REDNET-ML: A Multi-Sensor Machine Learning Pipeline for Harmful Algal Bloom Risk Detection Along the Omani Coast

O projeto REDNET-ML desenvolveu um pipeline de aprendizado de máquina reprodutível que integra dados de múltiplos sensores satelitais e detecção de objetos para gerar probabilidades calibradas de risco de florações algais nocivas ao longo da costa de Omã, utilizando uma avaliação rigorosa para suportar a operação de infraestruturas críticas.

O essencial

Imagine que o mar é como um grande jardim subaquático. Geralmente, é lindo e saudável. Mas, às vezes, certas algas crescem descontroladamente, como uma "erva daninha" tóxica, sufocando o jardim, matando peixes e até estragando as máquinas que as usinas de dessalinização usam para transformar água do mar em água potável.

Esse fenômeno é chamado de Floração de Algas Nocivas (HAB). O problema é que elas aparecem de repente e são difíceis de prever.

O projeto REDNET-ML é como um sistema de segurança inteligente e superpoderoso criado para vigiar a costa de Omã e avisar com antecedência se essas "ervas daninhas" estão chegando.

Aqui está como ele funciona, explicado de forma simples:

1. Os "Olhos" do Sistema (Satélites e Sensores)

O sistema não usa apenas uma câmera. Ele usa uma equipe de "olheiros" espaciais:

• Sentinel-2 (O Detetive de Alta Resolução): É como um telescópio potente que tira fotos muito detalhadas da água perto da costa. Ele consegue ver pequenas mudanças de cor e textura na água.
• MODIS (O Observador de Grande Escala): É como um satélite que vê a temperatura da água e a cor geral do oceano em áreas gigantes, ajudando a entender o "clima" da água.
• Detectores de Imagem (Os Caçadores de Padrões): Imagine um software treinado para reconhecer a "assinatura" visual de uma flor de algas, mesmo que ela esteja meio escondida. Ele não dá o veredito final, mas aponta: "Ei, ali tem algo que parece suspeito!".

2. O "Cérebro" (A Inteligência Artificial)

O sistema junta todas essas informações (cores, temperaturas, padrões suspeitos) e as joga para um cérebro digital chamado CatBoost.

• Pense nisso como um chef de cozinha experiente. Ele não usa apenas um ingrediente; ele mistura o cheiro (temperatura), a cor (índices de cor) e a textura (fotos detalhadas) para decidir se o prato está estragado.
• O sistema é treinado para ser muito cuidadoso. Ele aprende a não se confundir com nuvens ou sombras (o que chamamos de "vazamento de dados"), garantindo que ele está realmente detectando algas e não apenas "achismos".

3. O Sistema de Alertas (Sem Pânico, Mas com Atenção)

Em vez de gritar "ALERTA VERMELHO!" para tudo, o sistema usa um sistema de semáforo inteligente para as usinas e fazendas de peixe:

• 🟢 NORMAL: Tudo tranquilo.
• 🟡 WATCH (Vigilância): O sistema diz: "Ei, os sinais estão um pouco estranhos. Vamos ficar de olho e verificar mais de perto." É como ver uma nuvem escura no horizonte e preparar o guarda-chuva.
• 🔴 ACTION (Ação): O sistema diz: "A probabilidade é alta! É hora de agir." Isso pode significar fechar a tomada de água de uma usina ou alertar os pescadores para não pescar naquela área.

4. Por que isso é especial?

Muitos sistemas de IA falham porque aprendem a decorar o passado em vez de entender o presente. O REDNET-ML foi feito para não trapacear:

• Ele é treinado com dados de um ano e testado com dados do ano seguinte, garantindo que ele funcione no futuro, não apenas no passado.
• Ele lida com o fato de que nem sempre temos certeza absoluta se uma flor de algas aconteceu (os dados são escassos), usando técnicas para "minerar" pistas escondidas nas imagens.

