OceanDepths: A Global Dataset of Paired Subsurface and Surface Ocean Observations

Los océanos del mundo cubren más del setenta por ciento de la superficie del planeta, pero siguen siendo una de las partes menos comprendidas de nuestro propio mundo. Si bien los satélites pueden observar la piel del océano con un detalle increíble, midiendo la temperatura y la salinidad del agua justo en la superficie, no pueden ver lo que hay debajo. Para comprender verdaderamente cómo el océano regula el clima de la Tierra, absorbe el calor y dirige los patrones climáticos, los científicos necesitan ver la estructura tridimensional completa del agua, desde la superficie hasta las profundidades marinas. Durante décadas, los investigadores han dependido de un mosaico de instrumentos flotantes que derivan a través del agua, tomando mediciones en puntos específicos, pero estos puntos de datos están dispersos y son escasos en comparación con la visión continua que proporcionan los satélites. Esta brecha ha dificultado la construcción de una imagen completa de las capas ocultas del océano o el entrenamiento de la nueva generación de herramientas de inteligencia artificial que podrían ayudar a predecir cambios futuros.

Un equipo de investigadores ha cerrado esta brecha mediante la creación de un conjunto de datos masivo y unificado que vincula lo que los satélites ven en la superficie con lo que los instrumentos miden en las profundidades. Llamado OceanDepths, este nuevo recurso reúne casi veinticinco años de observaciones, desde el año 2000 hasta 2024, en un formato único y organizado que las computadoras pueden leer fácilmente. El conjunto de datos vincula mapas de alta resolución de la temperatura, la salinidad y la altura de la superficie del mar con millones de perfiles verticales de temperatura y salinidad tomados por boyas autónomas. Al alinear estos dos tipos de datos tan diferentes en una misma cuadrícula, los investigadores han creado un campo de entrenamiento para que la inteligencia artificial aprenda cómo las condiciones de la superficie del océano se relacionan con sus profundidades ocultas. Este trabajo no solo llena un vacío de datos; proporciona un banco de pruebas global y estandarizado que permite a los científicos ir más allá de las aproximaciones rudimentarias y comenzar a modelar el complejo comportamiento tridimensional del océano con una precisión sin precedentes.

El desafío de comprender el océano ha estado definido durante mucho tiempo por un desajuste en la observación. Los satélites proporcionan una visión global y continua de la superficie, capturando cambios diarios en la temperatura y la altura en todo el globo. En contraste, las mediciones tomadas bajo las olas provienen de una flota de aproximadamente 4,000 boyas autónomas, conocidas como el programa Argo, que derivan con las corrientes y periódicamente se sumergen para medir la columna de agua. Si bien estas boyas proporcionan el muestreo más sistemático de la capa superior del océano, su cobertura es extremadamente escasa en relación con la vastedad del mar. En muchos lugares, solo hay una medición por cada cientos de kilómetros, dejando enormes lagunas en nuestro conocimiento. Históricamente, los científicos han intentado llenar estos vacíos utilizando modelos computacionales o reconstruyendo los datos a partir de observaciones limitadas, pero estos enfoques suelen depender de suposiciones que pueden no cumplirse en todas partes. El resultado ha sido la falta de una fuente única y confiable de datos emparejados que pudiera utilizarse para enseñar a la inteligencia artificial cómo inferir la estructura oculta del océano a partir de lo que es visible en la superficie.

Para resolver esto, los investigadores detrás de OceanDepths ensamblaron un conjunto de datos que empareja las observaciones satelitales con mediciones in situ a escala global. Recopilaron datos satelitales de temperatura de la superficie del mar, salinidad de la superficie del mar y altura de la superficie del mar, la cual indica la forma dinámica de la superficie oceánica. Estas mediciones superficiales se hicieron coincidir con millones de perfiles de temperatura y salinidad tomados por instrumentos en el agua. El equipo alineó cuidadosamente estas fuentes de datos dispares en una cuadrícula común, dividiendo todo el globo en pequeños cuadrados y asegurando que cada medición superficial tuviera un perfil de profundidad correspondiente cercano. El conjunto de datos cubre el período de 2000 a 2024, ofreciendo una visión semanal del estado del océano. Incluye más de 9.5 millones de perfiles emparejados, interpolados a cincuenta niveles de profundidad estándar, llegando a casi 6,000 metros en algunas áreas. Este nivel de detalle permite a los investigadores estudiar el océano a una resolución lo suficientemente fina como para ver los remolinos y corrientes que dominan la dinámica oceánica, en lugar de solo las tendencias amplias y de movimiento lento.

