Un nuevo enfoque visual-analítico ha sido desarrollado para la detección automática de eventos ciclónicos usando observaciones satelitales. Este método, propuesto por investigadores del Instituto Indio de Ciencia y el SAC de la ISRO, busca mejorar la precisión y velocidad en la predicción de ciclones tropicales que se forman principalmente sobre el Océano Índico Norte.

La metodología convencional para detectar ciclones depende de modelos como el NWP, que precisan tanto datos de superficie como imágenes satelitales, proceso que puede resultar lento y laborioso. El nuevo modelo utiliza aprendizaje supervisado para crear una herramienta analítica visual que pueda detectar y estimar intensidades ciclónicas mediante una arquitectura basada en redes neuronales.

El uso de redes neuronales convolucionales profundas, integradas con imágenes térmicas infrarrojas del satélite INSAT-3D, destaca como un componente clave del sistema. Esta herramienta no solo logra reconocer el centro de los ciclones en imágenes muy amplias, sino que también emplea un modelo basado en transformadores para consolidar las correlaciones temporales presentes en las secuencias ciclónicas, mejorando así las predicciones.

Para este proyecto, se emplearon datos del portal MOSDAC correspondientes a ciclones ocurridos entre 2013 y 2023. Estos datos se combinan con datos ya registrados por el Departamento Meteorológico de la India, obteniendo alrededor de 18,330 archivos para análisis. La clasificación de ciclones se ajusta según la velocidad del viento, desde depresiones simples hasta tormentas súper ciclónicas.

Se desarrollaron y evaluaron diferentes modelos de red, llevando el nuevo sistema a ser probado en eventos ciclónicos múltiples. Esto incluye el estudio de caso de ciclones como KYAAR y MAHA, donde la implementación permitió la detección simultánea de múltiples ciclones en la misma cuenca.

A futuro, se espera que este modelo pueda mejorar aún más incorporando datos de simulaciones generadas artificialmente y se prevé extender los aspectos de series temporales al módulo de detección de ciclones. Además, será crucial mejorar la estimación de intensidades en muestras de alta intensidad, especialmente para categorías superiores como tormentas ciclónicas extremadamente severas.

Conclusión: Este sistema promete transformar la capacidad de reacción ante ciclones, brindando predicciones más eficaces que pueden ayudar en la mitigación y manejo de desastres climáticos en la región del océano Índico Norte, y potencialmente, en otras partes del mundo. La colaboración entre instituciones destaca el potencial de aplicar el aprendizaje profundo para abordar retos climáticos globales.