Usando visión artificial para analizar imágenes satelitales

Cada imagen de la Tierra tomada por satélites que orbitan a cientos de kilómetros sobre su superficie es el resultado de un exhaustivo trabajo de investigación e ingeniería. Estas imágenes no son meras instantáneas; son piezas vitales de datos visuales que nos ayudan a comprender y cuidar nuestro planeta.

Las imágenes por satélite capturan vistas detalladas de la superficie terrestre, destacando desde bosques y ciudades hasta ríos y tierras de cultivo. A fecha de junio de 2024, más de 10,000 satélites activos orbitan nuestro planeta, lo que los convierte en una parte esencial de nuestra infraestructura global. Sin embargo, analizar estas imágenes manualmente suele ser complejo y laborioso.

Curiosamente, la visión artificial (CV), una rama de la inteligencia artificial (IA), puede utilizarse para analizar automáticamente imágenes por satélite de forma similar a como los humanos interpretan las imágenes y los vídeos. La IA de visión puede ayudar a detectar patrones, rastrear cambios y extraer información con rapidez y precisión.

La información obtenida del análisis de imágenes por satélite puede servir para abordar diversos desafíos, como el seguimiento de la deforestación, el monitoreo del cambio climático, la mejora de las prácticas agrícolas y la respuesta ante desastres naturales. En este artículo, exploraremos cómo se puede utilizar la visión artificial para comprender y analizar mejor las imágenes por satélite.

Fig 1. Una visión general de las imágenes por satélite.

Link to this section¿Qué son las imágenes por satélite?#

Las imágenes por satélite consisten en capturar imágenes de la superficie terrestre mediante sensores de satélite y cámaras. A diferencia de las imágenes tradicionales, las imágenes por satélite cubren áreas inmensas, desde ciudades hasta países enteros, y ofrecen detalles de alta resolución hasta el metro. Permite monitorear cambios medioambientales, el desarrollo urbano y el uso del suelo en zonas extensas.

Además de las imágenes, las imágenes por satélite suelen incluir datos georreferenciados. Estos datos garantizan una cartografía y un análisis precisos. El seguimiento de los cambios en las imágenes por satélite y sus datos a lo largo del tiempo aporta información valiosa sobre ecosistemas, patrones meteorológicos y actividades humanas.

Aquí tienes un rápido vistazo a los diferentes tipos de imágenes por satélite y las aplicaciones únicas que soportan:

• Imagen óptica: Este método captura luz visible y longitudes de onda del infrarrojo cercano, de forma similar a como el ojo humano percibe la luz. Es ideal para monitorear el uso del suelo, la salud de la vegetación y el desarrollo urbano, pero requiere cielos despejados y luz diurna para obtener imágenes efectivas.
• Imágenes por radar: Utilizan radar de apertura sintética (SAR) para enviar y recibir ondas de radio, capturando imágenes de alta resolución independientemente de las condiciones meteorológicas o la hora del día. Resultan especialmente útiles para la respuesta ante desastres, la cartografía del terreno y el monitoreo de cambios en las características de la superficie.
• Imágenes térmicas: Los sensores térmicos detectan la radiación infrarroja emitida como calor desde la superficie terrestre. Se utilizan para rastrear incendios forestales, monitorear la actividad geotérmica y estudiar las islas de calor urbanas y las variaciones de temperatura.
• Imágenes hiperespectrales: Se utilizan datos de cientos de bandas espectrales estrechas para analizar la composición y la salud del suelo, el agua y la vegetación. Proporcionan información detallada sobre las condiciones medioambientales, la gestión de recursos y aplicaciones como la prospección de minerales y el monitoreo de la contaminación.

Fig 2. Tipos de imágenes por satélite.

Link to this sectionCaptura de imágenes por satélite desde satélites de observación de la Tierra#

Para hacerse una mejor idea de lo que implican las imágenes por satélite, es importante comprender que los diferentes satélites están construidos para propósitos específicos. Por ejemplo, utilizan sensores montados en satélites geoestacionarios o de órbita polar. Los satélites geoestacionarios permanecen fijos sobre un único lugar de la Tierra igualando su rotación, lo que los hace ideales para un monitoreo continuo. Por el contrario, los satélites de órbita polar pasan sobre los polos, cubriendo gradualmente todo el planeta a medida que la Tierra gira bajo ellos.

Fig 3. Satélites polares y geoestacionarios en órbita alrededor de la Tierra.

Esta distinción es importante porque diferentes aplicaciones dependen de tipos específicos de imágenes por satélite para satisfacer sus necesidades. Por ejemplo, los satélites geoestacionarios son ideales para tareas que requieren una observación constante, como el monitoreo meteorológico y las comunicaciones en tiempo real.

Por otro lado, los satélites de órbita polar son más adecuados para la cobertura global, lo que los hace críticos para los estudios medioambientales, el seguimiento climático y la cartografía de cambios geográficos a gran escala.