Una característica crucial de este nuevo conjunto de datos es que proporciona las observaciones brutas y emparejadas en lugar de un modelo pre-reconstruido. Los conjuntos de datos anteriores a menudo consistían en productos suavizados y con brechas llenadas generados por modelos computacionales, los cuales pueden ocultar errores o introducir sesgos. OceanDepths, por el contrario, ofrece las mediciones reales junto con un producto de reanálisis denso, que sirve como referencia pero no es el objetivo principal. Esta distinción es vital para el entrenamiento de la inteligencia artificial, ya que permite que los modelos aprendan directamente de los datos reales y desordenados del océano en lugar de hacerlo de una versión perfecta y simulada. El conjunto de datos también incluye un sistema configurable que divide el globo en trozos manejables, o parches, lo que facilita que los investigadores carguen y procesen los datos para diferentes tipos de análisis. Este enfoque aborda una limitación importante de trabajos anteriores, donde los datos estaban dispersos en diferentes formatos y resoluciones, dificultando la comparación de resultados o la reproducción de estudios.

Los investigadores probaron la utilidad de este nuevo recurso utilizandolo para entrenar modelos simples de inteligencia artificial para reconstruir el estado subsuperficial del océano. El objetivo era ver si un modelo podía observar las condiciones de la superficie y las mediciones dispersas de las boyas y predecir con precisión la temperatura y la salinidad en cada profundidad intermedia. Los resultados mostraron que, si bien los métodos estadísticos simples basados en promedios históricos seguían siendo competidores fuertes, los modelos de inteligencia artificial fueron capaces de capturar más de los complejos patrones espaciales, particularmente para la salinidad. El estudio encontró que los modelos que consideraban el contexto horizontal circundante —observando el agua alrededor de un punto específico en lugar de solo la columna vertical superior— funcionaron significativamente mejor. Esto sugiere que la estructura oculta del océano está profundamente conectada con los patrones visibles en la superficie y el contexto regional más amplio, una relación que el nuevo conjunto de datos hace posible explorar en detalle.

La creación de OceanDepths representa un paso significativo tanto para la oceanografía como para el campo de la inteligencia artificial. Al proporcionar un conjunto de datos estandarizado, global y de alta resolución de observaciones emparejadas, los investigadores han eliminado una barrera de entrada importante para los científicos que buscan aplicar el aprendizaje automático a los problemas oceánicos. La extrema escasez del conjunto de datos, con observaciones que cubren menos del uno por ciento del océano en cualquier profundidad dada, presenta un desafío único que empuja los límites de los métodos actuales de IA. Obliga al desarrollo de nuevas técnicas capaces de aprender de datos incompletos e irregulares, de manera similar a cómo un humano podría inferir la forma de un objeto oculto sintiendo solo unos pocos puntos de su superficie. Los autores enfatizan que este conjunto de datos no es una solución final, sino un recurso fundamental, una base compartida que permitirá a la comunidad comparar diferentes métodos y rastrear el progreso a lo largo del tiempo.

Las implicaciones de este trabajo se extienden más allá de simplemente tener mejores mapas del océano. Una comprensión más profunda de la estructura tridimensional del océano es esencial para predecir eventos climáticos extremos, rastrear el movimiento del calor y el carbono, y mejorar las proyecciones climáticas. La capacidad de reconstruir el estado oculto del océano a partir de observaciones superficiales podría conducir a pronósticos más precisる de las olas de calor marinas y los cambios en la circulación oceánica. Además, el conjunto de datos abre la puerta a métodos de pronóstico basados en la observación que no dependen únicamente de modelos físicos complejos, ofreciendo potencialmente una nueva forma de predecir el estado futuro del océano. Los investigadores han puesto todos los datos, códigos y herramientas a disposición del público, invitando a la comunidad científica global a construir sobre esta base y explorar las capas profundas y ocultas de nuestro sistema más vital.