D-SHIFT: Transferência de Informação Espacial de Alta Resolução de Produtos Mascon Mensais do GRACE TWSA para Produtos Diários Utilizando Redes Adversárias Generativas

As missões Gravity Recovery and Climate Experiment (GRACE) e GRACE Follow-On (GRACE-FO) são cruciais para o monitoramento de mudanças em grande escala no armazenamento de água terrestre (TWSA), fornecendo estimativas mensais de anomalias. Embora valiosas, essas estimativas mensais podem não capturar a dinâmica diária necessária para certas aplicações hidrológicas e climáticas. A lacuna entre a disponibilidade de dados mensais de alta resolução espacial e a necessidade de informações diárias de TWSA de qualidade comparável representa um desafio significativo na pesquisa geodésica e hidrológica.

Este estudo apresenta o D-SHIFT (Daily Spatial High-Resolution Inference via Feature Transformation), uma estrutura inovadora baseada em aprendizagem profunda. O objetivo principal do D-SHIFT é gerar campos diários de TWSA com alta resolução espacial, utilizando como base as soluções diárias de coeficiente harmônico esférico (SHC). A metodologia proposta visa preencher a lacuna temporal dos produtos GRACE/GRACE-FO, permitindo uma análise mais detalhada das variações diárias no armazenamento de água terrestre.

O treinamento do modelo D-SHIFT é realizado no domínio mensal. Para isso, são empregadas soluções diárias de baixa resolução e outros recursos auxiliares como entradas, enquanto os produtos mascon mensais servem como alvos para o aprendizado. Essa abordagem permite que o modelo aprenda a relação complexa entre os dados de baixa resolução e os produtos de referência de alta qualidade espacial, preparando-o para a inferência diária. Após o treinamento, o modelo é aplicado às entradas diárias de SHC, possibilitando a geração de produtos com uma resolução espacial análoga à dos produtos mascon mensais.

A validação mensal do D-SHIFT, comparada aos produtos Mascon, demonstrou um erro quadrático médio global de aproximadamente 2, 3 cm. Este resultado indica uma boa concordância geral do modelo com os dados de referência. Além disso, observou-se uma forte correlação e uma alta porcentagem de variância explicada, confirmando a capacidade do D-SHIFT de replicar com precisão os padrões de TWSA em escala mensal. Esses achados iniciais reforçam a robustez do modelo na reprodução das características espaciais e temporais dos dados de armazenamento de água.

As análises diárias revelam que o D-SHIFT é capaz de produzir campos de TWSA espacialmente coerentes no dia a dia. Mais importante, o modelo aprimora significativamente as estimativas de tendência e sazonalidade em escala de bacia, quando comparado diretamente com as soluções de SHC de baixa resolução. Essa melhoria é crucial para aplicações que exigem uma compreensão mais precisa das variações temporais do armazenamento de água, como estudos de secas, inundações e balanço hídrico regional.

A análise de dupla diferença, realizada entre bacias e áreas específicas, sugere que os ganhos proporcionados pelo D-SHIFT são particularmente relevantes para sinais espacialmente localizados. Esses sinais são frequentemente afetados por processos de suavização e vazamento nos produtos de baixa resolução. Um exemplo notável é a região da Groenlândia, onde o D-SHIFT reproduz de forma mais eficaz os padrões de perda de massa costeira. Para essa região, o modelo forneceu uma tendência média de bacia de -10, 5 cm/ano, um valor muito próximo da estimativa mensal do CSR, que é de -12, 0 cm/ano. Isso demonstra a capacidade do D-SHIFT de capturar detalhes importantes em áreas críticas de mudança climática.

O D-SHIFT representa um avanço significativo na geração de dados diários de TWSA de alta resolução espacial a partir de produtos GRACE/GRACE-FO. Ao superar as limitações temporais dos dados mensais e aprimorar a representação de sinais localizados, esta estrutura oferece uma ferramenta poderosa para a comunidade científica. A disponibilidade de dados diários mais precisos pode impulsionar novas pesquisas em hidrologia, climatologia e geodésia, permitindo uma compreensão mais aprofundada dos processos de armazenamento de água terrestre e suas respostas às mudanças ambientais.