Link to this sectionLos fundamentos del procesamiento de imágenes por satélite#

Ahora que hemos cubierto qué son las imágenes por satélite, consideremos qué ocurre una vez que un satélite captura un conjunto de imágenes. El verdadero obstáculo reside en transformar estas imágenes en bruto en algo significativo. Mediante un procesamiento cuidadoso y el análisis de los datos, podemos extraer información valiosa que revela detalles importantes sobre nuestro planeta.

Link to this sectionPreprocesamiento de imágenes por satélite#

El preprocesamiento es el primer paso al trabajar con datos de satélite, centrándose en limpiar y corregir las imágenes en bruto para hacerlas utilizables y precisas para su análisis. Aquí tienes algunas técnicas clave utilizadas para refinar las imágenes por satélite y garantizar que proporcionen información fiable:

• Cartografía del mundo real: Las imágenes por satélite se alinean con mapas del mundo real corrigiendo distorsiones e identificando puntos de referencia.
• Reducción de ruido: Se utilizan modelos de machine learning para identificar y eliminar nubes analizando las longitudes de onda de la luz, y separando las nubes del suelo para obtener imágenes más claras.
• Calibración de datos: Para mantener la precisión, los píxeles de la imagen se ajustan a un nivel estándar, y la corrección atmosférica reduce las distorsiones causadas por las partículas y la dispersión de la luz.

Link to this sectionVisión artificial e imágenes por satélite#

Tras el preprocesamiento de las imágenes por satélite, se pueden utilizar técnicas de visión artificial para extraer información valiosa de los datos. Los modelos de visión artificial, como Ultralytics YOLO11, pueden analizar contenido visual aprovechando grandes datasets de imágenes por satélite para el entrenamiento. Esto ayuda a los modelos a reconocer patrones y características en una variedad de imágenes.

Aquí tienes algunos ejemplos de tareas de visión artificial que pueden ayudar a procesar e interpretar imágenes por satélite:

• Segmentación de imágenes: Esta técnica divide la imagen en regiones distintas, como tierra, agua o vegetación, para un análisis enfocado y la clasificación de tipos de superficie.
• Detección de objetos: Se utiliza para identificar y localizar objetos específicos en la imagen, como edificios, carreteras o vehículos.
• Detección de cambios: Esta tarea rastrea objetos o regiones a lo largo del tiempo comparando imágenes capturadas a diferentes intervalos, identificando cambios como la deforestación, la urbanización o los cambios estacionales.
• Clasificación de imágenes: Puede utilizarse para categorizar tipos de terreno basados en patrones aprendidos de datos de entrenamiento, permitiendo la creación de mapas detallados para su posterior estudio.

Estas técnicas de visión artificial convierten las imágenes por satélite en bruto en datos estructurados y procesables, proporcionando una comprensión más clara y profunda de la superficie terrestre.

Link to this sectionAplicaciones del análisis de imágenes por satélite mediante IA de visión#

A continuación, veamos algunos ejemplos de la vida real sobre cómo las imágenes por satélite están redefiniendo nuestro mundo, haciendo que las tareas cotidianas sean más sencillas, inteligentes y eficientes.

Link to this sectionMonitoreo de cambios medioambientales con imágenes por satélite#

Las imágenes por satélite y la visión artificial son herramientas fantásticas para observar y comprender los cambios medioambientales en la Tierra. Nos permiten monitorear diversos aspectos de nuestro entorno, incluyendo bosques, glaciares y cuerpos de agua, desde el espacio. Con esta tecnología, podemos rastrear los siguientes factores medioambientales clave:

• Deforestación: Los satélites pueden utilizarse para monitorear los cambios forestales, identificar áreas de deforestación o reforestación, y utilizar datos multiespectrales para evaluar la salud de la vegetación y detectar cambios medioambientales. Global Forest Watch, por ejemplo, es una plataforma online que utiliza imágenes por satélite para ayudar a gobiernos y organizaciones a tomar medidas de conservación a tiempo.
• Calentamiento global: Las imágenes capturadas por satélites pueden proporcionar datos vitales sobre glaciares y casquetes polares, utilizando imágenes de series temporales para monitorear el movimiento del hielo en condiciones climáticas adversas.
• Monitoreo de la calidad del aire y del agua: Los satélites monitorean la calidad del aire y del agua detectando contaminantes como CO2, metano y otros contaminantes, ayudando a las políticas medioambientales y a la gestión de recursos.

Fig 4. Análisis de imágenes por satélite de Global Forest Watch.

Link to this sectionMejora de la gestión de desastres con imágenes por satélite y visión artificial#

La gestión de desastres naturales depende en gran medida de las imágenes por satélite para el monitoreo en tiempo real y la recuperación posterior al desastre. Las imágenes por satélite se analizan durante inundaciones, huracanes e incendios forestales para detectar cambios medioambientales. Tras el desastre, las imágenes por satélite siguen desempeñando un papel crucial en la evaluación de daños.

Las técnicas de visión artificial como la segmentación de instancias pueden utilizarse para identificar áreas de daños significativos, como edificios colapsados o paisajes alterados, comparando imágenes tomadas antes y después de terremotos o tsunamis. Esto permite a las autoridades evaluar la magnitud de la destrucción y priorizar los esfuerzos de recuperación de manera más eficiente.

