Uso de la 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 grandes esfuerzos de investigación e ingeniería. Estas imágenes no son simples instantáneas: son datos visuales esenciales que nos ayudan a comprender y cuidar nuestro planeta.

Las imágenes de satélite capturan vistas detalladas de la superficie terrestre y muestran desde bosques y ciudades hasta ríos y tierras de cultivo. En junio de 2024, más de 10.000 satélites activos orbitaban nuestro planeta, lo que los convierte en una parte esencial de nuestra infraestructura mundial. Sin embargo, analizar estas imágenes manualmente suele ser complejo y requiere mucho tiempo.

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

La información obtenida al analizar imágenes de satélite puede ayudar a abordar diversos desafíos, como el seguimiento de la deforestación, la supervisión del cambio climático, la mejora de las prácticas agrícolas y la respuesta ante catástrofes naturales. En este artículo, exploraremos cómo puede utilizarse la visión artificial para comprender y analizar mejor las imágenes de satélite.

Fig. 1. Descripción general de las imágenes de satélite.

¿Qué son las imágenes de satélite?#

Las imágenes de satélite consisten en capturar imágenes de la superficie terrestre mediante sensores y cámaras instalados en satélites. A diferencia de las imágenes tradicionales, las imágenes de satélite cubren áreas enormes, desde ciudades hasta países enteros, y ofrecen detalles de alta resolución de hasta un metro. Permiten supervisar cambios medioambientales, el desarrollo urbano y el uso del suelo en grandes extensiones.

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

A continuación, se ofrece un breve resumen de los distintos tipos de imágenes de satélite y de las aplicaciones específicas que permiten:

• Imágenes ópticas: Este método captura longitudes de onda de luz visible y del infrarrojo cercano, de forma similar a cómo el ojo humano percibe la luz. Es ideal para supervisar el uso del suelo, el estado de la vegetación y el desarrollo urbano, pero requiere cielos despejados y luz diurna para obtener imágenes eficaces.
• Imágenes de radar: Utilizan un radar de apertura sintética (SAR) para enviar y recibir ondas de radio, capturando imágenes de alta resolución independientemente de las condiciones meteorológicas o de la hora del día. Son especialmente útiles para la respuesta ante catástrofes, la cartografía del terreno y la supervisión de cambios en las características de la superficie.
• Imágenes térmicas: Los sensores térmicos detectan la radiación infrarroja emitida en forma de calor por la superficie terrestre. Se utilizan para seguir incendios forestales, supervisar 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 el estado del suelo, el agua y la vegetación. Proporcionan información detallada sobre las condiciones medioambientales, la gestión de recursos y aplicaciones como la exploración minera y la supervisión de la contaminación.

Fig. 2. Tipos de imágenes de satélite.

Captura de imágenes de satélite desde satélites de observación terrestre#

Para comprender mejor qué abarcan las imágenes de satélite, es importante saber que cada satélite se construye para fines específicos. Por ejemplo, utilizan sensores instalados en satélites geoestacionarios o en órbita polar. Los satélites geoestacionarios permanecen fijos sobre una ubicación concreta de la Tierra al sincronizarse con su rotación, lo que los hace ideales para la supervisión continua. En cambio, los satélites en órbita polar pasan sobre los polos y cubren gradualmente todo el planeta mientras la Tierra gira bajo ellos.

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

Esta distinción es importante porque distintas aplicaciones dependen de tipos específicos de imágenes de satélite para satisfacer sus necesidades. Por ejemplo, los satélites geoestacionarios son ideales para tareas que requieren observación constante, como la supervisión meteorológica y las comunicaciones en tiempo real.

Por otro lado, los satélites en órbita polar son más adecuados para cubrir todo el planeta, por lo que son fundamentales para los estudios medioambientales, el seguimiento del clima y la cartografía de cambios geográficos a gran escala.

Conceptos básicos del procesamiento de imágenes de satélite#

Ahora que hemos explicado qué son las imágenes de satélite, veamos qué ocurre una vez que un satélite captura un conjunto de imágenes. El verdadero reto consiste en transformar esas imágenes sin procesar en algo significativo. Al procesar y analizar los datos cuidadosamente, podemos extraer información valiosa que revela detalles importantes sobre nuestro planeta.

