalabilidad Operativa: El uso de arquitecturas DBN compactas asegura que el marco sea lo suficientemente eficiente computacionalmente para el procesamiento rutinario de conjuntos de datos globales de múltiples años, abordando las restricciones de energía y recursos.

Resultados
El marco fue validado contra datos in-situ en dos regiones: el Golfo de México (2018–2019, 2024–2025) y el sur de California (2018–2019, 2024–2025).

• Golfo de México: Para K. brevis (2018–2019), SIT-FUSE logró una fuerte concordancia con las observaciones in-situ (F1 = 0.97). Las clasificaciones erróneas fueron principalmente errores de intervalos adyacentes o falsos positivos en clases de baja abundancia, atribuidos a la variabilidad sub-píxel.
• Sur de California: Para el fitoplancton total, P. delicatissima y P. seriata (2018–2019), el marco alcanzó puntuaciones F1 de 0.95, 0.96 y 0.96, respectivamente. Los errores mostraron un ligero sesgo de subestimación para los intervalos de alta abundancia en aguas costeras complejas.
• PACE-OCI (Hiperespectral): Las pruebas iniciales con los datos de PACE-OCI de la NASA (2024–2025) arrojaron resultados prometedores a pesar de la limitada cantidad de comparaciones (puntuaciones F1 entre 0.84 y 0.99). Los resultados sugieren que la metodología se transfiere eficazmente a instrumentos hiperespectrales.
• Comparación Operativa: Una comparación binaria con el modelo operativo C-HARM en el sur de California mostró una alta concordancia (F1 0.72–0.77), con discrepancias que aumentan cerca de la costa donde la variabilidad del sistema es mayor.

Significancia y Reivindicaciones
El artículo sostiene que SIT-FUSE representa un paso crítico hacia la operacionalización del aprendizaje auto-supervisado para la biogeoquímica acuática global. Al desacoplar la extracción de características de las configuraciones específicas de los instrumentos y de los conjuntos de datos etiquetados, el marco permite un monitoreo de las FAN escalable en entornos con escasez de datos. Los autores enfatizan que la capacidad del sistema para fusionar diversos datos de sensores y realizar un clustering jerárquico permite la creación de mapas más detallados, frecuentes y específicos de especies sobre la evolución de las floraciones. Si bien el estudio reconoce limitaciones respecto al pequeño tamaño de las muestras para la validación de PACE y la necesidad de una mayor calibración de las incertidumbres por píxel, los resultados demuestran que el aprendizaje profundo auto-supervisado puede reemplazar o complementar eficazmente los algoritmos de recuperación tradicionales y de alto costo en recursos, ofreciendo una vía flexible para la futura integración de sensores y el monitoreo global.