Uso de la visión artificial para analizar imágenes por satélite

Cada imagen de la Tierra tomada por satélites que orbitan a cientos de kilómetros de su superficie es el resultado de amplios 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 satelitales 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 global. Sin embargo, analizar estas imágenes manualmente suele ser complejo y llevar mucho tiempo.

La visión artificial (CV), una rama de la inteligencia artificial (AI), permite analizar imágenes de satélite automáticamente, de forma parecida a como las personas interpretan imágenes y vídeos. La IA visual puede ayudar a detectar patrones, seguir cambios y extraer información de forma rápida y precisa.

La información obtenida al analizar imágenes de satélite puede ayudar a abordar distintos 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 veremos cómo utilizar la visión artificial para comprender y analizar mejor las imágenes de satélite.

Fig. 1. Resumen de las imágenes satelitales.

¿Qué son las imágenes satelitales?#

Las imágenes por satélite se obtienen capturando imágenes de la superficie terrestre con sensores y cámaras instalados en satélites. A diferencia de las imágenes tradicionales, abarcan zonas extensas, desde ciudades hasta países enteros, y ofrecen un alto nivel de detalle. Permiten vigilar los cambios medioambientales, el desarrollo urbano y el uso del suelo en grandes áreas.

Además de las propias imágenes, las imágenes satelitales suelen incluir datos georreferenciados. Estos datos permiten realizar cartografías y análisis precisos. El seguimiento de los cambios en las imágenes satelitales y sus datos a lo largo del tiempo ofrece información valiosa sobre los ecosistemas, los patrones meteorológicos y las actividades humanas.

Aquí tienes un breve resumen de los distintos tipos de imágenes satelitales y las aplicaciones específicas que permiten:

• Imágenes ópticas: Este método captura la luz visible y las longitudes de onda del infrarrojo cercano, de forma similar a como el ojo humano percibe la luz. Es ideal para supervisar el uso del suelo, la salud de la vegetación y el desarrollo urbano, pero requiere cielos despejados y luz diurna para obtener imágenes eficaces.
• Imágenes de radar: Utilizan radar de apertura sintética (SAR) para emitir y recibir ondas de radio y capturar imágenes de alta resolución independientemente de las condiciones meteorológicas o la hora del día. Son especialmente útiles para responder a catástrofes, cartografiar terrenos y supervisar 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 y la gestión de recursos, además de aplicaciones como la exploración de minerales y la vigilancia de la contaminación.

Fig. 2. Tipos de imágenes satelitales.

Captura de imágenes satelitales desde satélites de observación terrestre#

Para entender mejor en qué consisten las imágenes satelitales, es importante saber que los distintos satélites se diseñan con fines específicos. Por ejemplo, utilizan sensores instalados en satélites geoestacionarios o de órbita polar. Los satélites geoestacionarios permanecen fijos sobre un mismo punto de la Tierra al sincronizarse con su rotación, por lo que son ideales para la vigilancia continua. En cambio, los satélites de órbita polar pasan sobre los polos y cubren 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 distintas aplicaciones necesitan tipos específicos de imágenes satelitales. Por ejemplo, los satélites geoestacionarios son ideales para tareas que requieren observación constante, como la vigilancia meteorológica y las comunicaciones en tiempo real.

Por otro lado, los satélites de 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 satelitales#

Ahora que ya hemos explicado qué son las imágenes satelitales, veamos qué ocurre cuando un satélite captura un conjunto de imágenes. El verdadero reto consiste en transformar estas imágenes sin procesar en información útil. Si procesamos y analizamos los datos con cuidado, podemos extraer información valiosa que revele detalles importantes sobre nuestro planeta.

Preprocesamiento de imágenes satelitales#

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

• Cartografía del mundo real: Las imágenes satelitales se alinean con mapas del mundo real corrigiendo distorsiones e identificando puntos de referencia.
• Reducción del ruido: Se utilizan modelos de aprendizaje automático para identificar y eliminar las nubes analizando las longitudes de onda de la luz y separando las nubes del terreno, con el fin de obtener imágenes más nítidas.
• Calibración de datos: Para mantener la precisión, los píxeles de las imágenes 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 satelitales#

Tras preprocesar las imágenes de 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 el contenido visual después de entrenarse con grandes conjuntos de datos de imágenes de satélite, como xView. Esto ayuda a los modelos a reconocer patrones y características en distintos tipos de imágenes.

