Hacen mapas de la vegetación, agua o clima con Inteligencia Artificial y Big Data

Se espera que la aplicación de estos mapas tenga un alto impacto en campos como la biodiversidad, la agricultura o la adaptación de las especies al cambio climático, según un comunicado de la institución universitaria.
Las técnicas de IA, junto con el apoyo de Google para trabajar con datos masivos de observación de la Tierra desde satélite, han permitido generar los primeros mapas globales de variables de la vegetación solo disponibles localmente hasta ahora.

El equipo

Un equipo de investigadores del Image Processing Lab (IPL), en el Parc Científic, y del Grupo de Teledetección de Medio Ambiente (ERS) del Departamento de Física de la Tierra y Termodinámica, ambos de la UV, ha desarrollado una metodología para generar mapas globales de parámetros, variables y rasgos clave de la vegetación del planeta.
La tecnología, basada en inteligencia artificial, trabaja en la nube de Google para explotar miles de imágenes de la NASA y de la ESA, lo que posibilita la generación y monitorización de la vegetación a alta resolución espacial y temporal de forma global.

Cambio climático, fósforo o nitrógeno

Los estudios han revelado patrones muy interesantes en parámetros clave para analizar el cambio climático, como por ejemplo el contenido en fósforo, nitrógeno y frondosidad de plantas.
"Hasta ahora era imposible realizar estos mapas porque no reuníamos las condiciones. No teníamos aperos estadísticos de aprendizaje automático potentes y cuidadosos ni acceso a grandes conjuntos de datos ni a computación en la nube para tratar los petabytes de imágenes de satélite de manera rápida y cuidadosa", ha apuntado el físico e ingeniero electrónico Álvaro Moreno.
Moreno, que lidera la investigación y es actual investigador del IPL en el grupo Image and Signal Processing (ISP), ha añadido que ahora "con plataforma de Google y los algoritmos de Inteligencia Artificial, podemos hacer estos cálculos con datos de la ESA o de la NASA, rápidamente y a escala planetaria".

"Los aperos matemáticos son modelos de aprendizaje automático que aprenden la relación entre las imágenes que adquieren los satélites y las medidas en la superficie de la Tierra. Una vez han aprendido esa relación para muchas parejas observación-mesura, se puede extrapolar el conocimiento a cualquier otra localización y tiempo para generar mapas de estimación de la medida de interés", según Manuel Campos-Taberner, investigador del ERS.

Enormes posibilidades

Ha explicado que "las posibilidades son enormes" y ahora se pueden "generar mapas globales de casi cualquier variable de interés donde haya datos in situ, puesto que tenemos los satélites orbitando y dando muy buenas observaciones temporales y espaciales".
"En nuestro caso, hemos generado mapas globales de parámetros biofísicos que sirven para monitorizar la vegetación (cuánta vegetación tenemos, en qué medida está activa y cuáles son las fracciones de fósforo y nitrógeno) pero muy bien se podría usar para otras variables de interés, y no solo en tierra sino también en aguas y en materia de calidad del aire", ha añadido.

Agricultura, especies, cambio climático 

Según los científicos, los nuevos mapas tendrán implicaciones en otros campos como la agricultura de precisión, la biodiversidad o la adaptación de especies al cambio climático.
Según el catedrático de Ingeniería electrónica e investigador del IPL Gustau Camps-Valls "las aplicaciones y las implicaciones son infinitas, más todavía ante la presión actual sobre la producción de alimentos y biocombustibles, por ejemplo, sin despreciar el estudio del impacto sobre ecosistemas y adaptación de especies". EFEverde