Spiral Jetty оказался климатическим сенсором: снимки на 3 года опережают уровень озера

Земляная скульптура Spiral Jetty, которую Роберт Смитсон построил в 1970 году в северном рукаве Большого Солёного озера в Юте, из-за сильного падения уровня воды сейчас приближается к рекордно низким отметкам. Исследователи взяли 1744 совмещённых спутниковых снимка объекта, со спутников Landsat 4-9 и Sentinel-2, по одному на каждый месяц каждого года с 1984 по 2025 год, и построили для каждого снимка «сигнатуру сложности» из 14 признаков: энтропия Шеннона, многомасштабная перестановочная энтропия, фрактальная размерность, лакунарность, текстурные признаки на основе матриц совместной встречаемости яркости, статистики интенсивности и эмбеддинги нейросети ResNet50, предобученной на ImageNet. Эти признаки сопоставили с 42-летней помесячной климатической и гидрологической базой данных из источников NASA GISTEMP, USGS NWIS, Open-Meteo и Global Carbon Budget.

Бутстрэп-анализ показал, что энтропия Шеннона сама по себе, слабый показатель: она не подтверждает более раннее утверждение (сделанное на малой выборке), что эта метрика положительно коррелирует с глобальной температурой. Зато грубомасштабная перестановочная энтропия и средняя яркость снимка сильно связаны с уровнем воды в озере, корреляция Спирмена от 0,85 до 0,88, доверительный интервал не включает ноль. Отдельно авторы выделили третий главный компонент эмбеддингов ResNet50: без какого-либо обучения с учителем он сложился в «ИИ-климатическую ось», коррелирует на 0,86 с накопленным выбросом CO2 и на -0,83 с уровнем озера.

Ключевой результат, временной сдвиг: визуальная сложность снимков опережает изменение уровня озера примерно на три года (корреляция Пирсона r = 0,58 при лаге +3 года, 95-процентный доверительный интервал от 0,40 до 0,73). STL-разложение временного ряда показало немонотонный тренд: показатель рос с 1984 по 2015 год, а затем резко пошёл вниз, по мере того как озеро приближалось к рекордно низким отметкам. Частные корреляции с поправкой на месяц и на конкретный спутник-источник снимка подтвердили, что результат не объясняется сезонностью или различиями между сенсорами.

По формулировке авторов, эти результаты уточняют старую метафору «искусство как термометр»: вместо простого индикатора текущей температуры Spiral Jetty работает как опережающий индикатор гидрологического состояния озера. Датасет снимков, конвейер извлечения признаков и код анализа выложены в открытый доступ как публичный бенчмарк.

Ключевые факты

1744 снимка Spiral Jetty со спутников Landsat 4-9 и Sentinel-2 за 1984, 2025 годы свели к 14-признаковой сигнатуре сложности изображения, от энтропии Шеннона до эмбеддингов ResNet50, и сопоставили с 42-летней климатической базой (NASA GISTEMP, USGS NWIS, Open-Meteo, Global Carbon Budget).
Энтропия Шеннона оказалась слабым показателем и не подтвердила более раннее утверждение о её связи с глобальной температурой (проверено бутстрэп-анализом).
Грубомасштабная перестановочная энтропия и средняя яркость снимка сильно коррелируют с уровнем озера, корреляция Спирмена 0,85, 0,88.
Третий главный компонент эмбеддингов ResNet50 без обучения с учителем сложился в «ИИ-климатическую ось»: корреляция 0,86 с накопленным CO2 и -0,83 с уровнем озера.
Визуальная сложность снимков опережает падение уровня озера примерно на три года (корреляция Пирсона r = 0,58 при лаге +3 года); датасет, признаки и код выложены как публичный бенчмарк.

Почему это важно

Это редкий пример, когда обычная предобученная на ImageNet нейросеть (ResNet50), без всякой доработки под задачу, сама «нашла» в своих внутренних признаках сигнал, совпадающий с климатической переменной, накопленным выбросом CO2 и уровнем воды в озере. А знаменитый арт-объект неожиданно оказался многолетним косвенным датчиком: 42 года ежемесячных спутниковых снимков одной точки, это готовый бесплатный временной ряд, который раньше использовали только как метафору «искусство как термометр».

Кому это важно

Специалистам по дистанционному зондированию и гидрологии, которые изучают усыхание Большого Солёного озера и ищут недорогие способы мониторинга по архивным спутниковым снимкам; исследователям в области ИИ и интерпретируемости, которым интересно, что кодируют внутренние признаки предобученных сетей вроде ResNet50; климатологам, работающим с косвенными (proxy) индикаторами природных процессов.

Как это применить

Метод не требует новых датчиков, только уже существующие архивы снимков Landsat и Sentinel-2 и готовую предобученную сеть ResNet50, поэтому его можно перенести на другие водоёмы или объекты с длинной историей съёмки для дешёвого дополнительного мониторинга уровня воды. Авторы прямо облегчают такой перенос: датасет снимков, конвейер извлечения признаков и код анализа выложены как открытый публичный бенчмарк.

Можно ли доверять

Методология выглядит аккуратной: авторы явно проверяют робастность через частные корреляции с поправкой на месяц и сенсор, приводят доверительные интервалы для всех ключевых коэффициентов и сами же бутстрэпом опровергают более раннее (менее строгое) утверждение о связи энтропии Шеннона с глобальной температурой, это скорее говорит в пользу добросовестности разбора. Но это препринт arXiv, а значит, работа ещё не прошла рецензирование; в доступном тексте не указаны ни авторы, ни их институциональная принадлежность, ни ссылка или лицензия на сам выложенный датасет и код.

Риски и подводные камни

Все выводы, это корреляции по одному-единственному месту (Большое Солёное озеро) и одному объекту, поэтому неясно, насколько результат обобщается на другие водоёмы или ландшафты. Механизм трёхлетнего опережения, почему визуальная сложность снимка меняется раньше, чем физически меняется уровень воды, в статье не объясняется, что оставляет находку скорее эмпирической закономерностью, чем понятой причинно-следственной связью.