Un buen ejemplo es el proyecto Ciseres de la Agencia Espacial Europea (ESA), que combina IA con datos de satélite para evaluar en tiempo real los impactos de desastres como inundaciones, incendios forestales y huracanes.

Fig 5. Un ejemplo de imágenes posteriores al desastre que muestran áreas dañadas con colores: verde para daños menores, naranja para daños mayores y rojo para áreas destruidas (Fuente: researchgate.net).

Link to this sectionUtilización de imágenes por satélite para la planificación urbana y las infraestructuras#

Las imágenes por satélite y la visión artificial pueden desempeñar un papel vital en la planificación urbana y el desarrollo de infraestructuras. Las imágenes de alta resolución pueden utilizarse para estudiar el uso del suelo, rastrear el crecimiento urbano y apoyar una planificación urbana más inteligente. Estas tecnologías también pueden mejorar los sistemas de transporte analizando patrones de tráfico, diseñando mejores rutas y monitoreando la congestión en tiempo real. Incluso pueden ayudar a detectar construcciones ilegales comparando imágenes actuales y pasadas, facilitando a las autoridades la aplicación de los códigos de construcción.

Quizás te preguntes, ¿se puede ver realmente el crecimiento de una ciudad desde el espacio? Con imágenes por satélite y visión artificial, sin duda se puede. Dubái es un ejemplo fascinante. En las últimas décadas, se ha transformado de ser un pequeño pueblo en el desierto en los años 80 a convertirse en una metrópolis global. Las imágenes por satélite capturan vívidamente este notable crecimiento, mostrando la expansión de las áreas urbanas, los cambios en el uso del suelo y el surgimiento de monumentos icónicos como el Burj Khalifa y Palm Jumeirah.

Link to this sectionImágenes por satélite y teledetección para la agricultura de precisión#

En la agricultura, las imágenes por satélite y la visión artificial pueden mejorar la gestión de cultivos, la productividad y la sostenibilidad. En particular, la agricultura de precisión utiliza datos de satélite en tiempo real para monitorear la salud de los cultivos. Las técnicas de teledetección ayudan a analizar datos agrícolas a gran escala, permitiendo a los agricultores rastrear los niveles de humedad del suelo y detectar signos tempranos de estrés.

Además, el análisis de sequía e irrigación es importante para el uso eficiente del agua en la agricultura. Las imágenes por satélite pueden proporcionar una visión general detallada de los niveles de humedad del suelo y la salud de la vegetación, ayudando a determinar áreas con una irrigación inadecuada o donde los recursos hídricos son escasos.

Un estudio de caso relevante sobre la IA en la agricultura es la iniciativa de agricultura de precisión basada en satélites de ISRO, que ayuda a optimizar la agricultura en la India utilizando teledetección para monitorear la salud de los cultivos, la humedad del suelo y la irrigación.

Fig 6. Las imágenes por satélite y la visión artificial pueden utilizarse para esquematizar parcelas agrícolas y clasificar cultivos.

Link to this sectionPróximas tendencias en imágenes por satélite#

Se está realizando un trabajo emocionante en el campo de las imágenes por satélite y la visión artificial, con un inmenso potencial para la innovación. Por ejemplo, los satélites miniaturizados, como los CubeSats, están remodelando la observación de la Tierra al proporcionar una forma asequible, flexible y frecuente de capturar imágenes de alta resolución. Estos satélites compactos facilitan el seguimiento de cambios que van desde la expansión urbana hasta los cambios medioambientales.

Otro desarrollo prometedor es la integración de datos del Internet de las Cosas (IoT) en tiempo real con fuentes de satélite, mejorando la capacidad de monitorear sistemas dinámicos como redes de transporte y recursos hídricos.

Además, los avances en imágenes de superresolución están haciendo avanzar las capacidades de los satélites. Al aprovechar sofisticados algoritmos de IA, esta técnica enfoca y mejora los detalles de la imagen, combinando múltiples imágenes de baja resolución en imágenes más claras y de alta resolución. Esta innovación ofrece datos más precisos y crea nuevas oportunidades para gestionar eficazmente los recursos naturales y los espacios urbanos.

Fig 7. Un ejemplo de imágenes de superresolución: Toulon, Francia, mejorada de 10m a 5m (Fuente: planetobserver.com).

Link to this sectionInformación clave sobre imágenes por satélite y visión artificial#

La visión artificial y las imágenes por satélite están reimaginando cómo monitoreamos y comprendemos nuestro planeta. Desde el seguimiento de cambios medioambientales hasta la mejora de la respuesta ante desastres, la planificación urbana y la agricultura, estas tecnologías aportan información valiosa que conduce a soluciones más inteligentes y sostenibles.

Con avances como la integración del IoT y las imágenes de superresolución, las imágenes por satélite se están volviendo aún más fiables y accesibles. Estas innovaciones están allanando el camino para una mejor gestión de los recursos y nos ayudan a abordar los desafíos globales de forma más efectiva.

Explora nuestro repositorio de GitHub para descubrir más sobre IA y conectar con nuestra comunidad. Descubre cómo estamos impulsando la innovación en sectores como la IA en la fabricación y la IA en la atención sanitaria.