En su reciente publicación en Nature Water, los investigadores de D-BAUG, Junyang Gou y el profesor Benedikt Soja, introdujeron un modelo detallado de almacenamiento de agua terrestre mediante un innovador enfoque de aprendizaje profundo. Al combinar datos satelitales con modelos hidrológicos, su método logra una precisión notable incluso en cuencas más pequeñas, prometiendo beneficios significativos en campos como la hidrología, la ciencia climática, la gestión sostenible del agua y la predicción de peligros.

«Desarrollamos un modelo de aprendizaje autosupervisado para reducir la escala de las mediciones GRACE(-FO) y ofrecer un producto global con una resolución espacial efectiva de aproximadamente 50 km. La función de pérdida diseñada específicamente permite optimizar el modelo sin necesidad de alta resolución real en el terreno. La calidad del producto reducido se ha demostrado mediante la investigación de diversos aspectos, como el cierre de la ecuación del balance hídrico en cuencas más pequeñas que la resolución efectiva de las misiones GRACE(-FO) y la validación frente a los niveles de agua medidos con altimetría».

La discusión aborda las posibles aplicaciones futuras, incluido el monitoreo de extremos ambientales a escala local. Se destaca que este producto reducido podría ser beneficioso para la comunidad y la sociedad en el ámbito de las geociencias, especialmente en áreas como la hidrología, la ciencia climática, la gestión sostenible del agua y la predicción de peligros.