Badacze z arXiv wykorzystali słynne dzieło sztuki ziemi Spiral Jetty, które od 1970 roku zmienia się wraz z poziomem wody w Wielkim Jeziorze Słonym w Utah, jako narzędzie do śledzenia zmian klimatycznych. Analizując 1744 współzarejestrowanych zdjęć satelitarnych z systemów Landsat 4-9 i Sentinel-2 obejmujących każdy miesiąc od 1984 do 2025 roku, naukowcy opracowali 14-elementową sygnaturę złożoności łączącą entropię Shannon'a, wieloskalową entropię permutacyjną, wymiar fraktalny, cechy tekstury i głębokie cechy wizualne modelu ResNet50.
Najciekawszym odkryciem jest fakt, że trzecia główna składowa osadzeń ResNet50 wyłoniła się bez nadzoru jako os AI śledzących zmianę klimatu, korelując aż 0.86 z skumulowanymi emisjami CO2 i -0.83 z poziomem jeziora. Permutacyjna entropia w skali grubej oraz średnia intensywność pikseli wykazują silną korelację ze zmianami poziomu jeziora - współczynnik Spearmana wynosi od 0.85 do 0.88. Analiza Bootstrap pokazała, że wcześniejsze twierdzenia o pozytywnej korelacji entropii Shannon'a z globalną temperaturą były słuszne tylko w małych próbkach, podczas gdy w pełnym zbiorze danych efekt ten znika.
Najintriguującym resultatem jest obserwacja, że złożoność obrazu prowadzi zmienność poziomu jeziora o około trzy lata, z korelacją Pearsona 0.58 przy opóźnieniu trzechletnim. Rozkład STL ujawnia niemonotoniczny trend rosnący od 1984 do 2015 roku, a następnie gwałtownie spadający. Badanie demonstruje, jak zaawansowana analiza obrazów satelitarnych i uczenie maszynowe mogą przekształcić dzieła sztuki w czujniki danych klimatycznych, potencjalnie umożliwiające wcześniejsze przewidywanie zmian środowiskowych.