Resumo da Ópera

O REDNET-ML é como um guarda-costas digital para a costa de Omã. Ele usa satélites para vigiar o mar 24 horas por dia, mistura diferentes tipos de dados para ter certeza do que está vendo e avisa as pessoas certas no momento certo, protegendo a água que bebemos, os peixes que comemos e as indústrias que dependem do mar.

É tecnologia de ponta, mas com um objetivo muito simples e humano: evitar desastres antes que eles aconteçam.

Resumo técnico

Resumo Técnico: REDNET-ML – Pipeline de Aprendizado de Máquina Multi-Sensor para Detecção de Risco de Florações Algais Nocivas (HABs) na Costa Omani

1. Problema e Motivação

As Florações Algais Nocivas (HABs) representam uma ameaça crítica para infraestruturas costeiras, pescas e, especificamente no contexto do Omã, para o abastecimento de água dependente de dessalinização. Eventos de HABs podem alterar a qualidade da água, esgotar o oxigênio e introduzir toxinas.

Os principais desafios para a detecção automatizada incluem:

• Escassez e atraso nos dados de "verdade de terreno" (ground truth): As etiquetas de HABs são esparsas e frequentemente atrasadas.
• Ruído nos rótulos: A disponibilidade de dados é heterogênea e muitas vezes de baixa resolução temporal.
• Vazamento de dados (Data Leakage): Divisões aleatórias de treino/teste em dados de sensoriamento remoto tendem a superestimar o desempenho devido à correlação temporal e espacial (ex: aprender artefatos de uma cena específica em vez do fenômeno real).

O projeto REDNET-ML visa desenvolver um pipeline de aprendizado de máquina reprodutível, não vazante (non-leaky) e inspecionável para detectar o risco de HABs ao longo da costa do Omã, focando em alertas operacionais para plantas industriais.

2. Metodologia

O sistema propõe uma abordagem de fusão de decisão que integra dados de múltiplos sensores e evidências visuais aprendidas.

2.1. Arquitetura de Dados e Engenharia de Características

O pipeline funde três fontes principais de dados:

1. Sentinel-2 (Alta Resolução Espacial): "Chips" (fragmentos de imagem) ópticos processados para extrair índices espectrais (ex: NDWI, FAI - Floating Algae Index) e sinais de textura.
2. MODIS Level-3 (Dados Oceânicos): Indicadores de cor do oceano e térmicos (ex: Clorofila-a, SST - Temperatura da Superfície do Mar) para contexto regional.
3. Evidência de Detectores de Objetos: Em vez de usar detectores para classificação final, eles atuam como geradores de evidência. Modelos como Faster R-CNN e SSD analisam as imagens e geram resumos de pontuação (confiança máxima/mediana, contagens) que indicam padrões semelhantes a florações.

2.2. Estratégia de Rótulos (Label Mining)

Devido à escassez de rótulos confiáveis, o projeto utiliza uma estratégia híbrida:

• Rótulos Confiáveis: Subconjunto conservador de fontes manuais/reliáveis.
• Rótulos Fracos (Mined): Candidatos gerados por heurísticas (ex: anomalias térmicas ou de cor do oceano) filtrados para reduzir falsos positivos.
• A etiqueta final é uma fusão controlada, permitindo cobertura ampla enquanto mantém um conjunto de avaliação estrito baseado apenas nos rótulos confiáveis.

2.3. Validação Não-Vazante (Non-Leaky Evaluation)

Para evitar o vazamento de dados temporal e espacial, o projeto emprega:

• Validação Cruzada por Grupo (Group-Safe CV): As dobras de treino e teste são separadas por "cenas" ou passagens de satélite, garantindo que chips da mesma passagem não apareçam em ambos os conjuntos.
• Validação Temporal: Treino em períodos anteriores e teste em períodos futuros para simular a implantação operacional real.