Preprocesamiento de imágenes de satélite#

El preprocesamiento es el primer paso para trabajar con datos de satélite y se centra en limpiar y corregir las imágenes sin procesar para que sean utilizables y precisas para el análisis. Estas son algunas técnicas clave que se utilizan para perfeccionar las imágenes de satélite y garantizar que proporcionen información fiable:

• Cartografía del mundo real: Las imágenes de satélite se alinean con mapas del mundo real mediante la corrección de distorsiones y la identificación de puntos de referencia.
• Reducción del ruido: Los modelos de aprendizaje automático se utilizan para identificar y eliminar nubes mediante el análisis de las longitudes de onda de la luz y separar las nubes del terreno para obtener imágenes más nítidas.
• 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.

Visión artificial e imágenes de satélite#

Tras preprocesar las imágenes de satélite, pueden utilizarse 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 conjuntos de datos de imágenes de satélite para su entrenamiento. Esto ayuda a los modelos a reconocer patrones y características en una gran variedad de imágenes.

Estos son algunos ejemplos de tareas de visión artificial que pueden ayudar a procesar e interpretar imágenes de satélite:

• Segmentación de imágenes: Esta técnica divide la imagen en regiones diferenciadas, como tierra, agua o vegetación, para analizar y clasificar de forma específica los tipos de superficie.
• Detección de objetos: Se utiliza para identificar y localizar objetos concretos en la imagen, como edificios, carreteras o vehículos.
• Detección de cambios: Esta tarea realiza un seguimiento de objetos o regiones a lo largo del tiempo comparando imágenes capturadas en distintos intervalos e identificando cambios como la deforestación, la urbanización o las variaciones estacionales.
• Clasificación de imágenes: Puede utilizarse para categorizar tipos de terreno basándose en patrones aprendidos a partir de los datos de entrenamiento, lo que permite crear mapas detallados para su posterior estudio.

Estas técnicas de visión artificial convierten las imágenes de satélite sin procesar en datos estructurados y útiles para la toma de decisiones, proporcionando una comprensión más clara y profunda de la superficie terrestre.

Aplicaciones del análisis de imágenes de satélite mediante IA de visión#

A continuación, veremos algunos ejemplos reales de cómo las imágenes de satélite están redefiniendo nuestro mundo y haciendo que las tareas cotidianas sean más sencillas, inteligentes y eficientes.

Supervisión de cambios medioambientales con imágenes de satélite#

Las imágenes de satélite y la visión artificial son herramientas excelentes para observar y comprender los cambios medioambientales de la Tierra. Permiten supervisar desde el espacio diversos aspectos de nuestro entorno, como bosques, glaciares y masas de agua. Con esta tecnología, podemos realizar un seguimiento de los siguientes factores medioambientales clave:

• Deforestación: Los satélites pueden utilizarse para supervisar los cambios en los bosques, identificar zonas de deforestación o reforestación y utilizar datos multiespectrales para evaluar el estado de la vegetación y detectar cambios medioambientales. Por ejemplo, Global Forest Watch es una plataforma en línea que utiliza imágenes de satélite para ayudar a gobiernos y organizaciones a tomar medidas de conservación oportunas.
• Calentamiento global: Las imágenes capturadas por satélites pueden proporcionar datos esenciales sobre glaciares y casquetes polares mediante imágenes de series temporales para supervisar el movimiento del hielo en condiciones meteorológicas adversas.
• Supervisión de la calidad del aire y del agua: Los satélites supervisan la calidad del aire y del agua detectando contaminantes como CO2, metano y otras sustancias contaminantes, lo que contribuye a las políticas medioambientales y a la gestión de recursos.

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

Mejora de la gestión de catástrofes con imágenes de satélite y visión artificial#

La gestión de catástrofes naturales depende en gran medida de las imágenes de satélite para la supervisión en tiempo real y la recuperación posterior a una catástrofe. Las imágenes de satélite se analizan durante inundaciones, huracanes e incendios forestales para detectar cambios medioambientales. Después de una catástrofe, las imágenes de satélite siguen desempeñando un papel fundamental en la evaluación de daños.

Las técnicas de visión artificial, como la segmentación de instancias, pueden utilizarse para identificar zonas con daños importantes, como edificios derrumbados 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 las labores de recuperación de forma más eficiente.

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

Fig. 5. Ejemplo de imágenes posteriores a una catástrofe que muestran las zonas dañadas mediante colores: verde para daños leves, naranja para daños graves y rojo para zonas destruidas (Fuente: researchgate.net).

