Los satélites orbitales de la Tierra recopilan vastas cantidades de datos sobre los recursos hídricos del planeta, pero la extracción de información útil de estas fuentes sobre océanos, lagos, ríos y arroyos representa un desafío significativo. Los administradores del agua requieren datos precisos para una gestión efectiva de los recursos hídricos, incluyendo la monitorización costera de lagos, la detección de cambios en los límites debido al aumento del nivel del mar y la erosión. Sin embargo, los datos de los satélites actualmente en uso pueden ser complementarios pero presentan limitaciones en términos de resolución espacial o temporal, lo que motiva la búsqueda de métodos de integración para mejorar la precisión de la información.

Una solución propuesta por científicos de la Universidad Estatal de Utah es la Red Hidrológica Generativa Adversaria, o Hydro-GAN, un modelo basado en aprendizaje automático que busca mejorar la resolución de datos satelitales de baja a alta. Esta herramienta, presentada en Water Resources Research, representa un enfoque innovador para cerrar la brecha entre los datos de baja y alta resolución, utilizando imágenes recopiladas por satélites como MODIS y Landsat 8.

El equipo de investigación utilizó datos de imágenes de 20 embalses en varios países recopilados durante un período de siete años para evaluar el rendimiento de Hydro-GAN, incluido un estudio de caso sobre el lago Tharthar en Irak. Este lago, comparable en tamaño al Gran Lago Salado, enfrenta desafíos similares en términos de presiones climáticas y de uso. Los resultados demostraron mejoras significativas en la predicción de cambios en el área del lago, lo que proporciona información valiosa para hidrólogos y científicos ambientales que requieren una comprensión precisa de la dinámica del agua para la toma de decisiones.

Hydro-GAN ofrece la capacidad de generar datos de alta resolución en series de tiempo históricas, lo que puede ser crucial para realizar pronósticos precisos en situaciones donde se necesita una gran cantidad de datos históricos. Los investigadores creen que esta herramienta no solo será valiosa para los administradores del agua, sino que también podría expandirse para proporcionar información adicional sobre variables climáticas y topología, mejorando aún más la comprensión y gestión de los recursos hídricos en todo el mundo.