2.4. Modelo de Fusão e Política Operacional

• Algoritmo: O modelo de fusão é um CatBoost, escolhido por seu desempenho robusto em dados tabulares e capacidade de lidar com interações não lineares.
• Saída: O modelo gera uma probabilidade calibrada de risco ($\hat{p}_t$).
• Política de Alerta: O sistema define dois limiares:
  • WATCH ($\tau_{watch}$): Para triagem de candidatos (alta sensibilidade).
  • ACTION ($\tau_{action}$): Para escalonamento de alta confiança.
• Fórmula de Risco Operacional: Combina a probabilidade do HAB, a média das pontuações dos detectores, um índice de contexto oceânico (OCI) ajustado e fatores de sazonalidade.

3. Principais Contribuições

1. Pipeline Multi-Sensor Integrado: Combina a alta resolução espacial do Sentinel-2 com a consistência temporal do MODIS e evidências de detecção de objetos, superando as limitações de abordagens de sensor único.
2. Abordagem "Não-Vazante": Implementação rigorosa de divisões de dados baseadas em grupos e tempo, garantindo que as métricas de avaliação reflitam o desempenho real em produção.
3. Detectores como Geradores de Evidência: Uma inovação metodológica onde modelos de detecção de objetos não classificam a imagem inteira, mas fornecem resumos estatísticos robustos que alimentam o modelo de fusão, mitigando problemas de escassez de rótulos.
4. Reprodutibilidade e Transparência: O projeto é entregue como um repositório modular com notebooks executáveis, scripts de lote e artefatos de avaliação exportados (curvas ROC/PR, matrizes de confusão, SHAP, análises de deriva).
5. Visualizador de Campo de Risco: Uma ferramenta operacional que permite a exploração de riscos por planta e tempo, suportando a tomada de decisão.

4. Resultados e Avaliação

O modelo foi avaliado utilizando 53 verificações de teste e validação cruzada em 5 dobras:

• Desempenho Discriminativo:
  • AUROC (Área sob a Curva ROC): $0.842 \pm 0.019$.
  • AUPRC (Área sob a Curva de Precisão-Recall): $0.731 \pm 0.029$.
  • Nota: O AUPRC é a métrica primária devido ao desequilíbrio das classes.
• Desempenho Operacional (em um limiar de recall mínimo de 0.60):
  • Precisão: $\approx 0.682$.
  • Recall: $\approx 0.605$.
• Benchmark de Detectores:
  • O Faster R-CNN (ResNet50) e o SSD MobileNet foram selecionados como geradores de evidência complementares, oferecendo o melhor equilíbrio entre precisão e eficiência. O YOLOv8 foi testado, mas excluído por não trazer ganhos significativos no ensemble.
• Análise de Deriva (Drift):
  • Análises de 2025 indicaram uma deriva na distribuição dos dados (PSI e distância de Kolmogorov-Smirnov altos), sugerindo que os limiares fixos podem não ser estáveis a longo prazo sem recalibração. Isso reforça a necessidade de uma política de "WATCH" robusta e monitoramento contínuo.

5. Significado e Conclusão

O REDNET-ML demonstra que é possível criar um sistema de alerta de risco de HABs operacionalmente significativo sob restrições realistas (rótulos ruidosos, dados esparsos e dependência temporal forte).

• Impacto Prático: O sistema fornece uma ferramenta de suporte à decisão para proteger infraestruturas críticas no Omã, permitindo a triagem proativa de eventos de risco.
• Inovação Científica: A ênfase na prevenção de vazamento de dados e na transparência do modelo (via artefatos de SHAP e curvas de calibração) estabelece um novo padrão para aplicações de IA em sensoriamento remoto ambiental.
• Limitações e Futuro: A principal limitação reside na escassez de rótulos e na deriva temporal dos dados. O projeto recomenda que a política de "ACTION" seja periodicamente recalibrada conforme as distribuições mudam, enquanto a política de "WATCH" serve como uma camada de segurança robusta para a descoberta de candidatos.

Em suma, o projeto oferece uma solução completa, desde a aquisição de dados até a visualização operacional, validada por métricas rigorosas e pronta para inspeção humana.