Uso de imágenes de satélite para la planificación urbana y las infraestructuras#

Las imágenes de satélite y la visión artificial pueden desempeñar un papel fundamental en la planificación urbana y el desarrollo de infraestructuras. Las imágenes de alta resolución pueden utilizarse para estudiar el uso del suelo, realizar un seguimiento del crecimiento urbano y contribuir a una planificación urbana más inteligente. Estas tecnologías también pueden mejorar los sistemas de transporte mediante el análisis de los patrones de tráfico, el diseño de mejores rutas y la supervisión de la congestión en tiempo real. Incluso pueden ayudar a detectar construcciones ilegales comparando imágenes actuales y anteriores, lo que facilita que las autoridades hagan cumplir las normas de edificación.

Quizá te preguntes si el crecimiento de una ciudad puede verse realmente desde el espacio. Con las imágenes de satélite y la visión artificial, es totalmente posible. Dubái es un ejemplo fascinante. En las últimas décadas, se ha transformado de una pequeña localidad desértica en la década de 1980 a una metrópolis global. Las imágenes de satélite capturan vívidamente este extraordinario crecimiento y muestran la expansión de las zonas urbanas, los cambios en el uso del suelo y la aparición de lugares emblemáticos como el Burj Khalifa y Palm Jumeirah.

Imágenes de satélite y teledetección para la agricultura de precisión#

En la agricultura, las imágenes de satélite y la visión artificial pueden mejorar la gestión de los cultivos, la productividad y la sostenibilidad. En particular, la agricultura de precisión utiliza datos de satélite en tiempo real para supervisar el estado de los cultivos. Las técnicas de teledetección ayudan a analizar datos agrícolas a gran escala, lo que permite a los agricultores realizar un seguimiento de los niveles de humedad del suelo y detectar los primeros signos de estrés.

Además, el análisis de la sequía y el riego son importantes para utilizar el agua de forma eficiente en la agricultura. Las imágenes de satélite pueden ofrecer una visión detallada de los niveles de humedad del suelo y del estado de la vegetación, ayudando a determinar qué zonas reciben un riego insuficiente o dónde escasean los recursos hídricos.

Un caso práctico relevante de IA en la agricultura es la iniciativa de agricultura de precisión basada en satélites de ISRO, que ayuda a optimizar la agricultura en India mediante el uso de la teledetección para supervisar el estado de los cultivos, la humedad del suelo y el riego.

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

Tendencias futuras de las imágenes de satélite#

En el campo de las imágenes de satélite y la visión artificial se están llevando a cabo numerosos proyectos interesantes, con un enorme potencial de innovación. Por ejemplo, los satélites miniaturizados, como los CubeSats, están transformando la supervisión 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 las variaciones medioambientales.

Otro avance prometedor es la integración de datos del Internet de las cosas (IoT) en tiempo real con las transmisiones de los satélites, lo que mejora la capacidad de supervisar sistemas dinámicos como las redes de transporte y los recursos hídricos.

Además, los avances en las imágenes de superresolución están ampliando las capacidades de los satélites. Mediante sofisticados algoritmos de IA, esta técnica mejora y define los detalles de las imágenes, combinando varias imágenes de baja resolución para crear representaciones visuales más nítidas y de alta resolución. Esta innovación proporciona datos más precisos y crea nuevas oportunidades para gestionar de forma eficiente los recursos naturales y los espacios urbanos.

Fig. 7. Ejemplo de imágenes de superresolución: Toulon (Francia), mejoradas de 10 m a 5 m (Fuente: planetobserver.com).

Aspectos clave de las imágenes de satélite y la visión artificial#

La visión artificial y las imágenes de satélite están transformando nuestra forma de supervisar y comprender el planeta. Desde el seguimiento de cambios medioambientales hasta la mejora de la respuesta ante catástrofes, la planificación urbana y la agricultura, estas tecnologías proporcionan información valiosa que conduce a soluciones más inteligentes y sostenibles.

Con avances como la integración del IoT y las imágenes de superresolución, las imágenes de satélite son cada vez más fiables y accesibles. Estas innovaciones allanan el camino hacia una mejor gestión de los recursos y nos ayudan a afrontar los desafíos mundiales con mayor eficacia.

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