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

• Segmentación de imágenes: Esta técnica divide la imagen en regiones diferenciadas, como terreno, agua o vegetación, para analizar y clasificar tipos de superficie concretos.
• Detección de objetos: Se utiliza para identificar y localizar objetos concretos en la imagen, como edificios, carreteras o vehículos. Las cajas delimitadoras orientadas (OBB) añaden un ángulo de rotación, lo que resulta adecuado para barcos, aeronaves y otros objetos vistos desde arriba en ángulos arbitrarios.
• Detección de cambios: Esta tarea sigue objetos o regiones a lo largo del tiempo mediante la comparación de imágenes capturadas en distintos intervalos e identifica cambios como la deforestación, la urbanización o las variaciones estacionales.
• Clasificación de imágenes: Puede utilizarse para clasificar los tipos de terreno según los 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 imágenes satelitales sin procesar en datos estructurados y útiles, y proporcionan una comprensión más clara y profunda de la superficie terrestre.

Aplicaciones del análisis de imágenes satelitales con IA visual#

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

Vigilancia de los cambios medioambientales con imágenes satelitales#

Las imágenes satelitales y la visión artificial son herramientas excelentes para observar y comprender los cambios medioambientales en la Tierra. Nos permiten vigilar desde el espacio distintos elementos del entorno, como los bosques, los glaciares y las masas de agua. Con esta tecnología, podemos hacer un seguimiento de los siguientes factores medioambientales clave:

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

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

Mejora de la gestión de desastres con imágenes satelitales y visión artificial#

La gestión de desastres naturales depende en gran medida de las imágenes satelitales para la vigilancia en tiempo real y la recuperación tras un desastre. Durante inundaciones, huracanes e incendios forestales, se analizan imágenes satelitales para detectar cambios medioambientales. Después del desastre, las imágenes satelitales siguen desempeñando un papel fundamental en la evaluación de daños.

Se pueden utilizar técnicas de visión artificial como la segmentación de instancias 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 el alcance de la destrucción y priorizar las tareas 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 satelitales para evaluar en tiempo real los efectos de desastres como inundaciones, incendios forestales y huracanes.

Fig. 5. Ejemplo de imágenes posteriores a un desastre que muestran las zonas afectadas por colores: verde para daños leves, naranja para daños graves y rojo para zonas destruidas (fuente: researchgate.net).

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

Las imágenes satelitales 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, hacer un seguimiento del crecimiento urbano y facilitar 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 vigilancia de la congestión en tiempo real. Incluso pueden ayudar a detectar construcciones ilegales comparando imágenes actuales y anteriores, lo que facilita a las autoridades la aplicación de la normativa de edificación.

Quizá te preguntes si realmente se puede ver desde el espacio cómo crece una ciudad. Con imágenes satelitales y visión artificial, sí que se puede. Dubái es un ejemplo fascinante. En las últimas décadas, se ha transformado: de ser una pequeña localidad desértica en los años 80 ha pasado a convertirse en una metrópolis global. Las imágenes satelitales muestran con claridad este notable crecimiento: 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 satelitales y teledetección para una agricultura de precisión#

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

Además, el análisis de las sequías y el riego es importante para utilizar el agua de forma eficiente en la agricultura. Las imágenes satelitales pueden ofrecer una visión detallada de los niveles de humedad del suelo y del estado de la vegetación, lo que ayuda a determinar qué zonas tienen un riego insuficiente o escasez de recursos hídricos.

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

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

Próximas tendencias en imágenes satelitales#

Las imágenes de satélite y la visión artificial avanzan rápidamente. Por ejemplo, los satélites miniaturizados, como los CubeSat, están transformando la observación de la Tierra al ofrecer 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 transformaciones medioambientales.

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

Además, los avances en imágenes de superresolución están ampliando las capacidades de los satélites. Mediante sofisticados algoritmos de IA, esta técnica aumenta la nitidez y mejora los detalles de las imágenes al combinar varias imágenes de baja resolución para obtener otras más claras 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 imagen de superresolución: Toulon, Francia, mejorada de 10 m a 5 m (fuente: planetobserver.com).

Ideas clave sobre las imágenes satelitales y la visión artificial#

La visión artificial y las imágenes satelitales están transformando nuestra forma de vigilar y comprender el planeta. Desde el seguimiento de los cambios medioambientales hasta la mejora de la respuesta ante desastres, la planificación urbana y la agricultura, estas tecnologías ofrecen información valiosa que permite crear soluciones más inteligentes y sostenibles.

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

Explora nuestro repositorio de GitHub para descubrir más sobre la IA y conectar con nuestra comunidad. Descubre cómo aplicamos la visión artificial a las imágenes aéreas e impulsamos la innovación en sectores como la IA en la fabricación y la IA en la atención sanitaria.