Modelo de IA basado en satélites podría acelerar la investigación sobre el clima, la agricultura y el medio ambiente

Los programas de observación de la superficie terrestre generan diariamente enormes cantidades de datos mediante satélites que monitorean continuamente el planeta. Estos catálogos incluyen imágenes multiespectrales, mediciones de radar e información recopilada a diferentes escalas espaciales y temporales. El análisis manual o mediante métodos tradicionales se ha vuelto cada vez más difícil a medida que aumenta el volumen de datos. Por ello, la Inteligencia Artificial (IA) ha surgido como una herramienta capaz de extraer información e identificar patrones de forma más eficiente.

La capacidad de identificar patrones en estos conjuntos de datos es fundamental para comprender cómo cambia el planeta con el tiempo. Los cambios en la cubierta vegetal, la expansión urbana, las sequías, las inundaciones y las transformaciones de los ecosistemas pueden monitorearse mediante observaciones de la superficie terrestre. Esta información resulta útil para la investigación en climatología, monitoreo ambiental y gestión de recursos naturales.

Recientemente, investigadores desarrollaron un modelo de IA llamado Tessera, entrenado con datos satelitales. El sistema se entrenó con datos del programa Copernicus, provenientes de los satélites Sentinel-1 y Sentinel-2. Mientras que Sentinel-1 proporciona mediciones de radar para observar la superficie, Sentinel-2 registra imágenes ópticas en múltiples longitudes de onda. Al combinar estos datos, Tessera aprende patrones sobre la dinámica de la superficie terrestre.

Copernicus Sentinel-1 y Sentinel-2

Los satélites Sentinel-1 forman parte del programa europeo de observación de la Tierra, denominado Copernicus, y fueron diseñados para monitorear continuamente la superficie del planeta mediante radar. A diferencia de los sensores ópticos, el radar emite su propia señal y mide el eco reflejado por la superficie terrestre. Esto permite realizar observaciones tanto de día como de noche, e incluso bajo la nubosidad. Los datos de Sentinel-1 se utilizan para monitorear inundaciones, deslizamientos de tierra y cambios en la vegetación.

Los satélites Sentinel-2 se desarrollaron para obtener imágenes ópticas de alta resolución de la superficie terrestre en múltiples longitudes de onda. Sus sensores registran información desde el espectro visible hasta el infrarrojo, lo que permite analizar las características físicas y biológicas de la vegetación, los suelos y las masas de agua. Al combinarse con las observaciones de radar de Sentinel-1, las imágenes de Sentinel-2 proporcionan una visión más completa de la superficie terrestre.

Tessera

Tessera es un modelo de IA desarrollado para procesar y organizar grandes volúmenes de datos de observación de la Tierra. Utiliza información recopilada por los satélites Sentinel-1 y Sentinel-2. En lugar de trabajar directamente con las imágenes sin procesar, el modelo transforma estas observaciones en representaciones llamadas incrustaciones. Estas incrustaciones conservan la información más importante sobre la superficie terrestre, reduciendo la complejidad de los datos sin perder información.

Una de las características clave de Tessera es que cada píxel con una resolución de 10 metros contiene una serie temporal que describe la evolución de esa región a lo largo del año. Esto significa que el modelo no solo registra la apariencia de una ubicación en un instante específico, sino que también captura su dinámica temporal. Gracias a esta estructura, los investigadores pueden buscar regiones con comportamientos similares, detectar transformaciones del paisaje e identificar patrones ambientales.

¿Cómo funciona este modelo?

Durante el entrenamiento, el modelo analizó datos de los satélites Sentinel-1 y Sentinel-2, aprendiendo patrones espaciales, temporales y ambientales presentes en la superficie terrestre. Como resultado, las incrustaciones incorporaron conocimiento sobre cambios en la vegetación, la dinámica de los ríos, la expansión urbana y otros fenómenos observables por satélite. Esto significa que los investigadores no necesitan empezar de cero cada vez que quieran resolver un nuevo problema de teledetección.

Otra ventaja importante es que las representaciones generadas por Tessera son mucho más livianas que los conjuntos originales de imágenes satelitales. El sistema fue diseñado para su uso por especialistas en clima, agricultura y medio ambiente. El proyecto también es de código abierto, lo que permite a los investigadores adaptarlo, modificarlo y ampliar sus capacidades para diferentes aplicaciones científicas.

¿Qué es un modelo de fundación?

Tessera se considera un modelo base. Un modelo base es un sistema de IA entrenado con grandes volúmenes de datos para aprender representaciones generales de un dominio determinado. A diferencia de los modelos desarrollados para una tarea específica, estos sistemas están diseñados para capturar patrones amplios. Tras el entrenamiento inicial, el modelo puede adaptarse a diversas aplicaciones sin necesidad de reconstruirlo desde cero.

En campos científicos como Tessera, los modelos base son importantes porque muchos problemas implican conjuntos de datos extensos y complejos. En lugar de exigir que cada grupo de investigación desarrolle sus propios modelos desde cero, estos sistemas proporcionan representaciones preentrenadas que pueden adaptarse a tareas específicas. Los modelos son capaces de identificar patrones sutiles y relaciones complejas que podrían pasar desapercibidos para los métodos de análisis tradicionales.

Referencia de la noticia

Feng et al. TESSERA: Temporal Embeddings of Surface Spectra for Earth Representation and Analysis arXiv